Garuda - Garba Rujukan Digital

A vision-based real-time obstacle avoidance’s rules utilising grid-edge-depth map Budi Rahmani; Agus Harjoko; Tri Kuntoro Priyambodo
Indonesian Journal of Electrical Engineering and Computer Science Vol 19, No 1: July 2020
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v19.i1.pp513-525

This paper presents a new rules-based of a real-time decision system for an autonomous wheeled robot with the holonomic-drive system. The robot uses decisions to avoid collisions with obstacles. The decision rules based on Grid-Edge-Depth Map. The Grid-Edge-Depth map represents the obstacle’s position and distance in the environment. The generation process of the Grid-Edge-Depth map presented in previous research. The decisions of the first scenario with no destination point are forward, stop, 90o right turn, and 90o left turn. The decisions of the second, and third scenarios with a destination point are forward, stop, 90o right turn, 90o left turn, 45o forward to the right, 45o forward to the left, slide to the right, and slide to the left. The proposal tested in a 5x3 metre living environment. Finally, the experiment resulted in 93.3% of navigation’s success for all the scenarios.

Uji Akurasi Grid-Edge-Depth Map Pada Purwarupa Alat Bantu Melihat Menggunakan Kamera Stereo Budi Rahmani
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The Grid-Edge-Depth Map (GED-map) algorithm can measure objects with distances from 64 cm to 500 cm and has been tested on a wheeled robot to help it avoid obstacles in the experimental environment. This study examines the accuracy of the GED-map that can be used to help people with visual impairments. The research was conducted by modifying a stereo camera into a device that can be used by humans such as a helmet and processed by a laptop. The test was carried out with three scenarios that required the user to stand at a distance of 100 cm, 125 cm and 150 cm from a table, chair, or wall with 15 tests in each scenario. The results of the distance measurement by the system are then computed based on the angle of the installed stereo camera and compared the results with the real distance. The test results show an average accuracy of 94.86% with 3 experimental scenarios, which means that this tool is feasible to implement. It's just that research and improvement need to be done to reduce the size of the distance measurement processing computer that currently uses a laptop.Keywords: GED-map; Visual impairment; Stereo cameras; Viewing aids Abstrak. Algoritme Grid-Edge-Depth Map (GED-map) dapat mengukur objek dengan jarak antara 64 cm sampai dengan 500 cm dan telah diuji pada robot beroda untuk membantunya menghindari halangan yang ada di lingkungan percobaan. Penelitian ini menguji akurasi GED-map yang dapat dimanfaatkan untuk membantu para penyandang disabilitas penglihatan. Penelitian dilakukan dengan memodifikasi kamera stereo menjadi perangkat yang bisa digunakan oleh manusia seperti helm dan diproses oleh sebuah laptop. Pengujian dilakukan dengan tiga skenario yang menyaratkan pengguna alat untuk berdiri pada jarak 100 cm, 125 cm dan 150 cm terhadap meja, kursi, maupun tembok dengan 15 kali pengujian pada setiap skenarionya. Hasil pengukuran jarak oleh sistem kemudian dikomputasi berdasarkan sudut kamera stereo yang terpasang dan dibandingkan hasilnya terhadap jarak riil. Hasil pengujian menunjukkan rerata akurasi sebesar 94,86% dengan 3 skenario percobaan, yang artinya alat ini layak untuk diimplementasikan. Hanya saja penelitian dan penyempurnaan perlu dilakukan untuk mengurangi ukuran komputer pemroses pengukuran jarak yang sementara ini masih menggunakan laptop.Kata kunci: GED-map; Disabilitas penglihatan; Stereo camera; Alat bantu melihat

Model Kalkulasi Jarak pada Proses Deteksi Bola Menggunakan Metode Color-Block Detection Muhammad Noor Hifzi; budi rahmani
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i2.1230

The wheeled soccer robot of STMIK Banjarbaru has demonstrated a pretty good design. However, it needs to improve its vision system due to the limited capabilities of its Pixy camera, while other robots have already adopted webcams. The limited vision system has been the primary focus of the conducted research. The Logitech C270 webcam is employed as the primary sensor for distance measurement, and it is computed by a laptop using Python with a block color detection method. Testing is conducted to measure various predetermined distances to assess the accuracy of each group. The effectiveness of using the webcam for the robot is also evaluated. The test results reveal that distance measurement accuracy for objects larger than 50 cm reaches 85.42%. For distances of 40 cm or more, it reaches 82.65%, and for distances of 25 cm or more, it reaches 77.78%. The tested algorithm is suitable for measuring distances of objects larger than 50 cm. Moreover, based on the testing, the system can detect objects up to 100 cm in a straight line in front of the robot.Keywords: Robot soccer; Optimization; Eebcam; Color block; AbstrakRobot sepak bola beroda STMIK Banjarbaru telah menunjukkan desain yang cukup baik namun memiliki kelemahan pada sistem vision dengan masih digunakannya kamera pixy yang terbatas kemampuannya, sedangkan robot lain telah menggunakan webcam. Hail inilah yang menjadi fokus penelitian yang telah dilakukan. Webcam logitec C270 digunakan sebagai sensor utama untuk pengukuran jarak, dan dikomputasi oleh sebuah laptop menggunakan bahasa Python dengan metode block color detection. Pengujian dilakukan untuk mengukur berbagai jarak yang ditentukan guna melihat akurasi tiap kelompoknya. Kemudian akan diketahui pula efektifitas penggunakan webcam untuk robot. Hasil pengujian menunjukkan bahwa akurasi pengukuran jarak benda yang lebih besar dari 50 cm mencapai 85,42%, untuk jarak 40 cm atau lebih mencapai 82,65%, dan untuk jarak 25 cm atau lebih mencapai 77,78%. Algoritme yang diujikan cocok untuk pengukuran jarak benda yang lebih besar dari 50 cm. Dan berdasarkan pengujian, sistem juga dapat membaca objek hingga 100 cm dalam garis lurus di depan robot.

Sistem Monitoring Tegangan Baterai Berbasis LoRa dan Mikrokontroler untuk Rumah Walet Budi Rahmani; Ajib Alfarizi
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1 (2025): Februari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2564

The stability of the electrical power supply in swiftlet houses is crucial to ensure an optimal environment for the growth of swiftlets. Battery damage due to insufficient power is often a significant issue, especially for owners far from the swiftlet house. This study develops a microcontroller-based battery voltage monitoring system utilizing LoRa technology for remote monitoring. The system uses a voltage sensor connected to an Arduino, which transmits data via the LoRa SX1278 module. The received data is displayed on an LCD, and a buzzer indicates the voltage condition. Testing is conducted at various transmission distances to assess data transmission accuracy and system stability. The results indicate that the system can provide high-accuracy real-time battery voltage monitoring and overcome geographical challenges in managing swiftlet houses. This system is expected to enhance the efficiency and sustainability of swiftlet farming.Keywords: Voltage monitoring; Microcontroller; LoRa; Swiftlet house; Remote monitoringAbstrakStabilitas daya listrik pada rumah burung walet sangat penting untuk memastikan kondisi lingkungan yang optimal bagi pertumbuhan burung walet. Kerusakan aki akibat kekurangan daya sering kali menjadi kendala utama, terutama bagi pemilik yang tinggal jauh dari lokasi rumah walet. Penelitian ini mengembangkan sistem monitoring tegangan aki berbasis mikrokontroler dan teknologi LoRa untuk pemantauan jarak jauh. Sistem ini dirancang menggunakan sensor tegangan yang terhubung ke Arduino, yang kemudian mengirimkan data melalui LoRa SX1278. Data yang diterima ditampilkan pada LCD dan dilengkapi dengan buzzer sebagai indikator kondisi tegangan. Pengujian dilakukan pada berbagai jarak transmisi untuk mengukur akurasi pengiriman data dan stabilitas sistem. Hasil penelitian menunjukkan bahwa sistem mampu memberikan pemantauan tegangan aki secara real-time dengan tingkat akurasi tinggi, serta dapat mengatasi kendala geografis dalam pengelolaan rumah walet. Sistem ini diharapkan dapat meningkatkan efisiensi dan keberlanjutan usaha budidaya burung walet.Kata kunci: Monitoring tegangan; Mikrokontroler; LoRa; Rumah walet; Pemantauan jarak jauhsekitar

Model Pembeda Sampah Organik dan Anorganik dengan Machine Learning berbasis Phyton Ika Aprilia; Budi Rahmani
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3182

This research developed an artificial intelligence-based system to differentiate between organic and inorganic waste using a Convolutional Neural Network (CNN) model. The problem addressed is the community's limited understanding of how to properly separate types of waste, which contributes to environmental pollution. The methodology employed includes data collection of waste images, training the CNN model, and system testing. The test results showed that the model achieved an accuracy of 75%, with a precision of 78% and a recall of 70%. These findings suggest that the developed system can help the community better understand and separate waste more effectively. This research makes a positive contribution to waste management and is expected to serve as a foundation for further development in waste classification technology.Keywords: Artificial intelligence; Convolutional Neural Network; Waste separation; Environmental management; Machine learning AbstrakPenelitian ini mengembangkan sistem berbasis kecerdasan buatan untuk membedakan sampah organik dan anorganik menggunakan model Convolutional Neural Network (CNN). Permasalahan yang dihadapi adalah rendahnya pemahaman masyarakat dalam memisahkan jenis sampah, yang berdampak pada pencemaran lingkungan. Metodologi yang digunakan meliputi pengumpulan data gambar sampah, pelatihan model CNN, dan pengujian sistem. Hasil pengujian menunjukkan bahwa model mencapai akurasi 75%, dengan presisi 78% dan recall 70%. Temuan ini menunjukkan bahwa sistem yang dikembangkan dapat membantu masyarakat dalam memahami dan memisahkan sampah dengan lebih baik. Penelitian ini memberikan kontribusi positif terhadap pengelolaan sampah dan diharapkan dapat menjadi dasar untuk pengembangan lebih lanjut dalam teknologi klasifikasi sampah.

Analisis Kinerja Algoritma Naïve Bayes Dalam Prediksi Tingkat Persediaan Susu Formula Pada Sektor Ritel Muhammad Erwan Fuqoha Suryanata; Budi Rahmani
Progresif: Jurnal Ilmiah Komputer Vol 22, No 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.3946

Formula milk inventory management at Toko Serba Ada has traditionally relied on a manual system that is often inefficient and error-prone. One of the main challenges is the mismatch between inventory levels and market demand, leading to overstocking and the risk of financial losses from product expiration. This study aims to analyze the performance of the Naïve Bayes algorithm in predicting formula milk inventory levels in the retail sector. The variables used in this study include initial stock, demand trends, product price, and sales volume. The prediction model was developed as a web-based application using PHP. Model performance was evaluated using a confusion matrix with accuracy, precision, and recall as evaluation metrics. The experimental results showed that the model achieved 71.43% accuracy, 73.76% precision, and 74.08% recall. These findings indicate that the Naïve Bayes algorithm demonstrates satisfactory decision-making capability for formula milk inventory management in the retail sector.Keywords: Naïve Bayes; Inventory Prediction; Formula Milk; Retail Sector; Inventory Management. AbstrakSelama ini, pengelolaan stok susu formula di Toko Serba Ada masih mengandalkan sistem manual yang sering kali kurang efisien dan rentan terhadap kesalahan manusia. Masalah utama yang sering muncul adalah ketidaksesuaian antara jumlah stok dan permintaan pasar sehingga menyebabkan penumpukan produk maupun risiko kerugian akibat kedaluwarsa. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Naïve Bayes dalam memprediksi tingkat persediaan susu formula pada sektor ritel. Variabel yang digunakan meliputi stok awal, tren permintaan, harga, dan tingkat penjualan. Model dikembangkan dalam aplikasi berbasis web menggunakan bahasa pemrograman PHP. Evaluasi dilakukan menggunakan confusion matrix dengan parameter akurasi (accuracy), presisi (precision), dan recall. Hasil pengujian menunjukkan bahwa model menghasilkan tingkat akurasi sebesar 71,43%, presisi sebesar 73,76%, dan recall sebesar 74,08%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes memiliki kemampuan yang cukup baik dalam mendukung proses pengambilan keputusan terkait pengelolaan persediaan susu formula di sektor ritel.Kata kunci: Naive Bayes; Prediksi Stok; Manajemen Persediaan; Toko Serba Ada; Klasifikasi.

Analisis Kinerja Algoritma Naïve Bayes Dalam Prediksi Tingkat Persediaan Susu Formula Pada Sektor Ritel Muhammad Erwan Fuqoha Suryanata; Budi Rahmani
Progresif: Jurnal Ilmiah Komputer Vol. 22 No. 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.3946

Formula milk inventory management at Toko Serba Ada has traditionally relied on a manual system that is often inefficient and error-prone. One of the main challenges is the mismatch between inventory levels and market demand, leading to overstocking and the risk of financial losses from product expiration. This study aims to analyze the performance of the Naïve Bayes algorithm in predicting formula milk inventory levels in the retail sector. The variables used in this study include initial stock, demand trends, product price, and sales volume. The prediction model was developed as a web-based application using PHP. Model performance was evaluated using a confusion matrix with accuracy, precision, and recall as evaluation metrics. The experimental results showed that the model achieved 71.43% accuracy, 73.76% precision, and 74.08% recall. These findings indicate that the Naïve Bayes algorithm demonstrates satisfactory decision-making capability for formula milk inventory management in the retail sector.Keywords: Naïve Bayes; Inventory Prediction; Formula Milk; Retail Sector; Inventory Management. AbstrakSelama ini, pengelolaan stok susu formula di Toko Serba Ada masih mengandalkan sistem manual yang sering kali kurang efisien dan rentan terhadap kesalahan manusia. Masalah utama yang sering muncul adalah ketidaksesuaian antara jumlah stok dan permintaan pasar sehingga menyebabkan penumpukan produk maupun risiko kerugian akibat kedaluwarsa. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Naïve Bayes dalam memprediksi tingkat persediaan susu formula pada sektor ritel. Variabel yang digunakan meliputi stok awal, tren permintaan, harga, dan tingkat penjualan. Model dikembangkan dalam aplikasi berbasis web menggunakan bahasa pemrograman PHP. Evaluasi dilakukan menggunakan confusion matrix dengan parameter akurasi (accuracy), presisi (precision), dan recall. Hasil pengujian menunjukkan bahwa model menghasilkan tingkat akurasi sebesar 71,43%, presisi sebesar 73,76%, dan recall sebesar 74,08%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes memiliki kemampuan yang cukup baik dalam mendukung proses pengambilan keputusan terkait pengelolaan persediaan susu formula di sektor ritel.Kata kunci: Naive Bayes; Prediksi Stok; Manajemen Persediaan; Toko Serba Ada; Klasifikasi.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search