Article Per Year (5 Year)
p-Index From 2021 - 2026
2.155
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JSM (Jurnal SIFO Mikroskil) Seminar Nasional Informatika (SEMNASIF) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Proceeding of the Electrical Engineering Computer Science and Informatics ILKOM Jurnal Ilmiah Jurnal Sistem Cerdas TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JURNAL PENDIDIKAN SAINS SOSIAL DAN AGAMA eProceedings of Engineering Journal of Computer Engineering: Progress, Application and Technology
Budhi Irawan
Universitas Telkom
Religion Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 81 Documents
Search

 5   6   7   8   9 
Random Forest Implementation in Prepaid Electric Meter Recognition Komang Jaya Bhaskara Mahatya; Fathoni Waseso Jati; Budhi Irawan; Faisal Candrasyah Hasibuan
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 1 No 02 (2022): August 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i02.5228

Abstract

While prepaid electricity services provide better flexibility, it comes with an additional step for the customer. Instead of paying a monthly bill based on electric usage, a prepaid system requires customers to actively predict their electricity usage before they pay for the correct electricity value. This presents a challenge because Underestimating electricity usage may lead to a power outage. Therefore, a system that monitors electricity can be developed to address this issue. There are two approaches to developing an electric monitoring system: designing the electric meter equipped with monitoring features or designing an external capturing device to work with the current electric meter. The first approach is costly and requires a meter disassembly. Thus, in this paper, the second approach is used. By utilizing image processing and a Random Forest machine learning algorithm, a monitoring device can be developed to read the digital meter's display. Although it may affect performance due to the low-power device, Raspberry Pi 3 and Raspberry Camera are used to provide automation. This method yields an accuracy of 97% using 375 images.
Perbandingan Ekstraksi Fitur dan Proses Matching pada Autentikasi Sidik Jari Manusia PRASASTI, ANGGUNMEKA LUHUR; IRAWAN, BUDHI; FAJRI, SETIO EKA; RENDIKA, ANANDA; HADIYOSO, SUGONDO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 1: Published January 2020
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i1.95

Abstract

ABSTRAK Sidik jari merupakan biometrik yang sering digunakan dalam teknologi autentikasi. Terdapat banyak metode yang bisa digunakan untuk membuat sistem klasifikasi sidik jari. Maximum Curvature Points (MCP) umumnya digunakan untuk ekstraksi citra pembuluh darah jari yang juga digunakan sebagai autentikasi. Pada penelitian ini akan diuji performansi dari metode MCP jika dibandingkan dengan metode yang umum digunakan pada proses pengenalan sidik jari, yaitu Hit and Miss Transform (HMT). Perbedaan domain, yaitu spasial pada Normalized Cross Correlation (NCC) dan frekuensi pada Phase Correlation (PC) dalam proses matching ternyata juga mempengaruhi performansi sistem. Hasilnya menunjukkan bahwa penggunakaan metode MHTNCC memiliki tingkat akurasi yang lebih baik dalam pengenalan sidik jari yaitu 92% untuk pengenalan ibu jari dan 98% untuk pengenalan jari telunjuk, dibandingkan dengan menggunakan metode MCP-PC yang hanya memiliki tingkat akurasi sebesar 88% untuk pengenalan ibu jari dan 92% untuk pengenalan jari telunjuk. Kata kunci: sidik jari, MCP, HMT, phase correlation, normalized cross correlation ABSTRACTFingerprint is one of the biometric systems that are often used in an authentication technology. There are many methods that can be used to develop fingerprint’s classification system. Maximum Curvature Points (MCP) are generally used for finger vein image extraction which is also used as authentication. MCP performance will be compared to common method in finger print recognition, Hit and Miss Transform (HMT). Using different domains, spatial in Normalized Cross Correlation (NCC) and frequency in Phase Correlation (PC) affect the system performance. The results show that the application of HMT-NCC more accurate in terms of finger print’s recognition, 92% in accuracy for thumb recognition and 98% accuracy for index finger recognition, while MCP-PC is only reach 88% in accuracy for thumb recognition and 92% accuracy for index finger recognition. Keywords: fingerprint, MCP, HMT, phase correlation, normalized cross correlation
Prediction System on Electricity Consumption using Web-Based LSTM Algorithm jati, Fathoni waseso; Bhaskara, Komang Jaya; Hasibuan, Faisal Candrasyah; Irawan, Budhi
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 1 No 02 (2022): November 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i02.5227

Abstract

The technology development from year to year is increasing rapidly, especially in the electronics devices such as notebooks and smartphones. With the rapid development of technology, lifestyle habits have also changed. This can lead to an increase in the use of electrical energy. In addition, the negligence of electricity users in monitoring electricity usage at the place of the electricity meter also causes an increase in electrical energy. Monitoring the electricity meter in real time can limit the user from manage their electricity efficiently. This study aims to create a web-based electrical energy usage prediction system. This system can make it easier for users to manage and reduce waste of electrical energy. In the development of this system, it begins by collecting image data of remaining electricity which are processed manually into electrical energy consumption data. Then the data is pre-processed so that the data is clean and ready to use. The clean data is carried out by the process of making a Long-Short Term Memory (LSTM) model which was chosen because it can overcome Time Series and Non-Linear data types. LSTM model is designed to be able to predict the use of electrical energy. Then do the web application design as an interface on the predictive data. Based on the results of the test, the LSTM model can predict the use of electrical energy with a Loss Mean Square Error (MSE) value of 0.0071. While the results of website testing carried out with the alpha test get an accuracy of 100% and a beta test of 82.64%.
Random Forest Implementation in Prepaid Electric Meter Recognition Mahatya, Komang Jaya Bhaskara; Jati, Fathoni Waseso; Irawan, Budhi; Hasibuan, Faisal Candrasyah
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 1 No 02 (2022): November 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i02.5228

Abstract

While prepaid electricity services provide better flexibility, it comes with an additional step for the customer. Instead of paying a monthly bill based on electric usage, a prepaid system requires customers to actively predict their electricity usage before they pay for the correct electricity value. This presents a challenge because Underestimating electricity usage may lead to a power outage. Therefore, a system that monitors electricity can be developed to address this issue. There are two approaches to developing an electric monitoring system: designing the electric meter equipped with monitoring features or designing an external capturing device to work with the current electric meter. The first approach is costly and requires a meter disassembly. Thus, in this paper, the second approach is used. By utilizing image processing and a Random Forest machine learning algorithm, a monitoring device can be developed to read the digital meter's display. Although it may affect performance due to the low-power device, Raspberry Pi 3 and Raspberry Camera are used to provide automation. This method yields an accuracy of 97% using 375 images.
Implementasi Klasifikasi Gambar Untuk Industri Pakaian Menggunakan Image Search Engine Berbasis Website Hidayat, Rafi Fakhri; Irawan, Budhi; Nasrun, Muhammad
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Seiring dengan perkembangan teknologi saat ini, teknologi banyak digunakan sebagai sarana memperoleh informasi. Pencarian informasi sudah sering dilakukan di kehidupan sehari-hari yaitu dengan menggunakan search engine. Contohnya pada industri pakaian saat mencari produk pakaian yang diinginkan melalui search engine, dengan mengharapkan hasil yang didapat dari pencarian search engine sesuai dengan detail lengkap mengenai referensi brand produk pakaian tersebut namun metode pencarian berbasis teks memiliki keterbatasan dan hasil yang didapat dari pencarian search engine tidak selalu akurat. Untuk itu penggunaan Convolutional Neural Network (CNN) digunakan untuk menyusun dataset dari produk pakaian berdasarkan klasifikasi gambar yang di inputkan. Penelitian ini bertujuan untuk dapat membuat sebuah sistem image search engine berbasis website dengan menggunakan arsitektur dari CNN yaitu Deep Residual Network (ResNet) khusunya pada ResNet50 yang dapat mengklasifikasi gambar dari produk- produk pakaian, dengan menginputkan gambar dan menghasilkan output berupa kategori lengkap referensi brand produk pada pakaian tersebut menggunakan Long Short Term Memory (LSTM) dalam memprediksi hasilnya. Didapatkan hasil pengujian 99.47% pada akurasi train dan 99.61% pada akurasi validasi yang akan digunakan pada saat di implementasikan pada website. Kata kunci— Convolutional Neural Network, ResNet50, Long ShortTerm Memory.
Implementasi Sistem Kontrol Dan Pemantauan Daya Listrik Berbasis IoT Di Desa Tambolosu, Kabupaten Konawe, Provinsi Sulawesi Tenggara Prasetyo, Aldy Putra; Irawan, Budhi; Hasibuan, Faisal Candrasyah
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Listrik merupakan sebuah sumber energi yang memiliki potensi besar untuk dimanfaatkan dalam kehidupan sehari-hari. Pada Pembangkit Listrik Tenaga Air (PLTA) Desa Tambolusu, Kabupaten Konawe, Provinsi Sulawesi Tenggara memiliki keterbatasan dalam menghasilkan energi listrik. PLTA tersebut diletakkan pada daerah terpencil yang sulit dijangkau oleh koneksi seluler dan WiFi. Dari hasil Penelitian ini dikembangkan sistem pemantauan daya yang menggunakan konsep IoT berbasis LoRa PLTA tersebut agar dapat dikontrol dan dimonitor dari jarak jauh. Sistem kontrol dan pemantauan tersebut menggunakan LoRa untuk mengirim dan menerima data dari panel sistem menuju raspberry server ataupun sebaliknya. Sistem tersebut juga dapat membatasi pemakaian listrik yang sedang digunakan. Dari hasil pengujian yang dilakukan, diperoleh sistem kontrol dan pemantauan daya listrik tersebut di dapat rata-rata error pembacaan sensor tegangan sebesar 0,53 % dan rata-rata error pembacaan sensor arus sebesar 5,64%. Sistem tersebut dapat dikontrol dan dipantau dari jarak jauh menggunakan LoRa dengan jarak maksimal 300 Meter saat pengujian di Jl. Batununggal Indah VII. Sistem tersebut memiliki baterai yang berfungsi untuk menghidupkan mikrokontroler dan dapat bertahan hingga 821 menit. Pada sistem tersebut apabila mendeteksi pemakaian listrik berlebih maka sistem akan memutus aliran listrik yang sedang terhubung. Kata kunci— lora, mikrokontroler, panel listrik, sistem kontrol, sistem pemantauan.
Koreksi Pergerakan Robot Linier Pada Meteran Listrik Pintar Menggunakan Algoritma Backpropagation Neural Network Nur, Alan Rezky Dwiputra; Irawan, Budhi; Hasibuan, Faisal Candrasyah
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Listrik Pintar merupakan program Perusahaan Listrik Negara (PLN), pelanggan listrik mengatur listriknya secara mandiri melalui berlangganan listrik menggunakan sistem pulsa. Penggunaan robot linier bisa dimaksimalkan untuk kegiatan pekerjaan. Robot linier yang bergerak secara vertikal dan horizontal dapat melakukan penekanan tombol pada meter listrik prabayar. Robot linier seringkali salah dalam menekan tombol dikarenakan stepper motor robot linier yang tidak berputar dengan baik. Dirancang sebuah sistem agar robot linier dapat memperbaiki kesalahan ketika robot akan menekan tombol. sistem dirancang dengan menggunakan pendekatan deep learning dengan menggunakan pendekatan Backpropagation Neural Network. Pendekatan digunakan untuk memprediksi pergerakan stepper motor pada robot linier. Robot akan terus bergerak hingga tombol berhasil ditekan. Dalam tugas akhir ini tombol 1 dari pengembangan model Backpropagation Neural Network menjadi fokus utama penelitian.  Pengujian model dilakukan menggunakan hyperparameter. Pengujian hyperparameter bertujuan untuk mendapatkan model terbaik dalam melakukan prediksi. Hasil pengujian dibagi menjadi dua yaitu pengujian hyperparameter pada model vertikal dan model horizontal pergerakan robot. Model vertikal mendapat loss Mean Square Error (MSE) sebesar 23,4351 dan pada model horizontal sebesar 60,9091. kedua model tersebut diuji pada robot linier dengan menekan tombol 1 sebanyak 20 kali. Keberhasilan robot linier dalam menekan tombol sekitar 45%.Kata Kunci— backpropagation neural network, meteran listrik prabayar, robot linier. 
Pengenalan Ekspresi Wajah Menggunakan Arsitektur Resnet Pada Algoritma Convolutional Neural Network (CNN) Muntazhar, Muhammad Farhan; Irawan, Budhi; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Pada saat manusia berinteraksi antara satu dengan yang lainnya, komunikasi mereka terjadi antara verbal dan nonverbal, Komunikasi nonverbal ini terjadi melalui ekspresi manusia yang mengandung emosi. Ekspresi manusia menyimpan banyak sekali informasi yang mengatakan keadaan orang tersebut, karena ekspresi manusia juga merupakan respon secara spontan. Emosi dasar yang membentuk ekspresi ada enam yaitu marah, senang, sedih, jijik, bahagia, kaget. Model machine learning yang dibuat menggunakan algoritma convolutional neural network dengan model arsitektur ResNet dapat melakukan training dengan dataset untuk mengidentifikasi ekspresi dasar yang telah disebut diatas. Sistem yang akan dibuat ini akan menerima input berupa foto ekspresi wajah dan mencoba mendeteksi ekspresi pada wajah tersebut. Pada penelitian ini akan digunakan dataset FER 2013 yang berisi sekitar 30.000 data yang terbagi atas data training dan testing dan val. Kemudian data juga terbagi kedalam tujuh kategori emosi dasar. Pada penelitian ini penulis mengimplementasikan arsitektur ResNet 50 kepada dataset FER 2013 dan berhasil mencapai akurasi latih sebesar 72,06% akurasi validasi sebesar 64,34% dan akurasi test sebesar 64.47%. Model yang dibuat juga berhasil mendeteksi dengan benar ekpresi marah, jijik, takut, senang, netral sebanyak, sedih, kaget dari total dataset sebanyak 35.887 data.Kata kunci — Facial Expression Recognition, Convolutional Neural Network, Deep Learning
Pengenalan Ekspresi Wajah Menggunakan Arsitektur Xception Pada Algoritma Convolutional Neural Network (CNN) Putra, Fadel Anfasha; Irawan, Budhi; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Secara alami manusia menggunakan ekspresi wajah untuk berinteraksi dan memperlihatkan emosi mereka. Terkadang, kita sulit untuk mengidentifikasi emosi seseorang, maka dari itu perlu diciptakan sebuah sistem yang dapat mendeteksi emosi seseorang menggunakan kecerdasan buatan. Sistem tersebut dibuat karena memiliki banyak kegunaan salah satunya untuk interaksi antara manusia dengan sistem. Terdapat tujuh kategori ekspresi dasar manusia yaitu marah, sedih, senang, jijik, takut, terkejut, netral.Dengan menggunakan kecerdasan buatan lebih spesifiknya menggunakan pendekatan Deep Learning dengan algoritma Convolutional Neural Network (CNN), sistem yang akan dibuat dapat mengklasifikasi ekspresi wajah. Pada penelitian ini akan menggunakan citra digital yang akan diinput kedalam sistem, kemudian sistem akan dilatih menggunakan data tersebut dengan mengekstraksi fitur dari citra digital yang diinput kemudian dari fitur tersebut akan di klasifikasi menurut ciri yang terdapat pada masing-masing ekspresi wajah. Untuk membuat sistem tersebut, digunakan dataset FER2013 sebagai bahan mentah untuk melatih sistem.Pada penelitian sebelumnya dengan menggunakan dataset FER2013 dan algoritma CNN, sistem dapat mencapai akurasi uji 65.2%. Sehingga, tujuan dari penelitian ini yaitu untuk membandingkan dan meningkatkan akurasi pada sistem yang akan dibangun. Karena semakin besar akurasi yang dimiliki sistem, semakin efektif dalam mendeteksi emosi seseorang melalui wajahnya. Hasil uji akurasi pada penelitian ini mencapai 66.92%.Kata Kunci— ekspresi wajah, deep learning, FER2013, CNN, akurasi
Perancangan Aplikasi Website Berbasis IoT Untuk Pemantauan dan Kontrol Pada PLTA di Desa Tambolosu Kabupaten Konawe Provinsi Sulawesi Tenggara Alfian, Devid; Irawan, Budhi; Hasibuan, Faisal Candrasyah
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Dengan di buatnya PLTA di desa yang arus listriknya terbatas perlu di lakukan pemantauan dan kontrol daya listrik agar semua warga desa dapat merasakan sumber arus listrik yang sama dengan adanya perancangan aplikasi website berbasis IoT untuk pemantauan dan kontrol pada PLTA akan membantu dalam pengaliran listrik yang terbatas pada kantor desa dan gazebo. Dalam penelitian ini dilakukan proses visualisasi data daya listrik yang dapat menjadi data acuan untuk melakukan pemantauan dan kontrol daya listrik pada kantor desa dan gazebo yang akan ditampilkan pada aplikasi website ini. Dengan aplikasi website ini dapat mengatur aliran listrik kantor desa dan gazebo yang di inginkan, Tersedia juga notifikasi yang akan membantu kepada staf dalam melakukan pemantauan aliran listrik yang memakai listrik berlebih. Dengan aplikasi website yang di telah buat kemudian akan diuji kecepatan data yang masuk secara real-time yang dapat visualisasikan pada halaman aplikasi website dengan hasil pengujian delay monitoring dengan rata-rata 319 milidetik dan delay kontrol dengan rata-rata 10.983 detik. Dengan dilakukannya pengujian alpha dan beta maka hasil dari alpha sesuai dengan perancangan aplikasi website ini dapat “Sesuai Harapan” dan pengujian Beta Validitas mendapatkan hasil “Valid” lalu Reliabilitas mendapatkan hasil r11 = 0.912 maka mendapatkan Reliabilitas “Sangat Tinggi”Kata kunci — aplikasi website, IoT, internet of things, pemantauan dan kontrol, PLTA
Co-Authors Adi Pranesthi Ady Aprilita Ginting Afif Husaini Afifah Shalihah Agung Nugroho Jati Agus Suryanto Aldilano Bella Marlintha Alexander Dias Ekasmara Putra Alfian, Devid Aloisius Gonzaga Januar Widi Aquarizky Andreas Willliams Moritz Andrew Brian Osmond Andri Dwi Saputra Anggunmeka Luhur ANGGUNMEKA LUHUR PRASASTI Anton Siswo Raharjo Ansori Ari Dwi Ananto Arramsyah, Izzat Arramsyah, Izzat Ashri Dinimaharawati Asri Khoirunnisa Bagas Prakoso Putra Bhaskara, Komang Jaya Brayan Anggita Linuwih Burhanuddin Dirgantoro Casi Setianingsih Cornelius Situmorang Cut Aisyah Ilmi Dea Puspita Dwi Andari Derry Aditiya Erlangga Maulana Muhammad Fadli Ihsan Winarto Fadly Aditya Putra Fadly Aditya Putra Fahri Nuralim Fairuz Azmi Faisal Candrasyah Hasibuan Fajree Novyantoro Restyawan FAJRI, SETIO EKA Fardilla Zardi Putri Fardilla Zardi Putri Faris Putra Perdana Fathoni Waseso Jati Fathoni waseso jati Fauzan Arza Fitriana Dwi Lestari Futuh Hilmi Gelar Budiman Gema Wahyu Saputra Giri Pridyasmoro Putra Harie Andrian Hidayat, Rafi Fakhri Ignatius Hendra Kristiawan Kristiawan Inung Wijayanto Ivan Rinaldhy Saputra Izzat Arramsyah jati, Fathoni waseso Kadek Suryadharma Komang Jaya Bhaskara Komang Jaya Bhaskara Mahatya Labibah Anastuzahra Permanasari Leo Putra Simanjuntak Mahatya, Komang Jaya Bhaskara Martarheza Marthiyas Meita Dian Hapsari Muhamad Hamdan Rifai Muhammad Mufti Ramadhan Muhammad Nasrun Mujiyanto Muntazhar, Muhammad Farhan Nadhifah Nadhifah Nafis Zulqarnain Nana Febriana Ngadat Ngadat Noor Azlin Tauchid Nur, Alan Rezky Dwiputra Nursyifa Pratiwi Pranesthi, Adi Prasetyo, Aldy Putra Purba Daru Kusuma Putra, Fadel Anfasha R Derry Arantika R. Rumani M. R. Rumani R. Rumani Raisha Citra Chairani Randy Erfa Saputra Ratna Astuti Nugrahaeni Rayani Budi Andhini Regi Ryanda RENDIKA, ANANDA Resmon Frima Revi Febriana Simanjuntak Rizki Djuwi Probo Rizky Naufal Perdana Rosita Herdianty Putri Rosita Herdianty Putri Roswan Latuconsina Rumani M Rumani Mangkudjaja Sandy Mujiono Ajie Siti Rachmi Wulandari Sugondo Hadiyoso Teguh Eggi Andriawan Teguh Setiawan Umar Ali Ahmad Valerian Ezra Vyanza Vita Kemala Wilda Satria Yakub Eka Nugraha Yudha Purwanto Yulfan Aditya Yuni dwi anggraeni Yusza Reditya Murti Zurratul Ikhsan