Article Per Year (5 Year)
p-Index From 2021 - 2026
9.913
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) CAUCHY: Jurnal Matematika Murni dan Aplikasi Bulletin of Electrical Engineering and Informatics BAREKENG: Jurnal Ilmu Matematika dan Terapan JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Pengabdian kepada Masyarakat Nusantara Tensor: Pure and Applied Mathematics Journal Prosiding Konferensi Nasional PKM-CSR Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Nasional Sains dan Teknik
Meta Kallista
Universitas Telkom
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation

Published : 85 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 68 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Implementasi Sistem Monitoring Berbasis IoT untuk Tongkat Pintar Tunanetra melalui Platform Web Martuahman, Fransiskus Alexander; Kallista, Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tongkat pintar untuk penyandang tunanetra tidak hanya berfungsi sebagai alat bantu navigasi, tetapi juga dirancang untuk memberikan fitur keselamatan tambahan berupa sistem pemantauan berbasis Internet of Things (IoT). Sistem ini memungkinkan keluarga, wali, atau pendamping untuk melacak lokasi dan aktivitas pengguna secara real-time melalui antarmuka berbasis web. Dengan mengintegrasikan modul GPS, Raspberry Pi 4B, dan komunikasi internet, sistem secara otomatis mengirimkan data lokasi pengguna ke server yang dapat diakses melalui dashboard monitoring. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menguji keandalan sistem monitoring pada tongkat pintar, khususnya dalam hal akurasi pelacakan dan penerimaan pengguna terhadap fitur yang disediakan.Metode pengujian yang digunakan mencakup Black Box Testing untuk memastikan setiap fitur sistem berjalan sesuai spesifikasi, serta User Acceptance Testing (UAT) untuk menilai sejauh mana sistem diterima dan dinilai bermanfaat oleh pengguna akhir, termasuk pihak keluarga. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan data lokasi secara tepat waktu dan akurat dengan latensi yang rendah. Selain itu, respon dari pengguna dan penguji menunjukkan bahwa sistem ini sangat membantu dalam memberikan rasa aman, meningkatkan kepercayaan, dan mendukung pengawasan terhadap aktivitas pengguna tunanetra dalam kehidupan sehari-hari.Kata kunci — smart cane, IoT, web monitoring, GPS, user acceptance, real-time tracking
Pengujian Alpha, Beta dan UAT pada Sistem Komputasi Pararel untuk Smart Cane Yasir , Yusran; Kallista, Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tongkat konvensional yang digunakan oleh penyandang tunanetra tidak dapat mendeteksi hambatan dengan baik, terutama yang tidak berada di permukaan tanah. Sistem tongkat pintar berbasis Internet of Things (IoT) ini memiliki sensor ultrasonik, sensor inframerah, modul GPS, dan algoritma pembelajaran mendalam YOLOv4-Tiny. Sistem ini menggunakan Raspberry Pi 4 sebagai komponen pemrosesan utama. Namun, kemampuan komputasi Raspberry Pi yang terbatas menghalangi melakukan deteksi dan pelacakan secara bersamaan. Oleh karena itu, penggunaan metode pemrosesan paralel mempercepat pengolahan data dari berbagai sensor dan meningkatkan efisiensi inferensi model. Menurut uji coba, penggunaan komputasi paralel dapat meningkatkan efisiensi pemrosesan hingga 35% dan mempertahankan akurasi deteksi objek hingga 92%. Selain itu, sistem ini dapat mengirimkan informasi lokasi melalui jaringan GSM secara real-time. Studi ini menunjukkan bahwa komputasi paralel sangat efektif untuk sistem embedded yang berorientasi pada kecerdasan buatan, terutama dalam meningkatkan kinerja alat bantu mobilitas untuk penyandang tunanetra.Kata kunci — computing paralel, raspberry pi, tunanetra.
Pengujian Alpha, Beta dan UAT pada Algortima Deep Learning YOLOV4-Tiny untuk Pendeteksian Objek pada Tongkat Pintar Saputra , Ariq Nurcahyo; Kallista, Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tongkat konvensional yang dimanfaatkan oleh individu penyandang tunanetra masih memiliki banyak kelemahan, kelemahan tersebut terutama dalam mendeteksi rintangan yang tidak terlihat di permukaan tanah. Penelitian ini mengembangkan dan membuat sebuah sistem tongkat cerdas yang berbasis Internet of Things (IoT) untuk memperbaiki keamanan serta mobilitas para pengguna tongkat penyandang tunanetra. Sistem ini mengintegrasikan Sensor ultrasonik, Sensor inframerah, modul GPS, dan algoritma Deep Learning YOLOv4-Tiny yang dioperasikan menggunakan Raspberry Pi 4 model B. Tongkat ini mampu mendeteksi rintangan dari sisi depan, kanan, dan kiri, memberikan reaksi melalui output berupa suara audio dengan menyebutkan nama benda yang berada di sisi depan, serta memungkinkan keluarga pengguna atau kerabat untuk melacak posisi secara langsung. Dengan mengintegrasikan teknologi AI, IoT, dan desain ergonomis, tongkat cerdas ini diharapkan dapat meningkatkan kemandirian dan rasa percaya diri bagi penyandang tunanetra dalam menjalani aktivitas sehari-hari. Kata kunci— IoT, GPS, Tunanetra, YOLOV4-Tiny.
Testing of a Classroom Facility Maintenance Monitoring System Using Alpha, Beta, and Stress Testing Methods Jalaluddin , Afif Ibadurrahman; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Classroom facility maintenance at the TULT Building of Telkom University was previously managed manually through paper-based forms and control sheets, often causing delays, errors, and data loss. To overcome these inefficiencies, a web-based monitoring system was developed and evaluated using alpha, beta, and stress testing methods. Alpha testing validated all core features for three key user roles — admin (12 features), technician (10 features), and user (8 features) — with all functionality checks achieving a 100% success rate. Beta testing involved 30 respondents (2 admins, 2 technicians, and 26 users) who assessed usability through a 5-point Likert scale, resulting in an average score of 4.51 or 83.4%, categorized as “Very Good.” Stress testing simulated 300 virtual users accessing the system concurrently, yielding a stable average response time of 224 ms, a throughput of 46 requests per second, and zero recorded errors. These evaluations confirmed that the system is functionally reliable, user-friendly, and robust under high-load conditions. The testing outcomes suggest that the system is ready for operational deployment, providing significant improvements in monitoring efficiency, real-time reporting, maintenance coordination, and data accuracy. Future enhancements are recommended, such as implementing caching mechanisms, introducing load-based authentication fallback strategies, and expanding beta testing with a more diverse and larger user group to ensure system scalability and continuous improvement. Keywords— monitoring system, alpha testing, beta testing, stress testing, web application, Telkom University
Digitalization of Academic Facility Maintenance from QR Code Reporting to Automated Scheduling Gastiadi, Arya Fridayana; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

This paper presents a comprehensive solution to improve the maintenance process of academic facilities at the TULT Building of Telkom University by shifting from a manual to a digital system. The traditional approach relied heavily on physical media, such as checklists and control cards, resulting in issues such as data loss, delayed reporting, and poor monitoring. The proposed digital monitoring system leverages modern web and mobile technologies, including Vue.js for the frontend, Express.js for the backend, PostgreSQL for the database, and Genetic Algorithms for technician scheduling optimization. This system enables real-time damage reporting via QR code scans and ensures preventive maintenance through automatic scheduling and notifications. Results from alpha testing showed a 100% feature success rate, while beta testing yielded positive user feedback regarding usability, interface design, and system responsiveness. This study demonstrates that digitalization significantly enhances maintenance efficiency and the quality of academic services. Keywords — maintenance system, genetic algorithm, QR code academic facilities, Vue.js.
Deteksi Social Distancing Dan Penggunaan Masker Di Restoran Dengan Algoritma Convolutional Neural Network (CNN) Setyadi, Ardhana; Kallista, Meta; Setianingsih, Casi
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— Social distancing merupakan suatu upaya menjaga jarak, mengurangi kontak fisik antar individu atau kelompok dengan tujuan mencegah penularan penyakit seperti virus Covid19. Simulasi penelitian dilakukan pada sebuah kamera yang dipasang di ruangan simulasi dari sebuah restoran. Kamera akan mendeteksi penerapan social distancing dan penggunaan masker. Kamera akan mendeteksi objek berupa person menggunakan algoritma You Only Look Once (YOLO) dan menghitung jarak antar individu yang terdeteksi menggunakan metode Euclidean Distance. Sistem dapat mendeteksi wajah tiap individu menggunakan Haar Cascade dan melakukan klasifikasi penggunaan masker atau tidak dengan menggunakan algoritma Convolutional Neural Network (CNN). Sistem dapat mendeteksi pelanggaran social distancing dan penggunaan masker antar objek person. Hasil training model YOLOv4 pada rasio 90%:10%, max batches 6000, dan learning rate 0.001 mendapat mAP sebesar 49.02%. Sedangkan untuk CNN didapatkan dengan rasio 90%:10%, batch size 256, dan learning rate 0.0001 mendapat akurasi sebesar 98%. Pada keadaan kamera sejajar dengan objek YOLO memilki tingkat akurasi 100%, pada keadaan letak kamera diatas objek didapatkan akurasi sebesar 77.8%. Sementara CNN dengan range jarak antar wajah dengan kamera 100 cm sampai 300 cm dengan tingkat akurasi sebesar 80.36%. Kata kunci— Convolutional Neural Network, Covid-19, Haar Cascade, Social Distancing, YOLO.
Deteksi Social Distancing Dan Penggunaan Di Restoran Menggunakan Algoritma Faster RCNN Ramadhani, Desfitri; Kallista, Meta; Setianingsih, Casi
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— Social distancing adalah upaya pemerintah untuk menjaga jarak antar individu dengan individu lain untuk mencegah penyebaran suatu penyakit yaitu Covid-19. Covid-19 dapat dicegah dengan menjaga jarak minimal satu meter, memakai masker jika melakukan bepergian, mencuci tangan dan membawa handsanitizer kemana pun jika bepergian. Akan tetapi, masih banyak masyarakat yang tidak peduli dengan peraturan pemerintah tersebut. Maka dari itu, Tugas Akhir ini memberikan solusi pengawasan masyarakat terhadap social distancing dan penggunaan masker direstoran. Singkatnya pada sistem ini, untuk simulasi ada sebuah kamera yang akan dipasang dalam sebuah ruangan yang merupakan simulasi restoran untuk mendeteksi social distancing dan penggunaan masker di ruangan tersebut. Setelah pendeteksian berhasil kemudian di analisis diterapkan atau tidaknya social distancing dan penggunaan masker. Sistem menggunakan algoritma YOLO untuk social distancing dan penggunaan masker menggunakan algoritma yaitu Faster RCNN. Pengujian sistem ini dilakukan berdasarkan beberapa skenario. Hasil terbaik dari pembuatan model social distancing didapat dari rasio dataset 90% data train dan 10% data test dengan max batches 6000, dan learning rate 0.001 mendapat mAP sebesar 49.02%, sedangkan untuk hasil terbaik dari pembuatan model penggunaan masker didapat dari rasio dataset 80% data train dan 20% data test dengan batch size 10, dan learning rate 0,01 mendapat akurasi sebesar 68.76%. Kata kunci— social distancing, COVID-19, faster R-CNN, YOLO. I
Pemanfaatan Informasi Iklim Terhadap Kasus Demam Berdarah Dengue Di Kota Bandung Menggunakan Algoritma Partial Least Square Kurniawan, M. Fikri Andika; Kallista, Meta; 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 — Demam berdarah Dengue (DBD) adalah salah satu penyakit endemik di seluruh wilayah tropis dan sebagian wilayah subtropics. Penyakit ini ditularkan oleh nyamuk aedes aegypti. Penyakit dapat menyebarkan infeksi dalam suatu wilayah dengan cepat. Pada tahun 2016, terdapat ratusan ribu penderita DBD di seluruh wilayah Indonesia akibat penularan DBD yang disebabkan oleh nyamuk Aedes aegypti. Perubahan iklim bisa berpengaruh terhadap pola penyakit infeksi akan mempertinggi risiko penularan. Penelitian ini dilakukan untuk menemukan pengaruh dari iklim dengan tingkat kasus DBD di daerah Kabupaten Bandung menggunakan algoritma Partial Least Square (PLS) sebagai metode untuk mendapatkan korelasi antara variabel independent dengan variabel dependen. Sedangkan, algoritma Support Vector Machine (SVM) digunakan untuk melakukan prediksi terhadap kasus DBD. Hasil korelasi menggunakan PLS menunjukkan bahwa kelembapan memiliki pengaruh lebih tinggi terhadap jumlah kasus DBD. nilai cross-loadings yang didapatkan adalah 0.315865 dengan nilai akurasi koefisien determinasi (R2) adalah 0.099771. pada algoritma SVR, kombinasi antara partisi data, parameter dan kernel yang paling baik adalah partisi data yang memiliki perbandingan 80:20 antara data training dan data testing dengan nilai parameter masing-masing C = 10, gamma = 1, dan epsilon = 0.05. Kernel yang digunakan adalah kernel RBF. Hasil regresi dari data kasus DBD memiliki nilai error dan koefisien determinasi masing-masing RMSE = 0.12314 dan R2 = 0.58873.Kata Kunci— Demam Berdarah Dengue, Partial Least Square, Python, Support Vector Machine, Website
Prediksi Penderita Tuberkulosis Menggunakan Algoritma Support Vector Regression (SVR) N, Ridha Melati; Purboyo, Tito Waluyo; Kallista, Meta
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— Salahsatu penyakit menular yang menjadi topik pembahasan yang ramai di dunia kesehatan adalah Tuberkulosis (TBC). Karena TBC merupakan salahsatu  dari 10 penyakit yang menjadi penyebab utama kematian di seluruh dunia dan di Indonesia berada peringkat ketiga dengan kasus tertinggi setelah India dan China. Hal tersebut menjadikan penyakit ini perlu adanya suatu peramalan atau prediksi ke depannya sehingga masyarakat mengantisipasi lebih awal.Dalam penelitian tugas akhir ini penulis akan membuat sistem Prediksi Penderita Tuberkulosis. Hasil dari penelitian ini berupa prediksi jumlah penderita kedepannya. Data yang digunakan berasal dari Dinas Kesehatan Kabupaten Karawang periode 1 Januari 2020 sampai 31 Desember 2021.Sistem Prediksi Penderita Tuberkulosis ini menggunakan metode Support Vector Regression  dan menggunakan kernel Radial Basis Function yang menghasilkan nilai error performansi Mean Square Error (MAE) sebesar 0.099448, Root Mean Square Error (RMSE) sebesar 0.136204 dan R² sebesar 0.220323.Kata kunci— penyakit tuberkulosis, prediksi, support vector regression
Prediksi Penderita Tuberkulosis Dengan Algoritma Long Short-Term Memory Aisyah, Diah; Purboyo, Tito Waluyo; Kallista, Meta
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— Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh kuman Mycobacterium tuberculosis, meskipun dapat menyerang organ apapun didalam tubuh. Ketika bakteri masuk melalu droplet di udara. Pada tahun 2015 terdapat 2.617 kasus tuberkulosis di Kabupaten Karawang. Kurangnya pengetahuan terhadap gejala penyakit dan sosialiasi terhadap pemerikasaan tuberculosis secara dini merupakan faktor utama penyebab tingginya jumlah kasus penderita TB. Oleh karena itu perlu adanya sebuah sistem prediksi jumlah penderita tuberculosis untuk memprediksi jumlah penderita dimasa yang akan datang. Dalam Penelitian ini menggunakan metode Long Short-Term Memory.  (LSTM). LSTM merupakan evolusi dari algoritma Recurrent Neural Network (RNN) untuk mengatasi permasalahan pada RNN dalam mengelola data untuk periode yang lama. LSTM dianggap lebih unggul dibandingakan algoritma lainnya dalam mengelola data yang bersifat time series. Data yang penulis gunakan berasal dari Dinas Kesehatan Kabupaten Karawang dari tanggal 1 Januari 2020 hingga 31 Desember 2021. Berdasarkan Hasil Pengujian diketahui bahwa algoritma LSTM  dengan partisi data 70%:30%, epoch sebesar 900, jumlah hidden layer sebanyak 1 layer LSTM dengan 64 neuron serta tipe optimasi Adam dengan learning rate sebesar 0.001. selain itu, hasil pengujian parameter terbaik menghasilkan nilai RMSE = 0.12019341, MAE = 0.0819 Dan R2 = 0.53508423. Kata kunci— tuberkulosis, prediksi, long short-term memory 
Co-Authors Adillah, M Novrian Aina, Brilliant Friezka Aisyah, Diah Akbar, Andi Muhammad Rezky Akbar, Maulidiatama Akbar, Muh. Akbar, Muhammad Raja Amanullah Bahtiar, Mohammad Rizky Fauzan Amelia, Angelica Sharon An – Nisaa, Siti Ananta , Fauzi Annisa Aprilia P S Aprilia, Nella Ardhya Chaeruna Salim Aryomukti, Muchlis Ashri Dinimaharawati Azhar, Ferikho Fatih Butar-Butar, Muhammad Raihan Candrasyah Hasibuan, Faisal Casi Setianingsih Daffa Ahmadhan K Daulay, Imada Syaifullah Diaraja H, Garry Abel Dwi Wibowo , Ig. Prasetya Dwitiniardi, Isni Erfa Saputra, Randy Fadhel, Hafiz Muhammad Faisal Candrasyah H Faisal Candrasyah Hasibuan Faiz Rasyid, Sutan Fajri, Daffa Fathir Farha S. N, Augyres Faris Alim M Fauzan, Aldi Fauzan, Rakha Luthfi Fauzi, Farhan Rizki Fiqri, Rifqi Muhammad Friezka Aina, Brilliant Fussy Mentari D Ganga Ram Phaijoo Gastiadi, Arya Fridayana Harison Taufiq, Hans Hasibuan , Faisal Candrasyah Ig Prasetya Dwi W Ig. Prasetya Dwi Wibawa Irghiansyah Izzul Haque Isni Dwitiniardi Jalaluddin , Afif Ibadurrahman Khalisheka, Daffa Asyqar Ahmad Khoerul Umam, Khoerul Kurniawan, M. Fikri Andika Kusumah, Zaky Ibnu Lase, Aldo Nitehe M. Fikri Andika Kurniawan M. Fikri Andika Kurniawan Malikulmulki, Jaisy Manna, Muhammad Rayyan Aqiilah Martuahman, Fransiskus Alexander Meiska, Ivana Michael Mikhael Prausdian A W Muhammad Faris Ruriawan Muhammad Irfan Al Rasyid Muhammad Nasrun Muhammad Syarif, Muhammad Muhtar, Ahmad Fauzan Mulia, Thasya N, Ridha Melati Naf’an , Syifa Melinda Naf’an, Syifa Melinda Nathaniel, Giovanni Naufal H, Raden M Novianty, Astri Nugraha, M Kahfi Nugroho, Ginaldi Ari Obie, Sultan Chisson Paramartha Vikrama, Made Plambudi Dwigantara, Figo Purba Daru Kusuma Purnama, Badi Rafli Rizky Purnaningsih , Ni Kadek Ayu Putra Athallah, Raken Putra, Giovano Trihade Putra, Rio Mandala Nuryan Putri Sakri, Annisa Aprilia Rahman, Muhammad Syaiful Raif Haidar D Rama Pratama Ramadhani, Desfitri Ramdhan, Mohammad Rizki Ramdhani, Agung Sulaksono Raspati , Fadlan Yusuf Rassya, Farrel Rifqi Muhammad Fikri Rizkita, Meysa Rosunika, Wening Alfina Ruriawan , Muhammad Faris Sakri, Annisa Aprilia Putri Saputra , Ariq Nurcahyo Saputra, Fauzi Bayu Setianingsih, Casie Setyadi, Ardhana Shafira Zahra Anisa Shandi, Rifqi Fadhila Shiddieqy, Hasbi Ash Siahaan, Eva Fiorina Sugandi, Delatifa Putri Suhartono, Ardhien Fadhillah Sukiman, Wahyu Mubarak Sultan Chisson O Surya Akbar, Qorio Tarigan , Ray Talenta Tito Waluyo Purboyo Utari, Rai Barokah Wahid, Zulian Wardhana, I Made Bayu Satria Wibawa , Muhamad Ibnu Fajar Wibawa, I.G Prasetya Wibawa, Ig. Prasetya D. Wibawa, Ig.Prasetya Dwi Wibawa, Ignatius Prasetya Dwi Wibowo , Ig. Prasetya Dwi Wibowo, Ig. Prasetya Dwi Yasir , Yusran Zahrani , Putri Mellia Zaref, Pandu Ing