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

 3   4   5   6   7 
Klasifikasi Kualitas Udara Menggunakan Metode Extreme Learning Machine (Studi Kasus: ISPU DKI Jakarta) Sukiman, Wahyu Mubarak; Kallista , Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Kualitas udara yang baik sangat berpengaruh untuk menjaga keberlangsungan kehidupan. Kualitas udarasangat berpengaruh kepada kualitas oksigen yang dibutuhkanoleh tubuh manusia. Polusi udara adalah salah satu komponenyang sangat mempengaruhi kualitas oksigen. Ibu kotaIndonesia, Jakarta, menduduki peringkat ke-9 untuk kualitasudara dan polusi perkotaan. Informasi kualitas udara tentunyasangat dibutuhkan manusia. Masyarakat perlu mengetahuiinformasi tentang kualitas udara agar lebih peduli terhadappengaruh polusi udara terhadap kesehatannya. Informasikualitas udara yang dibutuhkan adalah indeks kualitas udara.Oleh karena pada penelitian ini dilakukan klasifikasi terhadapindeks kualitas udara. Proses klasifikasi dilakukanmenggunakan algoritma machine learning dengan metodeExtreme Learning Machine (ELM). Algoritma ExtremeLearning Machine (ELM) dipilih karena memiliki kelebihanpembelajaran lebih cepat, mudah digunakan untuk masalahkompleks, dan relevan dengan dunia nyata. Dataset yangdigunakan untuk penelitian ini berasal dari Jakarta Open Datadan Jakarta Rendah Emisi. Penelitian ini membuktikan bahwapenggunaan machine learning dengan metode ExtremeLearning Machine (ELM) efektif dalam melakukan prosesklasifikasi. Dalam proses klasifikasi, Extreme LearningMachine (ELM) menghasilkan performa baik denganmenggunakan data balance maupun data imbalance. Percobaandengan data imbalance dengan akurasi tinggi sebesar 94% dandata yang balance dengan akurasi sebesar 96%. Kata kunci— extreme learning machine, kualitas udara, klasifikasi, machine learning.
Analisis Klasifikasi Kualitas Air Sungai Citarum Menggunakan Metode Indeks Pencemaran An – Nisaa, Siti; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai citarum ialah sungai terpanjang di JawaBarat. Sungai ini memiliki banyak manfaat didalamnya yangdigunakan bagi kehidupan manusia. Namun sayangnya sungaiini pernah dinobatkan menjadi sungai terkotor di duniamenurut Green Cross Swizerland and Blacksmith Institutepada tahun 2013. Hal ini sangat disayangkan mengingat sungaicitarum ini menjadi salah satu tempat bergantungnyamasyarakat disepanjang alirannya. Karena hal tersebutmasyarakat perlu tau mengenai kualitas dari air sungai citarumitu sendiri. Oleh karena itu pada penelitian berikut ini dilakukan perhitungan kualitas air sungai citarum menggunakanmetode Indeks Pencemaran. Nilai yang dihasilkan dariperhitungan menggunakan metode tersebut akan dikategorikansesua dengan nilai yang diperoleh. Dengan begitu kita dapatmengetahui kualitas dari air sungai citarum. Analisa jugadilakukan guna mengetahui apakah pencemaran yang terjadi diair sungai citarum akan terus meningkat atau sebaliknyamenjadi lebih membaik dibandingkan dengan yangsebelumnya. Kata kunci— Sungai Citarum, Kualitas Air, Indeks Pencemaran
Implementasi Leafletjs dan Framework Flask Pada Pengembangan Website Kualitas Air Sungai Citarum (QUWACI) Zahrani , Putri Mellia; Kallista , Meta; Wibowo , Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai Citarum merupakan sungai terpanjangdi Jawa Barat. Hulu Sungai Citarum berada di GunungWayang tepatnya di Situ Cisanti sedangkan hilirnya berada diKabupaten Karawang dan Kabupaten Bekasi. Sungai Citarummemiliki 3 waduk besar yang digunakan untuk memasok airuntuk irigasi, perikanan, dan PLTA yaitu Waduk Saguling,Cirata, dan Jatiluhur. Sungai Citarum pernah menjadi sungaiterkotor di dunia, ini disebabkan banyaknya industri yangberada pada daerah aliran sungai sehingga banyak industriyang membuang limbahnya langsung ke Sungai Citarum. Selainitu, kesadaran masyarakat dalam menjaga kualitas air SungaiCitarum sangat rendah. Hal tersebut ditunjukan denganbanyaknya masyarakat yang membuang sampah ke dalamSungai. Kurangnya informasi kualitas air sungai yang sampaike masyarakat menjadi salah satu penyebab kurangnyakesadaran masyarakat dalam menjaga kualitas air sungai. Olehkarena itu, penelitian ini bertujuan untuk menyampaikaninformasi kualitas air Sungai Citarum kepada masyarakatmelalui sistem informasi yang mudah di akses, sehinggadiharapkan dengan adanya sistem informasi tersebut dapatmeningkatkan pengetahuan masyarakat dan dapatmenciptakan rasa kesadaran dalam menjaga kualitas airsungai. Sistem informasi dibuat dengan menampilkan petaSungai Citarum beserta kualitas pada masing-masing stasiuntitik pantau. Peta dibuat dengan memanfaatkan library dariJavaScript (JS) yaitu leafletjs. Untuk mengatur databasekualitas pada sisi user, dibuatkan website untuk sisi admin yangdibuat menggunakan framework Flask. Kata kunci— Sungai Citarum, Kualitas Air, Website,Leafletjs, Flask
Klasifikasi Kualitas Air Sungai Citarum Menggunakan Metode K-Nearest Neighbors, Support Vector Machine, dan Random Forest Sugandi, Delatifa Putri; Kallista , Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai merupakan sumber kehidupan dilingkungan sekitar baik untuk keperluan rumah tangga,pertanian maupun industri. Karena sungai memiliki perananyang begitu penting, maka perlu dilakukan pemeliharaankualitas air agar tidak berdampak buruk bagi lingkungansekitar. Padahal, kualitas air Sungai Citarum pernah menjadisungai paling tercemar dan kotor di dunia. Kualitas air sungaidapat ditentukan dengan menghitung nilai indeks pencemaransecara manual. Namun, metode perhitungan manual dianggapmembutuhkan waktu yang lama. Oleh karena itu, diperlukansuatu teknik yang efektif untuk mengukur kualitas air sungai.Machine learning dipilih sebagai salah satu teknik yangdiusulkan untuk mengklasifikasikan kualitas air sungai. Tigametode klasifikasi diterapkan dalam penelitian ini. K-NearestNeighbors, Support Vector Machine, dan Random forest. Setalahdilakukan pengujian, didapatkan kesimpulan bahwamenggunakan random forest memberikan hasil yang lebih baikantara metode K-Nearest Neighbors dan metode Support VectorMachine dengan akurasi sebesar 99,24% dan jika modelrandom forest tersebut ditambahkan dengan metode AdaBoostmaka akurasi meningkat menjadi 99.34%. Kata kunci— Klasifikasi, Kualitas Air Sungai, KNN, SVM, Random forest.
Pengembangan Sistem Klasifikasi Kualitas Air Minum Berbasis Web Menggunakan Algoritma Decision Tree Naf’an , Syifa Melinda; Kallista, Meta; Wibawa, Ig.Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Kualitas air sangat penting untuk kehidupanmanusia, namun tidak semua sumber air aman untukdikonsumsi. Oleh karena itu, diperlukan identifikasi kelayakanair minum yang akurat dan cepat. Metode manual sepertiSTORET dan Indeks Pencemaran kurang efisien karenamemakan waktu dan biaya yang tinggi. Oleh karena itu,digunakan teknologi Machine Learning dengan algoritmaDecision Tree dan teknik SMOTE untuk menyeimbangkandata. Hasil penelitian menunjukkan bahwa model Decision Treedengan max_depth = 4 menghasilkan performa yang palingoptimal. Pada max_depth ini, model mencapai akurasi trainingsebesar 99.9% dan akurasi testing mencapai 100%. Waktu yangdibutuhkan untuk proses training adalah 0.03570 detik,sedangkan waktu testing adalah 0.00223 detik. Hasil evaluasilainnya juga menunjukkan nilai AUC sebesar 1.00. Selain ituevaluasi juga dilakukan menggunakan classification report dandidapatkan hasil bahwa model memiliki presisi (precision) danrecall sebesar 1.00 untuk kelas "Air Layak Minum" dan "AirTidak Layak Minum". Nilai f1-score juga sebesar 1.00 untukkedua kelas, menunjukkan bahwa model memiliki performayang sangat baik dalam mengklasifikasikan data positif dannegatif. Kata kunci—Decision Tree, Evaluasi. Kualitas Air, TeknologiMachine Learning
Natural Disaster Monitoring Information System From Social Media Data Using Naïve Bayes Algorithm Aina, Brilliant Friezka; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

In Indonesia, there have been several naturaldisasters, such as earthquakes, tsunamis, landslides, floods, andothers. Because Indonesia is situated where the Eurasian,Pacific, and Indo-Australian plates converge, this potentialnatural disaster is caused by this location. Social mediainformation is expanding quickly and becoming more useful.Social media helps to alert people of the disaster's locationduring a disaster like a flood. Twitter is used as a data searchengine in this work. Twitter has been utilized effectively toupdate the public on current events during emergencies. Inorder to learn more, we can conduct a search using pertinenthashtags to determining for the incident's location. The test'sresults will show a map of the Indonesian region, and thedisaster's epicenter will be determined using the geolocationprovided by the tweet data. The Naive Bayes approach will beused for classification. The clustering process occurs in real timeacross every region of Indonesia. In this investigation, theaccuracy value was 75% based on the k-fold cross-validationtest, utilizing a fold value of 3. Keywords—Natural disasters, Twitter, Naïve Baiyes.
Pengembangan Sistem Klasifikasi Kualitas Air Minum Berbasis Web Menggunakan Algoritma K-Nearest Neighbors Meiska, Ivana; Kallista, Meta; Wibawa, Ig.Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Air memiliki peran penting sebagai kebutuhanprimer dalam kehidupan manusia, termasuk untuk konsumsi.Namun, sayangnya air mudah terkontaminasi sehingga dapatmembahayakan kesehatan tubuh. Oleh karena itu, penentuankelayakan air minum dengan metode manual seperti STORETdan Indeks Pencemaran memakan waktu lama dan biaya yangtinggi. Untuk mengatasi hal ini, penerapan machine learningdengan algoritma K-Nearest Neighbors dan teknik SMOTEuntuk mengatasi ketidakseimbangan pada kelas target menjadipilihan yang efisien dan tepat. Hasil penelitian menunjukkanbahwa model K-Nearest Neighbors dengan k=3 mampumencapai akurasi training sebesar 0.98928, akurasi testingsebesar 0.99434, serta ROC AUC mencapai 1.00 dengan losshanya 0.38618. Model yang optimal akan divisualisasikanhasilnya menggunakan Streamlit ssebagai alat untukmenyajikan informasi secara interaktif, memungkinkanpengguna untuk dengan mudah memahami dan menganalisiskualitas air minum. Kata kunci—Kelayakan Air Minum, K-Nearest Neighbors,Machine Learning, SMOTE, Streamlit
Hardware Implementation Of Face Recognition System And Body Temperature Detection For Iot-Based Attendance Sakri, Annisa Aprilia Putri; Kallista, Meta; Hasibuan, Faisal Candrasyah
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Catatan kehadiran dalam kegiatan belajarmengajar merupakan hal yang sangat penting, berfungsi untukmengontrol kehadiran siswa. Terkadang pencatatan kehadirankelas masih dilakukan secara manual sehingga prosesrekapitulasi kurang efisien dan efektif. Oleh karena itu, sistemrekapitulasi presensi otomatis sangat diperlukan agar prosesrekapitulasi kehadiran menjadi lebih efisien dan efektif. Sistemini menggunakan teknologi biometrik pengenalan wajah dansuhu tubuh sebagai identifikasi penunjuk waktu berbasis IoT,dimana hasil absensi dapat dilihat secara digital dan dapatdibuka di lokasi manapun, dimanapun. Sistem inimenggunakan 2 komponen utama yaitu Raspberry Pi 4 sebagaimikrokontroler dan kamera thermal AMG8833 sebagai sensorpendeteksi suhu. Kata kunci : Presensi, IoT, Raspberry Pi 4 Modul B,AMG8833, Face recognition. Body temperature.
Face recognition Using the Haar Cascade Classifier and Local Binary Patterns Histogram Algorithms to Detect and Identify Faces for Attendance Purnaningsih , Ni Kadek Ayu; Kallista , Meta; Hasibuan , Faisal Candrasyah
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

In the era of globalization, especially in the fieldof education, student attendance tracking holds significant valuefor monitoring and managing participation within the teachingand learning process. Face detection and identification play apivotal role in various modern technological applications, suchas facial recognition and facial expression analysis. In thedevelopment of this system, a biometric approach using facerecognition is employed, leveraging the Haar Cascade Classifiermethod for face detection in images, alongside the Local BinaryPattern Histogram (LBPH) method for facial identificationthrough texture patterns. The system's implementation isconducted using the Python programming language and theOpenCV library. Testing is performed to recognize faces underdiverse conditions, including variations in distance, lightintensity, facial orientation, background, and accessories. Facedetection and identification time range from 0.04 - 0.08 seconds,and a distance range of 30 cm - 150 cm. Keyword — Face Recognition, Haar Cascade Classifier,Local Binary Pattern Histogram (LBPH), OpenCV
Evaluasi Aplikasi Android Menggunakan Pengujian Black Box dan Latensi pada Sistem Bank Sampah Menggunakan Deep Learning Lase, Aldo Nitehe; Kallista, Meta; Fiqri, Rifqi Muhammad
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pengelolaan sampah elektronik (e-waste) diIndonesia menghadapi tantangan serius akibat volume yangterus meningkat serta kesadaran publik yang rendah. Untukmengatasi masalah ini, sebuah aplikasi Android telahdikembangkan sebagai bagian dari sistem bank sampahterintegrasi. Penelitian ini bertujuan untuk mengevaluasifungsionalitas dan kinerja aplikasi tersebut melalui pengujianblack box dan analisis latency. Metode evaluasi menggunakanblack box testing untuk memvalidasi alur fungsionalitasnya danpengukuran latensi untuk menganalisis waktu respons sistem.Aplikasi ini dibangun dengan Jetpack Compose danmengintegrasikan model deep learning YOLOv11 untukidentifikasi e-waste otomatis. Hasil pengujian black boxmenunjukkan tingkat keberhasilan 100% pada semua skenariouji, mengonfirmasi bahwa seluruh fitur berfungsi sesuairancangan. Analisis latensi mencatat waktu pemrosesangambar maksimum sekitar 55 detik, dengan durasi yangbervariasi tergantung jumlah objek terdeteksi. Disimpulkanbahwa aplikasi yang dievaluasi terbukti fungsional, andal, dankinerjanya efektif untuk mendukung sistem bank sampahelektronik sebagai solusi praktis yang siap digunakan olehmasyarakat dan dikembangkan kembali.Kata kunci— black box testing, latency, e-waste, aplikasiandroid, deep learning, YOLOv1
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