Article Per Year (5 Year)
p-Index From 2021 - 2026
9.669
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 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 Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 83 Documents
Search

 2   3   4   5   6 
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.
APLIKASI AKTIVITAS KEMAHASISWAAN BERBASIS MOBILE BAGI MAHASISWA S1 TEKNIK KOMPUTER UNIVERSITAS TELKOM Zaref, Pandu Ing; Kallista, Meta; Dinimaharawati, Ashri
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 3 No. 1 (2023): Desember 2023
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Aplikasi penghitung poin penerimaan sertifikat di kampus adalah sebuah aplikasi berbasis mobile yang dirancang menggunakan teknologi React Native. Aplikasi ini bertujuan untuk membantu mahasiswa dalam menghitung perolehan poin yang diperoleh dari berbagai aktivitas di kampus yang nantinya akan digunakan saat penerimaan sertifikat. Poin yang diperoleh oleh mahasiswa merupakan penilaian terhadap partisipasi dan kinerja mereka dalam berbagai kegiatan yang diadakan oleh kampus, seperti seminar, lomba, atau kegiatan sosial. Aplikasi ini dilengkapi dengan fitur-fitur seperti pengelolaan data aktivitas mahasiswa dan pengaturan kategori aktivitas. Metode yang digunakan dalam pembuatan aplikasi ini adalah metode waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Pada tahap analisis kebutuhan, dilakukan research di kampus untuk mengetahui kebutuhan mereka terhadap aplikasi penghitung poin. Berdasarkan hasil analisis kebutuhan, dirancanglah aplikasi yang memiliki antarmuka yang user-friendly dan mudah digunakan, serta dapat membantu mahasiswa menghitung perolehan poin mereka secara efektif. Pada tahap perancangan, dibuatlah diagram alir data dan diagram alir aplikasi untuk memudahkan pengembangan aplikasi. Implementasi dilakukan dengan menggunakan teknologi React Native. Pada tahap pengujian, dilakukan pengujian fungsionalitas dan performa aplikasi. Hasil dari pengujian menunjukkan bahwa aplikasi ini mampu berjalan dengan baik dan memberikan kemudahan bagi mahasiswa dalam menghitung perolehan poin mereka. Aplikasi ini dapat diakses di perangkat mobile Android dan IOS, Diharapkan aplikasi ini dapat bermanfaat bagi mahasiswa dalam memantau perolehan poin mereka dan meningkatkan motivasi untuk mengikuti berbagai aktivitas di kampus. Selain itu, aplikasi ini juga dapat membantu pihak kampus dalam mengelola data aktivitas mahasiswa dan memudahkan proses penerimaan sertifikat di kampus. Kata Kunci: mobile Android, IOS, sertifikat, React Native
PREDIKSI DAN FORECASTING KUALITAS UDARA MENGGUNAKAN ALGORITMA EXTREME LEARNING MACHINE Ramdhani, Agung Sulaksono; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 3 No. 2 (2024): Juni 2024
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Polusi udara menjadi salah satu faktor terpenting yang mempengaruhi kesehatan manusia. Jakarta adalah ibukota Indonesia, menduduki peringkat ke-9 dalam hal kualitas udara dan polusi perkotaan. Indonesia berada di peringkat ke-9 di antara 106 negara sebagai negara yang paling tercemar di dunia. DKI Jakarta adalah kota yang sangat padat. Tujuan dari penelitian ini adalah untuk memprediksi dan meramalkan data kualitas udara di DKI Jakarta dengan menggunakan algoritma Extreme Learning Machine (ELM). Metode ini memungkinkan penggunaan yang memberikan kecepatan dan performa yang tinggi. Berdasarkan hasil pengujian, diperoleh nilai root mean square error (RMSE) sebesar 0,06%, mean square error (MSE) sebesar 0,004%, dan mean absolute error (MAE) sebesar 0,041%. Nilai-nilai pengukuran evaluasi ini diperoleh dengan fungsi aktivasi ELU dengan 100 neuron tersembunyi untuk prediksi dan 500 untuk forecasting.Kata kunci : kualitas udara, prediksi, peramalan extreme learning machine, evaluasi metrik
Penerapan Sistem Deteksi Wajah dan Suhu Tubuh untuk Presensi Berbasis IoT di SMA Al Kenzie Bandung Putri Sakri, Annisa Aprilia; Kallista, Meta; Candrasyah Hasibuan, Faisal; Dinimaharawati, Ashri; Harison Taufiq, Hans; Paramartha Vikrama, Made; Putra Athallah, Raken
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 5 No. 1 (2024): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN)
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v5i1.2667

Abstract

Pencatatan kehadiran menjadi salah satu alat penting dalam memastikan lingkungan pembelajaran yang efektif dan mendukung perkembangan siswa secara keseluruhan. Sebelumnya, pencatatan kehadiran siswa SMA Al Kenzie dilakukan secara manual seperti memanggil nama siswa satu persatu, atau dengan menandatangani lembar kertas yang diberikan. Hal tersebut cukup memakan waktu apalagi dengan banyaknya jumlah siswa pada setiap kelas, menjadikan proses pencatatan kehadiran tersebut kurang efektif dan efisien. Oleh karena itu, sistem rekapitulasi presensi otomatis sangat diperlukan agar proses rekapitulasi kehadiran menjadi lebih efisien dan efektif. Sistem ini memanfaat webcam, thermal camera AMG8833, Raspberry Pi 4 Model B sebagai komponen utamanya. Serta dibantu dengan metode Haar Cascade Classifier dan Local Binary Pattern Histogram (LBPH). Kedua metode tersebut memiliki peran masing masing yaitu untuk mendeteksi wajah dan mengidentifikasi wajah. Jadi sistem ini mengandalkan pola wajah sebagai bukti kehadiran otomatis dan dapat mendeteksi suhu dengan sampel bagian wajah. Hasil data presensi akan tersimpan otomatis kedalam database dan hasil rekapan presensi dapat diakses pengguna dari berbagai platform seperti Telegram dan juga website. Kegiatan pengabdian masyarakat ini bertujuan agar alat dapat digunakan di lingkungan mitra, dengan membekali mitra dalam menjalankan teknologi tersebut.
Enhancing Binary Classification Performance in Biomedical Datasets: Regularized ELM with SMOTE and Quantile Transforms Focused on Breast Cancer Analysis Aina, Brilliant Friezka; Kallista, Meta; Wibawa, Ig. Prasetya Dwi; Nugroho, Ginaldi Ari; Meiska, Ivana; Naf’an, Syifa Melinda
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 9, No 2 (2024): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v9i2.28785

Abstract

Using microarray datasets, this research investigation addresses the problem of unbalanced data in binary classification tasks. The objective is to increase classification performance by adding Extreme Learning Machine (ELM) regularization, as well as Synthetic Minority Over-sampling Technique (SMOTE) for data over-sampling and Quantile Transformer for data scaling. The study began with gathering important biological datasets from reputable sources such as UCI and Kaggle, including Pima Indian Diabetes, Heart Disease, and Wisconsin Breast Cancer. SMOTE was employed to solve the difficulty of data imbalance in the preparation of the dataset. The data was then separated into training (80%) and testing (20%) sets before being scaled using Quantile Transformation. To boost accuracy, ELMs were employed with an emphasis on introducing regularization techniques. Quantile Transforms are used to generate a Gaussian or uniform probability distribution from numerical input variables. Regularized ELM (R-ELM) surpasses ELM in terms of AUC, despite ELM's faster calculation time. The final selection of the regularization parameter (C) in R-ELM influences the model's performance and calculation time. Overall, R-ELM with SMOTE produces encouraging results when it comes to effectively categorizing biological dataset properties. A subsequent investigation and validation of additional datasets, however, are necessary to establish its generalizability and robustness.
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.
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 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 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 Wibowo , Ig. Prasetya Dwi Wibowo, Ig. Prasetya Dwi Yasir , Yusran Zahrani , Putri Mellia Zaref, Pandu Ing