Article Per Year (5 Year)
p-Index From 2021 - 2026
1.244
P-Index
This Author published in this journals
All Journal Sainteks Jurnal Informatika Jurnal E-Komtek Blend Sains Jurnal Teknik Advances In Social Humanities Research Jurnal Pengabdian Teknik dan Sains (JPTS)
elindra ambar pambudi
Universitas Muhammadiyah Purwokerto
Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Social Sciences

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Analysis Thresholding Sauvola pada Background Subtraction untuk Deteksi Objek Bergerak elindra ambar pambudi; Abid Yanuar Badarudin; Dimara Kusuma Hakim
Jurnal Informatika Vol 6, No 2 (2019): September 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (674.054 KB) | DOI: 10.31294/ji.v6i2.6164

Abstract

Metode segmentasi kebanyakan digunakan dalam teknik pengolahan citra yang berkaitan dengan deteksi objek bergerak. Segmentasi pada objek bergerak sangat penting untuk menentukan proses selanjutnya berupa pengenalan atau klasifikasi. Metode yang paling umum digunakan dalam teknik-teknik segmentasi adalah metode pengambangan. Metode pengambangan dibagi menjadi dua yaitu global dan lokal. Pada penelitian kali ini akan mencoba menggunakan salah satu metode pengambangan lokal adaptif yaitu sauvola. Sauvola akan digunakan sebagai nilai ambang dari background subtraction. Garis besar dari metode yang diusulkan dalam penelitian ini adalah ekstraksi frame, inisialisasi background, preprocessing, background subtraction, sauvola, pemberian masking. Hasil terbaik rata-rata MSE dan PSNR adalah 0.0011 dan 53,6653. Pengambangan dengan sauvola mendapat hasil cukup baik dan layak sebagai nilai ambang dari background subtraction.
Pelatihan Penggunaan Mendeley pada Guru SLB Kuncup Mas Elindra Ambar Pambudi; Ermadi Satriya Wijaya
Jurnal Pengabdian Teknik dan Sains (JPTS) Vol 2, No 1 (2022): Januari 2022
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/jpts.v2i01.13281

Abstract

Berdasarkan tuntutan sertifikasi guru sesuai permendiknas No 18 th 2007 tersebut setiap guru mau tidak mau dihadapkan pada keharusan untuk mampu mengeluarkan karya tulis ilmiah seperti buku teks, modul, artikel, dan lain-lain yang berguna bagi pengembangan ilmu pengetahuan dan juga proses pendidikan. Permasalahan yang dihadapi para guru adalah pemahaman yang masih minim terkait referensi dalam pembuatan karya ilmiah, ditambah lagi keterbasan waktu yang dimiliki dan kurangya kreatifitas para guru di SLB Kuncup Mas dalam mengumpulkan referensi karya ilmiah. Dengan kesulitan yang dihadapi maka dalam pengabdian ini akan mencoba untuk memecahkan masalah dengan mengadakan pelatihan mengenai referensi manager. Metode yang diterapkan dari mulai survey lapangan, ceramah dan demo, dilanjutkan diskusi tanya jawab dan diakhiri praktik mandiri Bersama-sama. Hasil yang didapatkan dari pengabdian ini adalah terdapat sekitar 90 % keberhasilan dibuktikan dengan rata-rata peserta mendapatkan nilai rentang baik sampai dengan sangat baik dan 10% mendapatkan hasil kurang baik.
Performance Analysis of a Low-Pass Filter for Virtual Camera Rotation Stabilization Using a Gyroscope Sensor Dila Dahlia; Tito Pinandita; Sigit Sugiyanto; Elindra Ambar Pambudi
Jurnal E-Komtek Vol 10 No 1 (2026)
Publisher : Politeknik Piksi Ganesha Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37339/e-komtek.v10i1.3001

Abstract

The use of mobile device cameras often suffers from rotational instability caused by jitter and sudden orientation changes, reducing visual quality and user experience in virtual camera applications. This study evaluates the effectiveness of a low-pass filter in stabilizing gyroscope-based virtual camera rotation. Experiments were conducted using an iPhone 12 under six movement scenarios: slow rotation, fast rotation, random movement, walking, stair climbing, and motorcycle riding. Euler angle and inter-frame jitter data were analyzed before and after filter implementation. The results show that the low-pass filter significantly reduces rotational jitter in five of the six scenarios. The greatest improvement was observed during walking, with an 86.55% reduction, followed by fast rotation (72.21%) and random movement (68.87%). These findings confirm that the low-pass filter effectively suppresses high-frequency rotational disturbances, enhancing virtual camera stability and providing a practical foundation for developing more reliable gyroscope-based rotation stabilization systems on mobile devices.
Chili Price Prediction Model in Banyumas and Cilacap Regencies Using Comparative Machine Learning Algorithm Fima Rizqina Mubaroka; Maulida Ayu Fitriani; Elindra Ambar Pambudi; Dimara Kusuma Hakim
Jurnal E-Komtek Vol 10 No 1 (2026)
Publisher : Politeknik Piksi Ganesha Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37339/e-komtek.v10i1.3003

Abstract

Fluctuations in chili prices as a strategic commodity often pose challenges to food price stability, particularly in Central Java regions such as Banyumas and Cilacap Regencies. This study aims to explore and compare the performance of three classical machine learning algorithms: Ridge Regression, Lasso Regression, and Random Forest Regressor. This study utilizes daily historical data spanning from January 2018 to June 2025 to identify market patterns and trends. Furthermore, this research projects chili prices for the next 365 days. Consistently, Lasso Regression demonstrated the best performance in both regions. The model achieved the highest accuracy in Banyumas Regency Banyumas (MAPE 2,75%) and Cilacap Regency (MAPE 5,08%). However, visual analysis of long-term predictions revealed that Ridge Regression produced a more realistic graph compared to Lasso Regression. Conversely, Random Forest Regressor failed to capture long-term trends as it yielded stable predictions. The prediction results were subsequently visualized in an interactive dashboard based on the Flask framework.
Implementasi Gamma Correction untuk Peningkatan Kualitas Citra Low-Light Real-Time pada Kamera Mobile Teguh Ahmad Prayogo; Tito Pinandita; Elindra Ambar Pambudi; Maulida Ayu Fitriani
Blend Sains Jurnal Teknik Vol. 5 No. 1 (2026): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v5i1.1820

Abstract

Kualitas citra pada kamera mobile sering mengalami penurunan pada kondisi pencahayaan rendah (low-light) sehingga citra terlihat gelap dan detail objek menjadi kurang jelas. Penelitian ini bertujuan untuk meningkatkan kualitas citra menggunakan metode Gamma Correction yang dikombinasikan dengan penyesuaian brightness, contrast, dan saturation. Sistem diimplementasikan menggunakan Unity dengan memanfaatkan WebCamTexture untuk memproses citra secara real-time. Pengujian dilakukan pada tiga kondisi pencahayaan, yaitu 5 lux, 10, dan 20 lux. Evaluasi dilakukan dengan membandingkan nilai brightness sebelum dan sesudah proses enhancement menggunakan perhitungan luminansi. Hasil pengujian menunjukkan bahwa nilai brightness mengalami peningkatan pada seluruh kondisi pencahayaan. Pada intensitas cahaya 5 lux, nilai brightness meningkat dari 0,031 menjadi 0,044, Pada intensitas cahaya 10 lux dari 0,102 menjadi 0,276, dan pada intensitas cahaya 20 lux dari 0,385 menjadi 0,580. Hasil tersebut menunjukkan bahwa metode yang diusulkan mampu meningkatkan kualitas citra, terutama pada kondisi low-light. Sistem juga mampu berjalan secara real-time dengan penerapan teknik frame skipping sehingga performa aplikasi tetap stabil tanpa lag yang signifikan.
Classification of Sweet Corn Maturity Using a Support Vector Machine with Grid Search Hyperparameter Optimization Goci Kirana Murti; Elindra Ambar Pambudi
Advances In Social Humanities Research Vol. 4 No. 8 (2026): Advances In Social Humanities Research
Publisher : Sahabat Publikasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/adv.v4i8.601

Abstract

Manual determination of sweet corn maturity levels still relies on visual observation, which may lead to subjectivity and inconsistency. This research aims to develop a classification model for sweet corn maturity levels based on digital images using the Support Vector Machine (SVM) algorithm with Grid Search hyperparameter optimization. The dataset consists of 600 sweet corn images divided into three classes: immature, optimally mature, and fully mature. The research stages include preprocessing, feature extraction, dataset splitting, SVM implementation, hyperparameter tuning, and model evaluation. Feature extraction results show that all images were successfully processed with a 100% success rate. Testing the SVM model under several dataset splitting scenarios revealed that the 90:10 ratio achieved the highest accuracy of 88.33%. Hyperparameter optimization using Grid Search produced the best parameter combination, namely C = 100, gamma = 1, and Radial Basis Function (RBF) kernel, with a validation accuracy of 89.44%. The optimized model achieved an accuracy of 90.00%, with the best performance in the fully mature class, reaching 95% precision, 100% recall, and a 98% F1-score. The results indicate that the combination of HSV and GLCM features along with hyperparameter optimization can enhance the performance of SVM in classifying sweet corn maturity levels.
Reaksi Publik terhadap Kinerja Awal Menteri Keuangan RI: Analisis Sentimen Menggunakan BERT Berdasarkan Komentar TikTok Dhika Ramadhan Saputra; Hindayati Mustafidah; Dimara Kusuma Hakim; Elindra Ambar Pambudi
Sainteks Vol. 23 No. 2 (2026): Oktober
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v23i2.31299

Abstract

Penelitian ini mengevaluasi persepsi pengguna TikTok pada sampel penelitian terhadap kinerja awal Menteri Keuangan RI melalui analisis sentimen TikTok (18.335 komentar). Menggunakan arsitektur IndoBERTweet dengan fine-tuning dan pseudo-labelling, penelitian ini mengatasi data imbalance melalui class weighting. Model mencapai akurasi 0,96, dengan F1-score 0,72 (Negatif), 0,96 (Netral), dan 0,92 (Positif). Analisis menunjukkan dominasi sentimen Netral (14.400 data), diikuti Positif (3.604) dan Negatif (331). Tren sentimen bersifat responsif terhadap transparansi kinerja, memuncak pada Minggu ke-51 (477 positif, 24 negatif) menyusul keberhasilan asset recovery Rp6,6 Triliun. Melalui BERTopic, ditemukan tiga poros utama: legitimasi personal (Positif), rasionalitas kebijakan (Netral), dan defisit kepercayaan birokrasi (Negatif). Penelitian ini menjadi instrumen evaluasi berbasis data bagi pemerintah dalam merumuskan strategi komunikasi publik yang transparan.
Sistem Prediksi Kebutuhan Energi Listrik Harian Menggunakan Long Short-Term Memory (LSTM) Iman Nur Azka; Dimara Kusuma Hakim; Hindayati Mustafidah; Elindra Ambar Pambudi
Sainteks Vol. 23 No. 2 (2026): Oktober
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v23i2.31304

Abstract

Penelitian ini bertujuan merancang sistem prediksi kebutuhan energi listrik harian dengan algoritma Long Short-Term Memory (LSTM) sebagai inti pemrosesan deret waktu. Pengembangan mengikuti model Waterfall, mencakup analisis kebutuhan, perancangan arsitektur, implementasi, dan pengujian. Akurasi prediksi sangat penting bagi keandalan pasokan listrik, sementara metode konvensional sering gagal menangkap pola non-linier dan ketergantungan temporal jangka panjang. Dalam fase pengujian, tiga konfigurasi parameter lookback (30, 60, 90 hari) diuji untuk menentukan konfigurasi dengan kesalahan terkecil. Dataset publik Australian Energy Market Operator (AEMO) digunakan, berisi 1.096 data harian dari Mei 2023 hingga April 2026. Data dinormalisasi dengan Min-Max dan dibentuk menjadi sekuens, lalu divalidasi secara berurutan menggunakan mekanisme Walk-Forward Validation. Evaluasi menggunakan lookback 30 hari menghasilkan nilai rata-rata validasi terbaik dengan Mean Absolute Error (MAE) 400.00 MW, Root Mean Squared Error (RMSE) 514.00 MW, dan Mean Absolute Percentage Error (MAPE) 5,40%. Performa ini juga lebih unggul dibandingkan model ARIMA (MAPE 11,69%) dan GRU (MAPE 8,40%) yang diuji sebagai model pembanding pada skema validasi yang sama. Sistem mampu mengikuti pola musiman dengan presisi, meski cenderung underestimasi pada beban puncak ekstrem akibat sifat univariat. Dari perspektif pengembangan perangkat lunak, sistem memenuhi kebutuhan fungsional dan terbukti layak sebagai perangkat pendukung keputusan untuk mengoptimalkan penjadwalan pembangkitan listrik secara praktis.
Analisis Pengaruh Ukuran Chunk terhadap Kinerja Retrieval-Augmented Generation pada Tanya Jawab Dokumen Akademik Amin Afif Rafi'i; Hindayati Mustafidah; Maulida Ayu Fitriani; Elindra Ambar Pambudi
Sainteks Vol. 23 No. 2 (2026): Oktober
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v23i2.31493

Abstract

Evaluasi otomatis sistem tanya jawab berbasis Retrieval-Augmented Generation (RAG) dapat menyesatkan ketika pertanyaan ujinya dibuat secara sintetis. Pertanyaan yang diturunkan dari blok teks berukuran tetap cenderung menaikkan skor konfigurasi pembagian teks (chunking) yang menggunakan ukuran yang sama. Penelitian ini membandingkan empat ukuran potongan teks, yaitu 128, 256, 512, dan 1024 token pada sistem tanya jawab Buku Panduan Akademik Universitas Muhammadiyah Purwokerto (UMP) yang dibangun dengan Structure-Aware Recursive Splitter, model embedding BAAI/bge-m3, dan generator gpt-oss-120b. Performa diukur dengan kerangka RAGAS pada 950 pertanyaan sintetis dan 51 pertanyaan organik (buatan manusia); hanya hasil pada dataset organik yang diuji dengan Wilcoxon Signed-Rank serta koreksi Holm. Skenario 512 token unggul pada seluruh metrik di dataset sintetis, konsisten dengan kebocoran data struktural. Keunggulan tersebut tidak terulang pada pertanyaan organik: tidak ditemukan perbedaan signifikan di antara skenario 256, 512, dan 1024 token (), dan hasil ini belum dapat disimpulkan karena daya statistik yang rendah ( hingga 41). Skenario 512 token layak dijadikan pilihan awal yang hemat sumber daya karena memerlukan sekitar separuh beban konteks inferensi skenario 1024 token tanpa perbedaan kualitas jawaban yang terdeteksi pada kondisi yang diuji.
Co-Authors Abid Yanuar Badarudin Amin Afif Rafi'i Dhika Ramadhan Saputra Dila Dahlia Dimara Kusuma Hakim Ermadi Satriya Wijaya Fima Rizqina Mubaroka Goci Kirana Murti Hindayati Mustafidah Iman Nur Azka Maulida Ayu Fitriani Sigit Sugiyanto Teguh Ahmad Prayogo Tito Pinandita