Article Per Year (5 Year)
p-Index From 2020 - 2025
2.062
P-Index
This Author published in this journals
All Journal JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering Journal of Computer Engineering, Electronics and Information Technology Jurnal INFOTEL
Syamsul Rizal
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
TEA LEAVES GMB SERIES CLASIFFICATION USING CONVOLUTIONAL NEURAL NETWORK Syamsul Rizal; Nor Kumalasari Caecar Pratiwi; Nur Ibrahim; Hurianti Vidya; Sofia Saidah; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v3i2.3320

Abstract

This study classifies GMB series tea leaves by using a convolutional neural network as a classification system. GMB series tea are the superior tea seeds in Indonesia. Gambung series, namely: GMB 1 to GMB 11, are planting material seeds that have been recommended by the Ministry of Agriculture. The potential of these tea series yield of 4,000 - 5,800 kg / ha of dried tea. The morphological similarity level of GMB 1 to GMB 11 is very high, because many elders from the clones are from the same crossing parents. During this time, the process of identifying GMB clones 1 through GMB 11 is done manually using the visual eye of an experts at PPTK Gambung. These experts are limited to be able to identify each tea series. This process is susceptible to errors in the reading of clone types, and is very dependent on the presence of the experts. If an error occurs in the process of identifying the type of clone, it will interfere with the nursery process. Errors in the selection of recommended clones will harm the process of a long period of time, because the economic age of tea plants can reach until 50 years. The potential loss of production due to misuse of plant material can reach 1,200 kg / ha per year. Against the background of these problems, it is very necessary to have a system to identify the GMB series clone. Continuous studies has been conducted to build an automation system for the identification and classification of GMB series tea clones. The system is designed using the Convolutional Neural Network (CNN) method. The results obtained from this system output in the form of accuracy with a value of 85%.
PERBAIKAN DETEKSI WATERMARK MENGGUNAKAN EKSTRAKSI FITUR BENTUK PADA AUDIO WATERMARKING BERBASISKAN TEKNIK DWT-SVD-QIM PADA SEGMEN AUDIO ADAPTIF Nugraeni Kholifaturrofiah; Gelar Budiman; Syamsul Rizal
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 1 (2021): Journal of Electrical and System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v5i1.4913

Abstract

Di era globalisasi saat ini lebih mudah untuk mengakses informasi melalui berbagai media. Sehingga banyak ditemukan kasus pelanggaran hak cipta. Penelitian ini menjadi salah satu solusi untuk mengatasi permasalahan tersebut yaitu dengan mengaplikasikan teknik watermarking. Pada penelitian ini dilakukan perbaikan tingkat akurasi deteksi watermark dengan menggunakan ekstraksi fitur bentuk untuk mengekstrak informasi dari suatu audio sehingga hak cipta dari data digital dapat terlindungi dari pihak-pihak yang menyalahgunakannya. Metode yang digunakan pada Tugas Akhir ini yaitu Discrete Wavelet Transform (DWT), Singular Value Decomposition (SVD), dan Quantization Index Modulation (QIM). Hasil yang diperoleh menunjukkan kualitas watermark ketika dilakukan pengujian dengan menggunakan parameter SNR, ODG dan MOS. ODG bernilai -0.02, SNR bernilai 33.20 dB, untuk rata-rata MOS tertinggi bernilai 4.60 dan besar kapasitas (C)  bernilai 215.72 bps. Ketahanan watermark (BER) rata-rata terkecil bernilai 22% dan tingkat akurasi deteksi watermark (CDR) rata-rata tertinggi sebesar 71%.
Denoising Sinyal EEG dengan Algoritma Recursive Least Square dan Least Mean Square Nor Kumalasari Caecar Pratiwi; Rita Magdalena; Yunendah Nur Fuadah; Sofia Saidah; Syamsul Rizal; Muhamad Rokhmat Isnaini
TELKA - Jurnal Telekomunikasi, Elektronika, Komputasi dan Kontrol Vol 5, No 2 (2019): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (658.294 KB) | DOI: 10.15575/telka.v5n2.122-129

Abstract

EEG mengukur fluktuasi tegangan yang dihasilkan dari arus ionik yang beredar sepanjang neuron otak. Dalam pengaturan eksperimental, sinyal EEG sering terkontaminasi dengan berbagai noise akibat gerakan otot dan jantung. Noise dengan magnitudo yang lebih tinggi dari sinyal aslinya akan merusak sinyal EEG dan bisa berakibat fatal dalam analisis diagnosa. Sehingga diperlukan sebuah sistem denoising yang mampu secara maksimal mengurangi noise, tanpa menghilangkan komponen informasi penting dari sinyal EEG. Salah satu algoritma yang dapat digunakan dalam mereduksi noise pada sinyal biomedis adalah RLS dan LMS. Keuntungan utama dari penggunaan adaptif filtering termasuk RLS dan LMS adalah dapat digunakan pada lingkungan non-stasioner. Tujuan penelitian adalah melakukan uji perbandingan performansi filtering RLS dan LMS dalam mereduksi noise pada sinyal EEG. Parameter performansi yang diukur adalah waktu komputasi, MSE, SNR, dan PSNR. Dari hasil pengujian, diperoleh bahwa adaptif filtering dengan RLS dan LMS mampu mereduksi noise pada sinyal EEG dengan baik. Filter LMS memiliki kelebihan pada waktu komputasinya yang singkat, rata-rata waktu komputasi filter LMS selama 0.7 detik, jauh berbeda dengan filter RLS yang membutuhkan waktu sampai dengan 113 detik. Tetapi kehandalan sistem dari sisi MSE, SNR dan PSNR untuk filter LMS masih berada dibawah RLS untuk intensitas noise yang rendah. Besarnya parameter SNR dan PSNR pada filter RLS cenderung lebih stabil pada intesitas noise 10 dB, 20 dB, dan 30 db. Hal berbeda terjadi pada denoising dengan menggunakan filter LMS, terjadi perubahan SNR yang signifikan dari 16.14 dB pada noise 10 dB, 21.09 dB untuk noise sebesar 20 dB, dan 25.81 dB untuk intensitas noise sebesar 30 dB.
CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50 Novelita Dwi Miranda; Ledya Novamizanti; Syamsul Rizal
Jurnal Teknik Informatika (Jutif) Vol. 1 No. 2 (2020): JUTIF Volume 1, Number 2, December 2020
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2020.1.2.18

Abstract

Pengenalan sidik jari merupakan bagian dari teknologi biometrik. Klasifikasi sidik jari yang paling popular adalah Henry classification system. Henry membagi sidik jari berdasarkan garis polanya menjadi lima kelas yaitu arch (A), tented arch (T), left loop (L), right loop (R), dan whorl (W). Penelitian ini menggunakan Convolutional Neural Network (CNN) dengan model arsitektur Residual Network-50 (ResNet-50) untuk mengembangkan sistem klasifikasi sidik jari. Dataset yang digunakan diperoleh dari website National Institute of Standards and Technology (NIST) berupa citra sidik jari grayscale 8-bit. Hasil pengujian menunjukkan bahwa pemrosesan awal Contrast Limited Adaptive Histogram Equalization (CLAHE) dalam model CNN dapat meningkatkan performa akurasi dari sistem klasifikasi sidik jari sebesar 11,79%. Pada citra tanpa CLAHE diperoleh akurasi validasi 83,26%, sedangkan citra dengan CLAHE diperoleh akurasi validasi 95,05%.
Sistem Otentikasi Biometrik Berbasis Sinyal EKG Menggunakan Convolutional Neural Network 1 Dimensi FAUZI FRAHMA TALININGSIH; YUNENDAH NUR FU’ADAH; SYAMSUL RIZAL; ACHMAD RIZAL; MUHAMMAD ADNAN PRAMUDITO
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 1 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i1.1-10

Abstract

ABSTRAKBiometrik merupakan salah satu analisis karakteristik individu yang saat ini banyak digunakan, seperti sidik jari, pengenalan suara, dan pengenalan wajah. Metode biometrik tersebut masih memiliki kelemahan seperti mudah untuk dimanipulasi. Oleh karena itu, penelitian ini akan menggunakan sinyal Elektrokardiogram (EKG) sebagai salah satu metode biometrik. Sinyal EKG memiliki keunikan pada setiap individu sehingga sulit untuk dimanipulasi. Penelitian ini mengembangkan sistem otentikasi biometrik berbasis sinyal EKG. Data yang digunakan berasal dari ECG-ID database dengan jumlah 90 subjek. Sinyal EKG yang digunakan hanya menggunakan gelombang PQRST sebagai input model Convolutional Neural Network 1 Dimensi (CNN). Hasil akurasi yang diperoleh menunjukkan 92.2%. Dengan demikian, sistem yang dikembangkan memungkinkan digunakan sebagai otentikasi biometrik.Kata kunci: Biometrik, Sinyal EKG, Convolutional Neural NetworkABSTRACTBiometrics is analyses individual characteristics that are currently widely used, such as fingerprints, voice recognition, and face recognition. The biometric method still has weaknesses, such as being easy to manipulate. Therefore, this study will use an Electrocardiogram (ECG) signal as a biometric method. The ECG signal is unique to each individual, so it is not easy to manipulate. This study develops a biometric authentication system based on ECG signals. The data used comes from the ECG-ID database with a total of 90 subjects. The ECG signal used only PQRST waves as input for the 1-Dimensional Convolutional Neural Network (CNN) model. The accuracy results obtained show 92.2%. Thus, the developed system allows it to be used as biometric authentication.Keywords: Biometric, ECG Signal, Convolutional Neural Network
Implementasi Algoritma Yolo Pada Aplikasi Pendeteksi Citra Makanan Berbasis Android Mochamad Dandi; Hilman Fauzi TSP; Syamsul Rizal
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pemenuhan kebutuhan nutrisi dari segi jumlah dan jenisnya sangat penting dalam membantu proses tumbuh kembang manusia Upaya peningkatan kualitas sumber daya manusia (SDM) dimulai dari pemenuhan kebutuhan dasar manusia. Perhatian utamanya terletak pada proses tumbuh kembang anak sejak pembuahan sampai mencapai dewasa muda. Mengkonsumsi makanan yang bergizi merupakan salah satu faktor penting untuk menjaga gaya hidup yang sehat. Untuk mendapatkan makanan yang bergizi di perlukan komposisi yang tepat. untuk mendapat jumlah kalori yang tepat di perlukan pengukuran, dalam mengukur jumlah kalori dalam makanan terdapat dua metode yaitu dengan metode konvensional dan metode image processing. Metode konvesional bisa menggunakan perhitungan Basa Metabolic Rate (BMR) dengan jumlah kalori yang dibutuhkan tubuh seseorang untuk aktifitas perhari serta jumlah kalori makanan yang dikonsumsi. Sedangkan penggunaan metode image processing belum banyak diterapkan pada masyarakat Indonesia.Maka dalam Tugas Akhir ini dilakukan simulasi Perancangan Aplikasi perhitungan nutrisi berbasis android, dan simulasi ini dilakukan menggunakan metode Convolutional Neural Network (CNN). Data yang di pakai di metode ini adalah gambar makanan yang dipakai untuk metode penelitian. akan diukur hasil performansinya untuk membuktikan performa aplikasi perhitungan.Pengerjaan simulasi Tugas Akhir ini yaitu dapat membuktikan performa aplikasi perhitungan nutrisi pada makanan berbasis android, dengan melakukan pengukuran dari sisi akurasi data, image processing. Keyword: ImageProcessing Convolutional Neural Network, Android
Estimasi Bobot Sapi Berdasarkan Citra Digital Dengan Metode Fraktal Dan Klasifikasi Decision Tree Fajar Kurniawan Alhamal; Jangkung Raharjo; Syamsul Rizal
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Potensi sapi di Indonesia mempunyai peluang yang sangat besar, karena jenis sapi endemik Indonesia masuk jajaran sapi paling berkualitas di dunia. Dalam menentukan kualitas sapi, bobot merupakan salah satu indikator penting. Dengan bobot, peternak dapat menentukan hasil produksi dan produktivitas sapi. Menentukan bobot sapi yang paling umum adalah menggunakan timbangan. Namun, mahalnya harga timbangan menjadi salah satu faktor penghambat dalam merintis usaha peternakan sapi. Sistem yang dirancang menggunakan masukan citra sapi dari sisi samping dan keluaran berupa estimasi bobot sapi. Tujuan dari penelitian ini adalah mempermudah calon peternak dalam menentukan bobot sapi tanpa menggunakan timbangan yang harganya relatif mahal. Sistem yang telah dirancang dalam program aplikasi estimasi bobot sapi memerlukan input berupa citra atau gambar sapi dan menghasilkan output berupa bobot beserta klasifikasi sapi berdasarkan bobot sapi yang diperoleh. Program aplikasi yang diimplementasikan untuk mengestimasi bobot sapi, dirancang dalam software MATLAB 2018a menggunakan metode fraktal dan klasifikasi Decision Tree. Pada tugas akhir ini mendapatkan tingkat akurasi estimasi sistem sebesar 81% dengan nilai root mean squared error pada perhitungan rumus schoorl mendapatkan hasil 72,56277, winter 75,00148, dan denmark 69,11267. Waktu komputasi rata-rata 0,3329 detik. Akurasi dan waktu komputasi didapatkan dengan jumlah data latih sebanyak 47 citra dan jumlah data uji sebanyak 21 citra. Kata kunci: Bobot Sapi, Decision Tree, Fraktal, Pengolahan Citra Digital. Abstract Potential cattle in Indonesia has a very big opportunity, because Indonesian endemic cows enter ranks of the most qualified cows in the world. In determining the quality of the cow, weight is an important indicator. With weight, breeders can determine cow production and productivity. Determines the most common cow weight is to use the scales. However, the high price of the scales is wrong one inhibiting factor in starting a cattle farm business. System which is designed using a cow image input from the side and output in the form of cow weight estimation. The purpose of this research is to make it easier for candidates breeders in determining the weight of the cow without using scales the price is relatively expensive. The system that has been designed in the cow weight estimation application program requires input in the form of an image or image of a cow and produces output in the form weight and classification of cattle based on the weight of cattle obtained. Program the application implemented to estimate the weight of a cow is designed in MATLAB 2018a software uses the fractal method and the Decision classification Tree. In this final project, the system estimation accuracy rate is 81% with the root mean squared error value in the Schoorl formula calculation, getting 72.56277 results, winter 75.00148, and Denmark 69.11267. The average computation time was 0.3329 seconds. Accuracy and computation time obtained by the amount of training data as much as 47 images and the number of test data as many as 21 images. Key words : Fractal, Decision Tree, Cow Weight, Digital Image Processing
Implementasi Sistem Pengusir Hama Burung Berbasis ComputerVision Menggunakan Jetson Nano Dan Arduino Uno Rendi Bagus Oklanri; Jangkung Raharjo; Syamsul Rizal
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Pertanian adalah sektor dengan peran besar bagi perekonomian Indonesia. Tujuan untuk meningkatkan produktivitas dibidang pertanian dalam penerapannya menemui banyak sekali masalah, salah satu masalah umum yang terjadi diberbagai jenis tanaman padi adalah hama burung pipit. Metode yang digunakan petani untuk mengatasi masalah hama masih menggunakan cara manual, yaitu dengan menggunakan orang-orangan sawah yang diletakkan di tengah sawah atau dengan langsung terjun ke lapangan. Dunia sekarang berada di era digital dimana bidang teknologi sudah merambah di semua aspek kehidupan dan salah satunya adalah computer vision. Dalam Tugas Akhir ini dikembangkan sistem pengusir hama burung berbasis compter vision dengan Jetson Nano dan Arduino UNO. Sistem ini bekerja dengan mendeteksi hama burung pipit yang di ambil secara real time dengan kamera, ketika sistem mendeteksi alat menyalakan buzzer dan servo yang diikatkan dengan tali untuk mengusir hama burung pipit. Sistem yang digunakan meliputi kamera modul, Jetson Nano, Arduino UNO, servo, buzzer dan tali. Hasil dari pengujian kinerja dari alat dapat berjalan sesuai dengan yang direncanakan. Pada pengujian kamera didapatkan jarak ideal yaitu kurang dari 30 meter untuk cuaca cerah dan kurang dari 20 meter untuk cuaca mendung, FPS tertinggi yang diperoleh 18 FPS, penggunaan RAM 1,4 Gib dari total kapasitas maksimal RAM 1,9 Gib, serta Intensitas cahaya ideal yaitu pada tingkat kecerahan di bawah 1,7. Kata kunci — Computer vision, Jetson Nano, Hama burung pipit
Ekstraksi Detak Jantung Berbasis Pengolahan Citra Wajah Dengan Algoritma Bss (blind Separation Signal) (heart Rate Extraction Based On Processing Of Facial Images Using Bss (blind Separation Signal) Algorithm) Utari Nur Ramadhani Yora; Hilman Fauzi; Syamsul Rizal
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Detak Jantung merupakan suara debaran jantung yang dihasilkan akibat aliran darah melewati jantung. Jantung merupakan organ vital sehingga metode untuk mendeteksinya beraneka ragam, mulai dari metode konvensional hingga modern. Semakin berkembangnya teknologi membuat sistem pendeteksi detak jantung kini semakin maju. Pada penelitian Tugas Akhir ini, akan dilakukan pengembangan lebih lanjut mengenai ekstraksi detak jantung manusia menggunakan citra wajah. Metode yang digunakan adalah Blind Separation Signal (BSS) dengan metode deteksi wajah yang digunakan adalah You Only Look Once (YOLO) generasi ketiga atau YOLOv3 dengan mengamati ROI dari variasi warna kulit wajah seseorang yang disebabkan oleh sirkulasi darah. Hasil akhirnya berupa detak jantung manusia berbasis aplikasi python yang memudahkan kita untuk mengukur detak jantung. Akurasi yang didapatkan untuk model deteksi objek YOLOv3 adalah sebesar 95%. Pengujian terbaik dilakukan pada posisi wajah lurus dengan jarak 40 cm dan dilakukan pada malam hari menggunakan pencahayaan lampu LED 14.5watt dan didapatkan akurasi tertinggi adalah 97,7%. Kata Kunci: Jantung, Detak Jantung, Pengolahan Citra Digital Wajah, Blind Separation Signal (BSS), You Only Look Once (YOLO), Region of Interest (ROI).
Sistem Controlling Dan Monitoring Cairan Infus Berbasis Android Dieny Rofiatul Mardiyah; Iwan Iwut Tritoasmoro; Syamsul Rizal
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Cairan infus merupakan salah satu kebutuhan rumah sakit untuk membantu pasien yang mengalami kekurangan elektrolit didalam tubuhnya. Ketepatan pemberian cairan infus sangatlah penting untuk menjaga kondisi pasien agar tetap dalam kondisi baik. Beberapa hal yang perlu diperhatikan adalah kecepatan tetes cairan infus, jenis cairan infus, dan ketersediaan cairan infus didalam labu infus pasien. Oleh karena itu secara rutin petugas medis harus selalu melakukan kunjungan ke setiap kamar untuk memastikan bahwa cairan infus yang diberikan kepada pasien masih berfungsi dengan baik. Namun, tidak sedikit kasus yang terjadi cairan infus tidak terkontrol dengan baik oleh petugas medis. Diperlukan sebuah sistem untuk memonitor dan mengontrol cairan infus untuk meningkatkan pengawasan petugas medis terhadap pemberian cairan infus terhadap pasien. Sistem yang dibuat pada Tugas Akhir ini akan dihubungkan dengan beberapa sensor yang dipasang pada cairan infus. Sensor yang digunakan diantaranya LED, photodiode, servo dan potensio geser. Data dari sensor akan dikirimkan pada Firebase Real-time Database dan selanjutnya akan ditampilkan pada Aplikasi Android. Sehingga petugas medis akan lebih leluasa dalam mengawasi dan mengontrol setiap pasien meski pada jarak jauh. Sistem yang telah dibuat memiliki tingkat akurasi rata-rata sebesar 97.89%. Hal tersebut menandakan bahwa sistem controlling dan monitoring cairan infus sudah berjalan dengan baik sesuai dengan yang diharapkan.Kata Kunci: Sensor, Android, Controlling, Monitoring, infus.
Co-Authors Achmad Rizal Ana Rahma Yuniarti Dhanar Bintang Pratama Dieny Rofiatul Mardiyah Fajar Kurniawan Alhamal FAUZI FRAHMA TALININGSIH Favian Dewanta Ferdinand Aprillian Manurung Gelar Budiman Hilman Fauzi, Hilman Hurianti Vidya Iqbal Muhammadin Iwan Iwut Tritoasmoro Jangkung Raharjo Ledya Novamizanti Mochamad Dandi Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Nor Kumalasari Caecar Pratiwi Novelita Dwi Miranda Nugraeni Kholifaturrofiah Nur Ibrahim R. Yunendah Nur Fu’adah Rendi Bagus Oklanri Rita Magdalena SOFIA SAIDAH Utari Nur Ramadhani Yora