Article Per Year (5 Year)
p-Index From 2021 - 2026
2.286
P-Index
This Author published in this journals
All Journal International Conference on Engineering and Technology Development (ICETD) Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Pengabdian Kepada Masyarakat (JPKM) Tabikpun Jurnal Pengabdian Masyarakat Tapis Berseri Jurnal Sains dan Informatika : Research of Science and Informatic
Erlangga Erlangga
Universitas Bandar Lampung
Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Education Engineering Health Professions Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Digitalisasi Sistem Marketing Minyak Nilam Dengan Model Perancangan Berbasis Unified Approach Method Eka Ridhawati; Erlangga; Yuli Syafitri
SAINS DAN INFORMATIKA : RESEARCH OF SCIENCE AND INFORMATIC Vol. 7 No. 1 (2021): Jurnal Sains dan Informatika : Research of Science and Informatic
Publisher : Lembaga Layanan Pendidikan Tinggi (LLDIKTI) Wilayah X

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1429.076 KB) | DOI: 10.22216/jsi.v7i1.304

Abstract

Penelitian ini dilakukan untuk merancang sebuah sistem pemasaran Minyak Nilam berbasis Unified Approach Method karena selama ini sistem pemasaran yang masih manual membuat usaha Minyak Nilam yang sedang marak dikembangkan oleh masyarakat Pasaman Barat berjalan lambat dan selalu mengalami kendala dalam pelaporan setiap transaksi yang terjadi baik harian maupun bulanan. Penggunaan metode Unified Approach membuat perancangan lebih memiliki korelasi dengan teknik pemrograman yang berbasis object oriented. Hasil dari penelitian ini adalah tersedianya sebuah rancangan sistem pemasaran berbasis digital sehingga dapat mempermudah setiap pencatatan transaksi yang terjadi dan membuat kegiatan pendokumentasian lebih rapi dan terstruktur
Pelatihan Aplikasi SALAMAN Sebagai Bentuk Elaborasi Dalam Meningkatkan Efektifitas Layanan Sanitasi Pada UPT Layanan Air Limbah Dinas Perkim Lampung Selatan Ari Kurniawan Saputra; Yuthsi Aprilinda; Taqwan Thamrin; Fenty Ariani; Erlangga
Jurnal Pengabdian Masyarakat Tapis Berseri (JPMTB) Vol. 2 No. 1 (2023): Jurnal Pengabdian Masyarakat Tapis Berseri (JPMTB) (Edisi April)
Publisher : Pusat Studi Teknologi Informasi Fakultas Ilmu Komputer Universitas Bandar Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jpmtb.v2i1.41

Abstract

Dalam tugas pokok dan fungsi Unit Pelaksana Teknis (UPT) Layanan Air Limbah Dinas Perumahan dan Permukiman (PERKIM) Kabupaten Lampung Selatan tertuang pada pasal 15 PERBUP nomor 44 tahun 2016 menjelaskan bahwa UPT Layanan Air Limbah bertanggung jawab dalam melaksanakan tugas pengurangan dan pengelolaan air limbah, pengelolaan jaringan drainase lingkungan serta evaluasi dan pelaporan agar dapat terlaksana sesuai dengan program kerja yang telah disusun. Untuk meningkatkan pengelolaan layanan sanitasi UPT Layanan Air Limbah membuat inovasi yaitu Aplikasi SALAMAN. Berdasarkan pelatihan yang telah dilakukan, disimpulkan bahwa pelatihan ini dapat meningkatkan kemampuan peserta dalam pengoperasian Aplikasi SALAMAN yang ditunjukan pada hasil aspek capaian penilaian para peserta mendapatkan rata-rata penilaian Sangat Baik (SB) dengan nilai angka capaian > 70 poin. Serta capaian keberhasilan pelatihan penguasaan pengoperasian Aplikasi SALAMAN sebagai bentuk elaborasi dalam meningkatkan layanan sanitasi pada UPT Layanan Air Limbah Dinas Perkim Lampung Selatan ditunjukan pada tingginya tolak ukur capaian keberhasilan Sangat Setuju (SS) dari 4 instrumen pertanyaan yang di respon oleh 9 peserta pelatihan.
Mommy Care: Inovasi Cerdas untuk Monitor Kondisi Ibu Hamil dengan Mikrokontroler dan Aplikasi Erlangga Erlangga; Delfita Sari; Angga Saputra; Ayu Kartika Puspa; Yuthsi Aprilinda
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 13, No 1 (2023): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v13i1.3168

Abstract

Mommy Care: Smart Innovation for Monitoring Pregnant Women’s Condition with Microcontroller and Application - Pregnancy is an important moment in a woman’s life. Therefore, monitoring the health of pregnant women is very important. This study aims to develop an application called Mommy Care that can make it easier for pregnant women to perform health checks quickly and gradually without being limited by space and time. This application is integrated with a microcontroller equipped with temperature, blood pressure, and heart rate sensors. The test results show that the designed device can work well and provide accurate health information. Thus, it can be said that the designed device can be used well and reliably. This study contributes to the development of e-health technology that can improve the quality of life and health of pregnant women in Indonesia.
Face Recognition dengan YOLO 8 dan Convolutional Neural Network (CNN) Setiawan, Asep Trisna; Prihatmanto, Ary Setijadi; Erlangga, Erlangga; Ariani, Fenty; Permana, Adi
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4658

Abstract

Pengenalan wajah merupakan teknologi penting dalam biometric authentication untuk sistem keamanan dan identifikasi otomatis, namun metode tradisional masih terkendala oleh variasi pose dan pencahayaan. Penelitian ini bertujuan untuk mengembangkan dan mengintegrasikan arsitektur YOLOv8 sebagai face detector dan Convolutional Neural Network (CNN) sebagai face recognizer ke dalam satu pipeline end-to-end yang efisien. Metodologi yang digunakan melibatkan penggunaan YOLOv8 untuk deteksi dan lokalisasi wajah secara real-time, diikuti proses cropping serta alignment, dan diakhiri dengan klasifikasi identitas menggunakan model CNN berbasis transfer learning. Dataset yang digunakan mencakup 38 individu dengan total 380 citra yang dilatih menggunakan GPU NVIDIA GTX 1070. Hasil penelitian menunjukkan bahwa YOLOv8 mencapai performa sangat baik dengan nilai mean Average Precision (mAP@0.5) sebesar 0,972 dan waktu inferensi hanya 12,5 ms per frame. Sementara itu, model CNN berhasil mencapai akurasi pengujian sebesar 93,8% dengan F1-Score 0,93. Meskipun sistem mengalami penurunan performa pada kondisi pencahayaan rendah (low light) dan oklusi, integrasi kedua model ini terbukti tangguh dan layak diimplementasikan untuk aplikasi praktis seperti kontrol akses dan sistem kehadiran otomatis secara real-time. Pengembangan lanjutan disarankan untuk meningkatkan ketahanan model terhadap pose ekstrem dan hambatan visual yang berat.
Optimasi Parameter Neural Network untuk Meningkatkan Efisiensi Pembelajaran Model Saputra, Ari Kurniawan; Endra, Robby Yuli; Erlangga, Erlangga
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4618

Abstract

Penelitian ini dilakukan untuk mengatasi permasalahan rendahnya stabilitas dan efisiensi pembelajaran pada Neural Network yang disebabkan oleh pemilihan parameter awal secara acak, seperti bobot, bias, dan learning rate. Penelitian ini bertujuan mengoptimasi parameter-parameter tersebut agar proses pelatihan menjadi lebih stabil, cepat, dan konsisten. Metode yang digunakan adalah optimasi Particle Swarm Optimization (PSO) yang diterapkan melalui tujuh tahapan, mulai dari pra-proses data, perancangan arsitektur model, perhitungan fungsi loss, inisialisasi bobot, optimasi learning rate serta bobot awal, sampai pelatihan model dan evaluasi performa. Dataset terdiri dari 10 sampel dengan lima fitur input dan satu target harga jual. Hasil penelitian menunjukkan bahwa PSO berhasil menghasilkan learning rate optimal sebesar 0.174 dan bobot awal yang lebih stabil dibandingkan model baseline. Evaluasi menggunakan confusion matrix menunjukkan peningkatan performa dibandingkan baseline yang hanya memperoleh accuration 60%, precision 0.60, recall 1.00, dan F1-score 0.75. Secara keseluruhan, optimasi PSO terbukti meningkatkan stabilitas pembelajaran, mempercepat konvergensi, dan menghasilkan model Neural Network yang lebih efisien serta lebih akurat.
Co-Authors Adi Guntoro Afandi, Freddy Nur Ahmad Cucus Alfan Furqon Ananta Reza Bahar Angga Saputra Anggraini, Mar Hidayati Ari Kurniawan Saputra Ari Kurniawan Saputra Ariani, Fenty Ayu Kartika Puspa Delfita Sari Dian Kurniawan Eka Ridhawati Erni Sri Wahyuni Fenty Ariani Fenty Ariani Hadi Sutrisno Handayani W Jefri Krisna Putra Mar Hidayati Anggraini Marpitalia Marpitalia Nico Susanto Panji Maulana Permana, Adi Prakarsa Cendekia Prihatmanto, Ary Setijadi Reni Nursyanti Repa Aprilia Rexy Hari Rafsanjani Robby Yuli Endra Saputra, Ari Kurniawan Setiawan, Asep Trisna Susanty W Taqwan Thamrin Taqwan Thamrin Thamrin T Tia Tanjung Tifanny Martavia Usman Rizal Wiwin Susanty Yanuarius Yanu Dharmawan Yeni Oktavia Yolandari Yolandari Yulfriwini YULFRIWINI Yuli Syafitri Yuliana Yuliana Yuthsi Aprilinda Yuthsi Aprlinda