Article Per Year (5 Year)
p-Index From 2020 - 2025
2.1
P-Index
This Author published in this journals
All Journal Epsilon: Jurnal Matematika Murni dan Terapan AXIOM : Jurnal Pendidikan dan Matematika To Maega: Jurnal Pengabdian Masyarakat Jurnal Teknologi Dan Sistem Informasi Bisnis Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Yulinda Eliskar
Universitas Telkom
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Transportation Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : eProceedings of Engineering

 1 
Penerapan Knn Dan Cnn Pada Aplikasi Mobile Pendeteksi Kematangan Buah Semangka Berbasis Audio Putri, Gisky Rahmada; Budiman, Gelar; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Semangka banyak diminati masyarakat karena kandungan pada buahnya yang memiliki banyak air sehingga sangat segar saat dikonsumsi, selain itu banyak juga segudang manfaat didalamnya. Akan tetapi keminatan terhadap buah semangka ini tidak diikuti dengan pengetahuan masyarakat terhadap matang atau tidaknya buah semangka yang dijual di pasaran. Oleh karena hal tersebut menjelaskan bahwa membutuhkan alat pendeteksi untuk membantu masyarakat saat pemilihan buah semangka. Dengan alasan ini lah peneliti ingin menciptakan alat pendeteksi semangka berbasis android menggunakan machine learning serta deep learning. machine learning disini menggunakan metode CNN serta MFCC, lalu pada deep learning menggunakan metode CNN. Adanya dua alat tersebut dilakukan perbandingan akurasi pada semangka yang akan diuji. Dengan menepuk buah semangka dapat menghasilkan output yang berbeda dari nyaringnya, sehingga buah semangka yang diketuk dapat diketahui tingkat kematangannya. Bunyi nyaring yang dikeluarkan pada buah semangka dihasilkan karena kandungan yang terdapat pada buah semangka sendiri terutama pada kandungan airnya. Pada buah semangka yang sudah matang tentu saja kandungan air sudah banyak sehingga bunyi yang dihasilkan tidak terlalu nyaring, sedangkan buah muda akan terdengar nyaring karena masih sedikit pada kandungan airnya. Dari hasil penelitian yang sudah diuji menghasilkan tingkat akurasi pada CNN yaitu 70 hingga 80%. Dengan demikian penelitian ini memiliki tujuan terutama untuk mengedukasi masyarakat terhadap kematangan buah semangka, serta menghindari penipuan saat membelinya. Kata kunci — Semangka, Matang, Machine learning, Deep learning, Android.
Analisis Sentimen Menggunakan Algoritma Naive Bayes Classifier Pada Ulasan Aplikasi PLN Mobile di Google Play Store Pramuji, Mochammad Chandra; Purnamasari, Rita; Eliskar, Yulinda; Thaha, Abdurrahman Rahim
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk memudahkan pengolahan big data dari ulasan aplikasi PLN Mobile menggunakan analisis sentimen berbasis algoritma Naive Bayes. Data ulasan diperoleh melalui web scraping dari Google Play Store dan diberi label berdasarkan sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mencapai akurasi 93%, precision 80%, recall 88%, dan f1-score 83%. Temuan ini mengindikasikan bahwa metode Machine Learning dan kecerdasan buatan dapat membantu PLN mengolah big data ulasan pelanggan dengan lebih efisien dan akurat. Dengan demikian, PLN dapat merespons umpan balik pengguna dengan lebih baik dan meningkatkan layanan berdasarkan analisis yang dihasilkan dari model yang digunakan.
Lampu Lalu Lintas Adaptif untuk Prioritas Kendaraan Ambulans Syauqi, Nabil Ali; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Indonesia menghadapi masalah kemacetan lalu lintas yang semakin parah akibat pertumbuhan populasi dan urbanisasi yang pesat. Kepadatan penduduk yang tinggi menyebabkan tekanan pada infrastruktur jalan raya dan mengganggu kelancaran lalu lintas. Lampu lalu lintas berperan penting dalam mengatur arus kendaraan, namun seringkali tidak efektif dalam memberikan prioritas kepada ambulans, terutama ketika koordinasi lampu merah tidak memadai. Penelitian ini bertujuan merancang sistem berbasis Radio Frekuensi (RF) yang dapat secara otomatis mengubah siklus lampu lalu lintas untuk memberikan prioritas kepada kendaraan gawat darurat seperti ambulans, guna meningkatkan respons darurat. Usulan solusi untuk masalah ini adalah menggunakan teknologi Frekuensi Radio (RF), dimana akan ada alat di kendaraan ambulans yang akan memberi masukan sinyal yang dikirimkan ke pusat kendali lampu lalu lintas secara nirkabel. Penerapan sistem pendeteksi ambulans menggunakan sinyal RF dengan nRF24L01+ bisa digunakan untuk mengidentifikasi kendaraan ambulans yang datang. Setiap kendaraan ambulans yang telah dipasangi antena TX berupa nRF24L01+ dapat mengirim sinyal ke antena RX yang terdapat di lampu lalu lintas. Ketika sistem telah terhubung, maka CORE dapat memproses sinyal yang telah diterima oleh antena RX untuk melakukan interupsi mode lampu lalu lintas dari mode normal menjadi mode darurat. Kata kunci— Ambulans,Arduino, Lampu Lalu Lintas, nRF24L01+, Radio Frekuensi.
Perancangan Alat Pemrosesan Sampah Organik Berbasis Internet of Things (IoT) Untuk Pembuatan Kompos Prasojo, M Heru; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penanganan sampah organik rumah tangga yang kurang efektif dapat menyebabkan penumpukan sampah yang berdampak negatif pada lingkungan. Salah satu solusi untuk mengatasi masalah ini adalah dengan pengomposan. Penelitian ini mengusulkan desain sistem pemantauan pengomposan berbasis Internet of Things (IoT) yang menggunakan mikrokontroler NodeMCU ESP32 dan berbagai sensor untuk memantau proses pengomposan secara real-time. Sistem ini menggabungkan pembuatan kompos kering dan cair dalam satu wadah untuk efisiensi ruang dan mobilitas. Selama pengujian 24 hari, sensor-sensor yang digunakan menunjukkan akurasi yang memadai: sensor DHT22 dengan error ±1%, sensor kelembaban tanah ±1%, sensor gas MQ-4 dengan error 75,8%, sensor pH tanah ±7%, dan sensor level air ±2%. NodeMCU ESP32 dapat mengirimkan data secara real-time dengan performa baik, dan motor DC efektif dalam mengaduk kompos. Uji coba website monitoring menunjukkan kepuasan tinggi dari pengguna, dengan 99,33% menilai website tersebut mudah digunakan dan user-friendly. Alat ini dapat mengurangi masalah sampah organik dengan menghasilkan kompos kering dalam 24 hari dan kompos cair dalam 19 hari, serta mendukung daur ulang sampah organik secara efisien. Kata kunci— Akurasi sensor, Efisiensi, Internet of Things (IoT), Sampah, Sistem pengomposan, Website
Sistem Counter Push-Up Dan Sit-Up Berbasis Sensor Irawan, Meisi; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian bertujuan mengembangkan sebuah sistem deteksi kelelahan berbasis teknologi website yang menggunakan model Convolutional Neural Network (CNN) untuk menganalisis kondisi mata. Sistem ini dirancang untuk mengidentifikasi tanda-tanda kelelahan pada masinis dan asisten masinis di PT Kereta Api Indonesia (Persero), yang bertujuan meningkatkan keselamatan dan efisiensi operasional. Website yang dibangun menggunakan HTML dan CSS, dengan fitur yang memungkinkan pengujian deteksi kelelahan serta tes buta warna. Pengujian sistem website dilakukan melalui metode Blackbox dan kuesioner. Hasil pengujian Blackbox menunjukkan bahwa semua fungsi pada website beroperasi sesuai dengan spesifikasi tanpa adanya bug. Kuesioner yang diisi oleh 22 responden menunjukkan tingkat kepuasan yang tinggi, terutama dalam hal kecepatan deteksi dan akurasi sistem. Kata kunci — Deteksi kelelahan, keselamatan kerja, pengujian Blackbox, PT Kereta Api Indonesia, website.
Implementasi Convolutional Neural Network (CNN) dengan Arsitektur VGG-19 untuk Deteksi Kelelahan Tubuh Melalui Kondisi Mata Pratama , M Hidayatullah; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Kelelahan merupakan kondisi di mana ketika tubuh seseorang sudah kekurangan kapasitas yang dimiliki, sehingga akan berdampak pada produktifitas kerja. Ada banyak cara atau metode untuk mengetahui kondisi seseorang yang sedang mengalami kelelahan, salah satunya yaitu dengan cara melakukan sesi tanya jawab seperti yang dilakukan pada masinis di PT Kereta Api Indonesia setiap kali ingin bertugas. Meskipun metode ini sudah cukup baik, namun kurang fleksibel jika terus menerus harus dilakukan sesi tanya jawab di setiap sebelum para masinis bekerja. Penelitian ini menerapkan Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk membuat sistem yang dapat melakukan deteksi kelelahan tubuh melalui kondisi mata. Dataset yang digunakan terdiri dari 2 kelas, data sakit yang berisi gambar-gambar kondisi mata seseorang yang sedang kelelahan dan data sehat yang berisi gambar-gambar kondisi mata seseorang yang tidak sedang kelelahan. Hasil pengujian yang dilakukan menunjukkan bahwa model yang dibuat mempunyai akurasi %. Model dapat melakukan deteksi tubuh yang lelah dengan akurasi % dan tubuh yang tidak lelah dengan akurasi %. Kata kunci—CNN, kelelahan, PT Kereta Api Indonesia, VGG-19.
Perancangan Sistem Deploy Untuk Menghubungkan Machine Learning Ke Website Kamil, Muhammad Zulvikar Fadlillah; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Studi ini mengkaji proses perancangan sistem yang menghubungkan model machine learning dengan aplikasi web. Tujuannya adalah menciptakan akses langsung bagi pengguna terhadap model tersebut. Kami mengembangkan arsitektur yang memadukan teknologi machine learning dan web secara efisien, dengan penekanan pada kemudahan penerapan dan kinerja sistem. Proses perancangan mencakup analisis kebutuhan, pemilihan teknologi yang sesuai, serta serangkaian pengujian untuk menjamin performa dan kehandalan. Temuan kami menunjukkan bahwa sistem yang dirancang berhasil meningkatkan aksesibilitas dan penerapan model machine learning dalam lingkungan web. Hal ini memberikan dampak positif terhadap adopsi teknologi kecerdasan buatan secara lebih luas. Kata kunci— Integrasi web, Machine learning, Sistem penerapan.
Sistem Deteksi Dan Manajemen Prioritas Adaptif Kendaraan Darurat Untuk Pengendalianlampu Lalu Lintas Wibawa, Made Hady Sadya; Soetedjo, Erlangga Rahmat; Mua, Edward Christhoper; Eliskar, Yulinda; Purnamasari, Rita
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

Keterlambatan kendaraan darurat di persimpangan lalu lintas dapat berdampak serius terhadap keselamatan publik, khususnya di lingkungan perkotaan yang padat. Untuk mengatasi tantangan ini, makalah ini mengusulkan sistem kontrol lalu lintas berbasis edge secara real-time yang secara dinamis memprioritaskan kendaraan darurat melalui deteksi multimodal. Sistem ini mengintegrasikan pengenalan sirene berbasis audio dan deteksi objek visual menggunakan algoritma YOLOv5, yang diimplementasikan pada platform komputasi edge Raspberry Pi. Mikrofon arah dan modul kamera digunakan untuk menangkap data lingkungan, yang kemudian diproses secara paralel untuk mengidentifikasi keberadaan serta arah kedatangan kendaraan darurat. Berdasarkan hasil deteksi, sistem akan menyesuaikan waktu sinyal lalu lintas normal dengan mengaktifkan fase lampu hijau pada lajur yang sesuai, sehingga memastikan kendaraan darurat dapat melintas segera. Evaluasi eksperimental yang dilakukan pada prototipe skala 1:50 menunjukkan akurasi deteksi yang tinggi dan latensi yang rendah. Subsistem audio mencapai waktu respons di bawah 50 ms dengan deteksi yang konsisten dari berbagai arah. Modul visual menghasilkan skor kepercayaan rata-rata di atas 0,87 dan berhasil mengklasifikasikan semua kendaraan darurat maupun non-darurat dengan benar. Sistem ini juga menunjukkan kinerja komputasi yang stabil di bawah beban kerja berkelanjutan. Temuan ini membuktikan kelayakan penerapan mekanisme kontrol sinyal lalu lintas yang ringan, responsif, dan tidak bergantung pada infrastruktur, sejalan dengan tujuan kota cerdas dalam mengoptimalkan respons terhadap keadaan darurat. Kata Kunci—deteksi kendaraan darurat, kontrol lampu lalu lintas, komputasi edge, YOLOv5, sensor multimodal, Raspberry Pi, sistem waktu nyata, kota cerdas
Co-Authors Abdurrahman Rahim Thaha Dita Puspitasari Gelar Budiman Hilman Fauzi, Hilman Irawan, Meisi Kamil, Muhammad Zulvikar Fadlillah KHAERUDIN SALEH Mua, Edward Christhoper Nina Fitriyati Pramuji, Mochammad Chandra Prasojo, M Heru Pratama , M Hidayatullah Putri, Gisky Rahmada Rahman, Nurfadilah Rita Purnamasari Rustam Rustam Rustam Soetedjo, Erlangga Rahmat Syauqi, Nabil Ali Wibawa, Made Hady Sadya