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 14 Documents
Search

 1   2 
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