Article Per Year (5 Year)
p-Index From 2020 - 2025
5.678
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Transmisi: Jurnal Ilmiah Teknik Elektro Bulletin of Electrical Engineering and Informatics Bulletin of Electrical Engineering and Informatics Jurnal Mahasiswa TEUB Jurnal EECCIS Bulletin of Electrical Engineering and Informatics Network Engineering Research Operation [NERO] Indonesian Journal of Electrical Engineering and Computer Science Jurnal INFOTEL
Mudjirahardjo, Panca
Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya
Computer Science & IT Education Electrical & Electronics Engineering Engineering

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
Penerapan Algoritma Monte Carlo Localization dan Dead Reckoning untuk Mengetahui Posisi Robot Sepak Bola Beroda di Lapangan KRSBI-B Arafah, Ghifari Raihan; Mudjirahardjo, Panca; Djuriatno, Waru
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penerapan metode Monte Carlo Localization(MCL) dengan pemanfaatan fitur lapangan melalui kameraomni-directional dilakukan untuk mengatasi keterbatasanrobot. Keterbatasan Enspartan dalam menentukan posisinya dilapangan, yang merupakan robot sepak bola beroda yangdikembangkan oleh Universitas Brawijaya dan hanyamengandalkan metode dead reckoning dengan sensor rotaryencoder dalam estimasi posisinya. Evaluasi kinerja algoritmadilakukan berdasarkan parameter akurasi, presisi, dan efisiensimenggunakan pendekatan Root Mean Square Error (RMSE),simpangan baku (standard deviation), dan waktu eksekusi.Pengujian dilakukan dengan membandingkan dua pendekatan,yaitu MCL tanpa dead reckoning dan MCL dengan deadreckoning, guna menentukan metode yang lebih optimal dalammeningkatkan kemampuan navigasi robot. Tahapan penelitianmeliputi pengambilan 50 sampel yang ditentukan berdasarkanformula sample size dengan tingkat kepercayaan 95% dantoleransi kesalahan ±1. Perbandingan antara algoritma MCLdengan dead reckoning dan MCL tanpa dead reckoningberdasarkan akurasi, presisi, dan efisiensi. Hasil yang diperolehmenunjukkan bahwa pada MCL tanpa dead reckoning, nilaiakurasi, presisi, dan waktu eksekusi secara berurutan adalah20,81%, 98,0%, dan 2358,67 ms, sedangkan pada MCL dengandead reckoning masing-masing sebesar 2,79%, 12,88%, dan1023,72 ms. Dengan demikian, penerapan dead reckoning padaalgoritma MCL terbukti meningkatkan presisi sebesar 92%,akurasi sebesar 86,6%, serta efisiensi kinerja sebesar 56,59%dibandingkan dengan MCL tanpa dead reckoning.Kata Kunci— Monte Carlo Localization, Dead Reckoning,Robot Sepak Bola Beroda, Kamera Omni-directional, KinerjaAlgoritma
RANCANG BANGUN ALAT DETEKSIKUALITAS BUAH BERBASIS MACHINE LEARNING DENGAN ESP32-CAM Bimasena, Muhammad Farrel; Mudjirahardjo, Panca; Setyawan, Raden Arief
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Kualitas buah yang baik sangat penting dalam industri pertanian dan perdagangan, karena buah yangtidak memenuhi standar dapat menyebabkan kerugian ekonomi dan dampak lingkungan yang signifikan.Metode tradisional dalam penilaian kualitas buah yang bergantung pada inspeksi manual sering kali tidakefisien dan rentan terhadap kesalahan. Dengan meningkatnya permintaan global untuk produksi pangan,diperlukan solusi yang lebih efektif. Penelitian ini menggunakan machine learning dan deep learning melaluiimage classification untuk mendeteksi kualitas buah secara real-time. Dataset tampilan atas buah jambu kristaldengan kelas grade_a, grade_b, dan grade_c yang secara keseluruhan berjumlah 451 gambar dirancangmenggunakan model convolutional neural network (CNN) menunjukkan hasil dengan model terbaikmenggunakan fungsi optimasi Adam mencapai accuracy 90,49%, precision 90,84%, recall 91,05%, dan F1-score 90,84% pada training dan validasi serta accuracy 88,33%, precision 88,88%, recall 88,33%, dan F1-score 87,83% pada testing. Model ini dikonversi ke TensorFlow Lite lalu diekspor ke ESP32-CAM denganbantuan Edge Impulse untuk deployment, memungkinkan klasifikasi gambar buah. Saat model terbaik tersebutdiuji dengan ESP32-CAM, diperoleh nilai accuracy 83,33%, precision 89,00%, recall 83,33%, dan F1-score82,33%.Kata Kunci: Kualitas Buah, Jambu Kristal, Machine Learning, Convolution Neural Network, ESP32-CAM
DETEKSI AYAM BROILER MENGGUNAKAN ALGORITMA YOLOV7 DENGAN SOFT-NMS DALAM KANDANG CLOSED HOUSE Permatasari, Alissa Dyah Ayu; Mudjirahardjo, Panca; Muslim, Muhammad Aziz
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Proses pemeliharaan ayam broiler membutuhkan teknik khusus dan pemantauan yang tepat. Namun, pemantauanayam broiler di Indonesia mayoritas masih dilakukan secara manual sehingga membutuhkan waktu dan tenaga kerja yangcukup besar. Seiring dengan berkembangnya teknologi kecerdasan buatan, berbagai sistem pemantauan otomatis dalampeternakan ayam broiler mulai banyak dikembangkan. Namun, secanggih apa pun sistem tersebut, kualitasnya sangatbergantung pada akurasi dari tahap paling dasar, yaitu deteksi objek. Oleh karena itu, untuk mendukung permasalahantersebut, penelitian ini bertujuan untuk mendeteksi ayam dalam kandang menggunakan algoritma YOLOv7. Selain itu, objekyang tumpang tindih atau berdekatan masih menjadi tantangan tersendiri dalam deteksi objek. Sehingga, penelitian iniberfokus pada perbandingan dua metode post-processing menggunakan algoritma YOLOv7, yaitu NMS dan Soft-NMS, untukmengetahui sejauh mana metode tersebut dapat memengaruhi kualitas deteksi ayam broiler dalam kandang. Hasilnyadidapatkan bahwa algoritma YOLOv7 dengan Soft-NMS Gaussian lebih unggul dengan nilai mAP sebesar 0.893. Namunmetode ini memiliki kelemahan pada aspek kecepatan prediksi, yaitu 260.6 ms. Sementara itu, NMS masih menjadi metodeyang lebih efisien dari segi waktu prediksi, yaitu 67.2 ms dengan nilai mAP yang hampir setara, yaitu 0.891. Oleh karena itu,penggunaan Soft-NMS pada kasus deteksi objek yang tumpang tindih disarankan, namun tetap harus mempertimbangkantingkat overlap antar objek untuk memperoleh hasil deteksi yang optimal.Kata Kunci—Ayam Broiler, Deteksi Objek, YOLOv7, Soft-Non-Maximum Suppression
KLASIFIKASI KADAR NITRIT PADA AIR MENGGUNAKAN SPEKTROFOTOMETRI KAMERA DAN METODE SUPPORT VECTOR MACHINE (SVM) Panjaitan, Gian Amadea; Mudjirahardjo, Panca; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Peningkatan kadar nitrit dalam air minum, yangsebagian besar berasal dari penggunaan pupuk nitrogen disektor pertanian, telah menjadi isu lingkungan dankesehatan yang signifikan [1]. Meskipun nitrogen pentinguntuk produksi pangan [2], residunya dapat mencemari airtanah dan permukaan, menyebabkan akumulasi nitrat dannitrit yang berpotensi membahayakan kesehatan manusia[3]. Nitrit dalam tubuh dapat membentuk senyawa Nnitroso yang bersifat karsinogenik [4]. WHO telahmenetapkan batas aman nitrit dalam air minum sebesar 10mg/L [5], namun studi menunjukkan banyak wilayah yangmelebihi batas ini, baik di negara maju maupunberkembang [6]. Berdasarkan latar belakang tersebut,penelitian ini mengembangkan sistem klasifikasi kadarnitrit dalam air menggunakan pendekatan spektrofotometriberbasis kamera dan algoritma Support Vector Machine(SVM). Sistem ini dirancang untuk memberikan solusipraktis, portabel, dan terjangkau bagi deteksi nitrit,khususnya di daerah dengan keterbatasan akseslaboratorium.Kata Kunci: Nitrit, Air Minum, Spektrofotometri Kamera,Support Vector Machine, Klasifikasi.I. PENDAHULU
Optimasi Struktur Convolutional Neural Network LeNet5m dengan Pendekatan MorphNet Herasmara, Ridho; Muslim, Muhammad Aziz; Mudjirahardjo, Panca
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 13 No. 3 (2019)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v13i3.617

Abstract

Pendekatan perancangan neural network saat ini, menghasilkan rancangan yang tidak efisien. Rancangan yang tidak efisien ini menyebabkan penggunaan sumber daya yang lebih tinggi dibandingkan network yang lebih efisien. Hal ini juga merupakan permasalahan yang dialami network LeNet5, sebuah convolutional neural network untuk klasifikasi digit tulisan tangan yang dilatih dengan menggunakan dataset MNIST. Kami mengusulkan pendekatan MorphNet untuk optimasi kebutuhan flops-nya. Pendekatan MorphNet mengerdilkan network dengan menggunakan L1 regularization untuk menonaktifkan neuron pada tingkat aktivasinya. Neuron yang tidak aktif ini memiliki imbas yang kecil terhadap kinerja network, sehingga akan diusulkan untuk dihilangkan pada struktur yang baru. Network ini kemudian dapat dibesarkan untuk realokasi sumber daya. Sebagai hasilnya, didapatkan beberapa network baru yang lebih efisien dalam kebutuhan flops hingga 69%, dengan tetap mempertahankan tingkat akurasi pada rentang 98.5%. Kami menyimpulkan bahwa pendekatan MorphNet berhasil meningkatakan efisiensi dengan cara menghilangkan neuron yang berimbas kecil terhadap kinerja network.
Human Detection Aerial Imagery Using Convolutional Neural Network Method Pangemanan, Christofel; Mudjirahardjo, Panca
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 19 No. 3 (2025)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v19i3.1811

Abstract

In disaster scenarios, accurate and efficient human detection is essential to support timely search and rescue operations. This study explores the performance of deep learning models YOLOv8n for human detection using datasets before and after data augmentation. The evaluation focuses on key metrics including Precision, Recall, F1-score, inference time, and mean Average Precision (mAP). Experimental results indicate that the model trained on the original dataset achieves Precision (0.9623), Recall (0.9464), and F1-score (0.9357), highlighting better accuracy in minimizing false positives and false negatives. Conversely, the augmented dataset leads to improvements in mAP (95.8 vs. 94.5) and inference speed (8.2 ms vs. 9 ms), demonstrating increased robustness and efficiency. These findings suggest that while training on unaugmented data slightly better detection accuracy, data augmentation enhances the model's overall performance, speed and perform well to detect object in occluction scenario, making the YOLOv8n model more suitable for real-time usage in disaster response scenarios.
RANCANG BANGUN BOOST CONVERTER PADA MINIATUR TURBIN ANGIN Nugraha, Dimas Aji; Mudjirahardjo, Panca; Nurwati, Tri
Jurnal Mahasiswa TEUB Vol. 12 No. 5 (2024)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

In the development of electronic devices today, it greatly helps in the advancement of increasingly sophisticated technologies, one of which is power electronic converters that have various applications such as buck converter, boost converter, buck-boost converter, etc. A boost converter is an electronic device that can convert AC to AC, AC to DC, DC to AC, and DC to DC by increasing the electrical voltage towards the predetermined target. In terms of the development of boost converter applications, they are widely found in renewable energy technologies such as solar, wind, water, geothermal, etc, which function as auxiliary devices to increase the voltage from the energy source to the storage location. In this research, a DC-DC boost converter will be designed for a miniature wind turbine with an input operating voltage of 3-7 volts and a desired output voltage target of around 12-13 volts, which will then be applied to charge a 12V 5AH battery. Keywords : Boost Converter, Renewable Energy, Miniature Wind Turbine, Battery Charging. 
RANCANG BANGUN ALAT PENERJEMAH KATA BAHASA ISYARAT PORTABEL DENGAN METODE KEYFRAME-BASED SEQUENCE CLASSIFICATION BERBASIS RASPBERRY PI ZERO 2 W Ikhsan, Muhammad; Djuriatno, Waru; Mudjirahardjo, Panca
Jurnal Mahasiswa TEUB Vol. 12 No. 6 (2024)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Sign language is the primary communication tool for individuals with speech disabilities. Information in sign language is conveyed through unique hand gestures and movement patterns. However, this uniqueness often becomes a barrier for those unfamiliar with it, making it challenging for people with speech disabilities to interact with individuals who do not understand sign language, whether in their surroundings, public spaces, or facilities. This study aims to produce a portable sign language translation device that is easy to carry, can be used independently without assistance, and translates sign language into voice, allowing users to communicate directly, as if they were speaking. The translation device uses CNN technology processed on a Raspberry Pi Zero 2 W to recognize hand gestures and movement patterns. A Keyframe-based sequence classification method is applied to identify keyframes from video recordings of SIBI (Indonesian Sign Language System) gestures. Of the 10 SIBI words, six key frames were identified as input for the classification model, utilizing a TimeDistributed architecture with MobileNetV2 for feature extraction, followed by 1D convolution. The model was optimized for efficiency and performance to enhance inference time and classification accuracy. Reducing the number of frames from six to four provided the best balance, with the fastest inference time of 0.5 seconds and validation accuracy of 96.76% using Depthwise Separable Convolution. Real-time testing showed an average accuracy of 98.31%, with the highest F1-score reaching 100% for the words "Ini" and "Bagaimana", while the lowest F1-score of 83.1% was achieved for the word "11" and 83.6% for the word "Mana". The device consumes 53.81 Wh and is capable of operating for20 hours in a usage scenario of 8 hours active use and 12 hours in idle mode before the next charging.Indeks Terms— Keyframe-Based Sequence Classification, Hand Gesture Classification, Portable Sign Language Translator Device, MobileNetV2.
Co-Authors Abdul Goffar Ricky Mahendra Achmad Basuki Adharul Muttaqin Ahmad Syafiq Kanzul Fikri Aiman Muhamad Basymeleh Airlangga, Daniar Putri Alkafi Dimitri Sukmana Andy Kurnia Santoso Angger Abdul Razak Anthony Wijoyo Arafah, Ghifari Raihan Bagus Esa Pramudya Bidin Yuniar Hamzah Bima Feridhan Nugraha Bimasena, Muhammad Farrel Brahmana, Nigel Shidqy Razendriya Chandra Halim Harahap Dachlan, Hary Soekotjo Danny Kurnianto Doni Juli Wiranata Eka Maulana Erni Yudaningtyas Esa Ilham Akbar Faradisa , Annisa' Illah Farihah Hedar Fatchur Rozi Al Fitrah Fauzi, Maher Feishal Reza Firmansyah, Vicky Gilang Luih Pinandita Haidar Taqy Hartono, Rafendra Ariwardana Hary Soekotjo Dachlan Hasdi Sasandi Ismail Musirin Ismail Musirin Ita Dwi Purnamasari Izanati, Nazuha Juan Mora Michael Marbun Juli Arianes Leonard Dimas Prakoso Lilik J. Awalin Lukman Gumelar M Fauzan Edy Purnomo M. Hanif Azhary M. Julius St Julius St M. Julius St Julius St, M. Julius St Machfud Firmansyah Manerep Luis Fernando Purba Marco Gunawan Maulana, Eka Miladina Rizka Aziza Mohammad Alif Robby Gani Mohammad Ilhammudin Toiyib Monifa Arini Muhammad Akbar Muhammad Aziz Muslim Muhammad Ikhsan Muhammad Ivan Fadillah Muhammad Rafi’ Zaidan Maajid n/a Soeprapto Nanang Sulistiyanto Nathanael, Indra Notario Pramudita Nugraha, Dimas Aji Nurus Sa'adah Octarudin Mahendra Oky Risky Dwi Santoso Pangemanan, Christofel Panjaitan, Gian Amadea Pebrianto, Wahyu Permatasari, Alissa Dyah Ayu Ponco Siwindarto Pratolo Rahardjo R. A. Setyawan Rachmawati, Luthfiyah Raden Arief Setyawan Rahmadwati Rahmadwati Rahmadwati, n/a Rahmadwati, n/a Rahmadwati, Rahmadwati Rauf, Daru Adiyatma Reinato Teguh Santoso Reza, Feishal Ricky Insyani Santosa P. P. Ridho Herasmara Rif'an, Mochammad Rifqa Asruroh Efnif Rini Nur Hasanah Riza Hasbi Ash Shiddieqy Rizky Aiman Haniffalah Harijanto Robbith Qosath Al Auhi Rohman, Muhammad Ariefur Samuel Aji Sena Sena, Samuel Aji Septi Uliyani Sholeh Hadi Pramono Sirojul Hadi Sofyan Andika Yusuf Sultoni Sultoni Sultoni, Sultoni Surya Agung Kurnia Suyono, Hadi Syarifah, Naily Tri Nurwati Vira Zafarin Waru Djuriatno Waru Djuriatno Wuri Roro Indraswari yuliana diah pristanti Zainuri, Akhmad