Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING SOSIOHUMANIKA ATIKAN JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Mnemonic Jurnal Ilmu Komputer dan Informatika Prosiding SNPBS (Seminar Nasional Pendidikan Biologi dan Saintek) eProceedings of Engineering Jurnal Nasional Sains dan Teknik
Bambang Hidayat
Program Studi Teknik Telekomunikasi Fakultas Teknik Elektro – Universitas Telkom Jln. Telekomunikasi Dayeuhkolot Bandung, Indonesia
Arts Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : eProceedings of Engineering

 1 
Deteksi Pulpitis Menggunakan Machine Learning Dalam Lingkup Optimalisasi Frontend Sangkala, Muh Aslam Mahdi; Saidah, Sofia; Hidayat, Bambang
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 ditujukan untuk mengembangkan dan melaksanakan antarmuka frontend untuk sistem deteksi Pulpitis Reversibel yang berbasis web. Fokus utama dari penelitian ini adalah menciptakan antarmuka yang intuitif, responsif, dan mudah digunakan, sehingga memungkinkan pengguna melakukan tes pemeriksaan gigi melalui perekaman dan pengunggahan audio. Penggunaan teknologi HTML, CSS, dan JavaScript digunakan untuk membangun fitur-fitur utama, termasuk perekaman langsung, pengunggahan file audio, dan tampilan hasil deteksi. Hasil deteksi ditampilkan dalam format visual yang jelas, memberikan umpan balik langsung mengenai kondisi kesehatan gigi pengguna. Penelitian ini menunjukkan bahwa desain frontend yang baik dapat secara signifikan meningkatkan pengalaman pengguna dan akurasi interaksi dalam aplikasi web, menjadikannya alat potensial untuk skrining awal Pulpitis Reversibel. Kata kunci— CSS, Deteksi, Frontend, Gigi, HTML, JavaScript, Pulpitis, Section.
Deteksi Pulpitis Menggunakan MFCC dan CNN1D Dalam Lingkup Penggunaan Flask Sebagai Backend Hermina, Nanda Putri; Sa’idah, Sofia; Hidayat, Bambang
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

Pulpitis adalah peradangan pada jaringan pulpa gigi yang dapat disebabkan oleh berbagai faktor seperti infeksi bakteri, trauma pada gigi, atau kerusakan gigi. Sakit gigi bisa sangat mengganggu aktivitas seseorang. Ketika seseorang mengalami sakit gigi mereka mungkin sulit untuk berkonsentrasi, berbicara atau bahkan makan dengan nyaman. Sebelum terjadi kerusakan gigi yang lebih parah maka kami membuat alat yang dapat mendeteksi pulpitis dengan biaya yang terjangkau dan realtime yaitu deteksi pulpitis menggunakan sinyal suara dengan algoritma machine learning dengan ekstraksi MFCC dan CNN 1D. Model ini dapat mendeteksi gigi yang sehat maupun gigi yang mengalami pulpitis dengan akurasi 92%. Kata kunci— Backend, CNN, Machine learning, MFCC, Pulpitis, Website.
Deteksi Klasifikasi Ruangan Berdasarkan Reverberation Time Dengan Metode Mel- Frequency Cepstral Coefficients (Mfcc) Dan Learning Vector Quantization (Lvq) Pratama, Ariza Rizky; Raharjo, Jangkung; Hidayat, Bambang
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Rekaman suara berupa file percakapan menjadisalah satu alat bantu dalam berbagai keperluan salah satunyabagi pihak kepolisian. Mengidentifikasikan suatu kelas ruanganmenjadi salah satu petunjuk dalam mengolah tempat kejadianperkara. Membuat sistem deteksi kelas ruangan adalah salahsatu cara pihak kepolisian untuk mengindentifikasi kelasruangan. Untuk menentukan suatu kelas ruangan dapat diukurmelalui reverberation time menggunakan algoritma MFCCuntuk mengekstraksi ciri data latih rekaman suara. Setelahdidapat ekstraksi cirinya, ciri data akan di masukan sebagaidataset yang selanjutkan akan dilakukan proses pengujian.Kemudian data uji yang belum diketahui kelas ruangannyaakan dilakukan proses pengujian. Data uji yang di proses akandi klasifikasikan menggunakan LVQ berdasarkan ciri datayang sudah ada di dataset. Hasil akhir pada sistem ini yaituuntuk memunculkan nilai akurasi dan waktu komputasi.Penelitian ini akan memproses data rekaman suaramenggunakan aplikasi MATLAB, lalu diekstraksi cirimenggunakan MFCC dan mencari klasifikasi menggunakanLVQ. Menggunakan 48 data latih dan 18 data uji sebagai prosesperhitungan dan simulasi. Hasil nilai akurasi yang didapat darisistem deteksi kelas berdasakan reverberation time denganmetode MFCC dan LVQ bernilai 94,44 % dan waktu komputasiselama 32,969474 detik dengan parameter Koef MFCC 40,Frame Size 0,05, Node Layer 5 dan Epoch 10.Kata kunci— Reverberation Time, Mel FrequencyCoefficients Cepstral, Learning Vector Quantization.
Implementasi Metode Convolutional Neural Network dalam Pengolahan Citra Digital Sidik Bibir Irwansyah, Irwansyah; Saidah, Sofia; Hidayat, Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas pengembangan sistem identifikasi individu berbasis sidik bibir menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Sidik bibir dipilih sebagai alternatif biometrik karena memiliki pola unik dan dapat digunakan baik pada individu hidup maupun korban, sehingga relevan dalam bidang forensik dan keamanan. Dataset diperoleh melalui pengambilan GAMBAR langsung terhadap sepuluh individu (total 200 citra), yang kemudian diproses melalui segmentasi U-Net, konversi grayscale, peningkatan kontras menggunakan CLAHE, ekstraksi fitur dengan Gabor filter, binarisasi adaptif, operasi morfologi, normalisasi, dan augmentasi data untuk meningkatkan kemampuan generalisasi. MobileNetV2 digunakan sebagai feature extractor dengan bobot awal ImageNet, diikuti dense layer tambahan untuk klasifikasi multikelas. Proses pelatihan dilakukan dengan optimasi hyperparameter meliputi augmentasi, batch size, optimizer, learning rate, dan jumlah epoch. Hasil pengujian menunjukkan konfigurasi terbaik pada optimizer Adam dengan learning rate 0,001 dan pelatihan selama 200 epoch, yang mampu mencapai akurasi, presisi, recall, dan F1-score sebesar 100% pada data uji. Sistem yang dikembangkan terbukti efektif dalam mengenali pola sidik bibir, menunjukkan potensi tinggi sebagai metode identifikasi biometrik alternatif. Pengembangan lebih lanjut direkomendasikan dengan memperluas variasi dataset dan menguji data untuk meningkatkan kemampuan generalisasi.Kata kunci— CNN, MobileNetV2 Identifikasi Individu, Klasifikasi Biometrik, Pengolahan Citra, Sidik Bibir.
Identifikasi Jenis Kelamin Berdasarkan Bitemark Hasbullah, Muhammad Rizky; Hasudungan, Jaspar; Hidayat, Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penentuan identifikasi jenis kelamin merupakan aspek krusial dalam ranah forensik, yang berfungsi mendukung proses penentuan identitas korban maupun pelaku kejahatan. Salah satu metode yang kini mulai mendapat perhatian adalah analisis pola gigitan atau bitemark, karena pola tersebut dinilai memiliki perbedaan karakteristik antara pria dan wanita. Latar belakang penelitian ini berangkat dari keterbatasan teknik konvensional yang kerap kurang efektif untuk menentukan jenis kelamin secara cepat, khususnya ketika kondisi fisik korban tidak memungkinkan dilakukan identifikasi biometrik secara langsung. Pendekatan yang digunakan adalah penerapan teknologi pengenalan citra dengan memanfaatkan model deep learning YOLOv8, yang diintegrasikan ke dalam sistem aplikasi web berbasis Python. Sistem ini menerima masukan berupa citra bitemark, lalu memprosesnya melalui tahap klasifikasi guna memprediksi jenis kelamin. Proses pengembangan meliputi pelatihan model dengan 80 citra gigitan yang telah diberi label, optimasi model agar kompatibel di lingkungan Python, serta pembuatan antarmuka web untuk memudahkan identifikasi secara waktu nyata. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan jenis kelamin dengan tingkat akurasi 75,00% pada pengujian terhadap 44 citra. Selain itu, integrasi dengan aplikasi web meningkatkan portabilitas dan efisiensi penggunaan. Penelitian ini diharapkan menjadi langkah awal dalam pengembangan sistem identifikasi forensik otomatis berbasis bitemark.Kata kunci— YOLO,bitemark,CNN,forensic,python,web application
Co-Authors BACHERAMSYAH, TASYA FIKRIYAH Darwindra, Darwindra Faradilla Zenda, Siti Fauzi, Muhammad Ilham Gelar Budiman Hasbullah, Muhammad Rizky Herliana, Tiara Virlianda Hermina, Nanda Putri Imanadi, Muhammad Tsabit Imanadi Irwansyah Irwansyah Jangkung Raharjo Jaspar Hasudungan Koredianto Usman Nilamsari, Putri Ragil Nur Ibrahim Pratama, Ariza Rizky Putri, Tasya Busrizal Qothrunnada, Fadia Ramadhani, Shinta Rita Magdalena Sa’idah, Sofia Sai’dah, Sofia Sangkala, Muh Aslam Mahdi Sa’idah, Sofia Setiaji, Hartoko Carolus Ferdy Sjafril Darana SOFIA SAIDAH Suhardjo Suhardjo Suhartono Tjondronegoro Tasya, Weni Triyogi, Raihan