Claim Missing Document
Check
Articles

Found 38 Documents
Search

Pendampingan Pelatihan Perencanaan, Pengoperasiaan dan Pengolaan PLT Mikrohidro Dalam Mendukung Program Pemerintah Meningkatkan Kompetensi SDM di Bidang Bauran Energi Terbarukan Sofia Saidah; Jangkung Raharjo; Koredianto Usman; Denny Darlis; Aris Hartaman; Tita Haryanti
Jurnal Abdimasa Pengabdian Masyarakat Vol 6 No 2 (2023): Jurnal ABDIMASA Pengabdian Masyarakat
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalabdimasa.v6i2.3739

Abstract

Pembangkit Listrik Tenaga Mikro Hidro (PLTMH) merupakan solusi alternatif yang penting dalam memenuhi kebutuhan energi listrik. PLTMH adalah pembangkit listrik skala kecil yang menggunakan tenaga air sebagai sumber energinya, seperti saluran irigasi, sungai, atau air terjun. Inovasi teknologi, seperti penerapan Internet of Things (IoT), mempermudah monitoring dan meningkatkan efisiensi dalam pengelolaan PLTMH. Pelatihan dan pengabdian kepada masyarakat juga penting untuk meningkatkan kompetensi SDM di bidang energi terbarukan. Implementasi PLTMH akan memberikan manfaat dalam memenuhi kebutuhan energi listrik secara lokal dan mengurangi ketergantungan pada sumber energi konvensional yang tidak ramah lingkungan. Dengan demikian, PLTMH merupakan solusi penting dalam membangun pembangunan berkelanjutan.
Deteksi Kelas Ruangan Berdasarkan Reverberation Time dengan Metode Linear Predictive Coding (LPC) dan K-Nearest Neighbor (KNN) Imanadi, Muhammad Tsabit Imanadi; Usman, Koredianto; Hidayat, Bambang
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol. 6 No. 2 (2023): Journal of Electrical and System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v6i2.8360

Abstract

Identification of the size of the evidence file conversation can be one of the tools for various purposes such as in the police world. Determining the class of the room from the recording can be an additional clue in case processing.  One way for the police to identify the class of a room is by creating a room class detection system. The class of the room can be determined by measuring the reverberation time using the LPC algorithm by extracting the characteristics of the training data in the form of audio. After obtaining the characteristics, the system will store these characteristics in the form of a dataset for testing. Then, the test data for which the room class is not yet known is inputted into the test system. KNN will classify the test data based on the previously trained dataset. The last process of the system will issue the value of accuracy and computational time from system testing. This study uses MATLAB calculation software as a calculation and simulation process, using 63 training data and 18 test data.  The  accuracy of  the  system  test  for detecting room class based on reverberation time using the LPC and KNN methods has resulted in a number with the largest accuracy value of 83.33% and computation time along 4,94657 seconds with a K value of 3, LPC order of 12, number of frames 240, and the Hanning window.
GERAKAN “BEBAS PINJAMAN ONLINE” EDUKASI LITERACY DIGITAL DI DESA PATROLSARI ARJASARI KAB BANDUNG Machfiroh, Runik; Usman, Koredianto
Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 6 (2023): INOVASI PERGURUAN TINGGI & PERAN DUNIA INDUSTRI DALAM PENGUATAN EKOSISTEM DIGITAL & EK
Publisher : Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37695/pkmcsr.v6i0.2235

Abstract

Perkembangan transaksi digital atau FinTech khususnya pada area pinjaman online menjadi polemik tersendiri karena rendahnya literasi digital masyarakat. Di desa Patrolsari Arjasari kabupaten Bandung merupakan salah satu daerah yang masyakaratnya terbelenggu oleh pinjaman online. Tujuan pelatihan/pendampingan adalah meningkatkan pengetahuan dan kesadaran masyarakat terkait pengunaan dan pemanfaat aplikasi FinTech. Metode yang digunakan yaitu pertama; pemetaan data awal terkait digital literacy khususnya terkait aplikasi pinjaman online dan era disruptif kedua; melakukan pelatihan terkait kewaspadaan penggunaan platform-platform pinjaman online dan ketiga; pelatihan dan pendampingan pengelolaan keuangan. Hasil pelatihan dan pendampingan berdasarkan hasil kuesioner dan observasi yaitu sebesar 98% sudah memahami perbedaan pinjaman online abal-abal dan diakui OJK, serta 88% masyarakat sudah mengubah pola pengelolaan keuangan. Implikasi pelatihan/pendampingan ini adalah berubahnya pola pengelolaan keuangan dari yang konsumtif menjadi produktif
Evaluasi Optimizer pada Residual Network untuk Klasifikasi Klon Teh Seri GMB Berbasis Citra Daun USMAN, KOREDIANTO; PRATIWI, NOR KUMALASARI CAECAR; IBRAHIM, NUR; SYAHRIAN, HERI; RAHADI, VITRIA PUSPITASARI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 9, No 4: Published October 2021
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v9i4.841

Abstract

ABSTRAKKomoditas teh berperan strategis terhadap pertumbuhan perekonomian Indonesia, salah satunya dari teh klon Gambung (GMB). Klon GMB memiliki beberapa karakter khas, dengan tingkat kemiripan morfologi yang sangat tinggi. Hal ini berdampak pada proses pengenalan klon GMB dilakukan melalui pengamatan visual oleh tenaga ahli sangat rentan terhadap kesalahan identifikasi. Sehingga, dalam penelitian ini dirancang suatu sistem identifikasi terhadap 11 klon teh seri GMB (GMB-1 hingga GMB-11) dengan menggunakan arsitektur ResNet101. Evaluasi sistem akan dilakukan dengan membandingkan tujuh algoritma optimizer yang berbeda, yaitu; Adam, SGD, RMSProp, AdaGrad, AdaMax, AdaDelta dan Nadam. Hasil pengujian menunjukkan bahwa Adam dan SGD memberikan nilai rata-rata presisi, recall dan F1-score terbaik. Selain itu, Adam memberikan nilai akurasi yang cenderung stabil sejak iterasi pertama. Metode yang diusulkan memberikan tingkat presisi, recall, F1-score sebesar 96% dan akurasi terbaik sebesar 97%.Kata kunci: klasifikasi daun teh, seri Gambung (GMB), CNN, ResNet101 ABSTRACTGambung (GMB) tea is one of the tea commodities that plays a key role in Indonesia's economic development. GMB clones have a number of distinguishing characteristics, including a high degree of morphological similarities. This has an impact on the process of identifying GMB clones through visual observation by experts who are subject to mistakes. In this study, ResNet101 architecture was used to create an identification scheme for 11 tea clones from the GMB series (GMB-1 to GMB-11). System evaluation will be carried out by comparing seven different optimizer; Adam, SGD, RMSProp, AdaGrad, AdaMax, AdaDelta, and Nadam. The test results indicate that Adam and SGD have the highest average accuracy, recall, and f1-score values. Adam also has an accuracy value that has remained consistent since the first iteration. The proposed method provides highest precision, recall, F1-score of 96% and accuracy of 97%.Keywords: tea leaves classification, GMB series, CNN, ResNet101
Frontend Website Implementation for Breast Cancer Classification System Using Machine Learning Wardani , Shania; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Early detection of breast cancer is essential to improve patient survival rates. One way to be used for such detection is to develop a classification system based on genomic data, which can provide more accurate and efficient results. This study aims to design and implement a Streamlit-based website frontend, which functions as a breast cancer classification system interface using Machine Learning technology. This user interface is designed with ease of use and optimal user experience, allowing medical personnel to quickly access and understand the analysis results. The main features of this website include an educational dashboard about breast cancer, a simple and structured patient data input form, and predictive analysis results displayed in an interactive format and can be downloaded for further documentation purposes. Tests conducted on the front of this website show that the system response time to display the analysis results is no more than 5 minutes, making it an efficient solution in supporting medical decision-making. With an intuitive and easily accessible interface, this website makes it easy for medical personnel to perform breast cancer analysis faster and more accurately, supporting more effective early detection efforts. Keywords: Streamlit, User Interface, Breast Cancer, Website
Implementation of Machine Learning for Breast Cancer Classification Based on Genomic Data: Backend Solution with Supabase and Streamlit Humayra, Tia Hasna; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Breast cancer remains one of the leading causes of cancer-related deaths worldwide, highlighting the need for accurate and efficient diagnostic tools. This study focuses on implementing machine learning models, particularly Artificial Neural Networks (ANN), to classify breast cancer types based on genomic data. Using the METABRIC RNA Mutation dataset, the system combines a cloud-based backend with Supabase and an intuitive frontend built with Streamlit. To ensure data compatibility with the models, preprocessing steps such as standardization, label encoding, and one-hot encoding are applied. TensorFlow is used to load models saved in .h5 format, with two approaches tested: a 30-feature model achieving 99% accuracy and an average prediction time of 80 milliseconds, and a 6-feature model achieving 100% accuracy with a faster prediction time of 42.25 milliseconds. Prediction results are stored securely in Supabase, complete with timestamps for tracking and exported as PDF reports for easy documentation. Data security is prioritized through the use of API keys, JWT tokens, and Streamlit secret management to safeguard sensitive information. The integration of Supabase for backend processing, Streamlit for real-time visualization, and GitHub for CI/CD automation results in a scalable, reliable, and efficient system. This study presents a robust solution for breast cancer classification, providing real-time predictions, secure data handling, and a user-friendly interface suitable for clinical and research applications. Keywords— breast cancer classification, artificial neural network, genomic data, Supabase, Streamlit, real-time prediction, data security.
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani, Kartika Dwi; Huljannah, Miftah; Syahanifa, Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani , Kartika Dwi; Huljannah, Miftah; Syahanifa , Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Penerapan Teknologi Voice Recognition dalam Membantu Hafalan Al-Qur'an untuk Santri Tahfidz SMP Al-Qur'an Wahdah Islamiyah Bandung Rustam, Rustam; Usman, Koredianto; Alfarizi, Muhammad Alfian; Putranto, Devdan Wisesa
Almufi Jurnal Pengabdian Kepada Masyarakat Vol 5 No 1: Juni (2025)
Publisher : Yayasan Almubarak Fil Ilmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63821/ajpkm.v5i1.440

Abstract

Pemanfaatan teknologi voice recognition berbasis kecerdasan buatan (AI) membuka peluang baru dalam mendukung proses hafalan Al-Qur’an secara mandiri, khususnya bagi santri tahfidz. Kegiatan pengabdian masyarakat ini bertujuan untuk mengenalkan dan melatih penggunaan aplikasi Tarteel.ai kepada santri di SMP Al-Qur’an Wahdah Islamiyah Bandung sebagai alat bantu dalam memperbaiki bacaan dan pelafalan Al-Qur’an. Metode pelaksanaan meliputi penyusunan modul panduan, sosialisasi, pelatihan interaktif, praktik mandiri, serta evaluasi terhadap efektivitas penggunaan aplikasi. Hasil kegiatan menunjukkan bahwa santri dapat dengan cepat memahami fungsi aplikasi dan menggunakannya secara mandiri untuk mengidentifikasi serta memperbaiki kesalahan bacaan. Selain itu, para guru tahfidz menyatakan bahwa teknologi ini membantu mempercepat proses evaluasi hafalan. Kegiatan ini membuktikan bahwa integrasi teknologi voice recognition dapat memperkuat kualitas pembelajaran tahfidz serta mendorong kemandirian santri dalam menghafal Al-Qur’an.
Desain dan Implementasi Website Harvest Lens Prediksi Harga Beras Menggunakan Framework Streamlit Julyano , Muhammad Billy; Wibowo , Suryo Adhi; Usman, Koredianto
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

Pergerakan harga pangan di Indonesia memiliki dampak signifikan terhadap ekonomi dan kesejahteraan masyarakat. Fluktuasi harga dan ketidaksesuaian pasokan sering menjadi pemicu inflasi yang mengganggu stabilitas ekonomi. Oleh karena itu, pemahaman yang akurat tentang dinamika harga pangan sangat penting untuk mendukung kebijakan yang efektif dalam mengendalikan inflasi dan memastikan ketersediaan pangan yang memadai. Program prediksi harga pangan yang dikembangkan oleh Badan Pangan Nasional, Telkom University, dan Badan Riset Inovasi Nasional bertujuan untuk meningkatkan pemahaman ini. Telkom University berperan dalam mengembangkan prediksi harga pangan berbasis web yang disebut Harvest Lens. Website ini dikembangkan menggunakan Use Case Diagram dan Activity Diagram untuk perancangan, serta Python dan Framework Streamlit untuk implementasi. Pengujian menggunakan System Usability Scale (SUS) menunjukkan rata-rata nilai 87,08, mencerminkan kategori "Best Imaginable" menurut skala SUS. Hasil ini menunjukkan bahwa website berhasil memenuhi kebutuhan pengguna dengan baik dan memberikan pengalaman pengguna yang memuaskan. Kata kunci— Website, Python, Streamlit, SUS