Article Per Year (5 Year)
p-Index From 2021 - 2026
5.014
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO Seminar Nasional Pendidikan IPA MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Aiti: Jurnal Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Prosiding SNAST Jurnal Ilmu Komputer dan Informatika eProceedings of Engineering Jurnal Nasional Sains dan Teknik
Rita Magdalena
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Other

Published : 129 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING

 1 
DETEKSI AKOR DAN MELODI PADA FILE WAV GITAR FINGERSTYLE MENGGUNAKAN METODE DWPT & K-NN Fauzi, Muhammad Ilham; Magdalena, Rita; Hidayat, Bambang
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (823.993 KB) | DOI: 10.31289/jesce.v3i2.3324

Abstract

Saat ini teknik fingerstyle cukup populer di kalangan para pemain gitar akustik Indonesia. Hal tersebut dapat dibuktikan dengan terbentuknya komunitas Indonesian Fingerstyle Guitar Community (IFGC). Teknik fingerstyle mampu menghasilkan komposisi musik layaknya komposisi musik band, seperti akor, melodi, bass, maupun perkusi.  Keterbatasan kemampuan indera pendengaran yang berupa ketidakpekaan terhadap nada merupakan salah satu penyebab sulitnya pemain gitar dalam megulik komposisi akor dan melodi pada musik fingerstyle. Oleh karena itu, pada penelitian ini dibuat sistem yang mampu mendeteksi komposisi akor dan melodi pada musik fingerstyle menggunakan metode Onset Detection, Discrete Wavelet Packet Transform (DWPT), Welch?s Method, dan Pitch Class Profile (PCP). Metode K-Nearest Neighbor digunakan sebagai metode klasifikasi pada penelitian ini. Data yang digunakan sebagai data latih sebanyak 355 data rekaman akor dan 125 data rekaman nada tunggal. Data yang diujikan pada penelitian ini yaitu 195 data rekaman akor, 75 rekaman nada tunggal, dan 8 musik fingerstyle yang setiap musiknya direkam sebanyak 5 kali. Hasil terbaik yang diperoleh yaitu 99,07% pada pendeteksian akor tunggal, 100% pada pendeteksian nada tunggal, dan sebesar 83,11% akurasi rata-rata pada pendeteksian 40 musik fingerstyle.
DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Pratiwi, Nor Kumalasari Caecar; Suhartono, Efri; Magdalena, Rita; Fu?adah, Yunendah Nur; Sari, Febriani Ruming
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.599 KB) | DOI: 10.31289/jesce.v3i2.3272

Abstract

Sinyal electrocardiogram (ECG) mengandung informasi yang menggambarkan kondisi kesehatan jantung. Irama jantung yang tidak teratur atau kerusakan pada otot jantung dapat berdampak pada aktivitas listrik jantung sehingga mengubah bentuk sinyal ECG. Pengukuran menggunakan ECG sering dipengaruhi oleh noise yang tidak diinginkan. Noise yang diperoleh saat pengukuran ini tidak dapat dihilangkan dengan metode filter yang sederhana. Penelitian ini akan mengetahui performansi metode Empirical Mode Decomposition (EMD) untuk denoising pada sinyal ECG. Dataset sinyal ECG dan beberapa noise diambil dari database MIT-BIH arrhythmia dengan variasi besar Signal to Noise Ratio (SNR) input sebesar 20 dB, 25 dB dan 30 dB. Noisy sinyal yang difilter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke-iterasi selanjutnya, output dari hasil denoised sinyal akan menjadi datar. Hasil pengujian diperoleh bahwa nilai Mean Square Error (MSE) 0.0035 dB dan SNR 25.12 dB pada noise input 20 dB, MSE 0.0016 dB dan SNR 26.44 dB pada noise input 25 dB, MSE 0.002 dB dan SNR 27.5 dB pada noise input sebesar 30 dB. Dengan demikian, dapat dikatakan bahwa sistem denoising sinyal ECG menggunakan empirical mode decomposition dapat bekerja secara efektif dan mampu menghilangkan noise.
KLASIFIKASI DIABETIC RETINOPATHY BERBASIS PENGOLAHAN CITRA FUNDUS DAN DEEP LEARNING Syafiq Hilmi Abdullah; Rita Magdalena; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 2 (2022): 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.v5i2.5659

Abstract

Retinopati Diabetik merupakan salah satu penyakit pada retina mata yang disebabkan oleh adanya komplikasi pada penyakit diabetes di mana terdapat kerusakan pembuluh darah pada retina sehingga mengalami penumpukan cairan (eksudat) serta pendarahan pada retina. Pemeriksaan medis untuk mendeteksi penyakit retinopati diabetik membutuhkan waktu yang relatif lama karena dilakukan secara manual oleh dokter dengan mengamati citra fundus dari retina pasien, namun citra fundus retina tidak dapat memberikan informasi secara jelas. Oleh karena itu, dilakukan perancangan sistem Convolutional Neural Network (CNN) menggunakan model EfficientNet untuk melakukan klasifikasi dengan waktu yang efektif dan efisien. Dataset yang digunakan adalah APTOS 2019 Blindness Detection berisi 3662 citra RGB yang terbagi dalam 5 kelas, yaitu No DR, mild NPDR, moderate NPDR, severe NPDR, dan proliferate DR. Hasil akhir menunjukkan model terbaik menggunakan optimizer AdaMax, learning rate 0.001, dan batch size 32 dengan akurasi sebesar 82.096%, nilai presisi sebesar 67.6%, nilai recall sebesar 63.4%, dan f-1 score sebesar 64.6%. Berdasarkan hasil penelitian, kinerja sistem menunjukkan bahwa model yang dibuat dapat dijadikan sistem deteksi dini serta mengurangi waktu pemeriksaan medis pada pasien penyakit Retinopati Diabetik.
ANALISIS PERFORMANSI SISTEM KLASIFIKASI KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Dian Ayu Nurlitasari; Rita Magdalena; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 2 (2022): 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.v5i2.5691

Abstract

Kanker kulit adalah salah satu kanker ganas yang banyak ditemukan di Indonesia dan dapat menyebabkan kematian. Diagnosis kanker kulit dilakukan secara manual oleh dokter kulit melalui proses biopsi dan mikroskopis, namun proses ini memakan waktu lama dan membawa risiko kecelakaan selama proses biopsi. Sedangkan diagnosis dini menunjukkan lebih dari 90% dapat disembuhkan, dan diagnosis yang terlambat menunjukkan kurang dari 50% dapat disembuhkan.Pada Tugas Akhir ini diusulkan metode Convolutional Neural Network (CNN) menggunakan arsitektur Alexnet untuk mengklasifikasikan kanker kulit. Eksperimen dilakukan dengan menggunakan dataset yang diperoleh dari dataset International Skin Imaging Collaboration (ISIC) sebanyak 4000 citra kondisi kanker kulit dermatofibroma, melanoma, nevus pig-mentosus, dan karsinoma sel skuamosa, yang terdiri dari 1000 citra di setiap kelas. Dataset tersebut akan digunakan sebagai data latih dan data validasi dengan distribusi persentase data latih 80% dan data validasi 20%. Jadi jumlah data latih yang digunakan adalah 3200 citra kanker kulit. Sedangkan jumlah data validasi yang digunakan adalah 800 citra. Parameter terbaik yang digunakan dalam sistem klasifikasi kanker kulit ini antara lain menggunakan ukuran citra 64x64 piksel pada proses pre-processing, menggunakan Adam optimizer, learning rate 0,0001, epoch 20 dan batch size 16. Hasil pengujian menunjukkan bahwa sistem dapat mengklasifikasikan kulit kanker menurut kelasnya, dengan tingkat akurasi 99,50%, nilai presisi dan recall 99,75%, nilai f1-score 99,50%, dan nilai loss 0,0223. Berdasarkan hasil kinerja sistem, menunjukkan bahwa model yang dibuat menjanjikan untuk menjadi alat deteksi dini kanker kulit oleh dokter kulit dan dapat membantu mengurangi resiko keterlambatan diagnosis dini.
Deteksi Akor dan Melodi pada File Wav Gitar Fingerstyle Menggunakan Metode DWPT & K-NN Muhammad Ilham Fauzi; Rita Magdalena; Bambang Hidayat
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v3i2.3324

Abstract

Saat ini teknik fingerstyle cukup populer di kalangan para pemain gitar akustik Indonesia. Hal tersebut dapat dibuktikan dengan terbentuknya komunitas Indonesian Fingerstyle Guitar Community (IFGC). Teknik fingerstyle mampu menghasilkan komposisi musik layaknya komposisi musik band, seperti akor, melodi, bass, maupun perkusi.  Keterbatasan kemampuan indera pendengaran yang berupa ketidakpekaan terhadap nada merupakan salah satu penyebab sulitnya pemain gitar dalam megulik komposisi akor dan melodi pada musik fingerstyle. Oleh karena itu, pada penelitian ini dibuat sistem yang mampu mendeteksi komposisi akor dan melodi pada musik fingerstyle menggunakan metode Onset Detection, Discrete Wavelet Packet Transform (DWPT), Welch’s Method, dan Pitch Class Profile (PCP). Metode K-Nearest Neighbor digunakan sebagai metode klasifikasi pada penelitian ini. Data yang digunakan sebagai data latih sebanyak 355 data rekaman akor dan 125 data rekaman nada tunggal. Data yang diujikan pada penelitian ini yaitu 195 data rekaman akor, 75 rekaman nada tunggal, dan 8 musik fingerstyle yang setiap musiknya direkam sebanyak 5 kali. Hasil terbaik yang diperoleh yaitu 99,07% pada pendeteksian akor tunggal, 100% pada pendeteksian nada tunggal, dan sebesar 83,11% akurasi rata-rata pada pendeteksian 40 musik fingerstyle.
DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Nor Kumalasari Caecar Pratiwi; Efri Suhartono; Rita Magdalena; Yunendah Nur Fu’adah; Febriani Ruming Sari
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v3i2.3272

Abstract

Sinyal electrocardiogram (ECG) mengandung informasi yang menggambarkan kondisi kesehatan jantung. Irama jantung yang tidak teratur atau kerusakan pada otot jantung dapat berdampak pada aktivitas listrik jantung sehingga mengubah bentuk sinyal ECG. Pengukuran menggunakan ECG sering dipengaruhi oleh noise yang tidak diinginkan. Noise yang diperoleh saat pengukuran ini tidak dapat dihilangkan dengan metode filter yang sederhana. Penelitian ini akan mengetahui performansi metode Empirical Mode Decomposition (EMD) untuk denoising pada sinyal ECG. Dataset sinyal ECG dan beberapa noise diambil dari database MIT-BIH arrhythmia dengan variasi besar Signal to Noise Ratio (SNR) input sebesar 20 dB, 25 dB dan 30 dB. Noisy sinyal yang difilter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke-iterasi selanjutnya, output dari hasil denoised sinyal akan menjadi datar. Hasil pengujian diperoleh bahwa nilai Mean Square Error (MSE) 0.0035 dB dan SNR 25.12 dB pada noise input 20 dB, MSE 0.0016 dB dan SNR 26.44 dB pada noise input 25 dB, MSE 0.002 dB dan SNR 27.5 dB pada noise input sebesar 30 dB. Dengan demikian, dapat dikatakan bahwa sistem denoising sinyal ECG menggunakan empirical mode decomposition dapat bekerja secara efektif dan mampu menghilangkan noise.
Co-Authors A F Akbar Abel Bima Wiratama Achmad Rizal Adham Nurjati Adinda Maulida Agung Aditama Putra Agustina Trifena Dame.S AGUSTINA, REGITA Ahmad Zendhaf Aldo Setiawan Alva Rischa Qhisthana Pratika Andria Sufy Angga Prihantoro Ardhi Fibrianto Arfat, Ikrar Khaera Arianto Sirandan Arintyo Archamadi Ayu Putu Wida Vanhita Azzahra, Fatima Bagas Farhan Hadyantoro Bagus Robbiyanto Bambang Hidayat Bambang Hidayat Bayuaji Kurniadhani Brian Adam Danding Adhi Priutomo Davita Nadia Fadhilah Dea Sifana Ramadhina Dewa Nyoman Indra Dewi Siskawati Dian Ayu Nurlitasari Dimas Frandisyah Putra Donny Janu Sundoro Dwi Anggreni Novitasari Dyah Ajeng Pramudhita Dyah Ayu Pratiwi Efri Suhartono Eko Susatio Eky Yuliansyah Eriel Mar Estananto Faizhal Rifky Alfaris Fathurrahman, Muhammad Hanif Fatima Azzahra FAUZI FRAHMA TALININGSIH Fauzi, Muhammad Ilham Febriani Ruming Sari Fernandi, Arya Firmanda Robi Firmansyah Patriandhika Fitya Nur Fadhilah Galih Surya Gede Hari Yogiswara Gusty Aditya Arrazaq HARSONO, ALI BUDI Herdian Anantya Risma Hilman Fauzi, Hilman I Dewa Gede Agung Kurniawan I Gusti Agung Dian Wintara I Nyoman Apraz Ramatryana I Nyoman Apraz Ramatryana I NyomanApraz Ramatryana Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ignatius Yoslan Kurniawan Ikhwanda, Alfan Ikrar Khaera Arfat Ilma Rahma Dewi Imanuel Boyke Nainggolan Immanuel Rayuzi Pandapotan Sinaga Indrafaqih Eskamara Inung Wijayanto Iqbal Kurniawan Perdana Irham Bani Alfafa Ivan Prayoga Prawiro Ivandy Chaniago Jangkung Raharjo Jonthala Tambunan Koredianto Usman Kurnia Khafidhatur Rafiah Ledya Novamizanti Lugina Perceka Putri M.Aldia Abilisa Mahendra, Dio Maisaroh Agustina Rahayu Malardy , Muhammad Andriyansyah Masykur, Muhammad Fadhel Affandi Misbakhul Munir Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Bayu Adinegara Muhammad Fadly Mustakim Muhammad Ihsan Fadhil Muhammad Ilham Muhammad Ilham Muhammad Ilham Fauzi Muhammad Najiburahman Muhammad Tezar Muhammad Yuqdha Faza Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nor Kumalasari Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nor Kumalasari Caesar Pratiwi Nugraha, M.Fajar Zulvan Nur Andini Nur Ibrahim NURFAJAR, FEBI Obed Simanungkalit Octavian Putera Kesuma Sugeng Olyvia Fernanda Soedradjat Perdana, Iqbal Kurniawan PERDANI, WAHYUNI RIZKY Pramudhita, Dyah Ajeng Prayoga, Krisna Prayudi, Yoshi Prihantoro, Angga Putra, Akbar Trisnamulya Putri Andriani R Ricki Juniansyah R Yunenda Nur Fu'adah R. Rumani R. Rumani R. Yunendah Nur Fu’adah Raditiana Patmasari Rafid Fakhri Rahardjo Rahardjo Rahmad Hidayatullah Salam Raihan Nur Fadhlillah Rama Arjun Setiawan Ramdhan Nugraha Ratri Dwi Atmaja Renny Rahmawati Reyfaldi Wahyu Pradana Reyhan Radifan Jordy Rezki Ariz Rahadian Ricardo Ricardo Richard Bina Jadi Simanjuntak Ridwan Firdaus Rifqi Muhammad Fikri Rissa Rahmania Rizki Muhammad Iqbal Rizqi Surya Utama Rosyita Ayuning Mauludiya Rudiana Agustini Sa'idah, Sofia Sa’idah, Sofia Saidah, Sofiah Sari, Febriani Ruming Sayidia Rizki Arfina Sean Alexander Suryaman Septian Eko Kuncahyono Shimon Anterio Armando Sinaga Sofia Sa'idah Sofia Sa’idah SOFIA SAIDAH Sofia Sa’idah Steven Palondongan Suci Aulia Sugondo Hadiyoso Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Suwitrisna Putra Syafiq Hilmi Abdullah Syamsul Rizal Tahta Restu Adiguna Tamardi Pranata Tampubolon Tauhid Nur Azhar Teguh Dian Arifandi Tri Siswanto Triyogi, Raihan Twinarya Bagus Wibawa Varian Mohammad Sutama Yohana Karina Candra Sari Yunendah Fu’adah