Article Per Year (5 Year)
p-Index From 2020 - 2025
5.469
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi ELINVO (Electronics, Informatics, and Vocational Education) JURNAL NASIONAL TEKNIK ELEKTRO BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Teori dan Aplikasi Fisika Jurnal Teknokes Jurnal Riset Rekayasa Elektro Madani : Indonesian Journal of Civil Society Journal of Computer, Electronic, and Telecommunication (COMPLETE) Journal of Telecommunication, Electronics and Control Engineering (JTECE) eProceedings of Engineering Jurnal Rekayasa elektrika
Sevia Indah Purnama
Institut Teknologi Telkom Purwokerto
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Transportation

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Prototipe Otomatisasi On/Off Suction Cairan Menggunakan Sensor Non-contact liquid Di Rumah Sakit Orthopaedi Purwokerto Nasya Mauldi, Meyke; Indah Purnama, Sevia; Hikmah, Irmayatul
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

Suction pump merupakan salah satu perangkat medisesensial yang digunakan untuk menyedot cairan tubuh selama prosedurpembedahan atau tindakan medis tertentu. Namun, permasalahan yangsering ditemui adalah cairan melebihi kapasitas tabung penampung danmasuk ke dalam mesin pompa, yang dapat menyebabkan kerusakankomponen internal. Kondisi ini umumnya terjadi akibat keterbatasanwaktu tenaga medis dalam memantau volume cairan secara berkala.Penelitian ini bertujuan untuk merancang sistem otomatisasi padasuction pump dengan memanfaatkan sensor non-kontak tipe XKC-Y25-V yang dikendalikan oleh mikrokontroler Arduino Uno. Sensor inimampu mendeteksi keberadaan cairan tanpa perlu bersentuhanlangsung, sehingga mendukung prinsip sterilitas dan keamananperangkat medis. Sistem dirancang agar secara otomatis memutusaliran listrik ke pompa melalui aktuasi relay ketika volume cairan telahmencapai ambang batas tertentu. Pengujian dilakukan menggunakandua jenis cairan dengan viskositas berbeda, yakni 66,00 cP (encer) dan1320,00 cP (kental), untuk mengevaluasi respons sistem terhadapperbedaan karakteristik fluida. Hasil eksperimen menunjukkan bahwasistem memiliki performa tinggi dengan akurasi sensor mencapai99,14% dan nilai rata-rata kesalahan (error) sebesar 0,86%. Sistemjuga terbukti tetap stabil dalam menangani cairan dengan viskositastinggi. Temuan ini menunjukkan bahwa inovasi yang dikembangkanberpotensi meningkatkan efisiensi dan keamanan penggunaan suctionpump, serta layak diterapkan di lingkungan rumah sakit atau fasilitasmedis lainnya.Kata kunci: Suction pump, Sensor Non-Contact, ArduinoUno, Otomatisasi, Relay
Uroflowmeter Berbasis Sensor Load Cell Untuk Pengukuran Volume Urine Dengan Analisa Metode Regresi Linear Paskah Saroengoe, Michael; Hikmah, Irmayatul; Indah Purnama, Sevia
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

Gangguan pada kelenjar prostat seperti BenignProstatic Hyperplasia (BPH) sering kali sulit terdeteksi padatahap awal karena minimnya gejala yang tampak. Salah satumetode non-invasif yang dapat digunakan untuk membantumendeteksi gangguan tersebut adalah pemeriksaan uroflowmetri.Dalam penelitian ini, telah dikembangkan sistem uroflowmeterberbasis sensor Load Cell yang bertujuan untuk mengukurvolume urine dan menganalisis pola aliran urine menggunakanmetode regresi linear. Sistem dirancang agar dapat digunakansecara mandiri oleh pasien dengan bentuk yang portabel dansederhana. Prototipe sistem ini diuji menggunakan cairanpengganti urine sebagai simulasi proses berkemih, baik untukkondisi normal maupun kondisi gangguan seperti BPH. Hasilpengujian menunjukkan bahwa sistem mampu membacaperubahan volume dengan tingkat akurasi rata-rata sebesar99,82%, error rata-rata sebesar 0,75 gram, dan persentase errorsebesar 0,34% dari 40 sampel data pengujian. Sistem juga mampumembedakan antara pola aliran normal (dengan kurva aliransimetris dan flowrate tinggi) dan pola aliran abnormal (dengankurva tidak stabil, terputus-putus, serta flowrate rendah). Analisisdata dilakukan menggunakan regresi linear untuk mengkajihubungan antara berat yang terdeteksi oleh Load Cell dan volumecairan yang keluar. Penelitian ini diharapkan dapat menjadialternatif alat bantu diagnosis dini gangguan saluran kemihdengan biaya rendah, mudah digunakan, serta memberikan hasilyang cukup akurat untuk pemantauan kesehatan prostat secaramandiri.Kata kunci— Benign Prostatic Hyperplasia, Load Cell,Regresi Linear, Uroflowmeter, Akurasi
Pendeteksi Sudut Kemiringan Tulang Pada Penderita Skoliosis Menggunakan Image Processing Dwika Pangestu, Septiana; Indah Purnama, Sevia; Aly Afandi, Mas
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

Skoliosis adalah kelainan pada tulangbelakang yang ditandai dengan kelengkungan ke sampingberbentuk huruf S atau C, dengan derajat keparahanbervariasi. Pengukuran kelengkungan secara manualmemerlukan waktu lama dan berisiko tidak konsisten.Penelitian ini bertujuan untuk mengembangkan metodeotomatis berbasis citra sinar-X menggunakan deep learninguntuk mengklasifikasikan derajat kelengkungan tulangbelakang secara efisien dan akurat. Model yang digunakanadalah DenseNet karena kemampuannya dalammempertahankan fitur melalui koneksi antar lapisan yangpadat. Sistem dikembangkan melalui tahapan pemrosesancitra dan pelatihan model dengan parameter seperti ukurancitra, jumlah epoch, batch size, learning rate, dan jenisoptimizer. Hasil terbaik diperoleh dengan ukuran citra224x224, batch size 32, learning rate 0,001, dan optimizerRMSprop, yang menghasilkan akurasi hingga 88,78%, presisi84,18%, recall 87,54%, dan skor F1 84,65%. Dengan hasiltersebut, sistem ini terbukti mampu meningkatkan akurasidan efisiensi dalam pengukuran skoliosis serta berpotensimendukung proses diagnosis dan pengobatan secara lebihkonsisten dan objektif di lingkungan klinis.Kata kunci— Skolosis, Pemrosesan Citra, DeepLearning, DenseNet, Detekssi Otomatis, Klasifikasi TulangBelakang, Optimasi Model
Pengembangan Prototipe Infus Berbasis Internet Of Things Untuk Monitoring Pasien Secara Real Time Rachel Dwi Laura Br Sigalingging, Sonia; Hikmah, Irmayatul; Indah Purnama, Sevia
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

Prototipe infus yang dilengkapi IoT ini dirancang untuk membangun sistem pemantauan real-time terhadap cairan infus pasien, meningkatkan efisiensi dan keamanan dalam pelayanan kesehatan. Dengan menggunakan sensor sel beban untuk mengukur berat kantong infus, sistem ini mentransmisikan data secara nirkabel melalui WiFi ke aplikasi Blynk. Peringatan otomatis akan dikirimkan kepada staf perawat ketika volume infus mendekati ambang batas minimum yang telah ditentukan. Penilaian kinerja mencakup empat area utama: fungsiperingatan, presisi sensor, perhitungan tetes per menit (DPM), dan kualitas jaringan. Uji peringatan memastikan sistem secara andal menyalakan indikator LED dan menghasilkan notifikasi saat tingkat cairan mencapai atau turun di bawah 50 ml. Evaluasi presisi membandingkan output sensor beban dengan timbangan digital yang dikalibrasi. Sensor 1 menunjukkan MAE sebesar 0.4166666667 (0.14970%) dan RMSE sebesar 0.6454972244(0.232%). Sensor 2 menunjukkan $MAE $sebesar $0,3846153846 $ (0,12837%) dan RMSE sebesar $0,6201736729 (0,207%). Pengujian akurasi DPM menunjukkan Sensor 1 mencapaiMAE sebesar 3,91011236 (19,55%) dan RMSE sebesar 4,546884351 (22,73%). Sensor 2, bagaimanapun, menunjukkan kesalahan yang lebih tinggi: MAE sebesar 5,714285714 (28,57%) dan RMSE sebesar 7,55928946 (37,80%). Akhirnya, metrik Kualitas Layanan (QoS)menunjukkan latensi rata-rata 1,502 ms (Sangat Baik), throughput 57,45 Kbps (Moderat), tingkat kehilangan paket yang signifikan sebesar 41,08% (Sangat Buruk), dan nilaijitter 3,296 ms (Baik). Kata kunci—Infus, Load Cell, Platform Blynk, QoS, ESP32,Monitoring Real-time
Pengembangan Prototipe Infus Berbasis Internet Of Things Untuk Monitoring Pasien Secara Real Time Saputra, Rangga; Hikmah, Irmayatul; Indah Purnama, Sevia
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

Prototipe infus yang dilengkapi IoT inidirancang untuk membangun sistem pemantauan real-timeterhadap cairan infus pasien, meningkatkan efisiensi dankeamanan dalam pelayanan kesehatan. Denganmenggunakan sensor sel beban untuk mengukur beratkantong infus, sistem ini mentransmisikan data secaranirkabel melalui WiFi ke aplikasi Blynk. Peringatan otomatisakan dikirimkan kepada staf perawat ketika volume infusmendekati ambang batas minimum yang telah ditentukan.Penilaian kinerja mencakup empat area utama: fungsiperingatan, presisi sensor, perhitungan tetes per menit(DPM), dan kualitas jaringan. Uji peringatan memastikansistem secara andal menyalakan indikator LED danmenghasilkan notifikasi saat tingkat cairan mencapai atauturun di bawah 50 ml. Evaluasi presisi membandingkanoutput sensor beban dengan timbangan digital yangdikalibrasi. Sensor 1 menunjukkan MAE sebesar0.4166666667 (0.14970%) dan RMSE sebesar 0.6454972244(0.232%). Sensor 2 menunjukkan $MAE $sebesar $0,3846153846$ (0,12837%) dan RMSE sebesar $0,6201736729 (0,207%).Pengujian akurasi DPM menunjukkan Sensor 1 mencapaiMAE sebesar 3,91011236 (19,55%) dan RMSE sebesar4,546884351 (22,73%). Sensor 2, bagaimanapun,menunjukkan kesalahan yang lebih tinggi: MAE sebesar5,714285714 (28,57%) dan RMSE sebesar 7,55928946(37,80%). Akhirnya, metrik Kualitas Layanan (QoS)menunjukkan latensi rata-rata 1,502 ms (Sangat Baik),throughput 57,45 Kbps (Moderat), tingkat kehilangan paketyang signifikan sebesar 41,08% (Sangat Buruk), dan nilaijitter 3,296 ms (Baik).Kata kunci—Infus, Load Cell, Platform Blynk, QoS, ESP32,Monitoring Real-time
Pengembangan Prototipe Infus Berbasis Internet Of Things Untuk Monitoring Pasien Secara Real Time Kevin Pratama Woy, Mario; Irmayatul Hikmah; Indah Purnama, Sevia
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

Prototipe infus yang dilengkapi IoT inidirancang untuk membangun sistem pemantauan real-timeterhadap cairan infus pasien, meningkatkan efisiensi dankeamanan dalam pelayanan kesehatan. Denganmenggunakan sensor sel beban untuk mengukur beratkantong infus, sistem ini mentransmisikan data secaranirkabel melalui WiFi ke aplikasi Blynk. Peringatan otomatisakan dikirimkan kepada staf perawat ketika volume infusmendekati ambang batas minimum yang telah ditentukan.Penilaian kinerja mencakup empat area utama: fungsiperingatan, presisi sensor, perhitungan tetes per menit(DPM), dan kualitas jaringan. Uji peringatan memastikansistem secara andal menyalakan indikator LED danmenghasilkan notifikasi saat tingkat cairan mencapai atauturun di bawah 50 ml. Evaluasi presisi membandingkanoutput sensor beban dengan timbangan digital yangdikalibrasi. Sensor 1 menunjukkan MAE sebesar0.4166666667 (0.14970%) dan RMSE sebesar 0.6454972244(0.232%). Sensor 2 menunjukkan $MAE $sebesar $0,3846153846$ (0,12837%) dan RMSE sebesar $0,6201736729 (0,207%).Pengujian akurasi DPM menunjukkan Sensor 1 mencapaiMAE sebesar 3,91011236 (19,55%) dan RMSE sebesar4,546884351 (22,73%). Sensor 2, bagaimanapun,menunjukkan kesalahan yang lebih tinggi: MAE sebesar5,714285714 (28,57%) dan RMSE sebesar 7,55928946(37,80%). Akhirnya, metrik Kualitas Layanan (QoS)menunjukkan latensi rata-rata 1,502 ms (Sangat Baik),throughput 57,45 Kbps (Moderat), tingkat kehilangan paketyang signifikan sebesar 41,08% (Sangat Buruk), dan nilaijitter 3,296 ms (Baik).Kata kunci—Infus, Load Cell, Platform Blynk, QoS, ESP32,Monitoring Real-time
Pengembangan Prototipe Infus Berbasis Internet Of Things Untuk Monitoring Pasien Secara real time - Capstone Witri Arsyada, Rifalia; Hikmah, Irmayatul; Indah Purnama, Sevia
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

Prototipe infus yang dilengkapi IoT ini dirancang untuk membangun sistem pemantauan real-time terhadap cairan infus pasien, meningkatkan efisiensi dan keamanan dalam pelayanan kesehatan. Dengan menggunakan sensor sel beban untuk mengukur berat kantong infus, sistem ini mentransmisikan data secara nirkabel melalui WiFi ke aplikasi Blynk. Peringatan otomatis akan dikirimkan kepada staf perawat ketika volume infus mendekati ambang batas minimum yang telah ditentukan. Penilaian kinerja mencakup empat area utama: fungsiperingatan, presisi sensor, perhitungan tetes per menit (DPM), dan kualitas jaringan. Uji peringatan memastikan sistem secara andal menyalakan indikator LED dan menghasilkan notifikasi saat tingkat cairan mencapai atau turun di bawah 50 ml. Evaluasi presisi membandingkan output sensor beban dengan timbangan digital yang dikalibrasi. Sensor 1 menunjukkan MAE sebesar 0.4166666667 (0.14970%) dan RMSE sebesar 0.6454972244(0.232%). Sensor 2 menunjukkan $MAE $sebesar $0,3846153846 $ (0,12837%) dan RMSE sebesar $0,6201736729 (0,207%). Pengujian akurasi DPM menunjukkan Sensor 1 mencapaiMAE sebesar 3,91011236 (19,55%) dan RMSE sebesar 4,546884351 (22,73%). Sensor 2, bagaimanapun, menunjukkan kesalahan yang lebih tinggi: MAE sebesar 5,714285714 (28,57%) dan RMSE sebesar 7,55928946 (37,80%). Akhirnya, metrik Kualitas Layanan (QoS) menunjukkan latensi rata-rata 1,502 ms (Sangat Baik), throughput 57,45 Kbps (Moderat), tingkat kehilangan paket yang signifikan sebesar 41,08% (Sangat Buruk), dan nilaijitter 3,296 ms (Baik).Kata kunci—Infus, Load Cell, Platform Blynk, QoS, ESP32, Monitoring Real-time
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Azhar Alfarisi, Fadhil; Indah Purnama, Sevia; Aly Afandi, Mas
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

Penyandang disabilitas tunarungu atau tunawicara sering mengalami kesulitan dalam menyampaikan kondisi tubuh melalui bahasa isyarat kepada orang normal, sehingga menimbulkan hambatan komunikasi dan interaksi sosial. Untuk mengatasi masalah ini, dikembangkan sebuah sistem sarung tangan berbasis sensor dan machine learningyang mampu mengenali dan menerjemahkan bahasa isyarat terkait kondisi tubuh. Sistem ini menggunakan flex sensor untuk mendeteksi lekukan jari, mikrokontroler ESP32 besertaexpansion board sebagai unit pemroses serta LCD 16x2 dengan modul IIC sebagai tampilan output. Data sensor diklasifikasikan ke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher,sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapat ditampilkan secara real-time dengan waktu respon rerata 0.10detik dalam bentuk teks. Desain sarung tangan dipilih untukmeningkatkan kenyamanan dan probabilitas. Hasil pengujianmenunjukkan bahwa sistem mampu mengenali 8 kondisi tubuhdengan akurasi 86% dan waktu respons yang cepat.Kata kunci : Bahasa Isyarat, Flex Sensor, MPU6050, MachineLearning, Sarung Tangan
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Rohan Hiskia Saragih, Aldo; Indah Purnama, Sevia; Aly Afandi, Mas
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

Penyandang disabilitas tunarungu atau tunawicara sering mengalami kesulitan dalam menyampaikan kondisi tubuh melalui bahasa isyarat kepada orang normal, sehingga menimbulkan hambatan komunikasi dan interaksi sosial. Untuk mengatasi masalah ini, dikembangkan sebuah sistem sarung tangan berbasis sensor dan machine learning yang mampu mengenali dan menerjemahkan bahasa isyarat terkait kondisi tubuh. Sistem ini menggunakan flex sensor untuk mendeteksi lekukan jari, mikrokontroler ESP32 beserta expansion board sebagai unit pemroses serta LCD 16x2 dengan modul IIC sebagai tampilan output. Data sensor diklasifikasikan ke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher, sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapat ditampilkan secara real-time dengan waktu respon rerata 0.10 detik dalam bentuk teks. Desain sarung tangan dipilih untuk meningkatkan kenyamanan dan probabilitas. Hasil pengujian menunjukkan bahwa sistem mampu mengenali 8 kondisi tubuh dengan akurasi 86% dan waktu respons yang cepat. Kata kunci : Bahasa Isyarat, Flex Sensor, MPU6050, Machine Learning, Sarung Tangan
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Makhdhori, Muhammad; Indah Purnama, Sevia; Aly Afandi, Mas
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

Penyandang disabilitas tunarungu atautunawicara sering mengalami kesulitan dalam menyampaikankondisi tubuh melalui bahasa isyarat kepada orang normal,sehingga menimbulkan hambatan komunikasi dan interaksisosial. Untuk mengatasi masalah ini, dikembangkan sebuahsistem sarung tangan berbasis sensor dan machine learningyang mampu mengenali dan menerjemahkan bahasa isyaratterkait kondisi tubuh. Sistem ini menggunakan flex sensoruntuk mendeteksi lekukan jari, mikrokontroler ESP32 besertaexpansion board sebagai unit pemroses serta LCD 16x2 denganmodul IIC sebagai tampilan output. Data sensor diklasifikasikanke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher,sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapatditampilkan secara real-time dengan waktu respon rerata 0.10detik dalam bentuk teks. Desain sarung tangan dipilih untukmeningkatkan kenyamanan dan probabilitas. Hasil pengujianmenunjukkan bahwa sistem mampu mengenali 8 kondisi tubuhdengan akurasi 86% dan waktu respons yang cepat.Kata kunci : Bahasa Isyarat, Flex Sensor, MPU6050, MachineLearning, Sarung Tangan
Co-Authors Adanti Wido Paramadini Adiputra, Dimas Aditya Prayugo Hariyanto Adriansyah, Bagas Afandi, Mas Aly Afandy, Mas Aly Alfataniah Nur Fajrina Andi Aqsha Ramadana Lubis Azhar Alfarisi, Fadhil Crisianti, Risa Farid Dwika Pangestu, Septiana Elsalami, Puspa Maudi Erlina Nur Arifani Fadhila Karin Purnomo Fajritama, Reza Fikra Titan Syifa Fitriawan, Taufiq Ghifar Rachman Nugraha Gunawan Wibisono Irmayatul Hikmah Jalil Faza Kevin Dwi Andika Hendarta Kevin Pratama Woy, Mario Kirani Lubis, Liza Kurnianto, Danny Kurnianto Latifasari, Nurul Latifasari Makhdhori, Muhammad Muhammad Nur Al-Majid Muhammad Panji Kusuma Praja Muhammad Yusro Mulyani, Elsa Sri Nasya Mauldi, Meyke Novianto, Arif Indras Nuralifa Kalyana Puteri, Keyza Oktaviana, Lutvi Tri Pangestu, Gusti Angga Paskah Saroengoe, Michael Pradana, Zein Hanni Puteri, Keyza Nuralifa Putri Intan Anggiarti Rachel Dwi Laura Br Sigalingging, Sonia Rangga Saputra Risa Farid Crisianti Rochmanto, Raditya Artha Rohan Hiskia Saragih, Aldo Selamet, Sheila Shelvia Setiawan, Andri Juli Shidqi Dhamara, Ammar Shinta Romadhona Witri Arsyada, Rifalia Wulan Sari, Hesti Yosef Mnaku Gawen, Baltasar Zen, Nur Afifah