Article Per Year (5 Year)
p-Index From 2021 - 2026
5.749
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Teknik Elektro Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Panrita Abdi - Jurnal Pengabdian pada Masyarakat JIKO (Jurnal Informatika dan Komputer) Techne : Jurnal Ilmiah Elektroteknika JMM (Jurnal Masyarakat Mandiri) JUTEI (Jurnal Terapan Teknologi Informasi) Indonesian Journal of electronics, electromedical engineering, and medical informatics Jurnal Abdi Insani Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknik Informatika (JUTIF) Almufi Jurnal Pengabdian kepada Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Nasional Sains dan Teknik
Ledya Novamizanti
Telkom University
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Automated Tuna Freshness Assessment via Gas Sensors and Machine Learning Algorithms Pratama , Nyoman Raflly; Novamizanti, Ledya; Wijaya, Dedy Rahman
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

Ensuring the safety and health of fish products is crucial for public health, with tuna being Indonesia's second most popular fishery product. Tuna freshness is a key indicator of seafood safety, directly impacting both nutritional quality and contamination risk. This study compares the K-Nearest Neighbors (KNN), Naive Bayes, and Support Vector Machine (SVM) algorithms to assess and classify tuna freshness, offering an accurate and efficient approach. A machine learning model categorized Tuna freshness based on the gases emitted, utilizing a dataset of 58,389 records. Gas changes were detected using the MQ-135, MQ-9, and MQ-2 sensors, which are highly sensitive to gases like ammonia, methane, and alcohol, commonly associated with spoilage. The KNN, Naive Bayes, and SVM algorithms were then applied to classify the sensor data. KNN and SVM achieved an accuracy of 99%, while Naive Bayes reached 90%. The high accuracy of these methods highlights their potential as practical tools for the fishing industry, enabling suppliers and retailers to assess tuna freshness more effectively. This method could significantly improve consumer safety by ensuring only high-quality, fresh products reach the market. Additionally, automation offers substantial time savings, facilitates faster decision-making, and reduces reliance on manual inspections prone to human error. Keywords—tuna, classification, gas sensor, machine learning
Comparison of k-NN and Naive Bayes Algorithms for Classifying Mackerel Tuna Freshness For Real-Time Classification Using Gas Sensors Setyagraha , Muhammad Rafi Mahfuz; Novamizanti, Ledya; Wijaya, Dedy Rahman
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

The large production and consumption of mackerel tuna in Indonesia reflect its importance as a local staple and a valuable export product contributing to the nation's economy. Mackerel tuna is prized for its nutritional content and affordability, making it a crucial part of the diet for many Indonesians. Ensuring the freshness and quality of this high-demand product is essential. This study introduces a machine-learning approach to detect fish freshness by analyzing gases emitted during spoilage, utilizing MQ-2, MQ-9, and MQ-135 gas sensors. The data were processed using the k-Nearest Neighbors (k-NN) and Naive Bayes algorithms, both achieving accuracy rates near 100%. These findings highlight the system’s potential to enhance quality control in Indonesia’s fishery industry by offering an efficient and reliable method for assessing fish freshness. Keywords—classification, machine learning, tuna, gas sensor
Crab Quality Detection with Gas Sensors Using a Machine Learning Hermawan, Laksamana Mikhail; Novamizanti, Ledya; Wijaya, Dedy Rahman
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

Crab is a widely recognized and favored seafood product globally. Crab’s delicious taste and high nutritional value, particularly its protein content, make it a desirable food choice. Given the global popularity of seafood, including crabs, maintaining its quality is essential for both economic and consumption purposes. However, seafood products are prone to rapid spoilage due to their high-water content, with spoilage rates varying among different types of seafood. It is crucial for industries to monitor and ensure the quality of their products before they reach the market. Given the high demand for crabs, there is a pressing need for an effective method to assess their quality. This research seeks to establish a method for assessing the freshness and quality of crabs using an electronic nose (e-nose) system, employing machine learning algorithms for classification analyses. Three algorithms will be utilized, along with hyperparameter optimization, to achieve optimal accuracy in evaluating crab quality. These algorithms are K-Nearest Neighbor (K-NN), Support Vector Machine (SVM), and Naïve Bayes. The highest result is achieved by K-NN methods with 98% accuracy percentage. The proposed method of this research has acquired targets that can contribute to advancing seafoods production for industries. Keywords—crabs, detection, e-nose, machine learning, quality
Evaluasi Kinerja YOLOv8 dalam Identifikasi Kesegaran Ikan dengan Metode Deteksi Objek Maulana , Muhammad Dafa; Novamizanti, Ledya; Wibowo, Suryo Adhi
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

Identifikasi kesegaran ikan merupakan aspek penting dalam industri perikanan karena mempengaruhi kualitas dan nilai jual produk akhir. Teknologi deteksi objek menawarkan solusi modern untuk mengotomatisasi proses ini, menggantikan metode manual yang seringkali memakan waktu dan kurang akurat. Dalam penelitian ini, dilakukan evaluasi kinerja YOLOv8, yaitu sebuah model deteksi objek untuk mengidentifikasi kesegaran ikan. Dataset yang digunakan dalam penelitian ini mencakup citra ikan cakalang yang diperoleh dari Perusahaan Aruna dan sumber-sumber tambahan. Data dianotasi dan diproses menggunakan platform Roboflow yang memfasilitasi pra-pemrosesan dan augmentasi data. Model YOLOv8 kemudian dilatih dan dievaluasi di lingkungan Google Colab dengan fokus pada akurasi, kecepatan, dan keandalannya dalam mendeteksi perbedaan antara ikan segar dan tidak segar. Hasilnya menunjukkan bahwa YOLOv8 mampu mencapai nilai mAP (mean Average Precision) lebih dari 87%, yang menunjukkan bahwa model memiliki efisiensi dan keakuratan dalam melakukan identifikasi kesegaran ikan. Kesimpulannya, YOLOv8 berpotensi untuk diadopsi secara luas dalam industri perikanan sebagai alat untuk meningkatkan efisiensi dan memastikan kualitas produk perikanan yang lebih baik. Kata kunci— deteksi objek, YOLOv8, kesegaran ikan, industri perikanan, mean Average Precision (mAP).
Perancangan dan Implementasi Cloud Computing untuk Deteksi Kesegaran Ikan Menggunakan Model Deep Learning YOLOv8 Pada Aplikasi FishQ Firdaus, Rifqi Fadhilah; Novamizanti, Ledya; Wibowo, Suryo Adhi
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

file:///C:/Users/User/Downloads/24.04.1572_jurnal_eproc.pdfSebagai solusi dari permasalah sortasi ikan, dilakukan pengembangan dan pengimplementasian aplikasi FishQ yang menggunakan teknologi cloud computing dan model deep learning YOLOv8 untuk mendeteksi kesegaran ikan cakalang. FishQ dirancang untuk meningkatkan efisiensi dan akurasi dalam proses sortasi ikan yang selama ini dilakukan secara manual dan rentan terhadap kesalahan. Pengujian dilakukan pada 30 sampel ikan cakalang dalam kondisi beku dan tidak beku, dengan kategori segar, tidak segar, dan multiple. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi kesegaran ikan dengan akurasi tinggi. Analisis hasil pengujian menunjukkan bahwa sistem cloud computing yang dirancang mampu mendeteksi kesegaran ikan dengan efisien dan akurat, terutama lebih cepat pada ikan dalam kondisi beku. Secara keseluruhan, aplikasi FishQ diharapkan dapat membantu perusahaan perikanan dalam meningkatkan efisiensi dan akurasi proses sortasi ikan, sehingga dapat meningkatkan kualitas produk perikanan yang dijual. Kata kunci— FishQ, cloud computing, YOLOv8, deteksi kesegaran ikan, deep learning, sortasi ikan.
IDENTIFIKASI TINGKAT KEMATANGAN DAN KUALITAS BUAH STROBERI MENGGUNAKAN DEEP LEARNING Azizah, Siti; Novamizanti, Ledya; Sa'idah, Sofia
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

Strawberries are one of the most popular fruits in Indonesia. In 2022, the Central Statistics Agency (BPS) recorded strawberry production at 28,895 tons, a 193.05% increase from the previous year. West Java was the main producer, with 25,413 tons, accounting for 87.95% of total production. However, the sorting process is still done conventionally to determine the ripeness and quality of the fruit, which consumes time and resources. This system utilizes deep learning technology with YOLOv7 and EfficientNetV2S models, integrated with the cloud and implemented on an Android application. The app sends images to the deep learning system, which processes and classifies the ripeness of strawberries. The smartphone displays the confidence level and classification results. Based on testing, the system can identify five categories: Ripe Grade-A, Ripe Grade-B, Half-Ripe Grade-A, Half-Ripe Grade-B, and Unripe. The loss values for Box and Val Box are 0,02095 and 0,03029, respectively; Objectness and Val Objectness are 0,004057 and 0,00333; Classification and Val Classification are 0,008343 and 0,007392. The classification model evaluation showed precision, recall, and F1-Score of 0.990 each and an accuracy of 99%. Cloud processing time reached 1-2 seconds with object classification at 180 milliseconds. Usability testing with 33 respondents showed dominant scores of 4 and 5, and the application can be installed on various Android versions without consuming much memory or crashing. Keywords: deep learning, cloud, mobile application, ripeness, quality
Perancangan Slice Math Permainan Matematika Berbasis Virtual Reality Menggunakan Unreal Engine 5 Fathiyya, Dhiya; Wibowo, Suryo Adhi; Novamizanti, Ledya
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

Digitalisasi mendorong perkembangan teknologi, termasuk virtual reality (VR) yang memiliki dampak di berbagai aspek kehidupan, salah satunya pendidikan. Permainan VR menjadi salah satu digitalisasi yang telah terbukti dari penelitian terkait sebelumnya mampu meningkatkan efektivitas dalam pembelajaran. Penelitian ini merancang permainan matematika berbasis VR menggunakan Unreal Engine 5 yang bertujuan untuk memberikan pengalaman menarik bagi siswa. Menggunakan metode Game Development Life Cycle (GDLC) untuk melalukan proses pembuatan game ini. Dari hasil integrasi aset 2D dan 3D yang dilakukan ke dalam aplikasi Slice Math dengan melakukan uji blackbox, semua fitur yang dibuat mampu berjalan sesuai dengan yang direncanakan. Secara keseluruhan dari penelitian ini mendukung bahwa teknologi VR mampu dikombinasikan ke dalam pembelajaran matematika untuk membuat suatu permainan matematika yang interaktif. Kata kunci— virtual reality, matematika, permainan edukasi.
Penerapan Polar Harmonic Transform dalam Robust Reversible Watermarking pada Citra Berwarna Sulistyowati, Syifa Dwi; Novamizanti, Ledya; Budiman, Gelar
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

Dengan semakin meningkatnya akses terhadap informasi digital, maka kebutuhan akan perlindungan terhadap karya digital juga semakin mendesak. Penelitian ini bertujuan untuk mengatasi masalah keamanan data dengan mengusulkan skema watermarking RRW berbasis PHT. Skema ini memanfaatkan Polar Harmonic Transform (PHT) pada citra RGB untuk meningkatkan imperceptibility dan ketahanan watermark. Banyak teknik dalam watermarking yang lebih berfokus pada penggunaan gambar greyscale sebagai eksperimen. Oleh karena itu pada jurnal ini diterapkan citra RGB pada metode yang dikembangkan oleh Tang, dkk. Percobaan akan dilakukan dengan dua cara, yaitu citra RGB dengan menyisipkan watermark pada satu layer dan citra RGB dengan menyisipkan watermark di setiap layer. Dengan mengkombinasikan PHT, DC-QIM, dan PEE-HS, metode ini berhasil mencapai tingkat imperceptibility yang tinggi dan kemampuan pemulihan data yang baik. Hasil eksperimen menunjukkan bahwa skema watermarking yang diusulkan mampu mencapai tingkat imperceptibility yang tinggi dengan nilai PSNR embedding tertinggi mencapai 44.95 db dan BER 0 serta mendapatkan nilai PSNR recovery image tertinggi mencapai 75.86 db. Kata kunci— Digital image, Imperceptibility, Reversible, Robust, Watermarking,
Robust Reversible Watermarking berbasis Polar Harmonic Transform dan Multibit Spread Spectrum Hanum, Mirza Alifia; Novamizanti, Ledya; Budiman, Gelar
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

Pesatnya pertumbuhan teknologi digital telah menimbulkan risiko keamanan dalam pembuatan, pembagian, dan manipulasi citra digital. Oleh karena itu, diperlukan pendekatan yang lebih efektif dengan menggunakan teknik Robust Reversible Watermarking (RRW). Robust mengacu pada kemampuan watermark dalam menahan serangan, sedangkan reversible mengacu pada kemampuan sistem dalam mengembalikan citra ke keadaan semula. Penelitian ini mengusulkan teknik RRW berbasis Polar Harmonic Transform (PHT) dengan metode Multibit Spread Spectrum (MSS). Teknik ini bekerja dengan cara menyisipkan beberapa watermark sekaligus yang telah dipetakan ke dalam kode Pseudo-random Noise (PN), lalu kode PN ini yang akan disisipkan ke dalam nilai momen PHT. Di sisi penerima, dilakukan perhitungan korelasi maksimum untuk mengekstraksi watermark yang disisipkan. Teknik MSS ini menggunakan parameter α sebagai parameter untuk menyeimbangkan sifat Imperceptibility dan Robustness sistem watermarking. Pengujian dalam kondisi tanpa serangan menghasilkan BER 0 dan PSNR rata-rata 36,18 dB. Kata kunci—Multibit Spread Spectrum (MSS), Polar Harmonic Transform (PHT), Reversible, Robust, Watermarking.
Robust Reversible Watermarking based on Polar Harmonic Transform using Logarithmic QIM Faza, Lulu Balqis Zianka; Novamizanti, Ledya; Budiman, Gelar
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

Di era digital yang terus berkembang, perlindungan hak cipta menjadi semakin penting, terutama dalam distribusi konten multimedia. Salah satu teknik yang digunakan untuk melindungi hak cipta adalah watermarking, khususnya watermarking yang kuat dan dapat dibalik. Namun, tantangan tetap ada dalam menjaga kualitas gambar asli setelah proses penyematan dan ekstraksi watermark, serta memastikan bahwa watermark tidak terlihat dan tahan terhadap berbagai jenis serangan. Penelitian ini mengusulkan metode watermarking yang kuat dan reversibel dengan memanfaatkan Polar Harmonic Transform (PHT) dan Logarithmic Quantization Index Modulation (LQIM) serta teknik normalisasi adaptif. Proses dimulai dengan menerapkan PHT untuk memperoleh koefisien frekuensi yang lebih tahan terhadap distorsi. Selanjutnya, LQIM digunakan untuk menyematkan watermark ke dalam gambar host secara tidak kentara, dengan teknik normalisasi adaptif yang mengoptimalkan proses penyematan dan meminimalkan dampaknya terhadap kualitas gambar. Hasil eksperimen menunjukkan bahwa metode yang diusulkan mempertahankan kualitas visual yang tinggi, dengan nilai Peak Signal-to-Noise Ratio (PSNR) yang memadai, dan menunjukkan ketahanan yang kuat terhadap serangan seperti kompresi, noise, dan pemotongan. Selain itu, metode ini memungkinkan pemulihan gambar asli secara sempurna tanpa kehilangan informasi, sehingga efektif untuk aplikasi watermarking dalam lingkungan yang memerlukan keamanan dan kualitas gambar. Hasil eksperimen juga menunjukkan bahwa skema watermarking yang diusulkan mencapai tingkat imperceptibility yang tinggi dengan nilai PSNR rata-rata sebesar 33.44 dB. Kata kunci— Citra digital, Polar Harmonic Transform, Reversible, Robust, Watermarking.
Co-Authors ABDULFATTAH, MUHAMMAD EFAN Aditya, Ghanes Mahesa ADRIAN KURNIA, ADRIAN Adviatmadja, Sebastian Danny Adyansyah, Ilham Agnes Gabriela Putri Winata Agung Nugroho Jati Ahmad Akbar Khatami Ahmad Alfi Adz Dzikri Ahmad Fauzan Fauzan Aldra Kasyfil Aziz Amini, Siti Aisyah Andy Ruhendy Putra ANGGUNMEKA LUHUR PRASASTI Annida, Nurafifah Aqilah Mamur Tanjung , Najmi Arindaka, Hafizhan Bhamakerti Armanda Nur Fadhlillah Ashri Dinimaharawati Aulia Wibowo Bambang Hidayat Cindy Angelista Deltika Cucu Alex Zaenudin Danny Adviatmadja, Sebastian David Chandra De Lima, Nadya Viana Dedy Rahman Wijaya Denny Meilika Setiawati Desri Kristina Silalahi Dias Wardana Dick Maryopi Dien Rahmawati Dimitri Mahayana Dine Octavia Kumalasari Eko Susatio Elsa Nur Fitri Astuti Elsa Nur Fitri Astuti Erizka Banuwati Candrasari Fahriansyah, Ardy Fajri, Farhan Ulil FARDAN FARDAN, FARDAN Faris Fadhlur Rachman Fathiyya, Dhiya Faza, Lulu Balqis Zianka Felix Pidha Hilman Fenty Alia Fikri Adhanadi Firdaus, Rifqi Fadhilah Fityanul Aditya Fityanul Akhyar Fredigo, Agno Gelar Budiman Gogi Gautama Al Hadiid HAFIZHANA, YASQI Hakim, Farhan Nur HANNAN HARAHAP, HANNAN Hanum, Mirza Alifia Harist Gymnovriza Hermawan, Laksamana Mikhail Hidayat, Dehani Nurkemala Husneni Mukhtar I Gusti Putu Agung Satria Bayu Mahendra I N Apraz Ramatryana I Nyoman Apraz Ramatryana Ilman, Mukhamad Zidni Imansyah Basudewa , Muhammad Indra Aulia indwiarti Intan Sulviyani Irma Safitri Ivandy Chaniago Ivany Sesa Rehadi Iwan Iwut Iwan Iwut Tritoasmoro Iwut Tritoasmoro, Iwan Jangkung Raharjo Jondri Jondri Koredianto Usman Kurnia Ramadani Kurniawan Nur Ramadhani Mahanani, Edo Lutfi Mahfuz, Muhammad Rafi Marlindia Ike Sari Maulana , Muhammad Dafa Mertu, Aidi Mirsa Bayu Prasetyo Mochamad Reyhand Landrenzy Zulfikar Mohamad Alfaj’ri Muhammad Alief Hidayah Baso Muhammad Azwar Zulmi Muhammad Biyan Priatama Muhammad Fikri Aufa Muhammad Hablul Barri Muhammad Harits Ibrahim Muhammad Iqbal Rabbani Muhammad Raia Pratama Putra Wibowo Muhammad Rayhan Ghifari Muhammad Rizqy Alfarisi Muhammad Sindu Ramadhan Muhammad Wahyu Setiawan Nabila Setya Utami Novelita Dwi Miranda Novialdy Nugroho Santoso Nur Ibrahim Paradila I., Dela Parjuangan, Sabam Permana, Rangga Aditia Pinasthika Aulia Fadhila Pratama , Nyoman Raflly Prawita, Fat’hah Noor Priyambodo, Afif Putra, Afi Athallah Syamsulhadi Putu Harry Gunawan R Ricki Juniansyah R. Yunendah Nur Fu’adah Rabby Fitriana Adawiyah Rahma Nur Auliasari Rahmawati, Aulya RAMATRYANA, I NYOMAN APRAZ Randy Hamzah Hardianto Ratri Dwi Atmaja Razendra Zahran Firdaus Reyhan Radifan Jordy RIANTIARNI, TITA Rita Magdalena Rita Purnamasari Rita Rismala Rizal, Mochammad Fahru Rochmawati Ruslan , Ramah Rinaldi Ryan Anggara Sa'idah, Sofia Sari, Rina Media Satria Mandala Sa’idah, Sofia Setyagraha , Muhammad Rafi Mahfuz SIDDIK, MUHAMMAD ARSYAD Siti Azizah Suci Aulia Sudiartama , Annenta Gistya Sugondo Hadiyoso Sulistyowati, Syifa Dwi Suryo Adhi Wibowo Susatio, Eko Susi Diriyanti Novalina Syamsul Rizal Syamsul Rizal Tanjung, Najmi Aqilah Mamur Thomhert Suprapto Siadari Thoriq Bayu Aji Tora Fahrudin Wahidin Wahidin WANANDA, PUTU DEBBY WIBOWO, BHISMA ADI Wicaksono, Muhammad Rievnuansyah YUYUN SITI ROHMAH Zahra Zettira Zukhrufuljannah Zaky, Pavel Manaf El