Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JETT (Jurnal Elektro dan Telekomunikasi Terapan) JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering)
aulia el hakim
Unknown Affiliation
Automotive Engineering Computer Science & IT Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
RANCANG BANGUN ELEKTROMIOGRAFI PERMUKAAN PORTABEL aulia el hakim; Hendrik Kusbandono; Fata Izzan Hafidz Jihaadi; Riska Widiyaningsih Fata
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 8 No 1 (2021): JETT Juli 2021
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jett.v8i1.3844

Abstract

Kelemahan otot merupakan kondisi ketika salah satu sisi tubuh mengalami kelemahan sehingga bagian tersebut sulit untuk digerakkan. Kelemahan otot umumnya dialami oleh pasien paska stroke atau pasien yang mengalami cidera otot. Akan tetapi penggunaan Electromyography hanya dapat digunakan oleh tenaga medis dan biayanya cukup mahal. Maka dari itu pembuatan surface Electromyography secara portabel ini ditujukan untuk membantu bagi pengguna dalam mengetahui kondisi kekuatan otot. Sinyal otot dapat dibaca dengan adanya elektroda permukaan yang terhubung dengan rangkaian Differential Amplifier, kemudian sinyal diolah dengan rangkaian Fiter: LPF, HPF dan Notch Filter untuk mengurangi noise, dan rangkaian adder untuk menaikkan sinyal agar dapat dibaca adc yang terhubung dengan raspberry pi dan dapat dikoneksikan melalui bluetooth. Pengujian alat keseluruhan Surface Electromyography mampu membaca dan menampilkan sinyal pada raspberry pi dan dapat mengetahui jenis gerakan dengan menggunakan metode FFT dan MPF. Jenis gerakan fleksi mempunyai nilai MPF kurang dari 180Hz dan gerakan ekstensi mempunyai nilai MPF lebih dari 180Hz
SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI): SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI) Haninditio Bagus Septiansyah; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Adji Barru Prasetiyo; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

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

Abstract

Kecelakaan lalu lintas merupakan penyebab kematian dengan tingkat fatalitas tinggi melibatkan kendaraan bermotor bertabrakan dengan benda lain sehingga mengakibatkan kerusakan hingga korban jiwa. Salah satu penyebab kecelakaan lalu lintas adalah kerusakan jalan yang tidak mendapatkan perawatan dan penanganan. Kerusakan jalan juga memiliki dampak negatif terhadap aktivitas masyarakat baik ekonomi dan non ekonomi serta, ketidaknyamanan dalam berkendara, serta peningkatan emisi gas. Untuk menekan angka kecelakaan dan dampak negatif yang ditimbulkan oleh kerusakan jalan, telah dikembangkan beberapa sistem terkait informasi dan pemetaan kerusakan jalan, namun masih memiliki beberapa kekurangan diantaranya input data manual dan tidak terdapat analisis kerusakan jalan. Berdasarkan permasalahan tersebut diperlukan sebuah sistem yang dapat menganalisis berdasarkan data yang masuk pada database. Oleh karena itu penulis mengusulkan Sistem Analisa Kerusakan Jalan Menggunakan Metode Surface Distress Index (SDI). Pada sistem website terdapat fitur yang akan memudahkan Dinas Pekerjaan Umum dalam monitoring data kerusakan jalan seperti analisis data berdasarkan hasil deteksi dan estimasi area. Analisis kerusakan jalan menggunakan metode Surface Distress Indeks dengan hasil indeks <50 kondisi baik dan membutuhkan penanganan rutin, indeks 50-100 kondisi sedang dan membutuhkan penanganan rutin, indeks 100-150 kondisi rusak ringan dan membutuhkan penanganan berkala, indeks >150 kondisi rusak berat dan membutuhkan penanganan rekonstruksi atau peningkatan.
SISTEM DETEKSI DAN ESTIMASI DIMENSI MENGGUNAKAN METODE DEEP LEARNING DAN ADAPTIVE ROI Arfian Iqbal Fatkhulhuda; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Nadia Ilmiya Maulinda; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

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

Abstract

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna jalan. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan “Sistem Deteksi dan Estimasi Dimensi Menggunakan Metode Deep Learning dan Adaptive Roi”. Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server. Dari hasil pengujian seluruh sistem yang telah dilakukan, sistem deteksi dapat melakukan pengujian seluruh sistem secara realtime dan mengidentifikasi jenis kerusakan seperti retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang presentasi dengan nilai Accuracy sebesar 83,07%, Precision sebesar 0,92, Recall sebesar 0,89, dan F1-Score sebesar 90,4%. Sistem juga dapat menghitung estimasi area dengan kesalahan 24,6 cm pada lebar, 27,6 cm pada Panjang dan 4,82 mm pada kedalaman.
Co-Authors Adji Barru Prasetiyo Arfian Iqbal Fatkhulhuda Deni Nur Fauzi Denny Hardiyanto Fata Izzan Hafidz Jihaadi Haninditio Bagus Septiansyah Hanum Arrosida Hendrik Kusbandono Nadia Ilmiya Maulinda Riska Widiyaningsih Fata Sulfan Bagus Setyawan