Article Per Year (5 Year)
p-Index From 2020 - 2025
3.432
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Journal JCONES TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Abadimas Adi Buana Share : Journal of Service Learning Jurnal Informatika dan Sistem Informasi Journal of Advanced in Information and Industrial Technology (JAIIT) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Journal of Technology and Informatics (JoTI) Jurnal Abdi Masyarakat Indonesia Journal of Applied Business, Taxation and Economics Reseach Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Innovation Research and Knowledge Journal of Business Management and Economic Development Jurnal Pengabdian Masyarakat EKOBIS ABDIMAS : Jurnal Pengabdian Masyarakat
Heri Pratikno
Universitas Dinamika
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Social Sciences Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Menentukan Ukuran Sepatu Secara Realtime Melalui Segmentasi Citra Telapak Kaki Heri Pratikno; Kusumawati, Weny Indah
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 3 No. 2 (2022): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v3i2.255

Abstract

Abstract: Sepatu selain sebagai fashion juga sebagai pelindung utama kulit permukaan kaki pada aktifitas kehidupan sehari-hari. Pada toko sepatu belum mempunyai sistem dan alat untuk mendeteksi ukuran sepatu orang secara realtime dan otomatis, sehingga calon pembeli sepatu tidak perlu lagi mencoba berulangkali untuk mendapatkan ukuran sepatu yang sesuai dan nyaman dipakai. Pada penelitian ini membuat sebuah sistem dan alat yang mampu mendeteksi ukuran sepatu secara realtime dan otomatis melalui segmentasi citra dari telapak kaki menggunakan webcam. Untuk mendapatkan ukuran sepatu yang pas pada penelitian ini maka dilakukan komparasi tiga metode deteksi tepi, yaitu: Sobel, Prewitt dan Canny. Hasil eksperimen secara empiris, metode Canny mempunyai akurasi tertinggi dalam mendeteksi ukuran panjang telapak kaki sebesar 97% dan lebarnya 98,8%. Metode Sobel mempunyai waktu komputasi tercepat, yaitu: 23,26 detik. Presisi terbaik dalam mendapatkan ukuran telapak kaki pada penelitian ini pada skala 4,48 piksel sebanding dengan 1 mm.
Kontrol Level Kecepatan Kipas Melalui Deteksi Gestur Jari Tangan Menggunakan MediaPipe dan Faster-RCNN Fakhruddin, Muhammad Aldi; Pratikno, Heri; Musayyanah; Kusumawati, Weny Indah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107345

Abstract

Interaksi antara manusia dan komputer saat ini lebih interaktif, responsif dan intuitif, di masa lalu proses interaksi tersebut diperlukan kontak secara fisik atau menggunakan sensor-sensor elektronik. Pada penelitian ini interaksi antara manusia dan komputer atau peralatan elektronik tidak diperlukan kontak fisik maupun melalui sensor karena dilakukan secara computer vision hanya menggunakan webcam sehingga proses interaksinya lebih natural. Penerapan mikrokontroler sebagai backbone utama teknologi berbasis Internet of Things di era Industry 4.0, bertujuan untuk mempermudah pekerjaan manusia terutama dukungan layanan di dunia industri. Pada era Society 5.0 semua penerapan teknologi yang ada tujuan utamanya tidak hanya mempermudah pekerjaan manusia tetapi bagaimana teknologi tersebut bisa lebih mengerti dan memahami manusianya maka disitulah diterapkan Artificial Itelligence. Dalam penelitian ini diterapkan sistem kontrol interaksi antara pengguna dan komputer untuk pengaturan level kecepatan putaran kipas angin secara otomatis dan realtime berbasis teknologi computer vision for deep learning melalui deteksi bentuk gestur jari tangan kanan dan gestur jari tangan kiri menggunakan webcam. Mikrokontroler yang digunakan pada penelitian ini adalah Arduino Uno, sedangkan penerapan computer vision for deep learning menggunakan framework MediaPipe dan Faster-RCNN. MediaPipe berfungsi untuk mendeteksi bentuk gestur fitur jari kedua tangan dan Faster-RCNN digunakan untuk proses klasifikasi empat bentuk gestur jari tangan untuk mematikan kipas angin atau menghidupkan kipas angin dengan kecepatan putarannya pada level 1, level 2 atau level 3. Hasil pengujian akurasi rata-rata deteksi gestur jari tangan menggunakan MediaPipe pada jarak 10 cm (41,6%), jarak 50 cm (85,35%), jarak 100 cm (71,68%), dan jarak 175 cm (69,33%). Sedangkan hasil pengujian Faster-RCNN mempunyai akurasi klasifikasi rata-rata pada jarak 10 cm (36%), jarak 50 cm (30,75%), jarak 100 cm (18,68 %), dan jarak 175 cm (14.83%).   Abstract Interaction between humans and computers is now more interactive, responsive and intuitive, in the past the interaction process required physical contact or using electronic sensors. In this study, the interaction between humans and computers or electronic equipment does not require physical contact or through sensors because it is done in computer vision using only a webcam so that the interaction process is more natural. The application of microcontrollers as the main backbone of Internet of Things-based technology in the Industry 4.0 era, aims to facilitate human work, especially service support in the industrial world. In the era of Society 5.0, all applications of technology that have the main goal are not only to facilitate human work but how technology can better understand and understand humans, so that's where Artificial Intelligence is applied. In this study, an interaction control system was applied between the user and the computer to adjust the fan speed level automatically and in real time based on computer vision technology for deep learning through the detection of the shape of the right hand finger gesture and the left hand finger gesture using a webcam. The microcontroller used in this study is Arduino Uno, while the application of computer vision for deep learning uses the MediaPipe and Faster-RCNN frameworks. MediaPipe serves to detect the shape of the finger feature gestures of both hands and Faster-RCNN is used to process the classification of four finger gestures to turn off the fan or turn on the fan with its rotational speed at level 1, level 2 or level 3. The results of the average accuracy test detection of finger gestures using the MediaPipe at a distance of 10 cm (37%), a distance of 50 cm (70%), a distance of 100 cm (54.7%), and a distance of 175 cm (63.3%). While the Faster-RCNN test results have an average classification accuracy at a distance of 10 cm (34%), a distance of 50 cm (24%), a distance of 100 cm (8.7%), and a distance of 175 cm (4.7%).
PENINGKATAN KOMPETENSI GURU MELALUI PELATIHAN KECERDASAN ARTIFISIAL GENERATIF DI SDK VINCENTIUS SURABAYA Pratikno, Heri; Kisworo, Angen Yudho
BESIRU : Jurnal Pengabdian Masyarakat Vol. 1 No. 7 (2024): BESIRU : Jurnal Pengabdian Masyarakat, Juli 2024
Publisher : Lembaga Pendidikan dan Penelitian Manggala Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62335/fhfwvf18

Abstract

Dalam menghadapi tantangan pendidikan di abad 21, peningkatan kompetensi guru menjadi sangat penting. Salah satu aspek penting dalam kompetensi ini adalah kemampuan memanfaatkan teknologi, termasuk kecerdasan artifisial generative. Tujuan dari pengabdian masyarakat ini adalah untuk meningkatkan kompetensi guru di SD Vincentius Surabaya dalam menggunakan kecerdasan artifisial generatif. Pelatihan ini dirancang untuk membekali para guru dengan pengetahuan dan keterampilan dasar dalam mengimplementasikan kecerdasan artifisial generatif dalam proses pembelajaran. Melalui pendekatan praktis dan interaktif, diharapkan para guru dapat lebih efektif dalam mengintegrasikan teknologi ini ke dalam kurikulum mereka, sehingga dapat meningkatkan kualitas pendidikan di sekolah. Ke depan, dukungan berkelanjutan dan peningkatan program pelatihan akan menjadi kunci untuk memastikan penerapan teknologi AI yang optimal dalam pendidikan dasar.
Co-Authors Adani, Muhammad Faizin Andre Hartoko Aji Putra Perdana Bayunugraha, Erdasetya Chalim, Muchammad Daniel Tanugraha, Filbert Dewanto, Arief Rizki Eka Sari Oktarina Fakhruddin, Muhammad Aldi Fitri, Febriana Fredi Wakerkwa Harianto Harianto Harianto Jusak Jusak Jusak Jusak Kisworo, Angen Yudho Kusuma, Mochamad Fajar Mohd Zamri Ibrahim Muhammad Rifki Pratama Musayyanah Musayyanah Musayyanah Noorizki, Adisaputra Zidha Pauladie Susanto Philbert, Nicholas Pradinasari, Ryanda Khansa Putro, Abid Eka Sukatno Ramadhan, Rifandy Syahril Setiawan Jaya, Toni Slamet Sopiah, Sopiah Sukma, Mochamad Rizal Permata Sulistyo, Bagus Cahyo Susijanto Tri Rasmana Toni Setiawan Jaya Utomo, Niko Priyo Wardhana, Ludi Wishnu Weny Indah Kusumawati Yoppy Mirza Maulana Yosefine Triwidyastuti Yosefine Triwidyastuti Yosefine Triwidyastuti Yosia Pradeska Admaja Zamri Ibrahim, Mohd