Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sisfokom (Sistem Informasi dan Komputer) TEKNOLOGIA Building of Informatics, Technology and Science Journal of Data Science and Its Applications Jurnal Sistem Komputer dan Informatika (JSON) eProceedings of Engineering
Dody Qori Utama
Telkom University
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : eProceedings of Engineering

 1 
Klasifikasi Penyakit Aritmia Melalui Sinyal Elektrokardiogram (ekg) Menggunakan Metode Local Features Dan Support Vector Machine Gilang Titah Ramadhani; Adiwijaya Adiwijaya; Dody Qori Utama
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Jantung merupakan organ terpenting dalam tubuh manusia dan selalu dituntut dalam keadaan baik, tidak dapat dipungkiri bahwa seseorang memiliki kemungkinan menderita penyakit jantung aritmia. EKG merupakan salah satu cara untuk mendeteksi penyakit jantung. Dengan menggunakan metode Local Features yang merupakan metode ekstraksi ciri dengan menghitung jumlah detak jantung sehingga dapat membantu dalam proses klasifikasi yang dilakukan oleh Support Vector Machine (SVM). Dalam fitur pengklasifikasian yang dilakukan oleh SVM, mendapatkan hasil akurasi dari dua dataset yang digunakan. Untuk data EKG normal akurasi terbesar bernilai 67% yang dihasilkan dari SVM kernel linear dan RBF, untuk data EKG aritmia akurasi terbesar bernilai 83% yang dihasilkan oleh kernel linear dan 16% menggunakan kernel RBF. Perbedaan kernel mempengaruhi akurasi pada setiap data bergantung kepada karakteristik setiap data EKG yang digunakan.
Klasifikasi Sinyal Ecg Gagal Jantung Menggunakan Wavelet Dan Jst Propagasi Balik Dengan Modifikasi Gradien Konjugat Dinda Karlia Destiani; Adiwijaya Adiwijaya; Dody Qori Utama
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Gagal jantung kongestif (CHF) merupakan salah satu penyakit mematikan di dunia yang terjadi karena adanya kelainan pada otot-otot jantung sehingga jantung tidak dapat memompa darah sesuai kebutuhan tubuh. Sinyal jantung dapat dideteksi dengan menggunakan alat Electrocardiography (ECG). Pada dasarnya, sinyal jantung normal memiliki bentuk yang serupa. Namun, sinyal jantung penderita CHF, memiliki bentuk yang cukup bervariasi pada setiap individu. Hal tersebut dapat menimbulkan suatu permasalahan jika proses ekstraksi dilakukan dengan pencarian local features secara manual. Oleh karena itu, ekstraksi ciri wavelet digunakan pada penelitian ini untuk memetakan frekuensi terhadap waktu. Di samping itu, proses klasifikasi dengan metode JST Propagasi Balik Standar memerlukan waktu yang cukup lama untuk melakukan proses pelatihan. Sehingga, metode JST Modifikasi Propagasi Balik Gradien Konjugat Polak-Ribiere dengan teknik line search diusulkan untuk mempercepat proses pencarian. Pada akhir penelitian, diperoleh ekstraksi Dekomposisi Paket Wavelet pada level 5 dengan data pelatihan yang digunakan sebanyak 22 menghasilkan nilai rata-rata yang lebih tinggi dari hasil pengujian lainnya, yaitu sebesar 72.5%. Adapun jumlah neuron yang paling optimal untuk digunakan pada lapisan tersembunyi yaitu sebanyak 30 neuron. Sementara itu, Charalambous’ Search merupakan teknik pencarian yang tercepat dan terakurat untuk diterapkan pada kasus ini dengan waktu pencarian 2.65 detik, 14 epoch, serta akurasi 87.5%.
Pelabelan Sinyal Elektrokardiogram (ekg) Pada Klasifikasi Fibrilasi Atrium Menggunakan Hidden Markov Model Zakia Firdha Razak; Adiwijaya Adiwijaya; Dody Qori Utama
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Penyakit jantung telah menjadi salah satu penyebab kematian terbesar di dunia. Di antaranya yang paling sering terjadi adalah Fibrilasi Atrium, yaitu kondisi yang meliputi aktivitas sangat cepat dan tidak beraturan dalam atria serta menimbulkan gejala-gejala seperti jantung berdebar, sakit kepala, kehilangan kesadaran, sesak nafas dan rasa letih. Untuk mengenali penyakit ini, akan dikembangkan sebuah sistem pengenalan gelombang EKG. Hidden Markov Model yang menggunakan pendekatan probabilitas telah terbukti menghasilkan performansi yang bagus dalam pengenalan sinyal suara. Oleh karena itu, dalam tugas akhir ini akan diujikan metode HMM dalam kasus elektrokardiogram (EKG). Dalam sistem pendeteksian penyakit jantung terdapat 2 proses yaitu pemodelan dan pengenalan. Pada proses pemodelan akan dibuat suatu model pelabelan sinyal EKG dengan menghitung parameterparameter HMM, yaitu distribusi inisial state, distribusi probabilitas transisi antar state, dan distribusi probabilitas symbol observasi pada suatu state. Setelah diperoleh ketiga nilai tersebut yang optimal, maka terbentuklah suatu model HMM untuk jenis penyakit jantung. Sedangkan proses pengenalan penyakit jantung dilakukan pada tiap data EKG dengan menghitung likelihood dari data testing yang akan dikenali terhadap semua model data EKG yang telah dilatih sebelumnya. Dengan pelabelan yang teliti dan penentuan nilai probabilitas observasi yang optimal, HMM dapat digunakan untuk mengenali penyakit jantung. Hasil dari pengujian menunjukkan, nilai probabilitas observasi yang didapat dari nilai random selalu menghasilkan akurasi yang berubah-ubah, berbeda jika disama ratakan dengan jumlah state dan jumlah pengamatan. Selain itu, perbandingan jumlah state serta proporsi data juga berpengaruh terhadap akurasi. Akurasi terbesar adalah 100% dengan 2 dan 4 state ketika proporsi data training sebanyak 75% dan nilai probabilitas observasi diatur random. Kata kunci : hidden markov model, elektrokardiogram, distribusi inisial state, distribusi probabilitas transisi antar state, distribusi probabilitas simbol observasi Abstract Heart disease has become one of the biggest causes of death in the world. Among the most common is Atrial Fibrillation, a condition that includes very fast and irregular activities in atria and causes many symptoms such as palpitations, headaches, loss of consciousness, shortness of breath and tiredness. To recognize this disease, an ECG wave recognition system will be developed. Hidden Markov Model that use a probability approach has been proven to make good performance in speech signal recognition. Therefore, in this final project the HMM method will be tested on electrocardiogram (ECG) signal. In the detection system for heart disease there are 2 processes; modeling and recognition. In the modeling process, ECG signal labeling model will be made by calculating HMM parameters, namely the initial state distribution, the state transition probability distribution, and the observation symbol probability distribution. After obtaining these three optimal values, an HMM then formed for each type of heart disease. The recognition process of heart disease is carried out on each ECG data by calculating likelihood from testing data that will be identified by all models of ECG record after they have been previously trained. With appropiate labeling and determination of optimal observation probability values, HMM can be used to identify heart disease. The results showed that the probability value of the observations obtained from random values always results in varying accuracy. The comparison of the state number and the data proportion also affects accuracy. The highest accuracy is 100% with 2 states when the proportion of training data is 75% and the probability value is arranged randomly. Keywords: hidden markov model, elektrocardiogram, initial state distribution, state transition probability distribution, observation symbol probability distribution
Klasifikasi Bekas Gigitan Ular Menggunakan Active Contour Model Dan K Nearest Neighbor Chiara Janetra Cakravania; Adiwijaya Adiwijaya; Dody Qori Utama
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakIndonesia termasuk salah satu negara tropis yang memiliki tingkat risiko terkena gigitan ular yang tinggi.Penyebab utama kematian dari kasus gigitan ular tentunya adalah karena racun yang disemprotkan olehular berbisa tersebut melalui gigi taringnya. Penyebab lainnya adalah kesalahan dalam mengidentifikasibekas gigitan tersebut secara visual. Terdapat perbedaan anatomi gigitan pada ular berbisa dan tidaksehingga mengakibatkan perbedaan bekas gigitan pada korban. Pada penelitian ini dibangun sistemidentifikasi bekas gigitan ular yang dapat mengidentifikasi bekas gigitan ular tersebut oleh ular berbisaatau tidak dengan metode Active Contour Model dan K Nearest Neighbor. Dengan melakukan beberapapengujian terkait parameter yang digunakan pada metode tersebut, didapat nilai akurasi tertinggi padametode K Nearest Neighbor adalah dengan menggunakan aturan jarak correlation, nilai K = 3, dan sistemklasifikasi tidak menggunakan distance weight. Kata kunci : bite mark, active contour, k nearest neighborAbstractIndonesia is categorized as one of tropical countries that have a high risk of snakebites. This surely mayendanger rural citizens’ lives for there are still many snakes found in rural areas. The main cause of deathfrom snakebite cases is by reason of the venom squirted from snake’s canine teeth. Others causes areerrors in identifying the bite marks visually. There are anatomical differences between puncture woundsfrom venomous and non-venomous snakes. This study established a snakebite identification system usingActive Contour Model and K Nearest Neighbor (KNN) methods. By performing some tests related to theparameters used in the method, the highest accuracy value on K Nearest Neighbor method was obtainedby using the correlation distance rule, the K value = 3, without using distance weight in the classificationsystem. Keywords: bite mark, active contour, k nearest neighbor
Aplikasi Pengenalan Gejala Penyakit Dengan Pemrosesan Bahasa Alami Jendral Muhamad Yusuf Zia Ul Haq; Dody Qori Utama; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Banyak gejala yang akan dirasakan oleh manusia jika mengalami penyakit, dari gejala-gejala yang ada bisa dimiliki penyakit yang sama. Untuk memastikan kebenaran sebuah kesimpulan yang rumit dimiliki banyak penyakit tetap harus menggunakan pengetahuan dari dokter untuk pengambilan keputusan. Namun, tidak semua orang memiliki waktu dan kesempatan untuk menjumpai dokter. Hal ini dapat diatasi dengan kemajuan teknologi sekarang, dengan bermodalkan ponsel pintar, semua orang dapat mengakses apapun dan dimanapun. Dari permasalahan yang ada, kami memberikan solusi yaitu menyediakan aplikasi yang dapat mendeteksi penyakit berdasarkan gejala yang diberi nama “SiHelti”. Aplikasi ini dapat diakses menggunakan android. Model pengembangan aplikasi untuk aplikasi ini menggunakan metode Waterfall yang dimulai dari tahapan perancangan, implementasi, pengujian, dan deployment. Hasil dari pembuatan aplikasi ini diuji dalam pengujian acceptance testing dari pengguna untuk mengecek kelayakan dari aplikasi yang dibuat. Aplikasi diharapkan dapat membantu dalam mencegah masalah keterlambatan pengecekan penyakit pada masyarakat. Kata kunci : penyakit, aplikasi, android, waterfall, acceptance Abstract Many symptoms will be felt by humans if they experience a disease, from the symptoms that there can be the same disease. To ensure the correctness of a complex conclusion many diseases have to use the knowledge of doctors for decision making. However, not everyone has the time and opportunity to see a doctor. This can be overcome with advances in technology now, with smart phones, everyone can access anything, anywhere. From the existing problems, we provide a solution, namely providing an application that can detect diseases based on symptoms, which is named "SiHelti". This application can be accessed using android. The application development model for this application uses the Waterfall method which starts from the design, implementation, testing, and deployment stages. The results of making this application are tested in acceptance testing from the user to check the appropriateness of the application made. The application is expected to help prevent the problem of delays in checking disease in the community. Keywords: disease, application, android, waterfall, acceptance
Marketplace Pemesanan Katering Terstandarisasi “ketringan” Berbasis Website Muhammad Dafa Prima Aji; Dody Qori Utama; Aji Gautama Putrada
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pengguna internet di Indonesia pada tahun 2020 tercatat mengalami peningkatan sebanyak 17% dari tahun sebelumnya. Peningkatan tersebut membuka peluang baru di bidang perdagangan barang dan jasa di Indonesia. Penyediaan Akomodasi dan Makan Minum (Kategori I) memiliki peringkat kedua terbanyak dengan jumlah 4.431.154 usaha atau sekitar 17% dari total UMK di Indonesia. Data tersebut menunjukkan bahwa banyaknya UMK di bidang Penyedia makan minum yang bisa dimaksimalkan potensinya untuk mendongkrak perekonomian Indonesia. Permasalahan pemesanan katering juga ditemukan pada sejumlah mahasiswa Telkom. Mereka melakukan survei langsung ke toko fisik pada saat akan memesan katering sehingga 28 dari 30 orang (93%) merasa jasa katering perlu dibuat dalam bentuk platform digital. Survey lanjutan terhadap 10 orang responden juga menunjukkan bahwa 8 orang diantara 10 orang membeli katering dengan cara mendatangi toko fisiknya. Berdasarkan permasalahan dan fenomena tersebut, kami memiliki sebuah solusi yaitu Ketringan, sebuah marketplace katering yang memungkinkan orang bertransaksi dan mencari menu yang sesuai secara instan. Ketringan memiliki Unique Value Proposition (UVP) yaitu standarisasi, sistem pembayaran yang aman, dan harga yang sangat terjangkau. Kata kunci : Marketplace, Katering, UMK, Online, Aplikasi.
Co-Authors Adiwijaya Aji Gautama Putrada Astrima Manik Bayu Rahmat Setiaji Chiara Janetra Cakravania Chiara Janetra Cakravania Dewangga, Dhiya Ulhaq Dinda Karlia Destiani Fathur Rohman Gilang Titah Ramadhani Gunarto, Dzaki Mahadika Jendral Muhamad Yusuf Zia Ul Haq Mahendra Dwifebri Purbolaksono Mbake Woka, Adrian Yoris Muhammad Dafa Prima Aji sa'adah, siti Yoga Widi Pamungkas Zakia Firdha Razak