Article Per Year (5 Year)
p-Index From 2021 - 2026
4.623
P-Index
This Author published in this journals
All Journal Jurnal Penelitian dan Evaluasi Pendidikan Jurnal Ilmiah Farmasi e-Journal Pustaka Kesehatan Media Farmasi : Jurnal Ilmu Farmasi (Journal Of Pharmaceutical Science) Jurnal Teknologi Informasi dan Ilmu Komputer Global Medical and Health Communication Jurnal Farmasi Sains dan Komunitas JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Farmasi Galenika (Galenika Journal of Pharmacy) Warta Pengabdian JURNAL FARMASIMED (JFM) Building of Informatics, Technology and Science Abdimasku : Jurnal Pengabdian Masyarakat Community Development Journal: Jurnal Pengabdian Masyarakat Charity : Jurnal Pengabdian Masyarakat SOCIAL CLINICAL PHARMACY INDONESIA JOURNAL Farmasis: Jurnal Sains Farmasi Jurnal Pengabdian Masyarakat Akademisi eProceedings of Engineering Jurnal Farmasi Indonesia Journal of Agropharmacy
Ema Rachmawati
Fakultas Farmasi Universitas Jember
Arts Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : eProceedings of Engineering

 1 
Deteksi Cacat Biji Kopi Berdasarkan Spesifikasi Specialty Coffee Association dengan YOLOv8 Syahid, Ibadurrahman; Rachmawati, Ema
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Produksi kopi diprediksi akan menambahsebanyak 5,8% pada tahun 2024. Kopi dapat dibagi menjadiberbagai kualitas berdasarkan kecacatan yang ditemukan.Pemeriksaan kualitas kopi biasanya dilakukan melalui inspeksivisual, yang memakan waktu dan subjektif. Penelitian lain yangtelah dilakukan menerapkan metode yang hanya mendeteksiadanya cacat, atau menggunakan tekstur untuk penilaiankualitas kopi. Penelitian ini menggunakan pendekatan yangberbeda, dengan metode You Only Look Once versi 8(YOLOv8) untuk mendeteksi cacat berdasarkan standarSpecialty Coffee Association (SCA). Dataset yang disusunadalah kumpulan 204 citra yang menampilkan 300 gram bijikopi hijau arabika mandheling. Dengan menggunakanpendekatan di mana model akan mendeteksi danmengklasifikasikan cacat berdasarkan standar SCA, modeldapat memberikan hasil yang lebih akurat dalam mendeteksicacat biji kopi hijau dan mempermudah inspeksi kualitas kopi.Kontribusi utama dari penelitian ini adalah model yang dapatmendeteksi biji kopi yang memiliki cacat berdasarkan standarSCA. Model yang dibuat memiliki mean average precisionsebesar 0,14. Kata kunci— biji kopi, deteksi objek, computer vision,kualitas kopi.
Deteksi Kecelakaan Pengendara Kendaraan Berdasarkan Kamera CCTV Menggunakan Metode YOLOv9 Sagala , Tunggal Panaluan Gabriel; Rachmawati, Ema
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Kecelakaan lalu lintas merupakan salah satubencana non-alam yang paling sering terjadi di Indonesia dansering dilaporkan. Kecelakaan dapat terjadi di berbagai jenisjalan, mulai dari jalan raya, jalan tol, hingga jalan kecil.Berdasarkan tingkat keseriusannya, kecelakaan lalu lintasdapat dikategorikan sebagai ringan, sedang, atau berat.Kecelakaan ringan umumnya menyebabkan luka ringan ataubahkan tanpa luka, sementara kecelakaan dengan tingkatkeseriusan sedang hingga berat dapat mengakibatkan cederaserius yang dapat mengancam nyawa pengendara. Dalamkondisi tersebut, penanganan medis yang cepat sangat pentinguntuk menyelamatkan nyawa korban. Untuk meminimalkanrisiko korban jiwa, penting bagi pihak berwajib untukmengetahui kondisi sekitar lokasi kecelakaan secara akurat,termasuk jumlah korban yang terlibat. Hal ini bertujuan agarbantuan medis dan tim penyelamat dapat dikirim dengan cepatdan tepat sasaran dalam memberi pertolongan. Dalampenelitian ini, penulis mengusulkan solusi berupa sistem deteksipengendara yang terlibat kecelakaan lalu lintas denganmemanfaatkan data dari CCTV dan menggunakan metodeYOLOv9 untuk deteksi objek. Hasil penelitian menunjukkanbahwa sistem yang dibuat dapat mendeteksi pengendara yangterlibat kecelakaan hanya dengan menggunakan data dariCCTV dan menunjukkan bahwa model YOLOv9 dapat meraihnilai AP@50 sebesar 0,72, precision 0,75, recall 0,61, averageconfidence 0,63 dan IoU 0,73. Dengan hasil yang diperolehmencerminkan performa yang cukup baik dan diharapkandapat meningkatkan efektivitas respons cepat dalam situasidarurat.Kata kunci— YOLO, Deteksi Pengendara Kecelakaan,Kecelakaan, Lalu Lintas
Sistem Question Answering pada Data Kesehatan Menggunakan Model pre-trained BERT Alhafidz, Bagas Millen; Rachmawati, Ema; Yunanto, Prasti Eko
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Setelah pandemi covid-19, kesehatan menjadi halyang harus diperhatikan. Sebagian besar masyarakatmenggunakan search engine sebagai alat untuk mencariinformasi tentang kesehatan. Namun informasi yangdidapatkan berupa query hasil search engine yang masihumum. Sistem Question Answering adalah sistem yangmemberikan informasi sesuai informasi yang dibutuhkan olehpengguna secara spesifik. Pada penelitian ini dibangun sistemQuestion Answering menggunakan metode BidirectionalEncoder Representations from Transformer (BERT). BERTmerupakan sebuah pre-trained model yang menggunakanarsitektur transformer. BERT dapat menyelesaikan tugassistem Question Answering. Dengan pre-trained model, sistemtidak perlu melakukan training model dari awal. Sistem hanyaperlu menggunakan train model yang telah dibuat oleh oranglain sesuai tugas yang dibutuhkan untuk menghemat waktu dansumber daya. Untuk mengukur performansi, digunakan metodeExact Match (EM) dan F1-score. Hasil dari penelitian ini skorterbaik yang didapat yaitu Exact Match 75% dan F1-score76%.Kata kunci— question answering, BERT, pre-trained model,kesehatan
Deteksi Objek Makhluk Hidup dalam Filum Arthropoda Menggunakan YOLOv3 Safarin, Arva Adwitya; Rachmawati, Ema; Kosala, Gamma
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Makhluk hidup yang berasal dari filum Arthropoda merupakan makhluk hidup yang memiliki beragam karakteristik. Karakteristik tersebut bisa dibedakan dengan melihat ordo dari makhluk hidup tersebut. Beberapa jenis makhluk hidup yang ada dalam filum Arthropoda merupakan makhluk sosial. Oleh karena itu, mereka sering ditemukan berada di lokasi yang sama dan berkerumun. Selain itu, sebagian besar spesies yang ada dalam filum Arthropoda memiliki ukuran tubuh yang kecil. Pada tugas akhir ini, metode yang diajukan adalah YOLOv3. YOLOv3 merupakan metode deteksi objek yang memiliki beberapa pembaruan yang memungkinkan metode tersebut lebih mudah mendeteksi objek yang berkerumun dan memiliki ukuran yang kecil. Untuk mengembangkan sistem pendeteksi makhluk hidup dalam filum Arthropoda menggunakan YOLOv3, terdapat 12.082 data citra yang terbagi dalam 7 (tujuh) kelas untuk melatih model tersebut. Hasil terbaik yang didapatkan saat pengujian memakai 1.544 data uji adalah nilai mAP sebesar 57,6% pada IOU 0,5.Kata kunci - deep learning, deteksi objek, You Only Look Once (YOLO), deteksi makhluk hidup
Deteksi Penggunaan Masker Wajah Menggunakan YOLOv5 Dawami, Hasbi; Rachmawati, Ema; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Pandemi COVID-19 menyebabkan global krisis kesehatan. Mengenakan masker wajah menjadi salah satu protokol kesehatan yang penting dan diwajibkan oleh pemerintah. Namun, masih banyak masyarakat yang enggan mengenakan masker wajah ketika berada di ruang publik. Oleh karena itu, diperlukan sistem yang dapat mendeteksi penggunaan masker wajah pada manusia yang bertujuan untuk membantu petugas dalam menegakkan kedisiplinan masyarakat dalam rangka menerapkan salah satu protokol kesehatan tersebut. Sistem tersebut dirancang dengan model object detection yang akurat dan efisien untuk mendeteksi penggunaan masker wajah pada manusia. Tugas akhir ini membahas bagaimana membangun sistem untuk mendeteksi masker pada wajah menggunakan metode YOLOv5 menggunakan dataset face mask detection yang asli dan yang telah di augmentasi serta berbagai nilai IoU threshold mulai dari 0,1; 0,2; 0,3; 0,5 dan 0,7. YOLOv5 merupakan versi terbaru dari YOLO sehingga memiliki akurasi yang tinggi, kemampuan mendeteksi small object, serta running speed yang cepat. Hasil terbaik jika menggunakan dataset face mask detection original didapatkan dengan nilai IoU threshold sebesar 0,3 yang memilki nilai mAP pada saat testing semua kelas sebesar 0,876. Jika menggunakan dataset face mask detection yang diaugmentasi hasil terbaik didapatkan dengan nilai IoU threshold sebesar 0,5 yang memiliki nilai mAP pada saat testing untuk semua kelas sebesar 0,849.Kata kunci- object detection, you only look once, akurasi, small object, running speed,IoU threshold 
Segementasi Optik Disc dan Cup untuk Membantu Pendeteksian Glaukoma Menggunakan Segmentation Transformer Akbar, M Raehan; Rachmawati, Ema; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Glaukoma kondisi di mana saraf optik yang menghubungkan mata ke otak menjadi rusak. Glaukoma dapat menyebabkan kehilangan kemampuan penglihatan jika tidak didiagnosis dan ditangani secepat mungkin. Salah satu metode yang dilibatkan dalam mendiagnosis glaukoma menghitung rasio antara optik disc dan cup citra fundus mata. Untuk menghitung rasio antara disc dan cup citra fundus mata, diperlukan sebuah proses segmentasi citra fundus mata untuk dapat mensegmentasikan bagian disc dan cup nya. Saat ini tugas segmentasi dapat dilakukan menggunakan algoritma visi komputer modern. Transformer sendiri telah menjadi salah satu state art of model yang sering diterapkan studi kasus yang menggunakan deep learning karena performanya yang mampu menandingi Convolutinal Neural Networks (CNN). Tugas akhir ini akan membahas implementasi Transformer studi kasus segmentasi disc dan cup citra fundus mata menggunakan metode Segmentation Transformer (SETR) dengan dataset REFUGE dan DRISHTI-GS1. Hasil dice coefficients score dengan menggunakan Cross Dataset Evaluation berhasil mendapatkan skor 86 persen untuk bagian disc dan 78 persen untuk bagian cup.Kata kunci - glaukoma, disc, cup, segmentasi, segmentation transformers, transformers.
Klasifikasi Buah-Buahan dengan Metode ResNet-RS Fruit Classification With ResNet-RS Wirasakananda, Dewa Made Aditya; Rachmawati, Ema; Kosala, Gamma
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Buah-buahan merupakan salah satu makanan yang dikonsumsi oleh masyarakat di dunia. Dengan adanya berbagai jenis buah-buahan yang tersedia di dunia, buah-buah tersebut mempunyai karakteristik bentuk dan warna yang berbeda-beda. Oleh karena itu perlunya dilakukan klasifikasi sebagai cara untuk mengidentifikasi buah-buahan secara cepat, dengan menerapkan teknik computer vision yang menggunakan metode ResNet-RS. Metode ini digunakan karena ResNet-RS merupakan metode yang mempunyai peningkatan terhadap ResNet yang diperkenalkan pada 2015. Untuk klasifikasi buah-buahan dengan menggunakan metode ResNet-RS mendapatkan hasil yaitu 97.29% akurasi, 97.29% F1-Score, 97.28% recall, dan 97.31% precision. Terdapat selisih 4.07% dalam akurasi terhadap model ResNet dengan dataset yang sama.Kata kunci-buah-buahan, ResNet-RS , klasifikasi
Co-Authors Afifah, Hanin Agnes Jovanka Agung Budi Wirayuda, Tjokorda Agustina, Nur Azizah Akbar, M Raehan Alhafidz, Bagas Millen Amelya Prastica Rahayu Aliong Anditya Arifianto Anis Rohmawati Antonius Nugraha Widhi Pratama Antonius Nugraha Widhi Pratama Aprianti Putri Sujana Aryani, Dhita Evi Astutik, Amelia Windi Bedy Purnama Dawami, Hasbi Deny Haryadi Dhea Nanda Aliefia Dhita Evi Aryani Diana Holidah Elfitri, Beladina Evi Umayah Ulfa Febryanti Sthevanie Firandi, Adelia Firdaus, Fauzan Firdauz, Salma Salsabila Fitriansyah, Ahmad Habib Fransiska Maria C. Fransiska Maria Christianty Gamma Kosala Hazrina, Inasa Husnun, Khoiriyah Haifa Ika Barokah Suryaningsih Ika Norcahyanti Ika Norcahyanti Ika Puspita Dewi, Ika Puspita Inasa Hazrina Indah Yulia Ningsih Khoirotun Nazilah Kurniawan, Eka Cahya Kusumaningrum , Yunita Dyah Lailatul Maghfiroh Machlaurin, Afifah Machlaurin, Afifah Mahmud Dwi Sulistiyo Masito, Dewi Khurmi Muhammad Arzaki Nili Sufianti Ninda Titis Ainorrochma Ningsih, Lidya Prasti Eko Yunanto Pratama , Antonius Nugraha Widhi Pratiwi, Permata Sari Prihwanto Budi Subagijo Pudjoadmojo, Bambang Putri Eka Maryani Putu Harry Gunawan Putu Setia Pratama Ramadhani, Nuril Izzati Farihatur Rikman Aherliwan Rudawan Rimba Whidiana Ciptasari Risnandar, Risnandar S Siswanto Safarin, Arva Adwitya Sagala , Tunggal Panaluan Gabriel Sinta Rachmawati Sinta Rachmawati Supriadi, Muhammad Fadhlan Syahid, Ibadurrahman Tahyudin, Ganjar Gingin Ubaidillah, Rifky Fahrizal Wardhani, Firdha Aprillia Wicaksono, Ayssa Wirasakananda, Dewa Made Aditya Yeni Rahmawati Negara Zaenudin, Mohamad Nor