Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Journal JCONES TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JMM (Jurnal Masyarakat Mandiri) JAVA Journal of Electrical and Electronics Engineering Journal of Technology and Informatics (JoTI) Sewagati
Susijanto Tri Rasmana
Teknik Elektro, Institut Teknologi Telkom Surabaya
Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 49 Documents
Search

 1   2   3   4   5 
PENGAMBILAN FITUR ANGKA JAWA MENGGUNAKAN SHADOW FEATURE EXTRACTION Anam, Angsorul; Rasmana, Susijanto Tri; Wibowo, Madha Christian
JAVA Journal of Electrical and Electronics Engineering Vol 13, No 2 (2015)
Publisher : JAVA Journal of Electrical and Electronics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (861.954 KB)

Abstract

Many Applications developed to recognition handwritten called Optical Character Recognition (OCR), who generally it only presented alphabet recognition. Javanese numbers (aksara wilangan) or Javanese characters are culture of Indonesia from great grandmother and must be knowed by rising genereation. The final project presented “Get Character Feature Handwriting Javanese Numbers Used Shadow Feature Extraction Method and Multi Layer Perceptron (MLP). The shadow feature method used to recognition characterstic of handwritten before it classification by MLP. Application test have two stage that is a sample training test 100 of data set and sample testing test 50 of data set. Percentage successed pattern concerning training samples 99% and error recognition 0,10%, whereas testing samples 90,8% and error recognition 9,2%.
Color Clustering in the Metal Inscription Images Using ANFIS Filter Susijanto T. Rasmana; Yoyon K. Suprapto; Ketut E. Purnama
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 11, No 3: September 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v11i3.1135

Abstract

Ancient inscriptions are historical records of the past age made on stone or metal media. Currently many ancient inscriptions were damaged because it is too long buried in the ground. This research is the first step to repairing the damaged inscription using Image processing. Efforts to restorations using color clustering with ANFIS method are an early stage to perform letters segmentation in the ancient inscription. The Results of ANFIS clustering method are compared to the spatial fuzzy clustering method (SFCM). The clustering performance measurement is done by measuring root mean square error (RMSE). From RMSE measurements, the average values obtained with ANFIS clustering method is smaller 21.80% than with SFCM. This means there is an increase in clustering performance with ANFIS method compared to SFCM.  
PENGENDALI TINGKAT KEASAMAN AIR KOLAM UNTUK PETERNAK IKAN LELE Susijanto Tri Rasmana; Mochammad Iskandar Riansyah; Chaironi Latif; Muhammad Dwi Hariyanto; Anak Agung Kusuma Jaya Ningrat; Jesica Febriani Nura
JMM (Jurnal Masyarakat Mandiri) Vol 5, No 6 (2021): Desember
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (612.995 KB) | DOI: 10.31764/jmm.v5i6.5451

Abstract

Abstrak: Lele merupakan salah satu jenis ikan yang banyak dibudidaya dan dikonsumsi oleh masyarakat Indonesia. Namun demikian usaha ternak lele bukanlah tanpa kendala. Tingkat keasaman air sangat mempengaruhi keberhasilan ternak lele hingga panen. Hal tersebut juga dialami oleh peternak lele di Jatirejo, Kabupaten Mojokerto, Jawa Timur. Air kolam yang terlalu asam dapat menyebabkan kematian pada ikan lele. Maka diperlukan penggantian air kolam untuk menetralkannya. Kegiatan ini memberikan sistem pemantau pH air dan penggantian air kolam otomatis saat terdeteksi terlalu asam (pH di bawah 6). Selain itu juga diberikan pelatihan dan pendampingan penggunaan alat pada peternak. Dari penggunaan alat ini, tingkat keasaman air kolam dapat distabilkan dan kematian ikan lele berkurang hingga 40%. Berdasarkan kuisioner didapatkan tingkat kepuasan mitra untuk program pengabdian masyarakat ini adalah 92%.Abstract: Catfish is one type of fish that is widely cultivated and consumed by the people of Indonesia. However, the catfish farming business is not without problems. The acidity of the water significantly affects the success of catfish until harvesting. The same thing happened to catfish farmers in Jatirejo, Mojokerto Regency, East Java. Pond water that is too acidic can cause the death of catfish. Then it is necessary to replace the pool water to neutralize it. This activity provides a water pH monitoring system and automatic pool water replacement when it is too acidic (pH below 6). In addition, training and assistance in the use of tools are also provided to farmers. The resulting control system can keep the pH value of the pond water at a value of 7, and catfish mortality is reduced by 40%. Based on the questionnaire, it was found that the satisfaction level of partners for this community service program was 92%.
Implementasi Sistem Deteksi Mata Kantuk Berdasarkan Facial Landmarks Detection Menggunakan Metode Regression Trees Andre Hartoko Aji Putra Perdana; Susijanto Tri Rasmana; Heri Pratikno
Journal of Technology and Informatics (JoTI) Vol. 1 No. 1 (2019): Vol. 1 No.1 (2019)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (572.438 KB) | DOI: 10.37802/joti.v1i1.1

Abstract

Kecelakaan lalu lintas merupakan salah satu dampak negatif dari kemajuan teknologi dibidang transportasi. Faktor manusia merupakan salah satu faktor dengan persentase tertinggi pada peningkatan kecelakaan lalu lintas. Salah satu contoh faktor manusia adalah kelelahan dalam berkendara. Kelelahan berkendara akan mengakibatkan pengemudi mengalami kantuk, oleh karena itu untuk meminimalisir kecelakaan yang dikarenakan kelelahan saat berkendara maka diperlukan sebuah sistem yang menggunakan alarm untuk mendeteksi mata kantuk secara real time. Salah satu penelitian sebelumnya untuk mendeteksi mata kantuk, sistem yang dibuat menggunakan metode segmentasi warna. Pada penelitian ini akan dibuat sistem deteksi mata kantuk yang berdasarkan Facial Landmarks Detection menggunakan metode Regression Trees yang diimplementasikan ke dalam Raspberry Pi 3 model B. Input dari sistem ini berupa video yang direkam dari PiCamera secara real time. Output dari sistem ini menggunakan buzzer sebagai alarm untuk memberikan peringatan bahwa pengemudi terdeteksi mengantuk. Sistem yang dibuat pada penelitian ini menunjukan bahwa dapat mendeteksi mata kantuk dengan baik. Berdasarkan hasil pengujian, sistem dapat mendeteksi mata sebesar 93.3%, kedipan mata sebesar 96.7%, dan sudut miring wajah sebesar 95%.
Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network PERMANA, ZENDI ZAKARIA RAGA; RASMANA, SUSIJANTO TRI; PUSPASARI, IRA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 9, No 2: Published April 2021
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v9i2.279

Abstract

ABSTRAKSaat ini, kecerdasan buatan memungkinkan untuk dikembangkan dalam dunia robotika, khususnya untuk pengaturan gerakan robot berdasarkan pengolahan citra. Penelitian ini mengembangkan sebuah mobile robot yang dilengkapi dengan kamera katadioptrik dengan sudut pandang 3600. Citra yang didapatkan, dikonversi dari RGB menjadi HSV. Selanjutnya disesuaikan dengan proses morfologi. Nilai jarak yang terbaca oleh kamera (piksel) dengan jarak sebenarnya (cm) dihitung menggunakan Euclidean Distance. Nilai ini sebagai ekstraksi ciri data jarak yang dilatihkan pada sistem. Sistem yang dibuat pada penelitian ini memiliki iterasi sebanyak 1.000.000, dengan tingkat kelinieran R2=0.9982 dan keakuratan prediksi sebesar 99,03%.Kata kunci: Robot, HSV, Euclidean Distance, Kamera katadioptrik, Artifical Neural NetworkABSTRACTRecently, artificial intelligence is possible to be developed in robotic, specifically for robot movements control based on image processing. This research develops a mobile robot with a 3600 perspective catadioptric camera is equipped. The camera captured images were converting from RGB to HSV. Furthermore, it adapted to the morphological process. The distance value read by the camera (pixels) to the actual distance (cm) is measured using Euclidean Distance. This value is a feature extraction of distance data that has training on the system. The system built in this study has 1,000,000 iterations, with a linearity level of R2 = 0.9982 and prediction accuracy of 99.03%.Keywords: Robot, HSV, Euclidean Distance, Catadioptric Camera, Artifical Neural Network
Analisa Suasana Belajar Kelas Berdasarkan Deteksi Ekspresi Wajah Menggunakan Deepface Rasmana, Susijanto Tri; Johan, Ahmad Wali Satria Bahari; Wicaksono, Ardian Yusuf
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 3 (2024): Volume 10 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i3.85462

Abstract

Emosi peserta kelas pada pelajaran merupakan salah satu kunci keberhasilan proses belajar mengajar. Perasaan senang dan bisa memahami merupakan hal positif dalam belajar. Sebaliknya perasaan bosan dan tidak tertarik merupakan hal negatif yang dapat menurunkan produktifitas belajar. Emosi yang terjadi pada seseorang dapat terlihat pada ekspresi wajahnya. Demikian halnya pada peserta pelajaran di kelas yang dalam penelitian ini menggunakan objek mahasiswa. Dengan menggunakan metode Deepface-MTCNN dan Deepface-Retinaface dapat dikenali emosi setiap peserta kelas dan menentukan suasana belajar. Dipadukan dengan hasil survey peserta kelas, didapatkan adanya hubungan antara suasana belajar yang dirasakan mahasiswa saat mengikuti kuliah di kelas dengan hasil deteksi ekspresi wajah. Saat peserta kelas merasakan suasana menyenangkan, bisa memahami, sulit memahami, atau tidak menarik terjadi pula perubahan pada ekspresi wajah. Berdasarkan pengujian akurasi deteksi Deepface-Retinaface sebesar 86% dan Deepface-MTCNN sebesar 91%. Untuk analisa korelasi metode Deepface-MTCNN memiliki hasil lebih baik karena memiliki korelasi kuat yang lebih banyak. sebanyak 4 korelasi positif dengan nilai lebih besar dari 0,5 dan 5 korelasi negatif dengan nilai lebih kecil dari -0,5.
BECAK LISTRIK MODULAR UNTUK MENDUKUNG NIAGA UMKM DAN WISATA KAMPUNG OASE Rasmana, Susijanto Tri; Putranto, Rifki Dwi; Nasution, Anita Hakim; Candra, Adi
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 1 (2025): Februari
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i1.28141

Abstract

Abstrak: Kampung Oase Suroboyo merupakan sebutan untuk Kampung Oase Ondomohen, Kampung Oase Songo, dan Kampung Oase Tembok Gede. Tiga Kampung Oase saling bekerjasama dalam mengelola wisata perkampungan. Namun terdapat kendala untuk melakukan sharing produk UMKM karena jarak antar kampung yang relatif jauh. Untuk itulah dari tim pengabdian masyarakat Universitas Telkom kampus Surabaya berupaya membantu dengan membuatkan kendaraan modular ramah lingkungan yang bertujuan meningkatkan penjualan UMKM sekaligus kerjasama Kampung Oase Suroboyo. Kendaraan mirip becak yang didesain dapat digunakan untuk berjualan serta mengangkut orang maupun barang. Pada kegiatan ini transfer teknologi yang diberikan berupa pelatihan penggunaan dan perawatan kendaraan listrik. Dengan menggunakan kendaraan modular listrik penjualan UMKM dapat meningkat sebesar 52%. Selain itu penggunaan teknologi ini juga mendukung tujuan pembangunan yang berkelanjutan untuk energi bersih, peningkatan pertumbuhan ekonomi, dan kehidupan di perkotaan.Abstract: Kampung Oase Suroboyo refers to Kampung Oase Ondomohen, Kampung Oase Songo, and Kampung Oase Tembok Gede. These three Kampung Oase collaborate in managing village tourism. However, there are challenges in sharing UMKM (Micro, Small, and Medium Enterprises) products due to the relatively long distance between the villages. To address this, a community service team from Telkom University, Surabaya campus, has worked to assist by creating an eco-friendly modular vehicle aimed at improving UMKM sales and fostering collaboration among Kampung Oase Suroboyo. This vehicle, similar to a pedicab, is designed to be used for selling goods as well as transporting people and goods. The technology transfer in this initiative includes training on the use and maintenance of electric vehicles. By using the modular electric vehicle, UMKM sales have increased by 52%. Furthermore, this technology supports sustainable development goals related to clean energy, economic growth, and urban living improvements.
Integrasi Teknologi Internet of Things dalam Pengembangan Sistem Pemantauan Kualitas Air dan Kesehatan Udang Air Tawar untuk Optimalisasi Produk Perikanan Ginardi, Raden Venantius Hari; Husni, Muchammad; Sholikah, Rizka Wakhidatus; Indrawanti, Annisaa Sri; Sabilla, Irzal Ahmad; Oktarina, Eka Sari; Rasmana, Susijanto Tri; Hariyawan, Mohammad Yanuar; Briantoro, Hendi; Wicaksono, M. Januar Eko; Mohammad, Iki Adfi Nur; Syafa, Ilhan Ahmad; Wicaksono, Rahmad Aji; Luqmanulhakim, Naufan Zaki; Kusuma, Zulfa Hafizh; Santosa, Hafis Akmaldi; Wijaya, Agas Ananta
Sewagati Vol 9 No 1 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i1.2487

Abstract

Pengelolaan kualitas air adalah salah satu komponen penting yang perlu diperhatikan dalam budidaya perikanan, terutama pada udang air tawar. Faktor kualitas air dapat mempengaruhi hasil produksi dan keberhasilan dari budidaya udang. Beberapa komponen dalam air yang perlu diperhatikan dalam budidaya udang antara lain suhu, oksigen terlarut, salinitas, dan PH dari air. Keempat komponen tersebut dapat memberikan gambaran terkait kondisi air dari budidaya udang apakah dalam kondisi baik atau dalam kondisi yang dapat mengganggu pertumbuhan udang. Pemantauan keempat komponen utama tersebut idealnya dilakukan setiap hari untuk dapat melakukan intervensi jika terjadi ketidak seimbangan kondisi air. Pada pengabdian masyarakat ini dibangun perangkat Internet of Things (IoT) untuk melakukan pemantauan kondisi air pada budidaya udang air tawar. Perangkat IoT memungkinkan dilakukan pemantauan kondisi air dari jauh dengan memanfaatkan aplikasi mobile. Hal tersebut dapat mempermudah petani udang untuk melakukan pemantauan tanpa harus datang langsung ke lokasi budidaya. Selain itu pelatihan pada mitra juga dilakukan untuk memberikan sosialisasi penggunaan alat dan implementasinya. Hasil luaran dari pengabdian masyarakat ini berupa prototype alat IoT untuk monitoring yang telah diimplementasikan pada pihak mitra, publikasi pada laman berita daring, HKI (Hak Kekayaan Intelektual) video abmas, dan jurnal pengabdian kepada masyarakat.
Lokalisasi Mobile Robot berdasarkan Citra Kamera OMNI menggunakan Fitur Surf Rasmana, Susijanto Tri; Harianto, Harianto; Susanto, Pauladie; Abseno, Anan Pepe; Raga Permana, Zendi Zakaria
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020712539

Abstract

Deteksi lokasi diri atau lokalisasi diri adalah salah satu kemampuan yang harus dimiliki oleh mobile robot. Kemampuan lokalisasi diri digunakan untuk menentukan posisi robot di suatu daerah dan sebagai referensi untuk menentukan arah perjalanan selanjutnya. Dalam penelitian ini, lokalisasi robot didasarkan pada data citra yang ditangkap oleh kamera omnidirectional tipe catadioptric. Jumlah fitur terdekat antara citra 360o yang ditangkap oleh kamera Omni dan citra referensi menjadi dasar untuk menentukan prediksi lokasi. Ekstraksi fitur gambar menggunakan metode Speeded-Up Robust Features (SURF). Kontribusi pertama dari penelitian ini adalah optimasi akurasi deteksi dengan memilih nilai Hessian Threshold dan jarak maksimum fitur yang tepat. Kontribusi kedua optimasi waktu deteksi menggunakan metode yang diusulkan. Metode ini hanya menggunakan fitur 3 gambar referensi berdasarkan hasil deteksi sebelumnya. Optimasi waktu deteksi, untuk lintasan dengan 28 gambar referensi, dapat mempersingkat waktu deteksi sebesar 8,72 kali. Pengujian metode yang diusulkan dilakukan menggunakan omnidirectional mobile robot yang berjalan di suatu daerah. Pengujian dilakukan dengan menggunakan metode recall, presisi, akurasi, F-measure, G-measure, dan waktu deteksi. Pengujian deteksi lokasi juga dilakukan berdasarkan metode SIFT untuk dibandingkan dengan metode yang diusulkan. Berdasarkan pengujian, kinerja metode yang diusulkan lebih baik daripada SIFT untuk pengukuran dengan recall 89,67%, akurasi 99,59%, F-measure 93,58%, G-measure 93,87%, dan waktu deteksi 0,365 detik. Metode SIFT hanya lebih baik pada presisi 98,74%. AbstractSelf-location detection or self-localization is one of the capabilities that must be possessed by the mobile robot. The self-localization ability is used to determine the robot position in an area and as a reference to determine the next trip direction. In this research, robot localization was by vision-data based, which was captured by catadioptric-types omnidirectional cameras. The number of closest features between the 360o image captured by the Omni camera and the reference image was the basis for determining location predictions. Image feature extraction uses the Speeded-Up Robust Features (SURF) method. The first contribution of this research is the optimization of detection accuracy by selecting the Hessian Threshold value and the maximum distance of the right features. The second contribution is the optimization of detection time using the proposed method. This method uses only the features of 3 reference images based on the previous detection results. Optimization of detection time, for trajectories with 28 reference images, can shorten the detection time by 8.72 times. Testing the proposed method was done using an omnidirectional mobile robot that walks in an area. Tests carried out using the method of recall, precision, accuracy, F-measure, G-measure, and detection time. Location detection testing was also done based on the SIFT method to be compared with the proposed method. Based on testing, the proposed method performance is better than SIFT for measurements with recall 89.67%, accuracy 99.59%, F-measure 93.58%, G-measure 93.87%, and detection time 0.365 seconds. The SIFT method is only better at precision 98.74%.
Co-Authors Abseno, Anan Pepe Adi Candra, Adi Adilayahya, Mochammad Norca Ahmad Wali Satria Bahari Johan Al Gaufiqy, Muh Harist Alif Aziz Mujahidin Anak Agung Kusuma Jaya Ningrat Anam, Angsorul Ananta, Syahreza Andre Hartoko Aji Putra Perdana Anita Hakim Nasution Ardian Yusuf Wicaksono Bimantoro, Mohammad Nur Briantoro, Hendi Chaironi Latif Edy Poerwanto Eka Sari Oktarina Fatfa, Asgar Irmawan Andi Fransiscus, Fransiscus Ginardi, R.V. Hari Hafizh, Muhammad Taufiqul Hanny Kristianto Harianto Harianto Heri Pratikno Hidayat, Rendi Arief I Kadek Dedi Setiawan, I Kadek Dedi indrawanti, annisaa sri Ira Puspasari Jesica Febriani Nura Ketut E. Purnama Kurniawan, Nauval Zabidi Kusuma, Zulfa Hafizh Laksana, Baruna Adi Luqmanulhakim, Naufan Zaki Madha Christian Wibowo Madha Christrian W. Mahathir, Andi Muhammad Moch. Iskandar Riansyah Mohammad Yanuar Hariyawan Mohammad, Iki Adfi Nur Muchammad Husni Muhammad Dwi Hariyanto Ngurah Tegar Mahardika Nugraha, Hasbi Fardian Pamungkas, Johan Pauladie Susanto PERMANA, ZENDI ZAKARIA RAGA Prabandaru, Bayu Pradhipta Kresna Hadya, Pradhipta Kresna Pratama, Aditya Nanda Pratama, I Gede Brahmanda Ekamartahadi Pratama, Mohamad Gatot Prayogo, Tangguh Susilo Putra, Afrian Anggara Putra, Dwi Elmik Winata Putranto, Rifki Dwi Raga Permana, Zendi Zakaria Rizka Wakhidatus Sholikah, Rizka Wakhidatus Sabilla, Irzal Ahmad Samuel Sugianto Sandy Wirakusuma Santosa, Hafis Akmaldi Setyawan, Beny Setyawan, Heri Oky Setyawan, Ian Mahesa Gilang Suchinda, Rahmawan Sugiharto, Tutus Sulistyo, Bagus Cahyo Sultan, Duma Reza Ahmad Suryaselaksa, Lukman Hakim Syafa, Ilhan Ahmad Tandiallo, Joseph Masarani Wahyu, Sandy Tri Wicaksono, M. Januar Eko Wicaksono, Rahmad Aji Widiyanatha, Heddy Wijaya, Agas Ananta Wirawan, Bima Muhammad Yosefine Triwidyastuti Yoyon K. Suprapto Yuwono Marta Dinata