Article Per Year (5 Year)
p-Index From 2020 - 2025
1.347
P-Index
This Author published in this journals
All Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Jurnal Informatika Global MULTINETICS Jurnal Teknik Informatika (JUTIF) Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Bagus Aditya
Universitas Telkom
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Perbandingan Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Sistem Deteksi Katarak Akmal Rusdy Prasetyo; Sussi Sussi; Bagus Aditya
eProceedings of Engineering Vol 10, No 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Mata adalah salah satu indera terpenting bagi manusia. Melalui mata, manusia menyerap informasi visual yang digunakan untuk melakukan berbagai aktivitas, tetapi gangguan terhadap penglihatan banyak terjadi, dari gangguan ringan hingga gangguan serius yang dapat menyebabkan kebutaan, kebutaan. Salah satu penyebab gangguan penglihatan ini adalah katarak. Katarak sendiri menjadi penyebab tertinggi kebutaan di Indonesia (81%) dengan 40% penderitanya tidak mengetahui bahwa dirinya menderita katarak. Salah satu solusi untuk mengurangi prevalensi kebutaan yang disebabkan oleh penyakit katarak yaitu dengan sistem deteksi dini penyakit katarak dengan memanfaatkan citra digital. Pada Tugas Akhir ini, dirancang sistem deteksi katarak dengan metode Support Vector Machine (SVM) dan Convolutional Neural Network (CNN). Kedua metode ini digunakan sebagai metode klasifikasi atas kelas mata normal, katarak imatur dan katarak matur. Data masukan berupa citra digital yang sudah di resize menjadi 64x64 pixel berformat Joint Photographic Group (JPG) yang diperoleh dari penelitian sebelumnya. Metode Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) yang digunakan dalam proses deteksi penyakit katarak memberikan hasil yang optimal. Metode Support Vector Machine (SVM) sendiri menghasilkan nilai accuracy sebesar 96.67%, Sedangkan untuk Metode Convolutional Neural Network menghasilkan nilai accuracy yang lebih baik sebesar 98.89%.Kata kunci—katarak, citra digital, machine learning, support vector machine, convolutional neural network
Deteksi Saturasi Oksigen dalam Darah Menggunakan Sensor MAX30100 Berbasis ESP8266 Adam Fauzan Ahmad; Bambang Setia Nugroho; Bagus Aditya
eProceedings of Engineering Vol 10, No 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Pada era modern saat ini, Internet of Things berkembang sangat pesat dalam berbagai bidang, termasuk dalam bidang kesehatan. Kemajuan teknologi menyebabkan beberapa dampak untuk kesehatan, salah satunya adalah membuat tubuh kekurangan oksigen dan menurunnya kesehatan jantung. Alat yang digunakan untuk mendiagnosa tubuh seseorang kekurangan oksigen dan juga detak jantung adalah oximeter. Pada penilitian ini digunakan sensor MAX30100 untuk mengukur saturasi oksigen dalam tubuh dan ESP8266 untuk menginterfacekan pada smartphone berbasis android menggunakan ESP8266. Jika data yang terdeteksi tidak normal dan butuh tindakan maka SIM800L akan langsung mengirimkan pesan pada nomor darurat yang terdaftar. Pada saat pengujian sensor MAX30100 metode PPG reflectance terbukti akurat pada deteksi saturasi oksigen . Yang kedua performansi QoS dipagi hari mendapat nilai rata-rata delay sebesar 33,971894 ms, throughput 1841,4 bps dan packet loss 0%. Sedangkan nilai rata-rata performansi QoS disore hari yang kurang baik yaitu mendapatkan hasil nilai rata-rata delay 47,85524 ms, throughput 1669,9 bps dan packet loss 0%.Kata kunci— ESP8266, MAX30100, SIM800L, oximeter, QoS.
Co-Authors Adam Fauzan Ahmad Adimas Fachri Ranunegoro Agustina Heryati Aji Gautama Putra Akmal Rusdy Prasetyo Anita Rosdina Nasution Bambang Setia Nugroho Candra Setiawan Christoporus Ivan Samuels Doan Perdana Favian Dewanta Galih Nugraha Nurkahfi Sidik Prabowo Sussi