Article Per Year (5 Year)
p-Index From 2021 - 2026
2.223
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Query : Jurnal Sistem Informasi Tematik : Jurnal Teknologi Informasi Komunikasi Indonesian Journal of Networking and Security - IJNS Jurnal Pasundan Informatika
Supeno, Handoko
Universitas Pasundan
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Pengembangan Automatic Emergency Braking (AEB) pada Autonomous Driving Menggunakan Deep Q – Learning dengan PER Kevin Anggara Putra; Handoko Supeno
JURNAL PASUNDAN INFORMATIKA Vol. 4 No. 1 (2025): Pasinformatik Edisi 01, Januari 2025
Publisher : Program Studi Teknik Informatika Universitas Pasundan

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

Abstract

Penelitian ini membahas tentang kemampuan kendaraan otonom untuk menghindari rintangan, yang merupakan salah satu fitur penting dari sistem navigasi kendaraan otonom. Perancangan sistem pengereman darurat otomatis secara tradisional akan sulit karena membutuhkan biaya yang besar, kompleksitas, dan pertimbangan keamanan. Reinforcement Learning (RL) adalah salah satu metode kecerdasan buatan atau pembelajaran mesin yang dapat belajar langsung dari lingkungan. Penelitian ini menggunakan algoritma RL dengan metode deep q – learning (DQN) dan dioptimalkan dengan prioritized experience replay untuk menghindari rintangan. Simulasi dilakukan pada jalur dengan rintangan yang diposisikan satu jalan dengan model pada simulator CARLA.
Teknik Peningkatan Performa Pelatihan Berbasis Visual Reinforcement Learning Faqih Firdaus Kemal Pangestu; Handoko Supeno
JURNAL PASUNDAN INFORMATIKA Vol. 4 No. 2 (2025): Pasinformatik Edisi 02, Juli 2025
Publisher : Program Studi Teknik Informatika Universitas Pasundan

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

Abstract

Kemampuan kendaraan otonom dalam bermanuver dan menghindari tabrakan merupakan aspek penting dalam pengembangan sistem kendaraan otonom. Penelitian ini bertujuan untuk mengimplementasikan metode Reinforcement Learning (RL) berbasis Value Based supaya meningkatkan kemampuan agen dalam bermanuver dan menghindari tabrakan secara mandiri menggunakan hanya sensor visual berbasis kamera. Penelitian ini mencakup proses pengumpulan data dari simulasi kendaraan otonom, pengembangan dan pelatihan model menggunakan algoritma Value Based, serta evaluasi kinerja model dengan metrik seperti reward function, tingkat keberhasilan penghindaran tabrakan, dan manuver. Beberapa Teknik kemudian diusulkan dalam penelitian ini untuk menyempurnakan yang ditemukan pada algoritma value based seperti overestimation, penggunaan pengalaman yang tidak efisien, dan keterbatasan observasi secara parsial yang lazim menjadi masalah pada Value Based Reinforcement Learning. Model ini diujicobakan dan dijalankan pada dunia simulator Enduro. Hasil dari penelitian ini diharapkan dapat meningkatkan ketepatan penghindaran tabrakan kendaraan otonom dan kemampuan bermanuver. Selain itu, penelitian ini memberikan kontribusi bagi pengembangan teknologi kendaraan otonom berbasis kecerdasan buatan, yang dapat diaplikasikan dalam sistem kendaraan di masa depan.
A Fall Risk Detection Model for Infants While Sleeping based on Convolutional Neural Networks Hendra, Acep; Supeno, Handoko
Sistemasi: Jurnal Sistem Informasi Vol 13, No 6 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i6.4644

Abstract

Falling from a bed is a common problem among infants, often leading to serious injuries such as head trauma, fractures, and even long-term neurological damage. According to data from the World Health Organization (WHO), falls are a leading cause of unintentional injuries among children, especially infants. To prevent these incidents, an effective early detection system is needed. Traditional approaches, such as motion sensors and surveillance cameras, have been employed to monitor infant movements and detect fall risks. However, sensor-based systems face limitations in terms of accuracy and coverage area. As an alternative, computer vision techniques have shown rapid advancements in recent years, with Convolutional Neural Networks (CNNs) proving to be highly effective in recognizing visual patterns, including human motion and posture detection. In this study, we propose a CNN-based model to detect the risk of infants falling from a bed while sleeping. The CNN architecture is designed to accurately recognize movements indicative of fall risks, such as approaching the edge of the bed or sudden changes in posture. Our contributions include (1) the design of a CNN architecture that supports effective and efficient training for fall risk detection, and (2) the creation of a dataset to classify infants as either safe or at risk of falling. Experimental results demonstrate that our proposed system achieves high accuracy in detecting potential fall risks, providing a reliable solution for infant safety monitoring.
Algoritma Value Based Untuk Pembangunan Bot Trading Yahoo Finance Acep Hendra; Supeno, Handoko
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2679

Abstract

The advancement of artificial intelligence, particularly reinforcement learning (RL), has driven innovation in automated decision-making for financial markets. While Deep Reinforcement Learning (DRL) is widely applied, it often requires significant computational resources and lacks transparency. This study proposes a lightweight, replicable, value-based RL (Q-Learning) trading bot utilizing open data from Yahoo Finance. The system is developed end-to-end, covering data acquisition, preprocessing, RL agent design, and strategy evaluation. The Q-Learning agent is trained to execute daily actions (buy, sell, hold) to maximize cumulative returns and minimize risk. Experimental results show that the Q-Learning Bot achieved a cumulative return of 145.7%, outperforming Buy-and-Hold (120.5%) and Moving Average Crossover (85.3%), with lower maximum drawdown (-18.7% vs -35.0%). A Sharpe Ratio of 1.35 and a win rate of 58.9% indicate superior risk-adjusted performance. These findings demonstrate that Tabular Q-Learning has strong potential as an adaptive and effective trading approach with low computational cost.
Pembangunan Game Edukasi Mengenal Hewan untuk Siswa TK : Studi Kasus : TK Harapan Bangsa Handoko Supeno; Salsabila Firdausi
JURNAL PASUNDAN INFORMATIKA Vol. 5 No. 1 (2026): Pasinformatik Edisi 01, Januari 2026
Publisher : Program Studi Teknik Informatika Universitas Pasundan

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

Abstract

Pengenalan hewan merupakan salah satu aspek penting dalam pembelajaran anak usia dini untuk mengembangkan pengetahuan dasar, kemampuan kognitif, dan keterampilan bahasa. Dalam penelitian ini, dikembangkan sebuah game edukasi interaktif untuk anak-anak TK dengan fokus mengenal hewan. Game ini dirancang khusus untuk digunakan di TK Harapan Bangsa Yayasan Pasundan Istri sebagai studi kasus. Metode penelitian yang digunakan meliputi analisis kebutuhan, perancangan, pengembangan, dan pengujian game. Pengembangan dilakukan dengan pendekatan game-based learning yang dirancang menarik, interaktif, dan sesuai dengan tahap perkembangan anak TK. Game ini mencakup fitur seperti pengenalan suara, gambar, dan nama hewan, serta kuis interaktif untuk meningkatkan daya ingat dan pemahaman anak. Hasil pengujian menunjukkan bahwa game ini efektif dalam membantu anak mengenali berbagai jenis hewan dengan tingkat keterlibatan yang tinggi. Selain itu, guru dan orang tua memberikan tanggapan positif terhadap aplikasi ini karena dapat menjadi alat bantu pembelajaran yang menyenangkan dan edukatif.
Co-Authors - Universitas Pasundan, Fajar Dharmawan Abdi Lazuardi Pratama Acep Hendra Bakhtiar Bakhtiar Darmawan, Dwiki Darmawan, Fajar Fajar Darmawan Fajar Darmawan Faqih Firdaus Kemal Pangestu Fauzan Nursalma Mawardi Kevin Anggara Putra Liyanthy, Mellia Muhammad Ardan Muhammad Tirta Mulia Nursalma Mawardi, Fauzan R. Sandhika Galih Amalga Salsabila Firdausi Sujana, Nana Taufiqurrohman, Rifqi Nauval