Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Mechatronics, Electrical Power, and Vehicular Technology Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Journal of Science and Applicative Technology Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Nasional Teknik Elektro dan Teknologi Informasi Electrician : Jurnal Rekayasa dan Teknologi Elektro
Rudi Uswarman
Electrical Engineering Department, Institut Teknologi Sumatera, Lampung Selatan, Lampung
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Materials Science & Nanotechnology Mechanical Engineering Neuroscience Transportation

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Nasional Komputasi dan Teknologi Informasi

 1 
Identifikasi Kedipan Mata dengan Menggunakan Sensor Electroencephalography dan Metode K-Nearest Neighbour swadexi istiqphara; Rudi Uswarman; Uri Arta Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 3, No 1 (2020): April 2020
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (771.154 KB) | DOI: 10.32672/jnkti.v3i1.1963

Abstract

Pada paper ini membahas tentang pendeteksian kedipan mata dengan menggunakan metode K-Nearest Neighbour dan Perangkat sensor gelombang otak (Electroencephalography/EEG). EEG atau Sensor gelombang otak merupakan sensor yang terdiri dari elektroda yang berfungsi untuk mendeteksi sinyal-sinyal listrik pada permukaan kulit kepala. Sinyal-sinyal listrik dihasilkan oleh gelombang otak saat tubuh melakukan aktifitas fisik, seperti mengedipkan mata, menggerakan tangan, kondisi tidur dan juga saat emosi. Pada EEG, elektroda yang digunakan sebaiknya lebih dari satu buah, hal ini untuk mendeteksi perubahan sinyal listrik dibeberapa bagian kepala sehingga dapat meningkatkan jenis aktifitas tubuh yang dapat diidentifikasi. Luaran EEG merupakan hasil pembacaan listrik yang dikonversi kedalam nilai ADC, sehingga masih membutuhkan pemrosesan selanjutnya agar dapat digunakan untuk mendeteksi gerakan. Pada paper ini digunakan metode K-Nearest Neighbour dengan dua teknik pemrosesan data untuk memproses data yang dihasilkan oleh elektroda untuk mendeteksi berkedip atau tidak. Hasil yang diperoleh menunjukan KNN #2  memiliki performa yang lebih baik dibandingkan metode KNN #1 baik dalam akurasi maupun kecepatan.
Identifikasi Kedipan Mata dengan Menggunakan Sensor Electroencephalography dan Metode K-Nearest Neighbour swadexi istiqphara; Rudi Uswarman; Uri Arta Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 3, No 1 (2020): April 2020
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v3i1.1963

Abstract

Pada paper ini membahas tentang pendeteksian kedipan mata dengan menggunakan metode K-Nearest Neighbour dan Perangkat sensor gelombang otak (Electroencephalography/EEG). EEG atau Sensor gelombang otak merupakan sensor yang terdiri dari elektroda yang berfungsi untuk mendeteksi sinyal-sinyal listrik pada permukaan kulit kepala. Sinyal-sinyal listrik dihasilkan oleh gelombang otak saat tubuh melakukan aktifitas fisik, seperti mengedipkan mata, menggerakan tangan, kondisi tidur dan juga saat emosi. Pada EEG, elektroda yang digunakan sebaiknya lebih dari satu buah, hal ini untuk mendeteksi perubahan sinyal listrik dibeberapa bagian kepala sehingga dapat meningkatkan jenis aktifitas tubuh yang dapat diidentifikasi. Luaran EEG merupakan hasil pembacaan listrik yang dikonversi kedalam nilai ADC, sehingga masih membutuhkan pemrosesan selanjutnya agar dapat digunakan untuk mendeteksi gerakan. Pada paper ini digunakan metode K-Nearest Neighbour dengan dua teknik pemrosesan data untuk memproses data yang dihasilkan oleh elektroda untuk mendeteksi berkedip atau tidak. Hasil yang diperoleh menunjukan KNN #2  memiliki performa yang lebih baik dibandingkan metode KNN #1 baik dalam akurasi maupun kecepatan.
Co-Authors Adha Iman Cahyadi Adha Iman Cahyadi Arkham Zahri Rakhman Denny Hidayat T.N. Denny Nugroho Denny Nugroho Firmansyah Nur Budiman, Firmansyah Nur Hidayat, Taufal Oyas Wahyunggoro Rajif Agung Yunmar swadexi istiqphara Swadexi Istiqphara Swadexi Istiqphara, Swadexi URI ARTA RAMADHANI