Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Nasional Teknik Elektro dan Teknologi Informasi
Imroatul Hudati
Universitas Gadjah Mada
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Review: Analisis Fitur Deteksi Aritmia dan Metode Deep Learning untuk Wearable Devices Ratna Lestari Budiani Buana; Imroatul Hudati
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 11 No 1: Februari 2022
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1321.399 KB) | DOI: 10.22146/jnteti.v11i1.3381

Abstract

Arrhythmia is one of the heart abnormalities which probably not a life threat in a short time but could cause a long-term interference in electricity of the heart. Even so, it should be detected earlier to have proper treatment and suggest a better lifestyle. Arrhythmia diagnosis is usually made by performing a long recording ECG by using Holter monitoring then analyzing the rhythm. Nevertheless, the observation takes time, and using Holter in several days may affect the patient’s physiological condition. Previous research has been conducted to build an auto-detection of arrhythmia by using various datasets, different features, and detection methods. However, the biggest challenges faced by the researcher were the computation and the complex features used as the algorithm input. This study aims to review the latest research on the data used, features, and deep learning methods that can solve the time computation problem and be applied in wearable devices. The review method started by searching the related paper, then studied on the data used. The second step was to review the used ECG features and the deep learning method implemented to detect arrhythmia. The review shows that most researchers used the MIT-BIH database, even it requires a lot of effort on the pre-processing. The CNN is the most used deep learning method, but time computation is one of the considerations. The ECG interval features in the time domain are the best feature analysis for rhythm abnormality detection and have a low computation cost. These features will be the input of the deep learning process to reduce computation time, especially on wearable device applications.
Kendali MRAC PID pada Kecepatan Motor DC dengan Analisa Robustness Imroatul Hudati; Jans Hendri
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 13, No 2 (2022): JURNAL SIMETRIS VOLUME 13 NO 2 TAHUN 2022
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v13i2.8887

Abstract

 Pada penelitian ini dilakukan pengendalian kecepatan motor DC menggunakan Proportional Integral Derivative Model Reference Adaptive Control (PID MRAC).  Pemodelan sistem motor DC sudah banyak diberikan pada penelitian sebelumnya dengan melakukan penurunan terhadap torsi dan tegangan motor. Pada penelitian ini dilakukan pengambilan data motor DC untuk mendapatkan nilai input dan output sehingga didapatkan model matematika sistem dengan menggunakan metode Autoregressive with External Input (ARX). Model matematika yang didapatkan berupa model diskrit yang selanjutnya dibuat menjadi bentuk kontinu. Model matematika tersebut akan diberikan kendali PID MRAC untuk memperbaiki sinyal error antara input dan output. Sinyal input pada kendali PID merupakan kesalahan antara input dan output sistem yang akan dibandingkan dengan output yang telah ditala dengan menggunakan parameter adaptive. Terdapat dua macam parameter adaptive untuk kesalahan positif dan negativ. Sinyal keluaran dari parameter adaptif akan memaksa keluaran sistem untuk mengikuti model referensi yang diberikan. Dari hasil percobaan yang dilakukan, menunjukkan bahwa keluaran sistem dapat mengikuti model referensi yang diberikan dengan Mean Sequare Error (MSE) sebesar 0.005 dan memiliki ketahanan yang baik dengan nilai GM adalah ~ dan PM adalah positif yang dilihat dari diagram Bode.
Co-Authors Jans Hendri Ratna Lestari Budiani Buana