Article Per Year (5 Year)
p-Index From 2020 - 2025
1.8
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Pendidikan Terapan Journal of Embedded Systems, Security and Intelligent Systems Journal of Deep Learning, Computer Vision and Digital Image Processing Jurnal MediaTIK
Marwan Ramdhany Edy
Universitas Negeri Makassar
Humanities Computer Science & IT Education Engineering Social Sciences Other

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

Found 8 Documents
Search

 1 
Accuracy Improvement of Incidence Level Detection Based on Electroencephalogram Using Fuzzy C-Means and Support Vector Machine Marwan Ramdhany Edy; S. Wahjuni; S. N. Neyman
Computer Engineering and Applications Journal Vol 8 No 3 (2019)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (266.244 KB) | DOI: 10.18495/comengapp.v8i3.307

Abstract

Some jobs require that the concentration level be maintained for a long time during work time. Lack of sleep will in disruption of someone concentration level. To find out a human concentration level can be done by recording his/her brain waves. This research uses Electroencephalography (EEG) technology which functions to capture human brain waves. The focus of this study is to build a model of the detection system of a human concentration level. The research datasets are data from brain wave recording using Neurosky Mindwave Mobile which has extracted in 19 features. Data will then be labeled using cluster techniques namely Fuzzy C-Means to become data to be input into the classification process using Support Vector Machine (SVM). The classification results show an accuracy of 98.34%. That results show FCM can be used to automatically label EEG data properly.
GAMIFICATION SEBAGAI STRATEGI PENINGKATAN KUALITAS BELAJAR MAHASISWA JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER UNIVERSITAS NEGERI MAKASSAR Nur Fakhrunnisaa; Rafika Hutami Putri; Marwan Ramdhany Edy; Armiana Armiana; Zainab Zainab; Muh Juharman
Jurnal Pendidikan Terapan Vol 1, No 1 January (2023)
Publisher : Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (249.369 KB) | DOI: 10.61255/jupiter.v1i1.11

Abstract

Gamification is a step that can be taken in helping students achieve their learning goals. In general, students do not like to do repetitive work for a long time, but are willing to spend a lot of time playing games. This study aims to see students' perceptions of the application of Gamification in learning in the Department of Informatics and Computer Engineering, Makassar State University. This descriptive research was conducted to see student responses after application. Students of Makassar State University in the Department of Informatics and Computer Engineering consisting of 2 study programs, namely Computer Engineering and Informatics and Computer Engineering Education. The data collection technique uses a Google Form questionnaire with 25 statements. Statements are grouped into two parts, namely favorable and Unfavorable statements, which are statements that support and do not support an object. Data obtained through the Likert Scale using qualitative descriptive statistics. This analysis is intended to describe the characteristics of the data on each variable. The results showed that the application of Gamification in active learning can improve learning performance in student learning
FEATURES SIMPLIFICATION USING CUBIC BEZIER PROPERTIES FOR GAIT RECOGNITION ON SMARTPHONE Kurnia Prima Putra; Marwan Ramdhany Edy; M. Syahid Nur Wahid; Muhammad Fajar B; Fadhlirrahman Baso
Journal of Embedded Systems, Security and Intelligent Systems Vol. 3 No. 1 (2022): Vol 3, No 1 (2022): May 2022
Publisher : Program Studi Teknik Komputer

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

Abstract

Smartphone is widely used around the world. It’s user authentication usually used pin code, pattern code, fingerprint and conventional login authentication. This kinds of authentication mechanism is intrusive because those mechanisms requires users to give exclusive interaction for user authentication during the process. One of authentication method which is non-intrusive during data collection is authentication by using gait. This mechanism classified as non-intrusive because this mechanism could gather biometric data without being noticed by the authentication subjects. Since it is non-intrusive, this mechanism allows re-authentications without bothering the authentication subjects. One of the recent gait recognition is using accelerometer on smartphone to measure and capture acceleration data on gait. This method extract step cycles in various length, map and interpolate the data into higher sample count, and then use each of mapped and interpolated data as feature using recognition. Regardless the classification or recognition method, using each mapped and interpolated data as features would result in high processing time during classification or recognition due to high feature count. In this research, we try to simplify the features of gait data with minimum data loss so it might give robust result with less latency by aligning cubic Bezier curve to step cycle data and extracting the Bezier properties.
Pengembangan Weather Station Online Berbasis Android dengan Menggunakan Database Firebase Satria Gunawan Zain; Dyah Darma Andayani; Eko Prasetyo; Marwan Ramdhany Edy
Journal of Embedded Systems, Security and Intelligent Systems Vol. 3 No. 2 (2022): Vol 3, No 2 (2022): November 2022
Publisher : Program Studi Teknik Komputer

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

Abstract

Aplikasi weather station memberikan informasi cuaca kepada pengguna secara realtime dari database. Setelah pengembangan aplikasi dilakukan selanjutnya pengujian dilakukan untuk menilai kualitas aplikasi berdasarkan ISO 25010. Berdasarkan hasil penelitian dihasilkan sebuah aplikasi yang dapat digunakan dalam pemantauan perubahan cauca secara realtime. Berdasarkan hasil pengujian menggunakan standar ISO 25010, aplikasi weather station telah memenuhi standar dimana: a). Pengujian aspek fungtional suitability menggunakan metode black box testing, yang dilakukan oleh dua orang ahli sisten dimana hasil pengujiannya bernilai 1 dengan kategori sangat layak, b). pengujian aspek compatibility menggunakan co-existence dan tidak ditemukan kesalahan saat pengujian, c). Pengujian aspek performance efficiency dilakukan menggunakan aplikasi bernama AppTim dan hasil pengujian berada pada kategori baik, d). pengujian aspek portability dilakukan dengan menguji aplikasi, pada perangkat dengan android yang berbeda, dan dari hasil pengujian tidak ditemukan kesalahan dan eror pada aplikasi, sehingga aplikasi dinyatakan layak untuk digunakan berdasarkan hasil dari pengujian ISO25010.
Deteksi Jumlah Jeruk Menggunakan Metode Tranformasi Hough Elva Amalia; Andi Nurul Izzah; Tsabita Syalza Billa; Wanda Hamidah; Andi Baso Kaswar; Marwan Ramdhany Edy
Journal of Embedded Systems, Security and Intelligent Systems Vol. 4 No. 1 (2023): Vol 4, No 1 (2023): May 2023
Publisher : Program Studi Teknik Komputer

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

Abstract

Permasalahan umum yang dialami oleh pedagang buah yaitu dalam menghitung jumlah buah jeruk. Kegiatan menghitung secara manual membutuhkan waktu yang lama apalagi penjualan dalam skala besar. Dari permasalahan tersebut penulis mengusulkan metode Hough Transform untuk sistem pendeteksi dan perhitungan buah jeruk. Pada penelitian ini menguraikan proses sistem menjadi beberapa tahapan, yaitu: Input citra, konversi citra grayscale, mengaplikasikan median filter, meregangkan kontras, menurunkan brightness, dan deteksi hough transformation. Total dataset yang digunakan pada penelitian ini berjumlah 70 dataset citra jeruk. Untuk citra yang digunakan, algoritma Transformasi Hough sangat berperan dalam mendeteksi lingkaran pada objek buah jeruk. Oleh karena itu, diperlukan data citra dengan latar belakang yang seragam guna meningkatkan kejelasan temuan identifikasi objek melingkar. Selain faktor background objek, nilai sensitivity juga mempengaruhi ketepatan saat mengidentifikasi lingkaran. Berdasarkan hasil dan pembahasan uji coba, sistem dapat mendeteksi dan menghitung jeruk cukup baik dengan akurasi mencapai 95,4%.
MEDICINE CLASSIFICATION BASED ON LOGO ON PACKAGING USING K-NEAREST NEIGHBOR ALGORITHM BASED ON DIGITAL IMAGES: KLASIFIKASI JENIS OBAT BERDASARKAN LOGO PADA KEMASAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS CITRA DIGITAL Trisakti Akbar; Marwan Ramdhany Edy; Nurul Amanda Pratiwi Hasbullah; Rifaldy Alam Saputra; Muhammad Akbar Amir
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.48

Abstract

Obat adalah suatu zat yang dikonsumsi untuk menjaga kesehatan, menyembuhkan, dan mencegah penyakit. Penggunaan obat lazim kita temui dalam kehidupan sehari-hari, baik untuk keperluan penyembuhan, pencegahan penyakit maupun sebagai suplemen kesehatan. Meski begitu, kemudahan mendapatkan obat juga membawa dampak negatif. Misalnya, semakin banyak masyarakat yang menggunakan obat secara irasional. Pengetahuan masyarakat terkait penggolongan dan pola logo pada kemasan obat masih kurang sehingga obat yang diharapkan dapat menyembuhkan penyakit justru dapat membahayakan diri masyarakat yang mengkonsumsinya. Sebelumnya telah dilakukan penelitian untuk mengklasifikasikan jenis obat berbasis citra digital, namun proses cropping logo masih dilakukan secara manual. Oleh karena itu, penelitian ini mengusulkan metode baru untuk mengklasifikasikan jenis obat berdasarkan logo pada kemasannya menggunakan metode K-Nearest Neighbor (K-NN) dengan ekstraksi fitur warna. Tahapan metode yang diusulkan terdiri dari akuisisi citra, preprocessing, deteksi tepi, Circle Hough Transformation, segmentasi citra, cropping dan resize, ekstraksi fitur, dan klasifikasi. Berdasarkan hasil pengujian yang dilakukan, diperoleh tingkat akurasi sebesar 93,33%. Hasil pengujian tersebut menunjukkan bahwa metode yang diusulkan dapat mengklasifikasikan jenis obat dengan tingkat akurasi yang tinggi.
Analisis Sentiment Gambar pada Media Sosial dengan Pendekatan Deep Learning Muhammad Ridha Darwis; Adam Ramadhan; Diva Nurul Azila; Siti Fatimah Azzahrah Namar; Rafiqah Amelia Kasim; Marwan Ramdhany Edy
Jurnal MediaTIK Volume 7 Issue 2, Mei (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/mediatik.v7i2.2767

Abstract

Media sosial telah menjadi platform penting untuk berbagi konten dan interaksi, dengan jutaan gambar diposting setiap hari yang mencerminkan berbagai pengalaman dan emosi pengguna. Namun, analisis sentimen tradisional lebih sering dilakukan pada teks dibandingkan gambar. Penelitian ini bertujuan untuk mengembangkan model deep learning, khususnya Convolutional Neural Network (CNN), untuk melakukan analisis sentimen pada gambar. Model ini dirancang untuk mengekstraksi fitur visual dan mengklasifikasikan gambar berdasarkan sentimen (positif, negatif, atau netral). Metode yang digunakan meliputi pengumpulan 50 gambar dari platform media sosial seperti Instagram, Twitter, dan Facebook, yang diberi label sentimen secara manual oleh anotator terlatih. Data kemudian diproses dengan membaginya menjadi data latih (40 gambar), validasi (5 gambar), dan uji (5 gambar). Pengembangan model menggunakan arsitektur CNN seperti VGG16 dengan teknik transfer learning, diikuti dengan evaluasi performa menggunakan data uji. Hasil penelitian menunjukkan bahwa model deep learning yang dikembangkan mampu memprediksi sentimen gambar dengan akurasi 80%, menggunakan metrik seperti precision, recall, dan F1-score. Confusion matrix memberikan gambaran rinci mengenai prediksi yang benar dan salah untuk setiap kategori sentimen. Kesimpulannya, pendekatan deep learning, khususnya CNN, menunjukkan potensi besar dalam analisis sentimen gambar di media sosial. Meskipun ada beberapa kesalahan prediksi, model ini mampu memberikan wawasan berharga tentang reaksi pengguna terhadap konten. Untuk penelitian selanjutnya, disarankan untuk memperbaiki kesalahan prediksi dan meningkatkan akurasi model dengan metode pelabelan data dan pemilihan fitur yang lebih efektif. Teknologi ini juga dapat digunakan untuk mendukung pemantauan konten media sosial guna menciptakan lingkungan online yang lebih aman dan sehat bagi pengguna.
Klasifikasi Citra Dengan Pendekatan Transfer Learning Pada Gambar Fauna Terbang Andi Nurul Inaya; Azzah Ulima Rahma; Miftakhul Jannah; Luthfiyah Ramadhani K. Arafah; Lulu Latifa Ishak; Marwan Ramdhany Edy
Jurnal MediaTIK Volume 7 Issue 1, Januari (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

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

Abstract

Indonesia, dengan kekayaan alamnya yang luar biasa, menjadi rumah bagi beragam fauna, termasuk burung. Namun, melindungi dan mengkatalogisasi keragaman ini memerlukan metode yang efisien dan akurat. Dalam konteks ini, pendekatan transfer learning menonjol sebagai alat yang dapat meningkatkan klasifikasi citra fauna terbang. Penelitian ini menggunakan Google Colab sebagai lingkungan pengkodean, memanfaatkan kemudahan penyimpanan dan akses data melalui Google Drive. Kami memproses dataset ImageNet dengan metode transfer learning menggunakan bahasa pemrograman Python. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam berbagai aplikasi, termasuk pengenalan objek, deteksi wajah, dan segmentasi objek. Secara khusus, dalam pengembangan perangkat lunak, klasifikasi citra seperti ini dapat diterapkan dalam sistem pengenalan hewan berbasis gambar, keamanan berbasis kamera, atau aplikasi pencarian berdasarkan gambar.
Co-Authors Adam Ramadhan Andi Baso Kaswar Andi Baso Kaswar Andi Nurul Inaya Andi Nurul Izzah Armiana Armiana Azzah Ulima Rahma Diva Nurul Azila Eko prasetyo Elva Amalia Fadhlirrahman Baso Kurnia Prima Putra Lulu Latifa Ishak Luthfiyah Ramadhani K. Arafah M. Syahid Nur Wahid Miftakhul Jannah Muh Juharman Muhammad Akbar Amir Muhammad Fajar B Muhammad Ridha Darwis Nur Fakhrunnisaa Nurul Amanda Pratiwi Hasbullah Rafika Hutami Putri Rafiqah Amelia Kasim Rifaldy Alam Saputra S. N. Neyman S. Wahjuni Siti Fatimah Azzahrah Namar Trisakti Akbar Tsabita Syalza Billa Wanda Hamidah Wilda Auliyah Gazali Zainab Zainab