Marwan Ramdhany Edy
Universitas Negeri Makassar

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

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): 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): 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): May 2023
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v4i1.470

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.
Deteksi Emosi dari Ekspresi Wajah dengan Deep Learning Marwan Ramdhany Edy
Information Technology Education Journal Vol. 3, No. 2, Mei (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

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

Abstract

Wajah adalah salah satu bagian penting dalam interaksi sosial manusia karena dapat mengekspresikan emosi dan niat seseorang. Penelitian ini mengarah pada pengenalan ekspresi wajah menggunakan Convolutional Neural Network (CNN) untuk memprediksi emosi seseorang secara real-time. Ekspresi wajah telah diklasifikasikan menjadi tujuh kategori berdasarkan penelitian oleh Ekman, termasuk senang, sedih, jijik, marah, terkejut, dan biasa saja. Model CNN yang dikembangkan menggunakan dataset gambar yang sudah dilabelkan untuk melakukan pembelajaran fitur dan klasifikasi ekspresi wajah. Selain itu, model ini diintegrasikan ke dalam sebuah sistem berbasis website video real-time untuk meningkatkan interaksi manusia-mesin. Penelitian ini memiliki potensi aplikasi yang luas dalam teknologi pengenalan wajah, pemahaman emosi, dan interaksi manusia dengan sistem komputer.
Analisis Sentimen Ekspresi Wajah : Pendekatan Deep Learning dan OpenCV dengan Python Muhammad Ilham Suherman; Risha Febrianti; Fauziah; Novita Nurhidayah; Fadila Husnul Khatimah; Marwan Ramdhany Edy
Information Technology Education Journal Vol. 3, No. 3, September (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/intec.v3i3.5755

Abstract

Penelitian ini mengeksplorasi pendekatan Deep Learning dan OpenCV untuk mengembangkan sistem analisis sentimen ekspresi wajah menggunakan bahasa pemrograman Python. Ekspresi wajah merupakan bentuk komunikasi non-verbal yang penting dalam menggambarkan pikiran dan emosi seseorang. Dengan memanfaatkan teknologi Deep Learning dan OpenCV, penelitian ini bertujuan untuk memahami dan mengklasifikasikan emosi yang tersirat dalam ekspresi wajah dengan lebih akurat. Dataset gambar ekspresi wajah dikumpulkan dan digunakan untuk melatih model Deep Learning seperti Convolutional Neural Network (CNN) dan Deep Hybrid CNN (DHCNN). OpenCV dimanfaatkan untuk mendeteksi dan melacak wajah dalam gambar atau video. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat mengklasifikasikan ekspresi wajah seperti bahagia, sedih, marah, takut, dan terkejut dengan akurasi yang cukup baik. Evaluasi performa dan visualisasi hasil juga disajikan untuk memberikan wawasan tentang keakuratan dan keterbatasan sistem.
Peningkatan Restorasi Citra Dengan Metode Super Resolusi Menggunakan Teknik FSRCNN Andi Dio Nurul Awalia; Nurfaisa Riono; Abd Majid; Ainun Mardiah; Marwan Ramdhany Edy
Information Technology Education Journal Vol. 3, No. 3, September (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

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

Abstract

Penggunaan metode Super Resolusi dengan teknik Fast Super-Resolution Convolutional Neural Network (FSRCNN) telah menjadi salah satu fokus utama dalam pengolahan citra untuk meningkatkan kualitas gambar. FSRCNN, sebagai metode berbasis deep learning, telah terbukti memberikan hasil yang menjanjikan pada tugas super-resolusi citra tunggal (SISR). Penelitian ini mengkaji penggunaan metode Super Resolusi dengan teknik FSRCNN dalam peningkatan kualitas citra. Selain itu, penelitian ini juga membahas landasan teori dari metode Super Resolusi dan teknik FSRCNN, implementasi praktisnya dalam pengolahan citra, serta evaluasi hasil yang diperoleh dari penerapan metode ini. Hasil penelitian menunjukkan bahwa FSRCNN mampu meningkatkan kualitas citra dengan mempertimbangkan berbagai aspek dalam proses super-resolusi.
Predicting Mental Health Disorders Using Machine Learning and Symptom-Based Behavioral Features Marwan Ramdhany Edy; Nur Fakhrunnisaa
Information Technology Education Journal Vol. 4, No. 1, February (2025)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/intec.v4i1.7156

Abstract

Mental health disorders, such as anxiety and depression, represent significant challenges in today's fast-paced world. Traditional methods of diagnosing and managing these conditions often fall short, leading to a growing interest in leveraging technology for better mental health outcomes. This paper explored the potential of using machine learning algorithms applied to psychological symptom data to enhance the prognosis of mental disorders. A dataset comprising 120 psychology patients with 17 essential symptoms used to diagnose Mania Bipolar Disorder, Depressive Bipolar Disorder, Major Depressive Disorder, and non-disordered participants was analyzed. The study evaluated the performance of various machine learning models, including RandomForestClassifier, ExtraTreesClassifier, XGBClassifier, LGBMClassifier, and CatBoostClassifier, using metrics such as precision and recall. ExtraTreesClassifier achieved the highest test accuracy of 0.8889, followed by RandomForestClassifier and LGBMClassifier with 0.8611, CatBoostClassifier with 0.8333, and XGBClassifier with 0.7222. Key predictors of mental health outcomes included "Mood_Swing_YES," "Optimism," and "Sexual_Activity." These findings suggest that integrating psychological symptom data with machine learning significantly improves the accuracy of mental health disorder prognosis, offering a promising avenue for more proactive and personalized mental health care. This research demonstrates the practical applicability of machine learning for personalized early detection and intervention in mental healthcare.