Article Per Year (5 Year)
p-Index From 2021 - 2026
5.367
P-Index
This Author published in this journals
All Journal JREC (Journal of Electrical and Electronics) Jurnal Informatika dan Teknik Elektro Terapan Jurnal Penelitian Pendidikan IPA (JPPIPA) Jurnal Elementer (Elektro dan Mesin Terapan) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Aisyah Journal of Informatics and Electrical Engineering Jurnal Mekanova : Mekanikal, Inovasi dan Teknologi Jurnal Midpro JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Energy and Electrical Engineering (JEEE) Journal of Electrical Engineering and Computer (JEECOM) Jurnal Ilmiah Wahana Pendidikan JUTECH : Journal Education and Technology Jurnal Teknik Elektro Integrasi : Jurnal Ilmiah Teknik Industri Power Elektronik : Jurnal Orang Elektro
Reni Rahmadewi, Reni
Universitas andalas
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Antioxidant Activity of Kawista Leaves and Fruit Skin Extract (Limonia acidissima L) from Karawang Regency Rahmi, Hayatul; Rahmadewi, Reni
Jurnal Midpro Vol. 12 No. 1 (2020): JURNAL MIDPRO
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/md.v12i1.149

Abstract

Antioxidants are compounds that can capture free radical activity because they can donate one electron to free radicals. The purpose of this study was to determine how much the antioxidant activity of leaf extract and kawista fruit skin from Karawang Regency. This research is an experimental, the research method used extraction (maceration) with cold aquades, hot aquades, and ethanol 96%. Tested of antioxidant activity can be done by measuring DPPH radical breakfast (1,1-diphenyl-2-picrylhydrazyl) using a UV-Vis spectrophotometer. The results were obtained by the highest antioxidant activity of kawista leaf extract with hot water solvents : 134.56 ppm and the highest antioxidant activity in kawista fruit skin samples achieved by ethanol solvents with a value of 381.36 ppm.
Deteksi Penyakit Katarak pada Citra Mata Manusia Menggunakan Metode ResNet-50 Nugraha, Rifki Fajar; Rahmadewi, Reni
Jurnal ELEMENTER (Elektro dan Mesin Terapan) Vol 11 No 1 (2025): Jurnal Elektro dan Mesin Terapan (ELEMENTER)
Publisher : Politeknik Caltex Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35143/elementer.v11i1.6632

Abstract

Cataract is a leading cause of blindness that requires quick and accurate diagnosis to prevent further deterioration in vision quality. However, conventional examination methods often require a long time and specialized expertise, making them difficult to access widely. Along with technological developments, digital image processing offers a solution to detect cataracts more efficiently. This research aims to develop an image processing-based cataract identification system using a deep learning approach through the ResNet-50 architecture for pattern recognition in eye images. The research process includes image matrix transformation and file compression to improve data processing efficiency. Eye image datasets are used as training and testing data in the classification process using first-order parameters and 100 epochs. Test results showed the system was able to identify cataracts with an accuracy of 95.7% and the best computation time of 1.888 seconds, using 400 training data and 381 validation data. The resulting software simulation can be a digital image-based cataract early diagnosis tool, which is expected to support medical personnel in providing faster treatment and expanding access to eye health services.
DETEKSI DAN KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA HARUM MANIS MENGGUNAKAN YOU ONLY LOOK ONCE (YOLO) V8 Rismayanti, Azizah; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13320

Abstract

Mangga Harum Manis adalah varietas mangga dari Probolinggo, Jawa Timur, dengan ciri bentuk jorong, sedikit berparuh, dan ujung meruncing. Penyortiran tingkat kematangan mangga Harum Manis di Probolinggo, Jawa Timur, masih dilakukan secara manual dengan metode pengamatan visual, yang dapat menyebabkan inkonsistensi dalam penentuan kualitas. Ketidakseragaman ini berpotensi memengaruhi standar distribusi dan nilai jual buah. Oleh karena itu, penelitian ini mengembangkan sistem otomatis berbasis YOLOv8 untuk mendeteksi dan mengklasifikasikan tingkat kematangan mangga harum manis menjadi tiga kategori: Belum Matang, Setengah Matang, dan Matang. Dataset terdiri dari 540 citra yang dianotasi di Roboflow, dengan pembagian 87% pelatihan, 8% validasi, dan 4% pengujian. Model dilatih selama 50 epoch, batch 16, dan ukuran gambar 500. Hasil menunjukkan model mampu mendeteksi tingkat kematangan dengan akurasi berbeda di tiap kategori. Nilai mAP tertinggi sebesar 82,2% pada kategori Belum Matang, sementara Setengah Matang memiliki performa terendah dengan 76,6%. Secara keseluruhan, Precision model mencapai 81,1%, Recall 81,5%, dan mAP 79,8%. Hasil ini mengindikasikan bahwa YOLOv8 memiliki potensi besar dalam deteksi objek di lingkungan nyata, meskipun diperlukan peningkatan pada kategori tertentu untuk meningkatkan akurasi secara keseluruhan.
SISTEM DETEKSI JALAN BERLUBANG SECARA REAL-TIME MENGGUNAKAN YOLOV11: INTEGRASI DATA DAN LOKASI MELALUI WEBSITE: STUDI KASUS : DAERAH KARAWANG Raya Ismail, Dzaguar; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13436

Abstract

Kerusakan jalan berlubang di daerah Karawang berdampak pada keselamatan pengguna jalan dan efisiensi transportasi. Identifikasi jalan berlubang masih dilakukan secara manual, sehingga sering tidak akurat dan memerlukan waktu lama. Oleh karena itu, penelitian ini mengembangkan sistem deteksi jalan berlubang berbasis YOLOv11 yang terintegrasi dengan platform web untuk mendeteksi jalan berlubang secara real-time. Metode yang digunakan mencakup pengumpulan dataset dari Roboflow, pelatihan model menggunakan Google Colaboratory, serta implementasi sistem berbasis web yang mengintegrasikan frontend, backend, dan database JSON sebagai penyimpanan data. Sistem memungkinkan pengguna mengaktifkan kamera untuk menangkap jalan yang diproses oleh YOLOv11 guna mengidentifikasi keberadaan jalan berlubang. Hasil deteksi berupa gambar dengan bounding box, lokasi GPS, dan waktu kejadian akan disimpan dalam format JSON dan ditampilkan di halaman web. Pengujian menunjukkan model memiliki akurasi 83.5%, presisi 89.6%, dan recall 92.4%, yang menunjukkan performa cukup baik dalam mengenali jalan berlubang. Sistem ini diharapkan dapat meningkatkan efektivitas pemantauan kondisi jalan dan menjadi pendukung keputusan dalam perbaikan infrastruktur secara lebih cepat dan akurat.
PERBANDINGAN EDGE DETECTION METODE LAPLACIAN OF GAUSSIAN DAN CANNY PADA CITRA CT SCAN MENGGUNAKAN SOFTWARE MATLAB Fadhlurrahman, Rafi; Afta Wijaksana, Sevada; Ibnu Prabowo, Farhan; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13455

Abstract

Edge detection merupakan sebuah proses identifikasi titik-titik perubahan intensitas yang signifikan dalam sebuah citra. Dalam bidang medis, deteksi tepi sangat penting untuk memudahkan proses segmentasi serta analisis dan diagnosis, salah satunya pada citra Computed Tomography (CT) scan yang seringkali menghadapi masalah noise. Oleh karena itu, diperlukan analisis perbandingan untuk menentukan metode deteksi tepi yang tepat guna meningkatkan efektivitas dalam identifikasi citra hasil scan. Penelitian ini bertujuan untuk membandingkan dua metode deteksi tepi, yaitu Laplacian of Gaussian (LoG) dan Canny, dengan citra CT scan paru-paru sebagai sampel. Tahapan penelitian dimulai dengan pemilihan dataset citra CT scan paru-paru, dilanjutkan dengan pra-pemrosesan citra yang mencakup grayscaling, resizing, dan smoothing menggunakan filter Gaussian. Selanjutnya, dilakukan implementasi kdeua metode deteksi tepi menggunakan software MATLAB. Evaluasi dilakukan berdasarkan nilai Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR) serta melalui visualisasi hasil. Hasil penelitian menunjukkan bahwa metode Canny memberikan deteksi tepi yang lebih halus dengan noise yang lebih rendah dengan rata-rata pengukuran MSE sebesar 2129.08, dan rata-rata PSNR sebesar 15.30 dB. Sementara metode LoG menghasilkan lebih banyak detail tepi, tetapi dengan noise yang lebih tinggi dengan rata-rata pengukuran MSE sebesar 4517.60 dan rata-rata PSNR sebesar 11.28 dB.
DETEKSI ANATOMI GIGI MENGGUNAKAN ARSITEKTUR YOLOV8 (YOU ONLY LOOK ONCE) UNTUK PENGENALAN JENIS-JENIS GIGI Irsabmalfi, Rangga; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13552

Abstract

Pemeriksaan gigi secara manual sering kali memakan waktu dan membutuhkan keahlian khusus untuk mengidentifikasi jenis-jenis gigi. Sehingga rentan terjadinya kesalahan manusia karena interpretasi manual oleh dokter atau calon dokter. Oleh karena itu dibutuhkan pendekatan komputerisasi untuk memperkecil terjadi kesalahan dan membantu proses identifikasi untuk diagnosa dini dan kelengkapan perekaman medis. Untuk meningkatkan efisiensi, penelitian ini memanfaatkan algoritma YOLOv8, teknologi Computer Vision terkini, untuk mendeteksi dan mengklasifikasikan jenis gigi secara otomatis. Dataset yang digunakan terdiri dari 724 gambar anatomi gigi yang telah dianotasi, mencakup berbagai jenis gigi seperti molar, premolar, canine, dan incisor. Model dilatih menggunakan hyperparameter seperti 30 dan 50 epochs dan ukuran gambar 640x640 piksel. Evaluasi menunjukkan bahwa model memiliki performa tinggi dengan nilai precision 94,9%, recall 94,6%, mAP 97,5%, dan F1 score 95% untuk 30 epochs dan precision 94,9%, recall 94,6%, mAP 97,5%, dan F1 score 95% untuk 50 epochs. Hasil ini membuktikan bahwa penggunaan epochs tidak mengubah banyak persentase nilai evaluasi jika memiliki komposisi dan jumlah gambar yang sama, selain itu penggunaan YOLOv8 dapat mendeteksi anatomi gigi dengan cepat dan akurat, sehingga dapat menjadi alat bantu yang andal bagi dokter gigi dalam diagnosis dan pemetaan gigi pasien. Penelitian ini juga membuka peluang untuk pengembangan sistem rekam medis digital berbasis teknologi yang lebih efisien.
IMPLEMENTASI YOLOV8 (YOU ONLY LOOK ONCE) UNTUK DETEKSI SAMPAH DI LINGKUNGAN PERAIRAN INDONESIA Diko Aprilyanto, Muhammad; Rahmadewi, Reni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13605

Abstract

Peningkatan sampah di lingkungan perairan, khususnya di Indonesia, menimbulkan ancaman serius bagi ekosistem laut dan kesehatan manusia. Permasalahan ini diperburuk oleh kurangnya sistem deteksi yang efisien dan akurat dalam mengidentifikasi sampah di dalam air. Penelitian ini bertujuan mengembangkan sistem deteksi sampah dalam air menggunakan YOLOv8, algoritma deteksi objek yang unggul dalam akurasi dan kecepatan. Dataset citra sampah di dalam air yang terdiri atas 5.130 gambar dianalisis, melibatkan proses anotasi, pelatihan model, dan evaluasi dengan metrik seperti precision, recall, dan mean average precision (mAP). Model dilatih menggunakan 40 epoch dengan ukuran gambar 640x640 piksel, menghasilkan nilai precision 0,756 (75%), recall 0,651 (65%), dan mAP 0,741 (74%) untuk deteksi keseluruhan. Hasil menunjukkan model efektif mendeteksi sampah seperti diantaranya yaitu plastik, elektronik, dan botol dengan performa yang bervariasi. Kelemahan identifikasi pada deteksi logam yang membutuhkan optimasi lebih lanjut. Sistem ini diharapkan menjadi alat pendukung bagi relawan dan petugas kebersihan untuk mengidentifikasi sampah di perairan secara efisien, meningkatkan upaya pelestarian lingkungan
KLASIFIKASI RISIKO PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA VECTOR MACHINE (SVM) Ariyanto Pamungkas, Guntur; Rahmadewi, Reni; Purwita Sary, Indri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14243

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini menjadi hal yang sangat penting untuk mencegah risiko fatal. Penelitian ini bertujuan untuk mengklasifikasikan risiko penyakit jantung dengan menggunakan algoritma Support Vector Machine (SVM). Permasalahan yang diangkat adalah masih tingginya angka kematian akibat keterlambatan dalam pemeriksaan dini serta kurangnya akses informasi terkait penyakit jantung. Data yang digunakan dalam penelitian ini diambil dari situs Kaggle dan mencakup berbagai atribut demografis dan medis. Tahapan penelitian mencakup pra-pemrosesan data, pelatihan model menggunakan kernel Radial Basis Function (RBF), serta optimasi parameter dengan grid search dan k-fold cross-validation. Evaluasi dilakukan menggunakan metrik akurasi, confusion matrix, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM memiliki performa tinggi, dengan akurasi sebesar 96% pada data latih dan 100% pada data uji. Temuan ini membuktikan bahwa SVM efektif dalam mendeteksi risiko penyakit jantung dan berpotensi besar untuk diterapkan dalam sistem pendukung keputusan klinis
OPTIMALISASI SINYAL WIRELESS DENGAN TENDA N300 ACCESS POINT DI KONTRAKAN PEMDA SUKAHARJA Puspitasari, Della; Rahmadewi, Reni; Lindawati, Utari; Hibban Sya'bana, Daffa; Fawaz Fauzi, Rafly
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6650

Abstract

Internet telah menjadi kebutuhan utama dalam kehidupan sehari-hari, terutama di lingkungan perumahan. Namun, keterbatasan jangkauan sinyal Wi-Fi sering kali menjadi kendala dalam memberikan koneksi yang stabil bagi penghuni. Penelitian ini bertujuan untuk mengoptimalkan jangkauan sinyal Wireless Fidelity (Wi-Fi) di kontrakan Perumahan Pemda Sukaharja menggunakan perangkat Tenda N300 AP sebagai Wi-Fi Extender. Metode penelitian meliputi survei lokasi, analisis hambatan sinyal, pengujian kecepatan jaringan menggunakan Speedtest by Ookla, serta konfigurasi perangkat. Hasil penelitian menunjukkan bahwa setelah pemasangan Tenda N300 AP, sinyal Wi-Fi di lantai 2 yang sebelumnya lemah menjadi lebih stabil, dengan peningkatan kecepatan download dan upload yang signifikan. Namun, masih ditemukan ketidakseimbangan penggunaan bandwidth antar pengguna. Oleh karena itu, pengelolaan bandwidth menjadi aspek penting yang perlu diperhatikan untuk meningkatkan kualitas jaringan.
Implementation Of Wokbolic Antenna 433 MHz For Wireless Sensor Network Devices Using The LoRa Protocol Hadikusuma, Ridwan Satrio; Saragih, Yuliarman; Rahmadewi, Reni
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 10, No 2 (2024): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v10n2.122-133

Abstract

Wireless Sensor Network (WSN) is a network consisting of sensor devices capable of detecting the physical condition of the surrounding environment and sending information on the sensor readings to the user for mon-itoring. To be able to transmit data wirelessly, an antenna is needed to be able to transmit signals on the WSN. A wokbolic is a parabolic antenna device that serves to transmit wireless signals. The purpose of this research is to implement the Wokbolic antenna on WSN to analyze the transmission system as an improvement on the existing Wokbolic antenna system. The hardware used in the preparation of this thesis uses the LoRa(Long Range) protocol to transmit the signal further. Implementing a 433 MHz gayabolic antenna using the LoRa protocol on the transmitter side has better transmission results compared to a wireless sensor network using the LoRa protocol without awanbolic antenna. This is evidenced by the comparison of the low RSSI value in the wireless sensor network that implements the wokbolic antenna as its transmission medium with an average RSSI of –65,43 dBm in 40 tests. In testing the transmission system for wireless sensor network devices at a dis-tance of 10.52 km which was tested 40 times, the average value of the delay in the transmission system on the node side that implements the 433 MHz wok antenna is 1014,2 ms. This value is certainly lower than the trans-mission system that does not implement a 433 MHz wokbolic antenna with a delay value of 18134,83 ms.
Co-Authors Abdul jalil Afta Wijaksana, Sevada Andika Pratama Andromeda, Safrian Arief, Akhmad Ikhsannul Arihta, Michael Aris Setiawan Ariyanto Pamungkas, Guntur Arnisa Stefanie Bangsa, Insani Abdi Bangsa, Insani Abdi Abdi Budhi Santoso, Dian Cahyaputra, Hafizhiadi Rizki Diko Aprilyanto, Muhammad Dwi Wibowo, Muhammad Fauzan Al-Ghifary Dwijaksara, Ni Luh Bella Dwijaksara, Ni Luh Bella Windu Febriayanti Windu Dzaki, Ilham Fadhlurrahman, Rafi Fahla, Adam Fatah, Amirul Fathurrizqy, Muhammad Fawaz Fauzi, Rafly Febriyanto, Dionisius Firmasnyah, Naufal Haasyim Hadikusuma, Ridwan Satrio Hanafi, Zikri Haris Hermawan, Haris Hibban Sya'bana, Daffa Hidayat, Ahmad Hilman Husna, Fitria Nurul Ibnu Prabowo, Farhan Ibrahim Ibrahim Immanuel, Josya Marvin Irsabmalfi, Rangga Laili, Maria Bestarina Latifa, Ulinnuha Lela Nurpulaela Lindawati, Utari Luqman Ramadhani, Muhammad Malik Ibrahim, Muhamad Manullang, Maribeth Adventina Marno Marno Masyita, Nurani Maulana, Enggal Meilany, Mauludy Naufal, Daffa Handika Nawawi, Haikal Engga Nugraha, Rifki Fajar Nurzamilah, Zulia Padilah, Tesa Nur Pramudia, Rendy Prapongga, Muhammad Krisna Purwita Sary, Indri Pusparina A, Rianda Puspitasari, Della Rachman, Faishal Rahmi, Hayatul Raihan P.R.S, Baginda Muhammad Ramadhan, Andra Caesar Raya Ismail, Dzaguar Rismayanti, Azizah Riza Ibnu Adam, Riza Ibnu Sandi Sandi Santoso, Dian Budhi Santoso, Dian Budhi Budhi Septianti, Nurul Sihaloho, Arman Dwika Farlentinus Hasudungan Siswadi Siswadi Sukmawardani, Ramadhan Sutiyana, Agus Syahda, Rizky Oriza Yuliarman Saragih