Article Per Year (5 Year)
p-Index From 2020 - 2025
5.234
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Teknik Elektro ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JETT (Jurnal Elektro dan Telekomunikasi Terapan) Emerging Science Journal JMM (Jurnal Masyarakat Mandiri) Jurnal Elektronika dan Telekomunikasi Jurnal ULTIMA Computing TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Journal of Electronics, Electromedical Engineering, and Medical Informatics JTIM : Jurnal Teknologi Informasi dan Multimedia JMECS (Journal of Measurements, Electronics, Communications, and Systems) Indonesian Journal of Electrical Engineering and Computer Science Charity : Jurnal Pengabdian Masyarakat Proceedings Series on Physical & Formal Sciences Prosiding Konferensi Nasional PKM-CSR Jurnal Ilmiah Teknik Elektro eProceedings of Engineering Buletin Pos dan Telekomunikasi
Fiky Y. Suratman
Universitas Telkom
Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 79 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 79 Documents
Search

 4   5   6   7   8 
Development of Human Activity Recognition (HAR) for Health Rehabilitation Using MMWAVE Radar with 3D Point Cloud Data Yudha Setyawan, Raden Rofiq; Fiky Y. Suratman; Khilda Afifah
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 7 No 2 (2025): April
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v7i2.642

Abstract

Postoperative recovery is a crucial phase in ensuring successful rehabilitation. However, many healthcare facilities face challenges due to the limited availability of medical personnel, making routine patient monitoring difficult. This limitation can delay the early detection of complications and reduce overall recovery effectiveness. To address this issue, this study proposes a non-invasive, radar-based system for remote postoperative patient monitoring. The proposed system utilizes the IWR6843AOP radar to generate 3D point cloud data, spatially representing patient movements. This approach enables continuous monitoring without compromising patient privacy, allowing healthcare providers to offer more efficient care. The collected data undergoes preprocessing, including normalization, labeling, and dataset splitting, before being classified using deep learning models such as 3D CNN, 3D CNN+LSTM, 3D CNN+Bi-LSTM, PointNet, PointNet++, and RNN. The dataset consists of six activity categories: empty space, sitting, standing, walking, running, and squatting, recorded at a frame frequency of 18.18 Hz. Experimental results show that the 3D CNN combined with Bi-LSTM achieves the highest accuracy of 90%, surpassing models like PointNet and RNN. These findings indicate that a radar-based and deep learning-driven approach offers an accurate, efficient, and non-intrusive solution for postoperative monitoring, reducing the need for direct medical supervision. This technology has significant potential for broader healthcare applications, contributing to more advanced, accessible, and technology-driven patient monitoring systems. By integrating artificial intelligence and radar sensing, this research paves the way for innovative solutions in modern healthcare, ensuring better postoperative outcomes while optimizing medical resources.
PELATIHAN INTERNET OF THINGS BERBASIS STEM UNTUK PENGEMBANGAN KOMPETENSI DIGITAL SISWA DAN GURU SMA Qolbiyah, Nada Syifa; Istiqomah, Istiqomah; Suratman, Fiky Yosef; Patriananda, Teguh; Kirana, Tsania Puspa; Nelson, Garry; Sari, Nurlina
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 4 (2025): Agustus
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i4.32947

Abstract

Abstrak: Transformasi pendidikan di era Revolusi Industri 4.0 menekankan pentingnya literasi digital dan penerapan teknologi berbasis STEM di tingkat sekolah menengah, namun ketimpangan literasi teknologi di kalangan guru dan siswa masih menjadi hambatan utama. Sebagai jawaban atas tantangan tersebut, kegiatan pengabdian kepada masyarakat berupa pelatihan sistem Internet of Things (IoT) berbasis STEM dilaksanakan di SMA Islam Al-Ma’soem, Kabupaten Bandung, sebagai bentuk dukungan peningkatan kompetensi digital di lingkungan pendidikan. Metode pelatihan terdiri dari empat tahap, yaitu persiapan, pelatihan, pendampingan, dan evaluasi, dengan melibatkan 20 siswa dan 2 guru. Evaluasi dilakukan dengan metode pengisian kuesioner Likert untuk beberapa cakupan penilaian. Hasil menunjukkan peningkatan signifikan dalam pemahaman konsep dasar IoT, keterampilan teknis peserta dalam perancangan sistem, serta keterkaitan materi dengan pembelajaran STEM; lebih dari 85% peserta menyatakan puas terhadap pelatihan. Pelatihan ini terbukti efektif dalam meningkatkan kompetensi digital sekaligus menumbuhkan minat eksplorasi teknologi, serta dapat dijadikan sebagai model replikatif untuk mendorong peningkatan literasi digital di sekolah menengah lainnya.Abstract: Educational transformation in the Industrial Revolution 4.0 era emphasizes the importance of digital literacy and the application of STEM-based technology at the secondary school level, but the gap in technological literacy among teachers and students is still a major obstacle. As an answer to this challenge, community service activities in the form of STEM-based Internet of Things (IoT) system training were carried out at Al-Ma'soem Islamic High School, Bandung Regency, as a form of support for increasing digital competence in the educational environment. The training method consists of four stages, namely preparation, training, mentoring, and evaluation, involving 20 students and 2 teachers. The evaluation was conducted using a Likert-scale questionnaire method covering several assessment areas. The results showed a significant increase in understanding the basic concepts of IoT, participants' technical skills in system design, and the relevance of the material to STEM learning; more than 85% of participants expressed satisfaction with the training. This training has proven effective in increasing digital competence while fostering interest in exploring technology and can be used as a replicable model to encourage increased digital literacy in other secondary schools.
Kendali Kemudi Dengan Memindai Area Jalan Berbasis Kamera Termal Siburian, Sebastian Edward; Suratman, Fiky Y; Satyawan, Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Perkembangan teknologi telah mengalami kemajuan yang sangat signifikan khususnya di bidang kecerdasanbuatan, termasuk perkembangan di bidang kendaraan listrik otonom untuk efisiensi penggunaan sumber energi ramahlingkungan. Mengaktifkan mobilitas otonom memerlukan teknologi yang memungkinkan kendaraan mendeteksi objek disekitarnya, termasuk pengenalan objek menggunakan segmentasi semantik.Dalam penelitian ini digunakan sistem segmentasi objek untuk pengenalan jalan, dan sistem dibangun menggunakanmetode segmentasi berbasis deep learning. Informasi gambar diperoleh dari kamera termal FLIR. Metode segmentasi yangdigunakan dalam perancangan Capstone ini adalah arsitektur jaringan yang tersisa (ResNet 18, ResNet 34, ResNet 50, ResNet101, Resnet 152 dan ResNext 50). Hasil segmentasi kemudiandigunakan untuk mengembangkan metode pengendalian kemudi dengan menganalisis area jalan yang tersegmentasi. Hasil analisisberupa sinyal rekomendasi arah kendali kemudi yang dikirimkan ke sistem kendali kemudi kendaraan roda tiga listrik.Hasil percobaan menunjukkan bahwa metode segmentasi ResNet 50 cocok digunakan pada sistem kendali terarah karenaprosesnya baik dan memiliki latensi yang rendah sehingga proses kendali terarah dapat dilakukan secara real time. Kata kunci : Convolutional Neural Network (CNN), Deep Learning, Image Processing, Residual Network, SegmentasiSemantik, Thermal FLIR
Optimasi Penggunaan Kamera FLIR Untuk Navigasi Pada Sistem Kemudi Otomatis Suputra , Mahesa Wisnu; Suratman, Fiky Y.; Satyawan , Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Perkembangan teknologi informasi dan komunikasi mendorong berbagai inovasi, salah satunya adalahkendaraan listrik otonom (KLO) yang dapat mengurangi kelalaian manusia dalam mengemudi. Penelitian ini bertujuanuntuk mengembangkan dan menguji sistem kemudi otomatis pada KLO menggunakan kamera FLIR (Forward-LookingInfrared). Kamera FLIR digunakan untuk mendeteksi lingkungan sekitar kendaraan dalam berbagai kondisipencahayaan, seperti siang hari dan malam hari. Pengujian dilakukan untuk mengevaluasi kinerja kamera dalammenghasilkan gambar termal yang akurat dan memastikan deteksi serta identifikasi objek yang andal. MetodeConvolutional Neural Network (CNN) dengan arsitektur ResNet-50 digunakan untuk meningkatkan efektivitas deteksiobjek. Hasil penelitian menunjukkan bahwa kamera FLIRmampu mendeteksi objek dengan baik dalam kondisi siang dan malam hari, serta meningkatkan keselamatan dan navigasikendaraan otonom. Penggunaan metode CNN terbukti efektif dalam meningkatkan akurasi deteksi objek, memberikankontribusi signifikan dalam pengembangan sistem kemudi otomatis yang lebih aman dan efisien. Kata kunci — Kendaraan Listrik Otonom (KLO), Sistem Kemudi Otomatis, Kamera FLIR, Deteksi Objek, ConvolutionalNeural Network (CNN), ResNet-50, Pengujian Kinerja, Keselamatan Navigasi.
Sistem Pengendali Steering Gear Otomatis Menggunakan Teknologi Kamera Thermal FLIR Arifyandy, Rachmat; Suratman, Fiky Y; Satyawan, Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Perkembangan teknologi informasi dan komunikasi mendorong berbagai inovasi, salah satunya adalahkendaraan listrik otonom (KLO) yang dapat mengurangi kelalaian manusia dalam mengemudi. Penelitian ini bertujuanuntuk mengembangkan dan menguji sistem kemudi otomatis pada KLO menggunakan kamera FLIR (Forward-LookingInfrared). Kamera FLIR digunakan untuk mendeteksi lingkungan sekitar kendaraan dalam berbagai kondisipencahayaan, seperti siang hari dan malam hari. Pengujian dilakukan untuk mengevaluasi kinerja kamera dalammenghasilkan gambar termal yang akurat dan memastikan deteksi serta identifikasi objek yang andal. MetodeConvolutional Neural Network (CNN) dengan arsitektur ResNet-50 digunakan untuk meningkatkan efektivitas deteksiobjek. Hasil penelitian menunjukkan bahwa kamera FLIR mampu mendeteksi objek dengan baik dalam kondisi siang danmalam hari, serta meningkatkan keselamatan dan navigasi kendaraan otonom. Penggunaan metode CNN terbukti efektifdalam meningkatkan akurasi deteksi objek, memberikan kontribusi signifikan dalam pengembangan sistem kemudi otomatis yang lebih aman dan efisien. Kata kunci — Kendaraan Listrik Otonom (KLO), Sistem Kemudi Otomatis, Kamera FLIR, Deteksi Objek, ConvolutionalNeural Network (CNN), ResNet-50.
Pemanfaatan Intel RealSense Depth Camera D415 untuk Mendeteksi Manusia pada Kendaraan Otonom Roda Tiga Aurelia, Felicia Bunga; Suratman, Fiky Y; Satyawan, Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pemanfaatan Intel RealSense Depth Camera D415 dalam deteksi manusia pada kendaraan otonom roda tigamerupakan inovasi penting dalam meningkatkan keamanan dan efisiensi sistem transportasi. Latar belakang penelitian inididorong oleh kebutuhan untuk mengurangi kecelakaan yang melibatkan kendaraan otonom dengan pejalan kaki danpengguna jalan lainnya. Tujuan utama dari penelitian ini adalah untuk mengembangkan dan mengimplementasikansistem deteksi manusia yang akurat dan andal menggunakan teknologi kamera depth Intel RealSense D415. Metode yangdigunakan melibatkan pengintegrasian kamera depth dengan algoritma pemrosesan citra berupa YOLOv8 untuk mendeteksidan melacak keberadaan manusia di depan kendaraan. Uji coba dilakukan pada prototipe kendaraan otonom roda tiga dalamberbagai kondisi lingkungan untuk menguji kinerja sistem. Hasil penelitian menunjukkan bahwa sistem yangdikembangkan mampu mendeteksi manusia dengan tingkat akurasi yang tinggi, bahkan dalam kondisi pencahayaan yangburuk dan lingkungan yang kompleks. Kesimpulan utama dari penelitian ini adalah bahwa teknologi Intel RealSense DepthCamera D415 memiliki potensi besar untuk meningkatkan keselamatan kendaraan otonom melalui deteksi manusia yanglebih efektif, sehingga dapat mengurangi risiko kecelakaan danmeningkatkan kepercayaan publik terhadap penggunaan kendaraan otonom. Kata kunci— intel realsense depth camera, deteksi manusia, YOLOv8
Ilustrasi Pengereman Kendaraan Otonom Roda Tiga Menggunakan Aktuator Linear Elektrik Jody H, Amadeus Evan; Suratman, Fiky Y.; Satyawan, Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini mengembangkan sistem pengereman untuk kendaraan otonom roda tiga menggunakanaktuator linear elektrik, dikendalikan oleh mikrokontroler ATmega 2560 Pro dan motor driver BTS 7960. Depth cameraIntel RealSense D415 digunakan untuk mendeteksi jarak objek. Sistem mengatur kecepatan pengereman berdasarkan tigasegmen PWM: 255 untuk jarak 2-4 meter, 100 untuk jarak 4.01- 6 meter, dan 60 untuk jarak 6.01-8 meter. Hasil pengujianmenunjukkan respons cepat dan akurasi tinggi, dengan ratarata delay kurang dari 1 detik, memastikan pengereman yangaman dan efisien. Kata kunci— pengereman, kendaraan otonom, aktuator linear elektrik, depth camera, mikrokontroller ATmega 2560pro, motor driver BTS7960.
Realsense Depth Camera Untuk Pengukuran Jarak Pada Mobil Autonom Roda Tiga Marchellyn, Ferryn; Suratman, Fiky Y; Satyawan, Arief Suryadi
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penggunaan kamera kedalaman menjadi krusialdalam teknologi kendaraan otonom untuk mengukur jarak objekdi sekitar kendaraan. Intel RealSense Depth Camera menjadisolusi unggul berkat teknologi sensor stereo yang memberikaninformasi kedalaman akurat. Penelitian ini mengeksplorasikemampuan kamera RealSense dalam mengukur jarak padamobil otonom beroda tiga, fokus pada evaluasi akurasi dalamberbagai kondisi operasional seperti kecepatan kendaraan, jarakobjek, dan pencahayaan.Metode menggunakan Depth Camera Intel RealSense D435iuntuk mendeteksi objek dalam jarak kurang dari 8 meter denganalgoritma Non-Max Suppression yang mengurangi tumpangtindih kotak pembatas dan memilih deteksi objek dengan nilaiconfidence score tertinggi. Implementasi melibatkanpenghubungan Depth Camera Intel RealSense D415i ke laptopuntuk pengolahan data jarak. Pengujian membandingkan hasilpengukuran kamera dengan meteran di area jalan sepanjang 8meter x 1.1 meter.Hasil menunjukkan variasi selisih antara jarak kamera danjarak sesungguhnya, dengan persentase kesalahan dihitungmenggunakan rumus. Kamera RealSense menunjukkan akurasiyang cukup baik, meskipun terdapat perbedaan yang disebabkanoleh toleransi pengukuran dan algoritma. Penelitian inimemberikan wawasan untuk pengembangan teknologi kamerakedalaman dalam kendaraan otonom masa depan, denganmempertimbangkan faktor- faktor yang mempengaruhi akurasipengukuran. Kata Kunci: kendaraan otonom, kamera kedalaman, RealSense,pengukuran jarak, akurasi, Non-Max Suppression, sensor stereo.
Empoasca Pest Attack Classification on Tea Plantations Using Multispectral Imaging and Deep Learning Kurniawan, Bella K.; Suratman, Fiky Y.; Fauziah, Fani; Vidyaningtyas, Hurianti; Saputri, Desti M.; Pramudita, Aloysius A.
Emerging Science Journal Vol. 9 No. 4 (2025): August
Publisher : Ital Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28991/ESJ-2025-09-04-04

Abstract

This study aims to enhance the management of Empoasca pests in tea cultivation, a critical sector for Indonesia’s economy, by developing an innovative detection method. The challenge of pest infestations may significantly reduce tea production yields, and the misuse of chemical pesticides further compromises tea quality. We propose a novel approach that integrates multispectral imaging with Convolutional Neural Networks (CNN), specifically employing ResNet-50 and AlexNet architectures to accurately detect Empoasca infestations. We begin with the data collection process, followed by the development of the preprocessing model and evaluation of its performance. We classify tea leaves affected by Empoasca pests using spectral data obtained from a multispectral camera operating across Green, NIR (Near Infrared), REG (Red Edge), and RED channels. We evaluated various spectral channels and identified the green spectrum as the most effective for revealing visual characteristics, such as curled leaves associated with Empoasca damage. Experimental results demonstrated that ResNet-50 outperformed AlexNet, achieving a remarkable accuracy of 99% on the green channel, while AlexNet showed notable accuracy declines on other channel combinations. These findings underscore the effectiveness of the green spectrum and the superiority of ResNet-50 in achieving precise pest detection, offering a reliable technological solution for modern tea plantation management.
Co-Authors -, Sugihartono A. A. Pramudita Achmad Rizal Adinda Mutiara Hakim Adriani Rizka Amalia Agung Chrisyancandra Mobonguni Ali Muayyadi Ali, Erfansyah Aloysius Adya Pramudita Alyani Durrah Fauzan Andika Pradana Arif Wicaksono Angga Rusdinar Angga Wijaya Anhar Ari Widodo Aptadarya, Harwin Arentaka, Fiendo Mahendra Argaloka, Aditya Adni Arif Abdul Aziz Arifyandy, Rachmat Ario Wicaksono ARIS HARTAMAN Aurelia, Felicia Bunga Azhar Sukarna Putra Azhar Yunda Ramadhan Azizah Yusrina Bambang Hidayat Bambang Setia Nugroho Budi Permana Dami Mahardiwana Daud, Pamungkas De Fitrah, Figo Azzam Denny Darlis Dharu Arseno Dhiky Wahyu Santoso Dias Daffa Wiwaha Dien Rahmawati Dimas Mustaqim Dwi Esti Kusumandari Ekki Kurniawan Erwin Susanto Estananto Fadhli Rahman Faishal Adli Fani Fauziah, Fani Farhan Ramadhan FARIED IZZANTAMA NUGRAHA HARSWA Figo Azzam De Fitrah Fikry Lazuardi Fitrah, Figo Azzam De Giashinta Larashati Grace Bobby GRACE BOBBY, GRACE Hana Pratiwi Hasbian Fauzi Perdana Heni Pujiastuti Heroe Wijanto Hidayat, Mujib R. HIDAYAT, MUJIB RAMADAN Hurianti Vidyaningtyas I Wayan Oka Krismawan Putra Ig. Prasetya Dwi Wibawa Imam Darmawan Istiqomah Istiqomah istiqomah istiqomah Jody H, Amadeus Evan Junartho Halomoan Juse Wisman Oktabri Kalfika Yani Khalisa Khairuna Khilda Afifah Kirana, Tsania Puspa Koredianto Usman Krisna Muhammad Luthfi Kurniawan, Bella K. Lyra Vega Ugi M. Reza Raihan N.R MAARIF, AHMAD FATHAN Made Indra Wira Pramana Marchellyn, Ferryn Mochammad Haldi Widianto Mohamad Ramdhani Muhamad Ridwan Widyantara Muhamad Riswan Nurfadilah Muhammad Adi Nurhidayat Muhammad Ary Murti Muhammad Hablul Barri Muhammad Hegi Rinaldi Muhammad Nashih Rabbani Muhammad Zakiyullah Romdlony Mujib R. Hidayat Mumtazanisa Fairuzen Nasrullah Armi Neina Oktavia Sariningsih Nelson, Garry Nina Mardiana (F01108057) Nurhidayat, Muhammad Adi Nurul Qashri Mahardika T Nusharatul Lailiyya Nushrotul Lailiyya Patriananda, Teguh Porman Pangaribuan Pramudita, A. A. Pramudita, Aloysius A. PRATIWI, HANA Qolbiyah, Nada Syifa Rachmita Hasni.H1 Radika Gitatama Rahmad Rahmad Ramadhan, Azhar Yunda Ramdhan Nugraha Ratri Dwi Atmaja Rebecca Chittra Widyaparamitha Reyhan Fahmirakhman Abdullah Reynaldo Sandy Montolalu Reza Nurul Fajri Rheza Faurizki Rahayu Rifqy Miftahul Hidayat Rissa Rahmania Rizal Akhlaqul Rizki Ardianto Priramadhi Rizkia Dwi Auliannisa Rizky Ardianto Priramadhi Salwa Nur Rohmah Santosh Poudel Saputri, Desti M. Sari, Nurlina Satyawan , Arief Suryadi Satyawan, Arief Suryadi Seno Nugroho Siburian, Sebastian Edward Slamet Widodo Slamet Widodo Sony Sumaryo Sugihartono - Suputra , Mahesa Wisnu Suryo Adhi Wibowo Unang Sunarya Widyantara, Muhamad Ridwan Y. R, Azhar Yohana Jayanti Aruan Yudha Purwanto Yudha Setyawan, Raden Rofiq Zahwa Rizzi Ani