Claim Missing Document
Check
Articles

Pengembangan Sistem Klasifikasi Sampah dalam Peningkatan Gambar Low-Light dengan CLAHE dan Gamma Correction Menggunakan Deep Learning Arsitektur DenseNet201 Albert, Muhammad Zaidan; Rekyan Regasari Mardi Putri; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Jurnal Nasional Terakreditasi
Lokalisasi Sistem Deteksi Lokasi Kendaraan Pada Lahan Parkir Menggunakan Metode Multilaterasi Berbasis Protokol Bluetooth Low Energy Hakim, Dicky Fauzan; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Masalah keterbatasan lahan parkir di kawasan urban menjadi tantangan yang semakin kompleks seiring meningkatnya jumlah kendaraan pribadi, yang berdampak pada waktu pencarian parkir dan konsumsi bahan bakar. Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem pelacakan posisi kendaraan berbasis metode multilaterasi menggunakan sinyal Received Signal Strength Indicator (RSSI) dari protokol Bluetooth Low Energy (BLE), dengan fokus pada estimasi posisi dan waktu komputasi. Penelitian dilakukan dengan pendekatan implementatif, menggunakan prototipe yang terdiri dari empat anchor node, satu sensor node, dan satu sink node berbasis mikrokontroler ESP32, diuji di area 10×10 meter. Data RSSI dikumpulkan dari berbagai titik uji dan dikonversi menjadi estimasi jarak yang dianalisis menggunakan metode multilaterasi untuk menentukan koordinat posisi kendaraan. Hasil pengujian menunjukkan rata-rata error estimasi posisi sebesar 17,49%, dengan error minimum 3,33% dan maksimum 36,67%, serta waktu komputasi rata-rata sebesar 11,33 detik per proses estimasi. Temuan ini mengindikasikan bahwa sistem yang dikembangkan mampu memberikan estimasi posisi yang cukup akurat dan efisien dalam konteks parkiran outdoor tanpa kebutuhan antena eksternal atau perangkat tambahan. Penelitian ini memberikan kontribusi praktis dalam pengembangan sistem parkir cerdas berbasis Internet of Things (IoT), serta kontribusi teoretis dalam penerapan metode multilaterasi pada lingkungan dengan keterbatasan infrastruktur GPS.
Penerapan Mekanisme Komunikasi Multi-hop pada Bluetooth Low Energy Budi, Agung Setia; Hanif Azhar Efendi, Muhammad; Bhawiyuga, Adhitya; Ichsan, Mochammad Hannats Hanafi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925684

Abstract

Seiring dengan berjalannya waktu, perkembangan teknologi akan semakin pesat, begitu pun teknologi dalam bidang wireless communication atau komunikasi tanpa kabel. Salah satu teknologi wireless yang sudah ada cukup lama adalah Bluetooth, adapun pengembangan dari teknologi Bluetooth adalah Bluetooth Low Energy (BLE). Tujuan dikembangkannya BLE adalah agar sumber daya yang digunakan saat proses transmisi data lebih rendah dari Bluetooth yang sudah ada sebelumnya. Adapun terdapat beberapa batasan yang ada pada Bluetooth Low Energy (BLE), salah satunya adalah hanya dapat berkomunikasi satu dengan yang lainnya dalam jarak yang dekat dikarenakan adanya keterbatasan sumber daya. Berdasarkan dari permasalahan tersebut, pada penelitian ini dirancang mekanisme komunikasi multi-hop pada BLE untuk mengatasi permasalahan jarak yang terbatas. Pada penelitian ini, topologi yang digunakan adalah topologi tree, dan hardware yang digunakan adalah ESP32. Hasil yang didapat menunjukkan mekanisme komunikasi multi-hop pada BLE yang dirancang dapat diterapkan dengan sukses. Hasil pengujian menunjukkan bahwa pengiriman data dari sebuah Sensor Node ke Sink Node yang melewati dua Relay Node (3-hop) membutuhkan waktu rata-rata 1846,4 ms.AbstractTechnology has been being developed very fast in the last couple years. One of that technology is wireless communication. There are so many wirelees communication technologies arround us nowadays, such as Wi-Fi, LoRa, Zigbee,and Bluetooth. The recent update of Bluetooth technology is Bluetooth Low Energy (BLE). The purpose of developing BLE is to decrease the energy used during the data transmission process. But there are some limitations in BLE. One of them is that we can only communicate with each other in a short distance due to resources limitation. Based on these problem, in this research we want to implement the multi-hop communication mechanism on BLE to overcome short distance communication problem. In this research, we use tree topology and ESP32 as the hardware. The results of this research shows that the mechanism of multi-hop communication on BLE can be applied successfully. The experiment result shows that the transmissionof data from a Sensor Node to a Sink Node through two Relay Nodes (3-hops) needs the average time of 1846,4 ms.
Analisis Performa Algoritma Machine Learning pada Perangkat Embedded ATmega328P Firdaus, Jeffry Atur; Budi, Agung Setia; Setiawan, Eko
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236196

Abstract

Artificial intelligence (AI) merupakan sistem kompleks yang meniru kecerdasan manusia untuk melakukan tugas dan dapat mengembangkan kecerdasannya menggunakan informasi yang mereka kumpulkan. Machine learning yang merupakan bagian dari AI, sering ditemui pada perangkat embedded. Beberapa algoritma machine learning yang banyak dikembangkan pada perangkat embedded adalah K-Nearest Neighbor, Naive Bayes dan SEFR. Pada tahun 2019, evaluasi pasar embedded system mencapai $100 miliar dan akan diprediksi jumlahnya terus meningkat sebesar enam persen setiap tahunnya. Salah satu perangkat embedded open source yang sering ditemui di pasaran adalah Arduino Nano berbasis ATmega328P. Namun tidak seperti komputer, embedded system memiliki sumber daya yang terbatas. Dalam mengembangkan sistem pada perangkat embedded perlu diperhatikan faktor seperti waktu komputasi, daya yang diperlukan dan penggunaan memori. Penelitian ini mengkaji tiga algoritma tersebut untuk mencari algoritma yang paling sesuai di perangkat embedded. Penelitian ini menemukan bahwa dalam melakukan klasifikasi tiga dataset, algoritma K-Nearest Neighbor mendapatkan akurasi paling baik dan paling konsisten hingga 93.3% akurat. Penggunaan sumber daya SRAM paling sedikit didapatkan pada algoritma Naive Bayes dengan rata-rata 764 Bytes. Waktu komputasi paling cepat didapatkan oleh algoritma SEFR dengan waktu yang dibutuhkan untuk melakukan klasifikasi dataset dalam waktu rata-rata 1.16 mili sekon dan konsumsi daya 0.1 mili joule. AbstractArtificial intelligence (AI) is a complex system that imitates human intelligence to perform tasks and can develop their intelligence using the information they collect. Machine learning, which is part of AI, is often encountered in embedded devices. Several machine learning algorithms that have been developed on embedded devices are K-Nearest Neighbor, Naive Bayes and SEFR. In 2019, the evaluation of the embedded systems market reached $100 billion and is predicted to continue to increase by six percent annually. One of the open source embedded devices that is often found in the market is the Arduino Nano based on the ATmega328P. However, unlike computers, embedded systems have limited resources. In developing systems on embedded devices, factors such as computing time, required power and memory usage must be considered. This study examines these three algorithms to find the most suitable for the embedded device. This study found that in classifying three datasets, the K-Nearest Neighbor algorithm got the best and most consistent accuracy up to 93.3% accurate. The least use of SRAM resources is found in the Naive Bayes algorithm with an average of 764 Bytes. The fastest computation time is obtained by the SEFR algorithm with the time required to classify the dataset in an average time of 1.16 milliseconds and a power consumption of 0.1 milli joules.
Implementasi Protokol Routing HEED pada Wireless Sensor Network dengan Perangkat Berbasis Modul Komunikasi nRF24L01 Zain, Giservin Tifira; Primananda, Rakhmadhany; Budi, Agung Setia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976835

Abstract

Wireless sensor network (WSN) merupakan sistem yang terdiri dari node sensor otonom yang terdistribusi pada suatu area untuk melakukan fungsi tertentu. Konsumsi energi sangat perlu diperhatikan dalam jalannya sistem WSN maka dari itu diimplementasikan protokol routing yang dapat meningkatkan efisiensi energi salah satunya adalah protokol cluster-based. Protokol Hybrid Energy-Efficient Distributed (HEED) merupakan cluster-based routing dengan komunikasi multi-hop pada cluster head-nya. Tujuan dari protokol HEED adalah untuk membentuk cluster yang terdistribusi dengan baik dalam jaringan. Penelitian ini bertujuan untuk mengimplementasikan protokol HEED pada perangkat real dengan berbasis modul nRF24L01 untuk melihat bagaimana kinerja yang dihasilkan. Implementasi dilakukan pada jaringan dengan skala kecil dimana node sensor hanya berjumlah 8 dengan jarak antar node yang tidak jauh sehingga setiap node masih dapat menjangkau semua node pada jaringan. Dengan adanya keterbatasan nRF24L01, pembentukan cluster memakan banyak waktu dan energi karena dibutuhkannya perhitungan cost node dan sinkronisasi waktu antar node. Kemudian waktu pemilihan cluster head kembali setelah jalannya operasi jaringan perlu dipertimbangkan agar tidak mengganggu fungsionalitas sistem. Pergantian cluster head baru sering terjadi ketika waktu sudah lama berjalan pada jaringan dan itu bervariasi tergantung pada energi baterai. Pada pengujian dengan energi baterai 6000 mWh, didapatkan lifetime HEED adalah 150 jam 32 menit 41 detik yang merupakan 94% peningkatan dari lifetime protokol static clustering. Namun pada jaringan skala kecil dengan perangkat berbasis nRF24L01 ini, lifetime HEED masih berada 28.5% di bawah LEACH.AbstractWireless sensor network (WSN) is a system consisting of autonomous sensor nodes distributed in an area to perform certain functions. Energy consumption really needs to be considered in the WSN system, therefore a routing protocol that can improve energy efficiency is implemented, one of which is a cluster-based protocol. The Hybrid Energy-Efficient Distributed (HEED) protocol is a cluster-based routing with multi-hop communication on its cluster head. The purpose of the HEED protocol is to form well-distributed clusters in the network. This study aims to implement the HEED protocol on real devices based on the nRF24L01 module to see how the performance generated is. The implementation is carried out on a small-scale network where the sensor nodes only amount to 8 and the distance between is not far away making each node still reach all nodes on the network. With the limitations of the nRF24L01, cluster formation is quite time-consuming and energy-consuming due to the need for calculating node costs and synchronizing time between nodes. Then the timing to select the cluster head again after network operation needs to be considered so as not to interfere with the system's functionality. The selection of different cluster heads often occurs only when time has been running on the network for a long time and that time varies depending on battery energy. In testing with a battery energy of 6000 mWh, the lifetime of HEED was found to be 150 hours 32 minutes 41 seconds which is a 94% increase from the lifetime of the static clustering protocol. However, on a small-scale network with this nRF24L01-based device, the lifetime of HEED is still 28.5% below LEACH.
Sistem Deteksi Myocardial Infarction Berdasarkan Pathological Q Waves Dan ST Segment Elevation Menggunakan Metode Support Vector Machine Prasetyo, Ragil Hadi; Widasari, Edita Rosana; Budi, Agung Setia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976837

Abstract

Jantung merupakan organ yang sangat penting bagi tubuh manusia karena jika mengalami gangguan pada jantung akan memberi dampak yang besar pada tubuh. Menurut World Health Organization (WHO) kematian yang disebabkan oleh penyakit jantung di dunia mencapai 17.9 juta setiap tahunnya. Salah satu gangguan pada jantung adalah Myocardial Infarction yaitu gangguan yang diakibatkan oleh penyumbatan darah menuju jantung. Salah satu cara untuk mengetahui seseorang menderita Myocardial Infarction yaitu dengan melakukan tes Electrocardiogram (ECG), tetapi untuk melakukan test ECG tersebut cukup mahal dan sulit dijangkau untuk beberapa orang. Penelitian ini melakukan deteksi Myocardial Infarction berdasarkan 2 kondisi sinyal abnormal yaitu Pathological Q Waves dan ST Segment Elevation. Kedua kondisi sinyal abnormal tersebut dapat digunakan untuk mendeteksi Myocardial Infarction. Penelitian ini menggunakan modul sensor AD8232 sebagai input untuk membaca aliran listrik pada jantung. Kemudian sinyal yang dibaca oleh sensor diproses di Arduino Uno dan dilakukan klasifikasi dan menampilkan hasilnya pada LCD 16x2 sebagai output. Penelitian ini melakukan pengujian modul sensor AD8232 dalam menghitung Beat per Minute (BPM) dan mendapatkan akurasi 99%. Klasifikasi yang digunakan yaitu Support Vector Machine yang mendapatkan akurasi 83.,30% dengan rata-rata waktu komputasi 31,20ms.AbstractHeart is a very important organ for the human body because if you experience a disorder of the heart it will have a big impact on the body. According to the World Health Organization (WHO), deaths caused by heart disease in the world reach 17.9 million each year. One of the disorders in the heart is Myocardial Infarction which is a disorder caused by blood blockage to the heart. One way to find out someone has Myocardial Infarction is to do an Electrocardiogram (ECG) test, but to do an ECG test is quite expensive and difficult to reach for some people. This study detected Myocardial Infarction based on 2 abnormal signal conditions, namely Pathological Q Waves and ST Segment Elevation. Both abnormal signal conditions can be used to detect Myocardial Infarction. This study used the AD8232 sensor module as an input to read the electricity flow in the heart. Then the signal read by the sensor is processed in the Arduino Uno and is classified and displays the result on a 16x2 LCD as an output. The study tested the AD8232 sensor module in calculating (Beat Per Minute)BPM and obtained 99% Accuracy. The classification used is the Support Vector Machine which gets an accuracy of 83.30% with an average computing time of 31.20ms.
REALIZING SUSTAINABLE WELFARE OF MUSTAHIK THROUGH OPTIMIZING ZAKAT MANAGEMENT AT BAZNAS BUNGO REGENCY Budi, Agung Setia; Zaki, Muhammad; Asmoro, Endang Dwi
PROCEEDING OF INTERNATIONAL CONFERENCE ON EDUCATION, SOCIETY AND HUMANITY Vol 1, No 1 (2023): First International Conference on Education, Society and Humanity
Publisher : PROCEEDING OF INTERNATIONAL CONFERENCE ON EDUCATION, SOCIETY AND HUMANITY

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

Abstract

This study focuses on optimizing zakat management at BAZNAS Bungo Regency to realize sustainable welfare for Mustahik through the productive zakat program. The purpose of this study is to analyze the role of the productive zakat program in improving the welfare of mustahik in a sustainable manner, as well as to identify obstacles faced in the collection, distribution, and empowerment of mustahik. This study uses a qualitative approach with data collection techniques through in-depth interviews, observation, and documentation at the BAZNAS Bungo Regency. The results of the study indicate that although the productive zakat program has been running, there are still challenges in monitoring and mentoring mustahik and limitations in the application of technology to support zakat management. This study also found that closer collaboration between BAZNAS and the local Government is not just beneficial, but crucial for the optimal empowerment of mustahik. The implications of this study are the importance of strengthening monitoring and evaluation strategies and increasing the use of technology to improve the effectiveness of zakat management. In addition, closer collaboration is needed between zakat institutions and local governments to support the empowerment of mustahik more optimally and sustainably.
Analisa Penyebab Sisa Material pada Proyek Konstruksi Mengunakan Metode Root Cause Analysis (RCA) : (Studi Kasus Proyek Rehab Rumah Jabatan Sekretaris Daerah Pangkep) Wagola, Abdullah; Budi, Agung Setia; Supardi, Sudarman; Watono; Arsal, St Fatmah
Jurnal Ilmiah Mahasiswa Teknik Sipil Vol. 6 No. 2 (2024): JILMATEKS (Jurnal Ilmiah Mahasiswa Teknik Sipil) April 2024
Publisher : Program Studi Teknik Sipil Fakultas Teknik Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/b6wm0f29

Abstract

Pada tahap pelaksanaan konstruksi, penggunaan material di lapangan seringkali menimbulkan sisa material yang beragam yang menjadi penyebab membengkaknya biaya proyek, sehingga meminimalkan sisa material menjadi sangat penting untuk diterapkan. Material sisa merupakan salah satu masalah penting dalam pelaksanaan konstruksi. Penelitian analisa penyebab sisa material pada proyek konstruksi menggunakan metode Root Cause Analysis (RCA). Hasil Penelitian ini menunjukan bahwa banyaknya sisa material pasir pasang 45,75 M3, pasir beton 7,27 M3, batu belah 3,27 M3, semen portland 16,60 Zak, batu pecah 2,82 M3, besi beton 165,43 Kg, dan bata merah 547,56 buah. Dengan kerugian sisa material Rp 6,853,533.04. Penyebab sisa material yang disebabkan, oleh variabel (X4) pelaksanaan dengan presentase tertinggi yaitu 43.17%,variabel (X1) desain bangunan presentase 23.91%,variabel (X2) pengadaan material presentase 18.45%, dan variabel (X3) penanganan material presentase terendah yaitu 14.47%.. Bedasarkan metode Root Cause Analysis (RCA) faktor-faktor dominan sisa material di pengaruhi oleh variabel (X2) pengadaan material menjadi variabel paling kritis dikarenakan terdapat dua faktor dominan yaitu faktor (X2.2) 5.09%, (X2.1) 4.99%. Variabel (X3) penanganan material, faktor (X3.3) 4.81% menjadi faktor dominan. Variabel (X4) pelaksanaan, faktor (X4.9) 4.78% menjadi faktor dominan dan pada variabel (X1) desain banguanan, faktor (X1.6) 4.68% menjadi faktor dominan.
Sistem Pengenalan Plat Nomor Kendaraan dalam Kondisi Minim Cahaya Menggunakan CLAHE dan YOLOv8 untuk Gerbang Otomatis Pardamean, Yohanes; Putri, Rekyan Regasari Mardi; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Gerbang adalah alat untuk memfasilitasi kontrol akses ke lingkungan atau properti. Integrasi pengenalan plat nomor kendaraan membantu mengotomatisasi dan mempercepat pengendalian akses, namun variasi pencahayaan dapat mengurangi kinerja sistem. Untuk mengatasi kondisi minim cahaya, studi ini menerapkan Contrast-Limited Adaptive Histogram Equalization (CLAHE) sebagai langkah preprocessing. CLAHE bekerja dengan membagi citra menjadi area kecil, lalu menaikan kontras dengan limit yang telah ditentukan. Selanjutnya deteksi plat nomor menggunakan model YOLOv8 yang dilatih pada dataset yang bersumber dari Roboflow, sementara Optical Character Recognition (OCR) menangani ekstraksi karakter. Pada pengujian sistem yang telah dilakukan di keadaan minim cahaya, penggunaan CLAHE mampu mendeteksi 100% plat nomor kendaraan(7 plat) dan hasil rekognisi 71,5%(5 benar dari 7 plat). Tanpa penggunaan CLAHE, sistem hanya mendeteksi 71,5% (5 dari 7 plat) dan hasil rekognisi hanya 28,5%( 2 dari 7 plat nomor). Hasil ini menunjukkan bahwa CLAHE secara signifikan meningkatkan deteksi dan pengenalan plat nomor dalam kondisi cahaya rendah, dan pengujian siang hari menunjukan hasil similar antara penggunaan CLAHE dan tidak. Pendekatan ini menawarkan peningkatan praktis untuk sistem gerbang otomatis, menjamin operasi andal pada berbagai kondisi pencahayaan.