Claim Missing Document
Check
Articles

Edukasi Pengendalian Robot dengan Sinyal Tubuh pada Siswa dan Guru Smpn 17 Bandung Purboyo, Tito Waluyo; Naufal , Dziban; Putra , M. Darfyma; Komara , Riza Aria; Yanata, Mahardika Putra; Praditya , Farhan Ramadhan
Almufi Jurnal Pengabdian Kepada Masyarakat Vol 5 No 1: Juni (2025)
Publisher : Yayasan Almubarak Fil Ilmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63821/ajpkm.v5i1.451

Abstract

Di era digital saat ini, teknologi biomedis memainkan peran penting dalam menjembatani interaksi antara manusia dan mesin, khususnya dalam bidang kesehatan dan robotika. Dengan memanfaatkan sinyal biologis seperti Electromyogram (EMG), Electrocardiogram (ECG), dan Electrooculogram (EOG), perangkat elektronik kini dapat dikendalikan tanpa alat bantu konvensional seperti tombol atau joystick. Hal ini membuka peluang besar dalam pengembangan alat bantu rehabilitasi serta inovasi robotik yang lebih responsif terhadap sinyal tubuh manusia. Sayangnya, konsep ini masih belum banyak dikenalkan pada jenjang pendidikan menengah pertama (SMP), karena belum termasuk dalam kurikulum formal. Oleh karena itu, program ini dirancang untuk mengenalkan dasar-dasar teknologi robotik berbasis sinyal biomedis kepada siswa dan guru di SMPN 17 Bandung. Melalui pendekatan pembelajaran berbasis praktik langsung, siswa diajak memahami bagaimana sinyal EMG dapat digunakan untuk menggerakkan robot melalui aktivitas otot, bagaimana sinyal ECG dapat menjadi pemicu gerakan berdasarkan detak jantung, dan bagaimana sinyal EOG yang dihasilkan oleh pergerakan mata dapat memicu respons robotik.Tujuan utama dari kegiatan ini adalah memberikan pemahaman dasar mengenai keterkaitan antara biologi, teknologi, dan sistem kontrol, sekaligus meningkatkan minat belajar siswa terhadap bidang STEM (Science, Technology, Engineering, and Mathematics). Diharapkan program ini tidak hanya memperkaya wawasan teknologi siswa, tetapi juga mendorong pengembangan pendidikan yang lebih adaptif terhadap kemajuan teknologi masa kini, terutama dalam konteks aplikasi teknologi untuk kesehatan dan kehidupan sehari-hari.
Analisis Aktivitas Otot dan Keseimbangan Postural Melalui Persepsi Gerakan Visual Randa, Gloria Belinda; Purboyo, Tito Waluyo; Saftari, Liana Nafisa
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Keseimbangan postural merupakan hasil koordinasi kompleks dari sistem visual, vestibular, dan somatosensorik. Penelitian ini bertujuan untuk mengevaluasi pengaruh variasi stimulus visual terhadap aktivitas otot gastrocnemius dan kestabilan tubuh. Enam partisipan sehat berusia 18–25 tahun diberikan empat kondisi visual melalui kacamata realitas virtual (VR Glasses): bergerak putih, bergerak merah, tidak bergerak putih, dan tidak bergerak merah. Aktivitas otot direkam menggunakan Surface Electromyography (sEMG), sedangkan kestabilan tubuh direkam melalui sensor gyroscope MPU-6050. Data dianalisis menggunakan Two-Way Repeated Measures Analysis of Variance (ANOVA) dan uji korelasi Pearson. Hasil menunjukkan bahwa gerakan visual secara signifikan meningkatkan postural sway, terutama dalam arah antero-posterior, dan berdampak lebih besar dibandingkan variasi warna. Penelitian ini menunjukkan bahwa rangsangan visual dinamis dapat dimanfaatkan dalam program pelatihan keseimbangan. Kata kunci — Keseimbangan postural, aktivitas otot, persepsi gerakan visual, optic flow, EMG.
Klasifikasi Aritmia pada sinyal ECG menggunakan Ensemble Machine Learning dengan kerangka kerja Bootstrap Aggregating Winatra, Jennifer Celine; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit jantung masih menjadi penyebab utama kematian global, terutama di negara-negara berkembang. Aritmia, salah satu jenis gangguan irama jantung, berperan besar dalam angka kematian ini. Dengan meningkatnya jumlah kasus fibrilasi atrium (FA), deteksi dini menjadi sangat penting. Penelitian ini mengeksplorasi penggunaan ensemble machine learning dengan kerangka kerja bootstrap aggregating (bagging) untuk klasifikasi sinyal elektrokardiogram (EKG). Dataset MIT-BIH digunakan sebagai data latih dengan berbagai pendekatan bagging seperti Traditional Bagging, Bayesian Bagging, Feature Bagging, dan Random Subspace. Hasil menunjukkan bahwa Bayesian Bagging memberikan performa terbaik (akurasi 93.40%, F1-score 93.50%, dan AUC 99.30%) dengan waktu inferensi hanya 0.10 detik. Keunggulan ini dipengaruhi oleh mekanisme pembobotan Dirichlet yang mampu mempertahankan kontribusi tiap sampel secara efektif. Studi ini menunjukkan bahwa metode bagging menawarkan keseimbangan optimal antara akurasi, stabilitas metrik, efisiensi komputasi, serta potensi penerapan klinis untuk membantu diagnosis aritmia secara lebih cepat, akurat, dan andal di berbagai kondisi. Kata kunci — aritmia, EKG, bootstrap aggregating, ensemble machine learning, Bayesian Bagging, MIT-BIH
Klasifikasi Aritmia Pada Sinyal Elektrokardiogram Menggunakan Long-Short Term Memory Dan Variannya Rande, Andini Windy; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit jantung merupakan penyebab kematian tertinggi di dunia, termasuk Aritmia. Pengecekan Aritmia dilakukan menggunakan alat Elektrokardiogram (EKG), analisis dilakuk- an oleh para profesional medis. Namun, sering kali membu- tuhkan waktu subjektif dan rentan terhadap kesalahan. Peneli- tian ini mengusulkan sistem klasifikasi Aritmia menggunakan Long-Short Term Memory (LSTM) dan Variannya. Klasifikasi dilakukan terhadap delapan jenis Aritmia menggunakan data- set MIT-BIH Arrhythmia. Peneltian ini menggunakan teknik sliding window berdasarkan jumlah (PQRST) dalam setiap episode. Hasilnya digunakan sebagai masukan untuk klasifi- kasi Aritmia menggunakan arsitektur LSTM, BI-LSTM dan NLSTM dengan kombinasi optimizer (Adam, RMSprop, SGD) dan batch size (16,32, 64). Melalui penelitian ini ditemukan bahwa hasil klasifikasi Aritmia dengan kombinasi arsitektur LSTM dengan ukuran window 10 kompleks PQRST, optimizer RMSprop dan batch size 32 memberikan performa terbaik dibandingkan kombinasi lainnya. Hasil yang diperoleh adalah akurasi accuracy 96.51%, precision 96.77%, recall 96.51% dan F1-score 96.56%. Kata kunci: Aritmia, BILSTM, LSTSM, NLSTM, Klasifikasi, Ritme jantung, RNN, Sinyal ECG.
Application Of Artificial Intelligence In Indonesian Debate Education Game Raharjo, Hanif Kukuh; F, Andi Nurfita; Rosyidin, Nurya Fahru; Purboyo, Tito Waluyo; Nugrahaeni, Ratna Astuti
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 2 No 01 (2023): May 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i03.5393

Abstract

Over time, educational games that exist is increasing. It is very unfortunate that there are some educational games that are too focused on the educational aspect so that they forget their identity as games that aim to relieve fatigue. This research was conducted to avoid this problem. To provide an interesting experience from the game being played, the artificial intelligence system is implemented, the first one is Bezier Curve Algorithm. An algorithm that forms a curve trajectory that will become a cross motion of obstacles. Finite State Machine for the Non-Player Character (NPC) behavior. The last one is Fuzzy Mamdani algorithm, it is an algorithm that will be used in calculating the score in the game. By applying all the algorithm to some aspects of the game, there will be an interesting experience in every game play, because one gameplay will not be similar to the previous one. This game was developed on the Android platform. The test was conducted on 33 high school/vocational high school students with the age range (15-20 years). The results obtained, 97% of respondents agree that the game is interesting for them and 90.9% feel interested in Indonesian debate after playing the game.
Analisis Sentimen Komentar Berdasarkan Geo Tagged Menggunakan Algoritma Bilstm Insani, Raka Zia; Setianingsih, Casi; Purboyo, Tito Waluyo
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak–Instagram merupakan salah satu media sosial terbesar yang saat ini populer digunakan. Di sana pengguna dapat mengirim gambar, video, berbagi pesan dan bahkan menandai lokasi juga terdapat di dalamnya. Dalam sebuah postingan, terdapat kolom komentar. Jenis komentarnya sangat beragam, ada yang positif dan negatif. Komentar digunakan untuk menganalisis sentimen positif dan negatif. Dalam penelitian ini digunakan algoritma bidirectional lstm untuk proses klasifikasi. Algoritma bilstm adalah algoritma turunan dari lstm, tetapi memiliki struktur yang berbeda. BiLSTM memiliki dua lapisan lstm untuk digunakan sebagai lapisan maju dan lapisan mundur. Dataset untuk melatih model diperoleh dari data komentar yang diambil dari postingan Instagram yang berisi tag lokasi wisata. Dalam penelitian ini, Model terbaik pada sistem yang dibuat menggunakan rasio data uji dan latih dengan perbandingan 65% dan 35%, parameter learning rate sebesar 0.0001, batch size sebesar 400 dan epoch dengan jumlah 10. Pada pengujian sistem dengan model tersebut menghasilkan nilai presisi sebesar 52%, recall 75%, f1-score sebesar 52% dan akurasi sebesar 88%. Sehingga, hasil dari klasifikasi tersebut diharapkan dapat menjadi acuan masyarakat untuk mengunjungi sebuah tempat wisata.Kata kunci— instagram, komentar sentimen, BiLSTM,
Game Edukasi Debat Bahasa Indonesia Berbasis Kecerdasan Buatan Dengan Menggunakan Algoritma Fuzzy Mamdani Rosyidin, Nurya Fahru; Purboyo, Tito Waluyo; Nugrahaeni, Ratna Astuti
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Pada era teknologi sekarang ini, perkembangan game edukasi makin bertambah banyak. Game tersebut dibuat untuk memberikan edukasi menjadi lebih menarik. Akan tetapi, sangat disayangkan bahwa masih banyak game edukasi yang permainannya terlalu kaku dan terlalu berfokus pada edukasinya. Sehingga melupakan identitasnya sebagai game yang berfungsi sebagai penghilang rasa jenuh dan mengurangi rasa penat. Dalam memberikan pengalaman yang menghibur dan menarik pada saat memainkan game-nya, sistem kecerdasan yang akan diterapkan adalah Algoritma Fuzzy Mamdani. Algoritma Fuzzy Mamdani merupakan algoritma yang akan digunakan pada perhitungan score pada game. Dengan menerapkan algoritma ini pada aspek pergerakan dan score di dalam game, maka akan timbul pengalaman menarik di setiap gameplay pada game yang dimainkan, karena di satu gameplay tidak akan mirip dengan gameplay sebelumnya. Hasil yang didapatkan dari perancangan game edukasi “Game Debat : Adu Argumen!” dengan menggunakan algoritma Fuzzy Mamdani yang melibatkan kepakaran seorang guru bahasa Indonesia di dalamnya yang diterapkan pada sistem score di dalam game. Pengujian dilakukan pada 33 siswa SMA/SMK sederajat dengan umur antara 15 sampai 20 tahun. Selanjutnya, dari pengujian yang didapatkan sekitar 96.9% responden berpendapat bahwa game ini cukup menarik, dan sekitar 90.9% responden merasa game ini membuatnya tertarik dengan debat bahasa Indonesia setelah dimainkan. Pengujian ini juga didapatkan sekitar 84.9% berpendapat bahwa sistem penilaian dalam game bekerja dengan baik.Kata kunci— Game, Kecerdasan Buatan, Android, Edukasi, Algoritma Fuzzy Mamdani
Penerapan Perilaku Non-Player Character Pada Game Edukasi Debat Bahasa Indonesia Menggunakan Metode Finite State Machine F, Andi Nurfita; Purboyo, Tito Waluyo; Nugrahaeni, Ratna Astuti
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Sekarang ini game menjadi salah satu hiburan yang disenangi oleh berbagai kalangan mulai dari yang muda hingga yang tua. Tetapi, tidak sedikit juga game edukasi yang terlalu kaku dan hanya fokus pada aspek edukasinya saja sehingga tujuan dari game untuk menghibur jadi terlupakan. Penelitian ini dilakukan dengan tujuan untuk menghindari masalah tersebut dengan cara menambahkan sistem kecerdasan buatan atau Artificial Intelligence pada game edukasi yang diharapkan mampu memberikan pengalaman yang menarik tanpa menghilangkan aspek edukasinya. Non-Player Chararcter (NPC) di dalam game ini memiliki kebiasaan yang diimplementasikan menggunakan metode Finite State Machine. Kebiasaan yang dimaksud adalah semakin besar score yang dihasilkan oleh User maka semakin sulit tantangan yang diberikan oleh NPC. Kebiasaan tersebut yang membuat NPC menjadi lebih menarik dan berkesan pada User yang memainkannya. Game ini dikembangkan pada platform Android dengan pengimplementasian Finite State Machine pada perilaku NPC. Hasil yang diperoleh dari pengujian yang dilakukan pada 33 siswa/i SMA/SMK sederajat adalah sebanyak 96,9% responden merasa game ini menarik untuk dimainkan. Selain itu, 90,9% merasa tertarik dengan debat bahasa Indonesia setelah memainkan game ini dan 90,9% responden juga menganggap perilaku NPC sudah berfungsi dengan baik.Kata kunci— game, artificial intelligence, android, edukasi, non-player character, finite state machine
Prediksi Penderita Tuberkulosis Menggunakan Algoritma Support Vector Regression (SVR) N, Ridha Melati; Purboyo, Tito Waluyo; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Salahsatu penyakit menular yang menjadi topik pembahasan yang ramai di dunia kesehatan adalah Tuberkulosis (TBC). Karena TBC merupakan salahsatu  dari 10 penyakit yang menjadi penyebab utama kematian di seluruh dunia dan di Indonesia berada peringkat ketiga dengan kasus tertinggi setelah India dan China. Hal tersebut menjadikan penyakit ini perlu adanya suatu peramalan atau prediksi ke depannya sehingga masyarakat mengantisipasi lebih awal.Dalam penelitian tugas akhir ini penulis akan membuat sistem Prediksi Penderita Tuberkulosis. Hasil dari penelitian ini berupa prediksi jumlah penderita kedepannya. Data yang digunakan berasal dari Dinas Kesehatan Kabupaten Karawang periode 1 Januari 2020 sampai 31 Desember 2021.Sistem Prediksi Penderita Tuberkulosis ini menggunakan metode Support Vector Regression  dan menggunakan kernel Radial Basis Function yang menghasilkan nilai error performansi Mean Square Error (MAE) sebesar 0.099448, Root Mean Square Error (RMSE) sebesar 0.136204 dan R² sebesar 0.220323.Kata kunci— penyakit tuberkulosis, prediksi, support vector regression
Prediksi Penderita Tuberkulosis Dengan Algoritma Long Short-Term Memory Aisyah, Diah; Purboyo, Tito Waluyo; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh kuman Mycobacterium tuberculosis, meskipun dapat menyerang organ apapun didalam tubuh. Ketika bakteri masuk melalu droplet di udara. Pada tahun 2015 terdapat 2.617 kasus tuberkulosis di Kabupaten Karawang. Kurangnya pengetahuan terhadap gejala penyakit dan sosialiasi terhadap pemerikasaan tuberculosis secara dini merupakan faktor utama penyebab tingginya jumlah kasus penderita TB. Oleh karena itu perlu adanya sebuah sistem prediksi jumlah penderita tuberculosis untuk memprediksi jumlah penderita dimasa yang akan datang. Dalam Penelitian ini menggunakan metode Long Short-Term Memory.  (LSTM). LSTM merupakan evolusi dari algoritma Recurrent Neural Network (RNN) untuk mengatasi permasalahan pada RNN dalam mengelola data untuk periode yang lama. LSTM dianggap lebih unggul dibandingakan algoritma lainnya dalam mengelola data yang bersifat time series. Data yang penulis gunakan berasal dari Dinas Kesehatan Kabupaten Karawang dari tanggal 1 Januari 2020 hingga 31 Desember 2021. Berdasarkan Hasil Pengujian diketahui bahwa algoritma LSTM  dengan partisi data 70%:30%, epoch sebesar 900, jumlah hidden layer sebanyak 1 layer LSTM dengan 64 neuron serta tipe optimasi Adam dengan learning rate sebesar 0.001. selain itu, hasil pengujian parameter terbaik menghasilkan nilai RMSE = 0.12019341, MAE = 0.0819 Dan R2 = 0.53508423. Kata kunci— tuberkulosis, prediksi, long short-term memory