Article Per Year (5 Year)
p-Index From 2021 - 2026
3.625
P-Index
This Author published in this journals
All Journal Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Journal of Computer Engineering: Progress, Application and Technology
Tito Waluyo Purboyo
Universitas Telkom
Religion Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Sistem Deteksi Jatuh Untuk Lansia Menggunakan Openpose dan Convolutional Neural Network Hardiyanto, Ridho Adha; 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—Manusia Ketika memasuki umur senja (lansia) membuat sistem kerja tubuh berkurang dari psikologi maupun jasmani mengalami penurunan fungsionalitas.sehingga rentan sekali terjadinya bahaya kepada lansia tersebut sehingga membuat keluarga lansia mengingkan sebuah solusi untuk membantu mereka apabila terjadinya sebuah marabahaya ke lansia Cara kerja sistem ini adalah dengan menggunakan webcam, yang mana akan mendeteksi pergerakan dan posisi lansia di dalam rumah dengan menggunakan algoritma You Only Look Once (YOLO) dan openpose. Cara kerja sistem ini , kamera perekam akan diposisikan pada suatu ruangan dengan area yang dideteksi seluas 3 x 3 meter lalu kamera di taruh di pojok atas ruangan, sistem akan melakukan inferensi input gambar dan di tugas akhir ini akan dibandingkan performansi yang terbaik antara sistem jatuh dengan openpose atau tidak dengan openpose. Hasil yang di dapat adalah model terbaik dengan performansi terbaik terdapat pada model openpose dengan mendapatkan hasil Presisi 100%, Recall 100%, F1 Score 100 mAP 100% serta akurasi yang dihasilkan mencapai 100% dengan parameter model yang digunakan adalah Rasio 70% : 30%, Batchsize 64, Learning rate 0.01. Kata Kunci— fall detection, lansia, yolo, object detection.
Sistem Pemantauan Aktivitas Keseharian Lansia Berbasis Deteksi Objek Menggunakan Algoritma YOLO Haadi, Muhamad Addin Al; 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—Lanjut usia merupakan tahapan akhir perkembangan hidup manusia yang ditunjukkan dengan menurunnya daya kemampuan dan kualitas hidup, sehingga butuh perawatan dan pemantauan dari orang dewasa. Namun sebagian besar orang dewasa terutama yang telah berkeluarga mengalami kesulitan merawat orang tua dan anak sekaligus dengan alasan kesibukan pekerjaan, berbeda tempat tinggal dan alasan lainnya. Diperlukan solusi yaitu sebuah monitoring sistem berbasis object detection dimana user dapat melakukan pemantauan aktivitas harian lansia secara real-time. Cara kerja sistem menggunakan webcam yang akan mendeteksi pergerakan dan posisi lansia di dalam rumah dengan menggunakan algoritma You Only Look Once (YOLO). Data yang didapatkan akan dikirimkan ke smartphone caregiver dan keluarga via Telegram dalam bentuk pesan dan notifikasi. Dengan sistem tersebut, user dapat mengetahui aktivitas lansia di lokasi melalui aplikasi Telegram saat user di luar jangkauan lansia dalam bentuk pesan rutin berupa data aktivitas lansia. Hasil penelitian pada tugas akhir ini menunjukkan bahwa sistem pemantauan aktivitas keseharian lansia berbasis deteksi objek menggunakan algoritma yolo ini mendapatkan hasil Presisi 100%, Recall 100%, F1 Score 100%, Average IoU 87.26%, Average Loss 6.41%, mAP 100% serta akurasi yang dihasilkan mencapai 100% dengan parameter model yang digunakan adalah Rasio 90% : 10%, Batchsize 64, Learning rate 0.008 dan Max Batches 4000. Kata Kunci— lansia, monitoring system, YOLO, object detection, telegram.
Sistem Pengenal Anggota Keluarga Menggunakan Algoritma Dlib Zamhari, Dyka Khairullah; 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—Sering terjadi beberapa kasus yang dimana lansia itu mudah lupa akan sesuatu, misalnya melupakan orang yang merupakan keluarganya. Hal tersebut dapat di atasi dengan aplikasi Face Recognition. Face Recognition merupakan teknologi dari machine learning yang mampu mengidentifikasikan atau mengenali wajah seseorang. Pada tugas akhir ini menawarkan aplikasi sistem pengenal anggota keluarga yang dimana dapat membantu lansia untuk mengingat anggota keluarganya hanya dengan mengarahkan kamera External ke wajah orang yang ingin dikenali, selanjutnya sistem akan melakukan proses pengenalan pada wajah dan akan menampilkan output di layer beserta notifikasi ke telegram. Dalam studi ini, didapatkan bahwa sistem dapat mendeteksi maksimal sebanyak 4 wajah pada 1 frame. Mampu melakukan pengenalan dengan jarak maksimal 1.8 meter dari kamera. Mendapatkan akurasi pendeteksian sebesar 100% pada angle wajah yang menghadap ke kamera. Sistem juga mampu melakukan pengenalan dengan wajah yang menggunakan kacamata dan penutup kepala, dengan akurasi sebesar 100%. Dan sistem mampu melakukan pengenalan jika nilai lux cahaya lebih besar dari pada 0.  Diharapkan aplikasi ini dapat membantu lansia untuk mengingat semua anggota keluarganya. Kata Kunci— face recognition, machine learning, lansia.
Deteksi Influenza Berdasarkan Heart Rate Steps, Dan Resting Heart, Heart Rate Menggunakan Multi-Layer Perceptron Ginting, Dewi Swarni Br; Purboyo, Tito Waluyo; Wijaya, Rifki
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— Menurut Michael K.Abraham Influenza itu memiliki tiga jenis yaitu (A, B dan C) yang di subtipekan berdasarkan permukaannya, ada protein yang Bernama neuraminidase (N) dan ada juga yang Bernama hemagglutinin (H) di tipe A dan B, untuk fusi hemagglutinin-esterase pada tipe C. Influenza A mempunyai dua subtype dan yang untuk saat ini subtypenya lebih dominan beredar kepada manusia, termasuk (H1/N1) dan (H3/N2).[1] Dalam sepuluh tahun trakhir ini, pencari kegiatan yang bisa dikenakan semakin populer buat memantau detak jantung heart rate (HR). Tetapi heart rate (HR) tidak bisa menggunakan tafsirkan tanpa konteks yang benar. Nilai heart rate (HR) terukur 70 bpm bisa dianggap tinggi buat seorang atlet ketika tidur, atau rendah buat seseorang yang umumnya tidak berlatih, setelah berjalan jauh.[7] Dalam penelitian tugas akhir ini penulis menggunakan algortima Multi-layer Perceptron (MLP) ialah ANN (Artificial Neural Network) pada perceptron. Yang berbentuk ANN (Artificial Neural Network) feedforward memakai satu atau lebih hidden layer. Data yang di gunakan dalam penelitian ini merupakan sebuah alat wearable device sebagai jam tangan. Dari penelitian yang sudah di lakukan yang menggunakan algoritma Multi-Layer Perceptron, peneliti mendapatkan accuracy pada pasien 1 yaitu 66% dan untuk pasien 2 yaitu 81%. Sehingga dapat di simpulkan bahwan system ini berjalan sesuai dengan tujuan. Kata kunci— Influenza, Heart rate, Deteksi influenza, TimeSeries Heart rate, Multi-Layer perceptron
Penerapan Kecerdasan Buatan Pada Game Edukasi Debat Bahasa Indonesia Menggunakan Algoritma Bézier Curves Raharjo, Hanif Kukuh; 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— Seiring berkembangnya waktu, jumlah game edukasi yang ada bertambah banyak. Namun, sangat disayangkan bahwa masih banyak game edukasi yang terlalu kaku dan terlalu fokus dalam aspek edukasinya sehingga melupakan jati dirinya sebagai game yang bertujuan untuk menghilangkan rasa penat. Penelitian ini dilakukan untuk menghindari masalah tersebut, dengan menambahkan sistem kecerdasan buatan atau Artificial Intelligence pada game edukasi, diharapkan game dapat memberikan pengalaman yang menarik dan menghibur tanpa menciptakan rasa kaku dan menghilangkan aspek edukasinya. Sistem kecerdasan buatan yang diimplementasikan adalah Algoritma Bézier Curve. Algoritma yang membentuk lintasan kurva yang akan menjadi lintas gerak rintangan. Dengan mengimplementasikan algoritma, maka akan terlahir pengalaman menarik di setiap gameplay dari game yang dimainkan. Game ini dikembangkan pada platform Android. Pengujian dilakukan pada 33 siswa SMA/SMK sederajat dengan rentan umur (15-20 tahun). Hasil yang diperoleh, 96.9% responden setuju bahwa game menarik bagi mereka dan 93.9% merasa tertarik dengan debat bahasa Indonesia setelah memainkan game, di dapatkan 81.9% mendapatkan tombol interupsi yang muncul di lokasi yang berbeda setiap responden memainkan game. Kata kunci— game, artificial intelligence, android, edukasi, bézier curves
Analisis Fraktal Non-Linier Pada Sinyal HRV Untuk Deteksi Awal Penyakit Jantung Koroner Shafa A.R, Farah Nabylla; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit jantung koroner merupakan salah satu penyebab kematian tertinggi secara global. Penelitian ini bertujuan untuk memperoleh pemahaman yang lebih komprehensif mengenai kondisi jantung melalui analisis sinyal elektrokardiogram (EKG), khususnya variabilitas detak jantung (Heart Rate Variability/HRV), dengan pendekatan analisis fraktal. Data HRV dihasilkan dari deteksi puncak R (R-peak) dan diolah untuk mendapatkan fitur domain waktu, yaitu Standard Deviation of RR intervals (SDRR) dan Root Mean Square of Successive Difference (RMSSD). Analisis fraktal dilakukan menggunakan metode Detrended Fluctuation Analysis (DFA), Hurst Exponent, Higuchi Fractal Dimension (HFD), Maximum Fractal Length (MFL), dan Poincaré. Fitur yang diperoleh kemudian diseleksi dengan metode Minimum Redundancy Maximum Relevance (mRMR), sementara klasifikasi kondisi jantung normal dan penyakit jantung koroner dilakukan menggunakan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa fitur fraktal mampu merepresentasikan kompleksitas sinyal HRV, dengan sejumlah parameter menunjukkan perbedaan yang signifikan antara kelompok normal dan CAD. Model SVM dengan konfigurasi kernel tertentu menghasilkan akurasi tinggi pada pengujian serta nilai cross-validation yang konsisten. Temuan ini menegaskan bahwa kombinasi analisis fraktal dan SVM berpotensi dimanfaatkan untuk deteksi dini penyakit jantung koroner serta mendukung pengembangan sistem pemantauan kesehatan berbasis EKG yang akurat dan informatif. Kata kunci— Penyakit Jantung Koroner, Heart Rate Variability, Analisis Fraktal, Detrended Fluctuation Analysis (DFA), Higuchi Fractal Dimension (HFD), Maximum Fractal Length (MFL), Poincaré, dan Support Vector Machine (SVM).
Analisis Teknik Explainable AI Post-hoc untuk Deteksi Infark Miokard Berbasis Sinyal EKG Assyifa, Fathiya Nur; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Model deep learning (DL) menunjukkan akurasi yang unggul dalam menganalisis sinyal EKG untuk mendeteksi infark miokard. Namun, pendekatan ini sering dianggap sebagai "black box" yang sulit dipahami oleh tenaga medis. Penelitian ini mengevaluasi penerapan explainable AI (XAI), yakni Grad-CAM dan LRP, dalam meningkatkan interpretabilitas model DL berbeda untuk deteksi infark miokard menggunakan sinyal EKG. Pada studi ini, XAI berupa Grad-CAM dan LRP diaplikasikan pada tiga jenis model konvolusional, yakni model konvolusional biasa, model residual, serta model inception. Hasil menunjukkan bahwa Grad-CAM memberikan penjelasan spasial yang konsisten dengan atribusi positif serta lebih sederhana, sementara LRP dapat memberikan atribusi positif maupun negatif, membedakan relevansi antar-lead, serta tidak tergantung pada resolusi spasial dari layer internal model. Kemudian, kombinasi Grad-CAM untuk analisis temporal dan LRP untuk analisis relevansi lead memberikan interpretasi model yang paling komprehensif dan direkomendasikan untuk evaluasi relevansi klinis model DL. Disimpulkan bahwa arsitektur InceptionTime ditemukan merupakan model terbaik, dengan akurasi tertinggi serta utilisasi lead tertinggi berdasarkan analisis XAI. Kata kunci—deep learning, elektrokardiogram, infark miokard, XAI
Klasifikasi Aritmia Pada Sinyal Elektrokardiogram Menggunakan Gated Recurrent Unit Annisa , Wina Nur; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Deteksi aritmia jantung secara otomatis umumnya dilakukan melalui analisis sinyal elektrokardiogram (EKG) untuk meningkatkan akurasi dan efisiensi diagnosis. Penelitian ini mengevaluasi pengaruh variasi panjang window (3R, 5R, 10R) terhadap performa klasifikasi aritmia, membandingkan kinerja varian arsitektur Gated Recurrent Unit (GRU0–GRU4) dan Bidirectional GRU (BiGRU0–BiGRU4), serta menganalisis dampak konfigurasi hyperparameter. Dataset yang digunakan adalah MIT-BIH Arrhythmia, dengan segmentasi sinyal menggunakan metode sliding window berbasis jumlah puncak R. Model dilatih menggunakan fungsi loss categorical crossentropy dan optimizer Adam, dengan tuning pada jumlah unit (32, 64, 128), dropout (0.2, 0.5), dan learning rate (0.001, 0.0001). Evaluasi dilakukan menggunakan akurasi, ROC AUC, precision, recall, dan F1-score. Hasil menunjukkan bahwa window 3R dan model GRU0 dengan konfigurasi 128 unit, dropout 0.2, dan learning rate 0.001 menghasilkan performa terbaik, dengan akurasi 95.99%, F1-score 0.9599, dan akurasi validasi akhir 96.72%. Temuan ini membuktikan bahwa arsitektur GRU sederhana dengan konfigurasi optimal mampu memberikan klasifikasi aritmia berbasis EKG dengan performa tinggi. Kata kunci— Aritmia, BiGRU, EKG, GRU, Hyperparameter Tuning, Sliding Window
Klasifikasi Infark Miokard Berbasis Sinyal EKG Menggunakan Hybrid CNN-LSTM dan CNN BiLSTM Nafisa, Hana Rizkia; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Infark miokard merupakan penyebab utama kematian akibat penyakit kardiovaskular di Indonesia. Elektrokardiogram (EKG) merupakan metode yang paling umum digunakan untuk mendeteksi perubahan aktivitas listrik jantung yang berkaitan dengan kondisi ini. Penelitian ini mengembangkan sistem klasifikasi sinyal EKG guna mendeteksi infark miokard menggunakan pendekatan hybrid yang menggabungkan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM), serta membandingkan performanya dengan arsitektur Bidirectional LSTM (BiLSTM). Metode yang digunakan melibatkan dua model hybrid, yaitu CNN-LSTM dan CNN-BiLSTM, yang berperan dalam menangkap pola temporal dari sinyal EKG. Optimasi hyperparameter dilakukan menggunakan grid search dengan 5-fold cross-validation. Performa model dievaluasi berdasarkan akurasi, presisi, recall, F1-score, dan ROC-AUC. Hasil menunjukkan bahwa model CNN-LSTM menghasilkan akurasi sebesar 0,922, presisi 0,921, recall 0,922, F1-score 0,922, dan ROC-AUC 0,974. Model CNN-BiLSTM memberikan sedikit peningkatan performa dengan akurasi 0,923, presisi 0,924, recall 0,923, dan F1-score 0,924, meskipun ROC-AUC sedikit lebih rendah, yaitu 0,973. Meskipun BiLSTM memungkinkan pemrosesan temporal dua arah, peningkatan performa relatif kecil dan tidak signifikan dibandingkan kompleksitas arsitekturnya. Oleh karena itu, CNN-LSTM dinilai lebih efisien namun tetap efektif dalam klasifikasi sinyal EKG infark miokard. Kata kunci— infark miokard, EKG, CNN-LSTM, BiLSTM, klasifikasi sinyal, deep learning
Optimasi Deteksi Aritmia Pada Sinyal Ekg Menggunakan Pendekatan Divergence Kullback-Leiber Fathir, Muhammad Azlam Ikhlasul; Purboyo, Tito Waluyo; Humairani, Annisa
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Aritmia jantung merupakan gangguan irama jantung yang berpotensi memicu kondisi kardiovaskular serius apabila tidak terdeteksi secara dini. Kompleksitas morfologi sinyal elektrokardiogram (EKG), dimensi data yang tinggi, dan ketidakseimbangan distribusi kelas pada dataset menjadi tantangan dalam pengembangan sistem deteksi berbasis kecerdasan buatan. Penelitian ini bertujuan mengembangkan sistem klasifikasi aritmia berbasis sinyal EKG dari MIT-BIH Arrhythmia Database dengan menggabungkan Discrete Wavelet Transform (DWT) dan Kullback–Leibler Divergence (KL Divergence) untuk ekstraksi fitur. Data diseimbangkan menggunakan random undersampling sebelum ekstraksi, dengan empat pendekatan distribusi pada KL Divergence, yaitu Uniform, Exponential, Gaussian, dan Combined. klasifikasi dilakukan menggunakan Support Vector Machine (SVM) dengan kernel RBF, serta dievaluasi menggunakan metrik akurasi, F1-score, ROC AUC, log loss, average precision (AP), efisiensi komputasi, dan Coefficient of Variation (CV). Hasil menunjukkan bahwa KL Combined memberikan performa terbaik dengan akurasi 0,8895, F1-score 0,9039, AUC 0,9406, dan log loss uji 0,3012. KL Combined dinilai optimal untuk implementasi klinis karena menggabungkan akurasi tinggi, kestabilan, dan efisiensi, menjadikannya pilihan unggulan dalam sistem deteksi aritmia yang konsisten dan andal. Kata kunci: Aritmia jantung, Divergence Kullback-Leibler, Discrete Wavelet Transform, EKG, MIT-BIH, Support Vector Machine
Co-Authors A. A. Ngurah Wisnu Gautama Aisyah Kumala Dewi Aisyah, Diah Andi Nurfita F Andika Malraherawan Pradana ANGGUNMEKA LUHUR PRASASTI Annisa , Wina Nur Anton Siswo Raharjo Ardhya Chaeruna Salim Assyifa, Fathiya Nur Bernard Raditio Parulian Casi Setianingsih Chaer, Muhammad Adil Eka Cahya Pratama F, Andi Nurfita Faizal Mulya Fathir, Muhammad Azlam Ikhlasul Ginting, Dewi Swarni Br Haadi, Muhamad Addin Al Hanif Kukuh Raharjo Hardiyanto, Ridho Adha HUMAIRANI, ANNISA I Made Irvan Wilian Handi Ikhsan Hakiki Insani, Raka Zia Jainudin Anwar Jatmiko Reno Ramadhani KHAERUDIN SALEH Komara , Riza Aria Komara, Riza Aria Lintang Indah Permatasari M Darfyma Putra M. Faris Ruriawan Meta Kallista Muhammad Nardika Mujp Muhammad Irsyad N, Ridha Melati Nafisa, Hana Rizkia Nashar Luthfi Sugara Naufal , Dziban Naufal, Dziban Novianty, Astri Nurya Fahru Rosyidin Praditya , Farhan Ramadhan Purba Daru Kusuma Putti, Fasya Hanifah Raharjo, Hanif Kukuh Rambe , Muhammad Anugra Rizky Randa, Gloria Belinda Rande, Andini Windy Ratna Astuti Nugrahaeni Rifa’i, Irfan Rifkha Junianty Arief Rifki Wijaya Roswan Latuconsina Rosyidin, Nurya Fahru Saftari, Liana Nafisa Sebastian Daniel Parlindungan Shafa A.R, Farah Nabylla Surya Michrandi Nasution Winatra, Jennifer Celine Yanata, Mahardika Putra Yudha Purwanto Zaki Zamzami Zamhari, Dyka Khairullah