Article Per Year (5 Year)
p-Index From 2021 - 2026
9.918
P-Index
This Author published in this journals
All Journal Jurnal Neutrino : jurnal fisika dan aplikasinya TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat)
Barlian Henryranu Prasetio
Fakultas Ilmu Komputer, Universitas Brawijaya
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Physics Public Health Social Sciences

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 111 Documents
Search

 7   8   9   10   11 
Implementasi Ekstrasi MFCC Pada Hidden Markov Model untuk Identifikasi Emosi Manusia Berdasarkan Suara Detak Jantung Nashrullah, Ega Rasendriya; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi telah mendorong penelitian dalam identifikasi emosi manusia, terutama melalui sinyal fisiologis. Penelitian ini bertujuan untuk mengidentifikasi emosi manusia berdasarkan suara detak jantung dengan menggunakan kombinasi Mel-Frequency Cepstrum Coefficient (MFCC) sebagai metode ekstraksi fitur dan Hidden Markov Model (HMM) sebagai algoritma klasifikasi. Ekstraksi fitur MFCC digunakan untuk menangkap pola spektral suara detak jantung, sementara HMM menganalisis pola temporal untuk mendeteksi emosi dasar. Hasil pengujian menunjukkan bahwa sistem ini mencapai tingkat akurasi sebesar 73%. Implementasi sistem pada aplikasi berbasis Android memungkinkan analisis secara real-time, sehingga memudahkan pengguna dalam memantau kondisi emosional mereka. Dengan pendekatan ini, penelitian ini berkontribusi dalam pengembangan teknologi identifikasi emosi berbasis sinyal fisiologis yang lebih akurat dan efisien.
Analisis Performa Arduino Uno Dalam Penggunaan Algoritma Enkripsi Speck-128 Dalam Implementasi Sistem RFID Tampubolon, Jeremya; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Mikrokontroler memiliki keterbatasan dalam melakukan tugas komputasi, terutama pada aplikasi yang membutuhkan proses pengolahan data secara intensif. Ketika mikrokontroler seperti Arduino Uno digunakan untuk mengimplementasikan algoritma enkripsi, keterbatasan sistem tertanam menjadi semakin menonjol. Oleh karena itu, analisis performa mikrokontroler dalam menjalankan algoritma enkripsi sangat penting untuk memahami pengaruhnya terhadap sumber daya sistem. Penelitian ini bertujuan untuk mengevaluasi performa Arduino Uno dalam mengimplementasikan algoritma enkripsi Speck-128 pada sistem berbasis RFID. Uji coba dilakukan dengan mengukur parameter seperti penggunaan memori (RAM dan flash), waktu eksekusi proses enkripsi dan dekripsi, serta konsumsi daya yang diperlukan selama operasi enkripsi. Untuk menganalisis performa, pengujian dilakukan menggunakan data dengan ukuran bervariasi untuk menilai skalabilitas algoritma Speck-128 pada sistem tertanam. Hasil penelitian menunjukkan adanya peningkatan waktu eksekusi dan penggunaan memori seiring bertambahnya ukuran data yang diproses. Peningkatan penggunaan memori berada dalam kisaran 2% hingga 5%, sementara waktu eksekusi enkripsi meningkat sekitar 460 mikrodetik dan waktu dekripsi meningkat sekitar 650 mikrodetik untuk setiap penambahan data sebesar 16 byte. Namun, konsumsi daya untuk proses enkripsi dan dekripsi tetap stabil dalam kisaran 0,029 W hingga 0,030 W, meskipun ukuran data bertambah. Di sisi lain, penggunaan flash tidak menunjukkan peningkatan yang signifikan. Hasil ini menunjukkan bahwa algoritma Speck-128 dapat berjalan secara efisien pada perangkat dengan keterbatasan sumber daya seperti Arduino Uno.
Pengembangan Sistem Smart Home Berbasis Pengenalan Suara Menggunakan Model Long Short-Term Memory Fadhilah, Khairian; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi informasi telah mendorong terciptanya solusi inovatif seperti Smart Home, yang memungkinkan otomatisasi dan kontrol perangkat rumah tangga. Penelitian ini mengembangkan sistem Smart Home berbasis pengenalan suara menggunakan model Long Short-Term Memory (LSTM). Sistem dirancang untuk mengenali perintah suara pengguna dan mengontrol perangkat seperti lampu, kipas, dan kunci pintu. Fitur suara diolah menggunakan Mel-Frequency Cepstral Coefficients (MFCC) untuk menghasilkan representasi data yang optimal bagi model LSTM. Pengujian dilakukan pada model dengan dataset yang mencakup perintah-perintah suara dari beberapa subjek. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi total sebesar 54%, dengan akurasi lebih tinggi untuk subjek yang datanya telah dilatih dibandingkan subjek baru. Implementasi model LSTM memungkinkan pengenalan suara berjalan secara efisien pada perangkat keras kecil seperti Raspberry Pi 5, yang memfasilitasi respons real-time terhadap perintah suara. Penelitian ini memberikan kontribusi pada pengembangan teknologi Smart Home, khususnya pada aspek pengendalian berbasis suara. Pengembangan lebih lanjut dapat difokuskan pada penambahan dataset yang lebih beragam, pengurangan noise, dan eksplorasi arsitektur jaringan saraf lain untuk meningkatkan akurasi sistem.
Analisis Performa Arduino Uno Dalam Embedded System Berbasis RFID Terhadap Algoritma Enkripsi SKINNY Ghifari, Muhammad; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini menganalisis performa algoritma enkripsi SKINNY pada embedded system berbasis RFID untuk menilai efisiensi dan stabilitasnya dalam penggunaan memori (RAM dan Flash), konsumsi daya, dan waktu eksekusi. Dengan menggunakan Arduino Uno, penelitian ini mencatat metrik performa pada berbagai ukuran data (16 hingga 304 byte). Hasil menunjukkan stabilitas dan efisiensi algoritma SKINNY pada parameter yang diuji, termasuk penggunaan daya yang konsisten (~0,026–0,03 W) dan waktu eksekusi yang meningkat secara linear dengan ukuran data. Uji Kruskal-Wallis mengkonfirmasi tidak adanya perbedaan signifikan pada performa berdasarkan ukuran data. Algoritma SKINNY terbukti layak untuk aplikasi IoT yang membutuhkan keamanan data dengan efisiensi tinggi. 
Penerapan Ekstraksi BFCC Pada Hidden Markov Model Untuk Identifikasi Emosi Manusia Berdasarkan Suara Detak Jantung Ayu Astina Sari, Ni Made; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Emosi merupakan salah satu faktor penting bagi setiap orang di kehidupan sosial. Dalam beberapa tahun terakhir, penelitian tentang emosi telah menjadi hal yang menarik dalam bidang pengolahan sinyal dan suara. Banyak penelitian yang masih menggunakan metode umum, seperti MFCC dan K-Nearest Neighbours. Oleh karena itu, pada penelitian ini mencoba dengan menggunakan metode yang berbeda, yaitu menggunakan BFCC yang memiliki filter bark filter bank dimana dapat menyaring secara bertahap terhadap sinyal suara yang diterima. Selain itu, penelitian ini menggunakan Hidden Markov Model dalam kemampuan meningkatkan akurasi. Hasil penelitian ini menunjukkan bahwa BFCC dapat lebih efektif mampu mempertahankan kualitas fitur dengan adanya perbedaan rentang nilai fitur yang kecil sebesar -2 dan visualisasi pola fitur yang cukup stabil pada saat lingkungan noise dan non-noise. Hal ini juga dibuktikan dengan adanya nilai BFCC yang lebih tinggi kisaran 0 hingga -50 jika dibandingkan dengan nilai MFCC. Sementara, pengujian Hidden Markov Model menghasilkan akurasi yang cukup rendah sebesar 56%. Pengujian sistem dilakukan dengan menggunakan 15 subjek sebagai data uji dengan akurasi yang dihasilkan oleh sistem sebesar 46.66%. Secara keseluruhan, meskipun hasil akurasi kurang optimal, penelitian ini terbuka untuk diteliti dan dikembangkan pada penelitian selanjutnya dalam sistem identifikasi emosi bidang pemrosesan sinyal dan suara.
Implementasi Ekstraksi Gammatone-Frequency Cepstral Coefficient dan Klasifikasi Hidden Markov Model dalam Identifikasi Emosi Menggunakan Suara Jantung Putra Pamungkas, Dimas Resha; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kondisi emosional seseorang merupakan faktor penting dalam interaksi antar manusia, dan memengaruhi beberapa aspek di dalam komunikasi. Penelitian ini dilakukan untuk membuat sebuah sistem identifikasi emosi melalui suara jantung dengan implementasi ekstraksi Gammatone-Frequency Cepstral Coefficient (GFCC) dan klasifikasi Hidden Markov Model (HMM). Pada penelitian ini, kondisi emosi manusia akan dikelompokkan menjadi dua kelas berdasarkan nilai Beat Per Minute (BPM) dengan kelas tinggi untuk emosi senang, sedih, marah, takut, cemas, dan kelas rendah terkait dengan emosi santai dan bosan. Implementasi dilakukan melalui sebuah stetoskop elektronik yang terintegrasi dengan sebuah aplikasi android. Penelitian ini penting karena dapat memberikan informasi terkait efektivitas penggunaan GFCC pada pemrosesan suara jantung dalam identifikasi emosi. Pengujian Signal-to-Noise Ratio (SNR) yang dilakukan untuk mengetahui pengaruh ekstraksi GFCC dalam mengurangi noise pada suara jantung memperoleh hasil 93,33% yang membuktikan bahwa GFCC dapat mengurangi noise dengan baik. Selain itu, tingkat akurasi yang diperoleh sistem ini mencapai 75% pada akurasi validasi sistem dan 73,33% pada akurasi pengujian. Hasil tersebut membuktikan bahwa sistem mampu memprediksi label atau kelas dengan baik menggunakan suara jantung sebagai input utama sistem. Integrasi antara perangkat keras stetoskop elektronik dengan smartphone melalui aplikasi android membuat sistem ini mudah digunakan oleh pengguna. Penelitian ini memberikan kontribusi bagi pengguna dalam melakukan identifikasi emosi seseorang secara non-verbal melalui analisis suara jantung. Selain itu, penelitian ini juga diharapkan mampu membantu orang dengan keterbatasan komunikasi verbal serta mengurangi angka penderita gangguan kesehatan mental akibat ketidakstabilan emosional.
Implementasi Speech Recognition berbasis Raspberry Pi 5 pada Ekosistem Smart-Home menggunakan Algoritma Gated Recurrent Unit (GRU) Budy Prakoso, Khrisna Shane; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Sistem smart home terus berkembang untuk memberikan kemudahan dalam kehidupan sehari-hari, dengan pengenalan suara menjadi elemen penting. Namun, tantangan seperti gangguan noise, variasi aksen, dan intonasi pengguna sering memengaruhi akurasi sistem. Penelitian ini bertujuan mengembangkan sistem pengenalan suara berbasis Raspberry Pi 5 dengan algoritma Gated Recurrent Unit (GRU) untuk meningkatkan akurasi dan performa dalam mengenali perintah suara pada ekosistem smart home. Metodologi penelitian mencakup perekaman dataset suara dengan variasi perintah, ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC), pelatihan model GRU dengan optimasi parameter, dan pengujian real-time dalam kondisi lingkungan nyata. Evaluasi dilakukan untuk mengukur akurasi dan robustitas sistem terhadap noise dan variasi pola suara pengguna. Hasil pengujian menunjukkan sistem mampu mengenali perintah suara dengan akurasi rata-rata sebesar 88.75% pada kondisi noise rendah hingga sedang. Sistem berhasil mengenali berbagai perintah, seperti mengontrol perangkat rumah tangga dan membuka pintu. Tantangan yang dihadapi meliputi seperti prediksi salah akibat pola suara mirip antar-perintah, sensitivitas terhadap noise tinggi, serta variasi aksen dan intonasi yang kurang terwakili dalam dataset. Respons "tidak yakin" menandakan perlunya pengayaan dataset dan penerapan teknik preprocessing seperti noise filtering. Penelitian ini berkontribusi dalam pengembangan sistem pengenalan suara berbasis perangkat kecil dengan daya rendah untuk smart home. Future work mencakup eksplorasi algoritma hybrid, seperti GRU-LSTM atau transformer-based models, serta pengayaan dataset untuk meningkatkan performa sistem dalam berbagai skenario. Dengan langkah ini, sistem dapat menjadi solusi yang lebih fleksibel dan andal bagi teknologi smart home yang terus berkembang.
Implementasi Sistem Rumah Pintar Berbasis Pengenalan Suara Menggunakan Keyword Spotting dan Convolutional Neural Network Iwasawa, Takeru; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini mengembangkan sistem rumah pintar menggunakan Raspberry Pi dengan pengenalan suara berbasis Keyword Spotting (KWS) dan Convolutional Neural Network (CNN). Sistem ini dirancang untuk mengenali perintah suara sederhana seperti "nyalakan lampu" atau "buka pintu" dalam lingkungan yang tenang maupun bising. Data audio diproses menggunakan Mel-Frequency Cepstral Coefficients (MFCC) untuk mengekstrak fitur yang digunakan dalam pelatihan model CNN. Hasil pengujian menunjukkan bahwa sistem mencapai akurasi rata-rata 85,07% dalam kondisi ideal dan 74,74% dalam kondisi bising. Penelitian ini memberikan wawasan untuk pengembangan sistem rumah pintar berbasis suara.
Village Data Backup and Disaster Recovery: A Comparative Study of Cloud Solutions with Traditional Methods Prasetio, Barlian Henryranu; Edita Rosana Widasari; Adi Setiawan; Hanifa Maulani Ramadhan
Journal of Information Technology and Computer Science Vol. 9 No. 3: December 2024
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.93681

Abstract

This study presents a comparative analysis of traditional disk-based and cloud-based Backup and Disaster Recovery (DR) approaches, focusing on the challenges inherent in existing solutions, such as high infrastructure costs, extended recovery times, and operational disruptions during software updates. Conventional disk-based systems often require periodic reboots and manual interventions, which can interrupt ongoing operations. In contrast, cloud-based solutions, particularly Asigra, offer a streamlined alternative by reducing infrastructure dependency, enhancing recovery metrics—specifically Recovery Point Objective (RPO) and Recovery Time Objective (RTO)—and minimizing maintenance downtime through agentless and incremental backups. Cloud backup provides comprehensive upgrades without the need for system reboots, thereby saving time and improving operational effectiveness. This study evaluates the proposed cloud-based approach in a village government organizational environment, analyzing its performance based on Total Cost of Ownership (TCO), RPO, and RTO. Cloud-based configurations are compared with traditional setups to assess improvements in disaster recovery procedures and data storage. Findings demonstrate that cloud-based strategies offer simpler and more efficient DR solutions, providing superior scalability, reliability, and administrative ease tailored to the unique needs of village government data management.
Design of Speaker Verification using Dynamic Time Warping (DTW) on Graphical Programming for Authentication Process Prasetio, Barlian Henryranu; Syauqy, Dahnial
Journal of Information Technology and Computer Science Vol. 2 No. 1: June 2017
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (494.709 KB) | DOI: 10.25126/jitecs.20172124

Abstract

Authentication is generally required on systems which need safety and privacy. In common, typed username and password are used and applied in authentication system. However, this type of authentication has been identified to have many weaknesses. In order to overcome the problem, many proposed authentication system based on voice as unique characteristics of human. We implement Dynamic Time Warping algorithm to compare human voice with reference voice as the authentication process. The testing results show that the system accuracy of the speech recognition average is 86.785%.
Co-Authors Achmad Ridok Adharul Muttaqin Adi Setiawan Adven Edo Prasetya Adven Edo Prasetya, Adven Edo Agra Firmansyah Ahmad Afif Supianto Aldi Jayadi Ali, Zidane Allaam, Fakhrul Arief Kurniawan Aryo Pinandito Ash-Shadiq, Aqsath Muhammad Aswin Suharsono, Aswin Atmojo Pamungkas, Handoko Bagus Ayu Astina Sari, Ni Made Baariu, Rahagi Abdu Bagus Priyo Pangestu Brylliano Maza Putra Budi Darma Setiawan Budy Prakoso, Khrisna Shane Chatarina Umbul Wahyuni Dahnial Syauqy Dayat, Fauzi Syarifulloh Defri Alif Raihan Denny Sagita Rusdianto Dhimas Arfian Lazzuardhy Dini Eka Ristanti Dini Ismawati Dwiki Ilham Bagaskara Dwinanda Romolo Edita Rosana Widasari Edita Rosana Widasari, Edita Rosana Eko Setiawan Eko Setiawan Eko Setiawan Fabiana, Ryzaldi Ananda Fachry Ananta Fadhilah, Khairian Fadhillah, Muhammad Galih Faisal Natanael Lubis Faviansyah Arianda Pallas Faza Gustaf Marrera Fitra Abdurrachman Bachtiar Fitriyah, Hurriyatul Gembong Edhi Setiawan Gembong Edhi Setyawan Ghifari, Ahmad Hafidz Abdillah Masruri Hanifa Maulani Ramadhan Haqyah, Saprina Hani Heru Nurwarsito Hilal Imtiyaz I Wayan Boby Astagina Naghi Imam Cholissodin Iqbal Maulana Susanto Irfan Muzakky Nurrizqy Irwanda Adhi Firmantara Isnandar, Muhammad Fawwaz Dynoeputra Iwasawa, Takeru Jevandika Joan Chandra Kustijono Julisya Thana Khriswanti Kamal, Attar Syifa Kusuma, Lindhu Parang La Ode Adriyan Hazmar Lavanna Indanus Ramadhan M. Hannats Hanafi Ichsan M. Ihsan An-Nashir Mahardika, Aryanta Seta Mochammad Hannats Hanafi Mochammad Hannats Hanafi Ichsan Muchlas Mughniy Muflih, Aufada Muhammad Fatikh Hidayat Muhammad Ghifari, Muhammad Muhammad Habib Jufah Alhamdani Muhammad Nabil Aljufri Muhammad Rizki Chairurrafi Nadi Rahmat Endrawan Nashrullah, Ega Rasendriya Naviaddin, Arsal Wildan Ngulandoro, Mochammad Giri Wiwaha Nobel Edgar Novaria Elsari Ryzkiansyah Novea, Leisha Nur, Farhan Marwandi Nurrizqy, Irfan Muzakky Nurul Hidayat Ovriawan Aldo Pribadi Putra Paleva, Haidar Rheza Panggabean, Riki Boy Parja, Mujianto Anda Perkasa, Septiyo Budi Permana, Galih Pierl Kritzenger Sinaga Prawironegoro, Abdul Harris Putera, Thariq Andhita Putra Pamungkas, Dimas Resha Putra, Brylliano Maza Putra, Ravelino Adhianto Surya Raden Galih Paramananda Rahmawan, Muhammad Fuad Rajasa, Mohammad Fariq Rakhmadhany Primananda, Rakhmadhany Ramadhan, Dimas Ramadhan, Muhammad Fitrah Randy Cahya Wihandika Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Reza Hastuti Riyad Febrian Rizal Maulana Rizal Maulana, Rizal Rosyana Lencie Mampioper Ryan Anggito Priono Sabriansyah Rizkiqa Akbar Sabriansyah Rizqika Akbar Sabriansyah Rizqika Akbar Septiyo Budi Perkasa Sifaunnufus Ms, Fi Imanur Sigit Priyo Jatmiko Subianto, Aflah Fadhlurrahman Syahrul Chilmi, Syahrul Tampubolon, Jeremya Tiara Mahardika Tibyani Tibyani Utaminingrum, Fitri Valensiyah Rozika Widasari, Edita Rosana Wijaya Kurniawan Wijaya Kurniawan Yosia Nindra Kristiantya Yudhistira, Gevan Putra Yunan Alamsyah Nasution Yusril Dewantara Yusuf, Delfi Olivia