Article Per Year (5 Year)
p-Index From 2021 - 2026
2.195
P-Index
This Author published in this journals
All Journal Jurnal Simetris Bulletin of Electrical Engineering and Informatics ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JETT (Jurnal Elektro dan Telekomunikasi Terapan) Journal of Applied Data Sciences Jurnal Pengabdian Masyarakat Indonesia Prosiding Konferensi Nasional PKM-CSR SinarFe7 eProceedings of Applied Science eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
YULI SUN HARIYANI
Universitas Telkom
Humanities 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 Nursing Public Health Social Sciences

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : eProceedings of Engineering

 1 
Implementasi Metode Sobel Edge Dan Template Matching Menggunakan Perangkat Raspberry Pi Sebagai Sistem Pengenalan Plat Nomor Otomatis Mochamad Erkki Svante Nyfors; Gelar Budiman; Yuli Sun Hariyani
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Selama beberapa tahin terakhir, intelligent transport system (ITS) memiliki dampak yang luas dalam kehidupan masyarakat sebagai ruang lingkup untuk meningkatkan keselamatan transportasi, mobility untuk meningkatkan produktifitas melalui penggunaan teknologi. Salah satu teknologi dari ITS adalah automatic number plate recognition (ANPR) dimana sistem ANPR adalah salah satu bagian dalam bidang computer vision. Teknologi ANPR yang biasa digunakan dalam berbagai bidang seperti sistem pembayaran elektronik (pembayaran tol, biaya parkir).Didalam Tugas Akhir ini peneliti menemukan tantangan untuk merancang sistem ANPR menggunakan perangkat raspberry pi karena dengan memori nya yang kecil dan untuk sistem ANPR banyak sekali proses- proses yang harus dilakukan sehingga waktu komputasi dikhawatirkan akan menjadi kendala. Dua metode utama yang digunakan dalam Tugas Akhir ini adalah sobel edge detection dan template matching untuk pengenalan karakternya.Tahap-tahap yang akan dilakukan meliputi: pre-processing, segmentasi, dan character recognition. Metode sobel edge yang digunakan adalah vertical edge detection dan untuk pengenalan akan digunakan normalized cross correlation dan normalized correlation coefficient. Tugas akhir ini dapat mempunyai tingkat akurasi maksimal sebesar 94.4 persen dengan waktu komputasi maksimal yaitu 5.6 detik Kata Kunci : Raspberry pi, ITS, ANPR, sobe edge, template matching
Perbandingan Suara Paru Normal Dan Abnormal Menggunakan Probabilistic Neural Network Dan Support Vector Machine Chandraditya Aridela; Achmad Rizal; Yuli Sun Hariyani
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Paru-paru adalah organ sistem pernapasan yang berfungsi untuk menukar oksigen dari udara dengan karbondioksida dari darah dengan bantuan hemoglobin. Sebagai organ yang penting perannya untuk tubuh tentu harus dijaga kesehatannya dari penyakit. Salah satu cara dokter mendiagnosa penyakit pada paru-paru adalah dengan mendengarkan suara pernapasan pada paru-paru dengan stetoskop. Suara paru-paru yang dihasilkan pada beberapa kasus penyakit berbeda-beda sehingga terdapat pola tertentu yang bisa dikenali. Pola suara ini dapat digunakan untuk mengklasifikasikan jenis-jenis penyakit pada paru-paru. Masalah yang timbul adalah suara paru-paru menempati frekuensi yang cukup rendah sekitar 20-2000 Hz, amplitudo yang rendah, masalah kebisingan lingkungan, kepekaan telinga dan pola suara yang mirip antara jenis suara paru-paru yang satu dengan yang lain. Karena faktor-faktor tersebut diatas, kesalahan diagnosis biasa terjadi apabila prosedur auskultasi tidak dilakukan dengan benar. Pada penelitian ini dilakukan perbandingan klasifikasi suara paru-paru normal dan suara paru-paru abnormal untuk menentukan metode terbaik diantara dua metode yang akan digunakan. Suara paru-paru akan didekomposisi dengan menggunakan metode wavelet Daubechies2 level 5. Pada proses klasifikasi akan menggunakan metode klasifikasi Support Vector Machine One Against All, Support Vector Machine One Against One, dan klasifikasi jaringan syaraf tiruan PNN (Probabilistic Neural Network). Hasil penelitian ini adalah: akurasi rata-rata Support Vector Machine One against all sebesar 47,55%, maksimum akurasi sebesar 70%, dan rata-rata waktu komputasi selama 0.006 detik. Akurasi rata-rata Support Vector Machine One Against One sebesar 50.92%, maksimum akurasi sebesar 75%, dan rata-rata waktu komputasi selama 0.012 detik. Akurasi rata-rata Probabilistic Neural Network 70%, maksimum akurasi sebesar 70%, dan rata-rata waktu komputasi selama 0.313 detik. Kata Kunci : suara paru-paru, dekomposisi wavelet Daubechies2, Support Vector Machine, probabilistic neural network .
Sistem Pengidentifikasian Plat Nomor Kendaraan Mobil Menggunakan Metode Principal Component Analysis Dan Klasifikasi K-nn Dinda Rizki Taningrum; Bambang Hidayat; Yuli Sun Hariyani
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada saat ini pengguna jalan di kota-kota besar di Indonesia khususnya kendaraan rota empat memerlukan program yang dapat memantau para pengendara kendaraan yang tidak disiplin dalam berkendara, seperti menerobos lampu merah atau parkir disembarang tempat. Dalam tugas akhir ini dibuat sebuah sistem yang dapat mengenali palt nomor kendaraan. Dengan menggunakan Principal Conponent Analysis (PCA) sebagai metoda ekstraksi ciri dan KNN sebagai metoda mengklasifikasikan karakter, sistem ini mampu mengenali 44 letak plat data uji dengan akurasi 97.78%, akurasi segmentasi karakter sebesar 99.10% atau didapatkan dari 331 karakter yang berhasil tersegmentasi dari 334 karakter yang tersegmentasi, akurasi klasifikasi sebesar 88.92% didapatkan dari 297 karakter yang diklasifikasikan dengan benar dari 334 karakter, akurasi keseluruhan sistem sebesar 60.00% atau 27 data yang berhasil dideteksi dan diidentifikasi dari 45 data uji. Kata kunci : Identifikasi plat nomor kendaraan, PCA, KNN
Analisis Dan Implementasi Identifikasi Kepribadian Melalui Tulisan Tangan Pada Sistem Operasi Android Berdasarkan Pengolahan Citra Nydia Amelinda Putri; Gelar Budiman; Yuli Sun Hariyani
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Fakultas Teknik Industri memberikan sebuah training grafologi dan pengembangan diri di Universitas Telkom pada tahun 2014. Mahasiswa yang mengikuti training grafologi tersebut berjumlah 80 orang. Hasil dari analisis grafologi tersebut, di analisis oleh sebuah lembaga training yang bekerjasama dengan Ketua Program Studi Teknik Industri. Pada training tersebut hanya terdapat 3 orang trainer, disebabkan karena yang mempelajari ilmu grafologi di Indonesia masih sedikit. Pada tugas akhir ini diambil 30 sampling tulisan mahasiswa Universitas Telkom. Selanjutnya dari tulisan tersebut dilakukan pengolahan citra dengan menggunakan Matlab sebagai server nya dan Android sebagai interface untuk user. Aplikasi ini dibuat dengan tujuan untuk memudahkan para trainer yang ahli di bidang grafologi untuk mengidentifikasi kepribadian seseorang. Aplikasi membutuhkan ponsel dengan kamera minimum 3 MP untuk menangkap tulisan yang dibuat pengguna. Adapun tiga parameter tulisan tangan yang akan dianalisis yaitu berdasarkan garis dasar tulisan, margin, dan spasi antar kata. Hasil dari penelitian ini adalah mencapai kesamaan antara sistem dengan perhitungan manual. Untuk margin dengan tingkat akurasi optimal sebesar 76,67% merupakan hasil dari resolusi 480x640, gradient dengan tingkat akurasi optimal sebesar 60 % merupakan hasil dari jenis dilasi rectangle dan tingkat akurasi optimal sebesar 60% pada resolusi 480x640, dan tingkat akurasi spasi antar kata optimal sebesar 60%. Keyword: grafologi, pengolahan citra, klasifikasi
Analisis Gelombang Sinyal Alpha Dan Beta Terhadap Tingkatan Konsentrasi Seseorang Yang Melakukan Brain Gym Menggunakan Sinyal Eeg 1 Kanal Iqbal Eshar Dwi Pourindra; Inung Wijayanto; Yuli Sun Hariyani
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Banyak metode yang diklaim dapat meningkatkan konsentrasi seseorang, salah satunya adalah dengan melakukan gerakan Brain Gym. Brain Gym adalah suatu gerakan yang dirancang untuk membantu fungsi otak yang lebih baik, banyak penelitian yang sudah membuktikan bahwa Brain Gym memang benar meningkatkan kemampuan otak namun studi yang dilakukan sampai saat ini masih bersifat subjektif. Oleh sebab itu dibutuhkan penelitian yang bersifat objektif dan berdata konkrit untuk memastikan gerakan Brain Gym benar dapat meningkatkan konsentrasi. Elektroensephalograph atau sering disingkat EEG adalah alat yang dapat merekam aktivitas elektrik di sepanjang kulit kepala. EEG mengukur fluktuasi tegangan yang dihasilkan oleh arus ion di dalam neuron otak sehingga dapat memberikan data konkrit berupa sinyal atau gelombang yang menunjukan aktivitas kelistrikan di otak yang dapat dianalisis untuk mendukung penelitian tugas akhir ini. Tujuan dari penelitian ini adalah menciptakan sistem yang dapat membuktikan bahwa gerakan Brain Gym memang benar menghasilkan suatu gerakan yang membutuhkan konsentrasi dengan menganalisis gelombang sinyal Alpha dan Beta yang dihasilkan ketika melakukan Brain Gym dengan keadaan tenang berdasarkan analisis pengaruh Brain Gym terhadap otak yang dibaca dan dimonitor menggunakan EEG. Sistem yang dipakai dalam penelitian ini adalah Filter BPF untuk proses filter sinyal Alpha dan Beta, Discrete Wavelet Transform (DWT) dengan tipe DWT haar, daubechies 2 hingga daubechies 10 untuk ekstraksi ciri dan Support Vector Machine (SVM) menggunakan kernel Linear, RBF/Gaussian dan Polynomial untuk metode klasifikasi. Hasil akhir dari penelitian ini adalah sistem yang mampu mengklasifikasi kelas data uji sinyal keluaran EEG Brain Gym dan tenang dengan akurasi tertinggi 70% menggunakan tipe DWT daubechies 3 dan Kernel SVM Polynomial. Kata Kunci : konsentrasi , Brain Gym , EEG , DWT , SVM Abstract There are lots of method that claimed have great effects on increasing someone is concentration, one of it is doing a Brain Gym. Brain Gym is a movement that designed to help the brain to function better. There are lots of study that prove Brain Gym really works to improve brain’s ability but until now the study still only has quality of subjective study and because of that it needs a study that have a quality of objective study and have a concrete data to see if Brain Gym movements really can improve concentration. Electroensephalograph or often abbreviated as EEG is a device that can record electrical activity along the scalp. EEG measures voltage fluctuations produced by ionic currents in brain neurons so that it can provide concrete data in the form of signals or waves that indicate electrical activity in the brain that can be analyzed to support this research. The purpose of this study is to create a system that can prove that Brain Gym movements really can produce a movement that need some level of concentration by analyzing Alpha and Beta Wave that produced when doing Brain Gym and in relax state based on the impact of Brain Gym to the brain that read and monitored by EEG. The system used in this study are BPF filter for Alpha and Beta signal filtering process, Discrete Wavelet Transform (DWT) with the type of haar and daubechies 2 until daubechies 10 for the feature extraction and Support Vector Machine (SVM) using Linear, RBF/Gaussian and polynomial kernel for the classification. The final result of this research is a system that is able to classify the class of EEG Brain Gym signal test data with the highest accuracy of 70% using DWT daubechies 3 and Kernel SVM Polynomial types. Keywords : concentration , Brain Gym , EEG , DWT , SVM
Analisis Sinyal Alfa Dan Beta Pada Pengaruh Brain Gym Terhadap Konsentrasi Sinyal Otak Menggunakan Eeg Dengan Metode Wavelet Satrio Nur Adhi Gyat; Inung Wijayanto; Yuli Sun Hariyani
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam melakukan aktifitasnya sehari hari konsentrasi sangatlah penting dalam kehidupan manusia. Konsentrasi setiap manusia tidaklah sama, banyak sekali faktor yang mempengaruhi konsentrasi tersebut. Salah satu cara untuk melatih peningkatan konsentrasi otak yaitu Brain Gym. Brain Gym adalah senam otak yang merupakan aktivitas fisik yang digunakan untuk merangsang kedua belahan otak sehingga memungkinkan pencapaian kinerja otak yang maksimal. Tujuan dari penelitian ini adalah menganalisa pengaruh Brain Gym terhadap sinyal otak yang dihasilkan responden dengan menggunakan alat electroencephalograph (EEG) dan mencari nilai akurasi antara data latih dengan data uji terbaik. Metode Discrete Wavelet Transform (DWT) sebagai ekstraksi ciri dan metode klasifikasi menggunakan K-Nearest Neighbor (K-NN) dengan masukan berupa data sinyal EEG. Hasil pengujian menunjukkan bahwa performa terbaik dari hasil pelatihan sistem didapatkan pada semua nilai 𝒌 = 𝟏, menunjukkan dengan nilai akurasi 100% baik pada kanal AF7 maupun kanal AF8. Pada hasil pengujian sitem menunjukkan bahwa performa terbaik pada kanal AF7 menggunakan tipe KNN euclidean dan nilai 𝒌 = 𝟏 menunjukkan nilai akurasi 71,43%. Sedangkan pada hasil pengujian sistem kanal AF8 bahwa performa terbaik menggunakan tipe K-NN chebychev dan nilai 𝒌 = 𝟏 menunjukkan nilai akurasi 82,14%. Sehingga dalam pengujian ini dapat disimpulkan kanal AF8 lebih baik dalam menangkap sinyal EEG. Sinyal alfa brain gym terlihat Power spectral yang lebih tinggi dibandingkan dengan sinyal alfa normal, sedangkan pada sinyal beta normal Power spectral terlihat lebih tinggi dibandingkan keadaan brain gym. Penelitian ini membuktikan bahwa brain gym memiliki pengaruh pada konsentrasi seseorang. Kata kunci: brain gym, konsentrasi, electroencephalograph (EEG), Discrete Wavelet Transform (DWT), KNearest Neighbor (K-NN) Abstract In carrying out daily activities, concentration is very important in human life. The concentration of each human being is not the same, there are so many factors that affect concentration. One way to train increased brain concentration is Brain Gym. Brain Gym is brain exercise which is a physical activity that is used to stimulate the two hemispheres of the brain so enable to maximize brain performance. The purpose of this study was to analyze the influence of Brain Gym on the brain signals produced by respondents using an electroencephalograph (EEG) tool and find the value of accuracy between training data and the best test data. The Discrete Wavelet Transform (DWT) method as feature extraction and classification method uses K-Nearest Neighbor (K-NN) with input in the form of EEG signal data. The test results showed that the best performance from the results of system training was found in all values of 𝒌 = 𝟏, indicating a value of 100% accuracy both on AF7 and AF8 channels. The results of the system testing show that the best performance on the AF7 channel uses euclidean K-NN type and the value 𝒌 = 𝟏 shows an accuracy value of 71.43%. While the results of testing the AF8 channel system that the best performance uses the chebychev K-NN type and the value of 𝒌 = 𝟏 shows an accuracy value of 82.14%. So that in this test it can be concluded that the AF8 channel is better at capturing EEG signals. The alpha brain gym signal shows higher Power spectral compared to the normal alpha signal, while the normal beta signal Power spectral looks higher than the brain gym state. This study proves that brain gym has an influence on one's concentration. Keywords: brain gym, concentration, EEG (electroencephalograph), DWT (Discrete Wavelet Transform) , KNN (K-Nearest Neighbor)
Analisis Perbandingan Pola Sinyal Alpha Dan Beta Eeg Empat Kanal Terhadap Daya Ingat Mahasiswa Yang Melakukan Brain Gym Dan Tidak Melakukan Brain Gym Rayyan Budhiarta; Inung Wijayanto; Yuli Sun Hariyani
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Manusia memiliki kemampuan mengingat dengan kapasitas yang sangat besar, tetapi tidak semua orang dapat memaksimalkan kemampuan mengingatnya, sehingga bagi sebagian orang mengingat adalah sebuah hal yang sulit. Banyak cara yang bisa meningkatkan daya ingat dan daya kognitif otak seseorang, salah satunya yaitu dengan brain gym, brain gym merupakan sebuah olahraga otak atau senam otak yang di maksudkan untuk melatih otak untuk meningkatkan daya kognitif otak, pengaruh yang ditimbulkan oleh brain gym diukur dengan EEG (Elektroensephologram). Sinyal EEG (Elektroensephalogram) merupakan sinyal biotik yang berasal dari aktifitas listrik pada kortex atau permukaan kulit kepala, yang disebabkan aktifitas fisiologis dari otak. Sinyal EEG (Elektroensephalogram) akan dihubungkan ke komputer dan di simpan pada database. Penelitian pada tugas akhir ini bertujuan untuk dapat menciptakan sistem yang dapat membuktikan efek yang ditimbulkan dari Brain Gym terhadap daya kognitif dan recall memory pada otak mahasiswa dengan menganalisis gelombang Alpha dan Beta. Metode yang dipakai dalam penelitian ini adalah Discrete Wavelet Transform (DWT) dengan tipe DWT haar, daubechies 2 hingga daubechies 10 untuk ekstraksi ciri dan Support Vector Machine (SVM) menggunakan kernel Linear, RBF/Gaussian dan Polynomial untuk metode klasifikasi. Hasil akhir dari penelitian ini adalah sistem yang mampu mengklasifikasi kelas data uji sinyal keluaran EEG Brain Gym dan tidak melakukan Brain Gym dengan akurasi tertinggi pelatihan sistem 100% dan pengujian sistem 75% pada kanal AF7, 81% pada kanal AF8, 78% pada kanal TP9, 71% pada kanal TP10 menggunakan tipe DWT Haar dan Kernel SVM Polynomial. Kata kunci : Daya ingat, Brain Gym, EEG, DWT, SVM Abstract Humans have the ability to remember with a very large capacity, but not everyone can maximize the ability to remember, so for some people remembering is a difficult thing. There are many ways that can improve the memory and cognitive power of one's brain, one of which is the brain gym, brain gym is a brain sport or brain exercise intended to train the brain to increase brain cognitive power, the effect caused by brain gym measured by EEG (Elektroensephologram). EEG signal (Electroensephalogram) is a biotic signal that comes from electrical activity on the cortex or the surface of the scalp, which is caused by physiological activities of the brain. The EEG signal (Electroensephalogram) will be connected to the computer and stored in the database. The research in this final project aims to be able to create a system that can prove the effects of Brain Gym on cognitive power and recall memory in the student brain by analyzing Alpha and Beta waves. The method used in this study is Discrete Wavelet Transform (DWT) with type DWT ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 321 haar, sub-projects 2 through technology 10 for feature extraction and Support Vector Machine (SVM) using Linear, RBF / Gaussian and Polynomial kernels for classification methods. The final result of this study is a system that is able to classify EEG Brain Gym output signal test classes and not do Brain Gym with the highest accuracy of 100% system training and 75% system testing on AF7 channels, 81% on AF8 channels, 78% on TP9 channels , 71% in the TP10 canal using the DWT Haar type and the SVM Polynomial Kernel. Keywords: Memory, Brain Gym, EEG, DWT, SVM
Co-Authors A.A. Ketut Agung Cahyawan W Achmad Rizal Aulya Ellanda Ayu Warni Pertiwi Bambang Hidayat Chandraditya Aridela Cucu Fitri Dinda Rizki Taningrum DWI ANDI NURMANTRIS Farrel Fahrozi FATURRAHMAN, RAIHAN Fauziah, Siti Elna Gelar Budiman Hafidh, Mochammad Fakhrizal Hasanah Putri Hurianti Vidyaningtyas Ilmi, M. Bahrul Indrarini Dyah Irawati Inung Wijayanto Iqbal Eshar Dwi Pourindra Javani Sekar Larasati Jaya, M. Izham Maidin, Siti Sarah Mochamad Erkki Svante Nyfors Mochammad Fakhrizal Hafidh Nadya Putri Yuliani Nadya Putri Yuliani Naufal Juhaidi Jafal Nydia Amelinda Putri Oktaviani, Kartika Pertiwi, Ayu Warni Raditiana Patmasari Randi Yusuf Nasution Ratna Mayasari Rayyan Budhiarta Ridha Muldina Negara ROHMAT TULLOH Satrio Nur Adhi Gyat Suci Aulia Sugondo Hadiyoso Thomhert Suprapto Siadari Triasari, Biyantika Emili Zhao, Zhong