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 27 Documents
Search

 1   2   3 
Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network HARIYANI, YULI SUN; HADIYOSO, SUGONDO; SIADARI, THOMHERT SUPRAPTO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 2: Published May 2020
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i2.443

Abstract

ABSTRAKPenyakit Coronavirus-2019 atau Covid-19 telah menjadi pandemi global dan menjadi masalah utama yang harus segera dikendalikan. Salah satu cara yang dapat dilakukan adalah memutus rantai penyebaran virus tersebut dengan melakukan deteksi dan melalukan karantina. Pencitraan X-Ray dapat dijadikan alternatif dalam mempelajari Covid-19. X-Ray dianggap mampu menggambarkan kondisi paru-paru pada pasien Covid-19 dan dapat menjadi alat bantu diagnosa klinis. Pada penelitian ini, kami mengusulkan pendekatan deep learning berbasis residual deep network untuk deteksi Covid-19 melalui citra chest X-Ray. Evaluasi yang dilakukan untuk mengetahui performa metode yang diusulkan berupa precision, recall, F1, dan accuracy. Hasil eksperimen menunjukkan bahwa usulan metode ini memberikan precision, recall, F1 dan accuracy masing-masing 0,98, 0,95, 0,97 dan 99%. Pada masa mendatang, studi ini diharapkan dapat divalidasi dan kemudian digunakan untuk melengkapi diagnosa klinis oleh dokter.Kata kunci: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network ABSTRACTCoronavirus-2019 or Covid-19 disease has become a global pandemic and is a major problem that must be stopped immediately. One of the ways that can be done to stop its spreading is to break the spreading chain of the virus by detecting and doing quarantine. X-Ray imaging can be used as an alternative in detecting Covid-19. X-Ray is considered able to describe the condition of the lungs for Covid-19 suspected patients and can be a supporting tool for clinical diagnosis. In this study, we propose a residual based deep learning approach for Covid-19 detection using chest X-Ray images. Evaluation is carried out to determine the performance of the proposed method in the form of precision, recall, F1 and accuracy. Experiments results show that our proposed method provides precision, recall, F1 and accuracy respectively 0.98, 0.95, 0.97 and 99%. In the future, this study is expected to be validated and then used to support clinical diagnoses by doctors.Keywords: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network
CS-based Lung Covid-Affected X-Ray Image Disorders Classification using Convolutional Neural Network Triasari, Biyantika Emili; Budiman, Gelar; Maidin, Siti Sarah; Jaya, M. Izham; Hariyani, Yuli Sun; Irawati, Indrarini Dyah; Zhao, Zhong
Journal of Applied Data Sciences Vol 5, No 4: DECEMBER 2024
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v5i4.371

Abstract

Lung diseases, such as pneumonia, significantly affect the respiratory system, especially the lungs. This condition causes various degrees of lung damage in patients of all age groups, including the elderly, adults, and children. Even after treatment and recovery, diagnosing lung damage remains important, which can be done using rapid tests, clinical evaluations, CT scans, or X-rays. This study focuses on the classification of X-ray images of lungs affected by pneumonia and normal lungs, using the Convolutional Neural Network method based on Compressive Sensing (CS) simulated using MatLab. The purpose of the study is to determine the performance by calculating the confusion matrix value. The number of datasets used for normal lungs and those affected by pneumonia is 300 X-ray images from several different sources, with 60% training data, 30% validation, and 10% testing. The addition of the compression process causes a decrease in image quality, expressed in PSNR, as well as a decrease in classification parameters such as accuracy. Compared with previous research, the system without compression produces the highest accuracy. The results of the study can help classify lungs affected by pneumonia.
Pengembangan Website Desa untuk Promosi Wisata Desa Patengan, Kabupaten Bandung, Jawa Barat Hariyani, Yuli Sun; Putri, Hasanah; Oktaviani, Kartika
Jurnal Pengabdian Masyarakat Indonesia Vol 5 No 2 (2025): JPMI - April 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpmi.3298

Abstract

Desa Wisata Patengan menghadapi berbagai kendala dalam pemasaran digital yang menghambat potensi wisata. Kendala utama meliputi kurangnya media komunikasi yang terintegrasi, rendahnya literasi digital perangkat desa, serta minimnya pengetahuan masyarakat terkait pemasaran digital. Kegiatan ini bertujuan untuk meningkatkan akses informasi bagi calon wisatawan melalui pembangunan situs web yang informatif dan mudah diakses, sekaligus memberikan pelatihan pemasaran digital kepada perangkat desa. Metode pelaksanaan melibatkan tahapan observasi dan wawancara untuk mengidentifikasi kebutuhan desa, diikuti oleh proses pembangunan situs web dan pelatihan digital marketing. Situs web yang dibangun memuat informasi lengkap tentang daya tarik wisata, fasilitas, layanan desa, serta kegiatan budaya yang dapat dinikmati wisatawan. Hasil kegiatan menunjukkan adanya peningkatan signifikan dalam aksesibilitas informasi wisata desa. Selain itu, pelatihan yang diberikan berhasil meningkatkan pemahaman perangkat desa mengenai penggunaan teknologi digital untuk mendukung promosi dan pemasaran wisata. Program ini diharapkan mampu mendukung pertumbuhan sektor pariwisata di Desa Wisata Patengan dengan menarik lebih banyak wisatawan, meningkatkan pendapatan lokal, serta mendukung kesejahteraan masyarakat secara berkelanjutan. Dengan penerapan teknologi digital yang optimal, Desa Wisata Patengan dapat menjadi contoh desa wisata yang berhasil mengintegrasikan inovasi digital untuk kemajuan pariwisata dan pembangunan desa.
KLASIFIKASI PENYAKIT PERIODONTAL PADA CITRA GIGI BERWARNA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Thomhert Suprapto Siadari; Hariyani, Yuli Sun
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 11 No 2 (2024): JETT Desember 2024 (Inpres)
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jett.v11i2.8090

Abstract

Penyakit periodontal adalah masalah kesehatan gigi yang umum terjadi dan dapat menyebabkan kehilangan gigi jika tidak diobati dengan baik. Deteksi dini dan diagnosis yang akurat sangat penting untuk mengurangi dampak penyakit tersebut. Penelitian ini membandingkan dua model Convolutional Neural Network (CNN), yaitu ResNet-50 dan EfficientNet-B3, dalam melakukan klasifikasi penyakit periodontal berbasis data citra gigi berwarna. Hasil eksperimen menunjukkan bahwa EfficientNet-B3 mencapai akurasi klasifikasi sebesar 84.09%, sementara ResNet-50 mencapai akurasi sebesar 75%. Precision dari model EfficientNet-B3 adalah 80% dibandingkan dengan 66.67% pada model ResNet. Recall dari model EfficientNet-B3 adalah 75%, sementara ResNet adalah 62.5%. F1-score dari EfficientNet-B3 adalah 77.42%, sedangkan ResNet adalah 64.52%. Perbedaan performansi ini menunjukkan keunggulan EfficientNet-B3 dalam mengklasifikasikan penyakit periodontal menggunakan citra gigi berwarna. Keunggulan dari model EfficientNet-B3 ini membuktikan adanya potensi besar dalam meningkatkan akurasi dan efisiensi diagnosis otomatis penyakit periodontal. Penggunaan model CNN memungkinkan proses diagnosis dilakukan lebih cepat dan akurat. Pengembangan lebih lanjut dapat dilakukan untuk meningkatkan akurasi dan keandalan sistem diagnostik berbasis AI di bidang kedokteran gigi, yang pada akhirnya dapat mengurangi beban kerja para profesional kesehatan gigi dan meningkatkan hasil klinis bagi pasien.
Prototipe Sistem Smartlock Door Berbasis Rfid Untuk Meningkatkan Keamanan Student Lounge Javani Sekar Larasati; Yuli Sun Hariyani; Hadiyoso, Sugondo
eProceedings of Applied Science Vol. 10 No. 6 (2024): Desember 2024
Publisher : eProceedings of Applied Science

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

Abstract

Proyek ini merancang sistem pintu pintar berbasis teknologi RFID untuk memberikan akses eksklusif kepada mahasiswa kelas internasional di Universitas Telkom. Sistem ini dirancang untuk meningkatkan keamanan dan kenyamanan dalam mengakses fasilitas student lounge dengan memungkinkan pembacaan dan verifikasi kartu identitas mahasiswa secara akurat. Sistem ini juga dilengkapi dengan dashboard manajemen berbasis web untuk pembaruan data mahasiswa secara real-time dan fitur fail-safe untuk override manual dalam kasus kegagalan daya atau darurat. Kata kunci— Smart Lock Door, RFID (Radio-Frequency Identification), Kenyamanan, Efisiensi.
Implementasi Model Deep Learning Untuk Deteksi Gerakan Tangan Pada Bahasa Isyarat Indonesia Fauziah, Siti Elna; Hariyani, Yuli Sun; Aulia, Suci
eProceedings of Applied Science Vol. 11 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Applied Science

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

Abstract

Abstrak — Bahasa isyarat merupakan sarana komunikasi utama bagi teman tuli. Namun, kurangnya pemahaman masyarakat terhadap bahasa ini sering menjadi hambatan dalam berinteraksi. Penelitian ini bertujuan mengembangkan sistem deteksi gerakan tangan pada Bahasa Isyarat Indonesia (SIBI) dengan memanfaatkan model deep learning berbasis Convolutional Neural Network (CNN). Sistem dirancang untuk mengenali 26 huruf alfabet, angka 0–9, serta lima kata dasar, yaitu “saya”, “kamu”, “dia”, “makan”, dan “tidur”. Implementasi sistem menggunakan bahasa pemrograman Python dengan framework TensorFlow, serta pustaka pendukung seperti OpenCV, MediaPipe, scikit-learn, seaborn, dan numpy. Dataset dikumpulkan mandiri menggunakan kamera laptop, disimpan dalam format .h5, dan diberi label dengan bantuan Roboflow. Perangkat keras yang digunakan berupa laptop dengan GPU serta webcam internal untuk proses pengambilan data dan pengujian. Hasil pengujian menunjukkan sistem mampu berjalan secara real-time dengan akurasi 100% saat diuji terpisah pada huruf, angka, maupun lima kata dasar. Pada pengujian gabungan, akurasi mencapai ±97%. Meski kadang terjadi kesalahan akibat kemiripan bentuk gerakan, sistem tetap stabil dan dapat digunakan untuk membantu penerjemahan bahasa isyarat, sehingga mempermudah komunikasi antara teman tuli dan masyarakat.Kata kunci— bahasa isyarat indonesia, convolutional neural network, mediapipe, tensorflow, real-time processing, aksesibilitas komunikasi
Implementasi Aplikasi Estimator Kuantitas Sayuran Pada Media Hidroponik Menggunakan Video Dengan Metode YOLOv5 Ilmi, M. Bahrul; Hadiyoso, Sugondo; Hariyani, Yuli Sun
eProceedings of Applied Science Vol. 11 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Applied Science

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

Abstract

Abstrak — Penelitian ini bertujuan untuk mengembangkan aplikasi estimasi kuantitas sayuran, khususnya selada, pada sistem hidroponik berbasis deteksi objek menggunakan YOLOv5. Aplikasi ini dirancang untuk mempermudah proses monitoring jumlah tanaman dengan memanfaatkan gambar hasil tangkapan kamera atau frame dari video. Data yang digunakan berupa gambar hasil pemotretan langsung dan gambar yang diekstrak dari video, kemudian dianotasi menggunakan Roboflow dan dilatih menggunakan model YOLOv5 di Google Colab. Hasil deteksi menghasilkan jumlah selada berdasarkan bounding box yang teridentifikasi dalam gambar. Berdasarkan pengujian yang di lakukan pada 42 gambar valid, sistem menunjukkan rata-rata error sebanyak 47,28% selada dari total 4.945 selada, dengan rata-rata tingkat akurasi sebesar 52,7%. Pada uji gambar noise, akurasinya menjadi 25,96%, sedangkan pada uji gambar frame video mencapai 80,39% dengan eror 14,58%. Aplikasi ini diharapkan dapat membantu petani atau pengelola sistem hidroponik dalam melakukan pengawasan pertumbuhan tanaman secara lebih efisien. Kata kunci— deteksi objek, YOLOv5, hidroponik, estimasi jumlah selada, anotasi gambar
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