Article Per Year (5 Year)
p-Index From 2021 - 2026
5.555
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) TEKNIK Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Padjadjaran Journal of Dentistry JETT (Jurnal Elektro dan Telekomunikasi Terapan) International Journal of Artificial Intelligence Research Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JPEK (Jurnal Pendidikan Ekonomi dan Kewirausahaan) To Maega: Jurnal Pengabdian Masyarakat Journal of Electronics, Electromedical Engineering, and Medical Informatics JMECS (Journal of Measurements, Electronics, Communications, and Systems) Indonesian Journal of Electrical Engineering and Computer Science Community Development Journal: Jurnal Pengabdian Masyarakat ASEAN Marketing Journal Media Ilmiah Akuntansi eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Journal of Computer Engineering: Progress, Application and Technology Al-Mubtadi : Jurnal Pendidikan Guru Madrasah Ibtidaiyah
Hilman Fauzi, Hilman
Universitas Telkom
Religion Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Materials Science & Nanotechnology Medicine & Pharmacology Public Health Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Rancang Bangun Aplikasi Deteksi Dini Kanker Ovarium Berbasis Android Dengan Expert System Muhammad Zuhairi; Hilman Fauzi; Favian Dewanta
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Kanker ovarium adalah tumor yang timbul pada rahim dan dapat berakibat fatal apabila tidak ditangani sedini mungkin. Kanker ovarium sulit terdeteksi pada stadium awal karena tidak menimbulkan gejala spesifik dan umumnya baru terdeteksi pada stadium lanjut. Pada stadium lanjut kanker tersebut akan lebih sulit untuk ditangani dan biaya pengobatannya pun menjadi lebih mahal. Oleh karena itu dibuatlah penelitian dengan membuat aplikasi android untuk mendeteksi kanker ovarium sedini mungkin dengan metode sistem pakar. Diperoleh data kuesioner pasien kanker dari Rumah Sakit Hasan Sadikin Bandung yang akan menjadi acuan dalam pembuatan aplikasi. Penulis membandingkan keakuratan prediksi data menggunakan algoritma K-Nearest Neighbor, Support Vector Machine, dan Random Forest. Lalu dilanjutkan dengan pembuatan aplikasi serta dilakukan analisis Quality of Services menggunakan Apache JMeter. Hasil pengujian menunjukkan bahwa algoritma KNearest Neighbor menggunakan nilai K=7 mendapatkan nilai akurasi sebesar 92.3%. Maka dari itu, dipilihlah algoritma KNearest Neighbor untuk diimplementasikan ke dalam aplikasi deteksi kanker ovarium. Dengan memasukkan algoritma KNearest Neighbor ke dalam aplikasi, didapatkan hasil akurasi pada aplikasi sebesar 80,23%. Lalu analisis Quality of Service menghasilkan troughput terbaik sebesar 2.89 kbps, dan latency terbaik sebesar 13s, masing-masing dengan beban 100 user dan mampu menangani permintaan dari 100 dan 150 user tanpa error. Kata Kunci- Android, K-Nearest Neighbor, Kanker Ovarium, Random Forest, Sistem Pakar, Support Vector Machine.
Perancangan Aplikasi Grafologi Berbasis Smartphone Android Untuk Identifikasi Kecenderungan Optimisme & Pesimisme Individu (the Design Of Graphology Applications Based Smartphone Android To Identify Individual Optimism And Pessimism Tendencies) Oktiandi Nugroho Wasktio; Hilman Fauzi
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Grafologi merupakan salah satu cabang ilmu psikologi yang sering digunakan ahli grafolog untuk menganalisis kepribadian seseorang melalui tulisan tangan sehingga dapat mengetahui kencenderungan emosional atau kepribadian seseorang. Kepribadian merupakan hal dasar yang melekat pada tiap individu yang tidak bisa dinilai dari penampilannya. Pada penelitian ini penulis akan merancang aplikasi berbasis android untuk mengidentifikasi kecenderungan emosional atau kepribadian seseorang melalui tulisan tangan. Pengujian ini dilakukan untuk mengetahui beberapa kepribadian trait, seperti emosi optimis & pesimis, karakter interaksi sosial yang cenderung menjaga jarak & tidak menjaga jarak, dan self-confident & inferiority. Hasil pengujian sistem aplikasi pada Tugas Akhir ini mampu mengidentifikasi kecenderungan emosional individu. Sistem aplikasi yang dirancang mampu mengidentifikasi tiga kepribadia trait dengan cukup baik. Dari 35 sampel data citra tulisan tangan terdapat 29 sampel data citra yang berhasil mencapai kesamaan dengan tiga kepribadian trait yang diuji dan mendapat hasil akurasi sebesar 82.85%. Kata Kunci: Grafologi, Android, Kepribadian Trait, Garis Dasar Tulisan, Jarak Spasi Antar Kata, Ketinggian Baris dalam Menentukan Ketinggian Huruf “i”.
Analisa Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Klasifikasi Naive Bayes Andi Zahra Bunga Zana; Jangkung Raharjo; Hilman Fauzi TSP
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pada penelitian tugas akhir ini dilakukan perancangan sistem untuk dapat mengklasifikasikan jenis kelamin berdasarkan citra wajah pada manusia. Dengan melakukan ekstraksi ciri menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan proses klasifikasi menggunakan metode Naive Bayes yang bertujuan untuk dapat membedakan jenis kelamin laki-laki dan wanita pada manusia. Citra wajah tersebut dikelompokkan berdasarkan kelas laki-laki dan wanita. Tujuan dari penelitian tugas akhir ini untuk mengetahui jenis kelamin pada manusia dan manfaat dari perancangan sistem ini salah satunya dapat digunakan dalam bidang kesehatan untuk mendeteksi perbedaan jenis kelamin laki-laki atau wanita dan sebagai salah satu teknologi awal untuk aplikasi kesehatan cerdas lanjutan dalam pengukuran Body Mass Index (BMI). H
Ekstraksi Detak Jantung Berbasis Pengolahan Citra Wajah Dengan Algoritma Bss (blind Separation Signal) (heart Rate Extraction Based On Processing Of Facial Images Using Bss (blind Separation Signal) Algorithm) Utari Nur Ramadhani Yora; Hilman Fauzi; Syamsul Rizal
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Detak Jantung merupakan suara debaran jantung yang dihasilkan akibat aliran darah melewati jantung. Jantung merupakan organ vital sehingga metode untuk mendeteksinya beraneka ragam, mulai dari metode konvensional hingga modern. Semakin berkembangnya teknologi membuat sistem pendeteksi detak jantung kini semakin maju. Pada penelitian Tugas Akhir ini, akan dilakukan pengembangan lebih lanjut mengenai ekstraksi detak jantung manusia menggunakan citra wajah. Metode yang digunakan adalah Blind Separation Signal (BSS) dengan metode deteksi wajah yang digunakan adalah You Only Look Once (YOLO) generasi ketiga atau YOLOv3 dengan mengamati ROI dari variasi warna kulit wajah seseorang yang disebabkan oleh sirkulasi darah. Hasil akhirnya berupa detak jantung manusia berbasis aplikasi python yang memudahkan kita untuk mengukur detak jantung. Akurasi yang didapatkan untuk model deteksi objek YOLOv3 adalah sebesar 95%. Pengujian terbaik dilakukan pada posisi wajah lurus dengan jarak 40 cm dan dilakukan pada malam hari menggunakan pencahayaan lampu LED 14.5watt dan didapatkan akurasi tertinggi adalah 97,7%. Kata Kunci: Jantung, Detak Jantung, Pengolahan Citra Digital Wajah, Blind Separation Signal (BSS), You Only Look Once (YOLO), Region of Interest (ROI).
Klasifikasi Citra Kanker Serviks Menggunakan Deep Residual Network Revydo Bima Anshori; Hilman Fauzi; Thomhert Suprapto Siadari
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Penyakit kanker serviks menempati posisi ke dua dengan angka kematian tinggi kaum wanita setiap tahunnya menurut WHO. Penyebab penyakit ini karena adanya Human Papilloma Virus (HPV) yang menyerang langsung ke serviks, selain itu juga pola hidup yang kurang sehat dapat mempengaruhi terserangnya penyakit ini. Deteksi dini kanker serviks dapat dilakukan dengan menggunakan pemeriksaan Inspeksi Visual Asam Asetat (IVA). Hasil dari pemeriksaan IVA dapat dilihat kasat mata tetapi ahli medis memiliki perbedaan diagnosis dikarenakan penglihatan sendiri.Untuk membantu ahli medis mendapatkan diagnosis yang sesuai maka pemeriksaan dapat dilakukan dengan pendekatan teknologi. Teknologi yang akan digunakan adalah citra digital. Pengambilan gambar hasil pemeriksaan IVA format .jpg. Penelitian ini dilakukan klasifikasi citra kanker serviks dari hasil pemeriksaan IVA yang telah dilakukan oleh Rumah Sakit Hasan Sadikin Bandung. Untuk pengolahan citra pemeriksaan IVA akan menggunakan citra hasil CLAHE dan citra hasil Canny Edge Detection. Untuk pengklasifikasian akan menggunakan deep learning dengan arsitektur ResNet-50 dan ResNet-101 serta melakukan pengujian terhadap hyperparameter yaitu optimizer, learning rate, batch size, dan input size. Pada penelitian ini hasil terbaik mengunakan citra hasil Canny Edge Detection dengan hyperparameter menggunakan optimizer SGD, learning rate 0.1, batch size 32, dan input size 224×224. Dari hyperparameter tersebut hasil akursi yang dicapai sebesai 98,26 %. Kata kunci— Canny Edge Detection, CLAHE, Kanker Serviks, Pengolahan Citra Digital, Pemeriksaan IVA, ResNet.
Mendukung Mahasiswa Perhotelan dengan Teknologi: Sistem Cerdas Pengukur Kadar Nutrisi Makanan Fathurrachman, Dhia Firdaus; TSP, Hilman Fauzi; Gusnadi, Dendi
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Industri perhotelan menghasilkan banyak sisa makanan yang sering kali terbuang percuma. Padahal, sisa makanan ini masih mengandung nutrisi yang berharga. Penelitian ini menciptakan sebuah sistem yang bisa mengukur secara tepat kandungan nutrisi dalam sisa makanan. Dengan sistem ini, kita bisa tahu dengan pasti nutrisi apa saja yang bisa dimanfaatkan dari sisa makanan. Hasilnya, mahasiswa perhotelan bisa menggunakan sistem ini untuk mempelajari lebih lanjut tentang makanan dan nutrisinya. Sistem ini terbukti sangat akurat dan bermanfaat, sehingga disambut baik oleh para mahasiswa. Data kuantitatif menunjukkan bahwa sistem timbangan ini mampu menimbang dengan tingkat akurasi di atas 95%. Selain itu, berdasarkan survei, sistem ini mendapatkan respon positif dari mahasiswa dan dianggap sangat bermanfaat dalam penelitian mereka. Kata kunci: limbah makanan, mahasiswa perhotelan, nutrisi, timbangan.
Mendukung Mahasiswa Perhotelan dengan Teknologi: Sistem Cerdas Pengukur Kadar Nutrisi Makanan Kinantan, Muhammad Rafi; TSP, Hilman Fauzi; Gusnadi, Dendi
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Industri perhotelan menghasilkan banyak sisa makanan yang sering kali terbuang percuma. Padahal, sisa makanan ini masih mengandung nutrisi yang berharga. Penelitian ini menciptakan sebuah sistem yang bisa mengukur secara tepat kandungan nutrisi dalam sisa makanan. Dengan sistem ini, kita bisa tahu dengan pasti nutrisi apa saja yang bisa dimanfaatkan dari sisa makanan. Hasilnya, mahasiswa perhotelan bisa menggunakan sistem ini untuk mempelajari lebih lanjut tentang makanan dan nutrisinya. Sistem ini terbukti sangat akurat dan bermanfaat, sehingga disambut baik oleh para mahasiswa. Data kuantitatif menunjukkan bahwa sistem timbangan ini mampu menimbang dengan tingkat akurasi di atas 95%. Selain itu, berdasarkan survei, sistem ini mendapatkan respon positif dari mahasiswa dan dianggap sangat bermanfaat dalam penelitian mereka. Kata kunci : limbah makanan, mahasiswa perhotelan, nutrisi, timbangan.
Pengembangan Purwarupa Kolposkop Dengan Peningkatan Kualitas Citra Untuk Skrining Deteksi Dini Kanker Serviks Menggunakan Raspberry Pi 4 Syatta, Hurin; Fauzi, Hilman; Barri, Hablul
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

Kanker serviks merupakan penyebab kematian utama wanita di Indonesia. Metode skrining IVA yang digunakan secara luas di layanan primer masih menghadapi keterbatasan akurasi karena bergantung pada pengamatan visual tanpa alat bantu. Penelitian ini mengembangkan purwarupa kolposkop digital berbasis Raspberry Pi 4 untuk meningkatkan kualitas citra guna mendukung deteksi dini. Sistem dilengkapi kamera ArduCam 64MP autofokus, pencahayaan LED dengan kontrol intensitas, dan filter polarisasi untuk mengurangi pantulan. Pengujian dilakukan terhadap performa akuisisi citra, intensitas cahaya, efisiensi daya, serta evaluasi kualitas citra dan validasi deteksi lesi dengan algoritma YOLO. Hasil menunjukkan frame rate mencapai 85.5 FPS (VGA), pencahayaan sesuai standar medis (>1000 lux), dan area refleksi minimum (0.01%). Konfigurasi optimal tercapai pada resolusi 16MP, jarak 15 cm, dan pencahayaan maksimum. Deteksi lesi oleh YOLO mencapai confidence hingga 97%. Purwarupa ini menunjukkan potensi sebagai alat bantu IVA yang terjangkau dan efektif, mendukung observasi klinis dan dokumentasi visual di layanan primer. Kata Kunci—Kanker Ovarium, Deteksi Dini, Artificial Intelligent (AI), Kanker serviks, Pemeriksaan IVA, Deteksi dini, Kualitas citra, Kolposkop, Raspberry Pi 4
Perancangan Aplikasi Deteksi Tuberkulosis Berbasis Pengolahan Citra X-Ray Dengan Metode Yolov8 Haya, Allika Fadia; Fauzi T.S.P, Hilman; Siadari, Thomhert S.
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

Tuberkulosis (TBC) merupakan salah satu penyakit menular utama yang menjadi masalah kesehatan global, terma- suk di Indonesia. Deteksi dini sangat penting untuk mencegah penyebaran penyakit TBC, namun proses deteksi secara konven- sional. Oleh karena itu, dibutuhkan teknologi berbasis kecerdas- an buatan untuk membantu mempercepat dan mempermudah proses deteksi penyakit TBC melalui citra x-ray paru. Penelitian ini bertujuan untuk mengevaluasi model kecerdasan buatan berbasis pengolahan citra x-ray paru menggunakan metode YOLOv8 untuk mendeteksi TBC, dengan menggunakan dataset citra x-ray yang telah diproses dan dianotasi, serta mengukur performa sistem dalam mendeteksi TBC pada citra x-ray paru. Metode yang digunakan dalam penelitian ini mencakup be- berapa tahapan, yakni pengumpulan dataset citra x-ray, prepro- cessing, penggunaan CLAHE untuk deteksi bercak pada paru- paru, integrasi model ke dalam aplikasi, dan evaluasi performa sistem. Selama proses pelatihan, beberapa parameter penting diuji, seperti learning rate, IoU threshold, confidence threshold, dan optimizer, untuk mengoptimalkan keyakinan dalam deteksi. Hasil pengujian menunjukkan bahwa penggunaan AdamaW sebagai optimizer dengan IoU 0.5 dan confidence threshold 0.25 menghasilkan performa terbaik, dengan mAP mencapai 88%, presisi 81.5%, recall 84.6%, dan F1-score 83%. Penggunaan CLAHE pada dataset x-ray meningkatkan kemampuan deteksi objek, terutama bercak yang terkait dengan TBC. Selain itu, aplikasi yang telah dibuat menggunakan model ini berhasil mendeteksi TBC secara langsung dan memberikan kemudahan bagi pengguna dalam mendiagnosis TBC tanpa membutuhkan tenaga medis yang berpengalaman. Secara keselu- ruhan, model yang dibangun dapat diandalkan untuk membantu deteksi dini TBC berbasis citra x-ray, dengan potensi untuk digunakan pada layanan Kesehatan. Kata Kunci—Deteksi TBC, YOLOv8, citra x-ray, deteksi ber- cak, aplikasi medis
Perancangan Sistem Deteksi Tuberkulosis Menggunakan Metode Yolov8 Yasman, Fudhla Ramadhana; Fauzi, Hilman; Ibrahim, Nur
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

Tuberkulosis (TBC) masih menjadi salah satu masalah kesehatan utama di Indonesia, khususnya di wilayah dengan keterbatasan tenaga medis. Deteksi dini menggunakan citra x-ray merupakan pendekatan yang efektif untuk mendukung diagnosis, namun terbatasnya jumlah dokter radiologi menjadi kendala tersendiri. Penelitian ini mengembangkan sistem deteksi tuberkulosis berbasis aplikasi desktop yang mengintegrasikan algoritma YOLOv8 dengan input citra x-ray dari webcam. Model YOLOv8 dilatih menggunakan dataset tiga kelas (Normal, Pneumonia, TBC) dan dievaluasi berdasarkan metrik precision, recall, dan mAP@50. Hasil pelatihan menunjukkan performa fine-tuned yang optimal dengan precision sebesar 0,942, recall sebesar 0,936, dan mAP@50 sebesar 0,543. Sistem ini dirancang untuk berjalan secara lokal tanpa instalasi kompleks, menjadikannya praktis untuk digunakan di fasilitas layanan primer. Pengujian menunjukkan sistem mampu mendeteksi citra x-ray secara real-time pada jarak 40–60 cm dengan hasil visual berupa bounding box. Evaluasi oleh dokter spesialis paru menunjukkan tingkat kesesuaian tinggi antara hasil model dan interpretasi medis. Meskipun dibutuhkan peningkatan dalam membedakan pneumonia dan TBC, sistem ini menunjukkan potensi sebagai alat bantu skrining dini yang efektif dan adaptif. Kata kunci— Tuberkulosis, YOLOv8, Deep Learning, Sistem Deteksi
Co-Authors Achmad Rizal Achmad Rizal Adzra, Faaiq Ammaria Alvin Oktarianto Anak Agung Gede Mahendra Kusuma Andi Zahra Bunga Zana Andria Puja Pratama Ayudina, Nasya Azhar, Tauhid Nur Aznida Firzah Abdul Aziz Bagas Farhan Hadyantoro Bambang Hidayat Bambang Hidayat . Barri, Hablul Bayu Angga Medica Firmanda Bima Ansori, Revydo BIRU, BANYU Boby Irfanudin Anwar Budi Harsono, Ali Cynthia Erika Dayan Aldina Dendi Gusnadi Denta Rahmadani Dewa Nyoman Indra Dharma, Budi Dwi Sukma Bestry Fahmi Oscandar Fahmi Oscandar, Fahmi Fahreza, Ghazy Ahmad Faidil Hadi Fathurrachman, Dhia Firdaus Fauzi, Adryan Favian Dewanta Fina Maharani Fitra Ayu Larasati Galih Surya Gede Hari Yogiswara Gelar Budiman Hadyningtyas, Ivy Anindhita HARSONO, ALI BUDI Hasibuan, DR David H.M. Haya, Allika Fadia Heris, Faradisya I Wayan Agus Sugiarsa Irfan Darmawan Iwan Iwut Tritoasmoro Jangkung Raharjo Januar, Rifat Kinantan, Muhammad Rafi Komura, Tadayasu Kyoso, Masaki Lubis, Reza Armanda M. Abdullah Azzam Marliyah, Marliyah Marpaung, bintangsahala0203 Marpaung, DR Annaria Magdalena Mas Sarwoko Suraatmadja Masaki Kyoso Maya Ariyanti Mazaya 'Aqila Misbakhul Munir Mochamad Dandi Mohd Ibrahim Shapiai Mohd. Ibrahim Shapiai Muhammad , Ardisatria Surya Muhammad Hablul Barri Muhammad Ilham Muhammad Zuhairi Mumtaz, Yasmin Nasya Ayudina Darsono Naufal Reza Alfiandy Nugraha, M.Fajar Zulvan Nur Ibrahim Octavian Putera Kesuma Sugeng Oktafiani, Venia Oktiandi Nugroho Wasktio Pratiwi, Daulika Putra Fajar Alam Raditiana Patmasari Rahmadani, Denta Rahmah, Qisthi Nur Rahman, Fadlur Rahmat Widadi Raihan Nur Fadhlillah Ramanta Limantara Sidam Ramdhan Nugraha Ratri Dwi Atmaja Revydo Bima Anshori Reza Armanda Lubis Rita Magdalena Rizqullah, Rafif Rustam Rustam Rustam Saepulloh, Saepulloh Said, Ziani Salim, La Ode Agus Salsabila, Afap Saputri, Ikra Yuni SENJAYA, ARIO Shapiai, Mohd. Ibrahim Siadari, Thomhert Siadari, Thomhert S. Sofia Sa'adiah SOFIA SAIDAH Sugondo Hadiyoso Suhardjo Suhardjo Syamsul Rizal Syatta, Hurin Tadayasu Komura Tauhid Nur Azhar Thomhert Suprapto Siadari Tsani, Fajri Twinarya Bagus Wibawa Uswah Khairuddin Utari Nur Ramadhani Yora Vany Octaviany Wan Siti Nur Shafiqa Wan Musa Yanti, Suci Dwi Yasi Oktodiranto Yasman, Fudhla Ramadhana Yulinda Eliskar Yunita, Kurnia Sri Ziani Said