Article Per Year (5 Year)
p-Index From 2021 - 2026
5.641
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer Habitat JPSriwijaya Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi
Fakultas Ilmu Komputer Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Other

Published : 80 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 80 Documents
Search

 3   4   5   6   7 
Rancang Bangun Alat Pendeteksi Kelayakan Saus Tomat menggunakan Metode K-Nearest Neighbor Dharmawan, Fakhriz Thoriqo; Budi, Agung Setia; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Saus tomat merupakan salah satu bahan pelengkap makanan yang sangat sering kita jumpai baik di Indonesia maupun luar negeri. Nasi goreng, spaghetti hamburger, dan fuyunghai merupakan beberapa contoh makanan yang tidak lepas dari saus tomat. Di pasaran Indonesia sendiri saus tomat sangat mudah ditemukan baik di pasar tradisional maupun pasar modern. Pilihan dari saus tomat sendiri sangat beragam mulai dari harga yang cukup terjangkau hingga kurang ramah di kantong. Bagi para pedagang tentu mereka berusaha menggunakan modal sekecil mungkin dengan mencari harga saus tomat yang murah agar margin keuntungan makin besar, hal tersebut berbanding terbalik dengan keinginan dari para konsumen yang ingin mendapatkan kualitas makanan yang terbaik. Perancangan sistem penelitian ini menggunakan saus tomat murni sebagai data latih saus layak konsumsi dan saus tomat murni yang dicampur dengan rhodamine B sebagai data latih saus tidak layak konsumsi. Proses klasifikasi akan dilakukan dengan sensor warna TCS3200 mengambil nilai RGB dari saus tomat, yang kemudian akan diklasifikasikan ke kelas layak konsumsi atau tidak layak konsumsi oleh KNN dan hasil kelas tersebut ditampilkan ke LCD. Hasil pengujian mendapatkan hasil yaitu metode K-NN dengan nilai K (K=3, K=5, K=7, dan K=9) mendapatkan hasil nilai K=3 merupakan nilai akurasi terbaik dengan presentase 90% dan sistem memerlukan waktu komputasi rata-rata sebesar 35.6625 ms untuk melakukan proses dari awal hingga akhir.
Sistem Bantu Wearable pada Latihan Angkat Beban untuk Triceps dengan Metode Support Vector Machine (SVM) Malik, Hifdzul; Syauqy, Dahnial; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Meningkatnya popularitas olahraga, khususnya melalui media sosial, telah mendorong partisipasi masyarakat yang signifikan. Fenomena ini tak jarang diikuti oleh pemahaman teknik olahraga yang tidak memadai, terutama pada latihan angkat beban. Konsekuensi dari teknik yang salah dapat berakibat fatal, salah satunya berupa cedera pada otot triceps yang memegang peran penting dalam aktivitas sehari-hari. Menjawab permasalahan ini, penelitian ini bertujuan mengembangkan sebuah sistem bantu wearable berbasis sensor MPU6050 untuk memantau dan memperbaiki gerakan one arm overhead triceps extension pada latihan angkat beban, meminimalisir resiko cedera akibat kesalahan teknik, dan pada akhirnya meningkatkan efektivitas latihan. Sistem ini memanfaatkan kombinasi sensor accelerometer dan gyroscope yang secara real-time menangkap data selama latihan. Dua belas titik data (input) yang dihasilkan oleh sensor MPU6050 kemudian diolah melalui metode klasifikasi Support Vector Machine (SVM) dalam ESP32 untuk diklasifikasikan. Hasil klasifikasi kemudian diinterpretasikan menjadi perhitungan kualitas gerakan one arm overhead triceps extension secara keseluruhan. Sebagai komponen output, sistem dilengkapi dengan buzzer yang memberikan feedback suara untuk gerakan yang benar berdasarkan penilaian klasifikasi. Melalui feedback suara ini, pengguna dapat langsung mengetahui kualitas gerakannya dan segera melakukan koreksi jika diperlukan. Berdasarkan hasil pengujian, sistem ini berhasil mendeteksi gerakan one arm overhead triceps extension dengan tingkat akurasi sebesar 81,4%. Selain itu, waktu komputasi sistem tergolong cepat, yaitu rata-rata 4 ms, sehingga feedback suara dapat diberikan secara real-time tanpa mengganggu momentum latihan.
Deteksi Permukaan Jalan Minim Cahaya Menggunakan Autocontrast dan YOLOV8N untuk Parameter Kecepatan Kursi Roda Pintar Ramadhani, Roihaan; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Mobilisasi merupakan kebutuhan dasar manusia, namun bagi disabilitas mobilitas menjadi tantangan karena gangguan fisik (Jatmiko, 2019). Dalam Kamus Besar Bahasa Indonesia disabilitas bermakna sebagai keterbatasan yang bersifat kronis dan lama, mengakibatkan kesulitan dalam berinteraksi (KBBI, 2016). Menurut WHO jumlah disabilitas di Indonesia mencapai 41 juta orang dari 275 juta penduduk pada tahun 2022 (WHO, 2022). Diperlukan alat bantu bagi disabilitas untuk mobilisasi. Kursi roda menjadi alternatif bagi disabilitas untuk memudahkan mobilitas. Penggunaan kursi roda, baik di dalam maupun luar ruangan menuntut pentingnya pengendalian kecepatan motor. Pengendalian motor yang tidak sesuai dengan permukaan jalan dapat menimbulkan ketidaknyamanan bahkan kecelakaan bagi disabilitas. Sudah ada beberapa penelitian terkait pengatur kecepatan kursi roda berdasarkan permukaan jalan, namun penelitian tersebut terbatas pada kondisi terang. Penelitian ini bertujuan menggunakan autocontrast untuk meningkatkan kontras gambar yang akan digunakan YOLOv8n dalam deteksi permukaan jalan baik dalam kondisi terang maupun gelap. Berdasarkan penelitian yang dilakukan, diperoleh model pada epoch 26 sebagai model terbaik yang digunakan untuk deteksi permukaan jalan. Hasilnya, sistem dapat mendeteksi tipe permukaan jalan dalam keadaan terang dan gelap dengan akurasi 94,45%. Penggunaan CUDA diperlukan untuk menghasilkan waktu komputasi cepat sehingga kursi roda dapat bergerak secara real-time, dengan CUDA, diperoleh rata-rata efisiensi waktu kecepatan komputasi sebesar 3279,28 ms.
Purwarupa Sistem Klasifikasi Warna Plat Kendaraan Berbasis Yolov8 Pada Gerbang Masuk UB Siswanti; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Plat kendaraan merupakan salah satu pengenal identitas dari berbagai jenis kendaraan. Jenis kendaraan tersebut dibedakan berdasarkan warna platnya, seperti hitam atau putih untuk kendaraan pribadi, merah untuk instansi, dan kuning untuk kendaraan jenis angkutan umum. Pengenalan jenis kendaraan sendiri dapat digunakan di area perkantoran, kampus, lembaga – lembaga instansi negara dan area yang membutuhkan pengklasifikasian jenis kendaraan untuk melewati area tersebut. Dalam penelitian ini penulis mengambil studi kasus di dalam area kampus UB yang mengkhususkan jalan area kampus bukan jalan umum, sehingga kendaraan dengan tidak adanya kepentingan dihimbau untuk tidak melewati area jalan UB atau harus melalui surat izin mobilisasi melalui Markas Komando (MAKO) UB. Hal ini diberlalukan untuk mengurangi arus mobilisasi yang melewati area UB. Pada penelitian ini dibentuk sistem yang dapat mendeteksi dan mengklasifikasikan jenis kendaraan berdasarkan warna plat nya. Tujuan dari dibetuknya sistem ini untuk mengenali warna plat kendaraan yang melewati area UB. Metode yang digunakan dalam penelitian ini ada YOLOv8 yang memilki fitur dapat mengklasifikasikan kelas warna dengan akurasi yang tinggi. Pada peneltian di diperoleh tingkat akurasi sebesar 96% pada confussion matrix data validasi, 97% pada confussion matrix data testing, dan 87% pada data uji secara real-time. Tingkat keakuratan servo dan LED mencapai 100% dikarenakan LED dan servo diprogram untuk bergerak sesuai hasil deteksi. Waktu komputasi yang dibutuhkan sistem ini sebesar 112.077 ms.
Rancang Bangun Sistem Identifikasi dan Klasifikasi Sampah Menggunakan Deep Learning Arsitektur DenseNet201 Hisdianton, Oktavian; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Berdasarkan pada Undang-Undang Nomor 18 tahun 2008 menjelaskan tentang pengelolaan sampah yaitu sebagai barang bekas atau sisa-sisa yang dihasilkan dari suatu aktivitas manusia sehari-hari atau oleh proses alam yang berwujud padat atau setengah padat, dan dapat dibagi menjadi organik, anorganik, b3 dan residu, dimana benda-benda ini tidak dapat digunakan lalu dibuang ke lingkungan umum. Maka dari itu sampah yang berasal dari lingkungan juga memiliki salah satu langkah untuk mengurangi timbunan sampah dengan melakukan pemilahan sampah dengan benar, akan tetapi pemilahan sampah itu harus sesuai dengan kelasnya. Sementara kebiasaan masyarakat Indonesia masih banyak membudaya melakukan pembuangan sampah tidak sesuai dengan kelasnya yaitu mencampur semua jenis sampah. Berdasarkan data sampah yang dibuang pada tahun 2022, fasilitas umum menempati posisi kelima penyumbang sampah di Indonesia. Solusi yang diberikan pada penelitian ini yaitu merancang alat untuk mengklasifikasikan sampah organik, anorganik, b3, dan residu secara otomatis menggunakan metode deep learning arsitektur DenseNet201 untuk mempermudah dalam pemilahan sampah pada kelasnya. Untuk pengujian klasifikasi objek sampah pada sistem mendapatkan hasil nilai akurasi sebesar 98%, hasil nilai precision sebesar 98%, nilai recall sebesar 98%, dan nilai f1-score sebesar 98%. Dilakukan pengujian rata-rata waktu komputasi yang didapatkan untuk klasifikasi selama 1,2239675 detik. Dan dilakukan pengujian integrasi pada sistem yang mendapatkan hasil nilai akurasi sebesar 92,5%.
Sistem Bantu Wearable Pada Training Angkat Beban Untuk Biceps Dengan Algoritma Jaringan Saraf Tiruan Akbar, Muhammad Faithur Adel Patria; Syauqy, Dahnial; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 4 (2024): April 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Latihan angkat beban otot biceps perlu pemahaman teknik yang tepat agar terhindar dari cedera dan mengonfirmasi bahwa hasil latihan pada otot biceps maksimal. Fokus dalam penelitian ini adalah untuk mengembangkan sistem bantu wearable latihan otot biceps, sehingga berguna dalam mengatasi beberapa hambatan ketika melaksanakan latihan angkat beban pada otot biceps, terutama pada saat gerakan standing dumbbell curl. Tantangan tersebut tidak memiliki kemampuan atau akses untuk menggunakan jasa personal trainer secara konsisten. Nilai accelerometer dan gyroscope yang diperoleh dari sensor MPU6050 dijadikan parameter dalam mengetahui gerakan benar dan salah. Nilai parameter yang diperoleh akan diproses memakai metode Jaringan Saraf Tiruan pada mikrokontroler ESP32. Alasan pemilihan Algoritma Jaringan Syaraf Tiruan karena kemampuannya dalam merepresentasikan cara kerja seperti halnya cara kerja otak manusia dan tingkat keakuratan yang tinggi. Hasil klasifikasi Jaringan Saraf Tiruan akan diinformasikan kepada pengguna melalui buzzer. Hasil dari penelitian ini menunjukkan bahwa model Jaringan Saraf Tiruan yang sebelumnya sudah dilatih dalam dataset mendapatkan tingkat keakurasian sebesar 96,4%, sedangkan akurasi dari model yang diimplementasikan dalam sistem mencapai 100%, dengan nilai rata-rata waktu komputasi sistem untuk mengklasifkasi gerakan yang dilakukan salah atau benar yakni sebesar 2 milidetik.
Sistem Pelatihan Pengucapan Huruf Konsonan Untuk Anak Usia Dini Menggunakan Metode Random Forest Pricillia, Lidya Ruth; Syauqy, Dahnial; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 6 (2024): Juni 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Golden age, yang berkisar pada rentang usia 0-6 tahun, merupakan periode penting dalam masa pertumbuhan anak dimana otak akan sangat responsif dalam menerima berbagai informasi guna mengembangkan dasar-dasar kecerdasan kognitif dan linguistik. Salah satu cara yang efektif untuk mengembangkan kecerdasan linguistik pada anak adalah melalui pelatihan pengucapan. Kemampuan anak untuk bisa mengucapkan huruf konsonan merupakan tahapan krusial dalam membangun dasar yang kuat untuk membaca, mengembangkan kosakata, dan pemahaman tentang suara Bahasa. Untuk itu, penelitian mengenai sistem pelatihan pengucapan huruf konsonan dilakukan. Sistem ini dirancang untuk memberikan pelatihan pengucapan huruf konsonan pada anak usia dini, didukung oleh algoritma machine learning, yaitu random forest, untuk mengklasifikasikan pengucapan huruf konsonan mereka. Sistem yang dirancang memiliki kemampuan untuk memberikan umpan balik secara real-time terhadap pelafalan fonem tanpa memerlukan keberadaan instruktur fisik. Sistem pelatihan pengucapan huruf konsonan dirancang dengan menggabungkan teknologi sensor MAX9814 sebagai mikrofon dan diintegrasikan dengan perangkat Arduino Uno sebagai mikrokontroller yang berfungsi sebagai pusat pengolahan data. Output dari sistem bersifat visual yang diberikan melalui layar LCD ST7789 TFT. Berdasarkan evaluasi hasil pengujian, sistem menghasilkan tingkat akurasi sebesar 64% dari 25 data uji pengucapan huruf konsonan, dengan rata-rata waktu komputasi sekitar 199,6 ms dari 15 data uji.
Reduksi Fitur Pada Sistem Wearable Alat Latih Otot Bisep Dengan Kombinasi Algoritma Principal Component Analysis Dan Random Forest Haqiqi, Farih Akmal; Syauqy, Dahnial; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional SIET 2024
Pengembangan Sistem Otomatisasi Pengenalan Data Pada KTP Menggunakan YOLOV8 Dan EasyOCR Berbasis Raspberry Pi 4B Kusuma, Aji Ranca; Rekyan Regasari Mardi Putri; Eko Setiawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Junal Nasional Terakreditasi
Pengujian Performa EasyOCR dan PyTesseract pada Sistem Cerdas untuk Ekstraksi Teks Kartu Tanda Penduduk dalam Kondisi Pencahayaan Rendah Alqadri, Aikal Ichsan; Rekyan Regasari Mardi Putri; Eko Setiawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional
Co-Authors Achmad Arwan Agung Setia Budi, Agung Setia Agus Wahyu Widodo Ahmad Izzuddin Ainun Najib Eka Christianto Akbar, Muhammad Faithur Adel Patria Albert, Muhammad Zaidan Aldo, Muhammad Alhasyimi, Dana Mustofa Alqadri, Aikal Ichsan amiruddin, muhammad dzaky Angelica, Sherina Yosephine Annuranda, Ramansyah Eka Aulady, Fadhli Barlian Henryranu Prasetio Budi Darma Setiawan Candra Dewi Candra Dewi Chusnah Puteri Damayanti Dahnial Syauqy Dharmawan, Fakhriz Thoriqo Dian Eka Ratnawati Edy Santoso Eko Setiawan Eko Setiawan Elsa Nuramilus Shofia Endah Utik Wahyuningtyas Faizatul Amalia Fajar, Sanhnai Fathirul Fanani, Aulia Putri Firdaus, Muhammad Alifiansyah Firza Zamzani, Muhammad Fitra Abdurrachman Bachtiar Fitriyah, Hurriyatul Fran's Dwi Saputra Atmanagara Frans Agum Gumelar Gembong Edhi Setyawan Haqiqi, Farih Akmal Herlambang, Romario Yudo Hisdianton, Oktavian Hurriyatul Fitriyah, Hurriyatul Ichsan , Mochammad Hannats Hanafi Imam Cholissodin Indriati Indriati INTAN NIRMALASARI Irfan Muzakky Nurrizqy Iunike Kartika Dewi Karuniawan Susanto Khoirin Nisa Fitrianur Kurniawan, Rafi Athallah Kusuma, Aji Ranca Lailil Muflikhah Lilik Wahyuni Luthfi Anshori M. Ali Fauzi Mahar Beta Adi Sucipto, Ekmaldzaki Royhan Malik, Hifdzul Manoeroe, Gregorio Maryamah Maryamah Merry Gricelya Nababan Merry Gricelya Nababan, Merry Gricelya Meryandha, Afra Naima Mimin Putri Raharyani Moch. Maulana Alrizzaqi Muhammad Abduh Muhammad Adiputra Muhammad Najmi Ridhani Muzayyin, Asep Nata Dirana, Pratama Putra Niken Hendrakusma Wardani Ningsih Puji Rahayu Nurkhoyri, Ageng Nurrizqy, Irfan Muzakky Nurul Auliyah Pamungkas, Gilang Alif Pangestu Ari Wijaya Pardamean, Yohanes Pinandita, Eggi Pur Praminsya, Agam Pratama, Muhammad Naufal Rafi Pratomo Adinegoro Pricillia, Lidya Ruth Rakhmadhany Primananda, Rakhmadhany Rakhmadina Noviyanti Ramadhan, Wafdannur Ramadhani, Aryo Sheva Ramadhani, Roihaan Randi Pratama Nugraha Randy Cahya Wihandika Randy Cahya Wihandika Ridho Adi Febrian Rima Diah Wardhani Rizal Maulana, Rizal Rizqi Muh. Muqoffi Ashshidiqi Rosyidah, Dinda Inayatur Satria Dwi Nugraha Satrio Agung Wicaksono Sevtyan Eko Pambudi Siswanti Sukmawan, Sony - Supraptoa Supraptoa Sutopo Sutopo Sutrisno Sutrisno Syahwanto, Virandy Bagaskara Tegar Assyidiqi Nugroho Tibyani Tibyani Utaminingrum, Fitri Vienticentia Imanuwelita Widodo, Moudy Lestari Tulus Widyana, Kurnita Ruci Wijaya Kurniawan Yusi Tyroni Mursityo Yusuf Priyo Anggodo, Yusuf Priyo Zahra Swastika Putri Zarkasyi, Muhammad Rifky Irfan Zultoni Febriansyah