Article Per Year (5 Year)
p-Index From 2021 - 2026
4.325
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Rakhmadhany Primananda, Rakhmadhany
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Sistem Klasifikasi Sepeda Motor Berbasis Sinyal Beban Dinamis Menggunakan Metode Decision Tree pada Monitoring Parkir Satu Gerbang Yahya, Zidan; Primananda, Rakhmadhany; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan kapasitas parkir satu gerbang memerlukan klasifikasi objek agar sepeda motor dapat dibedakan dari objek non-motor yang melintasi area deteksi. Tanpa klasifikasi, objek non-motor berpotensi dihitung sebagai kendaraan sehingga informasi kapasitas menjadi tidak akurat. Penelitian ini merancang sistem klasifikasi sepeda motor berbasis sinyal beban dinamis menggunakan metode Decision Tree serta mengintegrasikannya dengan deteksi arah dan pembaruan kapasitas parkir. Sistem menggunakan ESP32-S3, empat sensor load cell half-bridge dengan modul HX711, dua sensor ultrasonik, komunikasi ESP-NOW, dan LED P10. Sebanyak 149 rekaman data dikumpulkan dari objek sepeda motor dan non-motor, kemudian dibagi menjadi 120 data pelatihan dan 29 data pengujian. Setelah validasi baseline, 113 data pelatihan digunakan untuk membentuk model. Pengolahan data meliputi penentuan threshold universal, perhitungan perubahan absolut terhadap baseline, segmentasi event, serta ekstraksi enam fitur statistik dan temporal, yaitu mean_delta_raw, max_delta_raw, variance_delta_raw, std_delta_raw, range_delta_raw, dan duration_ms. Model Decision Tree menghasilkan akurasi 96,55% pada data pengujian dan hanya menggunakan mean_delta_raw serta duration_ms, sehingga dapat diterapkan pada ESP32-S3 dalam bentuk percabangan if-else. Pembaruan kapasitas dilakukan berdasarkan hasil klasifikasi dan arah pergerakan objek. Pengujian waktu nyata sebanyak 110 percobaan menghasilkan akurasi klasifikasi 91,82%, deteksi arah 97,27%, dan perhitungan kapasitas 89,09%. Hasil tersebut menunjukkan bahwa sistem mampu mengklasifikasikan objek, menentukan arah pergerakan, memperbarui kapasitas parkir, dan menampilkan informasi kapasitas secara waktu nyata.
Implementasi Sistem Embedded Computer Vision dan Random Forest untuk Deteksi Kantuk Pengemudi Berdasarkan Analisis Wajah dan Posisi Kepala Robbani, Fahmi; Primananda, Rakhmadhany; Setiawan, Eko
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kantuk saat berkendara merupakan salah satu penyebab utama kecelakaan lalu lintas. Penelitian ini mengimplementasikan sistem deteksi kantuk pengemudi berbasis Random Forest pada perangkat embedded Raspberry Pi 4 Model B menggunakan pendekatan computer vision. Sistem memanfaatkan kamera USB beresolusi 2K untuk mengakuisisi citra wajah secara real-time dan mengekstraksi enam fitur, yaitu Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), Mouth-over-Eye (MoE), serta sudut yaw, pitch, dan roll menggunakan MediaPipe FaceMesh. Model dilatih menggunakan 17.915 sampel dengan GridSearchCV dan class_weight balanced, menghasilkan akurasi training 94,20% dan AUC-ROC 98,60%. Pengujian dilakukan pada enam skenario terhadap subjek tanpa kacamata dan berkacamata. Hasil implementasi pada perangkat embedded menunjukkan accuracy 75,00%, precision 66,67%, recall 100,00%, dan F1-score 80,00%, dengan rata-rata waktu respons 2,868 detik. Tingkat false alarm sebesar 50,00% dipengaruhi oleh tingginya nilai MoE saat menguap dan nilai roll yang ekstrem pada pengguna berkacamata. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi seluruh kondisi kantuk pada skenario pengujian dan berpotensi mendukung peningkatan keselamatan berkendara melalui pemantauan pengemudi secara real-time.
Implementasi Deteksi Kantuk Pada Aplikasi Mobile dengan MediaPipe Pada Variasi Pencahayaan yang Berbeda Budiman, Ibrahim; Utaminingrum, Fitri; Primananda, Rakhmadhany
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kantuk pada pengemudi merupakan salah satu faktor utama penyebab kecelakaan lalu lintas, sehingga diperlukan sistem deteksi kantuk yang andal pada berbagai kondisi pencahayaan. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi kantuk real-time berbasis aplikasi mobile menggunakan MediaPipe Face Mesh serta menganalisis pengaruh teknik peningkatan kualitas pencahayaan terhadap akurasi deteksi kantuk menggunakan fitur Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR). Teknik preprocessing yang digunakan meliputi Gamma Correction (GC), Histogram Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Brightness Preserving Dynamic Histogram Equalization (BPDHE). Preprocessing cahaya citra digunakan sebagai tahap awal untuk meningkatkan kontras fitur wajah sebelum ekstraksi fitur. Sistem mendeteksi kondisi kantuk berdasarkan nilai EAR dan MAR yang dihitung dari jarak titik landmark  pada wajah pengemudi. Pengujian dilakukan pada kondisi pencahayaan rendah (low-light), normal (normal-light), dan terang (bright-light) dengan skenario kantuk terkontrol. Hasil pengujian menunjukkan bahwa penerapan preprocessing citra dapat meningkatkan akurasi sistem deteksi kantuk dibandingkan tanpa preprocessing. Pada kondisi low-light, metode HE menghasilkan akurasi tertinggi sebesar 85,29%, pada kondisi normal-light, CLAHE memperoleh akurasi tertinggi sebesar 83,51%, serta pada kondisi bright-light, BPDHE menghasilkan akurasi tertinggi sebesar 84,54%. Hasil penelitian menunjukkan bahwa tidak terdapat satu metode preprocessing yang optimal untuk seluruh kondisi pencahayaan, melainkan efektivitas setiap metode bergantung pada kondisi pencahayaan yang dihadapi.
Co-Authors Agung Setia Budi, Agung Setia ALFATH, ANASHRULLAH FAIZAL Alghifary, Fahreza Abuzard Arya Sena Marga Mukti, Arya Sena Marga Atha, Mochamad Bagus Prabowo, Bayu Bahari, Angga Sukma Barlian Henryranu Prasetio Budiman, Ibrahim Dahnial Syauqy Darmawan, Puja Dzaki, Alvin Pradano Edhi Setyawan, Gembong Edita Rosana Widasari, Edita Rosana Eko Setiawan Fakhran Zainul Muttaqin, Muhammad fasya, fadhlan Firdaus, Muhammad Alifiansyah Gembong Edhi Setyawan Ghozi Mubarak, Fauzan Hazbiy Shaffan, Nur Hurriyatul Fitriyah, Hurriyatul Husnul Khatimi Jaliasmar, Rendy Putra Kasyful Amron Khaira Utami, Nesha Khairunnisa, Putri Khasan, Fathurrahman Hernanda Mahardeka Tri Ananta, Mahardeka Tri Mochammad Hannats Hanafi Ichsan Muhammad Alkaff Musyaffa' Munif, Hilmy Naviaddin, Arsal Wildan Nugraha Putra Mulyadi, Anang Rangga Prakoso, Aldo Hani Rafasati, Kitya Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Reza Andria Siregar Robbani, Fahmi Setia Budi, Agung Shaffan, Nur Hazbiy Sutomo Sutomo Syauqy , Dahnial Tohari, Fauzan Adzima Tri Ananta, Mahardeka Utaminingrum, Fitri Wahyudi, Mohammad Rizki Wibawa, Adytia Candra Wijaya Kurniawan Wijaya, Jason Yahya, Zidan Yudistira Wijaya, Dimas Yuslena Sari, Yuslena Zahra, Inez Bedwina Zain, Giservin Tifira Zainul Abidin