Article Per Year (5 Year)
p-Index From 2020 - 2025
4.488
P-Index
This Author published in this journals
All Journal International Journal of Reconfigurable and Embedded Systems (IJRES) Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat)
Edita Rosana Widasari, Edita Rosana
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Public Health Social Sciences

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Comparative Analysis of Machine Learning Techniques for Hand Movement Prediction Using Electromyographic Signals adani, M. Syakhisk N.; Widasari, Edita Rosana; Setiawan, Eko
Journal of Information Technology and Computer Science Vol. 9 No. 1: April 2024
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.202491577

Abstract

The analysis of electromyography (EMG) signals plays a vital role in diverse applications such as medical diagnostics and prosthetic device control. This study focuses on evaluating machine learning methods for EMG signal analysis, specifically in predicting hand movements and controlling prosthetic hands. In contrast to many existing studies that solely employ a limited set of feature extraction methods, we employ a comprehensive comparison technique that encompasses nine machine learning techniques K-Nearest Neighbor (KNN) , State Vector Machine (SVM ) , Decision Tree, Random Forest, Linear Discriminant Analysis (LDA), XGBoost, Naïve Bayes, Gradient Boosting, and Quadratic Discriminant Analysis (QDA)  and five combination of feature extraction methods (Mean Absolute Value (MAV), Root Mean Square (RMS), Waveform Length, Willison Amplitude, and Skewness). The experimental results demonstrate promising accuracy levels, with the best result method being KNN achieving 96.66% accuracy, SVM achieving 95.83% accuracy, and RF achieving 92.5% accuracy. These findings contribute to advancing the understanding of effective machine learning approaches for EMG signal analysis and provide valuable insights for guiding future research in this field. The study also compares the results with previous studies and showcases the effectiveness of the proposed approach.
Analisis Perbandingan Metode Ekstraksi Fitur Mean Absolute Value, Root Mean Square, dan Variance untuk Deteksi Kelelahan Otot Biceps Brachii Daffa, Ali Zhafran; Widasari, Edita Rosana; Syauqy, Dahnial
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 7 (2023): Juli 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Otot berperan penting dalam berbagai aktivitas manusia seperti bekerja, berolahraga, belajar, bahkan saat tidur. Namun, olahraga berlebihan pada otot biceps brachii bisa menyebabkan kelelahan, cedera, bahkan kerusakan otot. Untuk deteksi kelelahan otot, peneliti menggunakan electromyography (EMG) dengan ekstraksi fitur Mean Absolute Value, Root Mean Square, dan Variance. Lalu menganalisisnya menggunakan metode T-Test untuk membandingkan hasil dari ketiga ekstraksi fitur. Ketiga fitur ini berhasil deteksi kelelahan otot dengan baik. Mean Absolute Value memiliki T-Hitung 4,941687744 > T-Tabel 1,671552762, dan P-Value 0,0000035 < 0,05. Root Mean Square memiliki T-Hitung 4,839272502 > T-Tabel 1,671552762, dan P-Value 0,0000050 < 0,05. Lalu Variance memiliki T-Hitung 4,137935321 > T-Tabel 1,671552762, dan P-Value 0,0000574 < 0,05. Ketiganya memenuhi standar uji hipotesis yaitu T-Hitung > T-Tabel, dan P-Value < 0,05. Sehingga membuktikan adanya perbedaan nilai yang signifikan antara nilai waktu normal dengan waktu lelah. Sementara itu untuk waktu komputasi dan penggunaan memori paling baik adalah Root Mean Square dengan waktu komputasi 0,452 s dan penggunaan memori sebanyak 2477 MB.
Analisis Perbandingan Performa Algoritma Pendeteksi Puncak R pada Realtime Akuisisi Sinyal Electrocardiography berbasis Shimmer Dewa, Muklas Isa; Widasari, Edita Rosana; Fitriyah, Hurriyatul
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 1 (2024): Januari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Salah satu fitur pada sinyal electrocardiography (ECG) yang bisa memberikan data klinis tentang jantung adalah titik puncak R. Identifikasi titik puncak R memungkinkan pengambilan informasi penting seperti variabilitas denyut jantung. Sensor ECG yang biasa dipakai adalah AD8232, sensor tersebut membutuhkan kondisi dimana pasien harus dalam keadaan berbaring dan keadaan yang tenang untuk memperoleh data pengukuran secara konsisten. Serta sensor tersebut tidak wearable, maka dibutuhkan alat yang wearable seperti shimmer. Penelitian ini dilaksanakan dengan tujuan menilai serta membandingkan performa tiga algoritme deteksi titik puncak R yaitu Adaptive Threshold (AT), Pan-Tompkins (PT), dan Stationary Wavelet Transform (SWT). Rata-rata persentase hasil uji akurasi dari ketiga algoritme yaitu AT, PT, dan SWT berturut-turut adalah sebesar 95.71%, 97.14%, dan 91.17%. Untuk waktu komputasi, algoritme AT, PT, dan SWT berturut-turut memerlukan waktu 0.03 s, 0.73 s, dan 0.23 s. Untuk besar penggunaan memori dari ketiga algoritme AT, PT, dan SWT masing-masing memerlukan memori sebesar 6.38 MB, 207.08 MB, dan 93.86 MB. Dari hasil tersebut dapat disimpulkan bahwa PT memiliki akurasi yang paling tinggi dibandingkan dua algoritme lainnya. Namun, untuk waktu komputasi dan penggunaan memori algoritme AT memiliki waktu tercepat dan memerlukan memori kecil dibandingkan dua algoritme lainnya.
Analisis Perbandingan Filter Moving Average, Wavelet Transform, serta Hybrid Moving Average dan Wavelet Transform pada Real-time Sinyal Elektrokardiografi berbasis Shimmer Fahrizal, Muhammad; Widasari, Edita Rosana; Fitriyah, Hurriyatul
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

Sinyal Elektrokardiogram (EKG) yang diperoleh dari sensor sering kali terpengaruh oleh noise yang signifikan. Keberhasilan dalam memproses sinyal EKG tidak hanya bergantung pada perangkat pembaca sinyal, tetapi juga pada filter yang dapat secara efisien mengeliminasi noise pada sinyal tersebut. Oleh karena itu, penelitian ini menggunakan Shimmer ECG dan penerapan filter digital untuk mengeliminasi noise. Penelitian ini bertujuan untuk mengetahui filter mana yang dapat mengeliminasi noise hasil bacaan Shimmer secara real-time. Filter yang diujikan adalah filter Moving Average(MA), Wavelet Transform, Serta Hybrid Moving Average dan Wavelet Transform. Pengujian dilakukan dengan menentukan filter yang dapat mengeliminasi noise dengan baik, serta juga mempertimbangkan waktu komputasi dan penggunaan memorinya. Hasil pengujian menunjukkan bahwa filter Wavelet Transform serta hybrid moving average dan Wavelet Transform menghasilkan sinyal yang jernih dibandingkan dengan filter MA. Sedangkan untuk waktu komputasi, Wavelet Transform menunjukkan hasil paling cepat dengan rata-rata 0.49s, sedangkan MA 0.059s dan hybrid MA dan Wavelet Transform 0,107s. Penggunaan memori juga menunjukkan bahwa Wavelet Transform menggunakan memori yang kecil yaitu 0.054 byte. Sedangkan untuk filter lain adalah 0.111 byte untuk hybrid MA dan Wavelet Transform dan 0.06 byte untuk filter MA.
Analisis Perbandingan Fitur Waveform Length, Mean Absolute Value, dan Variance pada Sistem Pengenalan Pergerakan Prostetik Tangan Bionik Aji, Eko Prastowo; Widasari, Edita Rosana
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 jumlah orang yang kehilangan tangan akibat kecelakaan dan penyakit, terutama di negara-negara berkembang seperti Indonesia, menciptakan hambatan besar karena biaya mahal untuk mendapatkan prostetik tangan. Menurut laporan "Disability" tahun 2022 dari Badan Pusat Statistik Indonesia, sekitar 240.000 orang memerlukan prostetik tangan untuk menggerakkan tangan. Kondisi ini berdampak negatif pada kualitas hidup dan kesejahteraan psikologis mereka. Pengembangan prostetik tangan bionik bawah siku yang terjangkau menjadi solusi potensial, meskipun tantangan utama melibatkan konsistensi respons sistem dan keterbatasan gerakan. Oleh karena itu, Penelitian ini mengeksplorasi pendekatan ekstraksi fitur, terutama Mean Absolute Value (MAV), Waveform Length (WL), dan Variance (VAR), untuk meningkatkan akurasi dan variasi gerakan dalam pengenalan gerakan otot lengan bawah pada prostetik tangan bionik. Hasil pengujian terhadap 8 gerakan menunjukkan bahwa pengukuran sensor EMG Myoware akurat, dan ekstraksi fitur MAV terbukti paling efektif dalam mengklasifikasikan sinyal EMG. Analisis statistik Independent Sample T-Test menunjukkan superioritas MAV terhadap WL dan VAR dalam membedakan gerakan. Meskipun perbedaan waktu komputasi dan penggunaan memori tidak signifikan, MAV tetap menjadi pilihan terbaik. Penelitian ini memberikan panduan dalam memilih fitur ekstraksi optimal untuk meningkatkan akurasi dan konsistensi sistem prostetik tangan bionik, berpotensi berkontribusi pada pengembangan yang lebih efisien dan terjangkau serta peningkatan kualitas hidup penyandang disabilitas.
Implementasi Adaptive Neuro-Fuzzy Inference System pada Sistem Deteksi Kelelahan Mental berbasis Sinyal Electroencephalogram Santoso, Teguh Surya Darma; Widasari, Edita Rosana
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 diterbitkan di JTIIK (Jurnal Teknologi Informasi dan Ilmu Komputer)
Implementasi Decision Based Velocity Ramp untuk Mengoptimalkan Gerakan Lengan Prostetik Bionik Simbolon, Gabriel Hizkia Marhata; Widasari, Edita Rosana
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 diterbitkan di JTIIK (Jurnal Teknologi Informasi dan Ilmu Komputer)
Implementasi Metode K-Nearest Neighbor pada Sistem Deteksi Kelelahan Mental berbasis Sinyal Electroencephalogram Giffary, Muhammad Zufar; Widasari, Edita Rosana
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

Kelelahan mental dapat dialami individu dari berbagai latar belakang pekerjaan, baik pelajar maupun pekerja. Kelelahan mental dapat berdampak negatif terhadap individu, salah satunya menjadi penyebab terjadinya kecelakaan lalu lintas. Menurut Victorian Transport Resources, sekitar 10-40% kecelakaan lalu lintas di Australia disebabkan kelelahan mental yang dialami pengemudi. Deteksi kelelahan mental dapat dilakukan dengan tes psikologis dan fisiologis, namun penggunaan tes psikologis membutuhkan waktu untuk melakukan deteksi karena pada prosesnya membutuhkan lebih dari satu jenis kuesioner psikometri yang digunakan, serta data yang dihasilkan bersifat subjektif. Deteksi kelelahan mental dengan tes fisiologis dapat menjadi validator tambahan untuk mendukung data hasil tes psikologis dan mengurangi waktu deteksinya, salah satu tes fisiolgis ialah pengukuran sinyal electroencephalogram menggunakan teknik Electroencephalography. Penelitian ini membahas pengembangan sistem deteksi kelelahan mental berbasis sinyal electroencephalogram dengan gelombang Theta (4-8Hz) yang mengimplementasikan metode K-Nearest Neighbor. Penelitian ini mengklasifikasi tingkat kelelahan mental ke dalam kelas Alert, Slight, dan Severe. Hasil pengujian mendapatkan akurasi 83,33% dengan rata-rata waktu komputasi 0,5656 detik. Klasifikasi kelelahan mental ditampilkan pada (graphical user intercace) GUI MATLAB. Sistem ini diharapkan mampu mengukur tingkat kelelahan mental melalui tiga kelas klasifikasi dan menjadi validator tambahan yang membantu psikolog.
Analisis Perbandingan Filter Eksponensial, Bandpass, dan Butterworth pada Sistem Pengenalan Pergerakan Prostetik Tangan Bionik Azizy, Faqih; Widasari, Edita Rosana
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

Salah satu langkah kunci dalam pengembangan lengan prostetik EMG adalah pemrosesan sinyal yang efektif untuk mengisolasi dan menginterpretasikan sinyal EMG yang diterima. Filter adalah salah satu komponen penting dalam proses pengolahan sinyal, karena filter membantu dalam menghilangkan noise dan interferensi serta mengisolasi komponen frekuensi yang berkaitan dengan gerakan otot. Penelitian ini mengeksplorasi perbandingan performa tiga jenis filter pada sistem pengenalan pergerakan prostetik tangan bionik yaitu filter eksponensial, bandpass, dan butterworth. Tiga jenis filter tersebut akan diuji dengan 5 subjek pengujian. Hasil pengujian menunjukkan bahwa filter butterworth adalah filter yang paling efektif untuk mengurangi noise dan interferensi. Tapi, filter eksponensial lebih baik dalam pengujian performa. Filter eksponensial lebih cepat dan lebih optimal dalam penggunaan memori dengan kecepatan rata-rata 1.172 detik untuk melakukan sebuah proses filtrasi pada 200 data. Sedangkan dalam penggunaan memori, filter eksonensial hanya menggunakan 1.442% dari penggunaan memori FLASH. Dari hasil pengujian tersebut dapat disimpulkan bahwa penggunaan filter tergantung pada keperluan dari filter yang akan digunakan. Jika ingin menggunakan filter yang andal untuk mengurangi noise dan interferensi, maka filter butterworth adalah pilihannya. Tapi jika filter yang ingin digunakan adalah filter yang memiliki performa yang baik dari waktu filtrasi dan keoptimalan penggunaan memori, maka filter eksponensial menjadi pilihannya.
Sistem Wearable untuk Training One Arm Overhead Triceps Extension menggunakan Modul MPU6050 dengan Metode Random Forest Yunus, Ahmad Haykal; Syauqy, Dahnial; Widasari, Edita Rosana
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

Olahraga memberikan manfaat bagi tubuh manusia, namun dapat berdampak negatif jika tidak dilakukan dengan benar. Salah satu olahraga bermanfaat, tetapi berpotensi merugikan jika tidak dilakukan dengan benar, adalah angkat beban. Angkat beban memiliki risiko, terutama bagi pemula tanpa bimbingan langsung. Dalam hal ini, penelitian fokus pada latihan one arm overhead triceps extension, yang sering dilakukan oleh pemula. Kelebihan gerakan ini adalah kemudahan akses karena hanya memerlukan dumbbell, memungkinkan pelaksanaannya di berbagai tempat. Dengan kemajuan teknologi, kesalahan dalam olahraga angkat beban dapat dihindari dengan menggunakan perangkat wearable. Penelitian ini mengembangkan sistem untuk mengklasifikasikan gerakan one arm overhead triceps extension dengan modul MPU6050 dan metode random forest, mencapai akurasi 83% dari 30 pengujian. Komunikasi data dilakukan menggunakan mikrokontroller ESP32 dengan tingkat keberhasilan 100%. Sistem juga mencapai rata-rata waktu komputasi 1,47 ms, menunjukkan kecepatan komputasi yang kritis untuk pengklasifikasian gerakan pengguna.
Co-Authors adani, M. Syakhisk N. Agung Setia Budi, Agung Setia Aji, Eko Prastowo Audrian, Nathaniel Azizy, Faqih Barlian Henryranu Prasetio Chatarina Umbul Wahyuni Daffa, Ali Zhafran Dahnial Syauqy Daniswara, Muhammad Ananta Dewa, Muklas Isa Eko Setiawan Fabiana, Ryzaldi Ananda Gabriel Hizkia Marhata Simbolon Ghifari, Achmad Giffary, Muhammad Zufar Hakim, Muhammad Ilham Hanafi, Muhammad Imam Hanifa Maulani Ramadhan Hurriyatul Fitriyah, Hurriyatul IKA NURFARIDA Ksatria, Fatih Raka Kurnia, Yudisthira Dwi Muhammad Fahrizal, Muhammad Musharrif, Mohammad Faiz Nugraha, Aldia Agri Palwa Luktagara, Abim Renara Perkasa, Septiyo Budi Prakoso, Raihan Prasetyo, Ragil Hadi Ratanasari, Dittha Rizal Maulana, Rizal Santoso, Teguh Surya Darma Saputra, Naufal Rijaldi Simbolon, Gabriel Hizkia Marhata Surya Darma Santoso, Teguh Syahrul Chilmi, Syahrul syauqi Toar, Mikhael Ryan Yunus, Ahmad Haykal