Article Per Year (5 Year)
p-Index From 2021 - 2026
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 
Implementasi Metode Gradient Descent untuk Peningkatan Kinerja Database pada Sistem Perekaman Kelelahan Mental Berbasis Sinyal Electroencephalography Saputra, Naufal Rijaldi; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian mengenai deteksi kelelahan mental melalui pengukuran fisiologis menggunakan sinyal Electroencephalography pernah dibahas pada penelitian yang dilakukan oleh Syifa’ Hukma Shabiyya pada tahun 2023. Namun, penelitian tersebut memiliki kekurangan ketika digunakan langsung oleh psikolog, terutama psikolog klinis. Hal ini disebabkan oleh ketidakmampuan sistem atau alat hasil penelitian sebelumnya dalam menyimpan riwayat perekaman sinyal. Oleh karena itu, penelitian ini mengusulkan sistem perekaman kelelahan mental dalam bentuk database untuk memungkinkan penyimpanan rekam medis pasien dan pengembangan dashboard sebagai alat visualisasi data yang memudahkan psikolog klinis menyimpan dan melihat kembali data pasien. Sistem yang diusulkan dapat mendeteksi kelelahan mental dan menyimpan data ke dalam database. Metode Gradient Descent diimplementasikan melalui proses self-tuning untuk mencari nilai optimum waktu eksekusi query saat menampilkan data ke dashboard. Hasil penelitian menunjukkan proses pengujian parameter akan memperkecil ukuran dari setiap parameternya agar database dapat berjalan dengan optimal dengan nilai parameter yang sesuai dan source yang digunakan tidak terlalu berlebihan sehingga kinerja dari database akan meningkat dan semua proses yang dieksekusi di database menjadi lebih efektif. Selain itu, Terdapat 4 nilai optimum parameter yang meminimalkan waktu query. Rata-rata waktu eksekusi query pada penelitian ini adalah 0,0063 detik dan terjadi peningkatan kinerja database sebesar 79% setelah metode Gradient Descent diimplementasikan. Berdasarkan kesimpulan, hasil penelitian menunjukkan efektivitas sistem dalam menyimpan data dan mengoptimalkan waktu eksekusi query dapat mendukung psikolog klinis dalam menyimpan rekam medis pasien di database.
Sistem Pendeteksi Kelelahan Otot pada Biceps Brachii Menggunakan Fitur Root Mean Square dan Klasifikasi Random Forest Nugraha, Aldia Agri; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kelelahan otot merupakan kondisi umum yang dapat terjadi saat seseorang melakukan aktivitas fisik yang intensif, terutama pada otot biceps brachii. Kelelahan otot dapat berpotensi menyebabkan masalah kesehatan dan mengurangi performa olahraga secara signifikan. Deteksi dini kelelahan otot menjadi krusial untuk mencegah dampak negatif ini, sehingga diperlukan penggunaan teknologi sensor otot untuk merekam sinyal electromyography (EMG) secara real-time. Penelitian ini mengembangkan sistem yang wearable dalam mendeteksi kelelahan otot pada biceps brachii dengan mengusulkan metode ekstraksi fitur Root Mean Square (RMS) dan klasifikasi menggunakan algoritma Random Forest. Sinyal EMG direkam menggunakan Myoware 2.0 Muscle Sensor selama subjek melakukan angkat beban. Data sinyal kemudian diolah dengan ekstraksi fitur RMS untuk mengevaluasi kelelahan otot. Algoritma Random Forest digunakan untuk mengklasifikasikan kondisi kelelahan berdasarkan ekstraksi fitur RMS. Hasil penelitian menunjukkan bahwa Myoware 2.0 Muscle Sensor mampu merekam sinyal EMG secara akurat dalam rentang amplitudo yang relevan. Sistem yang dikembangkan mencapai akurasi sebesar 91,43% dalam mendeteksi kelelahan otot biceps brachii. Waktu komputasi rata-rata yang dibutuhkan sistem adalah 1,026512 detik, menunjukkan efisiensi dalam pengolahan data secara real-time. Secara keseluruhan, sistem berfungsi dengan baik dalam mendeteksi kelelahan otot pada biceps brachii, baik dari segi perangkat keras maupun perangkat lunaknya, mencapai tingkat keberhasilan 100% sesuai dengan fungsionalitas yang diharapkan.
Pengembangan Wearable Device Untuk Deteksi Postur Duduk Manusia Berbasis Data Sensor MPU6050 Menggunakan Metode Support Vector Machine Kurnia, Yudisthira Dwi; Syauqy, Dahnial; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Manusia era modern cenderung melakukan laptop, smartphone dan komputer untuk mengerjakanpekerjaannya. Penggunaan komputer saat ini sudah banyak dan menyebar luas dikalangan masyarakatkarena kemampuannya dalam mengerjakan tugas-tugas manusia. Memiliki postur duduk yang baik tentumemiliki dampak positif dalam menjaga kesehatan tulang belakang, namun masih banyak juga yangmengabaikannya. Dengan semakin majunya perkembangan teknologi, penerapan sistem wearable device yang di desain pada sebuah rompi untuk dapat memberikan peringatan terkait postur duduk pengguna yang bersifat portabel sehingga dapat dikenakan dimana saja. Penerapan sistem menggunakan dua buah sensor MPU6050 untuk melihat nilai-nilai yang dihasilkan oleh akselerometer dan giroskop yang terintegrasi ke dalam mikrokontroler ESP32 dengan metode Support Vector Machine (SVM) untuk melakukan klasifikasi atau prediksi, sistem mendapatkan hasil akurasi sebesar 100% pada pelatihan model serta keseluruhan sistemnya. Sistem yang dirancang memiliki waktu komputasi yang baik yaitu selama 0,127 s untuk pelatihan model dan 111,1 ms untuk memprediksi postur menggunakan sistem wearable device. Sistem yang dikembangkan juga menggunakan output berupa peringatan bunyi buzzer yang apabila postur duduk pengguna terdeteksi postur yang membungkuk.
Pengembangan Wearable Device Untuk Deteksi Postur Duduk Manusia Berbasis Data Sensor MPU6050 Menggunakan Metode Support Vector Machine Kurnia, Yudisthira Dwi; Syauqy, Dahnial; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 8 (2024): Agustus 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Manusia era modern cenderung melakukan laptop, smartphone dan komputer untuk mengerjakan pekerjaannya. Penggunaan komputer saat ini sudah banyak dan menyebar luas dikalangan masyarakat karena kemampuannya dalam mengerjakan tugas-tugas manusia. Memiliki postur duduk yang baik tentu memiliki dampak positif dalam menjaga kesehatan tulang belakang, namun masih banyak juga yang mengabaikannya. Dengan semakin majunya perkembangan teknologi, penerapan sistem wearable device yang di desain pada sebuah rompi untuk dapat memberikan peringatan terkait postur duduk pengguna yang bersifat portabel sehingga dapat dikenakan dimana saja. Penerapan sistem menggunakan dua buah sensor MPU6050 untuk melihat nilai-nilai yang dihasilkan oleh akselerometer dan giroskop yang terintegrasi ke dalam mikrokontroler ESP32 dengan metode Support Vector Machine (SVM) untuk melakukan klasifikasi atau prediksi, sistem mendapatkan hasil akurasi sebesar 100% pada pelatihan model serta keseluruhan sistemnya. Sistem yang dirancang memiliki waktu komputasi yang baik yaitu selama 0,127 s untuk pelatihan model dan 111,1 ms untuk memprediksi postur menggunakan sistem wearable device. Sistem yang dikembangkan juga menggunakan output berupa peringatan bunyi buzzer yang apabila postur duduk pengguna terdeteksi postur yang membungkuk.
Sistem Monitoring Volitional Fatigue Menggunakan Metode Random Forest dengan Fitur Root Mean Square dan Integrated Electromyogram Audrian, Nathaniel; 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 ini akan diterbitkan pada SIET 2024
Comparing feature usage in IMU-based gesture control for omnidirectional robot via wearable glove Syauqy, Dahnial; Setiawan, Eko; Widasari, Edita Rosana
International Journal of Reconfigurable and Embedded Systems (IJRES) Vol 13, No 3: November 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijres.v13.i3.pp542-551

Abstract

To improve the intuitiveness of maneuver control on omniwheeled mobile robot, many hand gesture-based robot controls have been developed. The focus of this research is to develop a wearable system for data acquisition from inertial measurement unit (IMU) sensors and compare its features to be used as gesture recognition using the random forest algorithm. With the need of resource constrained device for wearable system based on microcontrollers, we compared the use of Euler and quaternion-based orientation data as input features. As additional comparison, dimension reduction was also carried out using the principal component analysis (PCA) method. Hand gestures are recognized using data obtained by the IMU sensor embedded in the wearable glove. This study compared the accuracy and size of library files embedded in microcontrollers in several feature usage scenarios. The test evaluation results of all scenarios show that the use of all features provides a balance between high accuracy but small file sizes, respectively 99% and 9.2 KB. However, the use of other fewer features, such as by only using 3 Euler data, 4 quaternion data, or by using PCA algorithm (PC=3) can also be used since the accuracy is still above 90%, with a relatively larger file size.
Analisis Estimasi Tarikan Gerakan Terhadap Gerakan Mengenggam Berbagai Objek Pada Prostetik Tangan Bionik Menggunakan Regresi Linier Palwa Luktagara, Abim Renara; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kurangnya akses dalam memperoleh prostetik menjadi hal yang belum juga terselesaikan hingga saat ini. Padahal angka penderita amputasi yang memerlukan prostetik sudah mencapai sepuluh juta jiwa di dunia. Berbagai pengembangan dilakukan untuk menciptakan prostetik low cost in production and High Accessibility. Sudah ada penelitian serupa dengan judul “Implementasi DBVR untuk mengoptimalkan pergerakan lengan prostetik lengan bionik” pada tahun 2023 namun masih dalam pengembangan awal. Diantara kekurangan salah satunya adalah keterbatasan dalam gerakan menggenggam yang hanya menutup sempurna saja. Hal ini menjadi masalah saat berinteraksi dengan objek. Sehingga tujuan dari penelitian ini adalah menyelesaikan permasalahan tersebut. Proses penyelesaian dimulai dengan mengukur pembacaan sinyal EMG dari fase menggenggam. Hasil pembacaan sinyal tersebut kemudian dihubungkan dengan panjang tarikan pergerakan lengan bionik yang memiliki fase sama menggunakan Regresi Linier. Hasil menunjukkan korelasi yang kuat antara tarikan gerakan menggenggam setiap jari dan pembacaan sinyal EMG dengan rerata Nilai Koefisien Korelasi Pearson (r) = 0.9221635716. Pengujian tahap penerapan menyatakan bahwa akurasi implementasi hanya sebesar 30%, meski begitu penggunaan Regresi Linier untuk estimasi tarikan gerakan menggenggam sangat membantu dalam menyesuaikan bentuk genggaman. 
Implementasi Metode Pan-Tompkins pada Treadmill Stress Test untuk Deteksi Gangguan Irama Jantung Menggunakan Shimmer Electrocardiogram Hanafi, Muhammad Imam; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit jantung adalah penyebab utama kematian di Indonesia, dengan 12,9% kematian terkait penyakit ini. Peningkatan prevalensi penyakit jantung dipengaruhi oleh pola hidup tidak sehat, tekanan darah tinggi, kolesterol tinggi, dan diabetes. Aritmia, gangguan pada frekuensi detak jantung, sering terjadi pada pasien penyakit jantung. Pemantauan jantung melalui elektrokardiografi (EKG) sangat penting untuk diagnosis aritmia. Treadmill stress test adalah metode umum di rumah sakit untuk memantau detak jantung selama aktivitas fisik. Namun, tes ini mahal dan memerlukan kunjungan ke rumah sakit, yang mengurangi efisiensi dan waktu. Penelitian ini mengusulkan penggunaan metode Pan-Tompkins pada treadmill stress test untuk deteksi aritmia menggunakan shimmer electrocardiogram sebagai alternatif yang lebih terjangkau dan efisien. Metode ini sesuai dengan standar operasional prosedur di rumah sakit. Sinyal EKG dari shimmer diproses menggunakan algoritma Pan-Tompkins untuk deteksi detak jantung secara real-time. Hasil uji menunjukkan akurasi deteksi puncak R rata-rata 89,15%, akurasi heart rate 88,60%, waktu komputasi rata-rata 0,44 detik, dan rata-rata penggunaan memori 0,86 MB. Evaluasi ini menunjukkan bahwa sistem ini dapat menjadi alternatif treadmill stress test yang lebih low cost dan efisien, serta meningkatkan aksesibilitas pemantauan detak jantung untuk pasien.
Sistem Deteksi Stres Menggunakan Metode Support Vector Machine dengan Fitur RMSSD dan pNN50 Prakoso, Raihan; Widasari, Edita Rosana; Nurfarida, Ika
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 pada JTIIK.
Implementasi Fuzzy Mamdani Untuk Mengoptimalkan Gerakan Jari Pada Lengan Prostetik Bionik Ksatria, Fatih Raka; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang disabilitas, terutama mereka yang kehilangan fungsi lengan, sering menghadapi kesulitan dalam kehidupan sehari-hari. Di Indonesia, dengan jumlah penyandang disabilitas mencapai 22,97 juta jiwa, pengembangan lengan prostetik bionik menjadi solusi untuk mengembalikan sebagian fungsi lengan. Penelitian yang dilakukan oleh Simbolon pada tahun 2024 menggunakan sensor MyoWare dan metode Decision Based Velocity Ramp untuk mengoptimalkan gerakan lengan prostetik. Namun, penelitian ini memiliki keterbatasan, seperti mobilitas yang terbatas akibat koneksi kabel dan pergerakan lengan yang kaku. Penelitian ini bertujuan mengatasi masalah tersebut dengan menggunakan sensor wearable OYMotion gForce200 Gesture Armband dan mengimplementasikan Fuzzy Logic untuk menghasilkan gerakan yang lebih alami. Hasil pengujian menunjukkan tingkat kesesuaian hasil pembacaan sensor EMG adalah selalu sesuai, dengan rentang sinyal 0-3,3 volt. Implementasi fuzzy logic berhasil mengatur kecepatan servo secara dinamis, menghasilkan pergerakan yang halus dan alami. Selain itu, tingkat keberhasilan koreksi sudut akhir servo meningkat dari 0% tanpa fuzzy logic menjadi rata-rata 47% setelah implementasi fuzzy logic. Temuan ini menunjukkan bahwa penggunaan fuzzy logic dan sensor OYMotion gForce200 Gesture Armband meningkatkan kenyamanan dan kinerja lengan prostetik bionik.
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