Article Per Year (5 Year)
p-Index From 2021 - 2026
17.544
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal INKOM TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal technoscientia Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control IJID (International Journal on Informatics for Development) Indonesian Journal of Electrical Engineering and Computer Science JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Teknik Informatika (JUTIF) Mechanical Engineering for Society and Industry Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Transportation

Published : 206 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 206 Documents
Search

 17   18   19   20   21 
Perbandingan Performa Sistem Deteksi Kantuk Berbasis Fitur Geometri Wajah dengan dan tanpa CLAHE pada Berbagai Smartphone Android Herdikaputra, Daffa Aprilian; Utaminingrum, Fitri; Wihandika, Randy Cahya
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kondisi kantuk saat berkendara dapat menurunkan kewaspadaan dan meningkatkan risiko kecelakaan. Penelitian ini membandingkan performa sistem deteksi kantuk berbasis fitur geometri wajah dengan dan tanpa Contrast Limited Adaptive Histogram Equalization (CLAHE) pada smartphone Android. Sistem menggunakan Eye Aspect Ratio (EAR) untuk mendeteksi kondisi mata dan Mouth Aspect Ratio (MAR) untuk mendeteksi aktivitas menguap. Pengujian dilakukan pada tiga smartphone Android yang merepresentasikan perangkat spesifikasi rendah, sedang, dan tinggi. Evaluasi mencakup akurasi pada tiga kondisi pencahayaan, FPS, latensi, penggunaan CPU dan RAM yang dianalisis menggunakan rata rata dan deviasi standar, serta perubahan suhu perangkat selama 30 menit. Hasil menunjukkan bahwa CLAHE tidak selalu meningkatkan akurasi. Pada kondisi redup, CLAHE meningkatkan akurasi perangkat spesifikasi sedang sebesar 4,16% dan perangkat spesifikasi tinggi sebesar 2,09%, sedangkan perangkat spesifikasi rendah lebih baik tanpa CLAHE. Penggunaan CLAHE menurunkan FPS dan meningkatkan latensi pada seluruh perangkat, dengan dampak terbesar pada perangkat spesifikasi rendah, yaitu FPS menurun sebesar 10,44 FPS dan latensi meningkat sebesar 113,40 ms. Rata-rata penggunaan RAM tertinggi sebesar 250,27 MB terjadi pada perangkat spesifikasi tinggi dengan CLAHE, sedangkan perubahan suhu tertinggi sebesar 12,2°C terjadi pada perangkat spesifikasi sedang. Hasil ini menunjukkan trade-off antara peningkatan akurasi pada kondisi tertentu dan peningkatan beban pemrosesan.
Implementasi Sistem Human Following Menggunakan YOLOv12n untuk Deteksi dan DeepSORT untuk Tracking pada Perangkat Mobile `Ilmi, Aqna; Fitri Utaminingrum
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang tunanetra menghadapi berbagai tantangan dalam mempertahankan orientasi dan mengikuti pergerakan pemandu saat melakukan mobilitas di lingkungan yang dinamis. Sebagian besar teknologi bantu yang tersedia saat ini masih berfokus pada deteksi rintangan dan belum mampu mendukung kebutuhan human following secara nirkontak. Penelitian ini bertujuan mengimplementasikan sistem human following berbasis deteksi YOLOv12n dan pelacakan DeepSORT pada perangkat mobile untuk mendukung navigasi penyandang tunanetra. Sistem dikembangkan pada platform Android dengan mengintegrasikan model YOLOv12n sebagai pendeteksi objek, algoritma DeepSORT sebagai pelacak identitas target, mekanisme Target Rescue Gate untuk memulihkan target saat terjadi occlusion, optimasi frame skipping guna meningkatkan efisiensi komputasi, serta keluaran instruksi navigasi berbasis Text-to-Speech (TTS). Evaluasi dilakukan terhadap performa deteksi dan pelacakan, efisiensi model, kinerja pada perangkat mobile, serta akurasi informasi suara. Hasil pengujian menunjukkan bahwa model YOLOv12n memperoleh Mean Intersection over Union (Mean IoU) sebesar 0,8350 dan Success Rate sebesar 86,62% pada pengujian dataset. Pada pengujian lapangan, sistem mampu mempertahankan keberhasilan pelacakan sebesar 100%, 75%, 70%, dan 65% pada skenario dengan 1 orang, 2 orang, 3 orang, dan lebih dari 3 orang secara berturut-turut. Evaluasi efisiensi menunjukkan bahwa YOLOv12n memiliki Indeks Efisiensi tertinggi sebesar 0,971413 dibandingkan model pembanding, sedangkan pengujian keluaran suara menghasilkan tingkat akurasi sebesar 100% pada 549 frame pengujian. Hasil penelitian menunjukkan bahwa integrasi YOLOv12n dan DeepSORT mampu menghasilkan sistem human following yang akurat, efisien, dan andal untuk diimplementasikan pada perangkat mobile sebagai teknologi bantu navigasi bagi penyandang tunanetra.
KLASIFIKASI KEPARAHAN PENYAKIT IKAN LELE BERBASIS MOBILE MENGGUNAKAN MOBILENETV4-MODUL ATTENTION DAN PENGKLASIFIKASI MACHINE LEARNING Sihite, Chandra Ferdinan; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penilaian tingkat keparahan penyakit ikan lele (Clarias gariepinus) di lapangan masih dilakukan secara manual melalui observasi visual oleh pembudidaya, sehingga bersifat subjektif dan rentan terhadap keterlambatan diagnosis. Penelitian ini mengembangkan sistem klasifikasi tingkat keparahan penyakit ikan lele ke dalam tiga kategori, yaitu sehat, sakit sedang, dan sakit parah, berbasis citra digital dengan pendekatan hybrid, memadukan MobileNetV4-Conv-Small sebagai ekstraktor fitur dengan algoritma machine learning sebagai pengklasifikasi. Untuk menguji pengaruh mekanisme penajaman fitur, dibandingkan tiga varian ekstraktor, yaitu baseline tanpa modul attention, dengan modul Squeeze-and-Excitation (SE), dan dengan Convolutional Block Attention Module (CBAM), yang masing-masing dipasangkan dengan tiga pengklasifikasi (SVM, XGBoost, Random Forest) pada kondisi data tidak seimbang dan seimbang. Hasil pengujian pada 942 citra tervalidasi menunjukkan kombinasi baseline dengan SVM pada kondisi data seimbang memperoleh nilai efisiensi tertinggi (0,953) sekaligus performa klasifikasi terbaik (F1-score makro 0,913) di antara seluruh kombinasi yang diuji. Penambahan modul attention memberikan pengaruh tidak konsisten terhadap performa, meningkatkan hasil pada beberapa pengklasifikasi namun tidak pada SVM. Model terbaik selanjutnya dikonversi ke format ONNX dan diimplementasikan pada aplikasi Android, terbukti mampu melakukan inferensi secara lokal dengan latensi rendah (86,7% akurasi, 39,0 ms) yang konsisten dengan hasil pengujian pada tahap eksperimen.
Klasifikasi Jenis Kelamin Telur Ayam Berbasis Citra Menggunakan EfficientNet-Lite dan Machine Learning pada Aplikasi Mobile Android Andhika, Maulana; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Industri perunggasan merupakan sektor strategis dalam penyediaan protein hewani, namun penentuan jenis kelamin ayam secara konvensional melalui vent sexing dan feather sexing baru dapat dilakukan setelah telur menetas, membutuhkan tenaga ahli, dan rentan terhadap kesalahan, sedangkan pengujian genetik berbiaya mahal. Penelitian ini mengembangkan sistem klasifikasi jenis kelamin telur ayam secara non-invasif berbasis citra digital menggunakan EfficientNet-Lite sebagai metode ekstraksi fitur yang dikombinasikan dengan algoritma machine learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Decision Tree, Random Forest, dan XGBoost. Kinerja sistem dievaluasi menggunakan confusion matrix yang meliputi accuracy, precision, recall, dan F1-score serta nilai efisiensi, kemudian model terbaik diimplementasikan pada aplikasi mobile Android. Hasil pengujian menunjukkan kombinasi EfficientNet-Lite0 dengan Random Forest memperoleh akurasi tertinggi 67,57% dengan F1-score 67,42%. Setelah diimplementasikan, sistem mengklasifikasikan 10 dari 16 citra uji dengan benar (akurasi 62,50%), dengan selisih hanya 5,07% terhadap pengujian tahap notebook, membuktikan kombinasi deep feature extraction EfficientNet-Lite dan machine learning dapat diimplementasikan secara real-time pada perangkat Android.
Implementasi Sistem Klasifikasi Penyakit pada Ikan Lele Menggunakan Computer Vision YOLOv11 di Mobile Gunawan; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit merupakan salah satu penyebab utama tingginya angka kematian pada budidaya ikan lele. Proses identifikasi penyakit yang masih dilakukan secara manual cenderung subjektif, memerlukan keahlian khusus, serta kurang efisien untuk deteksi dini. Penelitian ini bertujuan mengimplementasikan sistem klasifikasi penyakit ikan lele berbasis deep learning menggunakan model YOLOv11n pada aplikasi mobile serta mengevaluasi pengaruh berbagai metode quantization TensorFlow Lite terhadap performa klasifikasi dan efisiensi komputasi. Metode yang digunakan meliputi pelatihan model YOLOv11n untuk mengklasifikasikan kondisi ikan ke dalam tiga kelas, yaitu sehat, sedang, dan parah, kemudian mengonversi model menggunakan Float16 Quantization, Post-Training Dynamic Range Quantization, Full Integer Quantization, dan Quantization-Aware Training. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, ukuran model, waktu inferensi, serta pengujian implementasi pada perangkat Android. Hasil penelitian menunjukkan bahwa Float16 Quantization, Post-Training Dynamic Range Quantization, dan Full Integer Quantization mampu mempertahankan performa klasifikasi yang identik dengan model sebelum dilakukan kuantisasi, dengan nilai accuracy sebesar 96,50%, precision 96,64%, recall 96,50%, dan F1-score 96,43%. Dari sisi efisiensi, Post-Training Dynamic Range Quantization dan Full Integer Quantization menghasilkan keseimbangan terbaik antara akurasi dan kompleksitas komputasi dengan efficiency score masing-masing sebesar 0,812 dan 0,811. Implementasi pada aplikasi Android menunjukkan bahwa sistem mampu melakukan klasifikasi secara langsung (on-device inference) tanpa memerlukan koneksi internet. Penelitian ini membuktikan bahwa YOLOv11n yang dioptimalkan menggunakan TensorFlow Lite efektif diterapkan sebagai sistem deteksi dini penyakit pada ikan lele berbasis perangkat mobile.
Sistem Deteksi Kantuk Pengemudi Pada Berbagai Orientasi Wajah Terhadap Kamera Menggunakan EAR dan PERCLOS Berbasis MediaPipe Neldi, Taufik; Utaminingrum, Fitri
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

Kondisi kantuk saat berkendara dapat menurunkan kewaspadaan pengemudi dan meningkatkan risiko kecelakaan lalu lintas. Sistem deteksi kantuk berbasis computer vision dapat menjadi solusi pemantauan non-intrusif, namun sebagian besar penelitian sebelumnya masih menggunakan static threshold pada Eye Aspect Ratio (EAR) dan mengasumsikan wajah selalu berada pada posisi frontal, sehingga akurasinya menurun ketika orientasi kepala berubah. Penelitian ini mengembangkan sistem deteksi kantuk pengemudi multi-angle berbasis MediaPipe Face Mesh yang mengintegrasikan EAR, PERCLOS, dan estimasi head pose dalam pendekatan hybrid, serta menerapkan dynamic threshold pada EAR yang disesuaikan dengan sudut yaw, pitch, dan roll. Sistem diuji pada empat subjek dengan empat orientasi wajah (frontal, kiri, kanan, dan menunduk) menggunakan perangkat Samsung A50s. Hasil pengujian menunjukkan bahwa dynamic threshold menurunkan false alarm total dari 14,2% menjadi 10,6% dengan recall terjaga pada 92,3% dan akurasi LOSO-CV rata-rata 90,6% (lebih tinggi dari 89,8% tanpa kompensasi). Dibandingkan static threshold, dynamic threshold memperoleh akurasi 87,75% dan F1-Score 79,73% (dibandingkan 83,97% dan 75,86%), dengan false positive turun sekitar 37% dan peningkatan F1-Score hingga 29,88 poin pada yaw ekstrem. Integrasi PERCLOS dalam pendekatan hybrid menurunkan false alarm pada orientasi menunduk dari 26,96% menjadi 9,16% (berkurang sekitar 66%). Sistem berjalan secara real-time dengan latensi rata-rata 149,00 ms dan frame rate sekitar 6,71 fps. Hasil ini menunjukkan bahwa kombinasi dynamic threshold berbasis head pose dan hybrid EAR-PERCLOS mampu meningkatkan akurasi dan keandalan deteksi kantuk pada kondisi multi-angle.
Co-Authors Abadi, Dendy Satria Abiyyu Herwanto Achmad Dinda Basofi Sudirman Achmad Jafar Al Kadafi Adam Ibrahim, Muhammad Adharul Muttaqin Adinugroho, Sigit Aditia Reza Nugraha Adiyanto Kusuma Nuhgraha, Nur Afdy Clinton Afrizal Rivaldi, Afrizal Agung Setia Budi Agung Setia Budi Agung Setia Budi, Agung Setia Agus Wahyu Widodo Ahmad Wali Satria Bahari Johan Ahmad Wildan Farras Mumtaz Ainandafiq Muhammad Alqadri Akbar Dicky Purwanto Akbar Wira Bramantya Akbar, Muhammad Danar Al Amin, Nisrina Fairuz Hafizhah Al Huda, Fais Alfan Rafi'uddin Ardhani Alfianto Palebangan Alhamdi, Achmad Fahri Aliffandi Purnama Putra Alrynto Alrynto Alvin Evaldo Darmawan Amalia Septi Mulyani Amaliah, Ichlasuning Diah Andhika, Maulana Andika Bayhaki Al Rasyid Syah Andika Kalvin Simarmata Andrika Wahyu Wicaksono Anugrah Zeputra Arthur Ahmad Fauzi Asep Ranta Munajat Asfar Triyadi Audrey Athallah Asyam Fauzan Aufa Nizar Faiz Auliya Firdaus Awalina, Aisyah Bagas Nur Rahman Bagus Septian Aditya Wijayanto Barlian Henryranu Prasetio Beryl Labique Ahmadie Blessius Sheldo Putra Laksono Budi Atmoko Burhan, M.Shochibul Cahyo, Muhammad Pandu Dwi Candra, Alvin Choirul Huda Constantius Leonardo Pratama Dahnial Syauqy Danudoro, Kevin Daris Muhammad Yafi Desy Marinda Oktavia Sitinjak Dewi Amalia Dharmatirta, Brian Aditya Dimas Rizqi Firmansyah Dony Satrio Wibowo Duwi Purnama Sidik Dzakwan Daffa Ramdhana Edita Rosana Widasari, Edita Rosana Eko Sakti Pramukantoro, Eko Sakti Eko Setiawan Eko Setiawan Enny Trisnawati, Enny Ervin Yohannes Ester Nadya Fiorentina Lumban Gaol Faris Chandra Febrianto Farrassy, Muhtady Fatwa Ramdani, Fatwa Fernando, Leo Luis Figo Ramadhan Hendri Fikri, Aqil Dzakwanul Firdansyah Tegar Akmalillah, Achmad Fitra Abdurrachman Bachtiar Fitrahadi Surya Dharma Fitria Indriani Fitriyah, Hurriyatul Fitriyani, Rahma Nur Gabe Siringoringo Gagana Ghifary Ilham Gembong Edhi Setyawan Gunawan Guruh Adi Purnomo Haikal, M. Fikri Hashfi Firjatullah, Ilmam Hassadiqin, Hasbi Hendry Y. Nanlohy Herdikaputra, Daffa Aprilian Herman Tolle Hernanda Agung Saputra Hilman Syihan Ghifari Hilmy Bahy Hakim Hisdianton, Oktavian Huda Ahmad Hidayatullah Hurmuzi, Abdan Idza Hurriyatul Fitriyah Hurriyatul Fitriyah, Hurriyatul Ichsan Ali Rachimi Ida Yusnilawati Ikhsan Rahmad Ilham Imam Cholissodin Imam Faris Intan Fatmawati Irnayanti Dwi Kusuma Irsal, Riyandi Banovbi Putera Issa Arwani Jawahir, Asma Kamilah Nur Joan Chandra Kustijono Juniman Arief Kabisat, Aldiansyah Satrio Kelvin Himawan Eka Maulana Kezia Amelia Putri Kirana Sekar Ayu Kohichi Ogata, Kohichi Krisna Pinasthika Lailil Muflikhah Laksono Trisnantoro Laksono, Blessius Sheldo Putra Larasati, Anindya Zulva Leina Alimi Zain Lilo Nofrizal Akbar Linda Silvya Putri Lita Nur Fitriani LUTHFATUN NISA M. Ali Fauzi M. Fiqhi Hidayatulah M.Shochibul Burhan Marianingsih, susi Marsha Nur Shafira Masyita Lionirahmada Maulana Yusuf Meidiana Adinda Prasanty Mela Tri Audina Misran Misran Mochammad Bustanul Ilmi Mochammad Hannats Hanafi Ichsan Mohammad Andy Purwanto Mohammad Isya Alfian Mohammad Sezar Nusti Ilhami Muchlas Muchlas Muchlas Muchlas Mufita, Aulia Riza Muhadzdzib, Naufal Muhamad Fauzan Alfiandi Muhammad Amin Nurdin Muhammad Arga Farrel Arkaan Muhammad Fadhel Haidar Muhammad Hafid Khoirul Muhammad Ibrahim Kumail Muhammad Nazrenda Ramadhan Muhammad Rafi Zaman Muhammad Raihan Wardana Budiarto Muhammad Rizky Rais Muhammad Tri Buwana Zulfikar Ardi Muhammad Wafi Muzammilatul Jamiilah Neldi, Taufik Nico Dian Nugraha Niko Aji Nugroho Noza Trisnasari Alqoria Nugraheny Wahyu Try Nyoman Kresna Aditya Wiraatmaja Olivia Rumiris Sitanggang Onky Soerya Nugroho Utomo Paulus Ojak Parasian Permana, Frihandhika Prasetio, Barlian Pratama, Aimar Abimayu Pratama, Wildan Bagus Priyanpadma, Sulthon Purboningrum, Fadhila Putera, Muhammad Reza Dahri Putra Pandu Adikara Putra, Firnanda Al Islama Achyunda Putra, Reza Qonita Luthfiyani Qurrotul A'yun Rachmad Jibril Al Kautsar Rahma Tiara Puteri Rahmatul Bijak Nur Kholis Rahmawati, Athirah Naura Rakhmadhany Primananda, Rakhmadhany Rakhmadina Noviyanti, Rakhmadina Rama Aprianto, Andika Ramadhani, Roihaan Randy Cahya Wihandika Randy Cahya Wihandika Rayhan Rasyad, Muhammad Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renaldi Primaswara Praetya Renita Leluxy Sofiana Rhaka Gemilang Sentosa Ringga Aulia Primahayu Riyandi Banovbi Putera Irsal Rizal Maulana Rizal Maulana, Rizal Rizdania, Rizdania Rizka Husnun Zakiyyah Rizky Haris Risaldi Rizky Teguh Nursetyawan Rizky Yuztiawan, Fachrie Robbani, Ihwanudien Hasan Rochmawanti, Ovy Samuel Andika Sanjaya, Muhamad Aditya Sasongko, Listyawan Dwi Shaleh, Achmad Rizqi Ilham Shih, Timothy K. Sigit Adinugroho Sihite, Chandra Ferdinan Simangunsong, Bryan Nicholas Josephin Hotlando Siswanti Slamet Arifmawan Sri Mayena Surga, Itsar Irsyada Syahrul Yoga Pradana Syaifuddin, Tio Tan, Evan Tiara Sri Mulati Tibyani Tibyani Tibyani Tobias Sion Julian Tsani, Farid Nafis Versa Christian Wijaya Vikorian, Eldad Virza Audy Ervanda Wahyu Adi Prijono Wayan Firdaus Mahmudy Widasari, Edita Rosana Wijaya Kurniawan Wijaya, Waskitha William Hutamaputra Willy Andika Putra Wisik Dewa Maulana Yazid Basthomi Yoke Kusuma Arbawa Yongki Pratama Yuita Arum Sari Yuita Arum Sari Yuita Arum Sari Zamaliq Zamaliq Zhuliand Rachman Zulfina Kharisma Frimananda `Ilmi, Aqna