Article Per Year (5 Year)
p-Index From 2020 - 2025
1.288
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer MULTINETICS Journal of Advanced in Information and Industrial Technology (JAIIT) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Electron: Jurnal Ilmiah Teknik Elektro
Musayyanah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengenalan Gestur Jari Tangan Sebagai Media Pembelajaran Berhitung Bagi PAUD Berbasis Visi Komputer dan Deep Learning: Pengenalan Gestur Jari Tangan BerbasisVis i Komputer Dan Deep Learning Heri Pratikno; Muhammad Rifki Pratama; Yosefine Triwidyastuti; Musayyanah
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 1 (2023): July
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i1.355

Abstract

Pendidikan anak usia dini (PAUD) merupakan periode perkembangan yang penting dalam kehidupan anak, salah satu pertumbuhan yang penting adalah aspek kognitif. Berhitung termasuk dalam kemampuan kognitif yang meliputi kemampuan menghafal, memahami, mengaplikasi, menganalisis, mensintesis, dan kemampuan mengevaluasi. Guna meningkatkan kemampuan berhitung bagi anak-anak maka harus diketahui bagaimana cara mengaplikasikan hitungan tersebut dalam dunia nyata. Pada penelitian ini memberikan solusi bagaimana cara belajar berhitung yang menyenangkan serta tidak membosankan bagi anak-anak menggunakan media pembelajaran berhitung yang interaktif melalui pengenalan bentuk gestur jari-jari kedua tangan berbasis visi komputer dan deep learning secara realtime. Adapun visi komputer pada penelitian ini menggunakan framework MediaPipe, sedangkan metode deep learning yang digunakan adalah arsitektur Convolutional Neural Network (CNN). Hasil pengujian yang telah dilakukan pada penelitian ini, akurasi deteksi kesepuluh jari tangan untuk proses berhitung dari metode MediaPipe sebesar 89,9% dengan frame per second-nya antara 20-25 FPS. Metode CNN persentase akurasi deteksinya 20% dengan nilai FPS-nya antara 10-12 FPS, manfaat dari hasil penelitian ini bisa memberikan pengalaman belajar yang menyenangkan, menstimulasi, dan mendukung perkembangan anak secara holistik.
Pengenalan Gerakan Olahraga Berbasis (Long Short- Term Memory) Menggunakan Mediapipe Daniel Tanugraha, Filbert; Pratikno, Heri; Musayyanah; Indah Kusumawati, Weny
Journal of Advances in Information and Industrial Technology Vol. 4 No. 1 (2022): May
Publisher : LPPM Telkom University Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/jaiit.v4i1.182

Abstract

Olahraga Yoga menjadi gaya hidup yang sangat trend di kalangan masyarakat. Untuk memastikan gerakan Yoga yang dilakukan benar atau tidak, maka perlu adanya sistem deteksi/pengenalan dan klasifikas yang terkenal dengan istilah HAR (Human Activity Recognition). Sistem pengenalan gerakan olahraga aktivitas manusia, seperti Olahraga Yoga yang dikenal dengan Tree Pose, T-Pose, Warrior II Pose. Gerakan ini dapat dideteksi secara real time menggunakan MediaPipe agar gerakan tersebut dapat dikenali oleh komputer dengan akurat. Sedangkan untuk klasifikasi olahraganya manusia menggunakan Long Short-Term Memory (LSTM) dengan memanfaatkan keypoints dari urutan video tersebut. Pengujian klasifikasi dan deteksi gerakan dilakukan oleh beberapa sampel dengan lokasi yang berbeda menggunakan kamera handphone dalam pengambilan video menggunakan aplikasi DroidCam dalam pendeteksian keypoint. Pada penelitian ini, hasil training didapatkan akurasi sebesar 91% dan loss sebesar 29%. Pengenalan gerakan T-Pose, Warrior II Pose, dan Tree Pose berturut-turut adalah 100%, 85% dan 80%.
Monitoring Dan Controlling Pemberi Pakan Ikan Otomatis Pada Akuarium Menggunakan MQTT Atthaariq Maulana, Muhammad; Harianto; Musayyanah; Indah Kusumawati, Weny
Journal of Advances in Information and Industrial Technology Vol. 4 No. 2 (2022): November
Publisher : LPPM Telkom University Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/jaiit.v4i2.248

Abstract

Budidaya ikan hias pada akuarium berkembang pesat. Memberi makan ikan dengan waktu yang tidak teratur dapat mengakibatkan kematian. Awalnya pakan diberikan secara manual, namun saat ini tercipta alat pemberi pakan ikan secara otomatis. Pemberi pakan ikan yang dibuat secara otomatis ini, memakai komunikasi MQTT supaya bisa diakses dan dikontrol dari jarak jauh menggunakan koneksi internet. Peralatan ini mempunyai beberapa fungsi yaitu: pemberian pakan secara otomatis ataupun manual, monitoring (pemantauan) suhu air, pemantauan status pompa air, kontrol lampu akuarium otomatis, dan otomatisasi heater. Monitoring dan kontroling menggunakan aplikasi MQTT Dashboard. Sensor DS18B20 mempunyai fungsi sebagai pendeteksi suhu air. Dari hasil pengujian, hasil akurasi error sensor ini sebesar 1.1%. Ukuran pakan ikan yang dapat dikeluarkan dan ditampung adalah 0.8 mm sampai dengan ukuran 1 mm. Keseluruhan pengujian komunikasi MQTT memperoleh akurasi 100%.
Unjuk Kerja Transmisi Data LoRa pada Node yang Bergerak Yosefine Triwidyastuti; Fikri Santoso Harjowinoto; Musayyanah; Pauladie Susanto; Harianto
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 3 No. 1 (2022): July
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v2i1.205

Abstract

Saat ini penerapan teknologi komunikasi LoRa sedang mengalami peningkatan di segala bidang, karena LoRa mempunyai keunggulan daya rendah dan jangkauan jauh. Namun pada umumnya, penerapan tersebut hanya menganalisis unjuk kerja transmisi data LoRa pada kondisi node pemancar dan penerima yang diam di tempat. Oleh karena itu, penelitian ini secara khusus membahas penerapan transmisi data LoRa pada node yang bergerak untuk mengetahui pengaruh kecepatan gerak node terhadap unjuk kerja transmisi data LoRa. Satu buah transmitter node yang terus-menerus mengirimkan paket data akan digerakkan pada suatu lintasan lurus menjauh dari sebuah receiver node yang diam. Kemudian pada receiver node, nilai packet loss dan throughput dari semua paket dihitung untuk mengukur unjuk kerja transmisi data. Berdasarkan hasil perhitungan rata-rata dari semua percobaan, nilai kecepatan node yang tinggi pada percobaan lintasan lurus menghasilkan nilai packet loss yang semakin rendah dan nilai throughput yang semakin besar.
Kontrol Level Kecepatan Kipas Melalui Deteksi Gestur Jari Tangan Menggunakan MediaPipe dan Faster-RCNN Fakhruddin, Muhammad Aldi; Pratikno, Heri; Musayyanah; Kusumawati, Weny Indah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107345

Abstract

Interaksi antara manusia dan komputer saat ini lebih interaktif, responsif dan intuitif, di masa lalu proses interaksi tersebut diperlukan kontak secara fisik atau menggunakan sensor-sensor elektronik. Pada penelitian ini interaksi antara manusia dan komputer atau peralatan elektronik tidak diperlukan kontak fisik maupun melalui sensor karena dilakukan secara computer vision hanya menggunakan webcam sehingga proses interaksinya lebih natural. Penerapan mikrokontroler sebagai backbone utama teknologi berbasis Internet of Things di era Industry 4.0, bertujuan untuk mempermudah pekerjaan manusia terutama dukungan layanan di dunia industri. Pada era Society 5.0 semua penerapan teknologi yang ada tujuan utamanya tidak hanya mempermudah pekerjaan manusia tetapi bagaimana teknologi tersebut bisa lebih mengerti dan memahami manusianya maka disitulah diterapkan Artificial Itelligence. Dalam penelitian ini diterapkan sistem kontrol interaksi antara pengguna dan komputer untuk pengaturan level kecepatan putaran kipas angin secara otomatis dan realtime berbasis teknologi computer vision for deep learning melalui deteksi bentuk gestur jari tangan kanan dan gestur jari tangan kiri menggunakan webcam. Mikrokontroler yang digunakan pada penelitian ini adalah Arduino Uno, sedangkan penerapan computer vision for deep learning menggunakan framework MediaPipe dan Faster-RCNN. MediaPipe berfungsi untuk mendeteksi bentuk gestur fitur jari kedua tangan dan Faster-RCNN digunakan untuk proses klasifikasi empat bentuk gestur jari tangan untuk mematikan kipas angin atau menghidupkan kipas angin dengan kecepatan putarannya pada level 1, level 2 atau level 3. Hasil pengujian akurasi rata-rata deteksi gestur jari tangan menggunakan MediaPipe pada jarak 10 cm (41,6%), jarak 50 cm (85,35%), jarak 100 cm (71,68%), dan jarak 175 cm (69,33%). Sedangkan hasil pengujian Faster-RCNN mempunyai akurasi klasifikasi rata-rata pada jarak 10 cm (36%), jarak 50 cm (30,75%), jarak 100 cm (18,68 %), dan jarak 175 cm (14.83%).   Abstract Interaction between humans and computers is now more interactive, responsive and intuitive, in the past the interaction process required physical contact or using electronic sensors. In this study, the interaction between humans and computers or electronic equipment does not require physical contact or through sensors because it is done in computer vision using only a webcam so that the interaction process is more natural. The application of microcontrollers as the main backbone of Internet of Things-based technology in the Industry 4.0 era, aims to facilitate human work, especially service support in the industrial world. In the era of Society 5.0, all applications of technology that have the main goal are not only to facilitate human work but how technology can better understand and understand humans, so that's where Artificial Intelligence is applied. In this study, an interaction control system was applied between the user and the computer to adjust the fan speed level automatically and in real time based on computer vision technology for deep learning through the detection of the shape of the right hand finger gesture and the left hand finger gesture using a webcam. The microcontroller used in this study is Arduino Uno, while the application of computer vision for deep learning uses the MediaPipe and Faster-RCNN frameworks. MediaPipe serves to detect the shape of the finger feature gestures of both hands and Faster-RCNN is used to process the classification of four finger gestures to turn off the fan or turn on the fan with its rotational speed at level 1, level 2 or level 3. The results of the average accuracy test detection of finger gestures using the MediaPipe at a distance of 10 cm (37%), a distance of 50 cm (70%), a distance of 100 cm (54.7%), and a distance of 175 cm (63.3%). While the Faster-RCNN test results have an average classification accuracy at a distance of 10 cm (34%), a distance of 50 cm (24%), a distance of 100 cm (8.7%), and a distance of 175 cm (4.7%).
Prototipe Otomasi Pemantauan Suhu Dan Pemberian Tekanan Gas Pada Pemeraman Pisang Cavendish Weny, Weny Indah Kusumawati; Harianto; Berlian Bunga Sari; Musayyanah
MULTINETICS Vol. 10 No. 1 (2024): MULTINETICS Mei (2024)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v10i1.6694

Abstract

Di Indonesia, produksi buah pisang paling tinggi dibandingkan buah-buah lainnya. Salah satu variasinya adalah Pisang Cavendish, yang memiliki nilai ekonomi tinggi dan berpotensi mendukung pemulihan ekonomi Indonesia. Karena permintaan yang tinggi terhadap buah Pisang Cavendish, para petani menggunakan gas etilen untuk mempercepat pemeraman buah. Proses pemeraman dilakukan dengan mengarahkan gas etilen yang diambil dari wadah ke ruang pemeraman secara manual melalui sistem pipa. Tujuan dari penelitian ini adalah untuk membuat prototipe sistem otomatis penggunaan gas etilen dan pengatur suhu, dimana tekanan kompresor merupakan alternatif tekanan gas etilen. Sistem ini beroperasi secara otomatis sesuai dengan jadwal yang telah diatur pada Modul RTC. Ada sebuah Sensor Pressure Transmitter yang bertugas mengukur tekanan dengan tingkat kesalahan 3.5%, Selenoid Valve yang berperan dalam mengalirkan tekanan udara ke dalam kotak yang dilengkapi dengan kipas DC sebagai penyebar, serta Sensor DHT22 yang digunakan untuk pemantauan suhu dengan tingkat kesalahan 2.8%. Informasi mengenai waktu, suhu, dan nilai tekanan ditampilkan di layar LCD dengan ukuran 20x4. Pengujian sistem melibatkan penjadwalan waktu di mana perangkat dinyalakan satu menit setelah sistem diaktifkan. Selanjutnya, perangkat dihidupkan kembali setelah waktu berbeda-beda, yakni 2 dan 5 menit. Nilai tekanan diatur pada 30Psi. Berdasarkan hasil pengujian otomasi sistem, alat berhasil dengan tingkat keberhasilan mencapai 80%, sehingga sistem otomasi ini siap untuk diimplementasikan secara langsung pada perangkat pemeraman buah Pisang Cavendish.
Sistem HIPOI 1.0: Hidroponik Indoor Berbasis Internet of Things untuk Tanaman Selada dengan Teknik NFT Musayyanah; Harianto; Adrianto, Yosef Richo; Budiardjo, Hardman
ELECTRON Jurnal Ilmiah Teknik Elektro Vol 5 No 1: Jurnal Electron, Mei 2024
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/electron.v5i1.113

Abstract

IoT merupakan salah satu istilah teknologi yang telah diterapkan di berbagai macam sektor, salah satunya adalah sektor pertanian. Hidroponik merupakan pertanian modern yang berfokus pada pertumbuhan tanaman tanpa menggunakan media tanah, yang sangat cocok diterapkan di lingkungan perkotaan. Penerapan IoT pada hidroponik dilakukan dengan sistem pemantauan dan kendali yang dapat membantu kinerja para petani hidroponik. Penelitian ini menggunakan mikrokontroler ESP 32, sensor nutrisi, sensor suhu, RTC dan platform aplikasi IoT Panel MQTT. Sistem IoT bekerja dengan dua mode yakni mode otomatis dan mode manual. Hasil penelitian menunjukkan bahwa sensor TDS bekerja secara stabil pada rentang nilai 900 ppm, rerata presentasi error dari sensor suhu sebesar 0,84%, Lampu growlight dan pompa sirkulasi bekerja sesuai dengan penjadwalan dan transmisi data ke broker dari MQTT berhasil 100%. Pengujian keseluruhan sistem berhasil 100 % ditandai dengan peningkatan pertumbuhan selada yang significant.
Co-Authors Atthaariq Maulana, Muhammad Berlian Bunga Sari Daniel Tanugraha, Filbert Fakhruddin, Muhammad Aldi Fikri Santoso Harjowinoto Hardman Budiardjo, Hardman Harianto Heri Pratikno Muhammad Rifki Pratama Pauladie Susanto Weny Indah Kusumawati Weny, Weny Indah Kusumawati Yosef Richo Adrianto, Yosef Richo Yosefine Triwidyastuti