Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal INTEGER: Journal of Information Technology PELS (Procedia of Engineering and Life Science)
Zahputra, Aldy Trisza
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Web Center Design of Student Activity Unit (UKM) Universitas Muhammadiyah Sidoarjo as a Center for Membership Information Event and Product Marketing: Perancangan Web Center Unit Kegiatan Mahasiswa (UKM) Universitas Muhammadiyah Sidoarjo Sebagai Pusat Informasi Keanggotan, Event dan Pemasaran Produk Zahputra, Aldy Trisza; Eviyanti, Ade; Rosid, Mochamad Alfan; Hindarto, Hindarto
Procedia of Engineering and Life Science Vol. 4 (2023): Proceedings of the 6th Seminar Nasional Sains 2023
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/pels.v4i0.1409

Abstract

Information systems and technology are advancing so rapidly that technology and people no longer play separate roles. One of the technologies currently being developed is a website-based information system. The website is a collection of linked pages and related files. Websites have been widely used by non-profit and non-profit organizations to provide accurate information to the public by functioning as a platform for information dissemination. The purpose of this research is to create a central web information system to display complete detailed data regarding the Sidoarjo Muhammadiyah University Student Activity Unit online. The research method used is the waterfall method using blackbox testing. From the test results the researchers succeeded in implementing a student activity unit website that displayed information in the form of info on achievements, works, events, products, articles, announcements and members from each UKM. With this system, student activity units can record every activity, reduce the risk of loss or damage to data and make it easier to record all of its members.
Deteksi prakejang pada pasien epilepsi berdasarkan rekam sinyal EEG menggunakan metode LSTM Eviyanti, Ade; Fitrani, Arif Senja; Nisak, Umi khoirun; Agustin, Erlina; Zahputra, Aldy Trisza
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7459

Abstract

Epilepsi adalah penyakit otak yang tidak menular dan memengaruhi sekitar 50 juta orang di dunia. Sinyal electroencephalogram (EEG) memberikan informasi penting tentang aktivitas listrik otak. Epilepsi bisa terdeteksi melalui analisis sinyal EEG, tetapi prosesnya rumit, membutuhkan keterampilan manusia, dan memakan waktu. Deteksi prakejang pada pasien epilepsi merupakan tantangan dalam bidang neurologi. Dalam penelitian ini, kami memfokuskan pada pengembangan metode deteksi prakejang menggunakan sinyal EEG dan menggunakan pendekatan metode Long Short-Term Memory (LSTM). Dalam analisisnya. Sinyal EEG direkam dari pasien epilepsi selama periode tertentu, dan kemudian dilakukan pemrosesan dan analisis menggunakan metode LSTM. LSTM adalah jenis jaringan saraf rekuren (RNN) yang terkenal karena kemampuannya dalam memodelkan dan mempelajari urutan data. Pendekatan LSTM memungkinkan pemodelan yang lebih baik terhadap karakteristik dinamis sinyal EEG, termasuk pola sebelum terjadinya prakejang. Dalam penelitian ini, kami menggunakan dataset sinyal EEG yang terdiri dari pasien epilepsi dengan prakejang dan tanpa prakejang. Data tersebut dibagi menjadi set pelatihan dan set pengujian untuk melatih dan menguji model LSTM. Proses pelatihan model dilakukan dengan mengoptimalkan parameter dan menyesuaikan bobot jaringan LSTM berdasarkan data pelatihan. Hasil eksperimen menunjukkan bahwa metode LSTM mampu mendeteksi prakejang pada pasien epilepsi dengan tingkat akurasi 98.44% dengan menggunakan optimizer RMSprop. Penelitian ini memberikan kontribusi dalam pengembangan teknik deteksi prakejang pada pasien epilepsi menggunakan sinyal EEG dan metode LSTM. Hasil-hasil penelitian ini dapat digunakan sebagai dasar untuk pengembangan sistem deteksi prakejang yang lebih lanjut.
Co-Authors Ade Eviyanti Agustin, Erlina Arif Senja Fitrani Hindarto Mochamad Alfan Rosid Umi Khoirun Nisak