Article Per Year (5 Year)
p-Index From 2020 - 2025
1.827
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Henryranu Prasetio, Barlian
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1   2 
Sistem Deteksi Deteksi Depresi Melalui Pengenalan Pola Suara Dengan Mengimplementasikan Metode Voice Quality Analysis Pratamaatmadja, Aditya; Henryranu Prasetio, Barlian
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

Komunikasi adalah aspek penting dalam kehidupan manusia, dengan ucapan menjadi cara utama untuk mengekspresikan emosi. Emosi berperan krusial dalam interaksi sosial, dan kemampuan mendeteksi emosi seperti depresi melalui suara dapat membantu memahami kondisi mental seseorang. Depresi adalah gangguan suasana hati yang ditandai dengan perasaan sedih mendalam dan kehilangan minat terhadap aktivitas sehari-hari, yang dapat menurunkan produktivitas, mengganggu hubungan sosial, dan menyebabkan keinginan bunuh diri. Menurut Riset Kesehatan Dasar 2018, lebih dari 19 juta penduduk Indonesia berusia lebih dari 15 tahun mengalami gangguan mental emosional, dengan lebih dari 12 juta di antaranya mengalami depresi. Oleh karena itu, pengembangan teknologi pendeteksi emosi depresi berbasis suara sangat penting. Penelitian ini bertujuan mengembangkan sistem pendeteksi depresi berbasis suara menggunakan metode Voice Quality Analysis (VQA) dengan parameter jitter, shimmer, dan Harmonics-to-Noise Ratio (HNR). Metodologi penelitian meliputi analisis, perancangan, implementasi, dan pengujian sistem deteksi depresi menggunakan Raspberry Pi 4B. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan suara depresi dengan akurasi 97% dan F1-score 97%. Implementasi pada perangkat keras juga menunjukkan hasil baik, dengan tingkat keberhasilan prediksi suara non-depresi sebesar 85% dan suara depresi sebesar 75%. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan teknologi deteksi emosi, khususnya dalam mendeteksi depresi melalui analisis kualitas suara.
Klasifikasi Suara Sirene Kendaraan berbasis MFCC untuk Meningkatkan Efisiensi Sistem Keamanan Lalu Lintas Hisyam, Muhammad Ibnu; Henryranu Prasetio, Barlian
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

Ketertiban berlalu lintas di jalan raya merupakan salah satu faktor krusial dalam membangun keamanan dan kenyamanan dalam berlalu lintas. Hal tersebut dapat dilihat pada situasi lalu lintas yang padat seperti di perkotaan besar. Terlebih lagi jika terdapat situasi darurat yang membutuhkan kendaraan darurat dalam menangani hal tersebut. Maka dari itu, dibutuhkan sebuah sistem untuk mengenali dan melakukan klasifikasi kendaraan darurat sesuai dengan prioritasnya berdasarkan suara sirenenya. Sistem pengenalan suara sirene merupakan salah satu teknologi dalam membantu mengatur dan mengelola keamanan berlalu lintas. Penelitian ini membahas mengenai klasifikasi suara sirene kendaraan darurat dan menyesuaikan prioritasnya menggunakan metode MFCC yang dibantu dengan pelatihan dan evaluasi suara menggunakan CNN. Hasil dari penelitian ini yaitu sistem dapat mengenali suara sirene dengan baik, yang memiliki akurasi sebesar 94% terhadap suara sirene yang dikenali. Hal ini menandakan bahwa sistem dapat membantu pengguna dalam mengatur dan mengola lalu lintas agar terjadinya kenyamanan dan keamanan berlalu lintas.
Penerapan Model Whisper Pada Embedded System untuk Speech To Text Wafiy, Ahmad Dhani; Henryranu Prasetio, Barlian
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

Kemampuan untuk menerjemahkan ucapan menjadi teks memiliki berbagai manfaat penting, mulai dari alat bantu bagi penyandang disabilitas hingga interaksi manusia-mesin. Tantangan utama untuk melakukan implementasi pada embedded sytem dapat diimplementasikan pada perangkat dengan sumber daya terbatas. Dalam penelitian ini, peneliti menerapkan model whisper tiny pada embedded system dengan menggunakan Raspberry Pi Model 4 B. Whisper adalah model berbasis kecerdasan buatan yang telah terbukti efektif dalam tugas speech-to-text. Sistem ini dioptimalkan untuk mendapatkan akurasi yang cukup tinggi. Penelitian ini mencakup proses implementasi, fine-tuning, dan evaluasi kinerja sistem. Hasil penelitian ini menunjukkan bahwa sistem yang dikembangkan mampu melakukan konversi ucapan ke teks dengan tingkat WER (Word Error Rate) sebesar 36% setelah dilakukan fine-tuning pada model Whisper yang digunakan dan responsivitas yang memadai untuk aplikasi pada embedded system.
Sistem Monitoring Lingkungan Untuk Budidaya Tanaman Sawi (Brassica Juncea L.) Menggunakan Fuzzy Dan Android Arrafi, Aldi; Henryranu Prasetio, Barlian
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

Sawi adalah jenis sayuran yang digemari oleh masyarakat. Penelitian terbaru mengungkapkan bahwa prediksi tren perkembangan produksi dan tingkat konsumsi sawi di Indonesia dalam kurun waktu 2020-2029 menunjukkan kecenderungan meningkat. Namun, data BPS menyatakan luas panen sawi di Jawa Timur mengalami penurunan tajam lebih dari 60%. Hal ini terjadi akibat musim yang tidak menentu, serangan hama dan konversi lahan menjadi industri. Berdasarkan permasalahan diatas maka, terbuatlah suatu sistem yang dapat melakukan monitoring pada pertumbuhan sawi pada bagian lingkungan sekitarnya. Pada penelitian ini penulis mengembangkan sistem untuk melakukan monitoring kualitas lingkungan tanaman sawi dengan mengimplementasikan metode Fuzzy mamdani. Monitoring dilakukan dengan menggunakan sensor DHT22 untuk mengukur suhu dan kelembaban udara sekitar tanaman sawi. Kedua data yang didapatkan akan diproses mikrokontroler ESP8266 untuk melakukan proses klasifikasi kualitas lingkungan tanaman sawi menggunakan metode fuzzy mamdani. Nilai akan ditampilkan pada perangkat android. Melalui pengujian sebanyak 40 percobaan, didapatkan akurasi dari penggunaan Fuzzy Mamdani sebesar 96,9 untuk pendeteksian suhu dan 92,5 untuk pendeteksian kelembaban udara. ada pengujian fuzzy yang dilakukan sebanyak 30 kali, diperoleh nilai akurasi sebesar 99,570 dengan rata-rata waktu komputasi sebesar 1755,5 mikrodetik. Dengan artian penggunaan metode fuzzy mamdani bekerja dengan baik pada sistem monitoring kualitas lingkungan tanaman sawi.
Rancang Bangun Sistem Deteksi Asma, Bronkitis, dan Pneumonia Melalui Suara Pernapasan dengan Metode Long Short-Term Memory Zuhrul Anam, Muhammad Anif; Henryranu Prasetio, Barlian
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

Penyakit Pernapasan adalah suatu jenis penyakit yang mempengaruhi paru-paru dan bagian lain dari sistem pernapasan. Penyakit Pernapasan termasuk asma, bronkitis, pneumonia. Deteksi dini penyakit pernapasan memegang peranan penting dalam manajemen penyakit. Namun, teknik tradisional seperti auskultasi paru-paru dengan stetoskop memiliki keterbatasan karena hasil diagnosis sangat bergantung pada tingkat sensitivitas pendengaran dan pengalaman klinis dokter. Kesalahan dalam mengidentifikasi dan membedakan suara abnormal dapat menyebabkan diagnosis yang tidak tepat dan pengobatan yang kurang efektif sehingga diperlukan upaya yang dapat meminimalisir kesalahan diagnosis penyakit Pernapasan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pendeteksi dini penyakit pernapasan yakni asma, bronkitis, dan pneumonia melalui analisis suara pernapasan. Sistem ini menggunakan metode ekstraksi fitur MFCC (Mel-Frequency Cepstral Coefficients) dan Formant, serta teknik klasifikasi Long Short-Term Memory (LSTM). Penelitian ini merupakan tipe penelitian implementatif pengembangan, dengan data suara pernapasan yang diperoleh dari situs Kaggle. Hasil penelitian menunjukkan bahwa sistem yang dirancang berhasil berfungsi sesuai dengan rancangan awal dengan tingkat keberhasilan kinerja keseluruhan sebesar 100% dalam pengujian fungsionalitas. Namun, akurasi model LSTM dalam mendeteksi penyakit pernapasan hanya mencapai 60%, dengan nilai precision 0.72, recall 0.62, dan F1-Score 0.60. Implementasi sistem pada perangkat Raspberry Pi 4 Model B menunjukkan kinerja perangkat keras dan perangkat lunak yang optimal, meskipun tingkat akurasi deteksi masih perlu ditingkatkan. Penelitian ini memberikan dasar yang kuat untuk pengembangan lebih lanjut dalam meningkatkan akurasi dan efektivitas sistem deteksi dini penyakit pernapasan yakni asma, bronkitis, dan pneumonia.
Sistem Deteksi Penyakit Pernafasan Berdasarkan Suara Pernafasan Menggunakan Analisis Spektral Berbasis Raspberry Pi 4Sistem Deteksi Penyakit Pernafasan Berdasarkan Suara Pernafasan Menggunakan Analisis Spektral Berbasis Raspberry Pi 4 PURO, MUHAMMAD SULTHON IMAM; Henryranu Prasetio, Barlian
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

Penyakit pernapasan merupakan salah satu masalah kesehatan yang paling banyak ditemui dan termasuk penyebab kematian terbesar di seluruh dunia. Penyakit pernapasan seperti asma, pneumonia, dan PPOK menjadi contoh jenis penyakit pernapasan yang banyak dialami. Penyakit-penyakit tersebut dapat mengganggu aktivitas dan menyebabkan penurunan kualitas hidup. Terdapat beberapa prosedur yang dapat dilakukan untuk mendiagnosis seseorang mengidap penyakit pernapasan, salah satunya adalah dengan auskultasi. Auskultasi merupakan prosedur pengecekan kesehatan paru-paru dengan mengidentifikasi suara pernapasan. Namun, dalam praktiknya memerlukan pengetahuan serta pengalaman untuk dapat mengenali dan mengidentifikasi suara abnormal pada pernapasan pasien. Tak jarang terjadi kasus kesalahan diagnosis sebab kurangnya kemampuan dalam hal auskultasi. Terlebih dengan penggunaan stetoskop konvensional, prosedur auskultasi hanya dapat dilakukan disaat yang sama tanpa bisa memutar ulang suara dan hanya dilakukan oleh satu pengguna saja. Maka untuk mengatasi permasalahan tersebut pada penelitian ini dirancang sebuah sistem deteksi penyakit pernapasan berdasarkan suara pernapasan. Penelitian ini menggunakan analisis spektral suara untuk mengidentifikasi suara pernapasan dan mendapatkan nilai spektrum suara dari tiap suara penyakit pernapasan serta model klasifikasi Support Vector Machine untuk menjalankan proses klasifikasi. Setelah melakukan pengujian, tingkat akurasi yang berhasil didapatkan oleh sistem deteksi penyakit pernapasan ini mencapai 78%.
Personalisasi Genre Playlist Musik Berdasarkan Ritme dan Tempo Menggunakan Deteksi Onset dan Spectral Contrast Septino, Fernando; Henryranu Prasetio, Barlian
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

Musik memiliki berbagai genre yang terus berkembang seiring dengan kemajuan teknologi digital. Perkembangan ini memunculkan tantangan ketika pengguna mencoba untuk mengklasifikasikan genre musik yang sering kali menggunakan elemen dari berbagai genre berbeda, seperti musik rock yang menggunakan pola permainan musik pop, musik metal yang menggunakan pola permainan musik klasik. Hal ini dapat menyulitkan proses personalisasi musik sesuai preferensi pengguna. Dalam mengatasi tantangan ini, perlu adanya solusi yang mampu mengklasifikasikan genre musik secara otomatis berdasarkan karakteristik dalam musik seperti ritme, tempo, dan pola beat yang dapat menjadi pembeda genre satu dengan genre lainnya. Metode yang digunakan untuk penelitian ini mencakup deteksi onset dan spectral contrast untuk mengekstraksi fitur ritme dan tempo dari sinyal suara. Deteksi onset digunakan untuk mengidentifikasi awal dari ketukan dalam musik, sementara spectral contrast membantu dalam mengidentifikasi perbedaan intensitas di berbagai frekuensi dari sebuah lagu. Setelah fitur diekstraksi, algoritma decision tree digunakan untuk mengklasifikasikan genre musik berdasarkan ritme dan tempo yang diekstraksi. Hasil penelitian menunjukkan bahwa algoritma deteksi onset dan spectral contrast dapat mengekstraksi fitur dari berkas suara yang direkam dan memprediksi genre musik dengan akurasi sebesar 41 persen. Dengan demikian, implementasi sistem ini diharapkan dapat membantu meningkatkan pengalaman pengguna dalam mendengarkan musik dengan menyediakan rekomendasi playlist berdasarkan genre dan ritme mereka.
Implementasi Sistem Deteksi Stress berbasis Machine Learning berdasarkan Sinyal Photoplethysmogram dari Polar Verity Sense Ady Firmanda, Dwi; Sakti Pramukantoro, Eko; Henryranu Prasetio, Barlian
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

Stress merupakan kondisi tubuh yang terjadi akibat perubahan kondisi tubuh. Kondisi stress dapat mempengaruhi kondisi fisiologis tubuh yang dapat dideteksi sinyal biologis tubuh. Oleh karena itu, untuk mengetahui kondisi stress digunakan sensor Photoplethysmogram (PPG) yang menunjukkan perubahan volume darah yang dapat digunakan untuk mengetahui perubahan kondisi jantung berupa Heart Rate Variability (HRV). Pada penelitian ini dilakukan implementasi sistem deteksi stress menggunakan metode Machine Learning pada Raspberry Pi 4 Model B dengan menggunakan sinyal PPG yang diukur menggunakan sensor Polar Verity Sense dan model Machine Learning yang sudah dirancang. Penelitian ini menunjukkan bahwa sistem dapat diimplementasikan pada Raspberry Pi 4 Model B dengan kinerja sistem menununjukkan throughput, waktu pemrosesan, serta kinerja klasifikasi yang baik dan mampu memproses data stream dari sensor Polar Verity Sense. Hasil pengukuran throughput penerimaan paket dari sensor Polar Verity Sense menunjukkan nilai rata-rata 670,74 Bps dan nilai rata-rata throughput pemrosesan data 670,73 Bps dengan waktu perbedaan throughput yang kecil dan waktu pemrosesan keseluruhan data memiliki rata-rata 6,06 ms dan penggunaan CPU pada klasifikasi data menggunakan Machine Learning dengan nilai 10,76% hingga 14,88% dan waktu pemrosesan 7,98 ms hingga 8,25 ms.
Penerapan Wavelet Transform pada Sinyal Ultrasound untuk Analisis Kesehatan Bibit Tanaman Sawit Nur Abiyyu, Muhammad Alif; Henryranu Prasetio, Barlian
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

Kelapa sawit sebagai hasil perkebunan terbesar di Indonesia, sering kali menemui masalah dalam produksinya yang diakibatkan oleh serangan jamur Ganoderma boninense. Jamur Ganoderma boninense mengakibatkan banyak kematian terhadap tanaman kelapa sawit akibat deteksi yang terlambat. Salah satu upaya untuk mendeteksi tahap awal infeksi tanaman adalah dengan pendekatan ultrasound. Metode ultrasound dapat mendeteksi kondisi kesehatan tanaman sakit dan mengalami stres melalui suara berfrekuensi tinggi yang dikeluarkan. Untuk memperoleh informasi yang akurat dari suara frekuensi tinggi tersebut, diperlukan teknik ekstraksi fitur yang tepat. Salah satunya menggunakan wavelet transform untuk menganalisis sinyal dan memecahnya menjadi komponen lebih detail pada skala waktu yang berbeda. Penelitian ini bertujuan untuk mengevaluasi penggunaan wavelet transform dalam deteksi kesehatan pada bibit tanaman sawit. Pengumpulan dataset dilakukan dengan cara merekam tanaman dengan sensor ultrasound selama 3 jam sehari dalam 7 hari berturut-turut. Hasil penelitian menunjukkan bahwa akurasi testing menggunakan dataset, sebesar 55% sebelum diterapkan wavelet transform. Setelah wavelet diterapkan, akurasi meningkat menjadi 98%. Selain itu, akurasi terhadap deteksi secara langsung pada tanaman berhasil didapatkan 60% dengan waktu untuk mendeteksi kesehatan tanaman adalah 20 detik. Penelitian ini menunjukkan bahwa penerapan wavelet transform pada sinyal ultrasound adalah pendekatan yang efektif untuk melakukan deteksi terhadap kesehatan bibit tanaman sawit.
Pengembangan Sistem Deteksi Jenis Sel Darah Putih Menggunakan Algoritma Shape Context Berbasis Smartphone Nugraha, Ridwan Aji; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam era kemajuan teknologi medis, analisis citra sel darah putih menjadi sangat penting untuk diagnosis yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menciptakan sistem yang dapat secara otomatis mengidentifikasi dan mengklasifikasikan empat jenis sel darah putih, yaitu neutrofil, limfosit, monosit, dan eosinofil. Dengan memanfaatkan teknologi kecerdasan buatan dan pembelajaran mesin, sistem ini dirancang untuk meningkatkan efisiensi dan akurasi dalam proses diagnosis, yang sering kali dilakukan secara manual oleh tenaga medis. Metode Shape Context dipilih karena kemampuannya dalam menganalisis kontur dan pola objek dengan presisi tinggi, memungkinkan sistem mengenali perbedaan fitur kompleks dari masing-masing jenis sel darah putih. Hasil pengujian menunjukkan bahwa sistem ini dapat memproses gambar dalam waktu rata-rata 113.20 ms per gambar, yang menunjukkan efisiensi yang baik untuk aplikasi berbasis smartphone. Selain itu, sistem ini mampu mengakses file gambar dengan ekstensi JPEG dan PNG, serta melakukan deteksi sel pada citra mikroskopik. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas layanan kesehatan, terutama di daerah dengan keterbatasan fasilitas medis, serta memperluas aksesibilitas teknologi diagnostik bagi masyarakat.
Co-Authors Ady Firmanda, Dwi Arrafi, Aldi Dahnial Syauqy FAQIH, ABDULLAH Hisyam, Muhammad Ibnu Nugraha, Ridwan Aji Nur Abiyyu, Muhammad Alif Pratamaatmadja, Aditya PURO, MUHAMMAD SULTHON IMAM Sakti Pramukantoro, Eko Septino, Fernando Wafiy, Ahmad Dhani Wahyu Rizqullah, Denis Zuhrul Anam, Muhammad Anif