Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan algoritma convolutional neural network (cnn) untuk mengklasifikasi jenis kendaraan Wibowo, Bhanu Lintang; Caesarizky, Ovien Yoga; Hakim, Muhammad Ilham; Munsarif, Muhammad
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 2, No 2 (2024): Implementasi Sistem Cerdas
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v2i2.13938

Abstract

Dengan berkembangnya teknologi kendaraan otonom dan pengawasan lalu lintas cerdas, klasifikasi kendaraan menjadi elemen kunci dalam sistem transportasi modern. Artikel ini mengusulkan suatu pendekatan berbasis Convolutional Neural Network (CNN) untuk meningkatkan ketepatan dan efisiensi dalam klasifikasi jenis kendaraan dari data visual. Metode yang diusulkan menggunakan arsitektur CNN yang mendalam untuk mengekstraksi fitur-fitur penting dari citra kendaraan. Data pelatihan yang luas dan bervariasi digunakan untuk melatih model, yang kemudian diuji pada dataset independen untuk mengevaluasi performanya. Hasil eksperimen menunjukkan bahwa pendekatan ini dapat mencapai tingkat akurasi yang tinggi dalam klasifikasi kendaraan, bahkan dalam kondisi pencahayaan yang bervariasi dan latar belakang yang kompleks. Keuntungan utama dari metode ini adalah kemampuannya untuk secara otomatis mempelajari pola dan fitur- fitur diskriminatif dari citra kendaraan, membuatnya mampu mengatasi variasi dan kompleksitas dalam lingkungan praktis. Hasil dari penelitian ini memberikan kontribusi positif terhadap pengembangan sistem transportasi pintar dan meningkatkan keamanan serta efisiensi lalu lintas.
Sistem Monitoring Tekanan Darah Non-Invasif Berbasis Sinyal Elektrokardiogram Menggunakan Sensor Shimmer Hakim, Muhammad Ilham; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini bertujuan mengembangkan sistem monitoring tekanan darah non-invasif berbasis sinyal elektrokardiogram menggunakan sensor Shimmer3 ECG. Latar belakang penelitian didasari kebutuhan akan alat monitoring kardiovaskular yang ekonomis, portabel, dan dapat digunakan di luar lingkungan klinis. Sistem dirancang untuk merekam sinyal ECG secara real-time, melakukan pra-pemrosesan, serta mengekstraksi tujuh fitur time-domain (shape factor, mean, mobility, skewness, coefficient of variation, complexity, central moment). Fitur-fitur ini kemudian digunakan untuk memprediksi tekanan darah sistolik dan diastolik pada setiap segmen 20 detik. Prediksi tekanan darah ditampilkan bersamaan dengan gelombang ECG melalui antarmuka pengguna grafis (Graphical User Interface). Validasi menggunakan 10 percobaan dengan Omron HEM-7156T sebagai referensi menunjukkan nilai mean error SBP = –0,9 mmHg dan DBP = 3,4 mmHg, serta mean absolute percentage error SBP = 4,20% dan DBP = 4,91%, keduanya di bawah ambang 5%. Hasil pengujian menunjukkan bahwa sistem berhasil beroperasi sesuai kebutuhan, dengan perbandingan pipeline offline dan live detection hanya menghasilkan peningkatan MAPE sebesar 0,47% untuk SBP dan 1,19% untuk DBP. Sistem ini menawarkan solusi monitoring tekanan darah yang lebih sederhana, efisien, dan adaptif untuk pemantauan kesehatan secara real-time di berbagai kondisi.