Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal Teknika eProceedings of Engineering
Wali Satria Bahari Johan, Ahmad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Descending Stairs Detection Using Digital Image Processing to Guide Visually Impaired Wali Satria Bahari Johan, Ahmad; Fenaldo Maulana, Rizky
Teknika Vol. 13 No. 3 (2024): November 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i3.982

Abstract

Blindness refers to a condition in which an individual experiences limitations in their visual ability. Individuals with visual impairments require specific assistance to facilitate their movement from one location to another. The need for this assistance arises due to various obstacles scattered throughout their environment. One of the most significant challenges is navigating descending stairs. To address this issue, a descending stairs detection system based on digital image processing has been developed. Through this approach, the mobility of individuals with visual impairments can be enhanced. The descending stairs detection system is designed using the Gray Level Co-occurrence Matrix (GLCM) method to extract distinctive features of descending stairs and the surrounding floor surfaces. Seven GLCM features are incorporated into the development of this system, allowing it to differentiate between descending stairs and floors using the Extra Tree Classifier classification method. Through a series of tests, the system's accuracy is measured at 84%, demonstrating its adequate ability to identify descending stairs. Additionally, the average computation time for detecting descending stairs and floors is recorded at 0.121 (s), indicating the efficient performance of this system in supporting the mobility of individuals in need.
Deteksi Kantuk Menggunakan Ear Dan Mar Berbasis Deep Learning Pada Citra Sekuensial Galih Ananta, Whisnumurty; Wali Satria Bahari Johan, Ahmad; Hani Safitri, Pima
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pada tahun 2023, kecelakaan lalu lintas mencapai angka tertinggi dalam lima tahun terakhir, dengan total 148.575 kasus, dimana 20% di antaranya disebabkan oleh kantuk, yang meningkatkan risiko kecelakaan hingga tiga kali lipat akibat penurunan kewaspadaan pengemudi. Penelitian ini mengusulkan metode ekstraksi fitur geometris Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR) dari citra wajah sekuensial secara real-time menggunakan MediaPipe. EAR dan MAR dihitung berdasarkan koordinat landmark mata dan mulut, kemudian disusun dalam urutan temporal untuk menggambarkan perubahan kondisi subjek seiring waktu. Representasi ini efektif dalam menggambarkan transisi kantuk, yang dapat digunakan sebagai input dalam model deteksi berbasis deep learning. Penelitian ini melibatkan lima komponen utama: pengujian metode klasifikasi, pengolahan input data, perbaikan citra, augmentasi data, dan pipeline model. Data dari National Tsing Hua University Drowsiness Dataset (NTHU-DDD) dikelompokkan dalam window 60 frame, dengan fitur EAR dan MAR diekstraksi menggunakan MediaPipe. Hasil penelitian menunjukkan bahwa model CNN LSTM efektif dalam memproses fitur EAR dan MAR secara sekuensial. Representasi penuh dengan input implisit (120, 1) memberikan performa terbaik, sementara teknik augmentasi SMOTE meningkatkan performa dengan menyeimbangkan distribusi kelas. Model CNN-LSTM-120FT tanpa perbaikan citra atau augmentasi menunjukkan performa paling stabil, dengan accuracy 85,59% dan precision 92,31%. Kata kunci— kecelakaan lalu lintas, kantuk, EAR, MAR, deep learning, citra sekuensial
Implementasi Algoritma YOLO11 untuk Deteksi Logo Situs Judi Online pada Konten Video Reel Instagram Mu’min Faisal, Ahmad; Wali Satria Bahari Johan, Ahmad; Mustaqim, Tanzilal
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Promosi judi online yang masif di platform media sosial Instagram, khususnya melalui konten video reel, telah menjadi tantangan sosial yang serius. Volume konten promosi yang tinggi dan sulit diidentifikasi secara manual karena logo yang disamarkan memerlukan solusi deteksi otomatis. Penelitian ini bertujuan mengembangkan sistem yang mampu mendeteksi logo situs judi online dari video reel sebagai input dan menghasilkan lokasi logo sebagai output. Pentingnya penelitian ini terletak pada penyediaan alat bantu bagi otoritas atau platform dalam mengurangi penyebaran konten ilegal tersebut, karena metode deteksi yang ada belum disesuaikan dengan lingkungan media sosial yang dinamis. Untuk mengatasi masalah ini, sistem deteksi objek diimplementasikan menggunakan algoritma YOLO11. Metodologi penelitian meliputi akuisisi data video dari Instagram, ekstraksi frame, anotasi manual untuk membuat dataset khusus, dan augmentasi data fotometrik untuk meningkatkan ketahanan model. Dua skenario pelatihan dilakukan untuk mengevaluasi dampak augmentasi. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan cukup efektif, mencapai performa terbaik dengan mean Average Precision (mAP50) sebesar 72,9%. Secara khusus, model yang dilatih dengan data augmentasi menunjukkan Precision yang lebih baik yaitu 90,4% untuk kelas logo judi. Precision yang tinggi ini penting untuk menghasilkan sistem deteksi yang dapat diandalkan dan praktis, karena dapat meminimalkan kesalahan identifikasi, sehingga pendekatan ini cocok untuk moderasi konten di dunia nyata. Kata Kunci—deteksi objek, YOLO11, logo judi online, instagram reels, computer vision, deep learning
Implementasi Sistem Pakar untuk Mendiagnosa Penyakit Kulit pada Manusia yang Disebabkan oleh Alergi dengan Metode Dempster Shafer Dafi’us Shidqi , Mochamad; Wali Satria Bahari Johan, Ahmad; Hani Safitri, Pima
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penyakit kulit akibat alergi merupakan salah satu permasalahan kesehatan yang umum terjadi, terutama di wilayah tropis seperti Indonesia. Gejala yang bervariasi dan kemiripan dengan penyakit lain seringkali menyulitkan proses diagnosis secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis metode Dempster Shafer guna mendiagnosis penyakit kulit yang disebabkan oleh alergi. Metode ini dipilih karena kemampuannya dalam menangani ketidakpastian informasi dan menghasilkan tingkat keyakinan terhadap diagnosis yang diberikan. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan dukungan antarmuka GUI berbasis Tkinter. Pengujian dilakukan menggunakan 37 data kasus yang divalidasi oleh pakar, dan hasil evaluasi sistem menunjukkan bahwa metode ini mampu memberikan diagnosis yang akurat dengan nilai akurasi yang tinggi. Selain memberikan informasi diagnosis awal beserta tingkat kepercayaannya, sistem ini juga menyediakan rekomendasi penanganan awal. Dengan demikian, sistem pakar ini diharapkan dapat menjadi solusi diagnosis yang efisien, terutama bagi masyarakat yang memiliki keterbatasan akses ke layanan kesehatan, sekaligus berfungsi sebagai alat bantu edukasi dalam mengenali gejala penyakit kulit akibat alergi secara mandiri. Kata kunci— sistem pakar, penyakit kulit, alergi, dempster-shafer, diagnosis, kepercayaan
Klasifikasi Kualitas Melon Inthanon Berbasis Analisis Tekstur dan Warna Menggunakan GLCM dan SVM Andi Divangga Pratama , Moch.; Wali Satria Bahari Johan, Ahmad; Widyantara, Helmy
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Proses grading melon secara manual seringkali tidak konsisten, memakan waktu lama, dan meningkatkan biaya tenaga kerja, sehingga mengurangi efisiensi pascapanen. Penelitian ini bertujuan mengembangkan sistem grading otomatis untuk mengklasifikasikan kualitas melon Inthanon berbasis analisis tekstur dan warna. Analisis tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM) untuk mengekstrak tujuh fitur utama, sedangkan analisis warna menggunakan ruang warna CIELab (a* dan b* channel) dengan tambahan parameter Hue dan Chroma. Dataset terdiri dari 300 citra melon dengan akuisisi gambar dilakukan dalam perlakuan terkendali. Dataset Melon Inthanon kualitas buruk dan baik di augmentasi sebanyak 14 sudut untuk data training model augmentasi. Proses klasifikasi dilakukan dalam dua tahap menggunakan Support Vector Machine (SVM), yaitu untuk klasifikasi jenis melon (Net/Non-Net) kemudian kualitas melon (Baik/Buruk). Fitur warna dan tekstur terbukti akurat dan efisien dalam mengklasifikan kualitas Melon Inthanon dengan hasil akurasi pada model klasifikasi jenis melon tanpa augmentasi sebesar 100%, model klasifikasi kualitas inthanon tanpa augmentasi sebesar 95%, dan model augmentasi mendapatkan akurasi lebih rendah dari model tanpa augmentasi yaitu sebesar 87.5%. Temuan ini menunjukkan efektivitas metode yang diusulkan dan mengotomatisasikan klasifikasi kualitas Melon Inthanon. Kata kunci— CIELab, GLCM, Grading Otomatis, Melon Inthanon, SVM
Co-Authors Andi Divangga Pratama , Moch. Dafi’us Shidqi , Mochamad Fenaldo Maulana, Rizky Galih Ananta, Whisnumurty Hani Safitri, Pima Helmy Widyantara Mu’min Faisal, Ahmad Tanzilal Mustaqim