Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rosana Widasari, Edita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 5 Documents
Search

 1 
Analisis Perbandingan Filter Eksponensial, Butterworth IIR, dan Gaussian smoothing pada Lengan Prostetik Bionik Berbasis Wearable Electromyography Armband Sensor Nabil, Hilmisyah; Rosana Widasari, Edita
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

Asia Tenggara mencatat jumlah penyandang disabilitas yang signifikan, dengan Indonesia mencapai sekitar 28,5 juta individu. Tantangan aksesibilitas dan mobilitas masih sangat besar, khususnya dalam pengembangan lengan prostetik bionik yang dirancang untuk meniru gerakan tangan manusia. Salah satu solusi inovatif dalam teknologi ini adalah pemanfaatan wearable electromyography armband sensor, seperti Oymotion Force200 Gesture Armband, yang mampu merekam aktivitas otot secara real-time untuk mengendalikan lengan prostetik. Namun, kualitas sinyal EMG yang dihasilkan sering kali terpengaruh oleh noise, sehingga memerlukan proses penyaringan untuk meningkatkan akurasi dan efektivitas kontrol. Dalam konteks ini, penelitian ini bertujuan untuk mengevaluasi dan membandingkan tiga jenis filter sinyal EMG, yaitu Butterworth IIR, Gaussian Smoothing, dan Eksponensial, guna menentukan metode terbaik dalam mengoptimalkan kualitas sinyal untuk kontrol prostetik yang lebih responsif dan alami. Dengan memanfaatkan sensor Oymotion Force200 Gesture Armband, sinyal EMG berhasil diambil dan dilakukan penyaringan untuk mengurangi interferensi menggunakan filter. Setelah proses penyaringan, sinyal dievaluasi menggunakan Support Vector Machine (SVM) classifier pada sepuluh variasi gerakan tangan yang dilakukan oleh lima subjek berbeda. Analisis dimulai dengan menilai kualitas sinyal berdasarkan Signal-to-Noise Ratio (SNR), kemudian meluas ke aspek lain, seperti waktu pemrosesan dan penggunaan memori. Hasil penelitian menunjukkan bahwa Gaussian Smoothing unggul dalam mengurangi noise, menghasilkan SNR yang lebih tinggi dibandingkan metode penyaringan lainnya. Karakteristik utama sinyal tetap terjaga dengan baik, sebuah temuan penting. Waktu pemrosesan menggunakan filter Gaussian Smoothing tercatat sebagai yang tercepat, rata-rata 1867 mikrodetik, sementara penggunaan memori sebanding dengan filter lainnya. Dengan demikian, Gaussian Smoothing dapat dianggap sebagai pilihan terbaik dalam pengolahan sinyal EMG, sekaligus meningkatkan kualitas sinyal dan efisiensi kontrol pada lengan prostetik bionik. Hasil ini menjadi langkah penting dalam pengembangan teknologi prostetik yang lebih canggih dan responsif
Implementasi Kombinasi Eksponensial dan Notch Filter Untuk Mengurangi Noise Pada Sistem Pengenalan Pergerakan Lengan Prostetik Bionik Afif Robbani, Muhammad; Rosana Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan jumlah kasus amputasi di seluruh dunia yang mencapai sekitar 1 juta per tahun telah mendorong inovasi dalam pengembangan prostetik bionik, khususnya lengan prostetik untuk penderita amputasi transradial. Penggunaan sinyal Electromyography (EMG) sebagai metode untuk mengontrol lengan prostetik memiliki tantangan tersendiri, salah satunya adalah interferensi dan Noise yang mengganggu keakuratan sinyal. Power Line Interference (PLI) adalah contoh dari jenis Noise yang seringkali ditemui pada sinyal EMG. Oleh karena itu penelitian ini bertujuan untuk mengeksplorasi dan menguji efektivitas kombinasi metode filtrasi dalam mengurangi Noise pada sinyal EMG terutama jenis Noise PLI. Kombinasi metode filtrasi yang diterapkan meliputi Notch Filter dan filter eksponensial. Proses evaluasi dilakukan dengan menggunakan pengukuran Signal to Noise Ratio (SNR) untuk menilai kinerja dan efektivitas metode kombinasi tersebut. Hasil menunjukkan bahwa kombinasi metode filtrasi tertentu mampu secara cukup baik mengurangi tingkat Noise. Hal ini ditunjukkan oleh peningkatan nilai rata-rata SNR sebesar 3.448225 dB setelah sinyal sampel difiltrasi menggunakan kombinasi Notch Filter dan filter eksponensial. Hal ini berdampak pada peningkatan keakuratan sinyal EMG, sehingga dapat meningkatkan kinerja dan kontrol lengan prostetik bionik. Kesimpulannya, kombinasi metode filtrasi yang tepat dapat memberikan solusi efektif untuk mengatasi masalah Noise pada sinyal EMG
Implementasi Support Vector Machine untuk Deteksi Tingkat Stres Berbasis Sinyal Electroencephalogram Satu Kanal Al-Luthfi Sukafdi, Rasyid; Rosana Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Stres adalah kondisi psikologis yang memengaruhi keseimbangan emosional dan kinerja seseorang. Apabila stres tidak dilakukan deteksi dan penanganan sejak dini, maka stres mampu menyebabkan gangguan kesehatan yang serius. Deteksi stres pada umumnya dilakukan dengan metode subjektif menggunakan kuesioner seperti PSS, DASS-42, dan sebagainya, namun metode  tersebut belum sepenuhnya akurat dikarenakan ketergantungannya terhadap persepsi individu. Pengukuran dengan metode objektif secara fisiologis berbasis sinyal electroencephalogram (EEG) dinilai lebih akurat. Namun, penggunaan perangkat berbasis EEG banyak kanal memiliki kelemahan yaitu kompleksitas komputasi yang tinggi dan portabilitas yang rendah cenderung membuat pasien tidak nyaman. Berdasarkan hal tersebut, penelitian ini mengusulkan implementasi Support Vector Machine (SVM) untuk deteksi tingkat stres berbasis sinyal EEG satu kanal untuk meningkatkan performa akurasi klasifikasi, efisiensi waktu komputasi, dan kenyamanan pengguna. Proses pengolahan sinyal menggunakan normalisasi Z-Score, dekomposisi Discrete Wavelet Transform (DWT), serta ekstraksi fitur berupa Mean Absolute Value (MAV), Standard Deviation (SD), Absolute Power (AP), dan Power Percentage (PP) dari gelombang alpha dan beta. Data fitur diklasifikasikan dengan menggunakan algoritma Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF) ke dalam tiga kelas yaitu Normal, Mid-Stress, High-Stress. Sistem dibentuk dalam aplikasi Graphical User Interface (GUI) berbasis MATLAB sehingga sistem dapat menampilkan keluaran berupa grafik sinyal alpha dan beta, nilai ekstraksi fitur, hasil diagnosa, dan waktuHasil pengujian menunjukkan akurasi klasifikasi sebesar 86,67%  dan rata-rata waktu komputasi sistem 2,29 detik. Sistem yang diimplentasikan pada penelitian ini dapat diandalkan dan digunakan oleh psikolog sebagai alat validator tambahan dan mendeteksi stres pasien dengan lebih objektif, cepat, dan nyaman.
Perancangan Sistem Identifikasi Awal Kanker Payudara Menggunakan Metode Decision Tree Berdasarkan Sinyal Photoplethysmogram Maulana Sidqi, Afwan; Rosana Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker payudara merupakan salah satu penyebab utama kematian pada perempuan di Indonesia, yang tingginya angka mortalitas masih dipengaruhi oleh keterlambatan diagnosis. Metode skrining yang umum digunakan, seperti mamografi, memiliki keterbatasan dari sisi kenyamanan, biaya, dan aksesibilitas, sehingga diperlukan alternatif skrining awal yang bersifat non-invasif dan mudah digunakan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem identifikasi awal kanker payudara berbasis sinyal Photoplethysmogram (PPG) menggunakan metode Decision Tree dengan fitur Heart Rate Variability (HRV), yaitu pNN50 dan High Frequency (HF). Sistem dikembangkan menggunakan sensor MAX30102 untuk akuisisi sinyal PPG dan mikrokontroler ESP32-DEVKITC sebagai unit pemrosesan. Sinyal PPG diproses melalui tahap deteksi puncak untuk memperoleh NN interval, yang selanjutnya digunakan dalam proses ekstraksi fitur pNN50 dan HF. Model klasifikasi Decision Tree dilatih menggunakan dataset HRV dari penelitian terdahulu dan diintegrasikan ke dalam sistem. Hasil pengujian menunjukkan akurasi deteksi NN interval sebesar 99,367% dan error pembacaan sinyal PPG sebesar 1,02% dibandingkan oximeter. Namun, akurasi identifikasi awal kanker payudara sebesar 60% menunjukkan bahwa penggunaan fitur HRV saja masih belum optimal. Meskipun demikian, sistem memiliki waktu komputasi rata-rata 3,68 ms, sehingga berpotensi digunakan sebagai sistem identifikasi awal non-invasif dengan pengembangan lebih lanjut.
Sistem Monitoring Kondisi Otot Pada Pasien Intraoperatif Menggunakan Metode Root Mean Square Berbasis Sinyal Electromyogram Halimatus Sa'diah, Nur; Rosana Widasari, Edita; Muji Laksono, Ristiawan; Feza Fadlurrahman, Ahmad; Ristranda, Fajar
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan kondisi otot pada pasien intraoperatif masih dilakukan secara konvensional menjadi tantangan bagi dokter dalam mendeteksi tanda-tanda kesadaran secara akurat. Penelitian ini mengembangkan sistem monitoring kondisi otot pada pasien intraoperatif berbasis sinyal EMG menggunakan perangkat Myoware 2.0 Sensor Muscle dengan ESP32. Sistem ini dirancang untuk membantu dokter dalam mengidentifikasi kesadaran pasien dengan menganalisis kondisi otot secara real-time. Penelitian ini menggunakan Notch Filter untuk menghilangkan noise dan metode Root Mean Square yang dinormalisasi dengan threshold 65% untuk menentukan kondisi otot. Sistem ini menggunakan Graphical User Interface (GUI) untuk menampilkan plot sinyal EMG, nilai Root Mean Square dan klasifikasi kondisi otot. Berdasarkan analisis kesesuaian deteksi kondisi otot menggunakan metode Root Mean Square dibandingkan dengan perhitungan Root Mean Square Normalisasi diperoleh akurasi sebesar 90% dari pengujian terhadap 10 data dengan rata-rata waktu komputasi sistem dalam mengestimasi kondisi otot sebesar 1.9 ms. Sistem monitoring kondisi otot dioperasikan secara real-time menggunakan MATLAB dengan perangkat wireless.
Co-Authors Afif Robbani, Muhammad Al-Luthfi Sukafdi, Rasyid Feza Fadlurrahman, Ahmad Halimatus Sa'diah, Nur Maulana Sidqi, Afwan Muji Laksono, Ristiawan Nabil, Hilmisyah Ristranda, Fajar