Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Communications in Science and Technology Majalah Ilmiah Warta Dharmawangsa
Ramadhan, Irfan Wahyu
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Education Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan IoT dalam Sistem Monitoring Kesehatan: Inovasi dan Implementasi Ramadhan, Irfan Wahyu; Firdaus, Firdaus; Adinandra, Sisdarmanto
Techno.Com Vol. 23 No. 4 (2024): November 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i4.11482

Abstract

Penelitian ini mengkaji penerapan Internet of Things (IoT) dalam sistem monitoring kesehatan melalui tinjauan literatur yang mendalam. Inovasi dalam perangkat wearable, platform cloud, dan algoritma analitik memungkinkan pengumpulan data fisiologis secara real-time, pemantauan jarak jauh, dan deteksi dini anomali kesehatan. Implementasi teknologi ini telah menunjukkan hasil yang menjanjikan, seperti akurasi tinggi dalam pengukuran parameter kesehatan, efektivitas dalam mendeteksi kondisi kritis, dan peningkatan akses terhadap perawatan kesehatan untuk populasi yang kurang terlayani. Namun, adopsi sistem monitoring kesehatan berbasis IoT menghadapi beberapa tantangan, termasuk keamanan data, interoperabilitas, dan validasi klinis. Untuk memaksimalkan potensi teknologi ini, penelitian masa depan perlu difokuskan pada penguatan keamanan dan privasi data pasien. Dengan memanfaatkan kemajuan teknologi seperti Artificial Intelligence (AI), Machine Learning (ML), dan integrasi Electronic Health Records (EHR), sistem monitoring ke6sehatan berbasis IoT dapat mencapai potensi penuh mereka dalam mentransformasi perawatan kesehatan dan memberdayakan individu untuk mengambil peran proaktif dalam mengelola kesehatan.   Kata kunci: Catatan Kesehatan Elektronik, Internet of Things, Kecerdasan Buatan, Pembelajaran Mesin, Sistem Pemantauan Kesehatan.
Smart Water Meter: Perancangan Sistem IoT untuk Kontrol dan Pemantauan yang Lebih Baik Ramadhan, Irfan Wahyu; Stiawan, Hendra; Firdaus, Firdaus
Jurnal Warta Dharmawangsa Vol 18, No 3 (2024)
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/wdw.v18i3.4251

Abstract

Sistem pengukuran konsumsi air yang efektif dan andal merupakan elemen kunci dalam manajemen sumber daya air yang berkelanjutan. Artikel ini membahas tinjauan awal terkait perancangan Smart Water Meter berbasis Internet of Things (IoT) sebagai solusi inovatif untuk mengatasi keterbatasan water meter konvensional. Metode perancangan sistem disajikan secara sistematis, mulai dari analisis kebutuhan hingga usulan metode pengujian. Fokus utama adalah meningkatkan akurasi pengukuran, memberikan akses real-time kepada pengguna, dan mengoptimalkan efisiensi pengelolaan konsumsi air. Komponen-komponen sistem, seperti sensor aliran air, mikrokontroler, konektivitas IoT, platform cloud, dan antarmuka pengguna, dijelaskan dengan spesifikasi masing-masing. Sistem ini bekerja dengan membaca data dari sensor aliran air, mengirimkannya ke cloud, merespons perintah pengguna, menganalisis data, dan menampilkan informasi pada antarmuka pengguna. Usulan metode pengujian mencakup akurasi sensor, kestabilan koneksi IoT, responsivitas antarmuka pengguna, ketahanan terhadap kondisi lingkungan, dan analisis keamanan data. Keberhasilan implementasi Smart Water Meter diharapkan dapat meningkatkan efisiensi pengelolaan konsumsi air, memberikan akses informasi yang lebih baik, dan mendukung konservasi air secara keseluruhan.
Optimization of Electromyography (EMG) Signal Parameters for Assistive Device Control Using a Convolutional Neural Network (CNN) Ramadhan, Irfan Wahyu; Adinandra, Sisdarmanto
Communications in Science and Technology Vol 10 No 2 (2025)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21924/cst.10.2.2025.1758

Abstract

Facial Electromyography (EMG) signals offer a promising modality for intuitive human-machine interfaces (HMIs). The development of robust control systems, however, remains challenging in view of the inherent complexity, noise susceptibility, and significant inter-subject variability of EMG signals in the facial region. This study addresses these technical challenges by developing and validating an optimized Deep Learning framework for facial gesture recognition. The primary objective of this study is to create a reliable classification model for five essential facial movements: 'Rest', 'Smile', 'Eyebrow Raise', 'Right Lip Movement', and 'Left Lip Movement'. The model will serve as precise control inputs for assistive devices. The proposed methodology employs a systematic workflow comprising signal preprocessing (filtering, normalization, and segmentation) followed by the automated hyperparameter optimization of a one-dimensional (1D) Convolutional Neural Network (CNN). The experimental results demonstrate that the optimized model achieved a classification accuracy of 90% on internal test data, with the learning rate identified as the most critical hyperparameter influencing performance. Furthermore, validation of the model on entirely new participants yielded an accuracy of 71%. While this result underscores the persistent challenge of generalizing across different users, it establishes a reliable baseline. Ultimately, this work provides a validated, optimization-based framework that utilizes low-cost instrumentation, thereby offering a substantial pathway towards more accessible and personalized hands-free assistive technologies to restore autonomy for individuals with severe motor impairments.
Co-Authors Firdaus Firdaus Sisdarmanto Adinandra, Sisdarmanto Stiawan, Hendra