Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal EECCIS Jurnal Qua Teknika
Haitsam, Haitsam
Unknown Affiliation
Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Manusia dengan Sinyal Bioelectric Tanaman Haitsam, Haitsam
Jurnal Qua Teknika Vol 15 No 01 (2025): Maret 2025
Publisher : Universitas Islam Balitar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/quateknika.v15i01.4061

Abstract

This research aims to utilize the bioelectric potential of plants as a tool to detect human presence in the surrounding area. The potential bioelectric signals of plants are recorded using a data logger and analyzed with the help of a computer for identification. Previous methods used time series models and Z-value tests, but challenges in achieving accurate estimates remain. We use Recurrent Neural Networks (RNN) to handle the processing of large datasets in this study. The experimental results show that the RNN model is very effective and achieves a high level of accuracy, with a perfect accuracy of 1.00 from the total duration of each class is 62030 seconds (379610 samples).303688 data samples are used as train datasets, while the others (75922 samples) are used as validation datasets This shows that RNN has great potential in processing plant bioelectric data to detect human presence with very high accuracy.
Deteksi Sleep Apnea Menggunakan Metode Decision Tree dengan Fitur Statistik RR Interval Subairi, Subairi; Permatasari, Delila Cahya; Dirgantara, Wahyu; Surya Akbar Gumilang, Yandhika; Zahroya J.M.F. , Isvine; Haitsam, Haitsam
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 16 No. 3 (2022)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v16i3.1603

Abstract

Obstructive sleep apnea (OSA) atau sleep apnea adalah gangguan tidur langka yang memerlukan penggunaan sinyal aktivitas listrik, biasa disebut sebagai elektrogram (ECG), untuk dideteksi. Sinyal ECG terdiri dari bentuk gelombang, durasi, ritme bentuk gelombang, dan orientasi sinyal, yang dapat digunakan ahli jantung untuk mengevaluasi kondisi jantung pasien. Tujuan dari penelitian ini adalah untuk mendeteksi sleep apnea menggunakan dataset ECG yang ada. Sistem pendeteksi sleep apnea ini diharapkan mampu mendeteksi gangguan pada pasien secara dini dan membantu dokter mendiagnosis pasien secara lebih akurat dan cepat sehingga dapat memberikan penanganan lebih lanjut. Penelitian ini mengusulkan bagaimana mendeteksi sleep apnea dengan perangkat lunak dengan menggunakan parameter statistik dari sinyal interval RR dalam dataset sinyal ECG dan kemudian mengklasifikasikannya menggunakan metode DecisionTree. Proses deteksi sleep apnea yang peneliti usulkan menggunakan interval RR dan proses decision tree memiliki tingkat akurasi 99,5%.
Co-Authors Permatasari, Delila Cahya Subairi Subairi Wahyu Dirgantara Yandhika Surya Akbar Gumilang Zahroya J.M.F. , Isvine