Articles
<![CDATA[STUDI PEMROSESAN DATA PENGENALAN GESTUR TANGAN MENGGUNAKAN METODE KNN ]]>
<![CDATA[Widodo, Romy Budhi]]>;
<![CDATA[Swastika, Windra]]>;
<![CDATA[Setiawan, Hendry]]>;
<![CDATA[Subianto, Mochamad]]>
<![CDATA[ Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global" ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini diawali oleh kebutuhan komunikasi antara penyandang tunarungu dan tunawicara dengan non-penyandang. Tujuan penelitian jangka panjang adalah penerjemah  bahasa isyarat tangan menjadi teks. Sebuah sarung tangan dilengkapi sensor tekuk digunakan untuk akuisisi data. Data direkam dan akan digunakan pada tahapan desain model machine learning. Ada sepuluh langkah desain model machine learning yang dikerjakan dalam penelitian ini dan dijelaskan dalam artikel, yaitu import library, import dataset, exploratory data analysis, split data, data scrubbing, algoritma pre-model,  penentuan algoritma machine learning, prediksi atau klasifikasi, optimasi, dan evaluasi. Dari enam belas fitur berhasil disederhanakan menjadi sebelas fitur dalam tahap pre-model algorithm. Pemisahan dataset menjadi tiga bagian yaitu data latih, data validasi, dan data uji; dengan proporsi 60:20:20. Pemilihan algoritma yang tepat adalah k-nearest neghbor dengan nilai k = 3. Akurasi yang dihasilkan dengan data uji adalah 98.9%.]]>
<![CDATA[STUDI SENSOR DAN AKUISISI DATA HAND GESTURE DENGAN SARUNG TANGAN ]]>
<![CDATA[Widodo, Romy Budhi]]>;
<![CDATA[Swastika, Windra]]>;
<![CDATA[Haryasena, Agustinus Bohaswara Haryasena Bohaswara]]>
<![CDATA[ Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2020 "Peranan Strategis Teknologi Dalam Kehidupan di Era New Normal" ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyandang tunarungu dan tunawicara dapat saling berkomunikasi dengan bahasa isyarat. Namun komunikasi yang dilakukan antara penyandang disabilitas dengan non-penyandang akan bermasalah jika non-penyandang tidak dapat berbahasa isyarat. Sehingga diperlukan media komunikasi antara keduanya. Salah satu bentuk media adalah penerjemah gestur tangan dengan sarung tangan. Penyandang melakukan bahasa isyarat dengan natural sebab sarung tangan melekat pada tangan dan dilengkapi sensor yang lentur. Jenis sensor yang menjadi kandidat kuat adalah sensor tekuk (bend sensor). Tujuan penelitian adalah ingin mengembangkan sarung tangan yang dapat menerjemahkan bahasa isyarat untuk komunikasi penyandang tunarungu dan tunawicara dengan non-penyandang. Pada penelitian ini pengambilan data gesture satu tangan, yaitu tangan kanan. Bahasa isyarat yang digunakan adalah SIBI (Sistem Bahasa Isyarat Indonesia). Akuisisi data dilakukan dengan interface USB. Perekaman untuk data latih dari sistem yang dibuat dilakukan secara offline untuk data latih, data validasi, dan data tes. Sepuluh fitur dari sensor tekuk menjadi masukan jaringan saraf tiruan sebagai pengklasifikasi. Ada tiga output yaitu klasifikasi bahasa isyarat untuk angka 1, 2, dan 3. Data yang diambil adalah bahasa isyarat angka dengan pertimbangan masih menggunakan satu tangan. Hasil akurasi klasifikasi tiga angka bahasa isyarat tersebut adalah diatas 90%, hal ini menunjukkan prospek yang positif penggunaan jaringan saraf tiruan dan jenis data yang sudah sesuai untuk penelitian lebih lanjut.]]>
<![CDATA[Rancang Bangun Prototipe Sistem Pemantauan dan Pemetaan Lampu Penerangan Jalan Umum (PJU) Berbasis Arduino UNO ]]>
<![CDATA[Aleksander Bima Tansri]]>;
<![CDATA[Mochamad Subianto]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Yusuf Giovanno]]>;
<![CDATA[Octaviani Intan Randi]]>
<![CDATA[ SMATIKA JURNAL Vol 10 No 01 (2020): SMATIKA Jurnal : STIKI Informatika Jurnal ]]>
Publisher : <![CDATA[LPPM STIKI MALANG ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32664/smatika.v10i02.443
<![CDATA[Public road lighting (PRL) is a facility used by the community to work at night. Dinas Perumahan dan Permukiman (DISPERKIM) department is a tasked with making improvements and regulating PRL. However, DISPERKIM officers are still experiencing delays in making PRL improvements, because PRL monitoring and regulation is still by visiting each PRL location. The experimental results show, the trial of sending data with 100 experimental from GSM Shield SIM900 gets 1.55 seconds, while the NRF24L01 device is 1.69 seconds. Based on the results of trials on sending data shows the delay of sending data for the prototype parent by 50.7 seconds, and 56.4 seconds. Whereas the testing delay of sending data for child prototypes was 147.8 seconds or 02:27 minutes, and by 143.5 seconds or 02:23 minutes. The function of experimental is helping officer (DISPERKIM) to get a data for calculation and prediction about PJU condition on every area. Based on the design of the test system can be stated to run well, because the system can do remote monitoring and mapping.]]>
<![CDATA[Study of the Android and ANN-based Upper-arm Mouse ]]>
<![CDATA[Hartawan Sugihono]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Oesman Kelana]]>
<![CDATA[ Proceeding of the Electrical Engineering Computer Science and Informatics Vol 5: EECSI 2018 ]]>
Publisher : <![CDATA[IAES Indonesia Section ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (433.378 KB)
|
DOI: 10.11591/eecsi.v5.1725
<![CDATA[Disability is a person's condition in the physical, intellectual, mental, and/or sensory limitations in the long term. This study is reserved for those who do not have the lower arm in order to operate the computer normally. This study uses orientation sensor on the smartphone as the main sensor to move the cursor and click. Delivery of data from smartphone to computer is using Bluetooth. This study will compare two gestures from a combination of orientation sensors on the upper arm: gesture 1 using pitch-yaw motion and gesture 2 using pitch-roll motion; to move the cursor on the monitor. Left-click and right-click using ANN is to detect upper arm jerk movements. Evaluation using ISO/TS 9241-411 standard: ergonomics of human-system interaction; which includes performance evaluation and comfort of the gesture. Performance results of throughput, movement time, comfort and fatigue between gestures were not significantly different between those gestures. The result of the effort questionnaire is that gesture 1 has the highest effort on the shoulder and gesture 2 has the highest effort on the hand.]]>
<![CDATA[Peningkatan Efisiensi Kerja Guru Melalui Pembuatan Aplikasi Rapor Berbasis Komputer ]]>
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Mochamad Subianto]]>;
<![CDATA[Grace Imelda]]>
<![CDATA[ Jurnal Pemberdayaan Masyarakat Vol 4 No 2 (2019): November ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (534.06 KB)
|
DOI: 10.21067/jpm.v4i2.3636
<![CDATA[The domain of the activity is technology for the society whereas the focus is practical computer science for the society. The background of our activity is based on the needs of YPK junior high school in Malang city, Indonesia. The school need to develop computer-based school report card and also daily grade card for teachers. The method for software/application development is spiral model which consist of the cycle of system identification, risk analysis, and enhancement of the prototype to be an operational prototype. Evaluation of the product was based on the Computer System Usability Questionnaire (CSUQ) from IBM. The CSUQ using 5 scale of Likert scale contains three categories: 1) system usefulness (SYSUSE), 2) information quality (INFOQUAL), and 3) interface quality (INTERQUAL). The mean rank’s result in order from the greatest to the lowest is SYSUSE, INTERQUAL, and INFOQUAL, respectively. It was reported that SYSUSE category was superior to INFOQUAL (U = 3369.5, p = 0.0005). Overall, the user satisfaction score is 78.4%, which is in the “worthy” category]]>
<![CDATA[Pengukuran Performa Pitch-Roll dan Pitch-Yaw pada Sensor Inertia untuk Pengganti Mouse bagi Difabel ]]>
<![CDATA[Rhesdyan Wicaksono Suherman]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Reyna Marsya Quita]]>
<![CDATA[ SMARTICS Journal Vol 4 No 1: SMARTICS Journal (April 2018) ]]>
Publisher : <![CDATA[Universitas PGRI Kanjuruhan Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (485.056 KB)
|
DOI: 10.21067/smartics.v4i1.2183
<![CDATA[Interaksi manusia dan komputer (Human Computer Interaction – HCI) adalah suatu ilmu yang mengkaji tentang interaksi antara manusia dengan komputer meliputi perancangan, evaluasi dan implementasi interface komputer agar mudah digunakan oleh manusia. Dengan dua kemajuan dibidang teknologi dan human computer interaction ini diharapkan dapat digunakan untuk membantu orang – orang yang memiliki keterbatasan yaitu penyandang disabilitas. Seseorang yang memiliki keterbatasan fisik seharusnya dibantu agar dapat tetap produktif meskipun dengan segala keterbatasan yang ada. Penelitian ini bertujuan membandingkan gesture pitch-roll dan pitch-yaw pada penggunaan sensor inersia untuk mengemulasikan gerakan kursor mouse yang dapat dimanfaatkan oleh penyandang disabilitas, dimana tidak dapat mengoperasikan mouse dalam kondisi normal. Setiap gesture akan dievaluasi menggunakan prosedur dalam ISO 9241-411 tentang evaluasi pointing device. Performansi kuantitatif yang diukur meliputi throughput dan movement time, sedangkan evaluasi kualitatif menggunakan angket uji kenyamanan. Hasil throughput untuk mouse sebesar 5.063 bps, untuk pitch-roll sebesar 1.114 bps sedangkan untuk pitch-yaw sebesar 1.116 bps. Hasil analisis statistik menyatakan terdapat perbedaan signifikan antara mouse dan kedua gesture sensor. Namun antar gesture tidak ditemukan perbedaan secara signifikan.]]>
<![CDATA[Penerapan dan Pelatihan Mouse Difabel pada Disabilitas Tunadaksa ]]>
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Yusuf Giovanno]]>;
<![CDATA[Yoga Cahyo Utomo]]>;
<![CDATA[Kevin Christopher Wungow]]>
<![CDATA[ Jurnal SOLMA Vol. 11 No. 2 (2022) ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22236/solma.v11i2.8220
<![CDATA[Background: Some physically disabled people cannot operate a computer mouse due to their limitations. But the rest of the arm or thigh can still be moved so that it has the opportunity to be used to move the mouse cursor on the computer screen. The purpose of this activity is to implement a proposed new mouse for physically disabled people, this prototype has reached the technology readiness level (TRL) 6th level. Method: The implementation techniques are as follows: 1) Cloning and repairing the prototypes; 2) Participate in the disablement community; 3) Training disabled persons in Pendopo Lawang Subdistrict, Malang Regency, and getting feedback from subjects and prospective employers of the disabled person. The suggestion of future development of the proposed mouse should be towards spreadsheet processing easily, such as Excel. Results: The prototype was successfully operated, and the basic functions included left-right and top-down cursor movement, and left-click working properly. The feedback from three subjects, two of them successfully used the proposed mouse, while one subject had difficulty. The application of the proposed mouse needs to pay attention to the characteristics of every disabled people. Conclusions: This activity successfully applies the proposed mouse and gets suggestions, as well as prospective employers of the disabled person.]]>
<![CDATA[Rancang Bangun Perangkat Keras Penunjuk Menggunakan Lengan Atas dengan Konektivitas Bluetooth ]]>
<![CDATA[Yusuf Giovanno]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Oesman Hendra Kelana]]>
<![CDATA[ Prosiding Seminar Nasional Universitas Ma Chung Vol. 1 (2021): Prosiding Seminar Nasional Universitas Ma Chung ]]>
Publisher : <![CDATA[Ma Chung Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (266.514 KB)
|
DOI: 10.33479/snumc.v1i.225
<![CDATA[Perangkat penunjuk memberikan bantuan dalam pengoperasian komputer. Perancangan perangkat mouse menggunakan lengan atas bertujuan untuk membantu penyandang tunadaksa untuk mengoperasikan komputer dengan lebih baik. Prototipe mouse perlu dilengkapi dengan fasilitas klik untuk menggantikan tombol klik mouse. Penelitian ini bertujuan untuk meneliti mana yang lebih baik penggunaan tombol klik di kaki kiri (prototipe A) atau kaki kanan (prototipe B). Sedangkan penggerak kursor sendiri menggunakan sensor di lengan atas. Penelitian dilakukan dengan menggunakan metode penilaian Fitts’ Law yang diterapkan oleh ISO 9241-411, pengujian dilakukan dengan 9 subjek non tunadaksa. Subjek melakukan pengujian dengan menggunakan perangkat lunak untuk melakukan pengujian multi-directional tapping sesuai standar ISO 9241-411. Pengisian kuesioner untuk memperoleh data kualitatif dilakukan setelah pengujian menggunakan perangkat lunak. Penyaringan data dilakukan untuk menghilangkan galat, dan ketika data telah siap, dilakukan pengujian statistik untuk menguji performa, tingkat kenyamanan, dan tingkat kelelahan. Pengujian performa dilakukan menggunakan data Time of Movement dan Throughput, sedangkan untuk pengujian tingkat kenyamanan menggunakan Assessment of Comfort, dan untuk pengujian tingkat kelelahan menggunakan Assessment of Fatigue.]]>
<![CDATA[Perancangan Aplikasi Realtime Berbasis Desktop dengan Sensor IMU pada Klasifikasi Gerakan Semaphore Menggunakan Metode CNN ]]>
<![CDATA[Tobias Nagata Budimartono]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Paulus Lucky Tirma Irawan]]>
<![CDATA[ Prosiding Seminar Nasional Universitas Ma Chung Vol. 2 (2022): Prosiding Seminar Nasional Universitas Ma Chung ]]>
Publisher : <![CDATA[Ma Chung Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (851.549 KB)
<![CDATA[Semaphore merupakan komunikasi nonverbal yang menggunakan bendera sebagai sarana penyampaiannya. Informasi disampaikan melalui formasi bendera yang terdiri dari huruf, angka, dan simbol. Tujuan dari penelitian ini adalah untuk membuat aplikasi berbasis desktop yang mampu melakukan klasifikasi terhadap 27 gerakan semaphore yang dipilih yaitu seluruh huruf dan 1 karakter spasi atau istirahat. Aplikasi yang dirancang bersifat realtime sehingga data yang berasal dari sensor IMU (Inertial Measurement Unit) akan langsung diklasifikasi menggunakan model deep learning dengan algoritma CNN. Dataset yang digunakan untuk membuat model klasifikasi diambil dari 6 subjek yang dibagi menjadi 2 kelompok, kelompok pertama akan memperagakan secara berurutan mulai dari space/rest hingga Z sedangkan kelompok kedua akan memperagakan dengan urutan terbalik. Adapun pengambilan data setiap subjek dilakukan sebanyak 3 repetisi sehingga mendapatkan total data sebesar 92,200 data. Pembentukan model dilakukan dengan menggunakan 2 dan 3 sensor yang terletak di pergelangan tangan kanan, pergelangan tangan kiri, dan bagian punggung. Masing-masing sensor dibentuk dengan 3 tipe model yang berbeda yaitu simple, medium, dan complex. Setiap tipe model memiliki 3 proporsi pembagian data train dan data test yaitu 90% train 10% test, 80% train 20% test, dan 70% train 30% test. Berdasarkan model yang telah dibentuk pada penelitian ini akan menggunakan model dengan 2 sensor pada tipe model complex dengan proporsi 70% data train dan 30% data test yang mendapatkan nilai akurasi sebesar 76,65%. Pengujian dilakukan pada 2 subjek yang berbeda subjek pertama melakukan pengujian dengan urutan ascending sedangkan subjek kedua dengan urutan descending. Pengujian realtime menghasilkan nilai rata-rata akurasi sebesar 83,33%. ]]>
<![CDATA[Studi Klasifikasi dengan KNN dan ANN pada Sarung Tangan Penerjemah Angka dan Alfabet Bahasa Isyarat SIBI ]]>
<![CDATA[Kevin Christopher Wungow]]>;
<![CDATA[Romy Budhi Widodo]]>;
<![CDATA[Mochamad Subianto]]>
<![CDATA[ Prosiding Seminar Nasional Universitas Ma Chung Vol. 2 (2022): Prosiding Seminar Nasional Universitas Ma Chung ]]>
Publisher : <![CDATA[Ma Chung Press ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (582.466 KB)
<![CDATA[Penyandang disabilitas di Indonesia khususnya pada jenis disabilitas tunawicara dan tunarungu pada tahun 2018, yaitu 0,15% untuk tuna wicara dan 0,11% untuk tuna rungu dari total masyarakat Indonesia. Berdasarkan jumlah penyandang tunawicara dan tunarungu yang ada di Indonesia jika menggunakan alat penerjemah bahasa isyarat tentu akan mempermudah komunikasi antara penyandang dengan non penyandang. Hal tersebut disebabkan oleh kurang pahamnya orang tentang bahasa isyarat yaitu Sistem Bahasa Isyarat Indonesia dan Bahasa Isyarat Indonesia (BISINDO). Pada penelitian kali ini fokus pada bahasa Sistem Bahasa Isyarat Indonesia (SIBI) yang digunakan sebagai penerjemah angka dan alfabet dengan menggunakan sarung tangan yang dilengkapi dengan sensor tekuk. Penelitian ini bertujuan untuk mengklasifikasi angka 1 sampai 10 dan huruf A sampai Z, serta menggunakan metode K-Nearest Neighbors dan Artificial Neural Network, serta dilakukan pengujian secara real-time. Total data sampel yang digunakan pada penelitian ini sebanyak 288 buah. Pengambilan data dilakukan dengan cara subjek menggerakan gestur angka 1 sampai 10 dan huruf A sampai Z sebanyak 2x jadi masing masing subjek memiliki data sampel sebanyak 72 buah. Pembuatan program klasifikasi ini dilakukan menggunakan bahasa pemrograman Python dan pustaka-pustaka Python lainnya. Tujuan yang ingin dicapai dalam penelitian ini telah berhasil dilakukan yaitu membuat program aplikasi yang dapat mengklasifikasi gestur tangan dengan menggunakan metode KNN serta mengujinya secara real time dan pembuatan model ANN. Hasil akurasi model ANN menghasilkan akurasi 93% dengan loss 0,2134. untuk model KNN dengan nilai k = 7 menghasilkan akurasi 99%. Pengujian real-time diuji menggunakan model KNN dengan nilai k = 7 mendapatkan akurasi rata-rata 75%.]]>
