Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Hani Safitri, Pima
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Implementasi Klasifikasi Dosis Obat Pil Menggunakan Naive Bayes Pada Penyakit Gagal Jantung Zulkarnaen, Feiticeira; Yusuf Wicaksono, Ardian; Hani Safitri, Pima
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit gagal jantung memerlukan pengelolaan dosis obat yang tepat untuk meningkatkan efektivitas pengobatan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi dosis obat menggunakan algoritma Naive Bayes dengan pendekatan Gaussian dan Multinomial, serta meningkatkan performa model dengan teknik oversampling SMOTE dan VAE. Data pasien diklasifikasikan berdasarkan usia, jenis kelamin, berat badan, riwayat penyakit, metabolisme, dan toleransi obat. Implementasi sistem dilakukan melalui GUI berbasis Tkinter, memungkinkan pengguna memasukkan data pasien dan mendapatkan prediksi dosis obat yang sesuai. Hasil evaluasi menunjukkan bahwa kombinasi Naive Bayes dengan SMOTE memberikan performa terbaik dengan akurasi 73,90%, presisi 74,99%, recall 73,36%, dan F1-score 73,90%. Metode VAE memiliki performa lebih rendah dibandingkan SMOTE. Analisis lebih lanjut menunjukkan bahwa Bernoulli Naive Bayes memiliki akurasi tertinggi dalam klasifikasi tanpa oversampling, sementara model Naive Bayes standar kurang efektif dalam menangani data multi-label. Kesimpulannya, pendekatan Naive Bayes dengan oversampling SMOTE dapat meningkatkan akurasi prediksi dosis obat bagi pasien gagal jantung dan dapat digunakan sebagai alat bantu dalam pengambilan keputusan klinis. Kata kunci— Naive Bayes, Klasifikasi dosis obat, Gagal Jantung, SMOTE, VAE, GUI
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 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 Ekspresi Wajah Menggunakan HFT CNN Dan Siamese Network Pada Citra Wajah Satria Putra Buana, Elang; Yusuf Wicaksono, Ardian; 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 — Ekstraksi fitur yang kurang optimal merupakan salah satu kendala utama dalam klasifikasi ekspresi wajah menggunakan metode tradisional. Penelitian ini bertujuan untuk meningkatkan akurasi pengenalan ekspresi wajah dengan menerapkan pendekatan berbasis deep learning yang secara khusus menargetkan bagian-bagian penting wajah. Metode yang diusulkan menggabungkan arsitektur Siamese Neural Network (SNN) untuk mengukur kemiripan antar ekspresi, serta multi-level feature extraction (HFT-CNN) untuk melakukan ekstraksi fitur secara mendalam dan terfokus pada tiga area utama wajah, yaitu keseluruhan wajah, mata dan alis, serta mulut. Ketiga channel ini digabungkan untuk membentuk representasi fitur yang lebih kaya dan informatif. Hasil implementasi menunjukkan bahwa arsitektur HFT-CNN mampu mencapai akurasi hingga 99%, sedangkan model SNN Triple mencatatkan akurasi sebesar 91%. Meskipun demikian, hasil prediksi dari kedua model belum sepenuhnya stabil dalam berbagai kondisi pengujian, yang mengindikasikan masih adanya keterbatasan dalam hal generalisasi terhadap variasi ekspresi wajah. Selain itu, proses pengumpulan dan preprocessing data turut berpengaruh terhadap performa model, sehingga seleksi data secara manual tetap diperlukan guna memastikan kualitas dan relevansi data yang digunakan dalam pelatihan Kata kunci— convolutional neural networks, ekspresi wajah, pembelajaran mesin, siamese networks.
Co-Authors Ardian Yusuf Wicaksono Dafi’us Shidqi , Mochamad Galih Ananta, Whisnumurty Satria Putra Buana, Elang Wali Satria Bahari Johan, Ahmad Zulkarnaen, Feiticeira