cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Isa Hafidz
Contact Email
complete@ittelkom-sby.ac.id
Phone
+6231-8280800
Journal Mail Official
complete@ittelkom-sby.ac.id
Editorial Address
Fakultas Teknik Elektro, Institut Teknologi Telkom Surabaya Ketintang Str. No. 156, Surabaya, East Java 60231
Location
Kota bandung,
Jawa barat
INDONESIA
Journal of Computer, Electronic, and Telecommunication (COMPLETE)
Published by Universitas Telkom
ISSN : 27234371     EISSN : 27235912     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering
COMPLETE (ISSN 2723-4371, E-ISSN 2723-5912) is a national open scientific journals which seeking innovation, creativity, and novelty. Either letters, research notes, articles, supplemental articles, or review articles in the field of Electrical, Computer, and Telecommunication technology. Scope of the journal include : - Technology utilization of maritime resources - Strengthening infrastructuremaritime - Technology and management safety transportation - Industrial strengthening technology transportation - Supporting infrastructure and transportation system - Operational efficiency - Electronics technology - Telecommunication technology - Computer technology - System security - Advanced robotics technology - Technology and disaster management - Advanced power electronics - Application of power system - Renewable energy - Chips technology - Smart iot devices - 5g technology and ecosystems - Technology and management environment This journal published twice a year, in July and December. Editors invite research lecturers, the reviewer, practitioners, industry, and observers to contribute to this journal. The language used in the form of Indonesian and English. The author will not be charged any fees in the publication process.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 6 Documents
 1 
Search results for , issue "Vol. 4 No. 2 (2023): December" : 6 Documents clear
Design of 3-Phase Load Dividing Automatic System with Naive Bayes Method Anggara Trisna Nugraha; Faris Anugrah Pratama; Widodo, Hendro Agus; Sobhita, Rama Arya; Hidayat, Widi Nur
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.354

Abstract

The electric power distribution system is a process for distributing electricity from a 150 kV electric power transmission system to consumers, both 20 kV consumers and 380/220 V consumers. The problem that often occurs in the electric power distribution system at PT.X is load imbalance due to the different consumption power on each phase, so a neutral current appears. The current flowing in the neutral phase will cause power losses. Based on these problems, a load balancing device was made for a three-phase network with the standard SPLN No. 17 of 2014, namely the magnitude of the value of the current imbalance between the phases may not exceed 25%. This tool is also equipped with an overcurrent protection system and a tapping phase limitation system to support the performance of the load-balancing device on a three-phase network. The method used is the Naive Bayes method. The naïve Bayes method calculates the current parameters in the R, S, T, and N phases. The classification results will be used as a reference for activating the tapping phase system and the protection system. This system uses Internet of Things technology to monitor neutral current, current and voltage values in phases R, S and T, and power loss values. Based on the test results, when there is an imbalance of 30.20%, a neutral current of 1.20A appears, causing a power loss of 0.17W. After the tapping phase is carried out, the percentage of unbalance is reduced to 12.20%, the neutral current is 0.45A, and the power losses are 0.02W.
Perbandingan Performa Algoritma VGG16 dan VGG19 Melalui Metode CNN untuk Klasifikasi Varietas Beras Weny Indah Kusumawati; Adisaputra Zidha Noorizki
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.387

Abstract

Beras merupakan jenis pangan utama yang paling populer di konsumsi di seluruh dunia. Berbagai negara pun melakukan proses impor untuk memenuhi kebetuhan penduduk di negaranya, salah satunya adalah Indonesia. Indonesia merupakan negara yang tergolong memiliki permintaan pasar pangan yang tinggi di ruang lingkup global. Masuknya berbagai varietas beras akibat adanya kegiatan impor di Indonesia membuat para importir mengalami kesulitan selama proses penyortiran produknya. Seiring berjalannya kemajuan teknologi pula, para importir juga harus terus beradaptasi, salah satunya dengan memanfaatkan salah satu teknologi yang akhir-akhir ini sedang marak dikembangkan oleh para peneliti. CNN atau Convolutional Neural Network merupakan salah satu teknologi yang memiliki kemampuan yang baik dalam mengklasifikasikan citra gambar. CNN sendiri memiliki banyak sekali algoritma, di antaranya adalah VGG16 dan VGG19. Kedua algoritma tersebut merupakan pengembangan dari algoritma terdahulunya yang dinamakan AlexNet. Penelitian ini berfokus pada penyusunan setiap algoritma, proses training, dan diakhiri oleh proses analisis terkait kinerja dari kedua model. Penelitian ini menunjukkan bahwa algoritma VGG16 memiliki kinerja yang lebih baik, mencapai akurasi sebesar 98% dengan waktu training 73,405 detik. Sementara itu, algoritma VGG19 mencapai akurasi 97% dengan waktu training 78,098 detik dalam mengklasifikasikan varietas beras menggunakan dataset yang memiliki lima kelas.
Rancang Bangun Aplikasi Intelligent Visual Scanner berbasis CNN untuk Identifikasi Cacat Pada Hasil Pengelasan Adhitya, Ryan yudha; Al Amin , Mochammad Karim; Munir , Mohammad Miftachul; Wahyudi, Mohammad Thoriq; Anggara , Dika; Septian , Eka Cahya; Yaqin , Muhammad Ainul; Safrudin, Muhammad Ilham; Annisa , Aulia Rahma; Ahmad Putra , Zindhu Maulana
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.393

Abstract

Pengelasan merupakan salah satu sektor yang berperan penting dalam mendukung pembangunan infrastruktur yang semakin pesat. Namun dalam proses pengelasan banyak muncul kesalahan - kesalahan atau cacat yang terkadang luput dari inspeksi dan menyebabkan kerusakan pada benda kerja. Tujuan diadakannya penitian ini untuk merancang aplikasi Intelligent Visual Scanner dengan menggunakan metode CNN untuk mendeteksi kelayakan hasil pengelasan berdasarkan 3 kondisi, yaitu Normal, Excess Reinforcement, dan Undercut. Daerah yang akan dideteksi merupakan bagian dari hasil pengelasan pada plat besi dengan ketebalan 4mm. Pemotretan dilakukan menggunakan kamera ponsel beresolusi 48 MP. Gambar yang diambil berukuran 3024 x 3024 piksel terlebih dahulu diproses dengan konversi RGB ke grayscale, kemudian gambar tersebut diperkecil (diubah ukurannya) ke skala yang lebih kecil yaitu 128 x 128 piksel untuk mempercepat proses training dan pada akhirnya proses training dan testing menggunakan model CNN. Model CNN ini menggunakan optimizer Adam. Untuk deteksi yang optimal, diperlukan dataset gambar sebanyak 300 gambar, dengan rincian 100 gambar normal, 100 gambar Excess Reinforcement dan 100 gambar Undercut. Data split training saat ini dibagi menjadi 75% data training dan 25% data validasi.
Enhancing Heart Disease Detection Using Convolutional Neural Networks and Classic Machine Learning Methods Mulyani, Sri Hasta; Wijaya, Nurhadi; Trinidya, Fike
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.394

Abstract

This study addresses the problem of heart disease detection, a critical concern in public health. The research aims to compare the performance of Convolutional Neural Networks (CNN) with conventional machine learning algorithms in diagnosing heart disease using a dataset comprising 14 features. The primary objective is to determine whether CNNs can provide more accurate and reliable results than traditional techniques. The research employs rigorous preprocessing, normalizing relevant features, and splits the dataset into an 80-20 training-testing split. The model is trained for 300 epochs with a batch size of 64, and performance evaluation is conducted using confusion matrices and classification reports. The results reveal that the CNN model achieved a remarkable accuracy of 100%, demonstrating its potential to outperform conventional machine learning algorithms. These findings emphasize the significance of deep learning techniques in improving heart disease diagnostics, although further research is needed to optimize CNN models and address interpretability concerns for practical implementation in healthcare settings.
Pengembangan Cyber Physical System untuk Presensi dengan Deteksi Multi Wajah Alviana, Sopian; Kurniawan, Bobi
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.395

Abstract

Sistem presensi menggunakan pengenalan wajah memiliki keuntungan efisiensi waktu dan tenaga. Saat ini presensi dengan menggunakan wajah sudah banyak diterapkan, tetapi masih terbatas pada penggunaan di suatu lokasi tertentu. Keterbatasan mesin presensi saat ini dalam mendeteksi dan melakukan verifikasi hanya dapat dilakukan satu wajah dalam satu waktu. Maka, dibutuhkan pengembangan dengan peningkatan komputasi menggunakan cyber physical system untuk proses presensi. Pemanfaatan cyber physical system dilakukan dengan memanfaatkan akses close circuit television (CCTV) yang digunakan untuk membantu proses presensi. Hal ini memberikan keuntungan agar dapat melakukan verifikasi presensi dengan banyak wajah dalam satu waktu, sehingga lebih efisien terhadap proses presensi.
Review : Pengenalan Pola Objek satu Dimensi Yunianto, Imam; Samin; Rofiah, Syahbaniar; Mutaqin, M. Zaenal
Journal of Computer, Electronic, and Telecommunication (COMPLETE) Vol. 4 No. 2 (2023): December
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.404

Abstract

Pengenalan Objek satu dimensi adalah mengenali pola garis yang dibentuk dari satu titik awal, tengah dan titik akhir. Objek satu dimensi ini sering kita kenali dari garis lurus, garis melengkung atau elips dan garis yang lebih rumit lagi. pola satu dimensi ini biasa dibuat menggunkan media kertas menggunakan alat tulis seperti bulpen, pensil serta kuas gambar. Dalam setiap objek satu dimensi ini mengandung suatu informasi yang dapat membantu manusia untuk berkomunikasi atau melakukan analisa agar dapat membantu kegiatan manusia. Menggunakan titik – titik lintasan kapal juga dapat membentuk pola satu dimensi, sehingga lintasan tersebut juga dapat mengandung informasi yang dibutuhkan oleh manusia.untuk itu artikel ini mereview pola objek satu dimensi serta pola lintasan kapal. Menggunakan metode review jurnal artikel ini bertujuan untuk mencari gap penelitian tentang pola lintasan kapal dengan menggunakan pendekatan objek satu dimensi. Hasil dari review ini adalah  metode yang digunakan dalam pola gambar objek satu dimensi dan metode pola lintasan kapal serta hubungan dari dua topik tersebut.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025): July Vol. 5 No. 2 (2024): December Vol. 5 No. 1 (2024): July Vol. 4 No. 2 (2023): December Vol. 4 No. 1 (2023): July Vol. 3 No. 2 (2022): December Vol. 3 No. 1 (2022): July Vol. 2 No. 2 (2021): December Vol. 2 No. 1 (2021): July Vol. 1 No. 2 (2020): December Vol. 1 No. 1 (2020): July More Issue