cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 8,304 Documents
 188   189   190   191   192 
Simulasi Dan Analisis Sistem Klasifikasi Kepadatan Tulang Menggunakan Citra X-ray Dayan Aldina; Ratri Dwi Atmaja; Hilman Fauzi
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Jaman sekarang sudah banyak orang yang sudah mengalami pengeroposan tulang walaupun orang tersebut masih muda. Pada tugas akhir ini akan menggunakan sampel berupa hasil x-ray tulang normal, osteopenia, dan tulang osteoporosis. Sampel tulang yang sudah dikelompokkan akan dibagi lagi menjadi 2 kelompok yaitu data latih dan data uji. Sistem yang dihasilkan dapat mengklasifikasikan tulang normal, osteopenia, dan osteoporosis dari 3 bentuk tulang yaitu: femur, tulang belakang, dan lengan tanpa harus memisahkan satu per satu bagian. Jadi pada tugas akhir ini dari hasil x-ray dicari ciri dari setiap data tulang yang ada menggunakan GLCM dan akan dilakukan klasifikasi dan perbandingan antara data latih dan data uji menggunakan K-NN. Hasil dari sistem ini dapat mengklasifikasikan jenis tulang dari 3 bagian tulang tanpa harus dipisah-pisah per bagian tulangnya dan memiliki akurasi sistem sebesar 76,9231%.
Prediksi Harga Saham Menggunakan Hidden Markov Model (hmm) Dan Fuzzy Model Devy Yendriani; Jondri Jondri; Untari Novia Wisesty
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Saham merupakan salah satu pilihan investasi yang menarik karena dapat diperoleh untung yang besar. Agar investor mendapatkan untung dan menghindari rugi, diperlukan perhatian yg jeli terhadap pergerakan saham. Salah satu caranya adalah dengan memprediksi saham. Pada tugas akhir ini, teknik yang diusulkan adalah dengan menggunakan Hidden Markov Model (HMM) dan Fuzzy Logic (FL). HMM sudah sering digunakan untuk menganalisa dan memprediksi fenomena time series. HMM digunakan untuk mengelompokkan data yang mempunyai kemiripan data pattern. FL digunakan untuk memprediksi harga saham dengan Gradient Descent untuk mengoptimasi aturan fuzzy yg dibentuk. Sistem prediksi ini menggunakan data saham harian PT Telekomunikasi Indonesia, Tbk dari tanggal 3 Januari 2011 hingga 20 Desember 2014. Sistem ini memiliki error MAPE sebesar 1.21. Kata Kunci: time series, harga saham, Hidden Markov Model, Fuzzy Logic, Gradient Descent..
Implementasi Adaptive Artificial Intelligence pada game Capture The Flag dengan metode Dynamic Scripting Primawan Bindono; Agung Wibowo; Bayu Munajat
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Artificial Intelligence (AI) sudah dipelajari semenjak tahun 1956 saat John McCarthy mengadakan konferensi akademik pertama nya, dan masih berkembang hingga sekarang karena bidang ini masih sangat sukar dipahami di bidang ilmu komputer. AI mencakup dari mesin yang mampu berpikir, hingga mampu berkembang dan beradaptasi terhadap lingkungan nya dengan tujuan menjadi pemodelan lingkungan yang ada sekarang. Dengan pemodelan yang real-time, diharapkan bisa membantu untuk pengambilan proses keputusan dengan kasus yang lebih kompleks. Game Capture The Flag merupakan salah satu metode yang bisa menggambarkan secara real-time karena dengan kedua pihak mempunyai sumber daya yang sama, dan mengandalkan strategi untuk memenangkan permainan. Tetapi salah satu permasalahannya ada pada AI game tersebut. Kebanyakan AI yang ada bersifat statis, sehingga pemain cepat bosan karena pola permainan AI tersebut sudah bisa ditebak. Dengan alasan tersebut, penulis merekomendasikan Dynamic Scripting sebagai metode untuk mengatasi AI statis dengan mengimplementasikan Adaptive Artificial Intelligence (AAI) pada studi kasus Capture The Flag. Dengan parameter performansi yaitu perbandingan skor antara AAI dengan AI statis. Berdasarkan hasil pada pengujian pada 4 AI statis, didapatkan bahwa AAI pada AI Balanced dan AI Random kurang memperoleh hasil yang memuaskan dengan tinggi nya skor pada AAI. Sedangkan pada AI Greedy dan AI Defender skor yang diperoleh lebih mencapai harapan dengan seimbang nya skor antara AI statis tersebut dengan AAI. Kata Kunci : reward and punishment, script generation, adaptive artificial intelligence
Evaluasi Model Navigasi Pada Online Assessment Test Menggunakan Process Mining (Studi Kasus: The British English Course) Selvia Yulvairariany; Imelda Atastina; Shaufiah Shaufiah
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Online Assessment Test atau seringkali disebut Online Test sekarang ini sering digunakan dalam proses belajar mengajar untuk mengevaluasi kinerja peserta tes dengan lebih mudah secara online. Jenis soal pada online test biasanya adalah Pilihan ganda atau Multiple-Choice Questions (MCQ) sehingga merupakan hal yang penting untuk mempertimbangkan pola pengerjaan soal agar hasil dari online test tersebut benar-benar menunjukan kemampuan peserta dalam memahami materi yang telah dipelajari dalam proses pembelajaran. Pada tugas akhir ini, dilakukan process mining yaitu Process Discovery yang digunakan untuk mengetahui model navigasi, bagaimana cara peserta tes menjawab pertanyaan online test, sehingga dapat mengetahui bagaimana model tersebut berpengaruh terhadap kinerja peserta tes. Process mining dilakukan menggunakan salah satu algoritma Process Discovery yaitu Fuzzy miner dengan framework ProM. Data yang digunakan adalah event log proses online test tersebut dan analisis dilakukan terhadap alur proses yang terjadi dalam pengerjaan online test. Dengan demikian diketahui model navigasi berpengaruh terhadap kinerja peserta tes. Kata kunci: Online Assessment Test, Online Test, Multiple-Choice Questions (MCQ), Process Mining, Process discovery, Fuzzy Miner, ProM, Event Log.
Analisis Perencanaan Lte Studi Kasus Akuisisi Xl-axis Frekuensi Eksisting 1800mhz Menggunakan Metode Fractional Frequency Reuse (ffr) Kota Bandung Farras Fahd Muhammad; Hafidudin Hafidudin; Linda Meylani
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Long  Term  Evolution  (LTE),  proyek  dari  3rd   Generation  Partnership  Project  (3GPP)  merupakan  awal perkembangan dari  skema  FFR.  Pada  tugas  akhir  ini  dilakukan analisis pengaruh parameter C/(I+N) dan throughput dalam skema FFR dan neighbor planning terhadap performansi jaringan LTE. Studi kasus operator dilakukan dalam melakukan analisis perencanaan jaringan LTE pada frekuensi 1800MHz di kota Bandung menggunakan metode Fractional Frequency Reuse. Tugas akhir ini menghasilkan perbandingan performansi jaringan LTE non-FFR maupun FFR Kebutuhan 41 jumlah site LTE untuk lima tahun kedepan memberikan hasil peningkatan jika dilakukan neighbor planning hingga 0,9 dB dan kemungkinan panggilan terputus (rejected connection) berkurang hingga 1,8%. Sedangkan penerapan skema FFR Skema FFR secara keseluruhan dapat meningkatkan C/(I+N) hingga 11 dB, meningkatkan throughput hingga 9.919,96 kbps, dan menurunkan rejected connection hingga 17,2 %. Skenario III dengan bandwidth cell edge lebih kecil merupakan skema terbaik dalam FFR, dengan C/(I+N) kurang 2,66 dB dari skenario II, namun dapat mencapai throughput yang jauh lebih besar yaitu 37.827,02 kbps. Kata kunci : LTE, FFR, XL-Axis, Interferensi, C/(I+N), Throughput.
Intregrasi Polymer Electrolyte Membrane (PEM) Fuel Cell dan Analisis Pengaruh Jumlah Sel Terhadap Performansi Berdasarkan Data Kurva Karakteristik Nia Malasari; Holia Onggo; Mamat Rokhmat
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Satu sel fuel cell menghasilkan tegangan kurang dari 1.16 volt, tegangan ini terlalu kecil untuk diaplikasikan. Tegangan yang tinggi dapat dihasilkan dengan cara menyusun secara seri sebuah fuel cell stack. Daya, potensial sel, dan arus yang dihasilkan oleh stack bergantung pada jumlah sel. Namun, potensial sel yang sebenarnya menurun dari potensial ideal karena beberapa jenis kerugian irreversibel. Penelitian ini mempelajari pengaruh jumlah sel dalam stack terhadap output dari Polymer Electrolyte Membrane Fuel Cell (PEMFC). Pada eksperimen ini, temperature humidifier diatur pada 45oC sedangkan suhu sel dijaga konstan pada suhu kamar. Clamping force adalah sebesar 20 kgf/cm2 , dan backpressure H2/O2 adalah 15 psi. Flow rate H2 untuk satu, dua dan tiga sel masing-masing adalah 50ml/min, 100ml/min, 150ml.min. Hasil dari penelitian ini menunjukan bahwa optimasi tekanan dan flow rate meningkatkan kinerja stack secara signifikan. Fungsi daya maksimum yang dihasilkan adalah 1.356n 1.968 dimana n adalah jumlah sel. Kata kunci : polymer electrolyte membrane fuel cell, kurva karakteristik, overvoltage, stacking, irreversible loss, jumlah sel, optimasi
Perancangan Sistem Asset Management Berbasis Odoo Dengan Soft System Methodology Di Rumah Sakit Muhammadiyah Bandung Riza Rahma Putri; Luciana Andrawina; R. Wahjoe Witjaksono
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Rumah Sakit Muhammadiyah Bandung (RSMB) adalah rumah sakit swasta kelas C yang mampu memberikan pelayanan kedokteran spesialis terbatas dan menampung pelayanan rujukan dari puskesmas. Pengelolaan aset di RSMB pada saat ini masih ditemukan adanya perbedaan kategori aset pada bagian logistik dan akuntansi. Proses pencatatan dan pemeliharaan aset di RSMB juga memakan waktu yang lama. Selain proses yang lama, masih ditemukan adanya perbedaan data pada pencatatatan aset yang dilakukan di bagian logistik dengan bagian akuntansi pada saat perpindahan aset terjadi. Sistem manajemen aset sangat dibutuhkan di rumah sakit karena manajemen aset membantu merencanakan, mengendalikan kegiatan aset, dan aset menjadi lebih mudah untuk dipantau dan dapat terkoordinasi dengan baik. Perancangan sistem Enterprise Resource Planning manajemen aset di RSMB menggunakan Soft System Methodology. Soft System Methodology merupakan metode penelitian yang dapat menyelesaikan masalah berupa perubahan secara berpikir sistem dan pembelajaran dengan pendekatan stakeholder. Hasil dari penelitian ini adalah rancangan manajemen aset menggunakan Odoo yang bertujuan untuk membantu mengatasi masalah manajemen aset dan agar proses manajemen aset dapat terdokumentasi dengan baik. Dengan menggunakan fitur aset yang disediakan Odoo, pencatatan dan pemeliharaan aset dapat dilakukan dengan waktu yang tidak lama. Odoo menyediakan fitur manajemen aset untuk kategori aset, penyusutan aset dan pelaporan aset sehingga tidak ada lagi perbedaan dalam kategori aset dan mengeliminasi kemungkinan terjadinya perbedaan data di bagian logistik dan akuntansi. Bagian manajemen aset dapat mengakses informasi secara real time dengan menggunakan fitur view. Kata Kunci : Asset Management, ERP, Odoo, Soft System Methodology
Implementasi Pendekatan Graphic Processing Unit (gpu) Approach In Support Vector Machine (SVM) Dan Least Squares Support Vector Machine (ls-svm) Hamnis Rachmat Dhana; Fhira Nhita; Izzatul Ummah
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Data mining adalah metode untuk menggali informasi yang berguna dari dataset. Salah satu teknik dalam data mining adalah klasifikasi. Klasifikasi banyak digunakan pada identifikasi penyakit, biomedical enggineering dan lainnya. Salah satu algoritma yang digunakan untuk klasifikasi adalah Support Vector Machine (SVM). SVM merupakan algoritma untuk melakukan klasifikasi dengan memaksimalkan hyperplane diantara kelas. SVM memiliki banyak variasi seperti Least Square Support Vector Machine (LS-SVM). Proses klasifikasi memerlukan waktu yang lama karena data latih memiliki banyak record dan attribute. Untuk mengatasi masalah tersebut maka SVM dan LS-SVM diimplementasikan menggunakan pendekatan Graphic Processing Unit (GPU) sehingga dapat meningkatkan kecepatan proses komputasi dibandingkan dengan menggunakan processor biasa. Berdasarkan beberapa penelitian tentang kinerja SVM menggunakan GPU seperti pada penelitian yang dilakukan oleh Jesse Patrick Harvey maka dapat dinyatakan bahwa SVM dengan GPU lebih cepat 89×-263× dibandingkan SVM tanpa GPU. Penelitian oleh Jesse Patrick Harvey membuktikan bahwa SVM menggunakan pendekatan GPU memiliki kinerja yang lebih baik dibandingkan dengan SVM tanpa GPU. Pada tugas akhir ini akan dibahas mengenai perbandingan akurasi dan waktu komputasi dari kedua algoritma yang telah disebutkan. Dataset yang digunakan diambil dari http://ntucsu.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html. Kata kunci: Classification, record, attribute SVM, LS-SVM, GPU.
Analisis Dan Implementasi Community Detection Menggunakan Spectral Clustering Method Dalam Social Network Nurmasyitah Nurmasyitah; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Twitter merupakan salah satu situs social network yang sedang berkembang dengan pesat dan memiliki lebih dari jutaan pengguna di berbagai belahan dunia pada saat ini. Salah satu penelitian mengenai social network adalah community detection. Community detection bertujuan untuk membagi jaringan ke dalam daerah – daerah pada graph. Pembentukan komunitas ini dapat dimanfaatkan untuk berbagai keperluan seperti menemukan target pemasaran produk, untuk menghitung kepopuleran suatu barang atau pengguna, mendeteksi isu di masyarakat, mendeteksi jaringan teroris, dan masih banyak lagi. Dalam penelitian kali ini akan digunakan suatu metode pendeteksian komunitas pada data Twitter yang bernama Spectral Clustering Method. Dimana metode ini mengelompokkan data dengan memetakan matriks afinitasnya (atau matriks similarity) ke matriks yang berisi vektor – vektor eigen (yang selanjutnya disebut ruang eigen). Yang kemudian akan dikelompokkan dengan menggunakan algoritma clustering dan akan dilakukan perhitungan nilai modularity untuk melihat hasil terbaik dari setiap pengelompokkan. Hasil dari sistem menunjukkan pengaruh dari jumlah k dan centroid terbaik dalam menentukan performansi algoritma Spectral Clustering dalam mendeteksi komunitas. Dari pengujian yang telah dilakukan, hasil terbaik yang diperoleh dengan menggunakan algoritma Spectral Clustering ialah dengan nilai modularity = 0.9607 untuk jumlah pengguna 90 user dengan jumlah sisi sebanyak 36 relasi dan jumlah cluster yaitu 7. Kata kunci : Twitter, Community Detection, Spectral Clustering, Laplace, K-means, similarity Abstract Twitter is one of the social network sites that are growing rapidly and has more than millions of users in various parts of the world at this time. One research on social network is community detection. Community detection aims to divide the network into regions on the graph. The formation of this community can be used for various purposes such as finding targeted product marketing, to calculate the popularity of a good or user, detecting issues in the community, detecting terrorist networks, and more. In previous research, community detection has not yet been able to provide information on how to get the best grouping results. In this research will be used a method of community detection called Spectral Clustering Method. Where this method groups data by mapping its affinity matrix (or matrix similarity) to a matrix containing eigenvectors (hereinafter called eigenspaces). Which will then be grouped by using clustering algorithm and will be calculated the value of modularity to see the best results of each grouping. The results of the system show the effect of the best number of k and centroid in determining Spectral Clustering algorithm's performance in detecting community. From the test that has been done, the best result obtained by using Spectral Clustering algorithm is with the value of modularity = 0.9607 for the number of users 90 users with the number of sides as much as 36 relations and the number of clusters is 7. Keywords: Twitter, Community Detection, Spectral Clustering, Laplace, K-means, similarity
Implementasi Blind Audio Watermarking Dengan Qr Decomposition Yugnan Adi Sasongko; Gelar Budiman; Irma Safitri
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan terbaru dari dunia digital telah sangat memfasilitasi transmisi dan manipulasi multimedia data seperti teks , gambar, audio ataupun video. Kemudahan akses serta duplikasi data multimedia telah menyebabkan masalah serius untuk perlindungan hak cipta.Oleh karena itu diperlukan teknologi untuk melindungi konten digital untuk mencegah pelanggaran hak cipta. Digital watermarking adalah salah satu teknologi untuk solusi mencegah pelanggaran hak cipta. Digital watermarking adalah teknik dimana sebuah informasi disisipkan ke dalam sebuah set host-data (gambar,video,audio,dll) dengan cara tertentu sehingga informasi tersebut tidak menggangu penggunaan host-data secara normal dan tidak dapat dilepaskan dengan cara yang biasa.Dngan teknik blind watermarking, pada proses ekstraksinya tidak memerlukan informasi watermark maupun file audio digital yang asli. Pada tugas akhir ini dilakukan implementasi dan analisis sistem blind audio watermarking menggunakan QR Decomposition dengan teknik penyisipan bit menggunakan teknik QIM. Dari hasil pengujian, didapat rata-rata SNR > 20 dB pada saat variael ∆ sistem mampu menghasilkan nilai BER 0% pada setiap jenis audio yang diujikan dengan semua variable ∆ . Ketahanan sistem hanya pada serangan linier speed change, noise addition dan LPF pada level tertentu dan tidak tahan terhadap serangan MP3 Compression dan MP4 Compression Kata kunci : Blind Audio Watermarking, QR Decomposition, Quantization Index Modulation , BER, SNR

Page 190 of 831 | Total Record : 8304

 188   189   190   191   192 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 6 (2025): Desember 2025 Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol. 12 No. 2 (2025): April 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol. 11 No. 4 (2024): Agustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol. 11 No. 2 (2024): April 2024 Vol. 11 No. 1 (2024): Februari 2024 Vol. 10 No. 6 (2023): Desember 2023 Vol. 10 No. 5 (2023): Oktober 2023 Vol 10, No 5 (2023): Oktober 2023 Vol. 10 No. 4 (2023): Agustus 2023 Vol 10, No 3 (2023): Juni 2023 Vol. 10 No. 3 (2023): Juni 2023 Vol. 10 No. 2 (2023): April 2023 Vol 10, No 2 (2023): April 2023 Vol. 10 No. 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol. 9 No. 5 (2022): Oktober 2022 Vol 9, No 5 (2022): Oktober 2022 Vol. 9 No. 4 (2022): Agustus 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol. 8 No. 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol. 8 No. 2 (2021): April 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue