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 8,006 Documents
 696   697   698   699   700 
Impelementasi LoRA pada Perancangan Sistem Pemantauan Informasi Posisi Kendaraan Secara Real-Time Nur Fathurrahman, Muhammad Bustanul Arifin; Virgono, Agus; Septiawan, Reza Rendian
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Kemajuan teknologi telah membuka peluang untuk mengembangkan solusi inovatif dalam mengatasi permasalahan kemacetan dan tingginya tingkat kecelakaan lalu lintas, terutama di kota-kota besar. Dengan mengetahui posisi dari kendaraan satu dengan kendaraan lain disekitarnya, dapat membantu pengembangan sistem keamanan dan kenyamanan berlalu lintas yang lebih baik. Penelitian ini bertujuan untuk mengetahui sejauh mana implementasi LoRA dapat diterapkan pada sebuah sistem pemantauan informasi posisi kendaraan secara real-time untuk meningkatkan keselamatan dan efisiensi berkendara. Sistem ini menggunakan GPS (Global Positioning System) untuk mendapatkan informasi posisi kendaraan, LoRa (Long Range) untuk komunikasi antar kendaraan, dan Raspberry Pi sebagai mikrokontroler. Hasil pengujian menunjukkan bahwa sistem ini mampu mengirimkan data posisi kendaraan secara konsisten dalam interval waktu yang ditentukan, dengan jarak efektif komunikasi mencapai 190 meter. Meskipun demikian, pengujian juga mengungkapkan adanya kehilangan data (packet loss) pada komunikasi LoRa yang perlu dioptimasi lebih lanjut. Secara keseluruhan, sistem ini memiliki potensi yang baik untuk diterapkan dalam situasi nyata, namun diperlukan beberapa perbaikan lebih lanjut, terutama dalam hal optimalisasi komunikasi LoRa agar dapat memberikan kontribusi yang lebih signifikan dalam meningkatkan keselamatan dan efisiensi berkendara. Kata kunci— Sistem Pemantauan, Informasi Posisi Kendaraan, Real-Time, GPS, LoRa, Raspberry Pi
Implementasi GPS pada Sistem Pemantauan Posisi Kendaraan Secara Real-Time Anugrah, Ilyasin Bintang; Virgono, Agus; Septiawan, Reza Rendian
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Kemajuan teknologi telah membuka peluang untuk mengembangkan solusi inovatif dalam mengatasi permasalahan kemacetan dan tingginya tingkat kecelakaan lalu lintas, terutama di kota-kota besar. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem pemantauan informasi posisi kendaraan secara real-time untuk meningkatkan keselamatan dan efisiensi berkendara. Sistem ini menggunakan GPS (Global Positioning System) untuk mendapatkan informasi posisi kendaraan, LoRa (Long Range) untuk komunikasi antar kendaraan, dan Raspberry Pi sebagai mikrokontroler. Penelitian ini hanya berfokus pada GPS (Global Positioning System) yang berfungsi untuk menentukan posisi geografis kendaraan pada Sistem Pemantauan Posisi Kendaraan Secara Real-Time. hasil pengujian GPS pada sistem menunjukkan bahwa modul GPS mampu menghasilkan data posisi dengan akurasi yang baik, dengan rata-rata selisih jarak kurang dari 10 meter. Hal ini menunjukkan bahwa sistem pemantauan posisi kendaraan yang dikembangkan dapat digunakan untuk memberikan informasi posisi kendaraan secara akurat. Kata kunci — Antarmuka Pengguna, Pemantauan Posisi Kendaraan, Real-Time, GPS, LoRa, Keselamatan Berkendara, Konsumsi Daya.
Pengujian Sistem Internet of Things pada Implementasi Biogas dari Limbah Organik Rumah Tangga Kusumah, Zaky Ibnu; Kallista, Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Pembuatan biogas adalah proses yang rumit dan membutuhkan pengawasan dan pengendalian yang tepat untuk mencapai hasil terbaik. Kami menyelidiki penggunaan sistem Internet of Things (IoT) untuk memantau dan mengontrol proses pembuatan biogas secara real-time. Sistem Internet of Things menggunakan sensor untuk memantau parameter penting seperti gas, suhu, dan tekanan dalam digester biogas. Data yang dikumpulkan oleh sensor dikirim ke platform bot Telegram, yang memungkinkan analisis data dan pengambilan keputusan cepat untuk pengendalian proses. Selain itu, sistem ini memiliki aktuator otomatis yang dapat mengumpulkan data dan mengatur kondisi di dalam digester. Hasil pengujian menunjukkan bahwa sistem Internet of Things (IoT) dapat meningkatkan efisiensi produksi biogas melalui pemantauan yang lebih akurat dan respons yang lebih cepat. Kata kunci — limbah organik, biogas, Internet of Things, pemantauan real-time, pengendalian proses.
Analisis Aktivitas Otot dan Keseimbangan Postural Melalui Persepsi Gerakan Visual Randa, Gloria Belinda; Purboyo, Tito Waluyo; Saftari, Liana Nafisa
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Keseimbangan postural merupakan hasil koordinasi kompleks dari sistem visual, vestibular, dan somatosensorik. Penelitian ini bertujuan untuk mengevaluasi pengaruh variasi stimulus visual terhadap aktivitas otot gastrocnemius dan kestabilan tubuh. Enam partisipan sehat berusia 18–25 tahun diberikan empat kondisi visual melalui kacamata realitas virtual (VR Glasses): bergerak putih, bergerak merah, tidak bergerak putih, dan tidak bergerak merah. Aktivitas otot direkam menggunakan Surface Electromyography (sEMG), sedangkan kestabilan tubuh direkam melalui sensor gyroscope MPU-6050. Data dianalisis menggunakan Two-Way Repeated Measures Analysis of Variance (ANOVA) dan uji korelasi Pearson. Hasil menunjukkan bahwa gerakan visual secara signifikan meningkatkan postural sway, terutama dalam arah antero-posterior, dan berdampak lebih besar dibandingkan variasi warna. Penelitian ini menunjukkan bahwa rangsangan visual dinamis dapat dimanfaatkan dalam program pelatihan keseimbangan. Kata kunci — Keseimbangan postural, aktivitas otot, persepsi gerakan visual, optic flow, EMG.
Klasifikasi Aritmia pada sinyal ECG menggunakan Ensemble Machine Learning dengan kerangka kerja Bootstrap Aggregating Winatra, Jennifer Celine; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit jantung masih menjadi penyebab utama kematian global, terutama di negara-negara berkembang. Aritmia, salah satu jenis gangguan irama jantung, berperan besar dalam angka kematian ini. Dengan meningkatnya jumlah kasus fibrilasi atrium (FA), deteksi dini menjadi sangat penting. Penelitian ini mengeksplorasi penggunaan ensemble machine learning dengan kerangka kerja bootstrap aggregating (bagging) untuk klasifikasi sinyal elektrokardiogram (EKG). Dataset MIT-BIH digunakan sebagai data latih dengan berbagai pendekatan bagging seperti Traditional Bagging, Bayesian Bagging, Feature Bagging, dan Random Subspace. Hasil menunjukkan bahwa Bayesian Bagging memberikan performa terbaik (akurasi 93.40%, F1-score 93.50%, dan AUC 99.30%) dengan waktu inferensi hanya 0.10 detik. Keunggulan ini dipengaruhi oleh mekanisme pembobotan Dirichlet yang mampu mempertahankan kontribusi tiap sampel secara efektif. Studi ini menunjukkan bahwa metode bagging menawarkan keseimbangan optimal antara akurasi, stabilitas metrik, efisiensi komputasi, serta potensi penerapan klinis untuk membantu diagnosis aritmia secara lebih cepat, akurat, dan andal di berbagai kondisi. Kata kunci — aritmia, EKG, bootstrap aggregating, ensemble machine learning, Bayesian Bagging, MIT-BIH
Klasifikasi Aritmia Pada Sinyal Elektrokardiogram Menggunakan Long-Short Term Memory Dan Variannya Rande, Andini Windy; Purboyo, Tito Waluyo; Naufal, Dziban
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyakit jantung merupakan penyebab kematian tertinggi di dunia, termasuk Aritmia. Pengecekan Aritmia dilakukan menggunakan alat Elektrokardiogram (EKG), analisis dilakuk- an oleh para profesional medis. Namun, sering kali membu- tuhkan waktu subjektif dan rentan terhadap kesalahan. Peneli- tian ini mengusulkan sistem klasifikasi Aritmia menggunakan Long-Short Term Memory (LSTM) dan Variannya. Klasifikasi dilakukan terhadap delapan jenis Aritmia menggunakan data- set MIT-BIH Arrhythmia. Peneltian ini menggunakan teknik sliding window berdasarkan jumlah (PQRST) dalam setiap episode. Hasilnya digunakan sebagai masukan untuk klasifi- kasi Aritmia menggunakan arsitektur LSTM, BI-LSTM dan NLSTM dengan kombinasi optimizer (Adam, RMSprop, SGD) dan batch size (16,32, 64). Melalui penelitian ini ditemukan bahwa hasil klasifikasi Aritmia dengan kombinasi arsitektur LSTM dengan ukuran window 10 kompleks PQRST, optimizer RMSprop dan batch size 32 memberikan performa terbaik dibandingkan kombinasi lainnya. Hasil yang diperoleh adalah akurasi accuracy 96.51%, precision 96.77%, recall 96.51% dan F1-score 96.56%. Kata kunci: Aritmia, BILSTM, LSTSM, NLSTM, Klasifikasi, Ritme jantung, RNN, Sinyal ECG.
Pengembangan Purwarupa Kolposkop Dengan Peningkatan Kualitas Citra Untuk Skrining Deteksi Dini Kanker Serviks Menggunakan Raspberry Pi 4 Syatta, Hurin; Fauzi, Hilman; Barri, Hablul
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Kanker serviks merupakan penyebab kematian utama wanita di Indonesia. Metode skrining IVA yang digunakan secara luas di layanan primer masih menghadapi keterbatasan akurasi karena bergantung pada pengamatan visual tanpa alat bantu. Penelitian ini mengembangkan purwarupa kolposkop digital berbasis Raspberry Pi 4 untuk meningkatkan kualitas citra guna mendukung deteksi dini. Sistem dilengkapi kamera ArduCam 64MP autofokus, pencahayaan LED dengan kontrol intensitas, dan filter polarisasi untuk mengurangi pantulan. Pengujian dilakukan terhadap performa akuisisi citra, intensitas cahaya, efisiensi daya, serta evaluasi kualitas citra dan validasi deteksi lesi dengan algoritma YOLO. Hasil menunjukkan frame rate mencapai 85.5 FPS (VGA), pencahayaan sesuai standar medis (>1000 lux), dan area refleksi minimum (0.01%). Konfigurasi optimal tercapai pada resolusi 16MP, jarak 15 cm, dan pencahayaan maksimum. Deteksi lesi oleh YOLO mencapai confidence hingga 97%. Purwarupa ini menunjukkan potensi sebagai alat bantu IVA yang terjangkau dan efektif, mendukung observasi klinis dan dokumentasi visual di layanan primer. Kata Kunci—Kanker Ovarium, Deteksi Dini, Artificial Intelligent (AI), Kanker serviks, Pemeriksaan IVA, Deteksi dini, Kualitas citra, Kolposkop, Raspberry Pi 4
Perancangan Aplikasi Deteksi Tuberkulosis Berbasis Pengolahan Citra X-Ray Dengan Metode Yolov8 Haya, Allika Fadia; Fauzi T.S.P, Hilman; Siadari, Thomhert S.
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tuberkulosis (TBC) merupakan salah satu penyakit menular utama yang menjadi masalah kesehatan global, terma- suk di Indonesia. Deteksi dini sangat penting untuk mencegah penyebaran penyakit TBC, namun proses deteksi secara konven- sional. Oleh karena itu, dibutuhkan teknologi berbasis kecerdas- an buatan untuk membantu mempercepat dan mempermudah proses deteksi penyakit TBC melalui citra x-ray paru. Penelitian ini bertujuan untuk mengevaluasi model kecerdasan buatan berbasis pengolahan citra x-ray paru menggunakan metode YOLOv8 untuk mendeteksi TBC, dengan menggunakan dataset citra x-ray yang telah diproses dan dianotasi, serta mengukur performa sistem dalam mendeteksi TBC pada citra x-ray paru. Metode yang digunakan dalam penelitian ini mencakup be- berapa tahapan, yakni pengumpulan dataset citra x-ray, prepro- cessing, penggunaan CLAHE untuk deteksi bercak pada paru- paru, integrasi model ke dalam aplikasi, dan evaluasi performa sistem. Selama proses pelatihan, beberapa parameter penting diuji, seperti learning rate, IoU threshold, confidence threshold, dan optimizer, untuk mengoptimalkan keyakinan dalam deteksi. Hasil pengujian menunjukkan bahwa penggunaan AdamaW sebagai optimizer dengan IoU 0.5 dan confidence threshold 0.25 menghasilkan performa terbaik, dengan mAP mencapai 88%, presisi 81.5%, recall 84.6%, dan F1-score 83%. Penggunaan CLAHE pada dataset x-ray meningkatkan kemampuan deteksi objek, terutama bercak yang terkait dengan TBC. Selain itu, aplikasi yang telah dibuat menggunakan model ini berhasil mendeteksi TBC secara langsung dan memberikan kemudahan bagi pengguna dalam mendiagnosis TBC tanpa membutuhkan tenaga medis yang berpengalaman. Secara keselu- ruhan, model yang dibangun dapat diandalkan untuk membantu deteksi dini TBC berbasis citra x-ray, dengan potensi untuk digunakan pada layanan Kesehatan. Kata Kunci—Deteksi TBC, YOLOv8, citra x-ray, deteksi ber- cak, aplikasi medis
Perancangan Sistem Deteksi Tuberkulosis Menggunakan Metode Yolov8 Yasman, Fudhla Ramadhana; Fauzi, Hilman; Ibrahim, Nur
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tuberkulosis (TBC) masih menjadi salah satu masalah kesehatan utama di Indonesia, khususnya di wilayah dengan keterbatasan tenaga medis. Deteksi dini menggunakan citra x-ray merupakan pendekatan yang efektif untuk mendukung diagnosis, namun terbatasnya jumlah dokter radiologi menjadi kendala tersendiri. Penelitian ini mengembangkan sistem deteksi tuberkulosis berbasis aplikasi desktop yang mengintegrasikan algoritma YOLOv8 dengan input citra x-ray dari webcam. Model YOLOv8 dilatih menggunakan dataset tiga kelas (Normal, Pneumonia, TBC) dan dievaluasi berdasarkan metrik precision, recall, dan mAP@50. Hasil pelatihan menunjukkan performa fine-tuned yang optimal dengan precision sebesar 0,942, recall sebesar 0,936, dan mAP@50 sebesar 0,543. Sistem ini dirancang untuk berjalan secara lokal tanpa instalasi kompleks, menjadikannya praktis untuk digunakan di fasilitas layanan primer. Pengujian menunjukkan sistem mampu mendeteksi citra x-ray secara real-time pada jarak 40–60 cm dengan hasil visual berupa bounding box. Evaluasi oleh dokter spesialis paru menunjukkan tingkat kesesuaian tinggi antara hasil model dan interpretasi medis. Meskipun dibutuhkan peningkatan dalam membedakan pneumonia dan TBC, sistem ini menunjukkan potensi sebagai alat bantu skrining dini yang efektif dan adaptif. Kata kunci— Tuberkulosis, YOLOv8, Deep Learning, Sistem Deteksi
Sistem Pendeteksian Tingkat Stres dengan Pengolahan Citra Wajah Berbasis YOLOv8 dan Regresi Linear Salsabila, Afap; Fauzi, Hilman; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Stres merupakan salah satu masalah Kesehatan mental yang banyak dialami oleh individu di era modern. Faktor-faktor seperti tekanan pekerjaan, tuntutan sosial, serta ketidak pastian ekonomi sering kali menjadi pemicu utama. Penelitian ini bertujuan untuk mengembangkan sistem pendetekssian tingkat stres berbasis pemrosesan citra wajah dengan moddel YOLOv8 untuk deteksi objek dan regresi linear untuk prediksi skor stres. Dataset yang digunakan adalah dataset primer dan sekunder yang terdiri dari foto wajah berekspresi netral, untuk dataset primer dilengapi skor stres dari hasil asesmen DASS-21. Sistem dievaluasi menggunakan mAP, precision, recall, dan F1-Score. Hasil terbaik menunjukan mAp@90 sebesar 91%, precision 76%, recall 84%, dan F1-score 79%, menggunakan optimizer AdamW, batch size 16, dan leanring rate 0.001 selama 100 epoch kata kunci— YOLOv8, DASS-21, Citra Wajah, Regresi Linear

Page 698 of 801 | Total Record : 8006

 696   697   698   699   700 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue 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