Garuda - Garba Rujukan Digital

Pengujian Alpha, Beta dan UAT pada Algortima Deep Learning YOLOV4-Tiny untuk Pendeteksian Objek pada Tongkat Pintar Saputra , Ariq Nurcahyo; Kallista, Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Tongkat konvensional yang dimanfaatkan oleh individu penyandang tunanetra masih memiliki banyak kelemahan, kelemahan tersebut terutama dalam mendeteksi rintangan yang tidak terlihat di permukaan tanah. Penelitian ini mengembangkan dan membuat sebuah sistem tongkat cerdas yang berbasis Internet of Things (IoT) untuk memperbaiki keamanan serta mobilitas para pengguna tongkat penyandang tunanetra. Sistem ini mengintegrasikan Sensor ultrasonik, Sensor inframerah, modul GPS, dan algoritma Deep Learning YOLOv4-Tiny yang dioperasikan menggunakan Raspberry Pi 4 model B. Tongkat ini mampu mendeteksi rintangan dari sisi depan, kanan, dan kiri, memberikan reaksi melalui output berupa suara audio dengan menyebutkan nama benda yang berada di sisi depan, serta memungkinkan keluarga pengguna atau kerabat untuk melacak posisi secara langsung. Dengan mengintegrasikan teknologi AI, IoT, dan desain ergonomis, tongkat cerdas ini diharapkan dapat meningkatkan kemandirian dan rasa percaya diri bagi penyandang tunanetra dalam menjalani aktivitas sehari-hari. Kata kunci— IoT, GPS, Tunanetra, YOLOV4-Tiny.

Perancangan Alat Pemilah Sampah Logam dan Non-Logam Menggunakan Penggerak Konveyor Fata Allamsyah, M. Zahwa; Zetta Maulana, Yulian; Wibisono, Gunawan
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Ketidakefisienan dalam proses pemilahansampah logam dan non-logam berdampak pada rendahnyaefektivitas pengelolaan lingkungan. Kurangnya kesadaranmasyarakat dalam memilah sampah sejak dari sumbernyamenyebabkan limbah logam yang memiliki nilai ekonomistinggi belum termanfaatkan secara optimal. Untuk menjawabpermasalahan tersebut, diperlukan suatu alat otomatis yangmampu melakukan pemilahan berdasarkan jenis materialsecara lebih efisien. Sistem ini dirancang menggunakanmikrokontroler Arduino UNO, sensor proximity induktif, motorDC untuk menggerakkan konveyor, dan motor servo untukmekanisme pemilah. Pengujian dilakukan terhadap berbagaijenis logam dengan variasi jarak deteksi. Hasil pengujianmenunjukkan bahwa sistem mampu memilah logam dan nonlogam secara tepat dengan tingkat akurasi mencapai 100%.Sensor memberikan kinerja terbaik pada logam feromagnetikhingga jarak 5 mm dan logam diamagnetik hingga 3 mm.Perangkat ini dinilai sesuai untuk diaplikasikan pada fasilitasdaur ulang karena mampu meningkatkan efisiensi operasionalserta mengurangi ketergantungan terhadap tenaga manusia.Kata kunci Pemilah sampah, sensor proximity induktif,logam, konveyor, Arduino UNO, otomatisasi.

Testing of a Classroom Facility Maintenance Monitoring System Using Alpha, Beta, and Stress Testing Methods Jalaluddin , Afif Ibadurrahman; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Classroom facility maintenance at the TULT Building of Telkom University was previously managed manually through paper-based forms and control sheets, often causing delays, errors, and data loss. To overcome these inefficiencies, a web-based monitoring system was developed and evaluated using alpha, beta, and stress testing methods. Alpha testing validated all core features for three key user roles — admin (12 features), technician (10 features), and user (8 features) — with all functionality checks achieving a 100% success rate. Beta testing involved 30 respondents (2 admins, 2 technicians, and 26 users) who assessed usability through a 5-point Likert scale, resulting in an average score of 4.51 or 83.4%, categorized as “Very Good.” Stress testing simulated 300 virtual users accessing the system concurrently, yielding a stable average response time of 224 ms, a throughput of 46 requests per second, and zero recorded errors. These evaluations confirmed that the system is functionally reliable, user-friendly, and robust under high-load conditions. The testing outcomes suggest that the system is ready for operational deployment, providing significant improvements in monitoring efficiency, real-time reporting, maintenance coordination, and data accuracy. Future enhancements are recommended, such as implementing caching mechanisms, introducing load-based authentication fallback strategies, and expanding beta testing with a more diverse and larger user group to ensure system scalability and continuous improvement. Keywords— monitoring system, alpha testing, beta testing, stress testing, web application, Telkom University

Digitalization of Academic Facility Maintenance from QR Code Reporting to Automated Scheduling Gastiadi, Arya Fridayana; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

This paper presents a comprehensive solution to improve the maintenance process of academic facilities at the TULT Building of Telkom University by shifting from a manual to a digital system. The traditional approach relied heavily on physical media, such as checklists and control cards, resulting in issues such as data loss, delayed reporting, and poor monitoring. The proposed digital monitoring system leverages modern web and mobile technologies, including Vue.js for the frontend, Express.js for the backend, PostgreSQL for the database, and Genetic Algorithms for technician scheduling optimization. This system enables real-time damage reporting via QR code scans and ensures preventive maintenance through automatic scheduling and notifications. Results from alpha testing showed a 100% feature success rate, while beta testing yielded positive user feedback regarding usability, interface design, and system responsiveness. This study demonstrates that digitalization significantly enhances maintenance efficiency and the quality of academic services. Keywords — maintenance system, genetic algorithm, QR code academic facilities, Vue.js.

Sistem Deteksi Dini Glaukoma Berbasis Pencintraan Fundus Suwandhi, Adhisty Putrina; Susilo, Mochammad Hilmi; Masykur, Muhammad Fadhel Affandi; Magdalena, Rita; Fathurrahman, Muhammad Hanif; 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

Glaukoma merupakan penyebab kebutaan permanen kedua terbanyak di dunia setelah katarak, dan menjadi ancaman serius bagi kesehatan mata, khususnya pada lansia. Penyakit ini sering berkembang tanpa gejala pada tahap awal, sehingga banyak kasus baru terdeteksi saat kondisi sudah parah dan kerusakan saraf optik bersifat permanen. Oleh karena itu, deteksi dini glaukoma menjadi sangat penting guna mencegah kebutaan yang tidak dapat dipulihkan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini glaukoma berbasis teknologi deep learning dengan memanfaatkan Convolutional Neural Network (CNN) untuk mengklasifikasikan citra fundus retina ke dalam dua kategori, normal dan glaukoma. Empat arsitektur CNN digunakan dan dibandingkan performanya, yaitu ResNet50, EfficientNetB0, MobileNetV2, dan VGG16, dengan pendekatan fine-tuning hyperparameter untuk memperoleh hasil optimal. Dataset yang digunakan merupakan kombinasi dari SMDG19 serta citra tambahan yang diperoleh melalui pantoscopic ophthalmoscope yang terintegrasi dengan smartphone. Dari hasil pengujian, arsitektur VGG16 memberikan performa terbaik dengan akurasi mencapai 86,7% dan waktu pemrosesan gambar kurang dari 5 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan berpotensi menjadi alat bantu diagnosis yang cepat, efisien, dan mudah diimplementasikan, khususnya di daerah dengan keterbatasan tenaga medis dan teknologi kesehatan.Kata Kunci: glaukoma, deep learning, citra fundus, CNN, deteksi dini, VGG16, ophthalmoscope

Perancangan Bank Sampah Otomatis Dengan Metode Nirkabel Sensor Node Pada Rumah Sakit Ghaly Al Ghifari, Muh. Naufal; Titan Syifa, Fikra; Wibisono, Gunawan
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Pengelolaan sampah yang tidak efisien di rumahsakit dapat menyebabkan penumpukan limbah, lingkungantidak higienis, dan risiko penyebaran penyakit. Salah satukendala utama adalah pemantauan kapasitas tempat sampahyang masih manual, sehingga respons petugas sering terlambat.Penelitian ini merancang sistem bank sampah otomatis berbasissensor node nirkabel untuk meningkatkan efisiensi pengelolaansampah. Sistem menggunakan mikrokontroler ESP32 sebagaipusat kendali, sensor ultrasonik HC-SR04 untuk mendeteksitingkat kepenuhan. Data dikirim secara nirkabel melalui Wi-Fike platform BlynkIoT dan diteruskan dalam bentuk notifikasireal-time kepada petugas kebersihan. Pengujian dilakukan dilingkungan laboratorium untuk memverifikasi fungsionalitassistem. Hasil menunjukkan sensor mampu mengukur jarakantara 1,94 cm hingga 7,19 cm dengan rata-rata akurasi 95,15%dan error 2,88%. Sistem terbukti mampu mendeteksi kapasitassampah dan mengirim notifikasi secara responsif. Meskipunbelum diterapkan langsung di rumah sakit, sistem ini dirancangberdasarkan kebutuhan aktual dan memiliki potensiimplementasi nyata dalam fasilitas kesehatan.Kata kunci— Bank sampah, rumah sakit, internet of things(iot), sensor ultrasonik hc-sr04, esp32

Sistem Deteksi Dini Glaukoma Berbasis Pencintraan Fundus Suwandhi, Adhisty Putrina; Susilo, Mochammad Hilmi; Masykur, Muhammad Fadhel Affandi; Magdalena, Rita; Fathurrahman, Muhammad Hanif; 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

Glaukoma merupakan penyebab kebutaan permanen kedua terbanyak di dunia setelah katarak, dan menjadi ancaman serius bagi kesehatan mata, khususnya pada lansia. Penyakit ini sering berkembang tanpa gejala pada tahap awal, sehingga banyak kasus baru terdeteksi saat kondisi sudah parah dan kerusakan saraf optik bersifat permanen. Oleh karena itu, deteksi dini glaukoma menjadi sangat penting guna mencegah kebutaan yang tidak dapat dipulihkan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini glaukoma berbasis teknologi deep learning dengan memanfaatkan Convolutional Neural Network (CNN) untuk mengklasifikasikan citra fundus retina ke dalam dua kategori, normal dan glaukoma. Empat arsitektur CNN digunakan dan dibandingkan performanya, yaitu ResNet50, EfficientNetB0, MobileNetV2, dan VGG16, dengan pendekatan fine-tuning hyperparameter untuk memperoleh hasil optimal. Dataset yang digunakan merupakan kombinasi dari SMDG19 serta citra tambahan yang diperoleh melalui pantoscopic ophthalmoscope yang terintegrasi dengan smartphone. Dari hasil pengujian, arsitektur VGG16 memberikan performa terbaik dengan akurasi mencapai 86,7% dan waktu pemrosesan gambar kurang dari 5 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan berpotensi menjadi alat bantu diagnosis yang cepat, efisien, dan mudah diimplementasikan, khususnya di daerah dengan keterbatasan tenaga medis dan teknologi kesehatan.Kata Kunci: glaukoma, deep learning, citra fundus, CNN, deteksi dini, VGG16, ophthalmoscope

Sistem Deteksi Dini Glaukoma Berbasis Pencintraan Fundus Suwandhi, Adhisty Putrina; Susilo, Mochammad Hilmi; Masykur, Muhammad Fadhel Affandi; Magdalena, Rita; Fathurrahman, Muhammad Hanif; 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

Glaukoma merupakan penyebab kebutaan permanen kedua terbanyak di dunia setelah katarak, dan menjadi ancaman serius bagi kesehatan mata, khususnya pada lansia. Penyakit ini sering berkembang tanpa gejala pada tahap awal, sehingga banyak kasus baru terdeteksi saat kondisi sudah parah dan kerusakan saraf optik bersifat permanen. Oleh karena itu, deteksi dini glaukoma menjadi sangat penting guna mencegah kebutaan yang tidak dapat dipulihkan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini glaukoma berbasis teknologi deep learning dengan memanfaatkan Convolutional Neural Network (CNN) untuk mengklasifikasikan citra fundus retina ke dalam dua kategori, normal dan glaukoma. Empat arsitektur CNN digunakan dan dibandingkan performanya, yaitu ResNet50, EfficientNetB0, MobileNetV2, dan VGG16, dengan pendekatan fine-tuning hyperparameter untuk memperoleh hasil optimal. Dataset yang digunakan merupakan kombinasi dari SMDG19 serta citra tambahan yang diperoleh melalui pantoscopic ophthalmoscope yang terintegrasi dengan smartphone. Dari hasil pengujian, arsitektur VGG16 memberikan performa terbaik dengan akurasi mencapai 86,7% dan waktu pemrosesan gambar kurang dari 5 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan berpotensi menjadi alat bantu diagnosis yang cepat, efisien, dan mudah diimplementasikan, khususnya di daerah dengan keterbatasan tenaga medis dan teknologi kesehatan.Kata Kunci: glaukoma, deep learning, citra fundus, CNN, deteksi dini, VGG16, ophthalmoscope

Rancang Bangun Cooling pad Otomatis Berbasis Pid Dengan Sistem Pendingin Aktif Peltier Untuk Laptop Hisbi Maulana, Muhammad; Zetta Maulana, Yulian; Wibisono, Gunawan
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Overheating pada laptop sering terjadi saat aktivitas berat seperti bermain game atau rendering. Penelitian ini mengembangkan cooling pad otomatis dengan sistem pendingin aktif berbasis modul Peltier yang dikendalikan oleh algoritma PID. Sistem terdiri dari sensor suhu DS18B20, Arduino Uno sebagai mikrokontroler, serta aktuator berupa kipas dan modul Peltier . Parameter PID diperoleh melalui dua metode: autotuning dan trial error. Sistem diuji pada dua jenis laptop, yaitu kasual dan gaming, dalam kondisi idle dan stress test. Hasilnya menunjukkan bahwa sistem mampu mempertahankan suhu sekitar 43 °C pada sensor, yang berkorespondensi dengan suhu internal sekitar 75 °C. Performa kontrol PID terbaik menghasilkan overshoot kurang dari 1.02%, steady-state error kurang dari 1%, dan waktu settling 143 detik. Sistem closed-loop lebih responsif dibandingkan openloop. Sistem ini efektif meningkatkan efisiensi pendinginan laptop secara otomatis. Kata kunci— PID, Peltier , Cooling pad, Arduino, DS18B20,suhu laptop

Sistem Deteksi Dini Glaukoma Berbasis Pencintraan Fundus Suwandhi, Adhisty Putrina; Susilo, Mochammad Hilmi; Masykur, Muhammad Fadhel Affandi; Magdalena, Rita; Fathurrahman, Muhammad Hanif; 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

Glaukoma merupakan penyebab kebutaan permanen kedua terbanyak di dunia setelah katarak, dan menjadi ancaman serius bagi kesehatan mata, khususnya pada lansia. Penyakit ini sering berkembang tanpa gejala pada tahap awal, sehingga banyak kasus baru terdeteksi saat kondisi sudah parah dan kerusakan saraf optik bersifat permanen. Oleh karena itu, deteksi dini glaukoma menjadi sangat penting guna mencegah kebutaan yang tidak dapat dipulihkan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini glaukoma berbasis teknologi deep learning dengan memanfaatkan Convolutional Neural Network (CNN) untuk mengklasifikasikan citra fundus retina ke dalam dua kategori, normal dan glaukoma. Empat arsitektur CNN digunakan dan dibandingkan performanya, yaitu ResNet50, EfficientNetB0, MobileNetV2, dan VGG16, dengan pendekatan fine-tuning hyperparameter untuk memperoleh hasil optimal. Dataset yang digunakan merupakan kombinasi dari SMDG19 serta citra tambahan yang diperoleh melalui pantoscopic ophthalmoscope yang terintegrasi dengan smartphone. Dari hasil pengujian, arsitektur VGG16 memberikan performa terbaik dengan akurasi mencapai 86,7% dan waktu pemrosesan gambar kurang dari 5 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan berpotensi menjadi alat bantu diagnosis yang cepat, efisien, dan mudah diimplementasikan, khususnya di daerah dengan keterbatasan tenaga medis dan teknologi kesehatan.Kata Kunci: glaukoma, deep learning, citra fundus, CNN, deteksi dini, VGG16, ophthalmoscope

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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