Garuda - Garba Rujukan Digital

Rancang Bangun Prototipe Polisi Tidur Sebagai Pembangkit Listrik Energi Alternatif Haifan, Naufal; 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

Peningkatan kebutuhan energi listrik mendorongpengembangan sistem pemanenan energi alternatif. Salah satusolusi yang diterapkan adalah pemanfaatan energi mekanikdari kendaraan yang melewati polisi tidur untuk diubahmenjadi energi listrik. Penelitian ini bertujuan untukmerancang dan membangun prototipe sistem pemanenanenergi pada polisi tidur menggunakan generator DC. Prototipeini dirancang untuk memanfaatkan tekanan dan gerakan yangdihasilkan oleh kendaraan sebagai sumber energi mekanik,yang kemudian dikonversi menjadi energi listrik oleh generatorDC. Hasil eksperimen menunjukkan bahwa sistem yangdirancang mampu menghasilkan listrik dengan efisiensirata‑rata 10.46 % dan rata‑rata energi tersimpan 0.0039 Jouleper detik. Estimasi waktu pengisian penuh baterai 18650 (2000mAh) sekitar 1818 jam (75 hari). Sistem memiliki potensisebagai sumber energi alternatif untuk aplikasi daya sangatrendah atau sebagai bagian dari sistem yang lebih besarKata kunci - pemanenan energi, generator DC, polisi tidur,energi alternatif, konversi energ

Aplikasi Neurobliss Pembangkit Sinyal Enhanced Alpha Pada Eksperimen Neuropsikologi Adnan, Muhammad; Azahra, Yasmin; Rogito, Azriel Gilbert Samuel; Balova , Fathrurrizqa; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Kecemasan merupakan gangguan mental yang sering dialami mahasiswa dan dapat mengganggu keseimbangan psikologis, akademik, serta sosial. Penelitian ini mengembangkan aplikasi Neurobliss, perangkat lunak desktop yang memfasilitasi stimulasi gelombang otak alfa melalui musik relaksasi dan binaural beats. Stimulasi audio ini bertujuan meningkatkan aktivitas gelombang alfa (8–13 Hz) yang berkaitan dengan relaksasi sekaligus menurunkan gelombang beta yang terkait stres dan kecemasan. Proses stimulasi dan monitoring menggunakan perangkat Muse EEG (Muse 2 dan Muse S) yang merekam sinyal listrik otak secara non-invasif. Data EEG diekspor dalam format CSV dan diproses dengan MATLAB, meliputi filtering dengan Band Pass Filter (0,5–60 Hz), konversi ke European Data Format, dekomposisi sinyal dengan Independent Component Analysis untuk menghilangkan artefak, serta analisis spektral menggunakan Fast Fourier Transform untuk memetakan distribusi daya pada pita frekuensi otak. Diharapkan stimulasi audio ini dapat meningkatkan daya gelombang alfa secara signifikan dan menurunkan kecemasan. Dengan demikian, Neurobliss menawarkan solusi teknologi untuk monitoring dan analisis EEG sekaligus menjadi alternatif intervensi dalam pengelolaan kesehatan mental mahasiswa. Kata kunci— Binarual Beats, EEG, enchaned alpha, kecemasan, Neurobliss

Rancang Bangun Sistem Monitoring Dan Notifikasi Kualitas Udara Dan Air Hujan Berbasis Internet Of Things Nur Alif, Muh; Zetta Maulana, Yulian; Titan Syifa, Fikra
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Udara berperan penting dalam kehidupan,namun perkembangan urbanisasi dan industrialisasi telahmenurunkan kualitasnya secara signifikan. Polusi udara tidakhanya memengaruhi kesehatan manusia tetapi jugamenyebabkan hujan asam yang berdampak buruk padaekosistem. Penelitian ini merancang sistem monitoring dannotifikasi kualitas udara serta air hujan berbasis Internet ofThings (IoT), yang memantau parameter karbon dioksida(CO₂), pH air hujan, dan Total Dissolved Solids (TDS). Sistemmenggunakan sensor MQ-135, pH-4502C, dan TDS KS0429yang terintegrasi dengan mikrokontroler ESP32, menampilkandata pada LCD dan mengirimkannya ke aplikasi Blynk untukpemantauan jarak jauh. Notifikasi visual dan suara diberikanmelalui LED dan buzzer saat terjadi melebihi ambang batas.Hasil pengujian menunjukkan tingkat akurasi tinggi: pH-4502C sebesar 98,16%, TDS KS0429 sebesar 98,71%, dan MQ-135 sebesar 94,83%. Sistem ini terbukti efektif untukpemantauan real-time, meskipun masih terdapat beberapaketerbatasan yang perlu diperhatikan.Kata kunci— Udara, Air Hujan, Internet of Things, SensorMQ-135, Sensor pH 4502C, Sensor TDS KS0429

Simulasi Kontrol Pid Pada Pengendali Kecepatan Kereta Api Menggunakan Sistem Miniatur Kereta Api Skala Half O Setyawan, Reza; 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

Kereta api miniatur skala HO (1:87) tidak hanyadigunakan sebagai hobi, tetapi juga sebagai media edukasi danpenelitian dalam bidang sistem kontrol. Pengendalian kecepatanyang stabil dan responsif penting untuk memastikan performaoptimal terhadap perubahan beban dan kondisi jalur. Penelitianini menyimulasikan pengendali PID (Proportional-IntegralDerivative) pada sistem kecepatan kereta miniatur gunamenguji kestabilan dan efektivitas kontrol. Proses dimulai dariperancangan sistem, identifikasi model transfer functionberdasarkan data tegangan dan kecepatan, hingga implementasisimulasi menggunakan MATLAB/Simulink. Penyetelanparameter PID dilakukan melalui metode autotuning (PIDTunner) dan trial-and-error. Pengujian dilakukan dalam duakondisi, yaitu tanpa kontrol dan dengan kontrol PID. Hasilmenunjukkan bahwa penggunaan PID mempercepat rise timemenjadi 0,0106 detik, menurunkan settling time menjadi 0,0161detik, menghasilkan overshoot sebesar 1,531%, sertameminimalkan steady-state error hingga 0,00004%. Sistemmenjadi lebih cepat, stabil, dan akurat terhadap set point.Penelitian ini membuktikan bahwa kontrol PID efektif dalampengaturan kecepatan kereta miniatur dan memiliki potensiuntuk diterapkan dalam sistem kendali kereta api skala penuh.Kata kunci— PID, kereta api miniatur skala HO, motor DC,Simulink, kontrol kecepatan

Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi kecerdasan buatan,khususnya machine learning, telah membuka peluang barudalam bidang kesehatan, termasuk diagnosis dini Downsyndrome pada balita. Penelitian ini bertujuan menganalisisefisiensi dua model deep learning, yaitu Convolutional NeuralNetwork (CNN) dan Recurrent Neural Network (RNN), dalammengklasifikasikan Down syndrome berdasarkan citra wajah.Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakanmetrik accuracy, precision, recall, dan F1-score. Hasil penelitianmenunjukkan bahwa CNN mencapai akurasi lebih tinggi(0.9383 pada data pelatihan), namun memiliki keterbatasandalam mendeteksi kasus positif (precision 0.6772, recall 0.7044).Sementara itu, RNN menunjukkan kinerja lebih baik dalammendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasidan pengujian, RNN tetap unggul dalam recall (0.9832 dan0.9928), menjadikannya lebih cocok untuk aplikasi medis yangmemprioritaskan deteksi kasus positif. Penelitian inimenyimpulkan bahwa pemilihan model tergantung padakebutuhan: CNN untuk akurasi umum, sedangkan RNN untukdeteksi komprehensif dengan risiko false negative minimal.Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akuratdan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasicitra, machine learning

Aplikasi Neurobliss Pembangkit Sinyal Enhanced Alpha Pada Eksperimen Neuropsikologi Muhammad Adnan; Azahra, Yasmin; Rogito, Azriel Gilbert Samuel; Fathrurrizqa Balova; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Kecemasan merupakan gangguan mental yang sering dialami mahasiswa dan dapat mengganggu keseimbangan psikologis, akademik, serta sosial. Penelitian ini mengembangkan aplikasi Neurobliss, perangkat lunak desktop yang memfasilitasi stimulasi gelombang otak alfa melalui musik relaksasi dan binaural beats. Stimulasi audio ini bertujuan meningkatkan aktivitas gelombang alfa (8–13 Hz) yang berkaitan dengan relaksasi sekaligus menurunkan gelombang beta yang terkait stres dan kecemasan. Proses stimulasi dan monitoring menggunakan perangkat Muse EEG (Muse 2 dan Muse S) yang merekam sinyal listrik otak secara non-invasif. Data EEG diekspor dalam format CSV dan diproses dengan MATLAB, meliputi filtering dengan Band Pass Filter (0,5–60 Hz), konversi ke European Data Format, dekomposisi sinyal dengan Independent Component Analysis untuk menghilangkan artefak, serta analisis spektral menggunakan Fast Fourier Transform untuk memetakan distribusi daya pada pita frekuensi otak. Diharapkan stimulasi audio ini dapat meningkatkan daya gelombang alfa secara signifikan dan menurunkan kecemasan. Dengan demikian, Neurobliss menawarkan solusi teknologi untuk monitoring dan analisis EEG sekaligus menjadi alternatif intervensi dalam pengelolaan kesehatan mental mahasiswa. Kata kunci— Binarual Beats, EEG, enchaned alpha, kecemasan, Neurobliss

Aplikasi Neurobliss Pembangkit Sinyal Enhanced Alpha Pada Eksperimen Neuropsikologi Muhammad Adnan; Yasmin Azahra; Azriel Gilbert Samuel Rogito; Fathrurrizqa Balova; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Kecemasan merupakan gangguan mental yang sering dialami mahasiswa dan dapat mengganggu keseimbangan psikologis, akademik, serta sosial. Penelitian ini mengembangkan aplikasi Neurobliss, perangkat lunak desktop yang memfasilitasi stimulasi gelombang otak alfa melalui musik relaksasi dan binaural beats. Stimulasi audio ini bertujuan meningkatkan aktivitas gelombang alfa (8–13 Hz) yang berkaitan dengan relaksasi sekaligus menurunkan gelombang beta yang terkait stres dan kecemasan. Proses stimulasi dan monitoring menggunakan perangkat Muse EEG (Muse 2 dan Muse S) yang merekam sinyal listrik otak secara non-invasif. Data EEG diekspor dalam format CSV dan diproses dengan MATLAB, meliputi filtering dengan Band Pass Filter (0,5–60 Hz), konversi ke European Data Format, dekomposisi sinyal dengan Independent Component Analysis untuk menghilangkan artefak, serta analisis spektral menggunakan Fast Fourier Transform untuk memetakan distribusi daya pada pita frekuensi otak. Diharapkan stimulasi audio ini dapat meningkatkan daya gelombang alfa secara signifikan dan menurunkan kecemasan. Dengan demikian, Neurobliss menawarkan solusi teknologi untuk monitoring dan analisis EEG sekaligus menjadi alternatif intervensi dalam pengelolaan kesehatan mental mahasiswa. Kata kunci— Binarual Beats, EEG, enchaned alpha, kecemasan, Neurobliss

Aplikasi Rekomendasi Produk Makanan dan Minuman Kemasan Berdasarkan Analisis Kandungan Nutrisi dengan Menggunakan Machine Learning Hoka Cristian Son; Raihan Putra Darmawan; Adam Wisnu Pradana; Suryo Adhi Wibowo; Aulia Aushaf Abidah
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Konsumsi makanan dan minuman kemasan telah menjadi bagian integral dari gaya hidup modern, namun kurangnya pemahaman tentang kandungan nutrisi dalam produk-produk tersebut menimbulkan kekhawatiran serius terhadap kesehatan jangka panjang. Berdasarkan survei yang telah dilakukan, sebanyak 88% responden merasa khawatir dengan dampak konsumsi produk kemasan terhadap kesehatan, sementara 72,8% masih mengalami kesulitan dalam memilih produk yang sesuai dengan kebutuhan nutrisi mereka. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan aplikasi BeWise, sebuah platform rekomendasi produk makanan dan minuman kemasan berdasarkan analisis kandungan nutrisi dengan pendekatan machine learning. Aplikasi ini mengimplementasikan fuzzy logic untuk mengklasifikasikan produk ke dalam kategori Nutri-Score (A-E) berdasarkan parameter nutrisi seperti energi, lemak jenuh, gula, natrium, protein, dan serat. Dengan fitur pemindaian barcode yang terintegrasi dengan ML Kit, pengguna dapat dengan mudah mendapatkan informasi nutrisi produk secara instan dan menerima rekomendasi alternatif yang lebih sehat berdasarkan preferensi mereka. Hasil pengujian menunjukkan bahwa model machine learning yang dikembangkan mencapai akurasi 90% dalam mengklasifikasikan Nutri-Score produk, dengan performa API yang stabil pada waktu respons rata-rata 422,85 ms bahkan dalam kondisi beban tinggi. Pengujian usability menggunakan System Usability Scale (SUS) menghasilkan skor 86,1 dalam kategori sangat baik, mengindikasikan bahwa aplikasi dirancang dengan mempertimbangkan kemudahan penggunaan bagi berbagai kalangan masyarakat.Kata kunci— Aplikasi, Fuzzy Logic, Machine Learning, Nutrisi, Nutri-Score

Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindhito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi kecerdasan buatan, khususnya machine learning, telah membuka peluang baru dalam bidang kesehatan, termasuk diagnosis dini Down syndrome pada balita. Penelitian ini bertujuan menganalisis efisiensi dua model deep learning, yaitu Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN), dalam mengklasifikasikan Down syndrome berdasarkan citra wajah. Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa CNN mencapai akurasi lebih tinggi (0.9383 pada data pelatihan), namun memiliki keterbatasan dalam mendeteksi kasus positif (precision 0.6772, recall 0.7044). Sementara itu, RNN menunjukkan kinerja lebih baik dalam mendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasi dan pengujian, RNN tetap unggul dalam recall (0.9832 dan 0.9928), menjadikannya lebih cocok untuk aplikasi medis yang memprioritaskan deteksi kasus positif. Penelitian ini menyimpulkan bahwa pemilihan model tergantung pada kebutuhan: CNN untuk akurasi umum, sedangkan RNN untuk deteksi komprehensif dengan risiko false negative minimal. Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akurat dan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasi citra, machine learning

Grading Quality of Tuna Loin Using Computer Vision and Deep Learning Mochamad Reyhand Landrenzy Zulfikar; Ledya Novamizanti; Gelar Budiman
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Assessing the quality of tuna loin remains a pivotal aspect of the global seafood industry, necessitating precise, consistent, and efficient grading methods that can be broadly implemented. This study addresses these challenges by developing a robust, cloud-native system for automated tuna loin quality classification. Utilizing a tailored image dataset, the system's core processing is handled by a scalable cloud-based backend on Google Cloud Platform, specifically employing Cloud Run for serverless inference. The deep learning model, EfficientNetV2M, is optimized into the ONNX format and executed efficiently by ONNX Runtime within this cloud environment, achieving a classification accuracy of 96% with rapid prediction times. An intuitive Flutter frontend application serves as the user interface, facilitating the transmission of image data to the cloud service and displaying real-time grading results. This architectural design ensures dynamic resource allocation, high availability, and cost-effectiveness through a pay-per-use model. Data integrity and security are maintained via HTTPS for secure communication between the frontend and the cloud-deployed backend. The integration of Docker for containerization, Google Cloud Run for serverless deployment, and Flask for API management collectively yields a highly scalable, reliable, and efficient system. This research presents a robust, cloud-centric solution for automated tuna loin quality classification, offering real-time predictions, secure data handling, and a user-friendly interface suitable for industrial quality control and research applications. Keywords — cloud computing, serverless, Google Cloud Run, Docker, ONNX, deep learning, computer vision, real-time prediction.

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