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
 732   733   734   735   736 
Deteksi Social Distancing Dan Penggunaan Di Restoran Menggunakan Algoritma Faster RCNN Ramadhani, Desfitri; Kallista, Meta; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Social distancing adalah upaya pemerintah untuk menjaga jarak antar individu dengan individu lain untuk mencegah penyebaran suatu penyakit yaitu Covid-19. Covid-19 dapat dicegah dengan menjaga jarak minimal satu meter, memakai masker jika melakukan bepergian, mencuci tangan dan membawa handsanitizer kemana pun jika bepergian. Akan tetapi, masih banyak masyarakat yang tidak peduli dengan peraturan pemerintah tersebut. Maka dari itu, Tugas Akhir ini memberikan solusi pengawasan masyarakat terhadap social distancing dan penggunaan masker direstoran. Singkatnya pada sistem ini, untuk simulasi ada sebuah kamera yang akan dipasang dalam sebuah ruangan yang merupakan simulasi restoran untuk mendeteksi social distancing dan penggunaan masker di ruangan tersebut. Setelah pendeteksian berhasil kemudian di analisis diterapkan atau tidaknya social distancing dan penggunaan masker. Sistem menggunakan algoritma YOLO untuk social distancing dan penggunaan masker menggunakan algoritma yaitu Faster RCNN. Pengujian sistem ini dilakukan berdasarkan beberapa skenario. Hasil terbaik dari pembuatan model social distancing didapat dari rasio dataset 90% data train dan 10% data test dengan max batches 6000, dan learning rate 0.001 mendapat mAP sebesar 49.02%, sedangkan untuk hasil terbaik dari pembuatan model penggunaan masker didapat dari rasio dataset 80% data train dan 20% data test dengan batch size 10, dan learning rate 0,01 mendapat akurasi sebesar 68.76%. Kata kunci— social distancing, COVID-19, faster R-CNN, YOLO. I
Deteksi Threat Dan Vulnerability Pada Unggahan Twitter Menggunakan Algoritma Naive Bayes Imady, Paulin Al; Setianingsih, Casi; Ruriawan, M. Faris
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Twitter merupakan platform media sosial yang menjadi tempat bagi banyak orang untuk dapat mengunggah berbagai hal, tidak terkecuali unggahan yang mengandung unsur ancaman keamanan suatu sistem. Tentunya ini merupakan hal yang berbahaya jika seseorang mengunggah celah keamanan suatu sistem. Ancaman sistem yang dipublikasi dapat disalah gunakan oleh orang lain sehingga merugikan pemilik sistem. Untuk mengantisipasi hal ini, maka dibuat sistem untuk mendeteksi unggahan yang mengandung unsur ancaman (threat) dan kerentanan (vulnerability) sistem pada media sosial Twitter. Sistem ini menerapkan algoritma text processing yang menggunakan metode Naïve Bayes dan TF-IDF (Term Frequency – Inverse Document Frequency). Metode ini dipilih karena dianggap dapat menghasilkan akurasi yang baik meskipun dengan data training yang sedikit. Pada penelitian Tugas Akhir ini, hasil akhir yang didapatkan adalah sistem dapat membedakan tweet yang mengandung unsur threat atau vulnerability, dan yang tidak. Dengan rasio pembagian dataset ke dalam data training dan data testing adalah 70%:30% dan 80%:20%, keduanya mendapatkan nilai akurasi sebesar 88%, nilai presisi sebesar 88%, recall sebesar 88%, dan F1 score sebesar 88%.Kata Kunci: text mining, naïve bayes, TF-IDF, threat, vulnerabilities, klasifikasi teks.
Game Edukasi Budaya Dua Dimensi Pendidikan Tingkat Taman Kanak- Kanak Menggunakan Metode Finite State Machine Syabilillah, La Ode. Muhammad; Darukusuma, Purba; Dinimahrawati, Ashri
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak - Perkembangan teknologi yang pesat membuat Taman Kanak-Kanak juga harus beradaptasi dengan memulai metode pembelajaran melalui teknologi perangkat media digital yang berisi permainan edukasi yang dapat bermain sambil belajar dan tidak menyusahkan anak-anak dengan mengusulkan permainan tentang budaya yang menjadi game edukasi. Game ini diharapkan dapat membantu Taman KanakKanak dan metode belajar selangkah lebih maju dengan belajar budaya melalui perangkat media digital dan memudahkan guru untuk cepat berinteraksi dengan anak-anak. Diharapkan dengan adanya perancangan game edukasi budaya ini menghasilkan output yang menyenangkan dan mudah mempelajari budaya, memudahkan guru untuk mengajarkan anak-anak ada benda-benda budaya apa saja di Indonesia. Hasil pengujian terhadap hidden object game menggunakan metode finite state machine sudah sesuai dengan perancangan, hasil pengujian terhadap pemain atau responden berjumlah 30 responden mayoritas 98% dari 4 pertanyaan menyukai game Jelajah Nusantara. Kata kunci - permainan, teknologi, gadget, taman kanakkanak, game.
Gaussian Mixture Model Dalam Proses Pengenalan Daun Untuk Mengidentifikasi Tanaman Herbal Savrylia, Dewi Intan; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Tanaman herbal merupakan salah satu obat alternatif yang digunakan dalam bidang Kesehatan untuk mengobati penyakit. Tanaman herbal dapat ditemukan di sekitar rumah atau di lingkungan terdekat. Dengan keterbatasan pengetahuan manusia mengenai tanaman herbal, seiring kemajuan teknologi maka penelitian ini dibuat untuk mendeteksi daun tanaman herbal menggunakan Image Processing yang memanfaatkan teknologi yang semakin maju. Untuk pengenalan daun tanaman herbal digunakan segmentasi Gaussian Mixture Model sebagai clustering dan memanfaatkan image processing, dibutuhkan dataset daun tanaman herbal agar dapat mengenali daun tanaman herbal yang ingin di deteksi sebagai data latih. Dalam penelitian ini menghasilkan rata rata tingkat kecocokan sebesar 79.2% dengan waktu pemrosesan 4.44 detik. Selanjutnya hasilnya akan ditampilkan pada website sebagai hasil outputnya.Kata kunci— website, gaussian mixture model, clustering, tanaman herbal
Identifikasi Beban Listrik Rumah Tangga Menggunakan Metode Recurrent Neural Network Nurjanah, Mutiara; Saputra, Randy Erfa; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Kebutuhan listrik rumah tangga banyaknya alat yang menggunakan energi listrik sebagai sumber energi utama tidak menutup kemungkinan konsumsi energi listrik semakin lama semakin meningkat, hal ini menyebabkan pembayaran biaya listrik akan terus meningkat terutama pada kebutuhan listrik rumah tangga. Metode Recurrent Neural Network (RNN) untuk memantau penggunaan listrik satu fasa yang ada dialat rumah tangga. Dapat mengidentifikasi perangkat listrik berdasarkan jenis beban listrik, metode ini dapat mengurangi peningkatan pembayaran biaya listrik dengan mengidentifikasi perangkat listrik yang dipakai berdasarkan jenis beban listik yang dipakai. Data diambil dengan menggunakan bantuan perangkat keras. Pengujian sistem mendeteksi jenis beban listrik yang dilakukan pada tiga perangkat listrik rumah tangga yakni kipas, pemanas air dan setrika. Penelitian ini diawali dengan pengumpulan data yang berhubungan dengan perangkat yang akan diuji. Berdasarkan hasil pengujian akan dilakukan proses pengidentifikasi jenis beban listrik yang sedang digunakan. Dari hasil pengujian sistem dapat mengidentifikasi ketiga perangkat tersebut dengan akurasi, presisi, recall, dan F1-score adalah 97.90%, 98.39%, 97.39%, dan 97.83% menggunakan metode RNN.Kata kunci— identifikasi beban listrik; listrik rumah tangga; RNN.
Identifikasi Beban Listrik Rumah Tangga Menggunakan Metode Convolutional Neural Network Ariesta, Vinni; Saputra, Randy Erfa; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Dewasa ini energi listrik sudah menjadi kebutuhan untuk manusia. Hampir seluruh kegiatan menggunakan energi listrik mulai dari dunia industri sampai kebutuhan rumah tangga. Setiap tahunnya kebutuhan energi listrik terus betambah. Konsumsi energi listrik yang berlebihan dapat mengurangi kualitas energi listrik tersebut. Pengguna energi listrik perlu memiliki sistem pemantau penggunaan energi listrik agar konsumsi energi listrik yang berlebihan tidak terjadi. Convolutional Neural Network (CNN) menjadi algoritma pada sistem identifikasi jenis beban listrik pada perangkat elektronik rumah tangga. Dengan adanya sistem ini dapat membantu pengguna mengetahui perangkat elektronik mana yang memakai banyak daya. Pengujian sistem identifikasi jenis beban listrik dilakukan pada 3 jenis perangkat elektronik, yaitu pemanas air, setrika, dan kipas angin. Kemudian 3 jenis perangkat elektronik tersebut akan dikombinasikan sehingga menjadi 7 class. Diperoleh hasil pengujian bahwa sistem dapat mengidentifikasi ke-3 jenis perangkat elektronik beserta kombinasinya dengan akurasi 97.83%, presisi 98.29%, recall 97.30%, dan F1 Score 97.73% menggunakan metode Convolutional Neural Network yang terbentuk, dengan rata-rata waktu yang diperlukan sistem untuk mengenali adalah kurang dari 1 second. Kata kunci-identifikas, jenis beban listrik, dataset, Convolutional Neural Network
Implementasi Klasifikasi Gambar Untuk Industri Pakaian Menggunakan Image Search Engine Berbasis Website Hidayat, Rafi Fakhri; Irawan, Budhi; Nasrun, Muhammad
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Seiring dengan perkembangan teknologi saat ini, teknologi banyak digunakan sebagai sarana memperoleh informasi. Pencarian informasi sudah sering dilakukan di kehidupan sehari-hari yaitu dengan menggunakan search engine. Contohnya pada industri pakaian saat mencari produk pakaian yang diinginkan melalui search engine, dengan mengharapkan hasil yang didapat dari pencarian search engine sesuai dengan detail lengkap mengenai referensi brand produk pakaian tersebut namun metode pencarian berbasis teks memiliki keterbatasan dan hasil yang didapat dari pencarian search engine tidak selalu akurat. Untuk itu penggunaan Convolutional Neural Network (CNN) digunakan untuk menyusun dataset dari produk pakaian berdasarkan klasifikasi gambar yang di inputkan. Penelitian ini bertujuan untuk dapat membuat sebuah sistem image search engine berbasis website dengan menggunakan arsitektur dari CNN yaitu Deep Residual Network (ResNet) khusunya pada ResNet50 yang dapat mengklasifikasi gambar dari produk- produk pakaian, dengan menginputkan gambar dan menghasilkan output berupa kategori lengkap referensi brand produk pada pakaian tersebut menggunakan Long Short Term Memory (LSTM) dalam memprediksi hasilnya. Didapatkan hasil pengujian 99.47% pada akurasi train dan 99.61% pada akurasi validasi yang akan digunakan pada saat di implementasikan pada website. Kata kunci— Convolutional Neural Network, ResNet50, Long ShortTerm Memory.
Implementasi Metode Finite State Machine Pada NPC Beruang Dalam Game “Happy Farm” Hamdani, Mauriz Muhammad Al Ghazali; Kusuma, Purba Daru; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Di zaman modern ini banyak anak-anak yang senang bermain game, terbukti bahwa didalam sebuah penelitian setidaknya terdapat 41% anak yang memiliki gadget memiliki aplikasi game didalamnya, game dapat menjadi sebuah sarana hiburan dan media untuk menghabiskan waktu bagi anak. Game itu sendiri memiliki berbagai macam genre seperti fighting game, real-time strategy, simulasi, role play games dan masih banyak lagi. Penelitian ini difokuskan kepada game simulasi peternakan hewan “Happy Farm” Game peternakan “Happy Farm” ini merupakan game simulasi, dimana pemain akan bermain seakan mereka menjadi peternak didalam game tersebut. Umum nya didalam peternakan akan terdapat hewan peternakan, predator dan memiliki hewan penjaga didalamnya. Oleh karena itu, penulis ingin menambahkan artificial intelligence kepada non playable character (NPC) predator didalam game peternakan hewan “Happy Farm” dengan menggunakan metode finite state machine agar NPC beruang dapat beraksi sesuai dengan apa yang sedang terjadi dalam area permainan. Setelah penelitian dilakukan, metode finite state machine telah berhasil diimplementasikan kepada NPC beruang dalam game peternakan hewan “Happy Farm”. Dari hasil pengujian NPC beruang juga telah didapatkan hasil bahwa NPC beruang telah berhasil beraksi sesuai dengan apa yang terjadi dalam area permainan. Dari hasil pengujian user terhadap 26 responden didapatkan bahwa 18 pemain suka terhadap tampilan game dan 21 pemain menjawab bahwa NPC telah berjalan dengan baik. Pada pengujian waktu main user pada 11 orang, seluruh pemain menyelesaikan semua level pada hingga akhir dan didapatkan rata-rata waktu untuk menyelesaikan game selama 1983 detik (33 menit)Kata kunci— artificial intelligence, finite state machine, simulation game, NPC, farm animals
Implementasi Natural Language Processing Pada Chatbot Untuk Layanan Akademik Hikmah, Alifya; Azmi, Fairuz; Nugrahaeni, Ratna Astuti
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Penggunaan sistem layanan informasi berbasis website merupakan salah satu fitur yang paling sering digunakan untuk memenuhi kebutuhan informasi civitas saat ini. Terutama dalam bidang informasi akademik seperti biaya kuliah, beasiswa, dan lain sebagainya. Maka dari itu dibutuhkan satu sistem yang dapat menjawab pertanyaan, serta dapat meminimalisir waktu untuk menjawab pertanyaan yang sering kali ditemukan sama. Pada tugas akhir ini, dibuatlah sistem Chatbot yang dapat memudahkan pengguna dalam pencarian informasi serta menjawab pertanyaan yang diinginkan terkait layanan akademik. Chatbot ini menerapkan Natural Language Processing (NLP), sehingga seolah-olah pengguna sedang melakukan interaksi dengan manusia sungguhan. Sistem chatbot ini menggunakan metode neural network untuk menghasilkan informasi yang tepat. Proses dari neural network terdiri dari input, preprocessing dan output. Pengujian pada sistem chatbot ini menggunakan metode pengujian beta dengan Usability Testing yang mendapatkan hasil sebesar 93% dari total 42 responden dan 6 pertanyaan. Untuk pengujian akurasi pada chatbot mendapatkan hasil 100% dari total 54 pertanyaan yang diajukan secara acak. Dari hasil pengujian yang telah dilakukan, dinyatakan bahwa chatbot ini mampu memberikan response dengan menilai jawaban dari pertanyaan yang diberikan oleh pengguna berdasarkan keywords     pada     chatbot,     sehingga     chatbot     dapat memberikan jawaban yang tepat.Kata kunci—   Chatbot,   Layanan   Akademik, Natural Language Processing (NLP), Neural Network.
Implementasi REST API Pada Pengembangan Aplikasi Backend Untuk Platform Kursus Online (Growup) Rizaldy, Rizqy Eka Putra; Ahmad, Umar Ali; Dirgantoro, Burhanuddin
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Teknologi mengalami perkembangan yang sangat pesat dalam beberapa tahun terakhir ini, hal ini menyebabkan meningkatnya perusahaan rintisan yang mengembangkan produk berbasis digital juga perusahaan lainnya yang menambahkan produk berbasis digital. Hal ini tentunya juga diiringi dengan meningkatnya permintaan akan kebutuhan talenta digital di Indonesia. Namun sayangnya  kapasitas jumlah dan kualitas talenta digital di Indonesia masih belum bisa memenuhi permintaan ini. Untuk mengatasi hal itu GrowUp hadir untuk menjembatani dan mengurangi ketimpangan antara permintaan dan kesediaan serta kualitas talenta digital yang ada di Indonesia. GrowUp akan menghadirkan produk dalam bentuk website kursus online yang didalamnya akan diterapkan metode FCP (Fundamental, Conceptual dan Practical) sehingga user dapat memperoleh pengetahuan dan juga kemampuan pemecahan masalah yang kuat serta memahami cara mengaplikasikan pengetahuan yang telah diperoleh untuk membantu ekosistem digital di Indonesia berkembang ke depannya. Untuk mengembangkan platform berbasis website ini maka dibutuhkan pengembangan aplikasi yang dapat menunjang kebutuhan pertukaran data dan juga transaksi yang terjadi di dalam platform. Penelitian yang dilakukan akan berfokus pada implementasi REST API dalam mengembangkan aplikasi backend pada platform GrowUp sehingga dapat menunjang kebutuhan pertukaran dan pemrosesan data yang terjadi di dalam platform.Kata kunci— aplikasi backend, growup, REST API

Page 734 of 801 | Total Record : 8006

 732   733   734   735   736 

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