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
 761   762   763   764   765 
Algoritma Exponential Smoothing Untuk Memprediksi Parameter Penyebab Kebakaran Hutan Agustio, Agustio; Setianingsih, Casi; Dinimaharawati , Ashri
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Kebakaran hutan adalah salah satu bencana alam yang sering terjadi dan membawa dampak buruk bagilingkungan dan masyarakat sekitar. Pemahaman faktor-faktorpenyebab serta prediksi kejadian kebakaran hutan dapatmembantu dalam pencegahan dan penanganan dini. Penelitianini mengembangkan model prediksi parameter penyebabkebakaran hutan menggunakan algoritma ExponentialSmoothing. Data time series yang diambil dari BMKG (BadanMeteorologi dan Geofisika) diolah untuk mendapatkan modelyang akurat. Diharapkan dengan adanya model ini, pihakberwenang dapat lebih proaktif dalam mengatasi dan mencegahkebakaran hutan di masa mendatangPenelitian ini bertujuan mengembangkan model prediksipenyebab kebakaran hutan berdasarkan parameter sepertisuhu, kelembaban, kecepatan angin, dan curah hujan.Memahami parameter ini penting bagi pihak berwenang untukintervensi dini, mengingat dampak kebakaran terhadaplingkungan dan masyarakat. Melalui Exponential Smoothing,studi ini menawarkan solusi teknis untuk prediksi danpencegahan kebakaran.Model pembelajaran mesin, dengan nilai R2 di atas 0,50 danMAE serta RMSE di bawah 0,2, menunjukkan keefektifannyadalam skenario ini. Model akan diterapkan di sebuah situs webuntuk memastikan keterjangkauan bagi semua orang,berfungsi sebagai alat bermanfaat untuk memprediksi danmengurangi risiko kebakaran hutan di Indonesia. Kata kunci— Kebakaran hutan, Exponential Smoothing, BMKG (Badan Meteorologi dan Geofisika), Model Pembelajaran Mesin
Assessing Forest Fire Risk in Indonesia with the Canadian Forest Fire Weather Index System (CFFWIS) Sulle, Yusuf; Setianingsih, Casi; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

The extensive forested areas, while precious, play a role in the heightened occurrence of forest fires, resultingfrom a combination of human actions and natural factors. Themain catalyst is frequently deliberate human activities associated with land clearance, unintentionally amplifying thevulnerability to fires. This study centers on assessing forest firerisk using the Fire Weather Index (FWI), derived from four parameters: Temperature, Humidity, Wind, and Rainfall,obtained from Indonesia's BMKG. The FWI results are analyzed in relation to real-world events, gathered from diversesources, including news, to evaluate their efficacy. This research aims to address the challenge of forest fire management in thecontext of Indonesia's unique ecosystem, utilizing the FWI to enhance preparedness and response strategies. Keyword: Forest Fires, Fire Weather Index, Climate Data, Indonesia, BMKG
Implementasi Sistem Klasifikasi Udara Menggunakan Metode Decision Tree Naufal H, Raden M; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Polusi udara telah menyebar luas, dari perkotaanhingga pedesaan. Oleh karena itu, pemantauan kualitas udaramenggunakan Indeks Standar Pencemaran Udara (ISPU)menjadi sangat penting untuk menilai tingkat kesehatan udaradi berbagai lingkungan. Penggunaan metode Decision Treedalam penelitian ini memungkinkan pengujian data untukmenghasilkan klasifikasi Indeks Kualitas Udara (Air QualityIndex). Hasil penelitian ini disajikan melalui aplikasi mobileyang dirancang untuk digunakan pada perangkat smartphone.Pilihan aplikasi sebagai media penyampaian informasibertujuan memberikan edukasi yang praktis. Hasil pengujianmenunjukkan bahwa penggunaan Criterion entropi denganMax Depth 7 dan Test Size 10/90 menghasilkan hasil terbaikuntuk algoritma Decision Tree. Akurasi hasil pengujian inimencapai 0.91%, dengan presisi sebesar 0.92, recall sebesar0.91, dan F1-Score sebesar 0.95. Hasil akurasi ini akandigunakan sebagai indikator kesehatan udara melalui aplikasimobile yang dikembangkan. Kata kunci— Decision tree Method, Air Quality Index, Classification, ISPU, Apps, Particulate matter
Integrasi Streamlit pada Aplikasi Berbasis Web dengan Algoritma YOLO V8 dan Teknologi Drone untuk Identifikasi Jenis dan Estimasi Tinggi Pohon Toscana, Alwi Zulfauzi; Setianingsih, Casi; Paryasto, Marisa W.
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini mencerminkan penerapan drone dan kecerdasan buatan (AI), khususnya menggunakan algoritmaYOLOv8, dalam mendeteksi jenis pohon dengan cepat dan efisien.Pohon memiliki peran penting dalam ekosistem dan perubahan iklim, serta dalam upaya konservasi hutan dan pengelolaansumber daya alam. Dengan kemajuan teknologi drone, AI, dancomputer vision, proses ini dapat dioptimalkan untuk menghematwaktu dan tenaga manusia. Penerapan drone memungkinkan akses ke daerah yang sulit dijangkau, sementara AI denganalgoritma YOLOv8 yang dioptimalkan untuk computer vision dapat secara otomatis mendeteksi dan mengidentifikasi pohondalam gambar atau video. Meskipun tantangan utamanya adalahketerbatasan dataset untuk melatih model AI, perkembangan dalam teknologi drone, AI, dan computer vision membawa potensi besar untuk meningkatkan efisiensi dan akurasi dalam deteksijenis pohon. Temuan dari penelitian ini menunjukkan bahwapenerapan drone dan algoritma YOLOv8 efektif dan akurat dalammengukur dan mengklasifikasikan pohon tinggi. Model yangdibangun mencapai kinerja dengan nilai presisi sebesar 88,57%,recall 86,14%, mAP50 93,98%, dan mAP50-90 68,10%. Sistemyang dikembangkan juga memiliki akurasi yang cukup baikdengan skor kepercayaan rata-rata 87%. Teknologi ini memilikipotensi besar dalam mendukung berbagai aplikasi, termasukpemantauan pertumbuhan hutan, konservasi sumber daya alam,serta penilaian dampak perubahan iklim terhadap ekosistem hutan. Kata kunci— Algoritma YOLOv8, Deteksi Pohon, Drone, Kecerdasan Buatan (AI), Optimisasi Teknologi Drone
Implementasi YOLOv8 Pada Deteksi Jenis Pohon Menggunakan Drone Islam , Muhammad Izzudin; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini menggambarkan pemanfaatan drone dan kecerdasan buatan (AI) khususnya menggunakanalgoritma YOLOv8 dalam pendeteksian jenis pohon secaracepat dan efisien. Pohon memiliki peran vital dalam ekosistemdan perubahan iklim, konservasi hutan, dan pengelolaansumber daya alam. Dengan kemajuan drone, AI, dan teknologicomputer vision, proses ini dapat dioptimalkan, menghematwaktu dan sumber daya manusia. Penggunaan dronememungkinkan akses ke wilayah sulit dijangkau, sementara AIdengan algoritma YOLOv8 yang dioptimalkan untuk computervision dapat digunakan untuk mendeteksi dan mengidentifikasipohon secara otomatis dalam gambar atau video secara realtime. Tantangan utama adalah keterbatasan dataset untukmelatih model AI, tetapi kemajuan dalam teknologi drone, AI,dan computer vision menawarkan potensi besar untukmeningkatkan efisiensi dan akurasi dalam deteksi jenis pohon.Hasil dari penelitian ini menunjukkan bahwa penggunaandrone dan algoritma YOLOv8 merupakan kombinasi yangefisien dan akurat dalam pengukuran dan klasifikasi tinggipohon. Model yang dikembangkan memiliki nilai performancesebesar 88.57% precission, 86.14% recall, 93.98% mAP50 dan68.10% mAP50-90. Serta sistem yang dikembangkan memilikiakurasi yang cukup baik dengan confidence score rata rata87%. Teknologi ini memiliki potensi besar dalam mendukungberbagai aplikasi, termasuk pemantauan pertumbuhan hutan,konservasi sumber daya alam, dan penilaian dampakperubahan iklim terhadap ekosistem hutan. Namun, perludicatat bahwa perbaikan lebih lanjut pada algoritma danpenyesuaian teknis lainnya dapat terus meningkatkan kinerja dan potensi sistem ini dimasa depan. Kata kunci — YOLOv8, Drone, Kecerdasan Buatan, Klasifikasi, Pohon.
Pengembangan Metode Perhitungan Tinggi Pohon Berbasis Teknologi Drone dan Algoritma YOLOv8 dengan Pendekatan Skala Piksel Bounding Box Febrian P, M.Haikal; Setianingsih, Casi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Pohon tak hanya berperan dalam industri kayu,tetapi juga mengatur siklus karbon global dan dampakperubahan iklim. Hubungan antara tinggi dan jenis pohonpenting dalam struktur hutan. Data tinggi pohon bukan hanyamengungkap keragaman dan struktur hutan, tetapi jugaproduktivitas, evolusi, dan pertumbuhan pohon. Ini membantuilmuwan, ahli kehutanan, dan pengambil kebijakan dalammanajemen sumber daya hutan dan pelestarian lingkungan.Ada beragam metode ukur tinggi pohon. Namun, pengukuranlangsung dan tidak langsung lambat, kompleks, dan mahal.Solusinya, teknologi drone (UAV) dengan algoritma YOLOv8.Penelitian menunjukkan drone dan YOLOv8 efisien danakurat mengukur dan klasifikasikan tinggi pohon. Model inipunya performa baik: presisi 88.57%, recall 86.14%, presisirata-rata di atas 93.98% pada level 50%, serta sekitar 68.10%pada level 50-90%. Keakuratan terlihat dari skor kepercayaan87%, error 36%, dan akurasi 64%. Teknologi ini bergunauntuk pemantauan hutan, pelestarian alam, dan dampakperubahan iklim di hutan. Perlu pengembangan algoritma danaspek teknis untuk masa depan. Kata kunci— Drone, Kecerdasan Buatan, Computer Vision, YOLOv8, Pengukuran Tinggi Pohon
Klasifikasi Kualitas Udara menggunakan Adaptive KNN dan Weighted KNN dengan Penggunaan SMOTE-Tomek Links dan Pendekatan Bagging Rassya, Farrel; Kallista, Meta; Wibawa, Ig. Prasetya D.
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Standar Indeks Pencemaran Udara adalahangka yang menggambarkan kondisi kualitas udara pada suatulokasi dan waktu tertentu di suatu wilayah. Parameter indekspencemaran udara meliputi partikel (PM10), karbonmonoksida (CO), sulfur dioksida (SO2), nitrogen dioksida(NO2) dan ozon (O3). Berdasarkan permasalahan yangdihadapi maka dilakukan penelitian untuk mengklasifikasikankualitas udara untuk memahami tingkat kualitas udara.Klasifikasi kualitas udara menggunakan KNN adaptif danKNN tertimbang dengan menggunakan metode SMOTETomek link and bagging yang menggunakan penerapan teknikSMOTE-Tomek link untuk menangani masalahketidakseimbangan berdasarkan kelas pada data. Selain itu,metode Bagging juga diterapkan untuk mengoptimalkanperforma model secara keseluruhan. Dalam penelitian ini, kamimembandingkan hasil pembelajaran mesin KNN adaptif danKNN tertimbang dengan Bagging. KNN adaptif mencapai nilaipresisi 85%, presisi 85%, recall 83%, dan skor F1 83%,sedangkan KNN tertimbang dan mengantongi mencapai presisi95%, presisi 96%, recall rate 92%, dan skor F1 sebesar 93%,dan nilai rata-rata G sebesar 0,97, stratified K-fold 0,97, dancross-validation 0,84 Kata kunci— Air Classification, Adaptive KNN, WeightedKNN.
Klasifikasi Kualitas Udara Menggunakan Metode Extreme Learning Machine (Studi Kasus: ISPU DKI Jakarta) Sukiman, Wahyu Mubarak; Kallista , Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Kualitas udara yang baik sangat berpengaruh untuk menjaga keberlangsungan kehidupan. Kualitas udarasangat berpengaruh kepada kualitas oksigen yang dibutuhkanoleh tubuh manusia. Polusi udara adalah salah satu komponenyang sangat mempengaruhi kualitas oksigen. Ibu kotaIndonesia, Jakarta, menduduki peringkat ke-9 untuk kualitasudara dan polusi perkotaan. Informasi kualitas udara tentunyasangat dibutuhkan manusia. Masyarakat perlu mengetahuiinformasi tentang kualitas udara agar lebih peduli terhadappengaruh polusi udara terhadap kesehatannya. Informasikualitas udara yang dibutuhkan adalah indeks kualitas udara.Oleh karena pada penelitian ini dilakukan klasifikasi terhadapindeks kualitas udara. Proses klasifikasi dilakukanmenggunakan algoritma machine learning dengan metodeExtreme Learning Machine (ELM). Algoritma ExtremeLearning Machine (ELM) dipilih karena memiliki kelebihanpembelajaran lebih cepat, mudah digunakan untuk masalahkompleks, dan relevan dengan dunia nyata. Dataset yangdigunakan untuk penelitian ini berasal dari Jakarta Open Datadan Jakarta Rendah Emisi. Penelitian ini membuktikan bahwapenggunaan machine learning dengan metode ExtremeLearning Machine (ELM) efektif dalam melakukan prosesklasifikasi. Dalam proses klasifikasi, Extreme LearningMachine (ELM) menghasilkan performa baik denganmenggunakan data balance maupun data imbalance. Percobaandengan data imbalance dengan akurasi tinggi sebesar 94% dandata yang balance dengan akurasi sebesar 96%. Kata kunci— extreme learning machine, kualitas udara, klasifikasi, machine learning.
Pemodelan Basis Data Sistem Outcome Based Education (Obe) Di Perguruan Tinggi Studi Kasus Prodi S1 Teknik Komputer Telkom University Prayoga, Denino Hadi; Latuconsina, Roswan; Novianty, Astri
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Pada implementasinya di Universitas Telkom sistem pendekatan pendidikan Outcome Based Education (OBE)masih dilakukan secara manual, khususnya pada program studi S1 Teknik Komputer. Saat ini diperlukanpembangunan model basis data OBE yang terstruktur, guna membantu proses akademik pendidikan yang bekerjasecara dinamis. Dalam pembangunan sistem OBE juga diperlukan pengujian integritas data integritas terhadapmodel basis data tersebut. Tujuan dilakukannya pengujian integritas data pada model basis data OBE gunamemverifikasi batasan yang diterapkan pada basis data berfungsi dengan baik dan tidak adanya permasalahpenyimpanan informasi seperti redudansi dan duplikasi data. Penngujian dilakukan dengan cara identifikasibatasan-batasan yang diterapkan pada basis data OBE yang dibangun. Pengujian pada batasan tertentumendapatkan hasil yang nyaris sempurna dengan mengurangi redudansi data sebesar 97.05%. Kata Kunci: Database, OBE, Redudansi data.
Penerapan Internet of Things (IoT) Pada Monitoring Budidaya Lebah Jamaludin , Radzis Araaf Jaya; Setianingsih , Casi; Saputra, Randy Erfa
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Lebah merupkan salah satu jenis serangga socialyan mendiami koloni, lebah memiliki manfaat dalam kehidupankehidupan manusia. Seperti menyuburkan tanaman danproduksi madu yang dikonsumsi karena nilai gizinya yangtinggi. Dalam peternakan lebah modern ada beberapa hal yangperlu diperhatikan, salah satunya yaitu suhu dan kelembapanudara yang mampu mempengaruhi kehidupan lebah. Sebagianbesar peternakan lebah saat ini masih melakukan kunjunganrutin untuk memantau kondisi rumah lebah, pemeriksaan fisikdapat mempengaruhi umur lebah dan mengakibatkan setresserta produktivitas lebah terganggu.Penelitian yang dilakukan pada Tugas Akhir ini dibuatsuatu sistem Internet of Things (IoT) yang terdiri dari duabagian penyusun sistem, yaitu Hardware dengan sensor suhu,kelembapan, berat kendang, dan kebisingan. KemudianSoftware dengan web server yang berisi hasil pembacaan sensoryang disajikan dalam bentuk grafik dan nilai sehinggamemudahkan pembacaan hasil monitoring.Penelitian ini dilakukan dengan mengimplementasikanlogika Fuzzy, sehingga diharapkan parameter keberhasilanberupa terealisasikannya aplikasi web yang terhubung denganHardware dapat membantu peternak budidaya lebah dalammelakukan monitoring jarak jauh. Kata kunci— Internet of Things (IoT), Logika Fuzzy, DHT11, Lebah, Suhu, Kelembapan, Berat, Suara

Page 763 of 801 | Total Record : 8006

 761   762   763   764   765 

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