Article Per Year (5 Year)
p-Index From 2019 - 2024
8.122
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics ILKOM Jurnal Ilmiah TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika eProceedings of Engineering
Casi Setianingsih
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search
Journal : eProceedings of Engineering

 2   3   4   5   6 
Deteksi Kepribadian Anak Melalui Sidik Jari Menggunakan Metode Random Forest Dan Maximum Entropy Jannata Arianda; Burhanuddin Dirgantoro; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Setiap anak memiliki kepribadian dan potensi masing-masing sejak lahir. Kebanyakan orang tua tentu ingin mengetahui potensi atau kepribadian bawaan anaknya agar bisa menentukan metode pendidikan dan bidang apa yang sesuai bagi anaknya. Umumnya orang tua memerhatikan aktivitas belajar ataupun meminta bantuan psikolog melalui serangkaian tes psikolog (psikotes) dan wawancara. Saat ini ditemukan metode terbaru yakni dengan cara menganalisa pola sidik jari, sidik jari tangan seseorang merupakan ciri yang sangat unik, karena tidak seorang pun yang mempunyai pola sidik jari yang sama. Beberapa telah mempelajari bahwa pola sidik jari berkaitan dengan karakter seseorang. Maka akan dibahas perancangan dan realisasi sistem mengklasifikasi karakter seseorang berdasarkan pola sidik jari tangan menggunakan metode Random Forest dan Maximum Entropy yang dapat melalui suatu data atau sebuah fakta yang bergerak maju menuju suatu kesimpulan dan menggunakan teori evolusi otak untuk menentukan dominan otak yang menghasilkan klasifikasi kepribadian anak. Kata kunci: Image Processing, Expert System, Random Forest, Maximum Entropy Fingerprint, Nature
Real Time Cctv Deteksi Wajah Dengan Haar Cascade Classifiers Opencv Muhammad Reza Aji Pangestu; Sony Sumaryo; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

k Presensi mahasiswa merupakan suatu bukti kehadiran mahasiswa pada saat mata kuliah berlangsung. Universitas Telkom sendiri sudah menggunakan teknologi RFID sebagai bukti bahwa mahasiswa tersebut telah hadir pada saat mata kuliah berlangsung. Akan tetapi, dengan berbagai akalnya mahasiswa dapat memanipulasi presensi tersebut. Sistem people counting memanfaatkan Computer Vision untuk mendeteksi wajah manusia serta menghitung jumlah manusia yang hadir pada saat mata kuliah berlangsung, IP CCTV untuk menangkap citra, DVR sebagai pengolah informasi yang di terima dari kamera CCTV, router sebagai penghubung jaringan internet antara IP CCTV, DVR dan komputer serta menggunakan metode Viola-Jones untuk mendeteksi wajah yang berada di dalam cakupan IP CCTV.
Sistem Deteksi Intrusi Menggunakan Algoritma Genetik Pada Serangan Dos Di Protokol Tcp Dan Udp Muhammad Akmal Fauzi; Ahmad Tri Hanuranto; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pada saat ini perkembangan di dunia teknologi jaringan sangat pesat serta penggunaan internet yang semakin bertambah, dengan bertambahnya pengguna internet maka jumlah kebutuhan network pun juga ikut bertambah. Risiko dari bertambahnya jumlah kebutuhan network membuat lalu lintas jaringan semakin kompleks dan risiko penyerangan terhadap data yang dilindungi dari sebuah server. Karena banyaknya ancaman yang terjadi di jaringan komputer, maka diperlukan sebuah sistem yang dapat mengamankan jaringan komputer tersebut. Intrusion Detection System atau yang biasa disebut dengan IDS adalah sistem yang memonitor lalu lintas jaringan untuk aktivitas yang mencurigakan dan memberikan peringatan ketika aktivitas tersebut ditemukan. Untuk memecahkan masalah tersebut, pada Tugas Akhir ini dilakukan analisis dari proses IDS menggunakan KDD99 sebagai dataset dengan menggunakan algoritma genetik sebagai fitur seleksi dan algoritma KNN sebagai klasifikasi dan evaluasi. Berdasarkan pengujian yang dilakukan, fitur seleksi menggunakan algoritma genetik mendapatkan 18 fitur terbaik yang akan digunakan dari 41 fitur, dengan rata-rata akurasi 84,17 % , dan klasifikasi menggunakan algoritma KNN dengan akurasi data training 99,98%, data testing dengan rata-rata 97,52% dan ratarata perhitungan manual diparameter k=1 78,57%, k=3 76,40%, k=5 76,86%, k=7 76,71%, k=9 77,57%. Kata Kunci : Intrusion Detection System, IDS, Genetic Akgorithm, GA, Security Network, Network Computer. KNN, Dataset, KDD99. Abstract At present the development in the world of network technology is very rapid and internet usage is increasing, with the increase in internet users, the number of network needs also increases. The risk of increasing the number of network needs makes network traffic more complex and the risk of attacking protected data from a server. Because of the many threats that occur on computer networks, it requires a system that can secure the computer network. Intrusion Detection System or commonly called IDS is a system that monitors network traffic for suspicious activities and gives a warning when the activity is found. To solve this problem, in this Final Project do analyze the IDS process using KDD99 as a dataset using genetic algorithms as a selection feature and KNN algorithm as classification and evaluation. Based on the tests performed, the selection feature uses a genetic algorithm to get the 18 best features to be used from 41 features, with an average accuracy of 84,17%, and classification using the KNN algorithm with accuracy of training data 99,98% , data testing with average 97,52% and the average manual calculation parameter k=1 78,57%, k=3 76,40%, k=5 76,86%, k=7 76,71%, k=9 77,57%. Keywords : : Intrusion Detection System, IDS, Genetic Akgorithm, GA, Security Network, Network Computer. K-NN, Dataset, KDD99..
Desain Dan Realisasi Firmware Untuk Perangkat Utama Home Control Unit Megatari Wahyuningrum Handani; Agung Nungroho Jati; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Setiap orang pasti banyak yang menginginkan rumah nyaman serta aman ketika rumah dalam keadaan kosong dengan waktu lama. Namun masih terdapat beberapa orang yang belum dapat mengantisipasi kondisi tersebut, misalnya seperti kondisi keamanan rumah jika terdapat pencuri yang masuk atau kondisi lampu rumah yang lupa dimatikan saat bepergian, dengan demikian akan menimbulkan kerugian seperti kehilangan barang dan penggunaan listrik yang meningkat. Dari permasalahan yang terjadi, maka dirancanglah sebuah sistem rumah pintar yang dapat mengontrol dan memonitoring rumah pada jarak jauh. Sistem rumah pintar ini dirancang menggunakan beberapa sensor dan papan pengontrol yang terdiri dari sensor DHT22 sebagai pengukur suhu, sensor gas MQ2 untuk mendeteksi gas, sensor PIR untuk mendeteksi pergerakan, RFID untuk mengenali identitas, dan STM32F407 sebagai program controller. Papan pengontrol akan dibuat berbasis mikrokontroler yang ditunjang dengan Real-Time Clock, modul Wi-Fi, 8 port masukan, 8 port keluaran, dan 4 port modul Extended. Papan pengontrol dapat dikonfigurasi menggunakan software setup melalui komunikasi I2C dan SPI, sedangkan aplikasi android menggunakan koneksi Wi-Fi. Penggunaan sistem ini memiliki proses pengimplementasian yang mudah bagi pengguna tanpa membutuhkan instalasi yang rumit, sehingga dapat langsung digunakan. Hasil yang didapatkan dari penelitian ini adalah microcontroller dapat merespon permintaan data dan dapat mengeluarkan data output yang sesuai melalui koneksi I2C, Wi-Fi, dan modul Extended dengan kehandalan yang optimal, sehingga sistem perancangan rumah pintar dapat memenuhi kebutuhan bagi pengguna. Kata kunci : Modul Wi-Fi, Aplikasi Android, Software Setup, Komunikasi I2C, SPI
Real Time Smart Cctv Untuk Mendeteksi Plat Nomor Kendaraan Menggunakan Optical Character Recognition Hanna Diwanti; Sony Sumaryo; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Plat nomor kendaraan merupakan salah satu ciri yang membedakan antara satu kendaraan dengan kendaraan lainnya. Plat nomor kendaraan secara resmi dikeluarkan oleh kepolisian wilayah dimana pemilik tinggal. Semakin berkembangnya teknologi, semakin banyak ide yang bermunculan. Salah satunya adalah teknologi deteksi plat nomor kendaraan secara otomatis. Teknologi tersebut telah diterapkan di luar negeri untuk pembayaran jalan tol dan identifikasi pelanggaran lalu lintas. Sistem deteksi plat nomor kendaraan mengambil gambar menggunakan kamera seperti halnya smart CCTV dan menggunakan pengolahan citra untuk mendeteksi dan mengenali karakternya. Dari pengambilan gambar menggunakan IP CCTV tersebut kemudian diolah gambarnya menggunakan pengolahan citra menjadi gambar kembali atau ke bentuk lainnya. Pada tugas akhir ini metode pengolahan citra yang digunakan adalah OCR yaitu mengubah gambar ke dalam bentuk teks. Hasil dari Tugas Akhir ini adalah dapat mendeteksi kotak/letak plat nomor kendaraan dengan akurasi 83,33333333% dan kemudian pembacaan karakter dari plat nomor yang telah terdeteksi yaitu 80% dengan semua karakter benar Kata kunci : Real time, Pengolahan citra, OCR, Smart CCTV
Implementasi Aplikasi Mobile Untuk Kontrol Dan Monitoring Sistem Home Control Unit (hcu) Asmianti Asrin; Agung Nugroho Jati; Casi Setianingsih
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Rumah adalah sebuah tempat untuk berkumpul dan berlindung yang aman bersama keluarga. Rumah juga sudah menjadi kebutuhan pokok bagi kehidupan manusia. Di dalam rumah terdapat berbagai perangkat elektronik yang menunjang kegiatan sehari-hari seperti lampu, AC dan lain sebagainya. biasanya untuk melakukan kontrol perangkat elektronik masih menggunakan cara manual seperti, mematikan atau menyalakan lampu dan AC. Dalam penelitian Tugas Akhir ini dibuat sebuah Mobile Application pada sistem Home Control Unit yang dapat mengontrol perangkat rumah seperti kontrol secara manual juga kontrol secara otomatisasi dengan mempelajari perilaku penghuni rumah dalam menyalakan dan mematikan lampu, AC dengan menggunakan Algoritma Naïve Bayes, serta dan memonitoring suhu ruangan, kondis lampu dan AC menyala atau mati , serta keamanan rumah. Sistem dari alat ini menggunakan mikrokontroller STM32F407VGT. Dengan menggunakan Mobile Application pada sistem Home Control Unit pengguna dapat mengirim perintah yang akan diteruskan ke cloud untuk diteruskan lagi ke mikrokontroller dan cloud akan mengirim kembali data hasil monitoring ke Mobile Application. Sehingga Mobile Application dapat melakukan kontrol dan monitoring. Dari hasil pengujian yang dilakukan diketahui persentase akurasi, presisi, dan recall pada sistem dengan menggunakan metode Naive Bayes pada kebiasaan menyalakan dan mematikan AC akurasi 91,7% , presisi, 93,8% dan recall 86,5 %. Sedangkan pada data kebiasaan menyalakan dan mematikan lampu akurasi 76.9 %, Recall 44,7 % dan precision 68,1%. Kata Kunci : Home Control Unit System, mobile application, Naïve Bayes, Antares, App inventor
Deteksi Kepribadian Anak Melalui Sidik Jari Menggunakan Support Vector Machine Farradita Imanda; Casi Setianingsih; Marisa W. Paryasto
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

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

Abstract

AbstrakSidik jari merupakan bagian tubuh manusia yang menarik dan sudah diteliti sejak dahulu. Sidik jari mengandung informasi individu seperti kepribadian, dominan otak, dan potensi. Dengan mengetahuikepribadian, individu dapat mengasah dan mengembangkan diri menjadi lebih baik. Orang tua dapat membimbing dan mendidik anaknya sesuai kepribadian dan potensi anak. Tugas Akhir ini akan merancang sistem yang dapat membaca, mengolah, dan menganalisis sidik jari sehingga kepribadian anak dapat diketahui. Metode yang digunakan yaitu Minutiae Extraction dan Support Vector Machine (SVM). Minutiae Extraction digunakan untuk ekstraksi ciri sidik jari dan SVM digunakan untuk pengenalan dan pengklasifikasian sidik jari. Setelah sidik jari diklasifikasi maka hasil kepribadian akan dikenali. Setelah dilakukan pengujian terhadap fingerprint dataset College of Engineering, Design, and Computing dengan total 147 gambar diperoleh akurasi sebesar 80.95%, pengujian data primer sebanyak 182 gambar diperoleh akurasi 55.56%, dan pengujian data gabungan diperoleh akurasi 57,65%. Kecepatan sistem melakukan pengolahan data yaitu 34 detik. Akurasi data primer lebih rendah dari fingerprint dataset College of Engineering, Design, and Computing karena banyak data primer yang diperoleh memiliki kualitas yang tidak memadai. KataKunci: kepribadian, sidik jari, Minutiae Extraction, Support Vector Machine
Prediksi Curah Hujan Dari Data Satelit Himawari-8 Menggunakan Metode K-Nearest Neighbor (KNN) Hikmah Nisya; Casi Setianingsih; Wendi Harjupa
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— cuaca adalah fenomena yang terjadi di atmosfer bumi yang berlangsung selama beberapa hari, dan yang berlangsung lama disebut iklim. Kondisi cuaca saat ini dipengaruhi oleh beberapa hal, seperti suhu, tekanan udara, kecepatan angin, kelembapan udara, dan curah hujan. Perkiraan cuaca di Indonesia tidak menentu dan akan berubah setiap minggunya. Untuk memprediksi suhu dan kondisi cuaca secara akurat di suatu tempat, diperlukan teknologi yang dapat menganalisa dan memprediksi suhu dan kondisi cuaca di daerah tersebut. Salah satu teknologi yang dapat digunakan adalah aplikasi Machine Learning (ML). penelitian yang dilakukan pada tugas akhir ini membahas tentang prediksi suhu awan dan hujan menggunakan data dari Satelit Himawari-8 dengan menerapkan metode K-Nearest Neighbor (KNN). Hasil prediksi yang telah didapatkan akan dibandingkan Kembali untuk mengetahui dan menilai kesesuaian hasil. Prediksi dengan fakta yang terjadi secara langsung untuk mendapatkan hasil prediksi yang optimal. Dalam prediksi hujan ini menggunakan NetCDF (ekstensi .nc) untuk melakukan proses prediksi, untuk memprediksi suhu awan dan hujan digunakan metode K-Nearest Neighbor (KNN) dengan titik acuan suhu. Pengujian data dari 180 dataset telah dilakukan dan telah diperoleh hasil akurasi tertinggi beserta peta plot. Tingkat akurasi yang dihasilkan adalah 90-100 %.Kata kunci— Curah hujan, suhu awan, Himawari -8, Machine Learning, K-Nearest Neighbor.
Sistem Deteksi Pelanggaran Social Distancing Di Ruang Terbuka Menggunakan Algoritma Faster R-cnn Adita Sukma Wardani; Casi Setianingsih; Fussy Mentari Dirgantara
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Penerapan social distancing pada saat ini sangat diperlukan karena adanya kasus Covid-19 yang semakin meluas. Salah satu cara yang mudah dan efektif dalam memutus rantai penyebaran Covid-19 yaitu dengan cara menerapkan social distancing. Tugas akhir ini akan membahas tentang perancangan dan implementasi deteksi social distancing. Pendeteksian ini akan mengambil gambar orang yang tertangkap kamera kemudian dianalisis apakah mereka melakukan social distancing atau tidak. Deteksi social distancing ini dapat dilakukan secara realtime. Metode Faster Region based Convolutional Neural Network (Faster R-CNN) digunakan untuk deteksi objek manusia dan metode Euclidean Distance digunakan untuk menghitung jarak manusia. Hasil dari tugas akhir ini adalah sistem akan mendeteksi manusia yang tertangkap kamera menggunakan model dengan partisi data 80% train : 20% test, epoch 7000, learning rate 0.0004, dan num steps 21000. Akurasi yang diperoleh dengan penggunaan metode Faster Region based Convolutional Neural Network (Faster R-CNN) mencapai 96.90%, nilai presisi sebesar 97.81%, dan nilai recall sebesar 98.67% yang didapatkan dari perhitungan confusion matrix yang dilakukan pada dataset. Akurasi pengujian social distancing yang didapatkan pada skenario CCTV 82.35% dan skenario sejajar 86.66%. Kata kunci : Akurasi, Covid-19, Deep Learning, Euclidean Distance, Faster Region based Convolutional Neural Network, Social Distancing
Clustering Pada Data Sentimen Bpjs Kesehatan Menggunakan Algoritma Agglomerative Hierarchical Clustering (ahc) Average Linkage Tinton Aji Sadewo; Purba Daru Kusuma; Casi Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pada era globalisasi ini menjadikan media sosial khusunya Twitter sebagai sarana komunikasi. Masyarakat dengan mudah mendapatkan informasi dengan mudah di sosial media. Tidak hanya mudah mendapatkan informasi, masyarakat Indonesia khusunya juga dapat memberikan komentar atau opini, bertukar informasi, mengunggah foto serta video yang tersedia di Twitter. Pengguna Twitter lebih banyak menyampaikan opini di kolom komentar Twitter. Dalam penelitian tugas akhir ini akan dilakukan clustering data dari opini atau komentar pengguna Twitter. Komentar atau opini yang disampaikan oleh pengguna BPJS Kesehatan di Twitter sudah sangat banyak, mulai dari komentar negatif, positif dan netral. Menjadikan Twitter wadah penampung kritik dan saran terkait dengan layanan dan program yang diberikan BPJS Kesehatan. Munculnya data yang banyak maka pengguna BPJS yang memiliki akun Twitter kesulitan untuk melihat kualitas layanan atau program yang diberikan oleh BPJS Kesehatan. Untuk mempermudah pengguna melihat kualitas layanan atau program yang diberikan BPJS Kesehatan, maka pada penelitian ini dibuat sistem menggunakan metode Agglomerative Hierarchical Average Linkage untuk clustering dari data komentar pada akun resmi Twitter BPJS Kesehatan. Data dikelompokkan berdasarkan opini positif, negatif, dan netral. Data yang digunakan sudah di validasi oleh Balai Bahasa Jawa Barat yaitu berjumlah 2118 data yang dikelompokan menurut cluster dan di tampilkan di website yang di rancang pada penilitian Tugas Akhir ini. Dari hasil penelitian pada tugas akhir ini dalam clustering pada pengguna Twitter mendapat hasil sillhoutte coefficient data positif sebesar 0.9912, data negatif sebesar 0.9953, dan data netral 0.9923. Kata Kunci: Clustering, Twitter, BPJS Kesehatan, Agglomerative Hierarchical Average Linkage.
Co-Authors Abdi Hazman Abdulloh Salahul Haq Adi Pranesthi Adine Nayla Adita Sukma Wardani Aditya Nugraha Adlirrahaman Hasfi Aji Adrian Sabagus Tanazri Afif Husaini Agung Nugroho Jati Agung Nungroho Jati Ahmad Devi Gunawan Ahmad Tri Hanuranto Al Agias Bayu Asa Alfian Imran Aloisius Gonzaga Januar Widi Aquarizky Alvaro Septra Dominggo Nauw Amanda Austin Herlambang Andrew Brian Osmond Arif Aquri Saputra Arramsyah, Izzat Ashri Dinimaharawati Asmianti Asrin Attallah Arelian Naufhal Bagas Prakoso Putra Bangkit Surya Praja Budhi Irawan Burhanuddin Dirgantoro Chianyung Chianyung Cornelius Situmorang Dyka Khairullah Zamhari Elka Distria Fairuz Azmi Farradita Imanda Fauzan Andaru Kurniadi Fauzul Haqi Siregar Feby Rahmasari Figo Plambudi Dwigantara Firdi Setiawan Fussy Mentari Dirgantara Garry Abel Diaraja H Gayuh Erlanggono G Grace Cyndiana Hamdi Aziz Al-Mujadidi Hanna Diwanti Haq, Abdulloh Salahul Hikmah Nisya Ilham Arisyandy Irfan Dhiya Abirawa Irghiansyah Izzul Haque Izzat Arramsyah Izzat Arramsyah Jannata Arianda Ja’far Razzaq Jhosua Parningotan Sianipar Kevin Manfield Anderson Pasaribu Kusprasapta Mutijarsa Linda Kartika M Agung Baskoro M. Indra Halim Arsya Dwi Akbari Maftukhah Carolin Noviardini Marisa W Paryasto Marisa W. Paryasto Martarheza Marthiyas Maulana Heardy Yusfian Megatari Wahyuningrum Handani Meta Kalista Meta Kallista Mohammad Ibrahim Al Mahi Mohammad Naufal Nabil Abdillah Muhamad Ramadhan Muhamad Rizky Arief Wicaksono Muhammad Akmal Fauzi Muhammad Ary Murti Muhammad Fathurrohim Nur Muhammad Iqbal G Putra Muhammad Izzah Aeman Muhammad Mufti Ramadhan Muhammad Nasrun Muhammad Reza Aji Pangestu Muhhammad Ary Murti Naufal Ramadhan Natafili Jangkaru Novianty, Astri Prabu Arie Pradana Pranesthi, Adi Pratama, Rizki Mulia Purba Daru Kusuma R. Rumani M Rumani M Raisha Citra Chairani Randy Efra Saputra Randy Erfa Saputra Ratna Astuti Renaldy Eka Putra Reyhan Adiptya Reza Mahendra Rizka Rona Putri Rizka Shinta Wulandari Rizki Mulia Pratama Rizky Iskandar Rizky Naufal Perdana Roswan Latuconsina Rumani Rumani Runi Siti N Septian Putra Manuel Simangunsong Sigit Yudha Juwantoro Sony Sumaryo Suryo Adhi Wibowo Tia Dianti Hajizah Tinton Aji Sadewo Tito Waluyo Purboyo Valerian Ezra Vyanza Wendi Harjupa Yudha Purwanto Yudhi Septian Rahman Ziqra Haniffah Ziza Amira Syafini