Article Per Year (5 Year)
p-Index From 2019 - 2024
2.326
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN) Tensor: Pure and Applied Mathematics Journal Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) eProceedings of Engineering
Meta Kallista
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Pickup and delivery problem in the collaborative city courier service by using genetic algorithm and nearest distance Purba Daru Kusuma; Meta Kallista
Bulletin of Electrical Engineering and Informatics Vol 11, No 2: April 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v11i2.3223

Abstract

One problem in collaborative pickup delivery problem (PDP) was excessive outsourced jobs. It happened in many studies on the collaborative PDP. Besides, the revenue sharing in it was unclear although important. This work aimed to propose a novel collaborative PDP model which minimizes total travel distance while maintains low outsourced jobs. It proposed several contributions. First, it prioritized internal jobs first rather than full collaborative model. Second, it proposed new revenue sharing model. It adopted cluster-first route-second and mixed pickup and delivery. It was developed by combining the genetic algorithm and nearest distance algorithm where the genetic algorithm was used in the clustering process and the nearest distance was used in the routing process. The simulation result shows that the proposed model was better than the comparing models: (1) combined K-means and genetic algorithm model (KMGA) and (2) combined simulated annealing and last-in first-out (SNLIFO) model. When the number of orders was high (300 units), the total travel distance of the proposed model was 37 percent lower than the KMGA model and 30 percent lower than the SNLIFO model. In average, the outsourcing rate of the proposed model was 70 percent lower than the previous models.
Neural Network on Tsunami Waves Prediction Detector Tools Using Tectonic Earthquakes Data Meta Kallista
Tensor: Pure and Applied Mathematics Journal Vol 1 No 2 (2020): Tensor : Pure And Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol1iss2pp47-56

Abstract

On 26 December 2004, tsunami waves were generated by undersea megathrust earthquakes particularly hit the Banda Aceh-Indonesia, also Thailand, Sri Lanka, India. The effect of tsunami waves can be very damaging to the coastal areas even more to the land around the coast. It is very interesting to study the relation between the magnitude of the undersea earthquakes and the tsunami. Therefore, we construct an early warning system using Neural Network to predict the tsunami using data from Indonesian Meteorology, Climatology, and Geophysical Agency that integrated with a hardware tool. The hardware tools will show the prediction result and send a short message.
Analisis Prediksi Okupansi Jumlah Penumpang Kereta Api dengan Metode Support Vector Regression dan Gaussian Process Regression (Studi Kasus: Kereta Api Argo Parahyangan) Meta Kallista
Tensor: Pure and Applied Mathematics Journal Vol 1 No 2 (2020): Tensor : Pure And Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol1iss2pp83-92

Abstract

SVR (support vector regression) dan GPR (gaussian process regression) adalah beberapa metode di dalam pembelajaran mesin yang sering digunakan untuk mengakomodasi masalah regresi. SVR dan GPR memiliki keunggulan dibandingkan menggunakan fungsi regresi biasa. Kedua metode ini merupakan model pembelajaran mesin non-deep learning, dimana model pembelajarannya dibangun dengan menggunakan fungsi matematis. Sebagai studi kasus, di dalam makalah diteliti tentang prediksi okupansi penumpang Kereta Api Argo Parahyangan yang dioperasikan oleh PT Kereta Api Indonesia (Persero) untuk melayani lintas kota Bandung–Gambir dan sebaliknya. Penelitian dilakukan dengan menggunakan data berupa jumlah penumpang per hari selama satu tahun pada kelas ekonomi dan kelas eksekutif Kereta Api Argo Parahyangan. Skenario pengujian dilakukan dengan membandingkan antara rata-rata error kuadratik (RMSE) antara prediksi dan target pelatihan dengan metode SVR dan GPR.
A Literature Survey of Human Activity Recognition Using Deep Learning and Nonparametric Model with Some Exchanges in Karl Popper’s Viewpoint and Kuhn’s Paradigm in Philosophy of Science Ig. Prasetya Dwi Wibawa; Meta Kallista; Ganga Ram Phaijoo
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 9 No 1 (2022): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v9i1.2408

Abstract

Human skeletal detection and human gesture recognition are interesting subjects that have been investigated during the past three decades. Single-RGB, RGB-D camera, and Initial Measurement Unit (IMU) are some of the sensors for recording human motion data. Numerous methods for gesture recognition and classification have been reviewed in this survey. The classification is divided into nonparametric models and deep learning models, which afterwards will be compared in terms of accuracy and running time, respectively. The feature extractions are separated based on features processed from the sensor data, including skeleton-based features, depth image-based features, and hybrid features. A comparison of accuracy values will be offered based on the model and its attributes. In addition, we present an interchange of perspectives on deep learning and nonparametric models based on Karl Popper’s perspective and Kuhn’s paradigm in the study of the philosophy of science. By substituting the falsification principle for induction, Popper attempts to refute the traditional empiricist perspective of the scientific method. From the philosophy of science’s perspective, the study on human action recognition is in the normal science phase according to Kuhn’s paradigm and is corroborated in accordance with Popper’s theory.
PENGARUH IKLIM TERHADAP KASUS DEMAM BERDARAH DENGUE MENGGUNAKAN ALGORITMA PARTIAL LEAST SQUARE M. Fikri Andika Kurniawan; Isni Dwitiniardi; Meta Kallista; Ashri Dinimaharawati
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol 3 No 1 (2023): Maret, Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Publisher : Sekolah Tinggi Ilmu Ekonomi Trianandra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juritek.v3i1.626

Abstract

Demam Berdarah Dengue (DBD) sering menjadi penyakit yang endemis di setiap wilayah tropis dan di Sebagian wilayah subtropis. Virus ini disebarkan dalam suatu wilayah dengan cepat melalui gigitan nyamuk Aedes aegypti. Ratusan ribu penderita DBD yang disebabkan oleh nyamuk Aedes aegypti di tahun 2016. Keberlangsungan hidup nyamuk dapat dipengaruhi beberapa faktor, salah satunya adalah perubahan iklim yang dapat berpengaruh pada pola infeksi penyakit yang disebar sehingga menyebabkan risiko tinggi untuk penyebaran penyakit di suatu wilayah. Penelitian ini dilakukan untuk menemukan pengaruh iklim yang paling berdampak terhadap tingkat kasus DBD di Kota Bandung menggunakan algoritma Partial Least Square (PLS) untuk mendapatkan hasil korelasinya dan variabel yang paling berpengaruh akan dilakukan prediksi menggunakan algoritma Support Vector Regression (SVR) yang disajikan berupa website. Hasil korelasi pada PLS menunjukkan bahwa unsur iklim kelembapan yang paling berpengaruh terhadap kasus DBD dengan nilai cross-loadings sebesar 0,315 dan nilai akurasi koefisien determinasi (R2) adalah 0,099. Pada algoritma SVR, kombinasi partisi data terbaik adalah dengan perbandingan 80:20 yang mana data train dan data test dengan nilai parameter masing-masing memiliki nilai C = 10, gamma = 1, dan epsilon = 0,05. Hasil regresi dari data kasus DBD memiliki nilai akurasi dari Root Mean Square Error (RMSE) sebesar 0,0123 dan R2 sebesar 0,588. Kata Kunci: DBD, PLS, SVR, Website
Prediksi Jumlah Penderita Demam Berdarah Dengue Di Kota Bandung Menggunakan Support Vector Regression Dan Gaussian Process Regression Ardhya Chaeruna Salim; Tito Waluyo Purboyo; Meta Kallista
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam jurnal tugas akhir ini mencakup suatu rancangan sistem untuk memprediksi penyebaran infeksi penyakit demam berdarah berbasis web. Demam berdarah hingga saat ini masih menjadi pemasalahan dalam kesehatan masyarakat di Indonesia karena hampir seluruh provinsi terjangkit penyakit demam berdarah. Maka dari itu dibutuhkan prediksi penderita demam berdarah pada masa mendatang untuk menanggulangi meningkatnya infeksi DBD pada masyarakat. Rancangan sistem ini menerapkan metode klasifikas dan regresi dengan algoritma Support Vector Regression (SVR) dan Gaussian Process Regression (GPR) dengan menggunakan bahasa pemrograman python dan berbasis web. Kata kunci : Demam berdarah, Support Vector Regression, Gaussian Process Regression Abstract In this final project journal includes a system design to predict the spread of web-based dengue fever infections. Dengue fever is still a problem in public health in Indonesia because almost all provinces have dengue fever. Therefore, it takes predictions of dengue fever in the future to cope with increasing DHF infection in the community. This system design employs classifications and regression methods with the Support Vector Regression (SVR) and Gaussian Process Regression (GPR) algorithms using a Python and web-based programming language. Keywords: Dengue Hemorrhagic Fever, Support Vector Regression,Gaussian Process Regression
Prediksi Indeks Standar Pencemar Udara Menggunakan Metode Support Vector Regression Berbasis Web (studi Kasus Pada Dki Jakarta) Irghiansyah Izzul Haque; Meta Kallista; Casi Setianingsih
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

a
Prediksi Penderita Tuberkulosis Menggunakan Algoritma Support Vector Regression (SVR) Ridha Melati N; Tito Waluyo Purboyo; Meta Kallista
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— Salahsatu penyakit menular yang menjadi topik pembahasan yang ramai di dunia kesehatan adalah Tuberkulosis (TBC). Karena TBC merupakan salahsatu  dari 10 penyakit yang menjadi penyebab utama kematian di seluruh dunia dan di Indonesia berada peringkat ketiga dengan kasus tertinggi setelah India dan China. Hal tersebut menjadikan penyakit ini perlu adanya suatu peramalan atau prediksi ke depannya sehingga masyarakat mengantisipasi lebih awal.Dalam penelitian tugas akhir ini penulis akan membuat sistem Prediksi Penderita Tuberkulosis. Hasil dari penelitian ini berupa prediksi jumlah penderita kedepannya. Data yang digunakan berasal dari Dinas Kesehatan Kabupaten Karawang periode 1 Januari 2020 sampai 31 Desember 2021.Sistem Prediksi Penderita Tuberkulosis ini menggunakan metode Support Vector Regression  dan menggunakan kernel Radial Basis Function yang menghasilkan nilai error performansi Mean Square Error (MAE) sebesar 0.099448, Root Mean Square Error (RMSE) sebesar 0.136204 dan R² sebesar 0.220323.Kata kunci— penyakit tuberkulosis, prediksi, support vector regression
Perancangan Alat Deteksi Suhu Tubuh Siswa Berbasis IoT Pada SMA Al-Kenzie Kota Bandung Ashri Dinimaharawati; Meta Kallista; Faisal Candrasyah H; Fussy Mentari D; Ig Prasetya Dwi W; Annisa Aprilia P S; Daffa Ahmadhan K; Faris Alim M; Mikhael Prausdian A W; Raif Haidar D; Rama Pratama; Sultan Chisson O
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 4 No. 2 (2023): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN)
Publisher : Sistem Informasi dan Teknologi (Sisfokomtek)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v4i2.944

Abstract

Selama masa pandemi berlangsung, protokol kesehatan diterapkan diseluruh lapisan masyarakat untuk mencegah penyebaran semakin meluas. Salah satu protokol yang wajib diterapkan ialah pengecekan suhu tubuh , adanya batas suhu normal yang harus dipatuhi untuk masyarakat dapat beraktifitas. Sejak Pembejaran Tatap Muka Terbatas diperbolehkan salah satu sekolah di Bandung yaitu SMA Al Kenzie Bandung rutin melaksanakan pengecekan suhu tubuh pada siswa menggunakan thermometer. Namun, terkadang thermometer lama untuk merespon dan kesalahan saat pencatatan suhu oleh tim piket . Hal tersebut membuat pihak sekolah membutuhkan waktu cukup lama untuk melakukan rekapitulasi data suhu siswa. Pengabdian masyarakat ini dilakukan dengan membuatkan alat pendeteksi suhu tubuh serta penyampaian sosialisasi penggunaan alat. Alat yang dibuat dalam pengabdian ini untuk mendeteksi suhu tubuh dengan memanfaatkan teknologi Internet of Things (IoT). Penerapan Internet of Things dalam alat ini memanfaatkan sensor pendeteksi suhu, jarak dan RFID. RFID pada alat ini dimanfaatkan untuk mendeteksi siswa yang hadir ke sekolah. Tujuan dari pembuatan alat ini diharapkan dapat membantu pengecekan suhu tubuh lebih efisien dan mampu mempermudah proses perekapan data suhu siswa yang hadir ke sekolah.Selama masa pandemi berlangsung, protokol kesehatan diterapkan diseluruh lapisan masyarakat untuk mencegah penyebaran semakin meluas. Salah satu protokol yang wajib diterapkan ialah pengecekan suhu tubuh , adanya batas suhu normal yang harus dipatuhi untuk masyarakat dapat beraktifitas. Sejak Pembejaran Tatap Muka Terbatas diperbolehkan salah satu sekolah di Bandung yaitu SMA Al Kenzie Bandung rutin melaksanakan pengecekan suhu tubuh pada siswa menggunakan thermometer. Namun, terkadang thermometer lama untuk merespon dan kesalahan saat pencatatan suhu oleh tim piket . Hal tersebut membuat pihak sekolah membutuhkan waktu cukup lama untuk melakukan rekapitulasi data suhu siswa. Pengabdian masyarakat ini dilakukan dengan membuatkan alat pendeteksi suhu tubuh serta penyampaian sosialisasi penggunaan alat. Alat yang dibuat dalam pengabdian ini untuk mendeteksi suhu tubuh dengan memanfaatkan teknologi Internet of Things (IoT). Penerapan Internet of Things dalam alat ini memanfaatkan sensor pendeteksi suhu, jarak dan RFID. RFID pada alat ini dimanfaatkan untuk mendeteksi siswa yang hadir ke sekolah. Tujuan dari pembuatan alat ini diharapkan dapat membantu pengecekan suhu tubuh lebih efisien dan mampu mempermudah proses perekapan data suhu siswa yang hadir ke sekolah.
Sistem Deteksi Gerakan Dasar Bela Diri Taekwondo Menggunakan Arsitektur Yowo Dengan Rgb Muchlis Aryomukti; Muhammad Nasrun; Meta Kallista
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Taekwondo merupakan salah satu olahraga cabang seni bela diri yang populer di Indonesia. Bela diri Taekwondo ini terdapat berbagai teknik gerakan dan jurus yang bisa dipelajari dengan cara dilatih oleh sabeum di dojang terkait yang selanjutnya diteruskan latihan mandiri. Akan tetapi, terdapat kendala untuk orang awam yang mempelajari gerakan ini karena tidak tahu nama teknik gerakan dan jurus dalam bela diri Taekwondo ketika mereka melihat orang yang berlatih atau mengikuti lomba Taekwondo yang menyebabkan mengalami kesulitan berlatih dengan sabeum. Arsitektur YOWO merupakan salah satu metode dalam deep learning yang digunakan untuk lokalisasi jenis gerakan manusia. YOWO menggunakan penggabungan 3D-CNN dengan 2DCNN. RGB merupakan ekstraksi fitur yang bertujuan untuk membagi warna menjadi tiga (3) channel, yaitu Red, Green, dan Blue. Arsitektur YOWO cocok digunakan untuk mendeteksi gerakan berupa input video dan frame. Hasil yang didapat setelah melakukan pengujian average precision gerakan bela diri Taekwondo yaitu momtong jireugi sebesar 97.92% dengan nilai akurasi 99.70%, precision 99.18%, recall 93.90%, dan f1- score terbaik adalah 96.31%, dengan parameter batch size: 16, learning rate: 0.0001, num frames: 8, 3D-CNN dimension: 2, 2DCNN dimension: 1, epochs: 10, num workers: 5, dan rasio dataset 60%:40%.Kata kunci— bela diri taekwondo, sistem deteksi gerakan dasar bela diri, arsitektur YOWO, RGB
Co-Authors Annisa Aprilia P S Ardhya Chaeruna Salim Ashri Dinimaharawati Casi Setianingsih Daffa Ahmadhan K Faisal Candrasyah H Faris Alim M Figo Plambudi Dwigantara Fussy Mentari D Ganga Ram Phaijoo Garry Abel Diaraja H Giovano Trihade Putra Ig Prasetya Dwi W Ig. Prasetya Dwi Wibawa Ig. Prasetya Dwi Wibawa Irghiansyah Izzul Haque Isni Dwitiniardi M. Fikri Andika Kurniawan Meysa Rizkita Mikhael Prausdian A W Muchlis Aryomukti Muhammad Nasrun Purba Daru Kusuma Qorio Surya Akbar Raif Haidar D Rama Pratama Randy Erfa Saputra Ridha Melati N Sultan Chisson O Sutan Faiz Rasyid Tito Waluyo Purboyo