Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal EMITTER International Journal of Engineering Technology JIEET (Journal of Information Engineering and Educational Technology) INAJEEE (Indonesian Journal of Electrical and Electronics Engineering) JTE(Jurnal Teknik Elektro)
Hapsari Peni Agustin Tjahyaningtijas
Universitas Negeri Surabaya
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Automatic Segmentation on Glioblastoma Brain Tumor Magnetic Resonance Imaging Using Modified U-Net Hapsari Peni Agustin Tjahyaningtijas; Andi Kurniawan Nugroho; Cucun Very Angkoso; I Ketut Edy Purnama; Mauridhi Hery Purnomo
EMITTER International Journal of Engineering Technology Vol 8 No 1 (2020)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24003/emitter.v8i1.505

Abstract

Glioblastoma is listed as a malignant brain tumor. Due to its heterogeneous composition in one area of the tumor, the area of tumor is difficult to segment from healthy tissue. On the other side, the segmentation of brain tumor MRI imaging is also erroneous and takes time because of the large MRI image data. An automated segmentation approach based on fully convolutional architecture was developed to overcome the problem. One of fully convolutional network that used is U-Net framework. U-Net architecture is evaluated base on the number of epochs and drop-out values to achieve the most suitable architecture for the automatic segmentation of glioblastoma brain tumors. Through experimental findings, the most fitting architectural model is mU-Net architecture with an epoch number of 90 and a drop out layer value of 0.5. The results of the segmentation performance are shown by a dice value of 0.909 which is greater than that of the previous research.
Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam Naim Rochmawati; Hanik Badriyah Hidayati; Yuni Yamasari; Hapsari Peni Agustin Tjahyaningtijas; Wiyli Yustanti; Agus Prihanto
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p44-48

Abstract

Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita covid. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras, terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini, perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5
Rancang Bangun Sistem Informasi Kehadiran Dosen dan Asisten Laboratorium Berbasis Internet of Things menggunakan RFID dan Aplikasi Telegram Fiqih Yerdian Alamsyah; Farid Baskoro; RR Hapsari Peni Agustin T; Lusia Rakhmawati
JURNAL TEKNIK ELEKTRO Vol 11 No 1 (2022): JANUARI 2022
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v11n1.p99-107

Abstract

Pandemi COVID-19 tentu sangat berdampak terhadap kebiasaan sosial masyarakat. Hal ini tentu saja juga berpengaruh pada kegiatan akademik di universitas. Dengan diterapkannya metode hybrid pada kegiatan akademik universitas maka timbul masalah bagi mahasiswa untuk mengetahui dosen sedang Work from Office (WFO) atau Work from Home (WFH). Rancang bangun sistem informasi berbasis Internet of Things (IOT) ini dibuat untuk memberikan solusi atas masalah tersebut. Sistem ini dibuat menggunakan mikrokontroler DOIT ESP32 DEVKIT V1 sebagai pusat pemrosesan data yang terhubung dengan modul sensor Radio Frequency Identification MFRC522 sebagai pengidentifikasi tag dan Bot API pada aplikasi Telegram yang digunakan sebagai interface pengguna. Dosen juga dapat mengubah kondisinya (sibuk/tidak sibuk) dengan cara mengirimkan pesan perintah kepada Bot API pada aplikasi Telegram. Dengan memanfaatkan Bot API pada aplikasi Telegram ini, mahasiswa dapat mengetahui informasi kehadiran dan keadaan dosen serta kehadiran asisten laboratorium di Laboratorium Telematika Universitas Negeri Surabaya (UNESA). Untuk mengetahui keandalan sistem yang dirancang, maka dilakukan beberapa pengujian terhadap sistem. Pengujian terhadap jarak baca maksimum RFID reader tanpa penghalang adalah 47mm, sementara RFID reader tidak dapat melakukan pembacaan apabila terhalang bidang konduktor, dan dengan penghalang isolator RFID reader dapat melakukan pembacaan namun jarak maksimal pembacaannya seiring berkurang seiring dengan bertambahnya ketebalan penghalang dengan bahan isolator. Berdasarkan hasil pengujian pengaruh Wi-Fi terhadap kecepatan identifikasi tag, didapatkan bahwa kecepatan identifikasi tag sangat dipengaruhi oleh kecepatan Wi-Fi yang digunakan dikarenakan sistem yang dirancang berbasis IOT sehingga sangat bergantung terhadap kecepatan internet yang digunakan.Kata Kunci: Kehadiran dosen, RFID, Telegram
Quality of Service (QoS) Comparative Analysis of Wireless Network Akbar Kurnia Saleh; Hapsari Peni Agustin Tjahyaningtijas; Nurhayati Nurhayati; Lusia Rakhmawati
INAJEEE (Indonesian Journal of Electrical and Electronics Engineering) Vol. 5 No. 2 (2022)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/inajeee.v5n2.p30-37

Abstract

Nowadays the education sector has changed due to the covid-19 pandemic, but the government has tried to reduce this impact by providing WiFi in some areas. This article seeks to compare the quality of the internet network in an area that offers WiFi to the surrounding population, particularly students as a support for DL (Distance Learning), simulation, and the ideal scenario. In order to determine the quality of a network, one needs to consider the QoS (Quality of Service) metrics, which include packet loss, throughput, latency, and jitter. Using Wireshark (network analyzer software), this research collects data on the item to be investigated; the obtained data will be analyzed to determine the QoS of the WiFi service under investigation. In addition, this research will do network modeling and simulation using the opnet modeler (network simulation software), which will be utilized to compare the observed items. While video conferencing was used to analyze latency and jitter during a 60-minute sample length assessment, 500 MB of data was used to evaluate throughput and packet loss. Keywords: Quality of Service, packet loss, throughput, delay, jitter
Rancang Bangun Conveyor Penyortir Mur Berbasis Raspberry Pi Menggunakan Metode Contour Area Dimas Surya Pratama; Lilik Anifah; Lusia Rakhmawati; Rr Hapsari Peni Agustin T
JURNAL TEKNIK ELEKTRO Vol 11 No 2 (2022): MEI 2022
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v11n2.p246-254

Abstract

Kebutuhan akan penggunaan alat penyortir barang di industri secara otomatis, cepat, serta presisi dalam pendistribusian barang semakin tinggi sehingga diperlukannya suatu sistem computer yang dapat digunakan untuk memisahkan barang. Dengan adanya berbagai jenis ukuran dari mur, tentu industri pembuatan mur membutuhkan suatu alat penyortir otomatis untuk menyortir ukuran dari mur. Pada penelitian ini membahas tentang perancangan sebuah sistem conveyor yang digerakkan dengan motor dc 6V dengan pengolahan citra menggunakan metode contour area untuk menghitung jumlah pixel dari mur. Mini PC yang digunakan sebagai kontrol pusat yaitu Raspberry Pi 3 Model B dengan menggunakan bahasa pemrograman Python. Pengambilan citra dilakukan secara real time dengan menggunakan kamera webcam Logitech C922 Pro. Ukuran mur yang digunakan sebagai bahan pengujian yaitu mur dengan ukuran 7mm sebanyak 50 buah dan 10mm sebanyak 50 buah. Hasil citra yang didapatkan berupa jumlah pixel dari contour area citra biner pada objek mur yang digunakan untuk menentukkan ukuran dari mur yang selanjutnya akan dilakukan proses penyortiran secara otomatis. Hasil dari penelitian penyortiran mur menggunakan metode contour area, memperoleh nilai presentase tingkat keberhasilan sebesar 99% dari 50 kali pengujian masing-masing ukuran mur dan didapatkan error sebesar 1%. Sistem bekerja optimal dengan kecepatan belt pada 82 rpm dan intensitas cahaya ruangan berkisar 125 Lux. Kata kunci: Mur, Raspberry Pi, Pengolahan citra, Contour area.
Co-Authors Agus Prihanto Akbar Kurnia Saleh Andi Kurniawan Nugroho Angkoso, Cucun Very Dimas Surya Pratama Farid Baskoro Fiqih Yerdian Alamsyah Hanik Badriyah Hidayati, Hanik Badriyah I Ketut Edy Purnama Lilik Anifah Lusia Rakhmawati Mauridhi Hery Purnomo Naim Rochmawati Nurhayati Nurhayati Wiyli Yustanti YUNI YAMASARI