Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK Applied Industrial Engineering Journal
Vincent Suhartono
Universitas Dian Nuswantoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENERAPAN BAGGING UNTUK PENINGKATAN AKURASI KLASIFIKASI TEMA TUGAS AKHIR MENGGUNAKAN ALGORITMA BACKPROPAGATION NEURAL NETWORK Arfan Haqiqi Sulasmoro; Catur Supriyanto; Vincent Suhartono
Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL IPTEK TERAPAN 2016
Publisher : Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK

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

Abstract

Pertumbuhan jumlah mahasiswa membutuhkan penanganan dalam upaya menjaga keseimbangan kualitas kelulusan pada perguruan tinggi swasta. Pengelompokan tema tugas akhir mahasiswa di sebuah pendidikan tinggi swasta dengan melihat hasil studi untuk tiap-tiap matakuliah yang diberikan dengan melihat histori nilai tiap-tiap semester untuk matakuliah tertentu diharapkan dapat membantu dalam penyelesaian tugas akhir. Pada penelitian ini mencoba menerapkan metode Neural network dengan struktur Backpropagation untuk melakukan klasifikasi tema tugas akhir di program studi DIII Teknik Komputer Politeknik Harapan Bersama Tegal dengan evaluation pattern menggunakan aplikasi rapidminer 5.2. Penerapan metode ini bertujuan untuk mendapatkan hasil klasifikasi tema tugas akhir dengan BPNN. Hasil dari penelitian menunjukkan bahwa penerapan metode bagging pada proses training dapat meningkatkan nilai accuracy dalam mengklasifikasi tema tugas akhir menggunakan algoritma Backpropagation Neural Network. Kata kunci : Klasifikasi, backpropagation, neural network, Bagging.
Analisis Keranjang Pasar Menggunakan K-Medoids Dan FP-Growth Wiwit Agus Triyanto; Vincent Suhartono; H. Himawan
Jurnal Pseudocode Vol 1, No 2 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (8335.282 KB) | DOI: 10.33369/pseudocode.1.2.129-142

Abstract

Analisis keranjang pasar (juga disebut dengan penambangan aturan hubungan)  adalah salah satu metode penambangan data yang memfokuskan pada penemuan pola pembelian dengan mengekstrak hubungan atau kejadian dari data transaksi pasar. Mendapatkan pola pembelian sangat penting karena dapat membantu dalam menyusun strategi rekomendasi dan promosi produk. Ada banyak algoritma yang dapat digunakan untuk menemukan pola hubungan, seperti Apriori dan FP-Growth. Namun ada beberapa kendala teknis yang berhubungan dengan teknik rekomendasi yang biasa digunakan, aturan hubungan sering kali mengabaikan kumpulan item yang banyak. Untuk mengatasi hal ini, atribut yang ada dikelompokkan berdasarkan atribut yang sama dan kemudian ditentukan hubungan antar pola dalam setiap grup. Penelitian ini akan menggunakan algoritma K-Medoid untuk pengklusteran data penjualan dan menerapkan algoritma FP-Growth untuk mendekati hubungan tiap kluster. Sehingga rekomendasi produk kepada konsumen dapat lebih akurat karena kelompok data yang akan dihubungkan menjadi lebih kecil. Nilai minimum yang mendukung eksperimen yaitu 10%-100% dan nilai minimum kepercayaan adalah 10%-100%. Dari pengukuran menggunakan rasio dukungan, kepercayaan, dan kenaikan ditemukan bahwa terdapat banyak aturan yang salah pada kluster kelima.Kata kunci: Analisis Keranjang Pasar, Rekomendasi Produk, Promosi Produk, Association Rule Mining, K-Medoids, FP-Growth
Rancang Bangun Monitoring Heart Rate dan SpO2 dengan Photoplethysmography (PPG) Tiari Veronica Siahaan; Vincent Suhartono; Dita Ayu Mayasari
Applied Industrial Engineering Journal Vol 6, No 2 (2022): DESEMBER
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/aiej.v6i2.8957

Abstract

Pola hidup yang tidak sehat sudah sangat melekat pada kehidupan manusia di zaman modern seperti saat ini. Merokok, makanan cepat saji dan berlemak tinggi, dan jarang berolahraga menjadi salah satu faktor yang dapat menyebabkan penyakit pada sistem kardiovaskular. Satu dari sepuluh kematian di dunia disebabkan oleh Penyakit pada sistem kardiovaskular. Peranan alat medis dalam mendeteksi detak jantung dan SpO2 untuk membantu dokter mendapatkan mendiagnosa gejala-gejala awal dari penyakit jantung. Seperti oximeter yang dapat mendeteksi detak jantung (heart rate) dan kadar oksigen dalam darah (SpO2), akan tetapi oximeter tidak dapat menampilkan diagnosis awal dari hasil yang telah didapatkan. Dimana pasien tetap dapat mengukur heart rate dan SpO2 sesaat setelah melakukan aktivitas sehari-hari lalu data yang nantinya didapat dan diolah akan dikirim ke web server yang sudah tersambung dengan dokter maupun perawat. Penelitian ini menggunakan sensor MAX30100 dimana sensor ini melakukan pengukuran dengan metode photoplethysmography yang nantinya akan mendapatkan nilai dari heart rate dan SpO2, lalu menggunakan NodeMCU ESP32 sebagai microcontroller yang berfungsi sebagai penyimpanan data dan alat bantu untuk mengirimkan data ke web server setelah dilakukannya proses clustering data agar dapat menampilkan indikasi dari hasil pengukuran dan menggunakan Organik LED (OLED) untuk menampilkan hasil pengukuran.
Klasifikasi Detak Jantung dan Kadar Oksigen Menggunakan Threshold Maria Natalia Martins; Vincent Suhartono; Menik Dwi Kurniatie
Applied Industrial Engineering Journal Vol 7, No 2 (2023): PREPRINT
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/aiej.v7i2.8958

Abstract

Ketika mengawasi kondisi kesehatan individu, data seperti denyut jantung dan tingkat oksigen dalam darah menjadi informasi yang sangat berharga bagi tenaga medis. Informasi ini diterapkan untuk mengidentifikasi apakah seseorang dalam keadaan sehat, karena kedua data tersebut memberikan indikasi tentang kesehatan jantung dan paru-paru. Dengan menggunakan teknologi yang dapat mendeteksi penyakit jantung dan mengukur kadar oksigen, orang dengan gejala tersebut dapat mengetahui kondisinya tidak akan bertambah parah. Penggunaan ambang dianggap sebagai metode yang efektif untuk mengelola penentuan risiko penyakit jantung dan memantau kadar oksigen. Metode ambang batas dapat dibagi menjadi beberapa kategori berdasarkan rentang nilai detak jantung dan kadar oksigen darah, seperti bradikardia (denyut jantung rendah), takikardia (denyut jantung tinggi), detak jantung normal, dll. Biasanya, hipoksia (rendah oksigen) dan SpO2 normal. Penggunaan data pada penelitian ini adalah data yang berjumlah 5 orang dengan tiga kali pengukuran untuk setiap individu. Data kemudian melewati langkah prosedur thresholding. Berdasarkan pengujian yang dilakukan, didapatkan hasil bahwa sistem mampu mengklasifikasikan detak jantung dan kadar oksigen dengan akurasi 100%. 
Implementasi Internet of Things pada Heart Rate dan SpO2 dengan Fotopletismograf Rahma Eka Oktavianti; Vincent Suhartono; Helmy Rahadian
Applied Industrial Engineering Journal Vol 7, No 2 (2023): PREPRINT
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/aiej.v7i2.8954

Abstract

Perkembangan internet saat ini sangat pesat dan berdampak luas pada berbagai aspek kehidupan manusia. Salah satu konsep yang berkembang saat ini dalam penggunaan internet adalah Internet of Things (IoT) yang mengacu pada penggunaan koneksi internet yang selalu on setiap saat. Tujuan IoT adalah menghubungkan perangkat secara online untuk membantu mengotomatiskan tugas atau pekerjaan seseorang. Pada era sekarang yang mengusung industry 4.0 berbasis IoT dimana segala aspek mulai dikirim melalui internet, sehingga lebih praktis dan fleksibel. Dengan dihubungkannya alat medis ke dalam IoT, akan memudahkan seorang tenaga medis bahkan pasien untuk memonitoring kesehatannya sendiri secara real time. Pada IoT menggunakan ESP32 sebagai mikrokontroller sekaligus penghubung dengan jaringan internet (Wi-Fi). Dalam implementasi IoT disini menggunakan Web server Local Host sebagai penampil dari data yang dikirim ke internet. Dalam IoT ini juga menggunakan Bahasa C pada Arduino IDE dimana program tersebutlah yang nantinya akan digunakan sebagai penghubung hardware tersebut ke internet untuk mengirim data dari hasil Heart Rate dan SPO2 yang telah diproses dan disimpan. Pemantauan pada alat ini dilakukan secara wireless, sehingga dokter atau pasien dapat memonitor detak jantung dan saturasi oksigen secara real time melalui PC atau web menggunakan WI-FI.
Analisa Otot dan Gerak Jari Pasien Stroke Menggunakan Teknologi Sarung Tangan Cerdas Nailly Asmara Ning Ayu; Vincent Suhartono; Menik Dwi Kurniatie
Applied Industrial Engineering Journal Vol 6, No 2 (2022): DESEMBER
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/aiej.v6i2.8952

Abstract

Sarung tangan pintar adalah teknologi pengukur kekuatan otot yang dapat mendukung perawatan medis bagi orang yang baru saja terkena serangan stroke. Objektif : untuk melihat hasil nilai kekuatan otot saat tenaga medis melakukan terapi pada pasien. Sebelum memakai sarung tangan pintar dan gerakan jari saat memegang bola karet, motivasi pasien normal dan pasien stroke non hemoragik, dari 6 responden hanya 2 pasien stroke hemoragik, latihan awal pada pasien normal sebagian besar dalam kategori lengkap, 85% atau 85 data, semua data gerakan jari s1-s5, sedangkan pasien stroke non hemoragik mendapat skor kurang dari 100% pada 25 data kategori. Peningkatan kekuatan motorik setelah latihan pada pasien normal cukup sebesar 62,5% atau 25 data lebih dari 40 data s6-s7. Sedangkan pada pasien stroke nonhemoragik dengan klasifikasi lebih sedikit, 85% atau 17 data berasal dari data s6-s7. Secara keseluruhan pergerakan pasien setelah terkena peluru karet bisa disebut cukup baik. 
Co-Authors Catur Supriyanto Dita Ayu Mayasari, Dita Ayu H. Himawan Helmy Rahadian Maria Natalia Martins Menik Dwi Kurniatie Nailly Asmara Ning Ayu Rahma Eka Oktavianti Sulasmoro, Arfan Haqiqi Tiari Veronica Siahaan Wiwit Agus Triyanto