Article Per Year (5 Year)
p-Index From 2019 - 2024
1.325
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering E-JOINT (Electronica and Electrical Journal Of Innovation Technology) eProceedings of Engineering Electrician : Jurnal Rekayasa dan Teknologi Elektro Journal of Computer Engineering: Progress, Application and Technology
Faisal Candrasyah Hasibuan
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Identifikasi Persediaan Makanan di dalam Lemari Pendingin Berbasis Raspberry Pi dan Deep Learning Faisal Candrasyah Hasibuan; Andri Ulus Rahayu
E-JOINT (Electronica and Electrical Journal Of Innovation Technology) Vol. 2 No. 2: E-JOINT, Desember 2021
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/e-joint.v2i2.1046

Abstract

Sistem ini dibuat atas dasar permasalahan yang terjadi dalam kehidupan sehari-hari, salah satunya yaitu tidak terpantaunya persediaan bahan makanan di lemari pendingin. Ketika dibutuhkan suatu bahan makanan dari lemari pendingin dan ternyata tidak ada, maka akan menjadi masalah. Oleh karena itu, dibuatlah sebuah sistem yang mampu mengidentifikasi objek makanan di dalam lemari pendingin. Masukan dari sistem ini berupa foto objek makanan yang diambil menggunakan Raspberry Pi Camera dan terhubung langsung dengan Raspberry Pi di dalam lemari pendingin. Setelah diproses dengan algoritma pembelajaran mesin, maka keluaran yang dihasilkan berupa identifikasi objek makanan yang terdapat di dalam lemari pendingin tersebut. Objek makanan yang diuji berupa pisang, mentimun, brokoli, dan jeruk. Dari hasil pengujian, terlihat bahwa program mengidentifikasi objek dengan benar pada objek pisang dan jeruk yang ditunjukkan dengan confidence level tertinggi sebesar 56,98% dan 45,88%. Identifikasi objek mentimun dikenali sebagai zukini dengan confidence level tertinggi sebesar 78,61%. Adapun identifikasi objek paling rendah terdapat pada objek brokoli dengan confidence level kurang dari 1%.
Perancangan Aplikasi Website Berbasis IoT Untuk Pemantauan dan Kontrol Pada PLTA di Desa Tambolosu Kabupaten Konawe Provinsi Sulawesi Tenggara Devid Alfian; Budhi Irawan; Faisal Candrasyah Hasibuan
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—Dengan di buatnya PLTA di desa yang arus listriknya terbatas perlu di lakukan pemantauan dan kontrol daya listrik agar semua warga desa dapat merasakan sumber arus listrik yang sama dengan adanya perancangan aplikasi website berbasis IoT untuk pemantauan dan kontrol pada PLTA akan membantu dalam pengaliran listrik yang terbatas pada kantor desa dan gazebo. Dalam penelitian ini dilakukan proses visualisasi data daya listrik yang dapat menjadi data acuan untuk melakukan pemantauan dan kontrol daya listrik pada kantor desa dan gazebo yang akan ditampilkan pada aplikasi website ini. Dengan aplikasi website ini dapat mengatur aliran listrik kantor desa dan gazebo yang di inginkan, Tersedia juga notifikasi yang akan membantu kepada staf dalam melakukan pemantauan aliran listrik yang memakai listrik berlebih. Dengan aplikasi website yang di telah buat kemudian akan diuji kecepatan data yang masuk secara real-time yang dapat visualisasikan pada halaman aplikasi website dengan hasil pengujian delay monitoring dengan rata-rata 319 milidetik dan delay kontrol dengan rata-rata 10.983 detik. Dengan dilakukannya pengujian alpha dan beta maka hasil dari alpha sesuai dengan perancangan aplikasi website ini dapat “Sesuai Harapan” dan pengujian Beta Validitas mendapatkan hasil “Valid” lalu Reliabilitas mendapatkan hasil r11 = 0.912 maka mendapatkan Reliabilitas “Sangat Tinggi”Kata kunci — aplikasi website, IoT, internet of things, pemantauan dan kontrol, PLTA
Perancangan Aplikasi Deteksi Sifat Manusia Melalui Garis Tangan Menggunakan Metode Naive Bayes Dan Metode Probabilistic Neural Network Dengan Klasifikasi Citra Berbasis Android Ivan Rinaldhy Saputra; Budhi irawan; Faisal Candrasyah Hasibuan
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Deteksi melalui pola garis telapak tangan manusia (palmistry) dapat dilakukan dengan mudah apabila dibantu dengan software yang dibuat khusus untuk melakukan tugas tersebut. Input yang diperlukan berupa gambar telapak tangan objek dengan ukuran dan resolusi tertentu pada smartphone berbasis aplikasi android. Kemudian sistem akan melakukan pencocokkan pola garis tangan dari inputan dengan data terdapat pada database. Output dari system adalah berupa class terdekat atau class yang sesuai dari garis tangan pengguna ingin dikenali hasil dari analisa pola garis tangan pengguna dengan pola garis tangan yang ada di database berupa karakter dari pemilik pola garis tangan tersebut. Kata kunci : Ramalan Pola Garis Telapak Tangan, Naive Bayes Method, Probabilistic Neural Network, Sistem Pakar Abstract Detection through palmistry can be done easily when aided by software specifically designed to do the task. The required input is in the form of an object's palm image with a certain size and resolution on android based smarthone. Then the system will match the hand line pattern from input with the data contained in the database. The output of the system is in the form of the closest class or class corresponding to the user's hand line, the result of analyzing the pattern of the user's hand line with the hand pattern in the database in the form of characters from the owner of the hand pattern pattern. Keywords: Palmistry, Naive Bayes Method, Probabilistic Neural Network, Expert System
Prediction System on Electricity Consumption using Web-Based LSTM Algorithm Fathoni waseso jati; Komang Jaya Bhaskara; Faisal Candrasyah Hasibuan; Budhi Irawan
CEPAT Journal of Computer Engineering: Progress, Application and Technology Vol 1 No 02 (2022): August 2022
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cepat.v1i02.5227

Abstract

The technology development from year to year is increasing rapidly, especially in the electronics devices such as notebooks and smartphones. With the rapid development of technology, lifestyle habits have also changed. This can lead to an increase in the use of electrical energy. In addition, the negligence of electricity users in monitoring electricity usage at the place of the electricity meter also causes an increase in electrical energy. Monitoring the electricity meter in real time can limit the user from manage their electricity efficiently. This study aims to create a web-based electrical energy usage prediction system. This system can make it easier for users to manage and reduce waste of electrical energy. In the development of this system, it begins by collecting image data of remaining electricity which are processed manually into electrical energy consumption data. Then the data is pre-processed so that the data is clean and ready to use. The clean data is carried out by the process of making a Long-Short Term Memory (LSTM) model which was chosen because it can overcome Time Series and Non-Linear data types. LSTM model is designed to be able to predict the use of electrical energy. Then do the web application design as an interface on the predictive data. Based on the results of the test, the LSTM model can predict the use of electrical energy with a Loss Mean Square Error (MSE) value of 0.0071. While the results of website testing carried out with the alpha test get an accuracy of 100% and a beta test of 82.64%.
Best-worst northern goshawk optimizer: a new stochastic optimization method Purba Daru Kusuma; Faisal Candrasyah Hasibuan
International Journal of Electrical and Computer Engineering (IJECE) Vol 13, No 6: December 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v13i6.pp7016-7026

Abstract

This study introduces a new metaheuristic method: the best-worst northern goshawk optimizer (BW-NGO). This algorithm is an enhanced version of the northern goshawk optimizer (NGO). Every BW-NGO iteration consists of four phases. First, each agent advances toward the best agent and away from the worst agent. Second, each agent moves relatively to the agent selected at random. Third, each agent conducts a local search. Fourth, each agent traces the space at random. The first three phases are mandatory, while the fourth phase is optional. Simulation is performed to assess the performance of BW-NGO. In this simulation, BW-NGO is confronted with four algorithms: particle swarm optimization (PSO), pelican optimization algorithm (POA), golden search optimizer (GSO), and northern goshawk optimizer (NGO). The result exhibits that BW-NGO discovers an acceptable solution for the 23 benchmark functions. BW-NGO is better than PSO, POA, GSO, and NGO in consecutively optimizing 22, 20, 15, and 11 functions. BW-NGO can discover the global optimal solution for three functions.
Pembangunan Backend Pada Website Aplikasi Fateka: Forum Alumni Teknik Komputer Universitas Telkom Muhammad Armain Hidayatullah; Anggunmeka Luhur Prasasti; Faisal Candrasyah Hasibuan
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—Teknologi mengalami perkembangan yang sangat pesat dalam beberapa tahun terakhir ini, hal ini menyebabkan meningkatnya sistem informasi dan komunikasi di berbagai bidang, mulai dari akses data, informasi aktual, iklan, komunikasi, dan bidang pendidikan. Perguruan tinggi pasti memerlukan kemajuan teknologi dalam kegiatan peningkatan kualitas pelayanan informasi dalam menyajikan informasi dan komunikasi secara luas. Aplikasi Fateka hadir menyediakan informasi dan media interaksi untuk menjematani civitas akademika dengan seluruh alumni Teknik Komputer Universitas Telkom. Fateka sebagai sebuah website aplikasi yang di dukung oleh fitur-fitur utamanya seperti data alumni, lowongan karir, media interaksi, kegiatan, berita, artikel dengan tampilan yang ramah pengguna. Dengan hadirnya aplikasi Fateka, diharapkan mempermudahkan akses pengguna maka dibutuhkan aplikasi backend yang akan menyediakan dan mengolah berbagai data yang akan terjadi pada platform Fateka yang berbasis website. Pada website aplikasi Fateka menggunakan dua metode pengujian yaitu unit testing dan stress testing, hasil dari unit testing menggunakan framework laravel dan library laravel phpunit menunjukkan bahwa fitur dapat berjalan dengan baik dan berdasarkan hasil pengujian stress testing menggunakan apachebench dengan mengirimkan 1000 request ke server, dengan hasil yang didapatkan waktu yang dibutuhkan untuk testing 292.423 seconds, complete requests 1000, concurrency level 100, dan total rata-rata waktu yang dibutuhkan dibawah 5 detik.Kata kunci— alumni, backend, laravel, sistem informasi.
Identifikasi Persediaan Makanan di dalam Lemari Pendingin Berbasis Raspberry Pi dan Deep Learning Faisal Candrasyah Hasibuan; Andri Ulus Rahayu
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 16 No. 1 (2022)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

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

Abstract

Intisari Sistem ini dibuat atas dasar permasalahan yang terjadi dalam kehidupan sehari-hari, salah satunya yaitu tidak terpantaunya persediaan bahan makanan di lemari pendingin. Ketika dibutuhkan suatu bahan makanan dari lemari pendingin dan ternyata tidak ada, maka akan menjadi masalah. Oleh karena itu, dibuatlah sebuah sistem yang mampu mengidentifikasi objek makanan di dalam lemari pendingin. Masukan dari sistem ini berupa foto objek makanan yang diambil menggunakan Raspberry Pi Camera dan terhubung langsung dengan Raspberry Pi di dalam lemari pendingin. Setelah diproses dengan algoritma pembelajaran mesin, maka keluaran yang dihasilkan berupa identifikasi objek makanan yang terdapat di dalam lemari pendingin tersebut. Objek makanan yang diuji berupa pisang, mentimun, brokoli, dan jeruk. Dari hasil pengujian, terlihat bahwa program mengidentifikasi objek dengan benar pada objek pisang dan jeruk yang ditunjukkan dengan confidence level tertinggi sebesar 56,98 persen dan 45,88 persen. Identifikasi objek mentimun dikenali sebagai zukini dengan confidence level tertinggi sebesar 78,61persen. Adapun identifikasi objek paling rendah terdapat pada objek brokoli dengan confidence level kurang dari 1persen. Kata kunci Deep Belief Network, Deep Learning, Lemari Pendingin, Machine learning, Raspberry Pi. Abstract — This system is made based on problems that occur in everyday life, one of which is the lack of monitoring of food supplies in the refrigerator. It will be a problem when there is a need for a food item from the refrigerator and it does not exist. Therefore, a system is made that can identify food objects in the refrigerator. The input from this system is in the form of photos of food objects taken using the Raspberry Pi Camera and connected directly to the Raspberry Pi in the refrigerator. After being processed with machine learning algorithms, the resulting output identifies food objects in the refrigerator. The food objects tested were bananas, cucumbers, broccoli, and oranges. The test results show that the program correctly identified the object on the banana and orange object, which was indicated by the highest confidence levels of 56.98 percents and 45.88 percents, respectively. The identification of the cucumber object was recognized as zucchini with the highest confidence level of 78.61 percents. The lowest object identification was found in broccoli, with a confidence level of less than 1 percents. Keywords Deep Belief Network, Deep Learning, Deep Belief Network, Machine learning, Raspberry Pi, Refrigerator.
Co-Authors Andri Ulus Rahayu ANGGUNMEKA LUHUR PRASASTI Budhi Irawan Devid Alfian Fathoni waseso jati Ivan Rinaldhy Saputra Komang Jaya Bhaskara Muhammad Armain Hidayatullah Purba Daru Kusuma