Garuda - Garba Rujukan Digital

PAPAN INFORMASI DIGITAL BERBASIS RASPBERRY-PI MENGGUNAKAN JARINGAN WIRELESS DISTRIBUTION SYSTEM Tulloh, Rohmat; Hariyani, Yuli Sun; Hafidh, Mochammad Fakhrizal; Pertiwi, Ayu Warni
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 8, No 2 (2017): JURNAL SIMETRIS VOLUME 8 NO 2 TAHUN 2017
Publisher : Universitas Muria Kudus

Papan informasi digital adalah media digital untuk menampilkan informasi dalam bentuk visual yang dapat dinikmati oleh orang-orang disekitarnya. Media digital bisa menjadi sarana informasi, promosi produk, dan juga sebagai sarana berita terbaru. Papan informasi digital yang ada di kantor atau sekolah biasanya menggunakan layar LED TV dilengkapi 1 unit komputer (CPU) dan menggunakan media transmisi kabel. Banyaknya jumlah TV dan CPU yang digunakan menimbulkan masalah biaya dan tempat. Disamping itu manajemen konten informasi yang ditampilkan menjadi tidak praktis karena dilakukan langsung satu persatu di setiap CPU. Penelitian ini bertujuan untuk membuat sistem informasi terpadu berbasis web yang ditanam pada mini komputer berupa raspberry pi menggunakan jaringan wireless distribution system (WDS). Perangkat digital berupa LED TV dipasang raspberry-pi sebagai interface, yang dapat menghemat daya, biaya dan tempat. Manajemen konten informasi terintegrasi dengan komputer server yang menyediakan layanan edit fitur dan update informasi video streaming dan live streaming. Dari hasil pengukuran Quality of Service (QOS) menggunakan Transmission Control Protocol (TCP) untuk layanan video dan live streaming dengan kondisi Line of Sight (LOS) dan Non Line of Sight (NLOS) direkomendasikan menggunakan kondisi LOS dengan nilai Throughput sebesar 585 KBps dan 230 KBps, delay sebesar 1.7 ms dan 3.3 ms, dan Jitter sebesar 2.5 ms dan 6.19 ms. Nilai parameter tersebut memenuhi standar Telecommunications and Internet Protocol Harmonization Over Networks (TIPHON). Cakupan WDS dari server ke raspberry-pi client mencapai 70 meter dengan kondisi LOS maupun NLOS. Pengujian Mean Opinion Score (MOS) didapatkan nilai rata-rata sebesar 4 atau dalam kategori puas dengan sistem yang dibuat.

DETEKSI PENYAKIT COVID-19 BERDASARKAN CITRA X-RAY MENGGUNAKAN DEEP RESIDUAL NETWORK HARIYANI, YULI SUN; HADIYOSO, SUGONDO; SIADARI, THOMHERT SUPRAPTO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 2 (2020): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektro
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i2.443

ABSTRAKPenyakit Coronavirus-2019 atau Covid-19 telah menjadi pandemi global dan menjadi masalah utama yang harus segera dikendalikan. Salah satu cara yang dapat dilakukan adalah memutus rantai penyebaran virus tersebut dengan melakukan deteksi dan melalukan karantina. Pencitraan X-Ray dapat dijadikan alternatif dalam mempelajari Covid-19. X-Ray dianggap mampu menggambarkan kondisi paru-paru pada pasien Covid-19 dan dapat menjadi alat bantu diagnosa klinis. Pada penelitian ini, kami mengusulkan pendekatan deep learning berbasis residual deep network untuk deteksi Covid-19 melalui citra chest X-Ray. Evaluasi yang dilakukan untuk mengetahui performa metode yang diusulkan berupa precision, recall, F1, dan accuracy. Hasil eksperimen menunjukkan bahwa usulan metode ini memberikan precision, recall, F1 dan accuracy masing-masing 0,98, 0,95, 0,97 dan 99%. Pada masa mendatang, studi ini diharapkan dapat divalidasi dan kemudian digunakan untuk melengkapi diagnosa klinis oleh dokter.Kata kunci: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network ABSTRACTCoronavirus-2019 or Covid-19 disease has become a global pandemic and is a major problem that must be stopped immediately. One of the ways that can be done to stop its spreading is to break the spreading chain of the virus by detecting and doing quarantine. X-Ray imaging can be used as an alternative in detecting Covid-19. X-Ray is considered able to describe the condition of the lungs for Covid-19 suspected patients and can be a supporting tool for clinical diagnosis. In this study, we propose a residual based deep learning approach for Covid-19 detection using chest X-Ray images. Evaluation is carried out to determine the performance of the proposed method in the form of precision, recall, F1 and accuracy. Experiments results show that our proposed method provides precision, recall, F1 and accuracy respectively 0.98, 0.95, 0.97 and 99%. In the future, this study is expected to be validated and then used to support clinical diagnoses by doctors.Keywords: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network

Multi-wavelet level comparison on compressive sensing for MRI image reconstruction Indrarini Dyah Irawati; Sugondo Hadiyoso; Yuli Sun Hariyani
Bulletin of Electrical Engineering and Informatics Vol 9, No 4: August 2020
Publisher : Institute of Advanced Engineering and Science

In this study, weproposed compressive sampling for MRI reconstruction based on sparse representation using multi-wavelet transformation. Comparing the performance of wavelet decomposition level, which are level 1, level 2, level 3, and level 4. We used gaussian random process to generate measurement matrix. The algorithm used to reconstruct the image is l_1 norm. The experimental results showed that the use of wavelet multi-level can generate higher compression ratio but requires a longer processing time. MRI reconstruction results based on the parameters of the peak signal to noise ratio (PSNR) and structural similarity index measure (SSIM) show that the higher the level of decomposition in wavelets, the value of both decreases.

PAPAN INFORMASI DIGITAL BERBASIS RASPBERRY-PI MENGGUNAKAN JARINGAN WIRELESS DISTRIBUTION SYSTEM Rohmat Tulloh; Yuli Sun Hariyani; Mochammad Fakhrizal Hafidh; Ayu Warni Pertiwi
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 8, No 2 (2017): JURNAL SIMETRIS VOLUME 8 NO 2 TAHUN 2017
Publisher : Universitas Muria Kudus

Papan informasi digital adalah media digital untuk menampilkan informasi dalam bentuk visual yang dapat dinikmati oleh orang-orang disekitarnya. Media digital bisa menjadi sarana informasi, promosi produk, dan juga sebagai sarana berita terbaru. Papan informasi digital yang ada di kantor atau sekolah biasanya menggunakan layar LED TV dilengkapi 1 unit komputer (CPU) dan menggunakan media transmisi kabel. Banyaknya jumlah TV dan CPU yang digunakan menimbulkan masalah biaya dan tempat. Disamping itu manajemen konten informasi yang ditampilkan menjadi tidak praktis karena dilakukan langsung satu persatu di setiap CPU. Penelitian ini bertujuan untuk membuat sistem informasi terpadu berbasis web yang ditanam pada mini komputer berupa raspberry pi menggunakan jaringan wireless distribution system (WDS). Perangkat digital berupa LED TV dipasang raspberry-pi sebagai interface, yang dapat menghemat daya, biaya dan tempat. Manajemen konten informasi terintegrasi dengan komputer server yang menyediakan layanan edit fitur dan update informasi video streaming dan live streaming. Dari hasil pengukuran Quality of Service (QOS) menggunakan Transmission Control Protocol (TCP) untuk layanan video dan live streaming dengan kondisi Line of Sight (LOS) dan Non Line of Sight (NLOS) direkomendasikan menggunakan kondisi LOS dengan nilai Throughput sebesar 585 KBps dan 230 KBps, delay sebesar 1.7 ms dan 3.3 ms, dan Jitter sebesar 2.5 ms dan 6.19 ms. Nilai parameter tersebut memenuhi standar Telecommunications and Internet Protocol Harmonization Over Networks (TIPHON). Cakupan WDS dari server ke raspberry-pi client mencapai 70 meter dengan kondisi LOS maupun NLOS. Pengujian Mean Opinion Score (MOS) didapatkan nilai rata-rata sebesar 4 atau dalam kategori puas dengan sistem yang dibuat.

Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network YULI SUN HARIYANI; SUGONDO HADIYOSO; THOMHERT SUPRAPTO SIADARI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 2 (2020): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektro
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i2.443

ABSTRAKPenyakit Coronavirus-2019 atau Covid-19 telah menjadi pandemi global dan menjadi masalah utama yang harus segera dikendalikan. Salah satu cara yang dapat dilakukan adalah memutus rantai penyebaran virus tersebut dengan melakukan deteksi dan melalukan karantina. Pencitraan X-Ray dapat dijadikan alternatif dalam mempelajari Covid-19. X-Ray dianggap mampu menggambarkan kondisi paru-paru pada pasien Covid-19 dan dapat menjadi alat bantu diagnosa klinis. Pada penelitian ini, kami mengusulkan pendekatan deep learning berbasis residual deep network untuk deteksi Covid-19 melalui citra chest X-Ray. Evaluasi yang dilakukan untuk mengetahui performa metode yang diusulkan berupa precision, recall, F1, dan accuracy. Hasil eksperimen menunjukkan bahwa usulan metode ini memberikan precision, recall, F1 dan accuracy masing-masing 0,98, 0,95, 0,97 dan 99%. Pada masa mendatang, studi ini diharapkan dapat divalidasi dan kemudian digunakan untuk melengkapi diagnosa klinis oleh dokter.Kata kunci: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network ABSTRACTCoronavirus-2019 or Covid-19 disease has become a global pandemic and is a major problem that must be stopped immediately. One of the ways that can be done to stop its spreading is to break the spreading chain of the virus by detecting and doing quarantine. X-Ray imaging can be used as an alternative in detecting Covid-19. X-Ray is considered able to describe the condition of the lungs for Covid-19 suspected patients and can be a supporting tool for clinical diagnosis. In this study, we propose a residual based deep learning approach for Covid-19 detection using chest X-Ray images. Evaluation is carried out to determine the performance of the proposed method in the form of precision, recall, F1 and accuracy. Experiments results show that our proposed method provides precision, recall, F1 and accuracy respectively 0.98, 0.95, 0.97 and 99%. In the future, this study is expected to be validated and then used to support clinical diagnoses by doctors.Keywords: Coronavirus-2019, Covid-19, chest X-Ray, deep learning, residual network

REALISASI PENGENDALI INTENSITAS CAHAYA LAMPU DENGAN KONTROL SUARA DAN GOOGLE ANDROID SPEECH RECOGNITION API Yuli Sun Hariyani; Cucu Fitri; Sugondo Hadiyoso
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 1 No 1: JETT Desember (2014)
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Dalam kehidupan sehari-hari setiap orang tidak dapat lepas dari cahaya untuk melakukan berbagai aktivitas di ruangan. Namun cahaya di ruangan harus disesuaikan dengan kebutuhan aktivitas masing-masing untuk menghindari pemborosan energi listrik. Terkadang sebagian orang sering lupa dan malas untuk mematikan atau menyalakan lampu dalam keadaan tertentu karena saklar yang digunakan masih manual. Oleh karena itu dibutuhan saklar yang dapat dikendalikan dari jarak jauh. Penelitian ini merealisasikan sistem pengendali lampu jarak jauh berbasis suara yang didukung oleh google voice recognition engine dan menggunakan android , tidak hanya mematikan dan menghidupkan lampu, namun juga mengatur lampu dengan beberapa level intensitas cahaya. Arduino Uno R3 digunakan sebagai piranti pengendali dengan Bluetooth sebagai media komunikasi antara smartphone dan mikrokontroller. Berdasarkan pengujian sistem dan alat yang direalisasikan, untuk pengujian di dalam ruangan dengan penghalang, maksimal jangkauan control mencapai 10 meter dengan respon lampu rata-rata 1,426 detik.

PERANCANGAN DAN IMPLEMENTASI TUNER GITAR OTOMATIS DENGAN PENGGERAK MOTOR SERVO BERBASIS ARDUINO Randi Yusuf Nasution; Hasanah Putri; Yuli Sun Hariyani
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 2 No 1: JETT Juli (2015)
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Gitar merupakan salah satu alat musik yang paling digemari, dan dapat dimainkan oleh semua orang. Saat ini masih banyak ditemukan pengguna gitar yang tidak bisa melakukan tuning senar gitar dan jika dilakukan manual juga membutuhkan waktu yang lama untuk mendapatkan hasil tuning yang akurat. Hal ini dapat diatasi dengan perkembangan teknologi Pengguna gitar sekarang ini dapat melakukan tuning senar lebih mudah dan lebih cepat dengan tingkat toleransi kesalahan frekuensi tuning Â± 1 Hz dengan menggunakan tuner gitar otomatis.Perancangan alat tuner gitar otomatis ini menggunakan 5 komponen pembentuk alat yaitu selector switch untuk memilih frekuensi yang akan diatur, Op amp untuk menguatkan amplitudo gelombang suara agar diterima arduino dengan baik, Arduino untuk menginisialisasi frekuensi dan memberi sinyal ke motor servo, Motor servo untuk melakukan tuning senar gitar, dan LED sebagai indikator tuning.Hasil dari penelitian ini adalah keakuratan tuning untuk setiap senar didapatkan rata-rata tuning paling baik yaitu senar 5 dengan rata-rata kesalahan tuning 0,07 Hz dan rata-rata tuning paling buruk yaitu senar 1 dengan rata-rata kesalahan tuning sebesar 0,8 Hz. Alat yang dapat membantu pengguna gitar melakukan tuning senar gitar secara otomatis dengan tingkat kesalahan maksimum Â± 1 Hz dari standar frekuensi setiap nada senar gitar yang telah ditetapkan.

Implementasi Metode Sobel Edge Dan Template Matching Menggunakan Perangkat Raspberry Pi Sebagai Sistem Pengenalan Plat Nomor Otomatis Mochamad Erkki Svante Nyfors; Gelar Budiman; Yuli Sun Hariyani
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Selama beberapa tahin terakhir, intelligent transport system (ITS) memiliki dampak yang luas dalam kehidupan masyarakat sebagai ruang lingkup untuk meningkatkan keselamatan transportasi, mobility untuk meningkatkan produktifitas melalui penggunaan teknologi. Salah satu teknologi dari ITS adalah automatic number plate recognition (ANPR) dimana sistem ANPR adalah salah satu bagian dalam bidang computer vision. Teknologi ANPR yang biasa digunakan dalam berbagai bidang seperti sistem pembayaran elektronik (pembayaran tol, biaya parkir).Didalam Tugas Akhir ini peneliti menemukan tantangan untuk merancang sistem ANPR menggunakan perangkat raspberry pi karena dengan memori nya yang kecil dan untuk sistem ANPR banyak sekali proses- proses yang harus dilakukan sehingga waktu komputasi dikhawatirkan akan menjadi kendala. Dua metode utama yang digunakan dalam Tugas Akhir ini adalah sobel edge detection dan template matching untuk pengenalan karakternya.Tahap-tahap yang akan dilakukan meliputi: pre-processing, segmentasi, dan character recognition. Metode sobel edge yang digunakan adalah vertical edge detection dan untuk pengenalan akan digunakan normalized cross correlation dan normalized correlation coefficient. Tugas akhir ini dapat mempunyai tingkat akurasi maksimal sebesar 94.4 persen dengan waktu komputasi maksimal yaitu 5.6 detik Kata Kunci : Raspberry pi, ITS, ANPR, sobe edge, template matching

Perbandingan Suara Paru Normal Dan Abnormal Menggunakan Probabilistic Neural Network Dan Support Vector Machine Chandraditya Aridela; Achmad Rizal; Yuli Sun Hariyani
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Paru-paru adalah organ sistem pernapasan yang berfungsi untuk menukar oksigen dari udara dengan karbondioksida dari darah dengan bantuan hemoglobin. Sebagai organ yang penting perannya untuk tubuh tentu harus dijaga kesehatannya dari penyakit. Salah satu cara dokter mendiagnosa penyakit pada paru-paru adalah dengan mendengarkan suara pernapasan pada paru-paru dengan stetoskop. Suara paru-paru yang dihasilkan pada beberapa kasus penyakit berbeda-beda sehingga terdapat pola tertentu yang bisa dikenali. Pola suara ini dapat digunakan untuk mengklasifikasikan jenis-jenis penyakit pada paru-paru. Masalah yang timbul adalah suara paru-paru menempati frekuensi yang cukup rendah sekitar 20-2000 Hz, amplitudo yang rendah, masalah kebisingan lingkungan, kepekaan telinga dan pola suara yang mirip antara jenis suara paru-paru yang satu dengan yang lain. Karena faktor-faktor tersebut diatas, kesalahan diagnosis biasa terjadi apabila prosedur auskultasi tidak dilakukan dengan benar. Pada penelitian ini dilakukan perbandingan klasifikasi suara paru-paru normal dan suara paru-paru abnormal untuk menentukan metode terbaik diantara dua metode yang akan digunakan. Suara paru-paru akan didekomposisi dengan menggunakan metode wavelet Daubechies2 level 5. Pada proses klasifikasi akan menggunakan metode klasifikasi Support Vector Machine One Against All, Support Vector Machine One Against One, dan klasifikasi jaringan syaraf tiruan PNN (Probabilistic Neural Network). Hasil penelitian ini adalah: akurasi rata-rata Support Vector Machine One against all sebesar 47,55%, maksimum akurasi sebesar 70%, dan rata-rata waktu komputasi selama 0.006 detik. Akurasi rata-rata Support Vector Machine One Against One sebesar 50.92%, maksimum akurasi sebesar 75%, dan rata-rata waktu komputasi selama 0.012 detik. Akurasi rata-rata Probabilistic Neural Network 70%, maksimum akurasi sebesar 70%, dan rata-rata waktu komputasi selama 0.313 detik. Kata Kunci : suara paru-paru, dekomposisi wavelet Daubechies2, Support Vector Machine, probabilistic neural network .

Sistem Pengidentifikasian Plat Nomor Kendaraan Mobil Menggunakan Metode Principal Component Analysis Dan Klasifikasi K-nn Dinda Rizki Taningrum; Bambang Hidayat; Yuli Sun Hariyani
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Pada saat ini pengguna jalan di kota-kota besar di Indonesia khususnya kendaraan rota empat memerlukan program yang dapat memantau para pengendara kendaraan yang tidak disiplin dalam berkendara, seperti menerobos lampu merah atau parkir disembarang tempat. Dalam tugas akhir ini dibuat sebuah sistem yang dapat mengenali palt nomor kendaraan. Dengan menggunakan Principal Conponent Analysis (PCA) sebagai metoda ekstraksi ciri dan KNN sebagai metoda mengklasifikasikan karakter, sistem ini mampu mengenali 44 letak plat data uji dengan akurasi 97.78%, akurasi segmentasi karakter sebesar 99.10% atau didapatkan dari 331 karakter yang berhasil tersegmentasi dari 334 karakter yang tersegmentasi, akurasi klasifikasi sebesar 88.92% didapatkan dari 297 karakter yang diklasifikasikan dengan benar dari 334 karakter, akurasi keseluruhan sistem sebesar 60.00% atau 27 data yang berhasil dideteksi dan diidentifikasi dari 45 data uji. Kata kunci : Identifikasi plat nomor kendaraan, PCA, KNN

Title

Found 20 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search