Article Per Year (5 Year)
p-Index From 2021 - 2026
9.659
P-Index
This Author published in this journals
All Journal JURNAL ILMIAH PENDIDIKAN FISIKA AL BIRUNI Teknisia JOIV : International Journal on Informatics Visualization Jurnal Qua Teknika KURVATEK Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls (AVITEC) G-Tech : Jurnal Teknologi Terapan DEVICE Jurnal Penelitian Inovatif Indonesian Community Journal Aptekmas : Jurnal Pengabdian Kepada Masyarakat JITU (Jurnal Ilmiah Teknik Unida) International Journal of Hydrological and Environmental for Sustainability Journal of Community Service JOMPA ABDI: Jurnal Pengabdian Masyarakat Jurnal Ekonomi dan Bisnis STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Sewagati Jurnal Pengabdian Masyarakat Bangsa GEMBIRA (Pengabdian Kepada Masyarakat) Masyarakat: Jurnal Pengabdian
Sely Novita Sari
Institut Teknologi Nasional Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : DEVICE

 1 
Pemodelan Artificial Neural Network (ANN) Untuk Identifikasi Bangunan Daerah Rawan Longsor Sely Novita Sari; Bagus Gilang Pratama; Rizqi Prastowo
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6701

Abstract

Identifikasi bangunan daerah rawan longsor adalah suatu hal yang penting dalam mitigasi bencana alam. Longsor dapat terjadi di mana saja dan kapan saja, dan dapat menyebabkan kerugian yang besar baik dari segi manusia maupun materiil (fadli dkk, 2023). Oleh karena itu, penting untuk mengidentifikasi bangunan yang berada di daerah rawan longsor agar dapat mengambil tindakan pencegahan yang tepat. Metode yang dapat digunakan untuk identifikasi bangunan di daerah rawan longsor adalah artificial neural network (ANN). ANN adalah suatu model komputasi yang terinspirasi dari sistem saraf biologis yang terdiri dari sejumlah unit pemrosesan sederhana yang disebut neuron. ANN dapat belajar dari data dan menyesuaikan bobot koneksi antar neuron untuk menghasilkan keluaran yang diinginkan. ANN memiliki kemampuan untuk mengenali pola, mengklasifikasikan data, dan memprediksi hasil. Berdasarkan analisis data klasifikasi dinding sederhana di Kecamatan Kalirejo, Kecamatan Kokap, Kabupaten Kulon Progo, Yogyakarta, menggunakan Artificial Neural Network (ANN), presentase prediksi setiap data dari pemodelan ANN menunjukkan bahwa indikator Bangunan Tidak Aman mencapai 100%, dengan 89% prediksi Bangunan Aman, dan 82,7% prediksi Bangunan Aman berdasarkan History Accuracy. Hasil tersebut diukur dengan merujuk pada kurva model validasi yang semakin meningkat dan stabil, mencapai nilai akurasi rata-rata di atas 80%, yakni sebesar 88%.
Kolaborasi Jaringan Saraf Tiruan (JST) Dalam Identifikasi Prioritas Penanganan Pemeliharaan Jalan Kabupaten Sely Novita Sari; Bagus Gilang Pratama; ircham ircham
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6702

Abstract

Pemeliharaan jalan kabupaten menjadi elemen krusial dalam pembangunan infrastruktur dan pertumbuhan ekonomi di daerah. Kendati begitu, keterbatasan anggaran dan sumber daya manusia menyebabkan banyak jalan kabupaten mengalami kerusakan yang memerlukan penanganan pemeliharaan yang efektif. Dalam rangka mengidentifikasi prioritas pemeliharaan, digunakan metode Jaringan Saraf Tiruan (JST), sebuah teknologi kecerdasan buatan yang mampu mempelajari pola dari data dan mengklasifikasikan informasi baru. JST dapat memproses data kompleks, non-linear, dan tidak pasti, sehingga cocok untuk estimasi biaya, peramalan, klasifikasi, dan optimasi. Hasil analisis data menggunakan JST menunjukkan tingkat akurasi prediksi Prioritas Mutlak Penting sebesar 100%, sementara untuk Prediksi Prioritas Sangat Penting, Prioritas Cukup Penting, dan Prioritas Sedikit Penting masing-masing mencapai 66,7%. Prediksi Prioritas Tidak Penting juga mencapai 100%, dengan menggunakan History Accuracy sebagai acuan. Dengan demikian, pemodelan ini memberikan presentase prediksi untuk setiap kategori prioritas pemeliharaan jalan kabupaten, memberikan dasar informasi yang berguna untuk pengambilan keputusan.
PERANCANGAN OPTIMAL GUDANG LOGISTIK KEBENCANAAN BPBD KABUPATEN BANTUL UNTUK EFISIENSI PENYIMPANAN DAN DISTRIBUSI LOGISTIK KEBENCANAAN sianturi, faldi daud suiyoso; Sari, Sely Novita; Ridayati, Ridayati
Device Vol 15 No 1 (2025): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v15i1.8253

Abstract

Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Bantul merupakan badan yang bertugas mendistribusikan bantuan kebencanaan saat terjadi kondisi darurat. BPBD membutuhkan sistem logistik yang baik untuk mendukung penanggulangan bencana. Penelitian ini bertujuan untuk merancang tata letak yang lebih optimal bagi gudang logistik BPBD Kabupaten Bantul. Metode yang digunakan adalah observasi lapangan dan wawancara langsung. Sejumlah permasalahan yang ditemukan diantaranya tata letak yang kurang optimal, kapasitas penyimpanan terbatas dan kondisi fisik bangunan kurang memadai. Hasil analisis menunjukkan bahwa perencanaan denah gudang logistik baru yang lebih fungsional dan efektif sangat dibutuhkan. Berdasarkan lahan seluas 8.937 m² maka dapat direncanakan pembangunan gudang logistik mencakup fasilitas penyimpanan seluas 66 m x 36 m. Ketebalan lantai 0,15 m, pintu gerbang 7,85 m, dan area manuver 9,85 m untuk mobilitas, keamanan melalui CCTV dan sistem ventilasi optimal untuk menjaga kualitas barang. Perencanaan ini bertujuan untuk meningkatkan efisiensi penyimpanan dan pengambilan logistik, sekaligus menjaga kualitas dan keamanan barang.
Pemodelan Artificial Neural Network (ANN) Untuk Identifikasi Bangunan Daerah Rawan Longsor Sari, Sely Novita; Pratama, Bagus Gilang; Prastowo, Rizqi
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6701

Abstract

Identifikasi bangunan daerah rawan longsor adalah suatu hal yang penting dalam mitigasi bencana alam. Longsor dapat terjadi di mana saja dan kapan saja, dan dapat menyebabkan kerugian yang besar baik dari segi manusia maupun materiil (fadli dkk, 2023). Oleh karena itu, penting untuk mengidentifikasi bangunan yang berada di daerah rawan longsor agar dapat mengambil tindakan pencegahan yang tepat. Metode yang dapat digunakan untuk identifikasi bangunan di daerah rawan longsor adalah artificial neural network (ANN). ANN adalah suatu model komputasi yang terinspirasi dari sistem saraf biologis yang terdiri dari sejumlah unit pemrosesan sederhana yang disebut neuron. ANN dapat belajar dari data dan menyesuaikan bobot koneksi antar neuron untuk menghasilkan keluaran yang diinginkan. ANN memiliki kemampuan untuk mengenali pola, mengklasifikasikan data, dan memprediksi hasil. Berdasarkan analisis data klasifikasi dinding sederhana di Kecamatan Kalirejo, Kecamatan Kokap, Kabupaten Kulon Progo, Yogyakarta, menggunakan Artificial Neural Network (ANN), presentase prediksi setiap data dari pemodelan ANN menunjukkan bahwa indikator Bangunan Tidak Aman mencapai 100%, dengan 89% prediksi Bangunan Aman, dan 82,7% prediksi Bangunan Aman berdasarkan History Accuracy. Hasil tersebut diukur dengan merujuk pada kurva model validasi yang semakin meningkat dan stabil, mencapai nilai akurasi rata-rata di atas 80%, yakni sebesar 88%.
Kolaborasi Jaringan Saraf Tiruan (JST) Dalam Identifikasi Prioritas Penanganan Pemeliharaan Jalan Kabupaten Sari, Sely Novita; Pratama, Bagus Gilang; ircham, ircham
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6702

Abstract

Pemeliharaan jalan kabupaten menjadi elemen krusial dalam pembangunan infrastruktur dan pertumbuhan ekonomi di daerah. Kendati begitu, keterbatasan anggaran dan sumber daya manusia menyebabkan banyak jalan kabupaten mengalami kerusakan yang memerlukan penanganan pemeliharaan yang efektif. Dalam rangka mengidentifikasi prioritas pemeliharaan, digunakan metode Jaringan Saraf Tiruan (JST), sebuah teknologi kecerdasan buatan yang mampu mempelajari pola dari data dan mengklasifikasikan informasi baru. JST dapat memproses data kompleks, non-linear, dan tidak pasti, sehingga cocok untuk estimasi biaya, peramalan, klasifikasi, dan optimasi. Hasil analisis data menggunakan JST menunjukkan tingkat akurasi prediksi Prioritas Mutlak Penting sebesar 100%, sementara untuk Prediksi Prioritas Sangat Penting, Prioritas Cukup Penting, dan Prioritas Sedikit Penting masing-masing mencapai 66,7%. Prediksi Prioritas Tidak Penting juga mencapai 100%, dengan menggunakan History Accuracy sebagai acuan. Dengan demikian, pemodelan ini memberikan presentase prediksi untuk setiap kategori prioritas pemeliharaan jalan kabupaten, memberikan dasar informasi yang berguna untuk pengambilan keputusan.
Identifikasi Penggunaan Material Untuk Hunian Modular Sementara Menggunakan Metode Statistik Ciri Orde Pertama Grito, Mortalesel; Sari, Sely Novita; Asih, Andrea Sumarah
Device Vol. 15 No. 2 (2025): Bulan November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/2fwytg59

Abstract

Indonesia sering mengalami bencana alam yang merusak infrastruktur, termasuk hunian. Korban bencana memerlukan hunian sementara yang aman dan nyaman, di mana hunian modular menjadi solusi karena fleksibel, cepat dipasang, dan dapat dioptimalkan menjadi semi permanen. Pemilihan material untuk hunian modular harus ringan, mudah didapat, dan tahan cuaca. Tujuan penelitian ini adalah untuk mengidentifikasi penggunaan material yang optimal untuk hunian modular sementara dengan menggunakan metode statistik ciri orde pertama. Data diperoleh dari 91 responden melalui pengamatan terhadap proyek hunian modular. Data tersebut dianalisis secara statistik untuk mengevaluasi rata-rata, simpangan baku, serta mengidentifikasi potensi anomali dalam penggunaan material pada struktur tiang penyangga, dinding, dan pondasi. Analisis material pada hunian modular sementara menunjukkan variasi signifikan. Material TP_BR pada tiang penyangga digunakan lebih dominan (rata-rata 2.83) dibandingkan TP_P (1.87), yang bisa menjadi anomali jika perbedaan melebihi deviasi standar. Pada dinding, AD_GG digunakan lebih sering (2.8) dibandingkan AD_PE (2.24) dan AD_S (2.45), yang juga bisa dianggap anomali jika tidak konsisten. Pada pondasi, SP_BT memiliki rata-rata 2.55, lebih tinggi dari SP_A (2.22), yang mungkin mencerminkan anomali
Co-Authors Adam Sulton Afredo Tubur, Hasi Albani Musyafa, Albani Alfinur Insaniyati Umi Sa'adah Alwarizi, Fahrol Amir Machmud Amir Machmud, Amir Andary, Fauziah Andrea Sumarah Asih Andri Daeng Salimung Anggi Hermawan Ardian, Oggi Heical Ariza Tiara Ramadhanti Astuti Umasugi Avon Budiono Bagus Gilang Pratama Bagus Gilang Pratama, Bagus Gilang Bere, Gracensia Bismoko Rahadrian Suseno Cengiz, Korhan Chandra Wahyu Herbyanto Clara Anggreini Ines Benge Dandi Pramono Payungan Dandi Pranomo Darlahanus, David Dian Nurcahyani Dika, Resa Priya Do’o, Ricko Rivaldo Ruben Fahrul Nurfajri Mokoagow Fandanu Firdyan Syah Faturrahman Jahrun Trumpi Filipus Alfriyadi Junaidi Filipus Alfriyadi Junaidi Fitri Nugraheni Fitri Nugraheni Grito, Mortalesel Hadi Riswanto, Teguh Hafid, Anggun Abdul Ibnu Rianto Ilham Mopio Ilham Mopio Ilham Nawawi Ircham Iwan Tri Riyadi Yanto Iwan Tri Riyadi Yanto, Iwan Tri Riyadi Jesika Dekrita Uan Joko Prasojo Joko Prasojo Kartika, Erawati Khairul Mahbubi Khalid S Ridwan Kota, Reynaldus Sean Kristin Yunita Mokoagow, Fahrul Nurfajri Muhammad Hanif Jufri Muhammad Rizky Fajar Mustafa Mat Deris Musyafa', Albani Mutiara Pasande Surugallang Nanda Ramadhani nico siliansyah Norhalina Senan Oggi Heical Ardian Oggi Heicqal Ardian Oni Yuliani Oni Yuliani Ozyurt, Basak Putri Jea, Maria Carvallo Rahmad Junaidi, Rahmad Rahmatullah Gafar kahar Ramadhani, Fauziah ratih dwi indrajad ratih Ratna Kartikasari Rd. Rohmat Saedudin Regita Gusttriana Ricko Rivaldo Ruben Do’o Ridayati Ridayati Riswan Rizal Maulana Rizal Maulana Rizal Maulana, Rizal Rizky Tri Astuti Rizqi Prastowo Sa’adah, Alfinur Insaniyati Umi Sabila, Yusrina Nur Amalia Sabrina Putri Puspitasari Sarwidi Sarwidi Sarwidi, Sarwidi Setya Winarno sianturi, faldi daud suiyoso Silfia Dwi Putri Sogar, Aris Umbu Soru Sulton, Adam Syach Reza Fachlevi Syamsul Arifin Tedy Kurniawan Topac, Tuna triwuryanto Triwuryanto Triwuryanto Triwuryanto Veronica Diana Anis Anggorowati wahyu anisa dwi bekti Yobel, Felix Yulius Wijanarko Zulkahhar Ariga