Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Meteorologi Klimatologi dan Geofisika JIKA (Jurnal Informatika) Jurnal INFOTEL IJISCS (International Journal of Information System and Computer Science)
Syahab, Alfin Syarifuddin
Unknown Affiliation
Astronomy Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Environmental Science Mathematics Physics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
RANCANG BANGUN SOLAR TRACKER OTOMATIS PADA PENGISIAN ENERGI PANEL SURYA BEBASIS INTERNET OF THINGS Syahab, Alfin Syarifuddin; Romadhon, Hanif Cahyo; Hakim, M. Luqman
Jurnal Meteorologi Klimatologi dan Geofisika Vol 6 No 2 (2019): Jurnal Meteorologi Klimatologi dan Geofisika
Publisher : Unit Penelitian dan Pengabdian Masyarakat Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (919.887 KB) | DOI: 10.36754/jmkg.v6i2.120

Abstract

Indonesia merupakan negara tropis yang mendapatkan pencahayaan sinar matahari optimum di permukaan bumi. Sementara kebutuhan energi listrik meningkat dikarenakan pertumbuhan penduduk dan perkembangan teknologi. Hal ini menyebabkan adanya kebutuhan suatu energi alternatif. Salah satu inovasi untuk mendapatkan energi listrik adalah dengan cara memanfaatkan cahaya matahari menggunakan panel surya. Panel surya adalah alat yang mampu mengubah energi panas dari cahaya matahari menjadi energi listrik. Panel surya akan menerima daya sebesar intensitas cahaya matahari yang diterimanya dari pancaran cahaya matahari. Namun banyak dipasang secara tetap, sehingga daya yang terserap oleh panel surya menjadi tidak maksimum akibat penyerapannya yang tidak optimal. Penelitian ini bertujuan untuk merancang suatu alat yang mampu menyerap pancaran cahaya matahari secara optimal dengan menggunakan sistem pelacak otomatis berbasis mikrokontroler 2560. Sistem pelacak energi surya tersebut mampu menyerap energi listrik rata-rata sesaat 9.933 Watt, sedangkan energi rata-rata sesaat yang dihasilkan sistem panel surya statis adalah 0.8 Watt. Hasil monitoring tersebut dapat dilihat menggunakan sistem komunikasi berbasis internet secara realtime yang ditampilkan pada display web thingspeak.com dan aplikasi android virtuino.
PENGGUNAAN WIRESHARK DAN NESSUS UNTUK ANALISIS SSL/TLS PADA KEAMANAN DATA PENGGUNA WEBSITE Syahab, Alfin Syarifuddin; Ujianto, Erik Iman Heri; Rianto, Rianto
Jurnal Informatika Vol 7, No 2 (2023): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v7i2.7566

Abstract

Perkembangan website di Indonesia meningkat signifikan dikarenakan bertambahnya pengguna layanan internet. Di sisi lain website yang memiliki data pengguna memiliki kerentanan. Serangan pada website dapat mengekploitasi sistem. Serangan tersebut dilakukan untuk mengetahui username, password, dan file sensitif. Protokol SSL/TLS merupakan bentuk keamanan pada web untuk komunikasi jaringan aman antara client dan server melalui koneksi terproteksi. Penelitian ini bertujuan untuk menganalisis SSL/TLS pada data pengguna website Badan Meteorologi Klimatologi dan Geofisika (BMKG) daerah X yang memberikan informasi cuaca dan iklim kepada masyarakat. Pengujian dilakukan menggunakan metode penelusuran paket data dengan aplikasi Wireshark dan menggunakan metode pemindaian website berupa vulnerability assessment dengan aplikasi Nessus. Hasil penelusuran paket data menunjukkan web server sudah diverifikasi sertifikat SSL/TLS dan server public key dengan protokol TLS 1.2 sehingga mampu melindungi data pengguna menggunakan enkripsi client dan server menggunakan algoritma hash SHA256. Hasil analisis pemindaian berupa vulnerability assessment menunjukkan level resiko keseluruhan adalah medium. Vulnerability priority rating (VPR) score menemukan tiga informasi kerentanan SSL/TLS yang membutuhkan tindakan evaluasi dan tindak lanjut dalam mengurangi resiko kerentanan website. Hasil penelusuran paket data dan vulnerability assessment pada SSL/TLS dapat membantu mengidentifikasi kelemahan sistem informasi website sehingga dapat menentukan langkah dalam penguatan performa keamanan website untuk melindungi dari serangan siber.
A HYBRID ARIMA-MLP ALGORITHM USING ARIMA AND MLP TO IMPROVE ESTIMATION MODEL PERFORMANCE IN SOLAR RADIATION SENSOR DATA Syahab, Alfin Syarifuddin; Hermawan, Arief; Avianto, Donny
IJISCS (International Journal of Information System and Computer Science) Vol 7, No 3 (2023): IJISCS (International Journal of Information System and Computer Science)
Publisher : Bakti Nusantara Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/ijiscs.v7i3.1617

Abstract

Ground-based solar radiation measurements help solar energy projects and applications. Various models have been developed to estimate solar radiation. Then, several additional models were created using improved machine learning. Currently, estimating solar radiation with the help of hybrid models is more efficient. In this research, the basic concepts of modeling procedures for hybrid between the Autoregressive Integrated Moving Average (ARIMA) and the Multilayer Perceptron (MLP) are used to improve the performance of the ARIMA and MLP models in estimating solar radiation data from a pyranometer sensor installed on the automatic weather station (AWS) at Stasiun Klimatologi Daerah Istimewa Yogyakarta.  The test results of the estimation model based on the coefficient of determination (R2) value and root mean square error (RMSE) show that the ARIMA model can provide a high coefficient of determination value in each data splitting scenario. The MLP estimation model shows a coefficient of determination value that is lower than the ARIMA model. On the other hand, MLP is able to improve the RMSE value in the ARIMA model in 70:30 and 90:10 splitting data. Furthermore, the ARIMA-MLP hybrid estimation model is able to improve the RMSE value of the ARIMA and MLP models even though the coefficient of determination value is not as good as the ARIMA model. This research shows that the ARIMA-MLP hybrid model is able to contribute to increasing the accuracy value in RMSE compared to the ARIMA and MLP models in estimating solar radiation sensor data.
Solar Radiation Prediction using Long Short-Term Memory with Handling of Missing Values and Outliers Syahab, Alfin Syarifuddin; Achamd, MS Hendriyawan
JURNAL INFOTEL Vol 16 No 4 (2024): November 2024
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v16i4.1225

Abstract

The pyranometer sensor is an instrument for measuring Global Horizontal Irradiance (GHI) which is used as parameter for analyzing and predicting weather. GHI data which is processed into prediction model for photovoltaics is useful for determining the performance of solar power generation systems in distributed energy operations. However, GHI sensor data has weaknesses in missing values and outliers due to measurement errors. The research designed a GHI sensor data prediction model using data preprocessing by the imputation of missing values using linear, polynomial, and Piecewise Cubic Hermite Interpolating Polynomials (PCHIP) interpolation and eliminating outliers using Random Sample Consensus (RANSAC) on the dataset. Previous researches show that Long Short-Time Memory (LSTM) can improve the performance of predictions compared to machine learning. This research designs an LSTM prediction model with data preprocessing and without data preprocessing. The results of the imputation of missing values obtained the best performance in PCHIP with Mean Absolute Error (MAE) 39.708 W/m2, Root Mean Absolute Error (RMSE) 76.224 W/m2, Normalized Root Mean Absolute Error (NRMSE) 0.433, and Coefficient Determination (R2) 0.903 then imputation from outlier elimination obtained MAE 44.377 W/m2, RMSE 86.738 W/m2, NRMSE 0.500, and R2 0.886. RANSAC testing succeeded in eliminating 100% outliers. The results of LSTM with data preprocessing obtained better performance with the best evaluations on MAE, RMSE, NRMSE, and R2 for test data of 42.863 W/m2, 82.396 W/m2, 0.396 and 0.918. This study contributes to GHI prediction model that can handle missing values ​​and outliers from sensors to support solar power plants.
Co-Authors Achamd, MS Hendriyawan Donny Avianto Erik Iman Heri Ujianto Hakim, M. Luqman Rianto Rianto Romadhon, Hanif Cahyo