Article Per Year (5 Year)
p-Index From 2021 - 2026
2.42
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Informatika dan Teknik Elektro Terapan e-Jurnal Arus Elektro Indonesia RELE: Rekayasa Elektrikal dan Energi Jurnal Teknik Elektro Elsains : Jurnal Elektro Jurnal Teknik Elektro dan Komputasi (ELKOM) Best : Journal of Applied Electrical, Science and Technology BEES: Bulletin of Electrical and Electronics Engineering Jurnal Abdimas Terapan Jurnal Penelitian Multidisiplin Bangsa Emitor: Jurnal Teknik Elektro
Prenata, Giovanni Dimas
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Mechanical Engineering Physics Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Evaluation of ANN Training Methods: A Comparative Study of Back Propagation, Genetic Algorithm, and Particle Swarm Optimization for Predicting Electrical Energy Consumption Prenata, Giovanni Dimas
Emitor: Jurnal Teknik Elektro Vol 25, No 3: November 2025
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v25i3.12719

Abstract

This study compares the performance of ANN with three training methods: Backpropagation (BP), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) in a simple classification case. The results show that ANN GA has the smallest average error (0.0308), followed by ANN BP (0.0569), while ANN PSO is much larger (0.7559). Thus, ANN GA proved to be the most stable and accurate, ANN BP still performed quite well, while ANN PSO had the weakest performance.
Sistem Monitoring Alat Perkakas Pada Kendaraan Truk Towing Menggunakan ESP32 Ridho’i, Ahmad; Prenata, Giovanni Dimas; Prasetyo, Arif Bayu
Jurnal Penelitian Multidisiplin Bangsa Vol. 2 No. 10 (2026): Maret
Publisher : Amirul Bangun Bangsa Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpnmb.v2i10.793

Abstract

Kamera adalah perangkat umum yang telah menjadi bagian tak terpisahkan dalam pengambilan gambar atau perekaman peristiwa yang nantinya dapat dilihat oleh individu lain. Selain itu, kamera juga memiliki kemampuan untuk menggantikan peran mata manusia dalam proses pengamatan visual. Mata manusia mampu mengidentifikasi dan memproses informasi visual, termasuk warna, bentuk, dan berbagai unsur lainnya dalam lingkungan sekitarnya. Penelitian ini bertujuan untuk merancang sistem deteksi objek dengan memanfaatkan kamera sebagai komponen utamanya. Mikrokontroler ESP32 yang terintegrasi dengan ESP32-CAM digunakan untuk pengawasan visual, dan sistem ini didukung oleh motor servo SG90 yang dapat dikendalikan oleh pengguna. Melalui integrasi Web Server, pengguna dapat dengan mudah memantau kamera secara real-time melalui perangkat seluler mereka. Keuntungan tambahan dari integrasi ini adalah meningkatkan keterlibatan dan kenyamanan pengguna, memungkinkan mereka untuk mengakses informasi visual dengan cepat dan efisien. Hasil pengujian menunjukkan bahwa sistem berhasil menampilkan streaming video secara real-time pada antarmuka Web Server dengan tingkat latensi rata-rata sebesar 5 milidetik. Motor servo SG90 terbukti mampu merespons perintah kontrol dari perangkat seluler dengan akurasi pergerakan sudut sebesar 90O, memperluas cakupan area pemantauan. Selain itu, fungsi deteksi objek pada sistem ini mampu beroperasi dengan tingkat akurasi mencapai 99,8 % pada kondisi pencahayaan terang. Penerapan sistem deteksi objek melalui kamera, ESP32, dan motor servo SG90 juga memiliki potensi dalam berbagai skenario, seperti pengawasan industri, pemantauan lalu lintas, atau keamanan rumah tangga. Dengan adopsi teknologi ini, pengembangan solusi inovatif di berbagai bidang dapat lebih dimungkinkan.
Transformasi Energi Bersih melalui Implementasi PLTS sebagai Sumber Energi Terbarukan untuk Pertanian di Desa Sajen, Pacet Prenata, Giovanni Dimas; Arief , Maulana; Patriadi , Andi; Ridho’i, Ahmad; Setyadjit , Kukuh
Jurnal Abdimas Terapan Vol. 5 No. 2 (2026): JURNAL ABDIMAS TERAPAN (MEI)
Publisher : Program Vokasi Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56190/jat.v5i2.117

Abstract

Kegiatan pengabdian kepada masyarakat hibah DPPM Kemenristekdikti-Sainstek ini bertujuan untuk menerapkan dan menguji efektivitas sistem Pembangkit Listrik Tenaga Surya (PLTS) sebagai sumber energi terbarukan dalam mendukung pertanian ramah lingkungan di Desa Sajen, Kecamatan Pacet, Kabupaten Mojokerto. Program ini dirancang untuk menggantikan penggunaan pestisida kimia dengan solusi berbasis energi bersih melalui penerapan lampu penangkap serangga yang bekerja otomatis menggunakan energi surya. Sistem terdiri atas dua unit PLTS berkapasitas total 400 Wp, satu baterai 12 V 100 Ah, inverter 1500 W, dan solar charge controller tipe MPPT 60 A, yang mengoperasikan enam lampu anti serangga berdaya 11 W di setiap titik. Hasil implementasi menunjukkan bahwa sistem beroperasi stabil selama 10–12 jam per malam dengan efisiensi keseluruhan sekitar 69% dan tegangan keluaran konstan pada 220 V ± 5%. Pengamatan lapangan selama lima hari menunjukkan penurunan populasi hama hingga 55% dibandingkan area kontrol tanpa perlindungan, serta peningkatan kesadaran masyarakat terhadap pemanfaatan energi terbarukan. Program ini terbukti efektif dalam mengurangi ketergantungan terhadap pestisida, menurunkan risiko pencemaran lingkungan, dan meningkatkan keamanan malam hari di area pertanian. Hasil ini memperlihatkan bahwa penerapan PLTS skala kecil berpotensi menjadi solusi berkelanjutan untuk mendukung transformasi energi bersih dan ketahanan pangan desa berbasis teknologi hijau.
Performance analysis of single and multi-stage metaheuristic optimization on DFFNN for electrocardiogram-based emotion classification Prenata, Giovanni Dimas; Ridho’i, Ahmad
International Journal of Electrical and Computer Engineering (IJECE) Vol 16, No 3: June 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v16i3.pp1562-1575

Abstract

Emotion classification based on electrocardiogram (ECG) signals has attracted increasing attention in affective computing and biomedical signal processing. However, training deep feedforward neural networks (DFFNN) using conventional gradient-based learning often suffers from local minima and slow convergence, particularly when dealing with nonlinear and limited datasets. This study presents a comprehensive performance analysis of single-stage and multi-stage metaheuristic optimization strategies applied to DFFNN for ECG-based emotion lassification in elderly participants. Five models were evaluated: Pure DFFNN, DFFNN optimized using genetic algorithm (GA), particle swarm optimization (PSO), grey wolf optimizer (GWO), and a hybrid multi-stage DFFNN+GA+GWO model. Experimental results from six independent trials demonstrate a substantial reduction in mean squared error (MSE) when metaheuristic optimization is applied. Pure DFFNN produced final MSE values in the range of 0.07462–0.08977, whereas DFFNN+GWO reduced MSE to 0.01894–0.02411. The proposed multi-stage DFFNN+GA+GWO achieved the lowest MSE of 0.014286 in the best run and an average MSE of approximately 0.0212 across trials. Training accuracy improved from 57.14%–66.67% (Pure DFFNN) to 80.95%–85.71% using metaheuristic pproaches. Although testing accuracy remained relatively stable at 33.33%–50.00% due to dataset size constraints, convergence behavior analysis shows that multi-stage optimization enhances stability and reduces oscillatory updates. These findings confirm that multi-stage metaheuristic optimization significantly improves training stability and error minimization in DFFNN models, offering a promising strategy for robust ECG-based emotion classification under small-sample conditions.
Co-Authors Arief , Maulana Aris Heri Andriawan, Aris Heri Baihaqi, Ahmad Basyarach, Niken Adriaty Fidhini, Fachrul Fauzan Noufanda, Yudo Farrel Patriadi , Andi Prasetyo, Arif Bayu Prayoga, Ageng Puji Slamet, Puji Rafli, Syah Achmad Amar Reza Sarwo Widagdo ridhoi, achmad Ridhoi, Ahmad Ridho’i, Ahmad Setiawan, Dani Agus Setiyawan, Ryan Agus Setyadjit , Kukuh Subekti Yuliananda, Subekti Subyakto, Doris Swarga, Lutfi Agung Wardah, Izzah Aula