Article Per Year (5 Year)
p-Index From 2021 - 2026
2.304
P-Index
This Author published in this journals
All Journal Jurnal Rekayasa Mesin Jurnal Teknik Elektro dan Komputasi (ELKOM) IJITEE (International Journal of Information Technology and Electrical Engineering) JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga) Jurnal Rekayasa Elektro Sriwijaya International Journal of Research in Vocational Studies (IJRVOCAS) Ramatekno Journal of Electronics Technology Exploration (JOeTEx)
Ningtias, Dieta Wahyu Asry
Universitas Sains Dan Teknologi Komputer, Indonesia
Aerospace Engineering Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
KOMPARASI SIFAT MAMPU KERAS DAN KETANGGUHAN BAJA KARBON RENDAH ST 42 DAN AISI 1020 Ramadhani, Savitri; Hildan Fahrizal Nur Faurizki; Widiyanti; Dieta Wahyu Asry Ningtias; Chezta Ahmad Muzakky
JURNAL RAMATEKNO Vol 6 No 1 (2026): Ramatekno_6_1_2026
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v6i1.323

Abstract

Masifnya penggunaan logam baja di dunia industri menuntut adanya perbaikan sifat mekanis baja yang digunakan, salah satunya yaitu jenis baja karbon rendah. Guna mengakomodir tujuan tersebut, maka dilakukan penelitian untuk mengidentifikasi perbedaan sifat hardenability antara baja ST 42 dan baja AISI 1020 yang tergolong ke dalam jenis baja karbon rendah. Hardenability dikaitkan dengan kedalaman dan distribusi nilai kekerasan yang dapat dicapai baja. Perlakuan yang diberikan yaitu hardening dan dilanjutkan dengan quenching. Selanjutnya, pengujian kekerasan dilakukan menggunakan metode Rockwell pada empat titik uji pada penampang lingkaran, yaitu pada permukaan, ¾ jari-jari, ½ jari-jari, dan bagian inti, serta uji impact metode Charpy. Berdasarkan hasil penelitian, didapat nilai rata-rata kekerasan tertinggi baja ST 42 yaitu sebesar 46.042 HRA dan paling rendah sebesar 38.032 HRA sedangkan untuk baja AISI 1020 nilai kekerasan tertinggi sebesar 55.248 HRA dan terendah sebesar 52.928 HRA. Sementara itu, hasil penelitian uji impact menunjukkan rata-rata ketangguhan baja ST 42 lebih tinggi dibanding baja AISI 1020. Berdasarkan distribusi nilai rata-rata kekerasan pada kedua jenis baja tersebut dapat disimpulkan bahwa sifat hardenability baja AISI 1020 lebih baik daripada baja ST 42, tetapi sifat ketangguhannya lebih rendah daripada baja ST 42. 
Prediksi Iradiasi Matahari Menggunakan Machine Learning untuk Estimasi Output PLTS di Wilayah Malang Humaidi, Haneef Nouval Alannibras; Handayani, Sita Tri; Kasan, Nur; Hakim, Ermanu Azizul; Al Rasyid , Zya Jamaluddin; Ningtias, Dieta Wahyu Asry
Jurnal Rekayasa Elektro Sriwijaya Vol. 7 No. 2 (2026): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/hsar2478

Abstract

Accurate solar irradiance prediction is fundamental for planning and operating solar photovoltaic (PV) power systems. This study compares the performance of four machine learning algorithms — Random Forest (RF), Support Vector Regression (SVR), XGBoost, and Artificial Neural Network (ANN) — in predicting daily Global Horizontal Irradiance (GHI) in Malang, East Java. The dataset was obtained from NASA POWER spanning 10 years (2014–2023), comprising 3,646 daily records with 11 input features including meteorological parameters, temporal features, and autoregressive features. Data splitting was performed chronologically (70% training, 15% validation, 15% testing). Results show that XGBoost achieved the best performance with R² = 0.6797, RMSE = 0.5212 kWh/m²/day, and MAPE = 8.35%. Seasonal analysis reveals all models perform better during the dry season (R² = 0.74; MAPE = 6.63%) compared to the wet season (R² = 0.54; MAPE = 11.06%). A 5 kWp PV system in Malang is estimated to produce 7,626 kWh/year.
Co-Authors Al Rasyid , Zya Jamaluddin Ali nur Fatoni Anggit Kristiawan, Timotius Asmoro, Purwandito Tulus Ayu Janitra, Atikah Bayu, Tatar Chezta Ahmad Muzakky Dani Usman Ermanu Azizul Hakim Fransisco Danang Wijaya Hadisantoso, Feri Siswoyo Handayani, Sita Tri Haneef Nouval Alannibras Humaidi Hasanah, Nurriza Kholifatulloh Heri Yudiono Hildan Fahrizal Nur Faurizki Humaidi, Haneef Nouval Alannibras Lesnanto Multa Putranto Marliyati Ningrum, Siti Mardiyanti Nur Kasan, Nur Prasetya, Valendry Naufal Pratama, Aziz Yulianto Ramadhani, Savitri Rizal Rahma Sandi Sapruddin, Ayu Fitriah Setiyawan, Trio Syafrudi Syafrudi Syukur Alfauzi, Abdul Tono Putri, Farika Widhaninggar, Diana Fika Widiyanti Widodo Yusuf Dewantoro Herlambang