Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Teknik JURNAL SAINTIS Journal of Informatics Management and Information Technology SAINSTEK
Rachmat Setiawan, Panji
Unknown Affiliation
Arts Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Environmental Science Materials Science & Nanotechnology Mechanical Engineering

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

Found 4 Documents
Search

 1 
STUDI EKSPERIMENTAL PENAMBAHAN ZAT ADDITIF MASTERSURE 1007 TERHADAP KUAT TEKAN BETON SILINDER FC'30: STUDI EKSPERIMENTAL PENAMBAHAN ZAT ADDITIF MASTERSURE 1007 TERHADAP KUAT TEKAN BETON SILINDER FC'30 Kurniawan*, Mahadi; Ahmadi, Heri; Syarif, Firman; Hartati Dewi, Sri; Rachmat Setiawan, Panji; Kahrywal, Kahrywal
JURNAL TEKNIK Vol. 17 No. 2 (2023): Edisi Oktober 2023
Publisher : JURNAL TEKNIK UNILAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/teknik.v17i2.12231

Abstract

ABSTRAK Beton adalah campuran antara semen portland atau semen hidrolis lainnya, agregat halus, agregat kasar dan air dengan atau tanpa bahan tambahan, membentuk massa padat, kuat, dan stabil. Dalam proses pembuatan beton yang mempunyai jarak pengecoran yang jauh dan membutuhkan waktu lama pada saat pengecoran maka diperlukan suatu bahan tambah kimia pada campuran beton salah satunya zat additif Mastersure 1007. Bahan tambah ini dapat berfungsi memperlambat proses pengikatan beton, menaikkan nilai slump, mengurangi pemakaian air, dan meningkatkan kuat tekan beton dalam satu waktu. Penelitian ini menggunakan sampel silinder. Persentase bahan tambah Mastersure 1007 yang digunakan ada 4 varian yaitu 0%, 0.8%, 1% dan 1.2% dari total berat semen. Metode yang digunakan untuk pehitungan campuran beton (mix design) berdasarkan SNI 03-2834-2000. Pengujian dilakukan pada umur 3 hari, 7 hari dan 28 hari. Penelitian dilakukan dengan bahan tambah Mastersure 1007 dengan dosis 0%, 0,8%; 1%; 1,2% dari total berat semen, apakah dapat menahan nilai slump pada beberapa waktu pengadukan dan peningkatan kuat tekan pada dosis 0%; 0,8%; 1%; dan 1,2%. Dari hasil pengujian slump yang telah dilakukan ternyata semakin besar dosis bahan tambah Mastersure 1007 nilai slump yang didapat semakin rendah. Hal ini terjadi akibat reaksi retarder yang terkandung di dalam bahan tambah pada semen tidak bereaksi secara maksimal pada dosis tinggi. Dari hasil pengujian beton yang telah dilakukan, proses pembentukan beton pada umur 3 hari lebih cepat dari pada beton dengan umur 7 hari dan 28 hari. Hasil kuat tekan beton dari penambahan Mastersure 1007 semakin besar dosis bahan tambah yang di tambahkan maka semakin tinggi nilai kuat tekan yang diperoleh. Tetapi pada umur pengujian 7 hari diperoleh hasil yang tidak stabil. Hasil yang diperoleh tersebut membuktikan bahwa kuat tekan beton dengan penambahan Mastersure 1007 pada dosis yang tinggi akan menurunkan nilai slump pada beton sedangkan untuk dosis yang semakin tinggi maka kuat tekan akan semakin meningkat. Kata Kunci: Beton, Mastersure 1007, kuat tekan, beton silinder, slump
Analisis Performa Algoritma Machine Learning Untuk Identifikasi Depresi Pada Mahasiswa Fadhilla, Mutia; Wandri, Rizky; Hanafiah, Anggi; Rachmat Setiawan, Panji; Arta, Yudhi; Daulay, Suandi
Journal of Informatics Management and Information Technology Vol. 5 No. 1 (2025): January 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jimat.v5i1.473

Abstract

Mental health, especially depression, is a major issue among college students due to academic, social, and social media pressures. Depression detection faces challenges such as stigma, low literacy, and ineffective conventional methods. Machine learning technology offers solutions with algorithms such as Naive Bayes, SVM, and Random Forest to improve detection accuracy, support early intervention, and improve the student mental health system. Mental health, especially depression, is a major issue among college students due to academic, social, and social media pressures. Depression detection faces challenges such as stigma, low literacy, and ineffective conventional methods. Machine learning technology offers solutions with algorithms such as Naive Bayes, K-Nearest Neighbor, Decision Tree, Logistic Regression, Random Forest, and Support Vector Machine to improve detection accuracy, support early intervention, and improve the student mental health system. Based on the results of the performance analysis of the machine learning algorithm, the most effective model in predicting depression status in students is Logistic Regression which has an accuracy rate of 95.62%. As a strategic step, machine learning technology can be integrated for early diagnosis of depression in students. This system is expected to be more effective and efficient, improve diagnostic accuracy, and open up opportunities for new approaches to responsive, data-driven mental health.
Optimalisasi Pengelolaan Data Sekolah Melalui Sistem Informasi Sekolah Berbasis Web dengan Pendekatan Agile Wandri, Rizky; Fadhilla, Mutia; Rachmat Setiawan, Panji; Daulay, Suandi; Hanafiah, Anggi; Fiqri Qurniawan, Dwi
SAINSTEK Vol. 13 No. 1 (2025)
Publisher : Sekolah Tinggi Teknologi Pekanbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35583/js.v13i1.327

Abstract

Perkembangan teknologi web dalam pengolahan administrasi di dunia pendidikan adalah fenomena yang semakin mencolok dalam beberapa tahun terakhir. Transformasi digital yang cepat menawarkan banyak manfaat bagi institusi pendidikan, memungkinkan pemrosesan informasi dan pengelolaan administrasi menjadi lebih efisien. Meskipun demikian, banyak lembaga pendidikan terus menggunakan proses semi-manual dengan perangkat lunak seperti Microsoft Word dan Excel, sehingga secara signifikan meningkatkan risiko kesalahan manusia. Penelitian ini menggunakan strategi pengembangan Agile untuk membuat sistem informasi sekolah berbasis web yang lebih efisien dan responsif terhadap kebutuhan pengguna. Hasil evaluasi menunjukkan bahwa sistem ini telah secara efektif meningkatkan efisiensi administrasi dan mencapai tingkat kepuasan pengguna sebesar 78,8%, yang menunjukkan keberhasilan implementasi metodologi Agile dalam lingkungan pendidikan. Dengan fleksibilitas dari agile memudahkan pengembang dalam perbaikan untuk meningkatkan persentase kepuasan nantinya. Sistem ini dapat memberikan solusi yang efisien untuk manajemen administrasi kegiatan sekolah.
Optimization of Accelerometer Sensor Location In Arch Bridge Monitoring System Using The Sensor Elimination Using Capital Assurance Criterion (SEAMAC) Method Ritonga, Qonita; Kurniawan, Mahadi; Syarif, Firman; Rachmat Setiawan, Panji; Ahmadi , Heri; Raveena Putri, Citra; Oktavia, Ferly
JURNAL SAINTIS Vol. 25 No. 01 (2025)
Publisher : UIR Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/saintis.2025.vol25(01).18997

Abstract

      In developing countries such as Indonesia, various fields of construction are currently being actively developed, especially bridge construction. Damage to the bridge structure itself requires very large repair costs. Currently, a monitoring system is being introduced to assess the condition of structures against dynamic loads, namely SHMS (Structural Health Monitoring System). The research aims to determine Finite Element Modeling, the optimal location, and several accelerometer sensors. To determine the condition of the arch bridge structure, it is necessary to detect damage through the results of the structural response recorded via the accelerometer sensor. In identifying the optimum number and location of sensors, the method used in this research is SEAMAC (Sensor Elimination Using Modal Assurance Criterion). Where this method is an algorithm method that performs an elimination on the sensor. The optimal placement of accelerometer sensors is determined using the Sensor Elimination Using Modal Assurance Criterion (SEAMAC) method, focusing on the floor plate and the bridge arch frame. Proper sensor placement is crucial as it yields important location data essential for identifying the modal characteristics of the bridge structure. In total, 16 accelerometer sensor locations were identified, with 8 sensors designated for both the floor plate and the arch frame.
Co-Authors Ahmadi , Heri Ahmadi, Heri Daulay, Suandi Fadhilla, Mutia Ferly Oktavia Fiqri Qurniawan, Dwi Firman Syarif Hanafiah, Anggi Hartati Dewi, Sri Kahrywal, Kahrywal Kurniawan*, Mahadi Kurniawan, Mahadi Raveena Putri, Citra Ritonga, Qonita Rizky Wandri Yudhi Arta, Yudhi