Article Per Year (5 Year)
p-Index From 2021 - 2026
3.817
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) International Journal of Advances in Intelligent Informatics Indonesian Journal on Computing (Indo-JC) Jurnal Kimia Riset JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jiko (Jurnal Informatika dan komputer) Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering Jurnal INFOTEL LOGIC: Jurnal Penelitian Informatika
Isman Kurniawan
Universitas Telkom
Arts Humanities Chemistry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : eProceedings of Engineering

 1 
Pemodelan Produksi Biogas Pada Reaktor Tipe Batch Menggunakan Metode Milne-simpson Predictor-corrector Mohammad Adietya Perdana; Rian Febrian Umbara; Isman Kurniawan
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada penelitian ini dijelaskan model prediksi hasil produksi biogas dengan menggunakan reactor tipe batch. Pada penelitian ini substrat utama dalam produksi biogas adalah substrat glukosa yang memiliki nilai konsentrasi awal 500 gCODm-3 dan waktu produksi biogas dilakukan selama 106 jam. Didalam penelitian ini juga dijelaskan mengenai konsentrasi substrat dan mikroba yang terlibat pada perencanaan anaerobik, penentuan keakurasian hasil konsentrasi metana pada simulasi dan ekperimen yang sudah dilakukan pada penelitian rujukan [2], pengaruh nilai pembagi interval terhadap waktu proses perhitungan, dan juga pengaruh konsentrasi awal glukosa dan mikroorganisme terhadap hasil konsentrasi metana. Dalam memprediksi produksi biogas diperlukan suatu model yaitu Anaerobic Digestion Model 1 (ADM1) karena didalam model ADM1 mencakup kinetika disintegrasi partikel karbohidrat, protein, lipid, hidrolis, dan asam amino. Untuk mendapatkan hasil model yang memiliki keakurasian tinggi digunakan metode numerik Milne-Simpson Predicor-Corrector. Hasil pemodelan kandungan metana dari produksi biogas pada penelitan ini mengalami kenaikan tren pada nilai konsentrasi hingga mencapai 417,51573 gCODm-3 dan konsentrasi mikroba terbesar dari produksi ini adalah konsentrasi mikroba glukosa mencapai 77,67351 gCODm-3. Kata Kunci: Biogas, ADM1, Metode Milne-Simpson Predictor-Corrector.
Simulasi Produksi Metana Dalam Reaktor Anaerobik Fadhli Rahman; Isman Kurniawan; Reza Fauzi Iskandar
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Biogas bias anya mengacu pada campuran gas yang berbeda yang dihas ilkan oleh pemecahan bahan organik tanpa adanya oks igen. Biogas dapat dihas ilkan dari bahan baku s eperti limbah pertanian, pupuk kandang, s ampah kota dan limbah makanan. Biogas dapat diproduks i oleh pencernaan anaerobik dengan organis me anaerob, yang mencerna materi dalam s is tem tertutup, atau fermentas i dari bahan biodegradable . Tujuan penelitian ini membangun s ebuah model matematika dari pros es produks i biogas yang terjadi dalam diges ter anaerobic dan dapat dibandingkan dengan has il eks perimen. Fokus utamanya pada s imulas i pemodelan produks i biogas berdas arkan s tandar IWA ADM 1 (Anaerobic Digestion Model No 1). Model ini didefinis ikan oleh s atu s et pers amaan diferens ial dan aljabar (DAE). Pada penelitian ini, s ubs trat yang digunakan adalah glukos a. Dari has il s imulas i didapatkan bahwa has il produk pada s ubs trat menunjukkan tinggi kepekaan untuk model mas ing -mas ing komponen dan kons entras i metana adalah komponen paling s ens itif yang te rkait dengan s emua pros es yang digunakan dalam model. Untuk pengembangan penelitian s elanjutnya dalam model ADM1 ini diharapakan lebih banyak komponen bes erta varias inya yang digunakan dalam s imulas i agar mendapatkan has il metana yang lebih baik lagi. Kata kunci: ADM1; Biogas ; Pemodelan.
Pemodelan Produksi Biogas Pada Reaktor Tipe Batch Menggunakan Metode Adams Bashforth Moulton Prediktor Korektor Furqon Hidayat; Deni Saepudin; Isman Kurniawan
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada penelitian tugas akhir ini dilakukan simulasi mengenai pemodelan produksi biogas pada reaktor batch dengan menggunakan  metode  Adams-Bashforth-Moulton  Prediktor  Korektor.  Penelitian  ini  dilakukan  karena  untuk mengetahui pengaruh Anaerobic Digestion Model 1 (ADM 1) terhadap perubahan mikroorganisme yang memecahkan komponen-komponen biodegradable dalam proses produksi biogas tersebut. Proses penelitian ini dilakukan dengan berbagai tahap yaitu melakukan penentuan model kinetika reaksi lalu selanjutnya melakukan penurunan model matematika   dan   selanjutnya   menyelesaikan   model   matemetika   dengan   numerik   dengan   metode   Adams- BashforthMoulton Prediktor Korektor dan terakhir melakukan interpretasi hasil perhitungan. Dalam penelitian ini hasil analisis simulasi di antara semua parameter kinetik dan stoikiometri, produk, substrat (hasil produk pada substrat) nilai menunjukkan sensitivitas yang tinggi pada hampir semua komponen. Konsentrasi metana adalah yang paling sensitif di antara limakomponen. Dan sementara asetat dan glukosa memiliki sensitivitas yang tinggi, propionat dan butirat menunjukkan sensitivitas yang relatif rendah. Ditemukan bahwa kepekaan komponen paling tergantung pada jumlah proses yang terkait dengan mereka. Sebagai contoh, glukosa adalah substrat utama dan konsentrasinya dikendalikan oleh penyerapan proses gula saja.  Dari hasil perhitungan mempunyai waktu yang berbeda. Semakin banyak N (pembagi interval) dari semua komponen yang digunakan maka waktu perhitungannya juga semakin lama. Kata Kunci: Biogas, Anaerobic Digestion Model 1 (ADM 1), Metode Adams Bashforth Moulton Prediktor Korrektor
Pemodelan Produksi Biogas Pada Reaktor Batch Menggunakan Metode Runge Kutta Gill Ardhyka Dewantara; Rian Febrian Umbara; Isman Kurniawan
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini dilakukan untuk membuat model prediksi terhadap hasil biogas yang didapatkan dengan menggunakan reaktor tipe batch. Proses simulasi tersebut dapat menggunakan Anaerobic Digestion Model (ADM1) dengan menggunakan konsentrasi awal glukosa sebesar 500 mgCOD/l dan konsentrasi awal mikroba sebesar 30 mgCOD/l selama 106 jam. Pada penelitian ini bertujuan untuk mengetahui profil kinetika reaksi yang terlibat, penentuan akurasi perhitungan, pengaruh nilai pembagi interval terhadap waktu perhitungan, dan pengaruh konsentrasi awal pada substrat glukosa dan mikroba. Metode yang digunakan untuk memodelkan produksi biogas adalah Runge Kutta Gill. Hasil simulasi menunjukkan bahwa metana yang dihasilkan dari proses tersebut sebesar 417,49250 mgCOD/l dengan jumlah pembagi interval sebanyak 197.003. Selain itu, jumlah konsentrasi mikroba glukosa merupakan yang terbesar dibanding mikroba lainnya, sebesar 77,66615 mgCOD/l. Nilai parameter yang disarankan pada ADM1 hanya cocok untuk lama produksi kurang dari 29 jam. Konsentrasi awal substrat glukosa dan mikroba berpengaruh terhadap jumlah metana yang dihasilkan. Namun pada konsentrasi awal mikroba yang lebih dari 30 mgCOD/l maka akan menghasilkan jumlah metana yang cenderung konstan. kata kunci : biogas, ADM1, metode runge kutta gill
Analisis Trending Topik Pada Twitter Menggunakan Metode Naive Bayes Dengan Pembobotan Tf-idf Saut Sihol Ritonga; Erwin Budi Setiawan; Isman Kurniawan
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Twitter adalah salah satu media sosial yang banyak sekali para penggunanya menceritakan berbagai macam banyak kejadian oleh karena itu perlu megklasifikasi topik menjadi dengan akurasi tinggi untuk lebih baik pengambilan informasi. Oleh karena itu penulis melakukan penelitian untuk mengatasi masalah ini dengan membagi beberapa tren topik twitter. Pembobotan yang digunakan adalah TF-IDF dengan menggunakan Naïve Bayes. Akurasi terbaik pada pembobotan TF-IDF menggunakan klasifikasi Naïve Bayes didapat pada skenario data training, data tesing 80:20 adalah 57.08% dan memiliki nilai f-measure 0.52. Trending pertama yang terdeteksi dari pengambilan data dari bulan 25 Juli sampai 28 Agustus adalah politik dengan persentase 26.88% lalu kedua senbud persentase 8.65% dan yang ketiga hukam 8.27%. Kata Kunci: Twitter, Naive Bayes, TF-IDF, Topik. Abstract Twitter is one of the many social media users who tell a wide variety of events so it is necessary to classify topics into high accuracy for better information retrieval. Therefore, the authors conducted research to overcome this problem by dividing a number of Twitter topic trends. The weighting used is TF-IDF by using Naïve Bayes. The best accuracy on TF-IDF weighting using the Naïve Bayes classification is obtained in the training data scenario, the 80:20 testing data is 57.08% and has an f-measure value of 0.52. The first trend detected from data collection from July 25 to August 28 is politic with a percentage of 26.88%, then second senbud with a percentage of 8.65% and a third with 8.27% hukam. Keyword: Twitter, Naive Bayes, TF-IDF, Topic
Implementasi Metode Gravitational Search Algorithm- Adaboost Untuk Pada Prediksi Diabetes Pada Anak Berdasarkan Data Ekspresi Gen Farid, Mochammad Rafi; Kurniawan, Isman
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes merupakan penyakit parah yang terjadipada saat insulin tidak dapat dihasilkan dengan baik plehpankreas atau pada saat tubuh tidak bisa menggunakaninsulin yang diproduksi oleh pankreas secara efektif, Insulinmerupakan suatu hormon dengan fungsi mengontrolglukosa dalam darah. Diabetes melitus tipe 1 (DMT1) seringterjadi pada anak dan remaja hingga 90%. Data yangberisi profil ekspresi gen pada anak-anak dengan T1D danT2D, pengukuran dilakukan saat diagnosis pada awal dandiulang 4 bulan setelahnya , dan juga setelah mendapatkanpengobatan, maka Matriks ekspresi gen kemudianditransposisikan dan tiga fitur demografis yang dianggappenting yaitu usia, jenis kelamin, dan ras. Setelahmelakukan proses GSA, dataset akan dilakukan prosesklasifikasi, dengan menggunakan metode utama yaituAdaptive Boosting (AdaBoost), selanjutnya ditambahkan 2metode ensemble sebagai pembanding yaitu KNeighbors(KNN), Multi- Layer Perceptron (MLP). Kemudiandilakukan hyperparameter tuning bertujuan untuk mencariniai yang paling optimal dengan meningkatkan kinerja padamodel. Parameter scanning pada proses tuning dilakukandengan menggunakan search cross validation (grid searchCV). tersebut akan menjadi tolok ukuruntuk mengevaluaisiketiga model yang digunakan sehingga diperoleh hasilpaling optimal yakni AdaBoost dengan accuracy 0,666 danF1-Score 0,769. Kata kunci: Diabetes melitus, Gravitational Search Algorithm, Multi-Layer Perceptron, Adaptive Boosting, KNeighbors
Co-Authors Ali Assegaf Annisa Aditsania Ardannur Deswanto, Farrel Ardhyka Dewantara Arionmaro Asi Simaremare Arsytania, Ihsani Hawa Azizah, Kholishoh Nur Bambang Hadi Prakoso Crisanadenta Wintang Kencana Danang Triantoro Murdiansyah Delfina, Haura Adzkia Deni Saepudin Devi Munandar Didit Adytia Diya Namira Purba Ekky Wicaksana Erwin Budi Setiawan Fadhli Rahman Farid, Husnul Khotimah Farid, Mochammad Rafi Fhira Nhita Furqon Hidayat Husnul Khotimah Farid Hutama, Nanda Yonda I Kadek Andrean Pramana Putra Pramana Iljannah, Nissa Indra A Aditya Jayanata, Wisnu Kamil, Nabilla Kemas Muslim Lhaksmana Khoerunnisa, Ghina Komang Triolascarya Lela Lailatul Khumaisah Lela Mukmilah Yuningsih Lusi Sofiana Silaban Maya Rosalinda Mela Mai Anggraini Mohammad Adietya Perdana Nabilla Kamil Nanda Yonda Hutama Nurul Ikhsan Reina Wardhani Reza Fauzi Iskandar Reza Rendian Septiawan Rian Febrian Umbara Rizki Amanullah Hakim Rizki, Alfath Muhammad Salsabil, Adinda Arwa Sapitri, Nazwa Martina Saut Sihol Ritonga Wicaksana, Ekky Wisesty , Untari Novia Yusuf, Muhammad Rizky Yusfian