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 35 Documents
Search

 1   2   3   4 
Transformer Implementation for Short Term Electricity Load Forecasting, Case Study: Bali, Indonesia Arionmaro Asi Simaremare; Indra A Aditya; Didit Adytia; Isman Kurniawan
JIKO (Jurnal Informatika dan Komputer) Vol 5, No 3 (2022)
Publisher : JIKO (Jurnal Informatika dan Komputer)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v5i3.5379

Abstract

Short term load forecasting is a crucial process in ensuring optimal and reliable operation of electric power system which is critical in sustaining highly technological economies. Various approaches and methods have been implemented in forecasting electricity load of a system including statistical methods such as auto regression and machine learning methods such as support vector machine and also deep learning methodology as recurrent neural network methodology which gain popularity in electricity load forecasting nowadays. In this paper, Transformer as a deep learning methodology is used to forecast hourly electricity load in Bali Area. Three lookback days scenario and ten days of forecast period are used to evaluate the performance of the Transformer models. This study suggest that although higher lookback days will give more complicated model due to increasing number of parameters involved, the best overall prediction performance are given by transformer model with 1 day of lookback period. The three model in this study also tend to have low prediction performance in predicting electricity load for weekend or holiday period. Future study using multivariate transformer model is suggested to improve the prediction performance of the transformer model in predicting electricity load in Bali area.
QSAR Study on Diacylgycerol Acyltransferase-1 (DGAT-1) Inhibitor as Anti-diabetic using PSO-SVM Methods I Kadek Andrean Pramana Putra Pramana; Reza Rendian Septiawan; Isman Kurniawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 5 (2022): Oktober 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (494.931 KB) | DOI: 10.29207/resti.v6i5.4294

Abstract

Diabetes mellitus is a chronic disease that can occur in anyone. Up until now, there are no specific drugs have been found which can completely cure diabetes. One of the possible steps to treat diabetes mellitus is by inhibiting the growth of the Diacylglycerol Acyltransferase-1 (DGAT-1) enzyme. This study aims to build a QSAR model on DGAT-1 inhibitors as anti-diabetic using Particle Swarm Optimization (PSO) and Support Vector Machine (SVM). Acyl-CoA: DGAT1 is a microsomal enzyme in lipogenesis which is increased in metabolically active cells to meet nutrient requirements. Microsomal enzymes that have an important in the triglyceride-synthesis process of 1,2-diacylglycerol by-catalyzing-acyl-coa-dependent-acylations as anti-diabetics. The dataset used in this study consists of 228 samples containing molecular structures and their inhibitor activities. We reduce the number of features by removing features with a standard deviation less than the threshold value, followed by the PSO algorithm. The best-predicted result is obtained through the implementation of SVM with RBF kernel, with the score of and are 0.75 and 0.67, respectively.
DPP IV Inhibitors Activities Prediction as An Anti-Diabetic Agent using Particle Swarm Optimization-Support Vector Machine Method Reza Rendian Septiawan; Bambang Hadi Prakoso; Isman Kurniawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 6 (2022): Desember 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i6.4470

Abstract

Diabetes mellitus is a chronic illness that can affect anyone, while the medicine that can entirely cure diabetes has not been discovered yet. Dipeptidyl Peptidase IV (DPP IV) inhibitor is one of the agents with potency as an anti-diabetic treatment. In this work, we utilized the machine learning method to predict the activity of DPP IV as an anti-diabetic agent. We combined Particle Swarm Optimization (PSO) method for features selection and the Support Vector Machine (SVM) for the prediction model. Three SVM kernels, i.e., radial basis function (RBF), polynomial, and linear, were utilized, and their performance was compared. A Hyperparameter tuning procedure was conducted to improve the performance of models. According to the results, we found that the best model obtained from SVM with RBF kernel with the value R2 of train and test set are 0.79 and 0.85, respectively.
Implementation of Ensemble Methods on Classification of CDK2 Inhibitor as Anti-Cancer Agent Isman Kurniawan; Mela Mai Anggraini; Annisa Aditsania; Erwin Budi Setiawan
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 17, No 1 (2023): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.78537

Abstract

Cancer is known as the second leading cause of death worldwide. About 7-10 million cases of death by cancer occur every year. The recent treatment to heal the cancer is chemotherapy. However, chemotherapy treatment is known to have side effects and cell resistance issues to certain drugs. Therefore, it is required to develop a new drug that can reduce the side effects and provide a better treatment effect. In general, anti-cancer drugs are developed by targeting Cyclin-Dependent Kinase 2 (CDK2) enzyme. Conventional drug design is not effective and efficient for obtaining new drug candidates because of no information about the biological activity before it is synthesized. In this study, we aim to develop a model to predict the activity of CDK2 inhibitors by using ensemble methods, i.e.,  XGBoost, Random Forest, and AdaBoost. The study was conducted by calculating several fingerprints, i.e., Estate, Extended, Maccs, and Pubchem, as feature variables. Based on the results, we found that Random Forest with Pubchem fingerprint gives the best result with the value of Matthews Correlation Coefficient (MCC) and Area Under the ROC Curve (AUC) values are 0.979 and 0.999, respectively. From this study, we contributed to revealing the potency of the ensemble with fingerprint in bioactivity prediction, especially CDK2 inhibitors as anti-cancer agents.
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
Implementation of Ant Colony Optimization – Artificial Neural Network in Predicting the Activity of Indenopyrazole Derivative as Anti-Cancer Agent Isman Kurniawan; Nabilla Kamil; Annisa Aditsania; Erwin Budi Setiawan
JOIN (Jurnal Online Informatika) Vol 8 No 1 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i1.1055

Abstract

Cancer is a disease induced by the abnormal growth of cells in body tissues. This disease is commonly treated by chemotherapy. However, at first, cancer cells can respond to the activity of chemotherapy over time, but over time, resistance to cancer cells appears. Therefore, it is required to develop new anti-cancer drugs. Indenopyrazole and its derivative have been investigated to be a potential drug to treat cancer. This study aims to predict indenopyrazole derivative compounds as anti-cancer drugs by using Ant Colony Optimization (ACO) and Artificial Neural Network (ANN) methods. We used 93 compounds of indenopyrazole derivative with a total of 1876 descriptors. Then, the descriptors were reduced by using the Pearson Correlation Coefficient (PCC) and followed by the ACO algorithm to get the most relevant features. We found that the best number of descriptors obtained from ACO is ten descriptors. The ANN prediction model was developed with three architectures, which are different in hidden layer number, i.e., 1, 2, and 3 hidden layers. Based on the results, we found that the model with three hidden layers gives the best performance, with the value of the R2 test, R2 train, and Q2 train being 0.8822, 0.8495, and 0.8472, respectively.
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