Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Transmisi: Jurnal Ilmiah Teknik Elektro Jurnal Impresi Indonesia Malcom: Indonesian Journal of Machine Learning and Computer Science Innovative: Journal Of Social Science Research
Agus Dharma
Teknik Elektro Unud
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

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

Found 4 Documents
Search

 1 
Kualitas Ikan Asap Hasil Proses Smart Cold Smoking Berbasis IoT Krishnadhana, I Komang Pande Andika; Suteja, I Made Wira; Sugandi, Muhamad Mirza; Dharma, Agus; Agung, I Gusti Agung Putu Raka
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21052

Abstract

Traditional fish smoking methods often face challenges in maintaining stable temperature and smoke density, which affect product quality. This capstone project develops a Smart Cold Smoking system based on the Internet of Things (IoT), utilizing the ESP32 devkit for automatic control of temperature and smoke. The system integrates DS18B20 temperature sensor, MQ-135 smoke sensor, RTC DS3231, DC fan, servo motor, buzzer, and 16x2 LCD, all monitored via the ThingSpeak platform. Smoking is carried out at 45–50°C for 6 hours using a mixture of coconut shell and husk. Results showed moisture reduction of 29.24% in mackerel and 18.72% in skipjack, with organoleptic scores averaging close to 7. This system improves product consistency and efficiency, making it suitable for small to medium-scale fish smoking businesses.
MPPT CONTROL ALGORITHM BASED ON OPTIMIZATION OF SOLAR SYSTEM UNDER PARTIAL SHADING CONDITION (PSC) Pandawani, Anak Agung Istri; Manuaba, Ida Bagus Gede; Dharma, Agus
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 27, No 4 Oktober (2025): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.27.4.191-200

Abstract

Sistem fotovoltaik memiliki sifat intermiten karena bergantung pada kondisi lingkungan yang dinamis. Oleh karena itu, metode MPPT dikembangkan untuk melacak daya maksimum sehingga dalam kondisi lingkungan yang bervariasi sehingga sistem fotovoltaik dapat memaksimalkan produksinya. Metode tersebut adalah proses identifikasi titik daya maksimum melalui pelacakan yang dapat dilakukan dengan berbagai algoritma yang dikenal sebagai metode MPPT. MPPT menghadapi tantangan selama kondisi lingkungan yang dinamis, seperti ketika terjadi Partial Shading Condition (PSC) di mana panel surya menerima iradiasi yang tidak merata yang dapat menyebabkan kerugian daya dan memengaruhi kinerja panel surya. Selama kondisi PSC, tidak semua algoritma MPPT memiliki kemampuan untuk menemukan titik maksimum yang akurat sehingga algoritma berbasis optimasi digunakan untuk melacak titik daya maksimum secara akurat dan dalam waktu singkat. Makalah ini memberikan tinjauan komprehensif tentang beberapa algoritma MPPT berbasis optimasi dengan menyoroti kemampuan setiap metode dalam hal kecepatan, stabilitas, dan efisiensi di bawah kondisi PSC.
Pengaruh Baterai Air Laut Bersirkulasi Terbuka Terhadap Nilai Tegangan Dibandingkan Waktu Menggunakan Sistem Terkontrol Data Tersimpan Goenardi, Rafael Bryan; Dharma, Agus; Agung, I Gusti Agung Putu Raka; Mataram, I Made; Suryadhi, Putu Ayu Rhamani; Ardana, I Putu
Jurnal Impresi Indonesia Vol. 4 No. 9 (2025): Jurnal Impresi Indonesia
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/jii.v4i9.6965

Abstract

Air laut adalah sumber daya alam yang punya potensi besar tapi belum sepenuhnya dimanfaatkan, terutama sebagai energi terbarukan. Salah satu cara memanfaatkan potensi tersebut adalah dengan membuat baterai aluminium-karbon yang menggunakan elektrolit berupa air laut. Baterai aluminium-karbon dapat ditingkatklan kinerjanya dalam hal menjaga stabilitas tegangan saat tidak ada beban. Penelitian ini membahas pengaruh interval waktu sirkulasi elektrolit secara terbuka terhadap kestabilan tegangan pada baterai aluminium-karbon dengan sistem pemantauan berbasis mikrokontroler. Sistem terdiri dari satu sel baterai yang menggunakan aluminium sebagai anode, campuran karbon aktif dan MnO? sebagai katode, serta air laut sebagai elektrolit. Sirkulasi dilakukan menggunakan pompa air DC yang dikendalikan oleh ESP32 dan Arduino Uno dengan interval waktu 5, 7, dan 10 menit. Tegangan baterai dibaca melalui pin ADC dan ditampilkan pada LCD 16x2. Hasil pengujian menunjukkan bahwa metode sirkulasi 5 menit menghasilkan kestabilan tegangan terbaik dengan peningkatan sebesar 3,4%, sedangkan metode 7 menit dan 10 menit menunjukkan penurunan tegangan masing-masing sebesar 8,5% dan 13,9%. Dengan demikian, interval sirkulasi yang lebih pendek terbukti lebih efektif dalam menjaga kestabilan tegangan baterai aluminium-karbon.
Evaluasi Machine Learning untuk Prediksi Pembatalan Hotel dengan Threshold Adjustment dan Cost-Based Evaluation: Machine Learning Evaluation for Hotel Cancellation Prediction with Threshold Adjustment and Cost-Based Evaluation Solang, Efraim William; Adu, Franco Xander; Dharma, Agus; Gunantara, Nyoman
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2466

Abstract

Pembatalan pemesanan hotel merupakan permasalahan krusial yang berdampak langsung pada pendapatan dan perencanaan operasional. Penelitian ini mengevaluasi penerapan threshold adjustment dan cost-based evaluation untuk meningkatkan kualitas pengambilan keputusan bisnis. Penelitian ini melibatkan perbandingan beberapa jenis model machine learning menggunakan dataset hotel booking demand. Kinerja model dinilai menggunakan metrik F0.5-Score, precision, ROC AUC, dan pendekatan cost-based evaluation berbasis net revenue. Hasil penelitian menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan F0.5-Score 0.8279, precision 0.878 dan ROC AUC 0.9165. Model lain seperti Logistic Regression (baseline) dengan F0.5-Score 0.7816, XGBoost dengan F-.5-Score 0.8108 dan ANN dengan F0.5-Score 0.8091 menunjukan performa lebih relatif lebih rendah, mengindikasikan bahwa dataset ini lebih cocok menggunakan pendekatan ensamble learning. Temuan penting mengungkapkan bahwa penyesuaian threshold berdasarkan F0.5-Score tidak selalu menghasilkan keuntungan ekonomi maksimum. Penggunaan threshold (0.52) terbukti menghasilkan nilai net revenue lebih tinggi dibandingkan threshold optimal berbasis F0.5-Score. Pendekatan ini diharapkan dapat meningkatkan kualitas pengambilan keputusan bisnis bagi manajer hotel dalam pengelolaan risiko finansial.
Co-Authors Adu, Franco Xander Agung, I Gusti Agung Putu Raka Goenardi, Rafael Bryan I Made Mataram I Nyoman Gunantara I Putu Ardana Krishnadhana, I Komang Pande Andika Manuaba, Ida Bagus Gede Pandawani, Anak Agung Istri Pramathana, Raindra Putu Ayu Rhamani Suryadhi Solang, Efraim William Sugandi, Muhamad Mirza Suteja, I Made Wira