Article Per Year (5 Year)
p-Index From 2021 - 2026
2.495
P-Index
This Author published in this journals
All Journal VALENSI Bionatura Jurnal Ilmu Dasar BAREKENG: Jurnal Ilmu Matematika dan Terapan INTECOMS: Journal of Information Technology and Computer Science Jurnal Kartika Kimia Jurnal Abdimas Kartika Wijayakusuma Helium: Journal of Science and Applied Chemistry eProceedings of Engineering Jurnal Matematika Integratif Jurnal Sains dan Kesehatan
Valentina Adimurti Kusumaningtyas
Jurusan Kimia, Fakultas Sains Dan Informatika, Universitas Jenderal Achmad Yani
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Rancang Bangun Pendeteksi Kadar Formalin pada Mie Basah Menggunakan Sensor Warna TCS3200 : Design and Development of Formalin Contents Detection in Wet Noodles using Color Sensor TCS3200 Rani Laras Wati; Endang Rosdiana; Valentina Adimurti Kusumaningtyas
Jurnal Sains dan Kesehatan Vol. 3 No. 5 (2021): J. Sains Kes.
Publisher : Fakultas Farmasi, Universitas Mulawarman, Samarinda, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25026/jsk.v3i5.831

Abstract

Wet noodles have a short shelf life because they are spoiled more quickly by microorganisms. Therefore, some irresponsible wet noodle producers add formalin so that the noodles can last longer. However, formalin is a substance that is prohibited from being used because it is dangerous to health. In this research, an instrument has been made that can detect formalin levels in wet noodles which have formalin concentrations of 0 ppm, 40 ppm, 95 ppm and 150 ppm. The instrument consists of a TCS3200 color sensor and an ATmega328P microcontroller. The color detected by the TCS3200 sensor is the color from mixing the formalin wet noodle sample withreagent schiff's. Furthermore, the sample will be selected by the instrument based on the RGB color value detected by the TCS3200 color sensor. The test results obtained the reliability of the instrument in selecting the sample of formalin wet noodles with a concentration of 0 ppm worth 92.5%, 40 ppm worth 95%, 95 ppm worth 97.5% and 150 ppm worth 100%.
Pengontrolan Pemanfaatan Daun Kacang Babi dan Telur Keong Emas sebagai Nutrisi Alami pada Tanaman Cabai Hidroponik dengan Sistem NFT: Controlling the Utilization of Tephrosia vogelii leaves and Pomacea canaliculata eggs as Natural Nutrients in Hydroponic Chili Plants with the NFT System Endang Rosdiana; Rica Isma Ariij; Valentina Adimurti Kusumaningtyas
Jurnal Sains dan Kesehatan Vol. 4 No. 6 (2022): J. Sains Kes.
Publisher : Fakultas Farmasi, Universitas Mulawarman, Samarinda, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25026/jsk.v4i6.1325

Abstract

Salah satu efek  penggunaan nutrisi kimia AB-Mix dalam jangka panjang pada penanaman sistem hidroponik  adalah  tidak terserapnya seluruh unsur nutrisi tersebut oleh tanaman. Oleh karena itu perlu adanya upaya untuk mengganti nutrisi kimia tersebut dengan jenis nutrisi alami. Pada penelitian ini telah dibuat rancang bangun sistem kontrol nutrisi alami untuk tanaman cabai sistem hidroponik, yang mana nutrisi alaminya terbuat dari daun kacang babi dan telur keong emas. Pengontrolan dilakukan terhadap kadar pH dan TDS dimana setpointnya telah disesuaikan dengan pH dan kadar TDS tanaman cabai hidroponik. Dari hasil kalibrasi diperoleh akurasi sensor pH sebesar 99,8% dan sensor TDS sebesar 89,04%. Adapun hasil pengamatan tumbuh kembang tanaman cabai hidroponik hingga hari ke-57, untuk yang menggunakan protein alami diperoleh tinggi tanaman setinggi 29 cm, lebar daun 6,5 cm, dan panjang daun 12,23 cm, yang mengunakan AB-Mix diperoleh tinggi tanaman 15,5 cm, lebar daun 4,95 cm, dan panjang daun 9 cm, dan tanaman yang tumbuh dengan menggunakan media tanah dimana tinggi tanaman 4,25 cm, lebar daun 1,625 cm, dan panjang daun 2,6 cm.
CRYPTOCURRENCY TIME SERIES FORECASTING MODEL USING GRU ALGORITHM BASED ON MACHINE LEARNING Melina, Melina; Sukono, Sukono; Napitupulu, Herlina; Mohamed, Norizan; Herry Chrisnanto, Yulison; ID Hadiana, Asep; Kusumaningtyas, Valentina Adimurti
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 2 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss2pp1317-1328

Abstract

The cryptocurrency market is experiencing rapid growth in the world. The high fluctuation and volatility of cryptocurrency prices and the complexity of non-linear relationships in data patterns attract investors and researchers who want to develop accurate cryptocurrency price forecasting models. This research aims to build a cryptocurrency forecasting model with a machine learning-based time series approach using the gated recurrent units (GRU) algorithm. The dataset used is historical Bitcoin closing price data from January 1, 2017, to July 31, 2024. Based on the gap in previous research, the selected model is only based on the accuracy value. In this study, the chosen model must fulfill two criteria: the best-fitting model based on the learning curve diagnosis and the model with the best accuracy value. The selected model is used to forecast the test data. Model selection with these two criteria has resulted in high accuracy in model performance. This research was highly accurate for all tested models with MAPE < 10%. The GRU 30-50 model is best tested with MAE = 867.2598, RMSE = 1330.427, and MAPE = 1.95%. Applying the sliding window technique makes the model accurate and fast in learning the pattern of time series data, resulting in a best-fitting model based on the learning curve diagnosis.
COMPARATIVE ANALYSIS OF TIME SERIES FORECASTING MODELS USING ARIMA AND NEURAL NETWORK AUTOREGRESSION METHODS Melina, Melina; Sukono, Sukono; Napitupulu, Herlina; Mohamed, Norizan; Chrisnanto, Yulison Herry; Hadiana, Asep ID; Kusumaningtyas, Valentina Adimurti; Nabilla, Ulya
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 4 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss4pp2563-2576

Abstract

Gold price fluctuations have a significant impact because gold is a haven asset. When financial markets are volatile, investors tend to turn to safer instruments such as gold, so gold price forecasting becomes important in economic uncertainty. The novelty of this research is the comparative analysis of time series forecasting models using ARIMA and the NNAR methods to predict gold price movements specifically applied to gold price data with non-stationary and non-linear characteristics. The aim is to identify the strengths and limitations of ARIMA and NNAR on such data. ARIMA can only be applied to time series data that are already stationary or have been converted to stationary form through differentiation. However, ARIMA may struggle to capture complex non-linear patterns in non-stationary data. Instead, NNAR can handle non-stationary data more effectively by modeling the complex non-linear relationships between input and output variables. In the NNAR model, the lag values of the time series are used as input variables for the neural network. The dataset used is the closing price of gold with 1449 periods from January 2, 2018, to October 5, 2023. The augmented Dickey-Fuller test dataset obtained a p-value = 0.6746, meaning the data is not stationary. The ARIMA(1, 1, 1) model was selected as the gold price forecasting model and outperformed other candidate ARIMA models based on parameter identification and model diagnosis tests. Model performance is evaluated based on the RMSE and MAE values. In this study, the ARIMA(1, 1, 1) model obtained RMSE = 16.20431 and MAE = 11.13958. The NNAR(1, 10) model produces RMSE = 16.10002 and MAE = 11.09360. Based on the RMSE and MAE values, the NNAR(1, 10) model produces better accuracy than the ARIMA(1, 1, 1) model.
Efektivitas Berbagai Pengawet Alami Terhadap Daya Simpan Bahan Pangan: Studi Kontekstual Bagi Guru MGMP Kimia Di Kabupaten Kuningan Purbaya, Sari; Kusumaningtyas, Valentina Adimurti; Aisyah, Lilis Siti; Budiman, Senadi; Yun, Yenny Febriani; Yuliana, Trisna; Mulyani, Rahmaniar; Agustini, Dewi Meliati; Suprabawati, Anggi
Jurnal Abdimas Kartika Wijayakusuma Vol 6 No 3 (2025): Jurnal Abdimas Kartika Wijayakusuma
Publisher : LPPM Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jakw.v6i3.968

Abstract

Penggunaan bahan pengawet sintetis secara berlebihan dalam makanan menjadi isu penting karena dapat berdampak negatif pada kesehatan konsumen. Salah satu alternatif yang lebih aman dan ramah lingkungan adalah penggunaan pengawet alami, seperti bawang putih dan ekstrak tanaman berkhasiat. Kegiatan pengabdian ini bertujuan untuk meningkatkan pengetahuan dan keterampilan guru MGMP Kimia di Kabupaten Kuningan tentang penggunaan dan prinsip kerja pengawet alami. Metode kegiatan meliputi penyuluhan interaktif dan demonstrasi praktikum untuk pengaplikasian pengawet alami pada makanan. Sampel hasil olahan mi dan bakso dengan pengawet alami menggunakan ekstrak bawang putih dan lemak biji tengkawang dibawa ke lokasi kegiatan untuk ditunjukkan kepada peserta sebagai contoh produk siap konsumsi. Hasil pengujian menunjukkan bahwa penggunaan ekstrak bawang putih dan minyak biji tengkawang secara signifikan meningkatkan daya simpan mi basah dibandingkan dengan kontrol tanpa bahan tambahan. Selain itu, terdapat peningkatan signifikan dalam pemahaman peserta serta antusiasme untuk mengintegrasikan materi ini ke dalam pembelajaran kimia pada siswa kelas menengah.
Rancang Bangun Pendeteksi Boraks Pada Lontong Dengan Reagen Pereaksi KMnO4 Menggunakan Sensor Warna TCS3200 Berbasis Mikrokontroler Arduino Fatmawati, Nurul; Rosdiana, Endang; Kusumaningtyas, Valentina Adimurti
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Lontong terbuat dari bahan baku beras dimana proses memasaknya dengan cara dikukus atau direbus. Dikarenakan lontong banyak mengandung air sehingga lontong kurang tahan lama dalam penyimpanannya. Oleh karena itu terkadang ada beberapa produsen yang melakukan tindak kecurangan, yaitu menambahkan boraks pada lontong dengan tujuan agar lontong dapat tahan lama. Pada dasarnya kandungan boraks pada makanan sangat berbahaya bagi kesehatan tubuh kita. Oleh karena itu, pada penelitian ini telah dibuat sebuah instrumen yang dapat mendetekasi boraks pada lontong dengan menggunakan pereaksi KMnO4. Pada penelitian ini telah dilakukan pengujian terhadap lontong yang mengandung boraks dengan variasi berat boraks sebesar 1 g, 2 g dan 3 g. Instrumen yang dibuat berbasis mikrokontroler Arduino, yang menggunakan sensor warna TCS3200. Sensor warna TCS3200 digunakan untuk mendeteksi warna hasil pencampuran sampel lontong boraks dengan pereaksi KMnO4. Selanjutnya warna yang dideteksi oleh sensor warna TCS3200 diseleksi berdasarkan nilai warna RGB. Diperoleh kehandalan peluang instrumen dalam menyeleksi sampel lontong yang mengandung 1 g boraks, 2 g boraks dan 3 g boraks masing-masing senilai 92%, 94%, 100%.Kata kunci — boraks, lontong, KMnO4, sensor TCS3200, nilai RGB
Rancang Bangun Pendeteksi Kandungan Klorin Dalam Beras Dengan Reaksi Pembentuk Warna Kalium Iodida Menggunakan Sensor Warna TCS3200 Muhammad, Nuriel Kaunaini; Rosdiana, Endang; Kusumaningtyas, Valentina Adimurti
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Salah satu metode yang digunakan untuk membuat warna beras lebih bagus dengan cara mencampur beras tersebut dengan bahan pemutih yang biasa digunakan pada pakaian, yaitu klorin (Cl). Pemutih tersebut pada umumnya mengandung zat-zat yang tidak boleh dikonsumsi manusia. Zat larutan yang mengandung klorin memiliki karakteristik yaitu apabila dilarutkan dengan kalium iodida (KI) 10% dan indikator amilum 1% akan berubah warna sesuai dengan banyaknya kadar klorin yang tercampur dalam larutan tersebut. Warna larutan tersebut dapat diukur menggunakan sensor TCS3200 dengan cara mengukur gelombang cahaya oleh fotodioda yang kemudian dikonversi menjadi frekuensi. Telah dilakukan konstruksi chamber yang bersifat kedap cahaya untuk memastikan bahwa sensor tersebut akurat. Nilai kadar klorin pada beras terkecil yang dapat dideteksi oleh instrumen adalah 20 ppm dengan rentan 225±1 pada warna merah, 221±2 pada warna hijau dan 225±2. Data konversi ppm yang telah diperoleh memiliki akurasi tertinggi pada pengukuran kadar klorin 500 ppm yaitu sebesar 99.71%, sedangkan akurasi terkecil pada kadar 300 ppm dengan akurasi 98.66%. Kata kunci — Beras, Klorin, Sensor Warna
Co-Authors Agustini, Dewi Meliati Ahmad Marjan Anggi Suprabawati Arie Hardian Arkhi Yuvie Asep Rizaludin Ayalla, Alma Bari, Ichsan Budi Saputra Budiman, Senadi Danisha Herianti Devitri Amisa Dewi Novianti Dewi Ratnasari Diana Lupitasari Dudi Darmawan Endang Rosdiana Fatmawati, Nurul Hadiana, Asep Id Herlina Napitupulu Hernandi Sujono Jasmansyah Jasmansyah Jasmansyah, Jasmansyah Kristiana, Randi Lia Dewi Juliawaty Lia Dewi Juliawaty Lilis Siti Aisyah, Lilis Siti Melina Melina Mohamad Nurzaman Muhammad, Nuriel Kaunaini Mulyani, Rahmaniar Nabilla, Ulya Nia Sri Hardianti Norizan Mohamed Novi Nuraeni Octo Emerald Siregar Purbaya, Sari Putu Pratama Rahmat Awaludin Salam Rani Laras Wati Restianim, Vivien Reza Fauzi Iskandar Rica Isma Ariij Senadi Budiman Sukono Sukono Sukrido Sukrido Sulaeman, A. - Tia Setiawati Utari, Retno Diyah Yana Maolana Syah Yana Maolana Syah Yenny Febriani Yun, Yenny Febriani Yuliana, Trisna Yuliana, Trisna Yulison Herry Chrisnanto Yunita, Tiani Yusnelti -