Claim Missing Document
Check
Articles

Found 3 Documents
Search

PROSES ACID WASH UNTUK MENURUNKAN KADAR PENGOTOR PADA CAKE HASIL MERRIL CROWE Tri Wahyuningsih; Wahyu Pamungkas
Journal of Metallurgical Engineering and Processing Technology Vol 2, No 2 (February 2022)
Publisher : UPN "Veteran" Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/jmept.v2i2.6524

Abstract

Indonesia merupakan salah satu negara dengan potensi tambang emas terbesar di dunia. Saat ini, sudah mulai banyak perusahaan tambang dalam negeri melakukan proses pengolahan bijih hasil tambang, hal ini didasari oleh Undang-Undang No. 4 Tahun 2009 tentang pertambangan mineral dan batubara. Hidrometalurgi merupakan teknik pemisahan yang menggunakan larutan atau reagen kimia untuk menangkap atau melarutkan logamnya. Salah satu bentuk proses hidrometalurgi adalah proses sianidasi. Proses sianidasi mengasilkan emas dalam bentuk cairan, yang kemudian harus diendapkan kembali (recovery). Proses merril crowe merupakan proses pemisahan padatcair dan recovery melalui mekanisme pengendapan dan presipitasi menggunakan serbuk seng. Proses merril crowe ini memiliki beberapa kekurangan yang menyebabkan perolehan emas dari proses ini tergolong rendah dan memungkinkan adanya deposit pengotor tambahan seperti tembaga melalui serbuk seng yang digunakan. Maka dari itu, dibutuhkan perlakuan khusus untuk bijih hasil proses merril crowe ini, salah satunya adalah proses acid wash menggunakan asam sulfat H2SO4. Proses acid wash dapat menurunkan kadar Cu dan Zn dalam cake hasil merril crowe hingga 53,31% dan 68,84%.
PEMBERDAYAAN PERDAGANGAN PRODUK HALAL MELALUI INOVASI DIGITAL: STUDI KASUS KOLABORASI INTERNASIONAL ANTARA PERGURUAN TINGGI DAN INDUSTRI Ali Ahmad, Umar; Wahyu Pamungkas; Isnawati, Anggun Fitrian; Wicaksono, Agung; Panji Tresna, Wildan
Abdi Teknoyasa Vol. 6 No. 2 (2025): Volume 6, Nomor 2, Desember 2025
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Program pengabdian kepada masyarakat ini bertujuan untuk memberdayakan pelaku usaha ritel berbasis halal melalui inovasi digital dalam kerangka kolaborasi internasional antara perguruan tinggi dan industri. Program ini mengintegrasikan pelatihan literasi digital, pendampingan sertifikasi halal, serta pengembangan pasar daring (marketplace) untuk meningkatkan daya saing global produk halal. Melalui pendekatan partisipatif yang melibatkan perguruan tinggi di Indonesia dan mitra industri dari Jepang, kegiatan ini memfasilitasi alih pengetahuan, pembuatan prototipe sistem digital, dan penguatan kapasitas pelaku usaha. Hasil kegiatan menunjukkan peningkatan visibilitas bisnis, adaptasi digital, dan jaringan lintas negara bagi masyarakat muslim di Jepang. Kolaborasi ini menegaskan potensi sinergi akademik–industri dalam memperkuat ekonomi digital yang inklusif dan beretika di sektor halal.
Indonesia Jason Sutanto; Tanjaya Jason Winata; Olivia Clarabella Khotiera; Wahyu Pamungkas
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/rdp93s54

Abstract

Dogecoin merupakan salah satu aset cryptocurrency yang awalnya dibuat sebagai parodi namun berkembang menjadi aset digital dengan kapitalisasi pasar yang besar. Transaksi dan investasi menggunakan Dogecoin memiliki tingkat volatilitas yang tinggi sehingga harga sering berubah secara signifikan dalam waktu singkat. Oleh karena itu, diperlukan prediksi harga yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk membandingkan tiga algoritma machine learning linear, yaitu Support Vector Regression (SVR) dengan Kernel Linear, Regresi Linear, dan AdaBoost dalam memprediksi harga Dogecoin untuk satu hari ke depan. Dataset yang digunakan merupakan data historis harga harian Dogecoin dari tahun 2019 hingga 2025 yang diperoleh dari Investing.com, meliputi harga Open, High, Low, dan Close. Proses prapemrosesan data dilakukan menggunakan Z-Score Normalization, sedangkan pembagian data dilakukan dalam dua skenario, yaitu 80% pelatihan 20% pengujian dan 60% pelatihan 40% pengujian. Hasil penelitian menunjukkan bahwa model SVR Kernel Linear memiliki performa terbaik dengan MAE 0.00471 USD, RMSE 0.01355 USD, dan R² 0.98032, mengungguli Regresi Linear dan jauh lebih baik dibandingkan AdaBoost. Berdasarkan hasil evaluasi, SVR Kernel Linear terbukti sebagai model paling akurat dan stabil dalam memprediksi harga Dogecoin karena mampu menangkap pola hubungan linear antar variabel secara efektif.