Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Eksakta : Berkala Ilmiah Bidang MIPA Journal of Applied Data Sciences Jurnal Inovasi Pertambangan dan Lingkungan
Ambran Hartono
Jurusan Fisika, FST UIN Syarif Hidayatullah Jakarta
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Energy Engineering Environmental Science Materials Science & Nanotechnology Mathematics Mechanical Engineering

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

Found 4 Documents
Search

 1 
CO2 Emission Forecasting in Indonesia Until 2030: Evaluation of ETS Smoothing Prediction Models and Their Implications for Global Climate Change Mitigation Aripiyanto, Saepul; Khairani, Dewi; Hartono, Ambran
Journal of Applied Data Sciences Vol 5, No 1: JANUARY 2024
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v5i1.154

Abstract

The objective of this study is to predict CO2 emissions in Indonesia until 2030 utilizing the ETS smoothing prediction model in line with the pressing demand for viable climate change mitigation approaches. Through an assessment of the model's efficacy, several fundamental evaluation metrics have been identified. The research findings reveal that the Mean Absolute Error (MAE) stands at 146,154.40, presenting an overview of the average absolute disparity between the projected and actual CO2 emission values. The Mean Squared Error (MSE) of 21,838,251,772.37 characterizes the mean of the squared variances between projections and actual values, gauging the variability of predictive errors. The Root Mean Squared Error (RMSE) at 147,777.71, derived from the square root of MSE, reflects the degree of uncertainty in CO2 emission predictions. Simultaneously, the Mean Absolute Percentage Error (MAPE) of 7.24% provides an overview of the average percentage of absolute discrepancies between projections and actual values. Projections suggest that CO2 emissions could potentially reach 1 million tons in 2030. This evaluation furnishes an in-depth comprehension of the precision of the ETS smoothing model in the context of substantial emission escalation. The implications on the challenges of climate change mitigation become increasingly crucial, underscoring the immediacy of preemptive measures and sustainable policies. While the model delineates emission trends, it is imperative to acknowledge that these forecasts are subject to various influences, such as policy and technological shifts. Consequently, this study underscores the necessity for heightened awareness and the formulation of more efficacious policies to address the potential surge in CO2 emissions in the forthcoming years.
PRODUKTIVITAS ALAT GALI MUAT BERDASARKAN SWING ANGLE TOP LOADING DAN BOTTOM LOADING Deniswara, Wafindra; Razak, Supardi; Hartono, Ambran
Jurnal Inovasi Pertambangan dan Lingkungan Vol 3, No 1 (2023): Jurnal Inovasi Pertambangan dan Lingkungan
Publisher : Syarif Hidayatullah State Islamic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jipl.v3i1.33906

Abstract

PT Cicatih Putra Sukabumi berlokasi di Blok Padaraang, Sukabumi, Jawa Barat. Berdasarkan penelitian di lapangan, besaran sudut swing angle pada excavator digunakan untuk pemuatan material tidak sesuai dengan teori yang ada sehingga mengakibatkan produksi harian yang didapatkan menjadi kecil sebesar 40.29 Bcm/jam. Tujuan dari penelitian ini adalah meningkatkan nilai produktivitas melalui swing angle pada excavator untuk mendapatkan hasil yang paling optimal, untuk mengaplikasikan Software guna menentukan nilai produktivitas pada alat gali muat, mengetahui nilai produktivitas secara teoritis pada alat gali dan muat pada, mengetahui perbedaan antara hasil perhitungan teoritis dan Software, dan mengetahui metode gali muat yang baik digunakan, untuk metode yang digunakan dalam perhitungan volume adalah metode top loading dan metode bottom loading. Data yang digunakan adalah data primer, data-data yang diambil ialah waktu edar alat gali muat, metode pemuatan, waktu delay production, dan jam kerja. Penelitian ini telah berhasil dilakukan dimana perbandingan nilai produktivitas alat gali dan alat muat berdasarkan swing angle dengan menggunakan metode top loading dan bottom loading. Hasilnya, perhitungan nilai produktivitas alat gali dan muat secara aktual dengan metode Bottom Loading diperoleh 63.17 bcm/jam untuk angle of swing 900 dan 52.09 Bcm/jam untuk angle of swing 1800. Selanjutnya dengan metode Top Loading diperoleh 55.81 Bcm/jam untuk angle of swing 900 dan 49.40 Bcm/jam untuk angle of swing 1800.
Machine Learning Classification for Detecting Heart Disease with K-NN Algorithm, Decision Tree and Random Forest Hartono, Ambran; Dewi, Lizky Azka; Yuniarti, Elvan; Salsabila Tahta Hirani Putri; Harahap, Try Surya
EKSAKTA: Berkala Ilmiah Bidang MIPA Vol. 24 No. 04 (2023): Eksakta : Berkala Ilmiah Bidang MIPA (E-ISSN : 2549-7464)
Publisher : Faculty of Mathematics and Natural Sciences (FMIPA), Universitas Negeri Padang, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/eksakta/vol23-iss04/461

Abstract

The heart is one of the most important organs for human; therefore, it needs to always be looked after and maintained properly. If it is not looked after and maintained properly, it will be at risk of disease. Currently, heart disease of various types still ranks first in deaths both in Indonesia and abroad. Various efforts continue to be developed by relevant scientists to detect it. Considering the importance of development efforts, in this research a machine-learning program was designing to classify heart disease as a detection system effort. In this article we will describe the analysis of the characteristics of the K-NN classifier, decision tree, random forest (accuracy, precision and recall), as well as determining the best classifier for detecting heart disease. To support the analysis of test results, Python and Google Colab programming has been implementation here. The best results obtained from the analysis of the application of these three models are the Decision Tree Classifier with accuracy, precision and recall values ​​of 90%, 87% and 88% respectively. These results indicate that this model has been successfully developing.
PRODUKTIVITAS ALAT GALI MUAT BERDASARKAN SWING ANGLE TOP LOADING DAN BOTTOM LOADING Deniswara, Wafindra; Razak, Supardi; Hartono, Ambran
Jurnal Inovasi Pertambangan dan Lingkungan Vol. 3 No. 1 (2023): Jurnal Inovasi Pertambangan dan Lingkungan
Publisher : Syarif Hidayatullah State Islamic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jipl.v3i1.33906

Abstract

PT Cicatih Putra Sukabumi berlokasi di Blok Padaraang, Sukabumi, Jawa Barat. Berdasarkan penelitian di lapangan, besaran sudut swing angle pada excavator digunakan untuk pemuatan material tidak sesuai dengan teori yang ada sehingga mengakibatkan produksi harian yang didapatkan menjadi kecil sebesar 40.29 Bcm/jam. Tujuan dari penelitian ini adalah meningkatkan nilai produktivitas melalui swing angle pada excavator untuk mendapatkan hasil yang paling optimal, untuk mengaplikasikan Software guna menentukan nilai produktivitas pada alat gali muat, mengetahui nilai produktivitas secara teoritis pada alat gali dan muat pada, mengetahui perbedaan antara hasil perhitungan teoritis dan Software, dan mengetahui metode gali muat yang baik digunakan, untuk metode yang digunakan dalam perhitungan volume adalah metode top loading dan metode bottom loading. Data yang digunakan adalah data primer, data-data yang diambil ialah waktu edar alat gali muat, metode pemuatan, waktu delay production, dan jam kerja. Penelitian ini telah berhasil dilakukan dimana perbandingan nilai produktivitas alat gali dan alat muat berdasarkan swing angle dengan menggunakan metode top loading dan bottom loading. Hasilnya, perhitungan nilai produktivitas alat gali dan muat secara aktual dengan metode Bottom Loading diperoleh 63.17 bcm/jam untuk angle of swing 900 dan 52.09 Bcm/jam untuk angle of swing 1800. Selanjutnya dengan metode Top Loading diperoleh 55.81 Bcm/jam untuk angle of swing 900 dan 49.40 Bcm/jam untuk angle of swing 1800.
Co-Authors Deniswara, Wafindra Dewi, Lizky Azka Harahap, Try Surya Khairani, Dewi Razak, Supardi Saepul Aripiyanto Salsabila Tahta Hirani Putri Yuniarti, Elvan