Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

0.23

P-Index

This Author published in this journals

All Journal Jurnal Masyarakat Informatika Abdimas INFOKAM Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika DHARMA EKONOMI Scientific Journal of Informatics

Indra Waspada

Unknown Affiliation

Author-ID : 2803197

Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Social Sciences

Published : 13 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

PERBANDINGAN METODE DEFUZZIFIKASI SISTEM KENDALI LOGIKA FUZZY MODEL MAMDANI PADA MOTOR DC sutikno Sutikno; Indra Waspada
Jurnal Masyarakat Informatika Vol 2, No 3 (2011): Jurnal Masyarakat Informatika
Publisher : Department of Informatics, Universitas Diponegoro

Dalam merancang sistem kontrol dengan menggunakan logika fuzzy terdapat tiga proses yaitu fuzzifikasi, evaluasi rule dan defuzzifikasi. Masing-masing proses tersebut akan mempengaruhi respon sistem yang dikendalikan. Defuzzifikasi merupakan langkah terakhir dalam suatu sistem logika fuzzy dengan tujuannya mengkonversi setiap hasil dari inference engine yang diekspresikan dalam bentuk fuzzy set kesuatu bilangan real. Hasil konversi tersebut merupakan aksi yang diambil oleh sistem kendali logika fuzzy. Karena itu, pemilihan metode defuzzifikasi yang sesuai juga turut mempengaruhi sistem kendali logika fuzzy dalam menghasilkan respon yang optimum. Penelitian ini dilakukan dengan membandingan pada sistem logika fuzzy model Mamdani dengan menggunakan beberapa metode defuzzifikasi, yaitu metode COA (center of area), bisektor, MOM (mean of maximum), LOM (largest of maximum) dan SOM (smallest of maximum). Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada sistem plant yang sama. Plant yang dipilih yaitu pada pengaturan kecepatan motor DC. Pengujian yang telah dilakukan beberapa pemberian referensi, nilai rata-rata waktu tunda (td) terkecil dari lima kali percobaan adalah dengan menggunakan metode defuzzifikasi bisektor yaitu sebesar 0,1830 detik. Nilai rata-rata waktu naik (tr) terkecil dengan menggunakan metode defuzzifikasi MOM yaitu sebesar 0,5784 detik dan nilai rata-rata waktu penetapan (ts) terkecil dengan menggunakan metode defuzzifikasi LOM yaitu sebesar 0,7789 detik.

PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah Elcholiqi; Beta Noranita; Indra Waspada
Jurnal Masyarakat Informatika Vol 3, No 6 (2012): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Perkembangan teknologi informasi saat ini memungkinkan penyimpanan data dalam skala yang sangat besar. Melimpahnya data menjadi tantangan dalam dunia teknologi informasi, termasuk perbankan, untuk tidak hanya mendapatkan informasi saja, tetapi juga menemukan pola untuk menghasilkan pengetahuan. Data mining merupakan kegiatan menemukan pengetahuan dari sejumlah data yang sangat besar. Dengan memanfaatkan data pinjaman anggota, data mining dapat membantu pengambilan keputusan besar pinjaman bagi anggota koperasi simpan pinjam. Algoritma data mining yang digunakan untuk membangun aplikasi data mining adalah k-nearest neighbor (kNN). KNN digunakan untuk mengklasifikasikan besar pinjaman anggota berdasarkan jarak kedekatan atribut. Percobaan menggunakan 25 sampel data dengan nilai k=8 dan k=12 menghasilkan akurasi sebesar 84%. Hasil proses mining dapat digunakan untuk membantu pegawai koperasi simpan pinjam dalam menentukan besar pinjaman bagi anggotanya.

Rainfall Prediction at Ahmad Yani Meteorological StationUsing Integration ARIMA and LSTM Pramudya, Naufal Daffa; Rahmat Gernowo; Indra Waspada
Scientific Journal of Informatics Vol. 13 No. 1: February 2026
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v13i1.39297

Purpose: Predicting rainfall using ARIMA, LSTM, and Hybrid ARIMA-LSTM models to obtain accuracy values on data at the Ahmad Yani Semarang station. Methods: This study implements the ARIMA, LSTM, and hybrid ARIMA-LSTM models to determine which of these models produces the most significant predictions using rainfall data at the Ahmad Yani Meteorological Station in Semarang. This method proves whether using the hybrid ARIMA-LSTM, which is a combination of the two models, is able to provide greater accuracy compared to the ARIMA/LSTM model. The results of these predictions can certainly help relevant stakeholders to improve rainfall accuracy, especially at the Ahmad Yani Meteorological Station. Result: By utilizing the power of statistical models (ARIMA) with deep learning (LSTM), the results of these two models provide higher accuracy compared to each model, as seen from the accuracy of the best ARIMA model using RMSE 15.8 and MAE 8.7, the best LSTM model RMSE 14.65 and MAE 9.06, while in the HYBRID ARIMA-LSTM model the best RMSE is 14.1 and MAE 9.06. Novelty: This research adds to the knowledge regarding the accuracy or combination of ARIMA and LSTM models which are rarely used, especially in the world of meteorology or rainfall. By utilizing the ARIMA model which is able to read linear patterns and the LSTM model which reads non-linear patterns, the accuracy of rainfall increases and can help related stakeholders.

Co-Authors Abidah Elcholiqi Adik Istanto Ahmad Fujianto Bagus Dwi Ari Awan Beta Noranita Beta Noranita Egga Bahartyan Endah Winarti HS Helmie Arif Wibawa M. Fakhri Darmawan Nurdin Bahtiar Nurdin Bahtiar Panji Wisnu Wirawan Pramudya, Naufal Daffa Putut Sri Wasito Rahmat Gernowo Sarwo Dwi Waskito Siti Khusnul Azifah Sutikno Sutikno Wirawan, Panji Wisnu

Title

Found 13 Documents
Search

Abstract

Abstract

Abstract

Title Search

Found 13 Documents Search

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search