Dwi Utari Surya
Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemanfaatan Jaringan SDH Berbasis Program Matlab untuk Layanan Multimedia Endah Budi Purnomowati; Muhammad Fauzan Edy Purnomo; Sholeh Hadi Pramono; Wahyu Adi Prijono; Rusmi Ambarwati; Dwi Utari Surya; Reza Sugandi; Widhi Setya Wahyudhi
Jurnal EECCIS Vol 4, No 2 (2010)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (536.338 KB)

Abstract

Synchronous Digital Hierarchy (SDH) merupakan teknologi yang mempunyai struktur transport secara hierarki dan didesain untuk mengangkut informasi (payload) yang disesuaikan dengan tepat dalam sebuah jaringan yang telah ditetapkan oleh ITU-T G.707. Transmisi sinkron digital merupakan proses multiplex sinyal tributari secara multiplexing sinkron yang rekontruksi sinyalnya melalui elemen jaringan SDH yaitu : Terminal Multiplexer, Add/Drop Multiplexer (ADM) atau Digital Cross-Connect (DXC) dan akhirnya ditransmisikan melalui jaringan optik. Pada penelitian ini teknik multipleksing yang digunakan adalah Time Division Multiplexing (TDM). Time-Division Multiplexing (TDM) adalah suatu jenis digital yang terdiri dari banyak bagian di mana terdapat dua atau lebih saluran yang sama diperoleh dari spektrum frekuensi yang diberikan yaitu, bit arus, atau dengan menyisipkan detakan-detakan yang mewakili bit dari saluran berbeda. Penulisan penelitian ini bertujuan untuk mengetahui proses simulasi Bit Error Rate (BER) SDH dengan Time Division Multiplexing (TDM) pada STM-4. Proses simulasi SDH khususnya pada STM-4 memiliki bit error rate yang bervariasi namun dalam kisaran 0.2800-0.2900, hal ini mengindikasikan bahwa data yang salah saat proses pengiriman dalam kisaran 4970 – 5000 merupakan kesalahan pengiriman data yang cukup besar.Kata Kunci— SDH, TDM,BER,STM-4.
Hyperparameter-Tuned Artificial Neural Networks for Early Stunting Prediction in Toddlers Asriningtias, Salnan Ratih; Megawati, Citra Dewi; Kusumaningtyas, Dian; Surya, Dwi Utari
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 2 (2025): Research Articles April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i2.14695

Abstract

The growing accessibility of varied health data requires the creation of efficient and practical techniques for deriving actionable insights, particularly for the early identification of severe health issues. This study tackles the issue of recognizing stunting—a disorder with enduring health consequences—among children under five by employing Artificial Neural Networks (ANN) with hyperparameter optimization by GridSearchCV. The dataset, sourced from Kaggle, comprises 121,000 records detailing age, gender, height, and nutritional status according to WHO standards. Critical hyperparameters, including dropout rate, batch size, and epochs, were optimized using a five-fold cross-validation approach within GridSearchCV, ensuring a robust model that reduces overfitting and generalizes well to new data. The findings demonstrate a notable performance improvement, as the optimized ANN model attained an accuracy of 99%, exceeding the baseline model's 98%. Enhancements in accuracy, recall, and F1-score across the four stunting classifications—normal, stunted, severely stunted, and tall—underscore the improved specificity and sensitivity of the optimized model. This research demonstrates the efficacy of hyperparameter tuning in ANN for stunting prediction, offering a reliable tool for early intervention in malnutrition management.