Article Per Year (5 Year)
p-Index From 2020 - 2025
1.908
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Format : Jurnal Imiah Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems International Journal of Supply Chain Management Jurnal Sosial Ekonomi Kelautan dan Perikanan Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika EKOLOGIA : Jurnal Ilmiah Ilmu Dasar dan Lingkungan Hidup Journal of Applied Sciences and Advanced Technology
Fajar Delli Wihartiko
Universitas Pakuan
Agriculture, Biological Sciences & Forestry Automotive Engineering 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 Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Social Sciences Transportation

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
PEMETAAN TINGKAT KONSUMSI IKAN RUMAH TANGGA DI INDONESIA Fitria Virgantari; Sonny Koeshendrajana; Freshty Yulia Arthatiani; Yasmin Erika Faridhan; Fajar Delli Wihartiko
Jurnal Sosial Ekonomi Kelautan dan Perikanan Vol 17, No 1 (2022): JUNI 2022
Publisher : Balai Besar Riset Sosial Eonomi Kelautan dan Perikanan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15578/jsekp.v17i1.11045

Abstract

Ikan merupakan salah satu produk pangan hewani yang memiliki kontribusi cukup besar terhadap konsumsi protein penduduk di Indonesia. Dari tahun ke tahun tingkat konsumsi ikan terus meningkat; namun ironisnya, tingkat konsumsi ikan di Indonesia masih tergolong rendah. Selain itu, data menunjukkan bahwa persebaran konsumsi ikan nasional per pulau selama ini tidak merata. Tingginya disparitas tingkat konsumsi ikan di Jawa atau Kawasan Barat Indonesia dengan Kawasan Timur Indonesia menyebabkan tingkat konsumsi ikan nasional relatif rendah. Salah satu cara yang dapat digunakan untuk memantau tingkat kecukupan konsumsi ikan dengan mudah adalah dengan mengelompokkannya di seluruh Indonesia. Dengan adanya klasterisasi kemudian pemetaan, perencanaan, monitoring dan evaluasi, serta sistem peringatan dini masalah kelangkaan konsumsi dapat dilakukan dengan baik. Kajian ini dilakukan dengan tujuan untuk menilai tingkat konsumsi ikan di Indonesia dengan cara mengelompokkan dan memetakannya; sehingga dapat dirumuskan rekomendasi kebijakan peningkatan konsumsi ikan penduduk Indonesia secara akurat. Data yang digunakan dalam penelitian ini adalah data sekunder SUSENAS 2019 yang diselenggarakan oleh Badan Pusat Statistik. Variabel yang digunakan dalam penelitian ini adalah tingkat konsumsi ikan, tingkat partisipasi, dan tingkat pengeluaran untuk ikan. Pengelompokan dilakukan berdasarkan metode cluster K-means. Hasil analisis menunjukkan bahwa jumlah cluster yang optimal dengan rasio variance terkecil adalah 5 cluster. Klaster 1 dengan tingkat konsumsi, partisipasi dan pengeluaran ikan terendah adalah provinsi Daerah Istimewa Yogyakarta dan Jawa Tengah. Klaster 2 terdiri dari 5 provinsi yaitu Lampung, Jawa Barat, Jawa Timur, Bali, Nusa Tenggara Timur. Klaster 3 terdiri dari 8 provinsi, yaitu Sumatera Barat, Sumatera Selatan, Bengkulu, Banten, Nusa Tenggara Barat, Sulawesi Tengah, Gorontalo, dan Sulawesi Barat. Klaster 4 terdiri dari 11 provinsi yaitu Sumatera Utara, Jambi, DKI Jakarta, Kalimantan Barat, Kalimantan Selatan, Sulawesi Utara, Sulawesi Tenggara, Maluku, Maluku Utara dan Papua. Sedangkan cluster 5 dengan tingkat konsumsi, partisipasi, dan pengeluaran ikan tertinggi terdiri dari 8 provinsi, yaitu Aceh, Riau, Kepulauan Bangka Belitung, Kepulauan Riau, Kalimantan Tengah, Kalimantan Timur, Kalimantan Utara, dan Papua Barat
PENDUGAAN PARAMETER MODEL PENINGKATAN POPULASI PEROKOK DENGAN METODE DEKOMPOSISI ADOMIAN MULTISTAGE Hagni Wijayanti; Fajar Delli Wihartiko
Ekologia: Jurnal Ilmiah Ilmu Dasar dan Lingkungan Hidup Vol 14, No 2 (2014): Ekologia : Jurnal Ilmiah Ilmu Dasar dan Lingkungan Hidup
Publisher : Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/ekol.v14i2.214

Abstract

The prevalence of smoking in Indonesia over the years tend to experience increased. Increasing cigarette consumption in Indonesia will affect public health conditions and demanding high fees from the public, so that the necessary control of the consumption of cigarettes wisely. The smoking prevalence of the problem, can be made a mathematical formulation. There are three parameters involved, namely the active smoker population, the population of smokers and potential smokers who've stopped population, along with the change in time. Identify the parameter is very important, because it can show how the problem of the prevalence of smokers. In this study used method of Multistage Adomian Decomposition (MADM) which gives the solution of the model population increase smokers as solution series t (time) for each subinterval m during the period from [0, T]. The resolution of the model and the simulation model do with programming in Mathematica version 8. Key words : method of Multistage Adomian Decomposition (MADM),  prevalence of smokers
PEMODELAN MONTE CARLO UNTUK PREDIKSI SIFAT HUJAN HARIAN Siska Andriani; Dinar Munggaran Akhmad; Fajar Delli Wihartiko
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 2 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i2.9697

Abstract

Prediksi merupakan kegiatan peramalan untuk masa depan. Prediksi sudah banyak digunakan salah satunya untuk prediksi panen, jumlah keuntungan dan kerugian serta prediksi cuaca. Pada penelitian ini akan memanfaatkan prediksi cuaca untuk mengetahui sifat hujan harian menggunakan model monte carlo. Dalam prediksi hujan harian ada beberapa parameter yang dapat mempengaruhi missalnya temperatur, curah hujan, kelembaban, arah angin, tekanan udara dan lain sebagainya. Pengamatan cuaca dilakukan oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG). Data pengamatan yang digunakan pada penelitian ini adalah data pengamatan yang dilakukan stasiun BMKG Waingapu selama 40 tahun (1973-2013). BMKG dalam melakukan prediksi masih sering menemukan kendala karena iklim cuaca di Indonesia dirasa masih sangat labil, sehingga hasil akurasi prediksi sangat sulit dilakukan dengan menggunakan cara tradisional. Untuk itu diusulkan prediksi sifat hujan harian dengan pembangunan model sifat hujan harian menggunakan metode monte carlo. Tahapan metode yang dilakukan dimulai dari analisis, perancangan, implementasi dan uji validasi. Pada tahap implementasi dilakukan pemodelan dimana tahap awal yaitu melakukan analisis data cuaca, penentuan Awal Musim Hujan (AMH), analisis korelasi antara data AMH dengan data Anomali Suhu Permukaan Laut (ASPL) Nino 3.4, penentuan 3 kelas data menggunakan SOM, kategorisasi 9 sifat hujan harian, pemodelan dengan metode monte carlo dan uji coba validasi.
Comparison of Genetic Algorithm Optimization with Support Vector Machine (SVM) for Weather Forecast Andriani, Siska; Wihartiko, Fajar Delli
Journal of Applied Sciences and Advanced Technology Vol. 6 No. 3 (2024): Journal of Applied Sciences and Advanced Technology
Publisher : Faculty of Engineering Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/jasat.6.3.83-90

Abstract

Weather forecasts are one of the important factors for daily activities. It can be used for daily work activities such as farming, aviation, production and distribution. The Meteorology, Climatology and Geophysics Agency makes weather forecasts based on weather parameters, namely temperature, air pressure, solar radiation, humidity and rainfall. The weather forecast class is divided into 5 classes, namely Cloudy, Rainy, Sunny, Cloudy Rainy and Cloudy Sunny. In this research, a comparison of weather forecast models using Learning Vector Quantization optimization and Genetic Algorithms will be made with weather forecast models using the Support Vector Machine method. The data used in this research is weather data at the Citeko Class III Climatology and Geophysics station, the data used is data from the last 3 years. Then the data is divided into training and test data using percentage split with a division of 65% used for training data and 35% used for test data. After making the model using the LVQ-GA and SVM methods, a comparison of the model test results was carried out, from the test results the accuracy value was calculated using a confusion matrix for each model. The accuracy result of the LVQ-GA optimization weather forecast model was 73%, while the weather forecast model using the SVM method obtained an accuracy value of 81.5%, thus the results from SVM were better.
Clean Water Demand Prediction Model Using The Long Short Term Memory (LSTM) Method Sari, Delviani Permata; Karlitasari, Lita; Wihartiko, Fajar Delli
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol 20, No 2 (2023): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika
Publisher : Ilmu Komputer, FMIPA, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v20i2.8060

Abstract

Cities or districts as population centers with various service facilities, really need the provision of clean water. The agency that handles clean water in Indonesia is the Regional Drinking Water Company (PDAM). PDAMs were established in every city and district in Indonesia as agencies that serve the community's need for clean water. One of them is the Regional Public Company (Perumda) Tirta Pakuan and as time goes by the number of customers will definitely increase so that the need for clean water will also increase. The purpose of this research is to create a Clean Water Demand Prediction Model using the Long Short Term Memory (LSTM) Method to find the most optimal modeling. The data in this study were obtained from data reports is from Perumda Tirta Pakuan. The prediction model development process is carried out through Visual Studio Code tools. To find a model with the smallest error rate using various ratios, namely 80:20, 70:30, 60:40, and 50:50, then testing is also carried out based on the number of different hyperparameter values in batch sizes 5, 10, 15, 20, 25 and max epoch 50, 100, 150, 200, 250. From all the experiments that have been carried out, the most optimal is batch size 5 and epoch 50 with a ratio of 60:40 for water production to get RMSE 0.4862 and MAPE 2.5252% while for the amount of water use with a ratio of 50:50 get RMSE 0.4674 and MAPE of 2.5163%.
Co-Authors Agus Buono Dinar Munggaran Akhmad Edi Santosa Eneng Tita Tosida Feriadi Feriadi, Feriadi Fitria Virgantari Fredi Andria Freshty Yulia Arthatiani Hagni Wijayanti Hermawan Hermawan Hoerudin, Andi Irfan Wahyudin Irman Hermadi Lita Karlitasari Lola Jaman Sentosa Sari, Delviani Permata Siska Andriani Siska Andriani Sonny Koeshendrajana Sri Nurdiati Utep Utep Yani Nurhadryani Yasmin Erika Faridhan Yugo Ahmad Abdillah