Claim Missing Document
Check
Articles

Found 30 Documents
Search

Penerapan Aplikasi Pembelajaran Berbasis Multimedia untuk Menunjang Proses Belajar Mengajar di SD Negeri Kertasari 01 Kabupaten Bandung Dede Tarwidi; Putu Harry Gunawan; Didit Adytia
Charity : Jurnal Pengabdian Masyarakat Vol 3 No 2 (2020): Charity - Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v3i2.2357

Abstract

Makalah ini menyajikan penerapan aplikasi pembelajaran interaktif berbasis multimedia untuk menunjang proses pelajar pengajar di SD Negeri Kertasari 01 Kabupaten Bandung. Penerapan aplikasi pembelajaran ini dituangkan kedalam sebuah pelatihan pembuatan konten pembelajaran interaktif dengan multimedia. Masyarakat sasar yang dijadikan sebagai mitra adalah guru-guru SD Negeri Kertasari 01 Desa Tarumajaya Kecamatan Kertasari Kabupaten Bandung yang jaraknya sekitar 42 km dari Telkom University. Permasalahan yang dihadapi oleh masyarakat sasar adalah kurangnya media interaktif yang menunjang proses belajar mengajar, dalam satu kelas jumlah siswa terlalu banyak, proses penyampaian materi masih menggunakan papan tulis, siswa masih menggunakan buku ajar yang konvensional, keterbatasan waktu belajar siswa di sekolah. Untuk mengatasi permasalahan-permasalahan tersebut, salah satu solusinya adalah dengan pembuatan materi ajar interaktif berbasis teknologi multimedia. Hal inilah yang mendorong kami untuk memberikan pelatihan bagi para guru SD Negeri Kertasari 01 dalam pembuatan materi ajar dengan bantuan multimedia. Untuk mengukur apakah pelatihan ini memberikan pengaruh signifikan terhadap kemampuan peserta pelatihan dalam membuat materi ajar berbasis multimedia, kami melakukan observasi kemampuan peserta sebelum dan sesudah pelatihan. Hasil observasi kemudian dianalisis menggunakan t-test. Hasil dari analisis menunjukkan terdapat cukup bukti dengan tingkat kesalahan 5% bahwa ada perubahan yang signifikan dalam pelatihan pembuatan konten pembelajaran interaktif berbasis multimedia.
Digitalisasi Pelayanan Posyandu Melalui Sistem Informasi Posyandu Berbasis Website di Posyandu Anyelir RW 09 Kelurahan Burangrang Kecamatan Lengkong Kota Bandung Tatang Mulyana; Nopendri Nopendri; Seno Adi Putra; Tien i Fabrianti Kusumasari; Hanif Fakhrurroja; Setyorini Setyorini; Didit Adytia; Widianto Soekarnen; Derry Destian
Charity : Jurnal Pengabdian Masyarakat Vol 5 No 1 (2022): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v5i1.3632

Abstract

Posyandu adalah wadah pemberdayaan masyarakat yang diprakarsai oleh masyarakat dan dikelola oleh masyarakat bersama Pemerintah Desa/Kelurahan untuk memberikan kemudahan memperoleh pelayanan kesehatan masyarakat. Banyaknya sistem pelaporan dari Posyandu terkadang menjadi data yang tidak dianalisa secara baik. Hal ini dikarenakan rekapitulasi dan pengumpulan datanya terkadang tidak tepat waktu. Salah satu upaya yang dapat dilakukan untuk memperbaiki hal tersebut adalah diwujudkan melalui sistem teknologi informasi. Sistem ini, dikenal dengan istilah digitalisasi, membantu analisa dari data secara cepat sehingga petugas kesehatan dimudahkan dalam melakukan pekerjaannya. Pengabdian Masyarakat yang dilakukan ini bekerjasama dengan PT Mahawangga Winaya Indonesia melakukan digitalisasi pengisian data kader posyandu dan pengumpulan data bayi dan balita. Pengabdian ini terdiri dari tiga kegiatan utama yang berurutan, yaitu pembuatan program, pengujian, dan pelatihan. Kegiatan pembuatan program dan pengujian sudah dapat dilaksanakan, namun untuk kegiatan selanjutnya, yaitu berupa kegiatan pelatihan belum dapat dilaksanakan.
Time Series Temperature Forecasting by using ConvLSTM Approach, Case Study in Jakarta Faishal Rasyid; Didit Adytia Adytia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 4 (2022): Agustus 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (601.307 KB) | DOI: 10.29207/resti.v6i4.4162

Abstract

Climate change has occurred in several countries, especially in tropical countries such as Indonesia. It causes extreme temperature changes in several Indonesian areas, especially Jakarta, one of the world's most populated cities. The population of Jakarta causes the activities carried out by residents to be disturbed by extreme temperature changes. In addition, drastic temperature changes also affect the energy consumption used by residents. Therefore, it is necessary to predict temperature to determine future temperature conditions so that residents can plan their activities. Temperature forecast can be done in several ways, one of which uses a machine learning approach. This research uses a deep learning model called the Convolutional Long Short-Term Memory (ConvLSTM). Moreover, we also compare the model with Multi-Layer Perceptron (MLP), and Long Short-Term Memory (LSTM). We use temperature data taken from the ERA-5 period years 2018 to 2020 located in Kemayoran, Jakarta, Indonesia. This research aims to investigate the accuracy of short-term temperature forecasting by using these three models. The model is built to predict short-term temperatures for 1, 3, and 7 days ahead. The performance of the three methods is measured by calculating the Root Mean Square Error (RMSE), Mean Square Error (MAE), and Coefficient Correlation (CC). The result shows that the LSTM performs better than the other methods to forecast 1, 3, and 7 days, i.e., with the lowest RMSE, MAE, and higher CC.
Boosting Methods For Dengue Incidence Rate Prediction in Bandung District Fhira Nhita; Didit Adytia; Aniq Atiqi Rohmawati
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol 13 No 3 (2022): Vol. 13, No. 3 December 2022
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/LKJITI.2022.v13.i03.p05

Abstract

Dengue infections are among the top 10 diseases that cause the most deaths worldwide. Dengue is a severe global threat and problem, especially in tropical countries like Indonesia. The Indonesian Ministry of Health also stated that dengue is as dangerous as COVID-19. One of the preventive actions that can be taken is by controlling vectors (the Aedes aegypti mosquito) where weather factors influence their breeding. In this study, the prediction of dengue incidence rate is carried out using three boosting methods i.e., Extreme Gradient Boosting, Adaptive Boosting, and Gradient Boosting. The data used are monthly data of dengue incidence rate and weather data. The case study used is Bandung district, West Java Province, Indonesia. The important issues that is investigated in this study is to find the weather parameters that have the most influence on IR and gradually improve the prediction model through three test scenarios. From the test results, the weather parameter that has the most influence on the next month's IR is temperature. Meanwhile, the best training data length is five years (2016-2020). Finally, the best prediction model achieved by AdaBoost method with value of Root Mean Square Error and Correlation Coefficient for testing data (January-December 2021) are 0.55 and 0.95, respectively.
Transformer Implementation for Short Term Electricity Load Forecasting, Case Study: Bali, Indonesia Arionmaro Asi Simaremare; Indra A Aditya; Didit Adytia; Isman Kurniawan
JIKO (Jurnal Informatika dan Komputer) Vol 5, No 3 (2022)
Publisher : JIKO (Jurnal Informatika dan Komputer)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v5i3.5379

Abstract

Short term load forecasting is a crucial process in ensuring optimal and reliable operation of electric power system which is critical in sustaining highly technological economies. Various approaches and methods have been implemented in forecasting electricity load of a system including statistical methods such as auto regression and machine learning methods such as support vector machine and also deep learning methodology as recurrent neural network methodology which gain popularity in electricity load forecasting nowadays. In this paper, Transformer as a deep learning methodology is used to forecast hourly electricity load in Bali Area. Three lookback days scenario and ten days of forecast period are used to evaluate the performance of the Transformer models. This study suggest that although higher lookback days will give more complicated model due to increasing number of parameters involved, the best overall prediction performance are given by transformer model with 1 day of lookback period. The three model in this study also tend to have low prediction performance in predicting electricity load for weekend or holiday period. Future study using multivariate transformer model is suggested to improve the prediction performance of the transformer model in predicting electricity load in Bali area.
Time Series Forecasting of Significant Wave Height using GRU, CNN-GRU, and LSTM Cornelius Stephanus Alfredo; Didit Adytia Adytia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 5 (2022): Oktober 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i5.4160

Abstract

Predicting wave height is essential to reduce significant risks for shipping or activities carried out at sea. Waves inherit a stochastic nature, mainly generated by wind and propagated through the ocean, making them challenging to forecast. In this paper, we design time series wave forecasting using a deep learning model, which is a hybrid Convolutional Neural Network (CNN)-Gated Recurrent Unit (GRU) or CNN-GRU. We use two time series of wave data sets, i.e., reanalysis data from ERA5 by ECMWF and GFS from NOAA. As a study area, we choose Pelabuhan Ratu, located in the south of West Java which is connected to the open Indian Ocean. Moreover, we also compare the results by using other deep learning models, i.e., the Long Short-Term Memory (LSTM) and GRU. We evaluated these models to forecast 7, 14, and 30 days. Models' performance is assessed using RMSE, MAPE, and Correlation Coefficient (CC). For predicting 30 days, using the ERA5 data, the CNN-GRU model produces relatively accurate results with an RMSE value of 1.8844 and CC of 0.9938, whereas for the GFS data, results in RMSE value of 1.8852 and CC of 0.9915.
Simulasi Gelombang Laut Di Daerah Selatan Jawa Dengan Model Swan Muhammad Rafiuddin; Didit Adytia; Dede Tarwidi
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam perancangan struktur offshore platform, informasi saintifik gelombang yang akurat sangat dibutuhkan untuk menghindari kesalahan pengukuran yang bisa mengakibatkan defisiensi desain. Dalam tugas akhir ini, digunakan model gelombang phase-averaged SWAN (Simulating Waves Nearshore) untuk menyimulasikan gelombang signifikan dan gelombang swell daerah perairan di selatan pulau jawa. Simulasi gelombang dilakukan dengan menggunakan data input angin dari ECMWF (European Centre for MediumRange Weather Forecasts) dan data batimetri yang diperoleh dari GEBCO (General Bathymetric Chart of the Ocean). Hasil simulasi yang diperoleh akan dibandingkan dengan data buoy BPPT (Badan Pengkajian dan Penerapan Teknologi) dari tanggal 3 Mei 2014 hingga tanggal 30 September 2014. Perbandingan dengan data pengukuran dari BPPT menunjukkan bahwa hasil simulasi yang diperoleh sudah relatif akurat. Kata kunci : offshore platform, model SWAN, swell Abstract In order to design an offshore platform structure, accurate scientific information is highly needed to avoid measurement error that can leads to design deficency. In this paper, a phase-averaged wave model SWAN (Simulating Waves Nearshore) used to simulate the significant wave height and swell in southern part ofJava. Wind input data from ECMWF (European Centre for Medium-Range Weather Forecasts) and bathymetry from GEBCO (General Bathymetric Chart of the Ocean) used as input model to simulate the wind wave. Simulation results will then be compared with BPPT buoy data from 3 May 2014 to 30 September 2014. Comparison with measurement data from BPPT shows that obtained simulation result isrelatively accurate. Keywords: offshore platform, SWAN model, swell
Simulasi Numerik Shallow Water Equations Menggunakan Skema Eksplisit Collocated Lax-friedrichs Finite Volume Method Rasyadan Farouq; Didit Adytia
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Shallow Water Equations (SWE) banyak digunakan dalam menggambarkan fenomena alam seperti tsunami, flow model untuk arus, dan lain-lain serta dapat dimodelkan secara matematis. Metode numerik yang digunakan adalah Finite Volume Method (FVM) menggunakan skema collocated explicit LaxFriedrichs (CLF). Pemilihan SWE dan metode CLF untuk menyimulasikan fenomena tersebut dikarenakan penggunaan SWE terhadap simulasi fluida dapat dikatakan ideal dan penggunaan CLF dipilih dikarenakan kesederhanaan nya dalam hal komputasi. Simulasi ini menggambarkan bagaimana fenomena dam break flow menggunakan skema CLF. Dengan nilai MSE terbesar dengan nilai 0.002193157 dan nilai MSE terkecil dengan nilai 0.000381774. Kata kunci : Shallow Water Equations, Lax-Friedrich, Finite Volume Method, Dam Break Abstract Shallow Water Equations (SWE) is frequently usevd to depict natural phenomena such as tsunami, stream flow model, and simulated mathematically. The numerical method used is Finite Volume Method (FVM) using collocated explicit Lax-Friedrich (CLF) scheme. Selection of SWE and CLF method to simulate the phemonenon because SWE is ideal for fluid simulation and CLF picked because of it’s simplicity in computational. This simulation will depict dam break phenomenon using CLF scheme. With biggest MSE value is 0.002193157 and smallest MSE value is 0.000381774. Keywords: Shallow Water Equations, Lax-Friedrich, Finite Volume Method, Dam Break
Simulasi Redaman Gelombang Oleh Hutan Mangrove Dengan Menggunakan Sgvb Lukman Hardian; Didit Adytia
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstraksi Mangrove adalah komunitas tanaman yang hidup diantara laut dan daratan. Selain berfungsi sebagai habitat makhluk hidup, hutan mangrove juga berfungsi untuk meredam gelombang panjang maupun gelombang pendek. Efektivitas redaman gelombang oleh hutan mangrove saat ini masih menjadi perhatian para ahli. Tugas Akhir ini akan menginvestigasi efektivitas dari redaman gelombang regular dan irregular oleh hutan mangrove menggunakan metode numerik. Model yang akan digunakan dalam Tugas Akhir ini adalah model gelombang Staggered Grid Variational Boussinesq. Untuk menginvestigasi efektivitas dari mode, akan dilakukan perbandingan antara hasil simulasi dengan hasil eksperimen laboratorium di TU.Braunsweig.
Aplikasi Iot Untuk Rumah Pintar Dengan Fitur Prediksi Cuaca R. Fajrika hadnis Putra; Kemas Muslim Lhaksmana; Didit Adytia
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Dengan kemajuan teknologi saat ini, rumah dapat dibuat lebih pintar dengan memanfaatkan beberapa sensor dan mikrokontroler yang disusun menjadi perangkat Internet of Things (IoT). Rumah yang disematkan IoT untuk menjadi pintar dapat memberikan rasa lebih aman kepada pemilik rumah karena dapat memantau rumah dari jarak jauh. Bicara masalah keamanan, pintu masuk rumah menjadi salah satu tempat yang penting dijaga keamanannya. Selain pintu masuk, kontrol listrik di setiap colokan juga diperlukan untuk menghindari terjadinya arus pendek listrik. Setelah listrik, air merupakan salah satu yang dapat membuat pemilik cemas akan keadaan rumah. Jika salah satu kran air lupa dimatikan di saat pemilik rumah pergi, maka akan menyebabkan terjadinya pembuangan air secara sia-sia. Selain pintu masuk, listrik, dan air, ada satu bagian yang tidak kalah penting, walaupun tidak menyangkut keamanan, yaitu jemuran pakaian. Ketika pemilik rumah menjemur pakaian, lalu tiba-tiba hujan datang di saat pemilik rumah tidak ada, maka dibutuhkan perangkat yang bisa mengurangi jemuran menjadi sangat basah akibat hujan. Untuk meningkatkan akurasi dalam menentukan hujan atau tidaknya maka di perlukan suatu metode yang dapat memprediksi hal tersebut, salah metode tersebut ialah KNN, dengan parameter suhu dan kelembaban. Dari berbagai hal yang dideskripsikan di atas maka ada beberapa hal yang harus dibuat untuk menjadikan rumah lebih pintar, yaitu pintu, colokan listrik, kran air, dan jemuran pintar. Media untuk mengontrol serta mengawasi keempat alat tersebut menggunakan