Article Per Year (5 Year)
p-Index From 2021 - 2026
2.386
P-Index
This Author published in this journals
All Journal Jurnal Ilmu dan Teknologi Kelautan Tropis ILMU KELAUTAN: Indonesian Journal of Marine Sciences Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Sisfokom (Sistem Informasi dan Komputer) Jiko (Jurnal Informatika dan komputer) JURNAL SUMBER DAYA AIR Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Didit Adytia
Telkom University
Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Social Sciences

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Simulasi Numerik Propagasi Gelombang Soliter Pada Bentuk Pantai Komposit Indira Citra Widya; Didit Adytia
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Propagasi dan runup gelombang tsunami telah menjadi topik riset yang sangat menarik sekaligus menantang bagi peneliti dibidang pemodelan tsunami. Model gelombang dan implementasi numerik yang akurat namun efisien secara komputasi sangat diperlukan untuk mendesain suatu perangkat lunak untuk sistem peringatan dini tsunami. Tsunami pada umumnya adalah gelombang panjang sehingga untuk mempelajari propagasi gelombang tsunami, biasanya gelombang tsunami diasumsikan sebagai gelombang soliter. Pada artikel ini, akan digunakan model gelombang nonlinear, non-dispersif Shallow Water Equations (SWE). Model ini diimplementasikan secara numerik dengan metode Finite Volume dengan skema numerik staggered grid. Model dan implementasi numerik ini akan digunakan untuk mempelajari propogasi gelombang tsunami pada bentuk pantai yang kompleks, yaitu bentuk komposit. Keakuratan dari implementasi numerik di validasi dengan data eksperimen dari laboratorium hidrodinamika. Terdapat tiga kasus yang dilakukan, yaitu propagasi gelombang soliter pada dasar rata, dan propagasi gelombang soliter tidak pecah dan pecah pada bentuk pantai komposit. Hasil perbandingan menunjukkan bahwa hasil implementasi numerik bersesuaian dengan hasil dari eksperimen. Kata kunci: Tsunami, gelombang soliter, finite volume, skema staggered grid, Shallow Water Equations ABSTRACT Propagation and runup of tsunami wave have been an interesting and challenging research topics for many researchers in a field of tsunami modelling. Wave model and its numerical implementation that is accurate as well as effisien in computation is needed in designing a software for tsunami early warning system. Tsunami in general, is categorized as a long wave, therefore to study the tsunami wave, the tsunami usually is assumed as a solitary wave. In this paper, we use the nonlinear, non-dispersive Shallow Water Equations (SWE) as the wave model. The model is implemented numerically by using finite volume method in a staggered grid scheme. The model and its numerical implementation is used to study the propagation of tsunami wave on a complex bathymetry, i.e. a composite beach. The accuracy of the numerical implementation is validated by comparing results of simulations with available experimental data from hydrodynamic laboratory. There are test three cases that are investigated, i.e. solitary wave propagation above a flat bottom, and propagation of non-breaking and breaking solitary wave above a composite beach. Results of comparison show a good agreement between numerical simulation with experimental data. Keywords: Tsunami, solitary wave, finite volume, staggered grid, Shallow Water Equations
Forecasting of GPU Prices Using Transformer Method Hadi, Risyad Faisal; Sa'adah, Siti; Adytia, Didit
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 12, No 1 (2023): MARET
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v12i1.1569

Abstract

GPU or VGA (graphic processing unit) is a vital component of computers and laptops, used for tasks such as rendering videos, creating game environments, and compiling large amounts of code. The price of GPU/VGA has fluctuated significantly since the start of the COVID-19 pandemic in 2020, due in part to the increased demand for GPUs for remote work and online activities. Furthermore, accurate GPU price forecasting can have broader implications beyond the computer hardware industry, with potential applications in investment decision-making, production planning, and pricing strategies for manufacturers. This research aims to forecast future GPU prices using deep learning-based time series forecasting using the Transformer model. We use daily prices of NVIDIA RTX 3090 Founder Edition as a test case. We use historical GPU prices to forecast 8, 16, and 30 days. Moreover, Transformer we compare the results of the Transformer model with two other models, RNN and LSTM. We found that to forecast 30 days; the Transformer model gets a higher coefficient of correlation (CC) of 0.8743, a lower root mean squared error (RMSE) value of 34.68, and a lower mean absolute percentage error (MAPE) of 0.82 compared to the RNN and LSTM model. These results suggest that the model is an effective and efficient method for predicting GPU prices.
Wave Downscaling Approach with TCN model, Case Study in Bengkulu, Indonesia Navialdy, Dio; Adytia, Didit
JOIN (Jurnal Online Informatika) Vol 9 No 2 (2024)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v9i2.1329

Abstract

When conducting marine operations that rely on wave conditions, such as maritime trade, the fishing industry, and ocean energy, accurate wave downscaling is important, especially in coastal locations with complicated geometries. Traditional approaches for wave downscaling are usually obtained by performing nested simulations on a high-resolution local grid from global grid information. However, this approach requires high computation resources. In this paper, to downscale global wave height data into a high-resolution local wave height with less computation resources, we propose a machine learning-based approach to downscaling using the Temporal Convolutional Network (TCN) model. To train the model, we obtain the wave dataset using the SWAN model in a local domain. The global datasets are taken from the ECMWF Reanalysis (ERA-5) and used to train the model. We choose the coastal area of Bengkulu, Indonesia, as a case study. The  results of TCN are also compared with other models such as LSTM and Transformers. It showed that TCN demonstrated superior performance with a CC of 0.984, RMSE of 0.077, and MAPE of 4.638, outperforming the other models in terms of accuracy and computational efficiency. It proves that our TCN model can be alternative model to downscale in Bengkulu’s coastal area.
Video Pembelajaran untuk Menjaga Keterlibatan Siswa pada Pembelajaran Online di SMP Pajajaran 1 Bandung saepudin, deni; Lhaksmana, kemas Muslim; adytia, didit
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2024): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

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

Abstract

Adanya pandemic Covid-19 memaksa penyelenggara pendidikan melakukan pembelajaran online untuk mencegah penularan penyakit di sekolah. Namun penyelenggaraan pembelajaran online memiliki tantangannya sendiri salah satunya adalah sulitnya menjaga keterlibatan (engagement) siswa dalam proses pembelajaran. Salah satu upaya yang dapat dilakukan untuk menjaga keterlibatan siswa adalah dengan menyajikan pembelajaran dalam bentuk video pembelajaran yang menarik. Atas dasar tersebut, pelatihan pembuatan video pembelajaran di SMP Pajajaran 1 dilakukan. Dampak pembelajaran melalui video animasi diukur untuk melihat ada tidaknya peningkatan keterlibatan peserta didik dalam proses pembelajaran.
Kebutuhan Harmonisasi pada Proses Pelaporan Data Posyandu: Evidence dari Posyandu Mawar Cipamokolan saepudin, deni; adytia, didit; ihsan, aditya firman
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2024): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

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

Abstract

Salah satu kegiatan rutin yang dilakukan oleh posyandu setiap bulannya adalah pemeriksaan kesehatan dan pengukuran, yaitu penimbangan berat dan pengukuran tinggi badan. Data tersebut merupakan indikator utama untuk mengetahui status gizi anak, apakah baik atau buruk berdasarkan usia. Data ini dilaporkan ke Kementrian Kesehatan melalui Puskesmas. Selain itu rekap data juga dilaporkan kepada Pemerintah Daerah melalui Kelurahan untuk mengetahui status kesehatan anak di sebuah wilayahnya. Untuk posyandu yang menangani balita cukup banyak (lebih dari seratus balita), proses perekapan ini cukup menyulitkan kader, terutama bila dilakukan secara manual. Hal ini dikarenakan banyaknya kriteria/kategori yang harus diperhatikan dan harus memperhatikan data hasil pengukuran pada waktu sebelumnya. Hal ini secara khusus dialami oleh para kader Posyandu Mawar Cipamokolan. Kegiatan abdimas ini bertujuan memberikan solusi yang mempermudah pekerjaan para kader posyandu sehingga pengolahan data dan penyiapan laporan dapat dilakukan dalam hitungan menit. Pada saat pelaksanaan kegiatan diperoleh informasi baru. Kader posyandu di Kota Bandung saat ini harus melaporkan data ini melalui aplikasi e-penting. Namun, penerapan aplikasi ini masih memerlukan harmonisasi agar kader tidak bekerja dua kali, dan adanya keterbatasan perangkat dan traffic data saat mengunggah hasil pengukuran.
Water Level Time Series Forecasting Using TCN Study Case in Surabaya Saepudin, Deni; Egi Shidqi Rabbani; Dio Navialdy; Didit Adytia
JOIN (Jurnal Online Informatika) Vol 9 No 1 (2024)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v9i1.1312

Abstract

Climate change is causing water levels to rise, leading to detrimental effects like tidal flooding in coastal areas. Surabaya, the capital of East Java Province in Indonesia, is particularly vulnerable due to its low-lying location. According to the Meteorological, Climatological, and Geophysical Agency (BMKG), tidal flooding occurs annually in Surabaya as a result of rising water levels, highlighting the urgent need for water level forecasting models to mitigate these impacts. In this study, we employ the Temporal Convolutional Network (TCN) machine learning model for water level forecasting using data from a sea level station monitoring facility in Surabaya. We divided the training data into three scenarios: 3, 6, and 8 months to train TCN models for 14-day forecasts. The 8-month training scenario yielded the best results. Subsequently, we used the 8-month training data to forecast 1, 3, 7, and 14 days using TCN, Transformers, and the Recurrent Neural Network (RNN) models. TCN consistently outperformed other models, particularly excelling in 1-day forecasting with coefficient of determination () and RMSE values of 0.9950 and 0.0487, respectively.
PENDEKATAN NUMERIK DISIPASI GELOMBANG REGULER OLEH HUTAN MANGROVE MENGGUNAKAN MODEL DISPERSIF BOUSSINESQ Adytia, Didit; Yuninda, Alifa Puspa
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 12 No. 1 (2020): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (965.595 KB) | DOI: 10.29244/jitkt.v12i1.26328

Abstract

Hutan mangrove adalah salah satu jenis hutan yang berada di wilayah pesisir dan membentuk sebuah ekosistem, sistem perakaran pada mangrove dapat berfungsi sebagai peredam gelombang terutama untuk proteksi pantai. Namun demikian, efektifitas redaman oleh hutan mangrove masih menjadi pertanyaan, terutama untuk gelombang pendek, seperti gelombang regular. Tujuan dari penelitian ini adalah untuk menganalisis efektifitas dari redaman gelombang regular oleh hutan mangrove melalui pendekatan simulasi numerik. Oleh karena simulasi gelombang pendek memerlukan model gelombang yang bersifat dispersif, pada penelitian ini digunakan model gelombang tipe Boussinesq, yaitu model Variational Boussinesq (VB). Model ini diimplementasikan secara numerik dengan metode Finite Volume pada grid tipe staggered. Proses disipasi oleh hutan mangrove dimodelkan dengan menambahkan suku disipasi pada dasar fluida yang equivalen dengan suatu koefisien Manning yang diturunkan dari eksperimen fisik. Model hasil implementasi numerik ini kemudian divalidasi dengan hasil eksperimen fisik pada laboratorium hidrodinamika, dimana didapatkan hasil cukup baik. Untuk menganalisis efektivitas dari redaman oleh mangrove, dilakukan berbagai skenario simulasi dengan berbagai panjang hutan mangrove. Didapatkan bahwa untuk mendapatkan redaman tinggi gelombang regular sebesar 67%, dibutuhkan paling tidak hutan mangrove dengan panjang 2 kali lipat dari panjang gelombang datang.
Prediksi Return Saham Berdasarkan Data Histori dan Data Fundamental Menggunakan LSTM Naufal Abdurrahman Burhani; Saepudin, Deni; Didit Adytia
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i1.9236

Abstract

Prediksi harga saham merupakan tantangan signifikan dalam dunia keuangan karena sifat pasar yang dinamis dan kompleks. Penelitian ini bertujuan untuk memprediksi harga saham dengan menggunakan model Long Short-Term Memory (LSTM), yang efektif dalam menangkap pola sekuensial pada data historis dan fundamental. LSTM dipilih karena kemampuannya untuk memodelkan ketergantungan jangka panjang, yang penting dalam prediksi harga saham. Evaluasi dilakukan dengan membandingkan kinerja model LSTM pada data historis dan kombinasi data historis dengan data fundamental. Hasil penelitian menunjukkan bahwa meskipun model LSTM berhasil menangkap pola pada data training, model tersebut mengalami overfitting yang signifikan pada data testing. Penambahan data fundamental tidak secara signifikan meningkatkan akurasi prediksi pada fase testing. Kesimpulannya, meskipun LSTM membantu dalam menangkap pola kompleks dari data historis dan fundamental, penelitian ini menekankan pentingnya eksplorasi lebih lanjut terhadap metode lain untuk mengatasi overfitting dan meningkatkan kinerja prediksi saham pada data testing.
Implementation of CRNN Method for Lung Cancer Detection based on Microarray Data Khoirunnisa, Azka; Adiwijaya, -; Adytia, Didit
JOIV : International Journal on Informatics Visualization Vol 7, No 2 (2023)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.7.2.1339

Abstract

Lung Cancer is one of the cancer types with the most significant mortality rate, mainly because of the disease's slow detection. Therefore, the early identification of this disease is crucial. However, the primary issue of microarray is the curse of dimensionality. This problem is related to the characteristic of microarray data, which has a small sample size yet many attributes. Moreover, this problem could lower the accuracy of cancer detection systems. Various machines and deep learning techniques have been researched to solve this problem. This paper implemented a deep learning method named Convolutional Recurrent Neural Network (CRNN) to build the Lung Cancer detection system. Convolutional neural networks (CNN) are used to extract features, and recurrent neural networks (RNN) are used to summarize the derived features. CNN and RNN methods are combined in CRNN to derive the advantages of each of the methods. Several previous research uses CRNN to build a Lung Cancer detection system using medical image biomarkers (MRI or CT scan). Thus, the researchers concluded that CRNN achieved higher accuracy than CNN and RNN independently. Moreover, CRNN was implemented in this research by using a microarray-based Lung Cancer dataset. Furthermore, different drop-out values are compared to determine the best drop-out value for the system. Thus, the result shows that CRNN gave a higher accuracy than CNN and RNN. The CRNN method achieved the highest accuracy of 91%, while the CNN and RNN methods achieved 83% and 71% accuracy, respectively.
Co-Authors Aditya Firman Ihsan Adiwijaya Adiwijaya, - Alif Rizal Yonanta Andonowati Andonowati Aniq Atiqi Rohmawati Annas Wahyu Ramadhan Arionmaro Asi Simaremare Arkan Priya Anggana Hadna Arnida Lailatul Latifah Azka Khoirunnisa Cornelius Stephanus Alfredo Dede Tarwidi Deni Saepudin Derry Destian Dio Navialdy E. van Groesen Egi Shidqi Rabbani Faishal Rasyid Fakhrurroja, Hanif Fhira Nhita Four Saputra BM Hadi, Risyad Faisal Huda Bachtiar I Putu Samskerta Indira Citra Widya Indra A Aditya Isman Kurniawan Kemas Muslim Lhaksmana Leo Sembiring Lukman Hardian Muhammad Adzhar Amrullah Muhammad Rafiuddin Naufal Abdurrahman Burhani Navialdy, Dio Nopendri Nopendri Novalianda Jeriano Nugrahinggil Subasita Putu Harry Gunawan R. Fajrika hadnis Putra Radika Rafif Gibran Rasyadan Farouq Riam Badriana sa'adah, siti Semeidi Husrin Semeidi Husrin Seno Adi Putra Setyorini Setyorini Tatang Mulyana Tien Fabrianti Kusumasari Widianto Soekarnen Yuninda, Alifa Puspa