Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Teknika: Engineering and Sains Journal JUTEKS JuTEkS (Jurnal Teknik Elektro dan Sains)
Ahmad Ridho’i
Universitas 17 Agustus 1945 Surabaya
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
MODEL PREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR SEKTOR INDUSTRI BARANG DAN KONSUMSI Herlina Herlina; Ahmad Ridho’i; Anggie Erma Yunita; Mega Puja Azhari; Ade Reynaldi Saputra
Teknika: Engineering and Sains Journal Vol 3, No 2 (2019): Desember 2019
Publisher : Universitas Maarif Hasyim Latif

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51804/tesj.v3i2.490.77-82

Abstract

Kesulitan keuangan (financial distress) adalah sebuah tahapan yang akan dilalui oleh sebuah perusahaan sebelum mengalami kebangkrutan. Dengan alasan tersebut maka kemampuan untuk memprediksi kesulitan keuangan dapat menjadi informasi yang bermanfaat bagi perusahaan maupun investor. Penelitian mengenai financial distress sudah dimulai dari penelitian Altman pada tahun 1968 menggunakan metode Multiple Discriminant Analysis (MDA). Dimulai dari penelitian Altman, muncul penelitian-penelitian lainnya menggunakan pengembangan metode statistik, seperti Logistic Regression. Dari metode statistik kemudian berkembang dengan munculnya penelitian-penelitian menggunakan metode-metode kecerdasan buatan, serta algoritma evolusi untuk berusaha mendapatkan model prediksi financial distress yang akurat. Tujuan dari penelitian ini adalah untuk membandingkan tingkat akurasi dari model prediksi financial distress perusahaan manufaktur terbuka pada sektor industri barang konsumsi yang terdaftar pada Bursa Efek Indonesia menggunakan metode kecerdasan buatan serta algoritma evolusi. Metode yang digunakan untuk metode kecerdasan buatan adalah metode Support Vector Machines dan untuk model algoritma evolusi menggunakan metode Particle Swarm Optimization-Support Vector Machines. Tingkat akurasi dari masing-masing metode akan diukur dari prosentase misklasifikasi terkecil yang dihasilkan. Dari pengujian model menggunakan metode Support Vector Machines, didapatkan tingkat misklasifikasi terkecil sebesar 11,11% dengan menggunakan Kernel Linear dan untuk metode Particle Swarm Optimization-Support Vector Machines, didapatkan tingkat misklasifikasi terkecil sebesar 5,56% dengan menggunakan Kernel RBF, ? = 2.
Evaluasi Komparatif K-Means dan Fuzzy C-Means sebagai Metode Klasterisasi Hard dan Soft untuk Analisis Perilaku Dielektrik Minyak Transformator Terkontaminasi Logam Giovanni Dimas Prenata; Ahmad Ridho’I
JUTEKS Vol 13 No 1 (2026): JuTEkS (Jurnal Teknik Elektro dan Sains)
Publisher : Program Studi Teknik Elektro Universitas Ibn Khaldun Bogor

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

Abstract

AbstrakPenelitian ini menganalisis struktur perilaku dielektrik minyak transformator yang terkontaminasi tembaga dan besi menggunakan metode K-Means dan Fuzzy C-Means (FCM). Sebanyak 324 data eksperimen yang terdiri atas jenis minyak, jenis kontaminan, konsentrasi, dan nilai Breakdown Voltage (BDV) dianalisis untuk mengidentifikasi pola degradasi. K-Means mencapai konvergensi sangat cepat dalam 7 iterasi, dengan nilai pergeseran centroid menurun dari 0,66591 hingga 0, serta membentuk tiga kelas dielektrik yang jelas sesuai tingkat kontaminasi 0,10 g, 0,15 g, dan 0,20 g. Sebaliknya, FCM memerlukan 200 iterasi untuk stabilisasi, dengan nilai perubahan keanggotaan maksimum menurun dari 0,615249 menjadi 3,29 × 10⁻⁵. Meskipun kedua metode menghasilkan tiga kelas utama yang sama, FCM menunjukkan adanya overlap signifikan pada konsentrasi menengah dengan nilai keanggotaan maksimum di bawah 0,7 pada sejumlah sampel. Hasil ini secara kuantitatif membuktikan bahwa degradasi dielektrik minyak transformator bersifat terstruktur namun berkembang secara progresif, serta mendukung penggunaan pendekatan pemodelan nonlinier dalam analisis BDV.Kata Kunci: Minyak Transformator, Breakdown Voltage, K-Means, Fuzzy C-Means, Degradasi Dielektrik, Kontaminasi Logam.
Evaluasi Komparatif K-Means dan Fuzzy C-Means sebagai Metode Klasterisasi Hard dan Soft untuk Analisis Perilaku Dielektrik Minyak Transformator Terkontaminasi Logam Giovanni Dimas Prenata; Ahmad Ridho’I
JUTEKS Vol 13 No 1 (2026): JuTEkS (Jurnal Teknik Elektro dan Sains)
Publisher : Program Studi Teknik Elektro Universitas Ibn Khaldun Bogor

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

Abstract

AbstrakPenelitian ini menganalisis struktur perilaku dielektrik minyak transformator yang terkontaminasi tembaga dan besi menggunakan metode K-Means dan Fuzzy C-Means (FCM). Sebanyak 324 data eksperimen yang terdiri atas jenis minyak, jenis kontaminan, konsentrasi, dan nilai Breakdown Voltage (BDV) dianalisis untuk mengidentifikasi pola degradasi. K-Means mencapai konvergensi sangat cepat dalam 7 iterasi, dengan nilai pergeseran centroid menurun dari 0,66591 hingga 0, serta membentuk tiga kelas dielektrik yang jelas sesuai tingkat kontaminasi 0,10 g, 0,15 g, dan 0,20 g. Sebaliknya, FCM memerlukan 200 iterasi untuk stabilisasi, dengan nilai perubahan keanggotaan maksimum menurun dari 0,615249 menjadi 3,29 × 10⁻⁵. Meskipun kedua metode menghasilkan tiga kelas utama yang sama, FCM menunjukkan adanya overlap signifikan pada konsentrasi menengah dengan nilai keanggotaan maksimum di bawah 0,7 pada sejumlah sampel. Hasil ini secara kuantitatif membuktikan bahwa degradasi dielektrik minyak transformator bersifat terstruktur namun berkembang secara progresif, serta mendukung penggunaan pendekatan pemodelan nonlinier dalam analisis BDV.Kata Kunci: Minyak Transformator, Breakdown Voltage, K-Means, Fuzzy C-Means, Degradasi Dielektrik, Kontaminasi Logam.
Co-Authors Ade Reynaldi Saputra Anggie Erma Yunita Balok Hariadi Giovanni Dimas Prenata Herlina Herlina Kukuh Setyadjit Mega Puja Azhari