Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Reaktor Jurnal Pendidikan IPA Indonesia Jurnal Ilmiah Teknik Industri Network Engineering Research Operation [NERO] Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JAVA Journal of Electrical and Electronics Engineering
S. Suprapto
Chemical Engineering Department, Industrial Technology Faculty, Sepuluh Nopember Institute Of Technology, Surabaya 60111,
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM PENENTUAN PRIORITAS REHABILITASI DAERAH ALIRAN SUNGAI (DAS) Fahmi, Muhammad Farid; Suprapto, Yoyon K
Network Engineering Research Operation [NERO] Vol 2, No 1 (2015): Nero
Publisher : Universitas Trunojoyo Madura

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

Abstract

Ketersediaan informasi mengenai tingkat kekeritisan lahan yang akurat mempunyai arti yang sangatpenting dalam program RHL sehingga Priorotas DAS mana yang akan dilakukan rehabilitasi bisadiketahui. Dari permasalahan diatas diperlukan sebuah cara untuk menentukan prioritas DAS yangdirehabilitasi. Adapun metode yang digunakan dalam penelitan ini adalah K-Means Clustering. K-MeansClustering memodelkan dataset menjadi cluster-cluster dimana data pada satu cluster yang memilikikarakteristik sama dan memiliki karakteristik yang berbeda dari cluster lain berdasarkan parametertingkat kekeritisan lahan. Dari penelitian ini diperolah Kelompok DAS dengan skor rendah untuk semuaparameter kekritisan lahan sehingga memiliki tingkat kekritisan lahan tinggi dan menjadi prioritas untukdilakukan rehabilitasi.Kata Kunci: Rehabilitasi, DAS, Data Mining, K-means Clustering
PERBANDINGAN AKURASI KLASIFIKASI TINGKAT KEMISKINAN ANTARA ALGORITMA C 4.5 DAN NAÏVE BAYES Iskandar, Derick; Suprapto, Yoyon K
Network Engineering Research Operation [NERO] Vol 2, No 1 (2015): Nero
Publisher : Universitas Trunojoyo Madura

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

Abstract

Kemiskinan merupakan salah satu masalah yang dialami oleh beberapa Negara berkembang, termasuk indonesia. Banyak cara yang dilakukan untuk menanggulangi kemiskinan, diantaranya dengan program bantuan sosial untuk rakyat miskin. Bentuk bantuan sosial yang diberikan oleh pemerintah disesuaikan dengan tingkat kemiskinan yang ada disuatu wilayah sehingga pemberian bantuan sosial tersebut tidak salah sasaran. Pada penelitian kali ini kami menggunakan BDT (Basis Data Terpadu) yang dikeluarkan oleh TNP2K dalam menentukan klasifikasi tingkat kemiskinan. Adapun metode yang digunakan dalam penelitian ini adalah Naïve Bayes Clasifier (NBC) dan Algoritma C4.5 yang keduanya merupakan metode pada teknik klasifikasi data mining. Pegujian akan dilakukan dengan menggunakan 14 atribut. Hasil dari proses klasifikasi diperoleh bahwa metode C4.5 memiliki tingkat akurasi 3% lebih baik jika dibandingkan dengan metode Naïve Bayes. Kata Kunci: C4.5, Naïve Bayes, Data mining, kemiskinan.
Perbandingan akurasi klasifikasi tingkat kemiskinan antara algoritma C4.5 dan Naïve Bayes Clasifier Iskandar, Derick; Suprapto, Yoyon K
JAVA Journal of Electrical and Electronics Engineering Vol 11, No 1 (2013)
Publisher : JAVA Journal of Electrical and Electronics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (112.627 KB)

Abstract

Kemiskinan merupakan salah satu masalah yang dialami oleh beberapa Negara berkembang, termasuk indonesia. Banyak cara yang dilakukan untuk menanggulangi kemiskinan, diantaranya dengan program bantuan sosial untuk rakyat miskin. Bentuk bantuan sosial yang diberikan oleh pemerintah disesuaikan dengan tingkat kemiskinan yang ada disuatu wilayah sehingga pemberian bantuan sosial tersebut tidak salah sasaran. Pada penelitian kali ini kami menggunakan BDT (Basis Data Terpadu) yang dikeluarkan oleh TNP2K dalam menentukan klasifikasi tingkat kemiskinan. Adapun metode yang digunakandalam penelitian ini adalah Naïve Bayes Clasifier (NBC) dan Algoritma C4.5 yang keduanya merupakan metode pada teknik klasifikasi data mining. Pegujian akan dilakukan dengan menggunakan 14 atribut. Hasil dari proses klasifikasi diperoleh bahwa metode C4.5 memiliki tingkat akurasi 3% lebih baik jika dibandingkan dengan metode Naïve Bayes.
Distribution Geographic System Paket Perijinan Usaha di Wilayah Kota Surabaya menggunakan Metode K-Means berbasis GIS Roiha, Nur Ulfatur; Suprapto, Yoyon K
JAVA Journal of Electrical and Electronics Engineering Vol 12, No 2 (2014)
Publisher : JAVA Journal of Electrical and Electronics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (317.889 KB)

Abstract

This Paket perijinan pada aplikasi Surabaya Single Window banyak diminati oleh masyarakat karena proses perijinan hanya satu kali namun bisa mendapatkan banyak ijin usaha. Semakin meningkatnya permohonan paket perijinan usaha membuat stake holder harus meningkatkan fasilitas dan infrastruktur terkait dengan perijinan tersebut. Oleh karena itudibutuhkan distribusi paket perijinan di setiap kelurahan maupun kecamatan. Distribusi dan prediksi data ditampilkan dalam bentuk peta data spasial untuk memudahkan stake holdermengambil keputusan. Penelitian ini menggunakan metode clusterisasi K-means.
Penentuan Prioritas Rehabilitasi DAS Menggunakan Algoritma K-Means Clustering Fahmi, Muhammad Farid; Suprapto, Yoyon K
JAVA Journal of Electrical and Electronics Engineering Vol 11, No 2 (2013)
Publisher : JAVA Journal of Electrical and Electronics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.541 KB)

Abstract

Ketersediaan informasi mengenai tingkat kekeritisan lahan yang akurat mempunyai arti yang sangat penting dalam program RHL sehingga Priorotas DAS mana yang akan dilakukan rehabilitasi bisa diketahui.Dari permasalahan diatas diperlukan sebuah cara untuk menentukan prioritas DAS yang direhabilitasi. Adapun metode yang digunakan dalam penelitan ini adalah K-Means Clustering.KMeans Clustering memodelkan dataset menjadi klaster-klaster dimana data pada satu klaster yang memiliki karakteristik sama dan memiliki karakteristik yang berbeda dari klaster lain berdasarkan parameter tingkat kekeritisan lahan. Dari penelitian ini diperolah validasi data dengan penghitungan manual sebesar 80.25% serta didapatkan Kelompok DAS dengan skor rendah untuk semua parameter kekritisan lahan sehingga memiliki tingkat kekritisan lahan tinggi dan menjadi prioritas untuk dilakukan rehabilitasi.
Analisis Kebutuhan Teknis Stakeholder Pada Produk Kursi Roda Manual Menggunakan Zachman Framework Ayundyahrini, Meilinda; Suprapto, S.; Fahma, Fakhrina; Soetopo, Wahyudi; Pujiyanto, Eko
Jurnal Ilmiah Teknik Industri Vol. 18, No. 1, Juni 2019
Publisher : Muhammadiyah University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/jiti.v18i1.7771

Abstract

Most wheelchairs circulating in Indonesian market are imported from China at affordable prices, but do not fufill the ISO 7176 series standards. SNI 09-4663-1998 about wheelchair is one of medical devices standard. The standard is considered do not covers the quality and user safety, while wheelchair technology is transform rapidly. Mapping and analyzing gap between stakeholder need and SNI 09-4663-1998 is expected to be input of standard review to improve the competitiveness of products. This research using the Zachman Framework approach following FACTS steps. Data collection uses the observation, in-depth interviews and Focus Group Discussion. Data analysis using Inter Rater Reliability (IRR) which to measure the level of agreement of respondents. The results showed that stakeholder technical needs included 7 parameters: stability, maneuverability, mobility, dimensions, strength, durability, and product information. SNI 09-4663-1998 only includes the product strength parameters through a drop test so that the standard needs to be reviewed.
TRANSESTERIFICATION OF VEGETABLES OIL USING SUBAND SUPERCRITICAL METHANOL Nyoman Puspa Asri; Siti Machmudah; Wahyudiono Wahyudiono; Suprapto Suprapto; Kusno Budikarjono; Achmad Roesyadi; Mitsuru Sasaki; Motonobu Goto
Reaktor Volume 14, Nomor 2, Oktober 2012
Publisher : Dept. of Chemical Engineering, Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (113.746 KB) | DOI: 10.14710/reaktor.14.2.123-128

Abstract

A benign process, non catalytic transesterification in sub and supercritical methanol method was usedto prepare biodiesel from vegetables oil. The experiment was carried out in batch type reactor (8.8 mlcapacity, stainless steel, AKICO, JAPAN) by changing the reaction condition such as reactiontemperature (from 210°C in subcritical condition to 290°C in supercritical state with of 20°Cinterval), molar ratio oil to methanol (1:12-1:42) and time of reaction (10-90 min). The fatty acidmethyl esters (FAMEs) content was analyzed by gas chromatography-flame ionization detector (GCFID).Such analysis can be used to determine the biodiesel yield of the transesterification. The resultsshowed that the yield of biodiesel increases gradually with the increasing of reaction time atsubcritical state (210-230oC). However, it was drastically increased at the supercritical state (270-290oC). Similarly, the yield of biodiesel sharply increased with increasing the ratio molar of soy oilmethanolup to 1:24. The maximum yield 86 and 88% were achieved at 290oC, 90 min of reaction timeand molar ratio of oil to methanol 1:24, for soybean oil and palm oil, respectively.Proses transesterifikasi non katalitik dengan metanol sub dan superkritis,merupakan proses yang ramah lingkungan digunakan untuk pembuatan biodiesel dari minyak nabati.Percobaan dilakukan dalam sebuah reaktor batch (kapasitas 8,8 ml, stainless steel, AKICO, JAPAN),dengan variabel kondisi reaksi seperti temperatur reaksi (dari kondisi subkritis 210°C-kondisisuperkritis 290°C dengan interval 20°C), rasio molar minyak-metanol (1:12-1:42) dan waktu reaksi(10-90 menit). Kandungan metil ester asam lemak (FAME) dianalisis dengan kromatografi gasdengan detektor FID (GC-FID). Hasil Analisis tersebut dapat digunakan untuk menentukan yieldbiodiesel dari proses transesterifikasi. Hasil penelitian menunjukkan bahwa yield biodiesel meningkatsecara perlahan dengan meningkatnya waktu reaksi pada keadaan subkritis (210-230oC). Namun,yield biodiesel meningkat secara drastis pada kondisi superkritis (270-290oC). Demikian pula halnyadengan rasio molar minyak kedelai-metanol, dimana hasil biodiesel meningkat tajam denganmeningkatnya rasio molar minyak-metanol hingga 1:24. Yield maksimum dicapai pada 290oC, waktureaksi 90 menit dan rasio molar minyak terhadap metanol 1:24, yaitu sebesar 86% untuk minyakkedelai dan 88% untuk minyak sawit. 
Gamification in the STEM Domain Subject: The Prospective Method to Strengthen Teaching and Learning Arlinwibowo, J.; Ishartono, N.; Linguistika, Y.; Purwoko, D.; Suprapto, S.
Jurnal Pendidikan IPA Indonesia Vol 12, No 4 (2023): December 2023
Publisher : Program Studi Pendidikan IPA Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jpii.v12i4.48388

Abstract

Several meta-analysis studies related to game-based learning or Gamification have been carried out by various researchers. However, there is still a scarcity of studies specifically elucidating the extent of Gamification's impact on STEM domain subjects. Therefore, this research aims to summarize various research results related to the influence of game-based learning in improving student learning outcomes in STEM domain subjects. This research was a meta-analysis using the standardized group contrast design with a random model. Research data were from articles published in Scopus-indexed journals or proceedings. The inclusion criteria in this research were articles published between 2014 – 2023 in English, quantitative type data with a contrast group design containing control and experimental groups, complete data (n, mean, SD), and research focused on STEM domain subjects. The data collection process used the PRISMA method. To ensure data quality, researchers conducted publication bias analysis using the fail-safe N method. The moderator variables were continent, stem domain, era, developing competency, game type, and education level. The results find that Gamification has a positive impact on student learning outcomes, as indicated by an effect size value of 0.5492 [0.3943; 0.7041] with a confidence interval of 95%. Gamification does not provide a significant positive difference in the moderator variables continent, era, developing competence, and game type. For STEM domain subjects, Gamification is highly recommended to be applied. For the educational level, Gamification is most recommended to be implemented in elementary school.
Deep Learning for Karolinska Sleepiness Scale Classification Based On Eye Aspect Ratio with SMOTE-Enhanced Data Balancing Zaini, Ahmad; Yuniarno, Eko Mulyanto; Suprapto, Yoyon K; Farodisa, Annida Miftakhul
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 3 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i3.84962

Abstract

This paper addresses the challenge of accurately classifying sleepiness levels based on the Karolinska Sleepiness Scale (KSS) using Eye Aspect Ratio (EAR) data, especially when class imbalance leads to biased predictions. The research proposes a deep learning framework that integrates a Multi-Layer Perceptron (MLP) with the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data. EAR features, representing eye closure patterns, are extracted from video frames, and SMOTE is applied to generate synthetic data for underrepresented sleepiness classes. By training the MLP model on this balanced dataset, the system achieves a 97.6% classification accuracy in distinguishing four distinct sleepiness levels based on the KSS, demonstrating its effectiveness in reducing prediction bias and managing class imbalance, both crucial for real-time drowsiness detection systems
Co-Authors A. Suryanto Achmad Roesyadi Ahmad Zaini Arlinwibowo, J. Eko Mulyanto Yuniarno Fahmi, Muhammad Farid Fahmi, Muhammad Farid Fakhrina Fahma Farodisa, Annida Miftakhul Ishartono, N. Iskandar, Derick Kusno Budikarjono Kusno Budikarjono Linguistika, Y. Mahfud Mahfud Meilinda Ayundyahrini Mitsuru Sasaki Motonobu Goto Motonobu Goto Nyoman Puspa Asri Pujiyanto, Eko Purwoko, D. Roiha, Nur Ulfatur Siti Machmudah Siti Machmudah Soetopo, Wahyudi W. Wahyudiono Wahyudiono Wahyudiono