Kumara Ari Yuana
Universitas Amikom Yogyakarta

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

Found 3 Documents
Search

MODELING MATEMATIS DAN SIMULASI DROPLET UNTUK PENDINGINAN ALAT-ALAT TEKNOLOGI INFORMASI DAN KOMPUTER DENGAN METODE LATTICE-BOLTZMANN: MODELING MATEMATIS DAN SIMULASI DROPLET UNTUK PENDINGINAN ALAT-ALAT TEKNOLOGI INFORMASI DAN KOMPUTER DENGAN METODE LATTICE-BOLTZMANN Wiji Nurastuti; Kumara Ari Yuana
Jurnal Informatika Teknologi dan Sains Vol 3 No 3 (2021): EDISI 9
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (768.38 KB) | DOI: 10.51401/jinteks.v3i3.1039

Abstract

Abstrak : Kebutuhan inovasi skema pendinginan untuk pemeliharaan perangkat elektronik dengan suhu aman dibawah batas yang telah ditentukan oleh batasan material dan kendala realibilitas yang terkait pada miniaturisasi microchip yang agresif pada komponen elektronik. Pergeseran dari ketergantungan pada sistem berpendingin kipas menjadi ke skema pendinginan yang memanfaatkan pendingin cairan dielektrik menggunakan berbagai skema pendinginan fase tunggal. Perekayasa (engineer) sistem pendingin memusatkan perhatian pada skema pendinginan dua fase, untuk memanfaatkan kedua system pendingin. Sifat yang harus dimiliki perekayasa sistem pendingin ini yaitu konveksi fluida dan panas laten untuk memindahkan jumlah kalor yang jauh lebih besar dari pada skema fase tunggal, sambil mempertahankan suhu perangkat yang lebih rendah. Beberapa skema pendingin cairan dua fase telah direkomendasikan untuk menghilangkan fluks kalor tinggi dari perangkat yang digunakan diaplikasi. Momentum droplet memungkinkan cairan menembus penghalang uap yang dibuat oleh gelembung nukleasi dan secara lebih efektif mengisi kembali permukaan, keduanya sangat bermanfaat untuk pendinginan fluks tinggi. Pada model dan simulasi pengembangan droplet menggunakan metode LBM multi fase, parameter penting yang selalu didapatkan adalah arus semu maksimum (maximum spurious currents) yang menetukan stabilitas komputasi. Kata kunci : Modeling Matematis, Simulasi Droplet, Metode Latice-Boltzman Abstract: The need for innovative cooling schemes for maintaining electronic devices with safe temperatures below predetermined limits by material limitations and reliability constraints associated with aggressive microchip miniaturization of electronic components. Shifting from reliance on fan-cooled systems to cooling schemes that utilize dielectric liquid cooling using a variety of single-phase cooling schemes. The cooling system engineer focuses on two-phase cooling schemes, to take advantage of both cooling systems. Properties that these cooling system engineers must possess are fluid convection and latent heat to transfer a much greater amount of heat than a single-phase scheme, while maintaining a lower device temperature. Several two-phase liquid cooling schemes have been recommended to remove the high heat flux from the apparatus used in the application. The droplet momentum allows the liquid to penetrate the vapor barrier created by the nucleation bubbles and more effectively replenish the surface, both of which are very beneficial for high flux cooling. In droplet development models and simulations using the multi-phase LBM method, an important parameter that is always obtained is the maximum spurious currents which determine the computational stability. Keywords: Mathematical Modeling, Droplet Simulation, Latice-Boltzman Method
METODE DIGITAL IMAGE PROCESSING UNTUK MENENTUKAN DISTRIBUSI UKURAN DIAMETER GELEMBUNG UDARA PADA MICROGELEMBUNG GENERATOR Drajat Indah Mawarni; Indarto Indarto; Deendarlianto Deendarlianto; Kumara Ari Yuana
Journal of Information System Management (JOISM) Vol. 4 No. 2 (2023): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2023v4i2.977

Abstract

Penelitian ini dilakukan untuk mengetahui distribusi ukuran diameter gelembung yang dihasilkan oleh alat pembangkit gelembung udara mikro (microgelembung generator/MBG). Gelembung yang dihasilkan direkam dengan menggunakan kamera berkecepatan tinggi (high speed camera). Metode yang digunakan untuk mengetahui ukuran gelembung yang dihasilkan adalah dengan menggunakan metode digital image processing (MDIP). MDIP ini memiliki keunggulan yaitu dapat mengukur dimensi distribusi gelembung pada aliran yang tidak teratur secara akurat serta pada operasinya tidak mempengaruhi aliran yang terbentuk. Hasil akhir dari ekstraksi data image processing ini adalah distribusi diameter microgelembung yang dinyatakan dalam Probability Distribution Function (PDF) dan digunakan untuk mempresentasikan perbandingan disribusi dimensi gelembung udara yang dihasilkan oleh MBG Kata Kunci: Gelembung Udara Mikro, Digital Image Processing, Highspeed Camera, Probability Distribution Function
FOREST FIRE LOCATION AND TIME RECOGNITION IN SOCIAL MEDIA TEXT USING XLM-ROBERTA Hafidz Sanjaya; Kusrini Kusrini; Kumara Ari Yuana; Arief Setyanto; I Made Artha Agastya; Simone Martin Marotta; José Ramón Martínez Salio
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 10 No. 4 (2025): JITK Issue May 2025
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v10i4.6194

Abstract

Forest fires have become a serious global threat, significantly impacting ecosystems, communities, and economies. Although remote sensing technology shows potential, limitations such as time delays, limited sensor coverage, and low resolution reduce its effectiveness for real-time forest fire detection. Additionally, social media can serve as a multimodal sensor, presenting multilingual text data with rapid and global coverage. However, it may encounter challenges in obtaining location and time information on forest fires due to limitations in datasets and model generalization. This study aims to develop a multilingual named entity recognition (NER) model to identify location and time entities of forest fires in social media texts such as tweets. Utilizing a transfer learning approach with the XLM-RoBERTa architecture, fine-tuning was performed using the general-purpose Nergrit corpus dataset containing 19 entities, which were relabeled into 3 main entities to detect location, date, and time entities from tweets. This approach significantly improves the model's ability to generalize to disaster domains across multiple languages and noisy social media texts. With a fine-tuning accuracy of 98.58% and a maximum validation accuracy of 96.50%, the model offers a novel capability for disaster management agencies to detect forest fires in a scalable, globally inclusive manner, enhancing disaster response and mitigation efforts.