Article Per Year (5 Year)
p-Index From 2021 - 2026
3.791
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi ELECTRANS JMECS (Journal of Measurements, Electronics, Communications, and Systems) Journal of Community Practice and Social Welfare (JaCiPS) Prosiding Konferensi Nasional PKM-CSR Indonesian Journal of Physics (IJP) eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Nasional Sains dan Teknik
Ig. Prasetya Dwi Wibawa
Universitas Telkom
Humanities Astronomy Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences Other

Published : 71 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 71 Documents
Search

 4   5   6   7   8 
PREDIKSI DAN FORECASTING KUALITAS UDARA MENGGUNAKAN ALGORITMA EXTREME LEARNING MACHINE Ramdhani, Agung Sulaksono; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 3 No. 2 (2024): Juni 2024
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Polusi udara menjadi salah satu faktor terpenting yang mempengaruhi kesehatan manusia. Jakarta adalah ibukota Indonesia, menduduki peringkat ke-9 dalam hal kualitas udara dan polusi perkotaan. Indonesia berada di peringkat ke-9 di antara 106 negara sebagai negara yang paling tercemar di dunia. DKI Jakarta adalah kota yang sangat padat. Tujuan dari penelitian ini adalah untuk memprediksi dan meramalkan data kualitas udara di DKI Jakarta dengan menggunakan algoritma Extreme Learning Machine (ELM). Metode ini memungkinkan penggunaan yang memberikan kecepatan dan performa yang tinggi. Berdasarkan hasil pengujian, diperoleh nilai root mean square error (RMSE) sebesar 0,06%, mean square error (MSE) sebesar 0,004%, dan mean absolute error (MAE) sebesar 0,041%. Nilai-nilai pengukuran evaluasi ini diperoleh dengan fungsi aktivasi ELU dengan 100 neuron tersembunyi untuk prediksi dan 500 untuk forecasting.Kata kunci : kualitas udara, prediksi, peramalan extreme learning machine, evaluasi metrik
Enhancing Binary Classification Performance in Biomedical Datasets: Regularized ELM with SMOTE and Quantile Transforms Focused on Breast Cancer Analysis Aina, Brilliant Friezka; Kallista, Meta; Wibawa, Ig. Prasetya Dwi; Nugroho, Ginaldi Ari; Meiska, Ivana; Naf’an, Syifa Melinda
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 9, No 2 (2024): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v9i2.28785

Abstract

Using microarray datasets, this research investigation addresses the problem of unbalanced data in binary classification tasks. The objective is to increase classification performance by adding Extreme Learning Machine (ELM) regularization, as well as Synthetic Minority Over-sampling Technique (SMOTE) for data over-sampling and Quantile Transformer for data scaling. The study began with gathering important biological datasets from reputable sources such as UCI and Kaggle, including Pima Indian Diabetes, Heart Disease, and Wisconsin Breast Cancer. SMOTE was employed to solve the difficulty of data imbalance in the preparation of the dataset. The data was then separated into training (80%) and testing (20%) sets before being scaled using Quantile Transformation. To boost accuracy, ELMs were employed with an emphasis on introducing regularization techniques. Quantile Transforms are used to generate a Gaussian or uniform probability distribution from numerical input variables. Regularized ELM (R-ELM) surpasses ELM in terms of AUC, despite ELM's faster calculation time. The final selection of the regularization parameter (C) in R-ELM influences the model's performance and calculation time. Overall, R-ELM with SMOTE produces encouraging results when it comes to effectively categorizing biological dataset properties. A subsequent investigation and validation of additional datasets, however, are necessary to establish its generalizability and robustness.
Pembelajaran Mesin Pada Data Preprocessing Dengan Metode Principal Component Analysis Dan Smote Putra, Giovano Trihade; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Pencemaran udara merupakan dampak negatif dari aktivitas manusia terhadap lingkungan. Udara yang tercemar oleh partikel yang berbahaya dapat membahayakan lingkungan, menyebabkan masalah pernafasan pada manusia, pemanasan global dan mempengaruhi metabolisme lingkungan. Indonesia menduduki peringkat ke-17 pada tahun 2022 dalam indeks kualitas udara (AQI) Internasional. Untuk menurunkan tingkat pencemaran udara, diperlukan adanya kesadaran masyarakat tentang pencemaran udara. Kota Bandung adalah kota besar di Indonesia yang berlokasi dekat ibu kota negara. Lokasi geografis yang strategis membuat kota ini cocok untuk ditempati, namun juga memiliki tingkat populasi dan aktivitas industri yang tinggi, yang menyebabkan tingginya tingkat pencemaran udara. Walaupun Kota Bandung sudah memiliki sistem pemantauan kualitas udara, sistem ini hanya memantau parameter umum seperti ozon, monoksida karbon, dan partikulat. Oleh karena itu, perlu adanya kesadaran masyarakat tentang tingkat pencemaran udara dengan menggunakan Indeks Standar Pencemaran Udara (ISPU) sebagai acuan. Dalam penelitian ini, penulis mengumpulkan data terkini sesuai dengan kebutuhan ISPU. Preprocessing digunakan untuk menentukan akurasi pembacaan kualitas udara dan memberikan prediksi kualitas udara kepada masyarakat. Dengan informasi ini, masyarakat dapat mengambil tindakan pencegahan untuk mengurangi produksi pencemaran.Kata kunci— Polusi Udara, ISPU, Preprocessing, Akurasi, Prediksi.
Perancangan Perangkat Lunak Monitoring Kualitas Air Sungai Citarum Berbasis IoT Putra, Rio Mandala Nuryan; Wibawa, Prasetya Dwi; Kallista, Meta
eProceedings of Engineering Vol. 11 No. 1 (2024): Februari 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai Citarum di Jawa Barat, Indonesia, mengalami masalah serius terkait kualitas airnya yang tidak memenuhi standar baku mutu air, terutama selama musim kemarau. Tingginya tingkat pencemaran disebabkan oleh berbagai aktivitas manusia, seperti pertanian, peternakan, industri, dan kegiatan domestik yang mengakibatkan kualitas fisik sungai, seperti kekeruhan, bau, dan jumlah sampah, juga mengalami penurunan. Pemantauan kualitas air sungai Citarum telah dilakukan menggunakan berbagai sensor. Namun, sejauh ini, pendekatan pemantauan tersebut belum menyediakan data yang komprehensif mengenai kualitas air sungai. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas air sungai Citarum yang dilengkapi dengan software yang canggih dan dapat diandalkan dari jarak jauh. Dengan Penggunaan teknologi yang tepat dalam software ini akan membantu pihak berwenang dan masyarakat untuk lebih memahami kondisi sungai dan mengambil tindakan pencegahan yang tepat guna menjaga sumber daya air yang berkelanjutan dan lingkungan yang sehat. Metode perancangan perangkat lunak terdiri dari ESP8266, Antares, dan Mobile apss. Hasil yang diperoleh dari pengujian perangkat lunak monitoring menunjukkan bahwa transfer data parameter melalui koneksi jaringan Wi-Fi telah tercapai secara efektif dan beroperasi dengan lancar.Kata kunci: Internet of Things, Aplikasi Seluler, Pemantauan Kualitas Air Sungai.
Perancangan Alat Pemantauan Kualitas Air Sungai Citarum Akbar, Andi Muhammad Rezky; Wibawa, Prasetya Dwi; Kallista, Meta
eProceedings of Engineering Vol. 11 No. 1 (2024): Februari 2024
Publisher : eProceedings of Engineering

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

Abstract

Air merupakan sumber daya alam yang penting dan memainkan peran vital dalam kehidupan manusia dan ekosistem. Selain itu, air sungai juga menjadi tempat pembuangan sampah rumah tangga, meningkatkan risiko masukan bahan pencemar yang mempengaruhi kualitas air. Kondisi tersebut diindikasikan oleh kekeruhan fisik sungai dan adanya pabrik limbah industri, pembuangan tinja perumahan, serta banyaknya sampah di aliran sungai. Pemantauan kualitas air telah dilakukan dengan menggunakan beberapa sensor, namun belum mencakup semua parameter standar Indonesia, seperti kekeruhan, bau, pH, zat padat terlarut, dan suhu Namun, kualitas air sungai sering kali terpengaruh oleh aktivitas manusia dan polusi lingkungan. Oleh karena itu, perlu dikembangkan alat pemantauan kualitas air sungai yang dapat memberikan informasi real-time untuk pengawasan dan pengelolaan yang efektif. Pada paper ini, kami merancang dan membangun alat Pemantauan kualitas air sungai Citarum. Alat ini menggunakan sensor pH, suhu, turbidity, dan TDS (Total Dissolved Solids) untuk mengukur parameter-parameter kualitas air. Hasil yang diperoleh dari alat ini dapat memberikan informasi real-time mengenai kualitas air sungai Citarum dan membantu dalam pengambilan keputusan terkait pengelolaan sumber daya air. Kata kunci: pH, TDS, suhu, turbidity Citarum, pemantauan kualitas air sungai Abstract - Water is an important natural resource and plays a vital role in human life and ecosystems. In addition, river water is also a place for household waste disposal, risking increasing the input of pollutants that affect air quality. This condition is indicated by the physical turbidity of the river and the presence of industrial waste factories, excrement disposal sites, and the amount of waste in the river flow. Air quality monitoring has been carried out using several sensors, but does not cover all standard Indonesian parameters, such as turbidity, odor, pH, dissolved solids, and temperature. However, river air quality is often affected by human activities and environmental pollution. Therefore, it is necessary to develop river water quality monitoring tools that can provide real-time information for effective monitoring and management. In this paper, we design and build a Citarum river water quality monitoring tool. This tool uses pH, temperature, turbidity, and TDS (Total Dissolved Solids) sensors to measure air quality parameters. The results obtained from this tool can provide real-time information about the quality of Citarum river water and assist in making decisions regarding the management of water resources. Keywords: pH, TDS, temperature, Citarum turbidity, river water quality monitoring
Klasifikasi Kualitas Sungai Air Menggunakan Metode Pembelajaran Mesin k-Nearest Neighbour Muhtar, Ahmad Fauzan; Wibawa, Prasetya Dwi; Kallista, Meta
eProceedings of Engineering Vol. 11 No. 1 (2024): Februari 2024
Publisher : eProceedings of Engineering

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

Abstract

Kualitas air Sungai Citarum di Jawa Barat masih belum memenuhi baku mutu air sepanjang tahun, terutama pada musim kemarau. Sungai ini masih tercemar berat akibat tingginya pencemar yang berasal dari berbagai aktivitas manusia seperti pertanian, peternakan, perikanan, industri, dan kegiatan domestik. Selain itu, sungai ini juga menjadi tempat pembuangan sampah rumah tangga, meningkatkan risiko masukan bahan pencemar yang mempengaruhi kualitas air. Kondisi tersebut diindikasikan oleh kekeruhan fisik sungai dan adanya pabrik limbah industri, pembuangan tinja perumahan, serta banyaknya sampah di aliran sungai. . Fokus utama dalam penelitian ini membahas tentang pemetaan kualitas air yang kualitas air di beberapa titik aliran sungai citarum menggunakan metode kNearest Neighbour (KNN). Parameter yang digunakan sebagai masukan dalam pembelajaran KNN seperti kekeruhan, pH, zat padat terlarut, dan suhu, diperoleh dengan instalasi sensor di beberapa titik di sepanjang aliran sungai citarum dan komunikasi jarak jauh menggunakan IoT. Dataset untuk pelatihan model pembelajaran KNN diperoleh dengan mengumpulkan beberapa sampel air dan telah melakukan pengukuran dengan alat ukur standar untuk selanjutnya dilakukan proses kalibrasi dengan sensor yang digunakan. Hasil dari model pembelajaran KNN menunjukkan akurasi sebesar 85%, dengan jumlah tetangga terdekat di k = 9 menggunakan 300 dataset. Hasil pengujian di beberapa titik sungai citarum dalam beberapa kali percobaan menunjukkan variasi indeks kualitas aliran air sungai Citarum. Kata kunci— k-Nearest Neighbour, Dataset, Sensor, Akurasi, Air Sungai Citarum
Klasifikasi Kualitas Udara Menggunakan Metode Extreme Learning Machine (Studi Kasus: ISPU DKI Jakarta) Sukiman, Wahyu Mubarak; Kallista , Meta; Wibawa, Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Kualitas udara yang baik sangat berpengaruh untuk menjaga keberlangsungan kehidupan. Kualitas udarasangat berpengaruh kepada kualitas oksigen yang dibutuhkanoleh tubuh manusia. Polusi udara adalah salah satu komponenyang sangat mempengaruhi kualitas oksigen. Ibu kotaIndonesia, Jakarta, menduduki peringkat ke-9 untuk kualitasudara dan polusi perkotaan. Informasi kualitas udara tentunyasangat dibutuhkan manusia. Masyarakat perlu mengetahuiinformasi tentang kualitas udara agar lebih peduli terhadappengaruh polusi udara terhadap kesehatannya. Informasikualitas udara yang dibutuhkan adalah indeks kualitas udara.Oleh karena pada penelitian ini dilakukan klasifikasi terhadapindeks kualitas udara. Proses klasifikasi dilakukanmenggunakan algoritma machine learning dengan metodeExtreme Learning Machine (ELM). Algoritma ExtremeLearning Machine (ELM) dipilih karena memiliki kelebihanpembelajaran lebih cepat, mudah digunakan untuk masalahkompleks, dan relevan dengan dunia nyata. Dataset yangdigunakan untuk penelitian ini berasal dari Jakarta Open Datadan Jakarta Rendah Emisi. Penelitian ini membuktikan bahwapenggunaan machine learning dengan metode ExtremeLearning Machine (ELM) efektif dalam melakukan prosesklasifikasi. Dalam proses klasifikasi, Extreme LearningMachine (ELM) menghasilkan performa baik denganmenggunakan data balance maupun data imbalance. Percobaandengan data imbalance dengan akurasi tinggi sebesar 94% dandata yang balance dengan akurasi sebesar 96%. Kata kunci— extreme learning machine, kualitas udara, klasifikasi, machine learning.
Analisis Klasifikasi Kualitas Air Sungai Citarum Menggunakan Metode Indeks Pencemaran An – Nisaa, Siti; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai citarum ialah sungai terpanjang di JawaBarat. Sungai ini memiliki banyak manfaat didalamnya yangdigunakan bagi kehidupan manusia. Namun sayangnya sungaiini pernah dinobatkan menjadi sungai terkotor di duniamenurut Green Cross Swizerland and Blacksmith Institutepada tahun 2013. Hal ini sangat disayangkan mengingat sungaicitarum ini menjadi salah satu tempat bergantungnyamasyarakat disepanjang alirannya. Karena hal tersebutmasyarakat perlu tau mengenai kualitas dari air sungai citarumitu sendiri. Oleh karena itu pada penelitian berikut ini dilakukan perhitungan kualitas air sungai citarum menggunakanmetode Indeks Pencemaran. Nilai yang dihasilkan dariperhitungan menggunakan metode tersebut akan dikategorikansesua dengan nilai yang diperoleh. Dengan begitu kita dapatmengetahui kualitas dari air sungai citarum. Analisa jugadilakukan guna mengetahui apakah pencemaran yang terjadi diair sungai citarum akan terus meningkat atau sebaliknyamenjadi lebih membaik dibandingkan dengan yangsebelumnya. Kata kunci— Sungai Citarum, Kualitas Air, Indeks Pencemaran
Klasifikasi Kualitas Air Sungai Citarum Menggunakan Metode K-Nearest Neighbors, Support Vector Machine, dan Random Forest Sugandi, Delatifa Putri; Kallista , Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Sungai merupakan sumber kehidupan dilingkungan sekitar baik untuk keperluan rumah tangga,pertanian maupun industri. Karena sungai memiliki perananyang begitu penting, maka perlu dilakukan pemeliharaankualitas air agar tidak berdampak buruk bagi lingkungansekitar. Padahal, kualitas air Sungai Citarum pernah menjadisungai paling tercemar dan kotor di dunia. Kualitas air sungaidapat ditentukan dengan menghitung nilai indeks pencemaransecara manual. Namun, metode perhitungan manual dianggapmembutuhkan waktu yang lama. Oleh karena itu, diperlukansuatu teknik yang efektif untuk mengukur kualitas air sungai.Machine learning dipilih sebagai salah satu teknik yangdiusulkan untuk mengklasifikasikan kualitas air sungai. Tigametode klasifikasi diterapkan dalam penelitian ini. K-NearestNeighbors, Support Vector Machine, dan Random forest. Setalahdilakukan pengujian, didapatkan kesimpulan bahwamenggunakan random forest memberikan hasil yang lebih baikantara metode K-Nearest Neighbors dan metode Support VectorMachine dengan akurasi sebesar 99,24% dan jika modelrandom forest tersebut ditambahkan dengan metode AdaBoostmaka akurasi meningkat menjadi 99.34%. Kata kunci— Klasifikasi, Kualitas Air Sungai, KNN, SVM, Random forest.
Natural Disaster Monitoring Information System From Social Media Data Using Naïve Bayes Algorithm Aina, Brilliant Friezka; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

In Indonesia, there have been several naturaldisasters, such as earthquakes, tsunamis, landslides, floods, andothers. Because Indonesia is situated where the Eurasian,Pacific, and Indo-Australian plates converge, this potentialnatural disaster is caused by this location. Social mediainformation is expanding quickly and becoming more useful.Social media helps to alert people of the disaster's locationduring a disaster like a flood. Twitter is used as a data searchengine in this work. Twitter has been utilized effectively toupdate the public on current events during emergencies. Inorder to learn more, we can conduct a search using pertinenthashtags to determining for the incident's location. The test'sresults will show a map of the Indonesian region, and thedisaster's epicenter will be determined using the geolocationprovided by the tweet data. The Naive Bayes approach will beused for classification. The clustering process occurs in real timeacross every region of Indonesia. In this investigation, theaccuracy value was 75% based on the k-fold cross-validationtest, utilizing a fold value of 3. Keywords—Natural disasters, Twitter, Naïve Baiyes.
Co-Authors Abdul Latif, Muhammad Achmad Rizal Achmad Rizal Addinul Rafif Nufrinal Aditya, Muhammad Billy Adnanqays G. Riyadhi Adnanqays Graha Riyadhi Agung Surya Wibowo Aina, Brilliant Friezka Akbar, Andi Muhammad Rezky Akbar, Muh. Aldila Ersa Samapta Amanullah Bahtiar, Mohammad Rizky Fauzan An – Nisaa, Siti Andre Suryaputra Angga Rusdinar Asry Fahriza Hani Pinem Cahyantari Ekaputri Dami Mahardiwana Desri Kristina Silalahi Dhani Eka Putra Subekti Edwar Ekki Kuniawan Ekki Kurniawan Epo Ilham Ajiprasetyo Erwin Susanto Ester Roselin Ambarita Fajar Ridho Wicaksono Fajar Surya Permana Falih Asyrafi Fanio Prambudi Fatanaja Abrar, Hanan Fiky Y. Suratman Fujitson Simamora Ganga Ram Phaijoo Gede Eka Adi Sanjaya Ghazali, Arman Hamiedah, Muthi’ah Atsari Harry Wijaya Fauzi Hilmy Dzul Faqar Ijon Posmarohatta Sinaga Indra Laksana Irfan Fauzi Aristianto Junartho Halomoan Khalid Irta Tamara Khalisheka, Daffa Asyqar Ahmad Kusumah, Zaky Ibnu Lulu Danisia M. Bayu Oktodwilavito Martuahman, Fransiskus Alexander Meiska, Ivana Meta Kallista Michael Miftah Abdullah Mohamad Ramdhani Mohammad Ramdhani Muh Ichsan Kamil Muhammad Arsil Ghafur Muhammad Iqbal Muhammad Irfaan Hadi Muhammad Reza Elang Erlangga Muhammad Reza Hammady Muhtar, Ahmad Fauzan Mulia, Thasya Naf’an, Syifa Melinda Neina Oktavia Sariningsih Nugroho, Ginaldi Ari Porman Pangaribuan Purnama, Badi Rafli Rizky Putra, Aditiya Nicola Putra, Giovano Trihade Putra, Rio Mandala Nuryan Ramdhan Nugraha Ramdhan, Mohammad Rizki Ramdhani, Agung Sulaksono Rebecca Chittra Widyaparamitha Reza Aristyo Pramudita Rezza Aji Saputra Ria Juliani Dewi Rifki Nurgraha Rio Fernando Rizki Ardianto Priramadhi Sagita, Elvira Saputra , Ariq Nurcahyo Septa Muhammad Rivaldy Sony Sumaryo Sugandi, Delatifa Putri Sukiman, Wahyu Mubarak Wahid, Zulian Wahmisari Priharti Wardhana, I Made Bayu Satria Yasir , Yusran Yusuf Pratama Ari Wiyono Zulaikha Zulaikha Zulfany, Aprilla Nurindah