Claim Missing Document
Check
Articles

Found 7 Documents
Search

Karakteristik Beton K225 Berserat Tandan Kosong Kelapa Sawit Bentuk Kubus Fahrizal Fahrizal; Lukman Hakim Nasution; Yoan Purbolingga; Bastul Wajhi Akramunnas; Asde Rahmawati; Dila Marta Putri
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 15, No. 01, Desember 2022
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/aptek.v15i1.1601

Abstract

Abstract: Eksperimental I (Kesatu) dilakukan untuk menentukan karakteristik beton berserat Tandan Kosong Kelapa Sawit (TKKS) K225 bentuk kubus umur 3 hari; dengan pengujian perbandingan berat dan kuat tekan rata-rata menggunakan 27 sampel beton K225 kubus umur 3 hari. Persentase serat TKKS yang ditambahkan adalah 1%, 5% dan 10% berjenis A (40mm-10mm), B (10mm-5mm) dan C (5mm-0.1mm), dengan pola matrik campuran berdasarkan SNI 2847:2013, dan pengujian berdasarkan SNI 03-2834-2000. Hasil analisis hubungan antara persentase dan jenis serat terhadap berat dan kuat tekan beton berserat TKKS K225 kubus umur 3 hari; berbanding dengan beton standar K225 kubus umur 3 hari membuktikan bahwa penambahan serat 1% jenis C berat rata-ratanya adalah 7.37kg, berbanding 7.5kg berat standar. Sedangkan sampel matrik 3K1C1, 3K1C2 dan 3K1C3 adalah campuran terbaik dengan berat rata-rata tertinggi adalah 7.42kg. Namun nilai rata-rata kuat tekan masih dibawah range nilai konversi diizinkan untuk beton standar K225 kubus umur 3 hari; dimana nilai kuat tekan rata-rata beton berserat TKKS adalah 72.84kg/cm2, berbanding 82.8kg/cm2-103.5kg/cm2 beton standar K225 kubus umur 3 hari. Sehingga disimpulkan bahwa sampel matrik 3K1C1, 3K1C2 dan 3K1C3 adalah sampel matrik terbaik (C1%). Ini merupakan karakteristik beton berserat TKKS K225 kubus umur 3 hari; namun eksperimen lanjutan diperlukan khusus pada persentase serat TKKS 1%-5%, berjenis B dan C, berbentuk kubus, silinder dan balok pada umur 28 hari.
Perbandingan Algoritma CatBoost dan XGBoost dalam Klasifikasi Penyakit Jantung Yoan Purbolingga; Dila Marta Putri; Fahrizal; Asde Rahmawati; Bastul Wajhi Akramunnas
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 15, No. 02, Juni 2023
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/aptek.v15i2.1930

Abstract

Penyakit jantung merupakan masalah kesehatan yang serius dan dapat berdampak negatif pada kualitas hidup individu. Dalam beberapa tahun terakhir, penggunaan teknik pembelajaran mesin dalam mendiagnosis penyakit jantung telah menjadi topik penelitian yang penting. Pada penelitian ini melakukan perbandingan kinerja algoritma CatBoost dan XGBoost, dalam tugas klasifikasi penyakit jantung. Tahapan perbandingan algoritma diawali dengan data acquisition, exploratory data analysis, future engineering, modelling, dan model evaluation. Hasilnya membuktikan bahwa algoritma CatBoost dapat mengungguli algoritma XGBoost dalam mengklasifikasi kasus orang dengan penyakit jantung dengan data set yang digunakan. Untuk dataset yang digunakan diperoleh dari UCI Machine Learning Repository dengan 12 feature dan 918 jumlah data. Dari hasil analisis data, feature OldPeak, MaxHR, Age, dan FastingBS merupakan faktor utama dalam memprediksi orang dengan penyakit jantung. Sehingga berdasarkan kinerja algoritma CatBoost dan XGBoost dengan data ini, kami merekomendasikan algoritma CatBoost untuk memprediksi orang dengan penyakit jantung dengan lebih baik
Prediksi dan Analisis Sentimen Masyarakat Indonesia Terhadap Kenaikan Harga Minyak Goreng di Twitter menggunakan Metode LSTM dan RoBERTa Dila Marta Putri; Fahrizal; Yoan Purbolingga; Bastul Wajhi Akramunnas; Asde Rahmawati
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 15, No. 02, Juni 2023
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/aptek.v15i2.1931

Abstract

Minyak goreng merupakan salah satu bahan pokok utama bagi mayoritas masyarakat Indonesia. Sehingga kenaikan harga minyak goreng dapat menyebabkan keresahan dan perbincangan yang hangat bagi masyarakat Indonesia. Hal ini dapat dilihat pada media sosial salah satunya adalah Twitter, dimana Indonesia menjadi salah satu negara dengan pengguna Twitter terbesar di dunia. Jumlah pengguna Twitter di Indonesia mencapai 18,45 juta pada tahun 2022. Pada penelitian ini bertujuan untuk menganalisis sentimen masyarakat di Twitter tentang perubahan harga minyak goreng dalam 3 tahun terakhir menggunakan pre-trained model RoBERTa serta memprediksi perubahan harganya menggunakan metode long short term memory (LSTM) untuk 1 tahun ke depan dan hubungan keduanya. Hasil Prediksi yang dilakukan oleh pre-trained model untuk analisis sentimen menghasilkan jumlah dari sentimen negatif sebesar 21149, sentimen netral sebesar 50586 dan sentimen positif sebesar 6222. Prediksi kenaikan harga minyak goreng untuk satu tahun ke depan diprediksi dengan error MSE sebesar 0.005 serta mean absolute error (MAE) sebesar 0.02. Sehingga hasil sentimen analisis yang didapatkan menunjukkan bahwa semakin tinggi harga minyak goreng maka semakin banyak sentimen negatif yang didapatkan pada sosial media Twitter
Analisis Prediksi Harga Minyak West Texas Intermediate menggunakan Artificial Neural Network dengan Optimisasi Adaptive Moment Asde Rahmawati; Fahrizal; Bastul Wajhi Akramunnas; Yoan Purbolingga; Dila Marta Putri
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 15, No. 02, Juni 2023
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/aptek.v15i2.1932

Abstract

Minyak merupakan salah satu sumber daya krusial yang dibutuhkan hampir dalam semua industri terutama dalam kegiatan operasi/produksi dan distribusi. Salah satu jenis minyak mentah adalah West Texas Intermediate (WTI). WTI merupakan satu dari empat minyak mentah yang berpengaruh pada harga pasar dunia. Akan tetapi, harga minyak dunia sering kali mengalami fluktuasi karena beberapa faktor. Fluktuasi harga minyak dunia dapat berpengaruh pada berbagai bidang mulai dari regulasi, harga saham hingga perputaran ekonomi dalam perdagangan internasional. Prediksi harga minyak penting dilakukan untuk preferensi pengambilan keputusan stakeholder terkait. Pada penelitian ini prediksi dilakukan dengan menggunakan model artificial neural network (ANN) dan adaptive moment (Adam) sebagai algoritma optimasinya. Hasil pengolahan data set dengan pemodelan ANN dengan optimisasi Adam sebanyak 10 iterasi didapatkan nilai mean absolute error (MAE) sebesar 2,31 dan mean absolute error (MAE) sebesar 2,2. Serta nilai sebesar 0,97 dan nilai prediction sebesar 0,68
Mathematical Modeling of Linear Momentum to determine The Breaking Pattern of Coal Physical Collision Fahrizal; Lukman Hakim Nasution; Yoan Purbolingga; Dila Marta Putri; Asde Rahmawati; Bastul Wajhi Akramunnas
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 15, No. 02, Juni 2023
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/aptek.v15i2.1936

Abstract

A study shows that 40% of steam power plants in Indonesia use coal as a fuel in boiler systems. The number of power plants using coal is increasing; in 2030, it is estimated to produce 4,500 GW of electricity. The coal fuel for the combustion process should be in powder form in order to produce a complete combustion. Generally, a crusher is used to produce coal chunks, and then a grinder is needed to bring the chunks to powder form. By using a linear momentum mathematical model, the coal breaking pattern can be predicted. From this study, the state of coal throughout the transformation process could be classified into 3 stages; initial state, static impact and momentum effect. The above studies would influence the mathematical modeling of the breaking pattern, and the transformation process in coal physical collision. Therefore, to produce coal in the form of powder can be carried out with an impact system, not only a system of grinding such as in the grinding process.
Prediksi Kecepatan Angin untuk Mengetahui Potensi Sumber Energi Alternatif menggunakan Model Regresi Lasso: Studi Kasus Kota Makassar pada Tahun 2024 Siti Nurjanah; Yoan Purbolingga; Dila Marta Putri; Asde Rahmawati; Fahrizal Fahrizal; Bastul Wajhi Akramunnas
Jurnal Penelitian Rumpun Ilmu Teknik Vol. 3 No. 1 (2024): Februari : Jurnal Penelitian Rumpun Ilmu Teknik
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juprit.v3i1.3501

Abstract

This research explores the potential of wind energy as an alternative energy source in Makassar City. The researcher used daily climate data from BMKG Martim Paotere Meteorological Station Makassar City for 2023 to January 2024. The research method uses the Lasso regression model to predict wind speed. The results of data processing, through tests with an MSE value of 0.334 and an R2 value of 0.97, show the high validity of the model. Wind speed predictions for 2024 were then generated and converted into estimates of the electrical power that could be generated. Based on this prediction, the maximum wind speed reached 10.76 m/s, with the maximum electrical power reaching 1597 Watts. The results of this study indicate that Makassar City has considerable potential to be developed as a Wind Power Plant location as an alternative source of electrical energy. This potential can contribute to reducing dependence on conventional energy in Makassar City.
Implementasi Teknologi Chatbot sebagai Media Informasi di Universitas Negeri Medan M Ikhsan; Dila Marta Putri; Siti Nurjanah; Asde Rahmawati; Fahrizal Fahrizal; Bastul Wajhi Akramunnas
Jurnal Teknik Mesin, Industri, Elektro dan Informatika Vol. 4 No. 1 (2025): JURNAL TEKNIK MESIN, INDUSTRI, ELEKTRO DAN INFORMATIKA
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jtmei.v4i1.4820

Abstract

Natural Language Processing (NLP) is a branch of Artificial Intelligence (AI) that deals with the interaction between computers and humans through natural language. In general, NLP is applied in various applications, such as language translators, for example Google Translate, and chatbots. This study will discuss further about chatbots with a software development approach using the System Development Life Cycle (SDLC) method. The dataset used in this study was obtained from the website of the State University of Medan (Unimed) and some additional information collected from third parties. Although the State University of Medan has implemented information technology, the response to questions received through the campus's online messaging service is still relatively slow, because until now these questions are still answered manually by the admin. The author and team pay attention to how a university provides information to students and prospective students regarding various questions about the campus and academic environment. Because problems were found in the information service system on the Unimed campus, the researcher provided an information service to solve this problem. This study resulted in an information service in the form of a chatbot for the State University of Medan, with an accuracy rate of around 70%. This chatbot is designed to operate through the Telegram messaging application, so it is expected to increase efficiency in responding to user questions.