Article Per Year (5 Year)
p-Index From 2021 - 2026
1.704
P-Index
This Author published in this journals
All Journal Jurnal Edukasi Elektro CogITo Smart Journal APTEK Jurnal Surya Teknika
Dila Marta Putri
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
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.
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
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
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.
Electrical Energy Audit in Pratama Tapan Hospital Putra, Nanda Okta; Aini, Zulfatri; Putri, Dila Marta
Jurnal Edukasi Elektro Vol. 8 No. 1 (2024): Jurnal Edukasi Elektro, Volume 8, No. 1, Mei 2024
Publisher : DPTE FT UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jee.v8i1.65277

Abstract

Hospitals, as large energy consumers, must adopt efficient energy-saving measures due to cost increases, regulations, and climate change concerns. In this study, an electrical energy audit was conducted at Pratama Tapan Hospital to identify energy-saving opportunities and recommend equipment replacements or technology upgrades. The primary objective was to determine the Energy Consumption Intensity (ECI) and analyze the potential for energy savings. The audit re-vealed an ECI value of 10.33 kWh/m²/year, highly efficient by ASEAN-USAID standards. However, 100% of rooms didn't meet the SNI 03-6197-2000 light intensity standard, causing discomfort. The study recommends installing specific light fixtures and adjusting lamp power to comply with the standard. These findings offer valuable insights for healthcare institutions striv-ing to achieve sustainability goals.
Klasifikasi Kanker Paru-Paru berdasarkan Data Citra CT-Scan: Berbasis Gray Level Co-Occurrence Matrix dan Extreme Learning Machine M Ikhsan; Dila Marta Putri; Siti Nurjanah; Asde Rahmawati; Fahrizal
Aptek Jurnal Apliksai Teknologi (APTEK): Volume 17, No. 02, Juni 2025
Publisher : Fakultas Teknik Universitas Pasir Pengaraian

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

Abstract

Kanker merupakan salah satu penyakit paling mematikan di dunia, dengan 1,796,144 jiwa meninggal akibat kanker paru-paru pada tahun 2020, menjadikannya jenis kanker dengan tingkat kematian tertinggi, yaitu 18% dari total kematian akibat kanker. Mengingat pentingnya diagnosis akurat, klasifikasi kanker paru-paru memerlukan konfirmasi histologi dari kondisi pasien. Penelitian ini memanfaatkan 1097 citra CT-Scan paru-paru manusia dari 110 kasus, yang dikumpulkan oleh spesialis IQ-OTH/NCCD dan diunggah oleh Aditya Mahimkar. Untuk mengklasifikasikan kondisi paru-paru menjadi normal, jinak (benign), dan ganas (malignant) , digunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur citra CT-Scan. Selanjutnya, Extreme Learning Machine (ELM) diterapkan untuk klasifikasi. Model yang dikembangkan berhasil mencapai akurasi tertinggi sebesar 79% saat diuji dengan dataset citra CT-Scan
A CNN-based Approach for Breast Cancer Classification from Ultrasound Images Marta Putri, Dila; Ikhsan, M; Nurjanah, Siti; Fahrizal, Fahrizal; Akramunnas, Bastul Wajhi; Rahmawati, Asde
SURYA TEKNIKA Vol 12 No 1 (2025): JURNAL SURYA TEKNIKA
Publisher : Fakultas Teknik UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jst.v12i1.9378

Abstract

Breast cancer is one of the most frequently diagnosed cancers and remains a leading cause of cancer-related mortality among women worldwide. According to WHO Globocan 2020, breast cancer ranks second globally, with 2,262,419 cases out of a total of 19,292,289 cancer cases, accounting for approximately 11.7%. Early detection plays a critical role in reducing breast cancer mortality. In this study, a machine learning-based approach using Convolutional Neural Networks (CNN) was employed to classify breast cancer using ultrasound imaging. The dataset, collected by Al-Dhabyani et al. at Baheya Hospital in 2018, consists of ultrasound images of women aged between 25 and 75 years. The proposed CNN model includes stages of data input, preprocessing, training, testing, and performance evaluation. The model achieved an accuracy of 85%, demonstrating promising results for automated breast cancer detection. Further optimization is recommended to improve classification performance.
Pengembangan Sensor Elektrokimia Berbasis Material Nano untuk Deteksi Ion Timbal (Pb²⁺) Menggunakan Sistem Elektronika Terintegrasi Rahmawati, Asde; Nurjanah, Siti; Fahrizal, Fahrizal; Marta Putri, Dila; Ikhsan, M; Wajhi Akramunnas, Bastul
SURYA TEKNIKA Vol 12 No 1 (2025): JURNAL SURYA TEKNIKA
Publisher : Fakultas Teknik UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jst.v12i1.9544

Abstract

Electrochemical sensors are a reliable method for detecting the presence of heavy metal ions such as lead (Pb²⁺) in aquatic environments. In this study, a sensor was developed based on a carbon paste electrode modified with ZnO nanomaterials and polyaniline, and integrated with a data acquisition system using a microcontroller. Voltammetric characterization results showed that the sensor could detect Pb²⁺ with high sensitivity at low concentrations. This system is expected to be applied for real-time and portable water quality monitoring.
A Machine Learning-Based Ambiguous Alphabet Recognition for Indonesian Sign Language System (SIBI) Purbolingga, Yoan; Ridwan, Ahmad; Putri, Dila Marta
CogITo Smart Journal Vol. 11 No. 1 (2025): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v11i1.816.1-14

Abstract

One of the communication problems in deaf people is the inhibition of verbal communication. This is due to the limited hearing function which has an impact on the imperfection of language sound reception. To communicate with deaf people, extraordinary communication is needed so that the meaning of the conversation can be conveyed properly. Sign language is the main communication medium for deaf people. However, in the use of sign language, there are ambiguous letters, namely “D “,“E“,“M“,“N“,“R“, “S“, and “U“. This research uses the chain code method to identify and reconstruct the shape of hand gesture objects. Then, to solve the problem of ambiguity of alphabet letters, an artificial intelligence method, namely K-Nearest Neighbors (K-NN), is used. The sample used consists of 350 real-time images with variations in object recognition accuracy. Based on the research using chain code and K-NN classification method, it can be concluded that the recognition of ambiguous letters in sign language has 245 training data for K-NN which has 88.76% accuracy, and 105 test data with 90% accuracy. This test data is divided into seven letters: “D“, “E”, “M”, “R” and “U” at 100%, and “N” and “S” at 98.88%.
Co-Authors Ahmad Ridwan Akramunnas, Bastul Wajhi Asde Rahmawati Bastul Wajhi Akramunnas FAHRIZAL Fahrizal Fahrizal Fahrizal Fahrizal Lukman Hakim Nasution Lukman Hakim Nasution M Ikhsan M IKHSAN Putra, Nanda Okta Siti Nurjanah SITI NURJANAH Wajhi Akramunnas, Bastul Yoan Purbolingga Zulfatri Aini