Article Per Year (5 Year)
p-Index From 2021 - 2026
2.286
P-Index
This Author published in this journals
All Journal Register: Jurnal Ilmiah Teknologi Sistem Informasi International Journal of Health, Economics, and Social Sciences (IJHESS) Indonesian Accounting Literacy Journal JAMU : Jurnal Abdi Masyarakat UMUS Madani: Multidisciplinary Scientific Journal Nanggroe: Journal Of Scholarly Service SOROT: Jurnal Pengabdian Kepada Masyarakat International Journal of Applied Economics, Accounting and Management (IJAEAM) Nanggroe: Journal of Scholarly Service Indonesian Journal of Banking and Financial Technology (FINTECH) JPEMAS: Jurnal Pengabdian Kepada Masyarakat
Setyawan, Dimas Ari
Politeknik Negeri Madiun
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Madani: Multidisciplinary Scientific Journal

 1 
OPTIMISASI CHEMICAL OXYGEN DEMAND PRODUCED WATER PADA POLISHING UNIT Deni Nur Fauzi; Dimas Ari Setyawan
Madani: Jurnal Ilmiah Multidisiplin Vol 1, No 1 (2022): November
Publisher : Penerbit Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.787 KB)

Abstract

Polishing unit pada Saka Indonesia Pangkah Limited menggunakan biological treatment yang memanfaatkan bakteri aerob untuk mengurangi kadar Chemical Oxygen Demand (COD) effluent pada produce water saat eksplorasi minyak agar sesuai dengan baku mutu. Untuk menjaga agar bakteri tetap hidup diperlukan tambahan substrat berupa nitrat dan fosfat yang dijaga pada kondisi tertentu. Uji data operasional menunjukan bahwa hubungan antara kadar COD effluent dengan variabel-variabel lain non linier dan kompleks. Sehingga dibutuhkan pemodelan black box seperti Artificial Neural Network (ANN) untuk memodelkan hubungan ini. Dari Process Flow Diagram (PFD), data operasional dan pertimbangan manajemen maka 11 variabel menjadi input model ANN dan COD sebagai output variabel. Output variabel model ini akan menjadi fungsi objektif dimana tujuannya adalah nilai minimum. Dua input variabel sebagai variabel yang dioptimisasi yaitu massa nitrat dan fosfat. Sedangkan konstrain berupa 9 parameter operasional dan tiga range variabel input-output. Hubungan empiris antara variabel input-output yang tidak mempunyai persamaan turunan maka teknik optimisasi stokastik diperlukan. Salah satu teknik optimisasi stokastik adalah Genetic Algorithm (GA). Hasil dari prediksi ANN menggunakan struktur Multi Layer Perceptron (MLP) dengan input Finite Impulse Response (FIR) serta pelatihan Levenberg-Marquardt menghasilkan Root Mean Square Error (RMSE) paling optimal berada pada hidden node 42 yaitu RMSE selama pelatihan adalah 0.16092 dan RMSE selama validasi 1.73769. Optimisasi kadar COD mendapatkan hasil kadar COD optimal yaitu 44.8668 mg/L pada kadar nitrat sebesar 9 mg/L dan kadar fosfat sebesar 12 mg/L. 
IMPLEMENTASI FUNGSI DISPERSION RATIO PADA PROSES SPLITING ATRIBUT ALGORITMA DECISION TREE Dimas Ari Setyawan; Deni Nur Fauzi
Madani: Jurnal Ilmiah Multidisiplin Vol 1, No 1 (2022): November
Publisher : Penerbit Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (607.343 KB)

Abstract

Metode klasifikasi yang memiliki proses seleksi fitur adalah algoritma decision tree. Proses seleksi fitur pada algortima decision tree biasanya menggunakan fungsi Information Gain. Information gain  pada algoritma decision tree memiliki kelemahan jika ada dataset yang memiliki atribut key seperti Product-ID. Fungsi dispersion ratio pada algoritma decision tree dapat meningkatkan signifikansi proses seleksi fitur, sehingga dapat mengatasi kekurangan fungsi information gain. Proses splitting atribut pada decision tree menggunakan fungsi dispersion ratio dengan menggunakan dataset yang diambil dari UCI machine learning repository. Dari 7 dataset, spliting menggunakan dispersion ratio menghasilkan nilai prediksi yang lebih baik denagn rata-rata selisih nilai prediksi untuk decision tree dispersion ratio dengan decision tree information gain adalah 4.71 %.
Co-Authors Abd. Charis Fauzan Agasta, Rio Agus Zainal Arifin Aji, Mochamat Bayu Deni Nur Fauzi Harliana Harliana Hifzhan Frima Thousani, Hifzhan Frima Kirowati, Dewi Kudhori, Ahmad Kurniawan, Yopie Diondy Mochamat Bayu Aji Muhammad Isa Muhammad Muharrom Al Haromainy Muhammad Riski Balian Muhammat Maariful Huda Nurcahyani, Dwi Prasetyo Yekti Utomo Priyanto Priyanto Putra, Septian Dwi Maulana Putri, Nandila Maysa Raden Mohamad Herdian Bhakti Rejeki, Halleina Ridho Muarief Ridho Muarief S. Sugiharto Sartika, Dyah Anggun Setiyawan, Agustinus Doedyk Srimiatun Subana Subana Tito Prabowo Vion Age Tri Cahyo Waluya, Onny Kartika Wibawa, Koerniawan Dwi Yuwanesti Ari Dewanti