Article Per Year (5 Year)
p-Index From 2021 - 2026
3.153
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Kepada Masyarakat (Indonesian Journal of Community Engagement) KURVATEK Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls (AVITEC) Jurnal Abdi Insani G-Tech : Jurnal Teknologi Terapan SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) DEVICE Indonesian Community Journal JOMPA ABDI: Jurnal Pengabdian Masyarakat STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII
Bagus Gilang Pratama, Bagus Gilang
Institut Teknologi Nasional Yogyakarta
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Uji Pasar Produk Eco enzyme Berbasis IoT sebagai Inovasi Pengelolaan Sampah Organik di Rumah Sampah Ringas Trengginas, Bantul, Yogyakarta Pratama, Bagus Gilang; Sari, Sely Novita; Yuliani, Oni; Ramadhani, Nanda; Nawawi, Ilham; Putri, Silfia Dwi
I-Com: Indonesian Community Journal Vol 5 No 3 (2025): I-Com: Indonesian Community Journal (September 2025)
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/i-com.v5i3.7687

Abstract

Produk eco enzyme merupakan hasil fermentasi limbah organik yang ramah lingkungan dan multifungsi, seperti untuk pembersih alami, pupuk cair, dan pengusir serangga. Kegiatan pengabdian ini bertujuan untuk mendukung penguatan kapasitas ekonomi masyarakat melalui uji pasar produk eco enzyme berbasis IoT yang dikembangkan oleh Rumah Sampah Ringas Trengginas di Bantul, Yogyakarta. Produk ini dinilai potensial, namun belum memiliki strategi pemasaran berbasis data. Metode pelaksanaan meliputi penyebaran kuesioner, distribusi sampel, wawancara, dan simulasi penjualan terbatas kepada 150 responden dari lima segmen pasar. Hasil menunjukkan respons positif dari konsumen, dengan tingkat ketertarikan tinggi dan potensi pembelian ulang yang signifikan. Temuan ini menjadi dasar penyusunan strategi pemasaran awal yang dapat diterapkan mitra secara mandiri. Hasil pengabdian ini penting sebagai langkah awal dalam memperluas pasar produk berbasis lingkungan dan teknologi, serta mendukung pemberdayaan ekonomi lokal yang berkelanjutan.
Classification Based on Artificial Neural Network for Regency Road Maintenance Priority Pratama, Bagus Gilang; Sari, Sely Novita; Yuliani, Oni
Aviation Electronics, Information Technology, Telecommunications, Electricals, and Controls (AVITEC) Vol 7, No 3 (2025): November (Special Issue)
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28989/avitec.v7i3.3056

Abstract

The priority classification of road maintenance is an important issue in regional infrastructure management. This study developed a classification model based on Artificial Neural Network (ANN) to determine the priority of district road maintenance automatically based on actual condition data. The data covered 141 road sections, reduced from 15 to 9 main variables using Principal Component Analysis (PCA), and normalized with the Min-Max Scaler. The ANN model consists of 10 input neurons, 30 hidden neurons, and 5 priority class outputs. The data is divided in a 55-15-35 ratio for training, validation, and testing. The model produces 92% accuracy, 91.7% accuracy, 90.4% recall, and 90.9% F1-score. These findings demonstrate the reliability of ANN in multi-class classifications to support more efficient road maintenance decision-making. The novelty lies in the integration of actual field data, multi-criteria classification, and the application of ANN in the context of complex and underexplored district roads in the literature.
Pemodelan Artificial Neural Network (ANN) Untuk Identifikasi Bangunan Daerah Rawan Longsor Sari, Sely Novita; Pratama, Bagus Gilang; Prastowo, Rizqi
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6701

Abstract

Identifikasi bangunan daerah rawan longsor adalah suatu hal yang penting dalam mitigasi bencana alam. Longsor dapat terjadi di mana saja dan kapan saja, dan dapat menyebabkan kerugian yang besar baik dari segi manusia maupun materiil (fadli dkk, 2023). Oleh karena itu, penting untuk mengidentifikasi bangunan yang berada di daerah rawan longsor agar dapat mengambil tindakan pencegahan yang tepat. Metode yang dapat digunakan untuk identifikasi bangunan di daerah rawan longsor adalah artificial neural network (ANN). ANN adalah suatu model komputasi yang terinspirasi dari sistem saraf biologis yang terdiri dari sejumlah unit pemrosesan sederhana yang disebut neuron. ANN dapat belajar dari data dan menyesuaikan bobot koneksi antar neuron untuk menghasilkan keluaran yang diinginkan. ANN memiliki kemampuan untuk mengenali pola, mengklasifikasikan data, dan memprediksi hasil. Berdasarkan analisis data klasifikasi dinding sederhana di Kecamatan Kalirejo, Kecamatan Kokap, Kabupaten Kulon Progo, Yogyakarta, menggunakan Artificial Neural Network (ANN), presentase prediksi setiap data dari pemodelan ANN menunjukkan bahwa indikator Bangunan Tidak Aman mencapai 100%, dengan 89% prediksi Bangunan Aman, dan 82,7% prediksi Bangunan Aman berdasarkan History Accuracy. Hasil tersebut diukur dengan merujuk pada kurva model validasi yang semakin meningkat dan stabil, mencapai nilai akurasi rata-rata di atas 80%, yakni sebesar 88%.
Kolaborasi Jaringan Saraf Tiruan (JST) Dalam Identifikasi Prioritas Penanganan Pemeliharaan Jalan Kabupaten Sari, Sely Novita; Pratama, Bagus Gilang; ircham, ircham
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6702

Abstract

Pemeliharaan jalan kabupaten menjadi elemen krusial dalam pembangunan infrastruktur dan pertumbuhan ekonomi di daerah. Kendati begitu, keterbatasan anggaran dan sumber daya manusia menyebabkan banyak jalan kabupaten mengalami kerusakan yang memerlukan penanganan pemeliharaan yang efektif. Dalam rangka mengidentifikasi prioritas pemeliharaan, digunakan metode Jaringan Saraf Tiruan (JST), sebuah teknologi kecerdasan buatan yang mampu mempelajari pola dari data dan mengklasifikasikan informasi baru. JST dapat memproses data kompleks, non-linear, dan tidak pasti, sehingga cocok untuk estimasi biaya, peramalan, klasifikasi, dan optimasi. Hasil analisis data menggunakan JST menunjukkan tingkat akurasi prediksi Prioritas Mutlak Penting sebesar 100%, sementara untuk Prediksi Prioritas Sangat Penting, Prioritas Cukup Penting, dan Prioritas Sedikit Penting masing-masing mencapai 66,7%. Prediksi Prioritas Tidak Penting juga mencapai 100%, dengan menggunakan History Accuracy sebagai acuan. Dengan demikian, pemodelan ini memberikan presentase prediksi untuk setiap kategori prioritas pemeliharaan jalan kabupaten, memberikan dasar informasi yang berguna untuk pengambilan keputusan.
Rancang Bangun Alat Pengendali Air Conditioner secara Otomatis dengan Sensor Inframerah Berbasis ESP32 di UPT BLK Kulon Progo Taufik, Tito Tiyastono; Prasojo, Joko; Yuliani, Oni; Pratama, Bagus Gilang
Aviation Electronics, Information Technology, Telecommunications, Electricals, and Controls (AVITEC) Vol 6, No 2 (2024): August
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28989/avitec.v6i2.2395

Abstract

AC merupakan alat yang relatif boros energi listrik. Pemborosan penggunaan daya listrik karena penggunaan AC salah satunya terjadi di ruang Tata Usaha UPT BLK Kulon Progo. Sering kali ditemui AC menyala saat kondisi ruangan tidak ada orang. Berdasarkan masalah tersebut perlu dibuat alat yang dapat mendeteksi ada atau tidak orang di dalam ruangan kemudian menyalakan dan mematikan AC secara otomatis. Alat juga dibuat dapat menyalakan atau mematikan AC dari jarak jauh menggunakan teknologi berbasis IoT. Metode yang digunakan pada penelitian ini adalah analisis kebutuhan bahan, perancangan hardware dan software, dan tahap pengujian alat. Rancang bangun hardware menggunakan ESP32, Sensor PIR, Sensor DHT11, IR transmitter dan software menggunakan Arduino IDE dan aplikasi Blynk IoT. Hasil rancang bangun alat yang dibuat dapat berfungsi dengan baik untuk menyalakan dan mematikan AC di ruang Tata Usaha UPT BLK. Penghematan penggunaan energi listrik yang diperoleh adalah 18,75% dan penurunan durasi nyala AC adalah 19,42% dibandingkan dengan sebelum penambahan alat.
Pembuatan Peta Infrastruktur Air dan Sumber Air Untuk Mitigasi Bencana Kekeringan Di Kecamatan Dlingo Kabupaten Bantul Hermawan, Anggi; Sari, Sely Novita; Maulana, Rizal; Ardian, Oggi Heicqal; Pratama, Bagus Gilang
Jompa Abdi: Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2025): Jompa Abdi: Jurnal Pengabdian Masyarakat
Publisher : Yayasan Jompa Research and Development

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57218/jompaabdi.v4i1.1373

Abstract

Curah hujan yang tidak merata sepanjang tahun menjadi faktor utama dalam evaluasi risiko banjir di Kabupaten Bantul, yang belum memiliki pemetaan daerah rawan banjir sebagai dasar kebijakan BPBD. Oleh karena itu, kolaborasi antara ITNY dan BPBD Kabupaten Bantul dalam penyusunan Peta Rawan Banjir menjadi krusial untuk mendukung pengambilan keputusan berbasis data. Metode yang digunakan mencakup studi pendahuluan untuk memahami pola banjir dan dampaknya, pengumpulan data hidrologi dan curah hujan, serta analisis menggunakan perangkat lunak GIS. Peta ini diintegrasikan dengan data administrasi wilayah, topografi, dan infrastruktur air untuk menghasilkan informasi yang akurat dan komprehensif. Sebagai bagian dari upaya mitigasi, pembuatan peta potensi sumber air di Kecamatan Dlingo dengan teknologi GIS melalui ArcGIS 10.8 telah mengidentifikasi lokasi strategis seperti embung, mata air, dan sumur bor. Peta ini juga menyajikan data pendukung dalam bentuk tabel untuk mempermudah analisis dan perencanaan pengelolaan sumber daya air. Dengan metodologi berbasis GIS, peta ini menjadi alat yang informatif dan relevan bagi pihak berwenang serta masyarakat dalam mendukung pembangunan berkelanjutan dan mitigasi risiko bencana terkait air di Kabupaten Bantul.
Penggunaan Metode Elbow untuk Pemilihan Jumlah Klaster dalam Identifikasi Bahan Material Shelter Modular SARI, SELY NOVITA; Pratama, Bagus Gilang; Prastowo, Rizqi
Retii 2024: Prosiding Seminar Nasional ReTII ke-19 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

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

Abstract

Modular shelters have become a popular solution for temporary infrastructure construction, especially in disaster-affected areas. One of the main challenges is selecting the appropriate materials, which can be addressed through cluster analysis to group materials based on similar characteristics. The Elbow Method is used to determine the optimal number of clusters in this analysis, with the "elbow" point on the graph indicating that four clusters are ideal. The K-Means algorithm is then applied to group material data based on the centroid of each cluster. The application of the Elbow Method has proven effective in determining the optimal number of clusters for material identification in modular shelter construction. By analyzing the relationship between the number of clusters and inertia, the Elbow Method successfully indicates that four clusters are the most appropriate. The Elbow graph shows a significant "elbow" after the third and fourth clusters, where the decrease in inertia slows down, indicating that adding more than four clusters does not significantly improve data grouping. Quantitatively, clustering with four clusters provides a balance between data variation and ease of interpretation. Each cluster exhibits distinct characteristics based on the average values of structural and architectural attributes, with variability measured through standard deviation
Pendekatan Principal Component Analysis untuk Peningkatan Efektivitas Pemeliharaan Jalan Kabupaten Pratama, Bagus Gilang; SARI, SELY NOVITA; Yuliani, Oni
Retii 2024: Prosiding Seminar Nasional ReTII ke-19 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

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

Abstract

Road maintenance is a crucial aspect of maintaining the quality and sustainability of transportation infrastructure, especially at the district level, as well-maintained roads support the smooth distribution and economic mobility. However, with the increasing number of road sections and limited budget, determining maintenance priorities becomes a challenge. This study aims to analyze the application of Principal Component Analysis (PCA) in improving the efficiency and accuracy of road maintenance priority determination at the district level. Using data from 141 road sections, variables such as road conditions, traffic volume, pavement width, and heavy vehicle count were analyzed using the PCA method. In conclusion, PCA is effective in simplifying the decision-making process regarding road maintenance by focusing on significant variables, thereby increasing the efficiency of resource management and the accuracy of maintenance priority determination. The data normalized using Min-Max Scaler was reduced to 9 principal variables that explained more than 90% of the variance from the original data.
Penerapan Back Propagation Neural Network untuk Identifikasi Bangunan di Wilayah Rawan Longsor Pratama, Bagus Gilang; SARI, SELY NOVITA; Prasojo, Joko
Retii 2024: Prosiding Seminar Nasional ReTII ke-19 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

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

Abstract

Landslides are a natural disaster that frequently occurs in Indonesia, requiring effective prediction methods for risk mitigation. This research aims to investigate the performance and accuracy of the Back Propagation Neural Network (BPNN) in identifying buildings in landslide-prone areas. The dataset used consists of satellite images and building parameters such as building plans, floor plans, foundations, and topographic elements. The data was normalized using the Min-Max Scaler and divided into training (60%), validation (15%), and test sets (25%). The BPNN model was designed with 8 neurons in the input layer, 30 neurons in the hidden layer, and 3 neurons in the output layer, using ReLU and Softmax activation functions. The results show that the model achieved an accuracy of 90%, with the confusion matrix demonstrating accurate classification for most buildings. Out of the total samples, only 1.2% misclassification occurred in the "Less Safe" category. In conclusion, the model achieved an accuracy of 93%, with an average precision of 93.4%, an average recall of 93%, and an F1-Score of 93%. These results indicate that the BPNN model has excellent performance in detecting and predicting the safety level of buildings in landslide-prone areas
EXPERIMENTAL STUDY OF IOT SENSOR PERFORMANCE FOR BUILDING MOVEMENT MONITORING Sari, Sely Novita; Pratama, Bagus Gilang; Prasojo, Joko
KURVATEK Vol 10 No 2 (2025): Energy Management and Sustainable Environment
Publisher : Institut Teknologi Nasional Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33579/krvtk.v10i2.6397

Abstract

Real-time monitoring of building movement is essential to mitigate structural damage risks, particularly in earthquake-prone regions. The application of Internet of Things (IoT) technology enables continuous and efficient measurement of structural deformation and inclination through the integration of smart sensors and cloud-based systems. The primary objective of this study is to evaluate the performance of a MEMS-based IoT sensor system in detecting displacement and angular changes in building structures. An experimental laboratory test was conducted by comparing the readings of accelerometer, gyroscope, and inclinometer sensors with standard measuring instruments. Results indicate an average measurement error of 1.58%, a response time of 2.34 seconds, and data transmission reliability of 97.8%, demonstrating high accuracy and stability. The integration of sensors, an ESP32 microcontroller, and a cloud computing platform shows strong potential for implementation as an effective IoT-based Structural Health Monitoring (SHM) system, supporting the development of resilient and sustainable smart infrastructure
Co-Authors Anggi Hermawan Arif Basuki Erig Efendi fatimah Fatimah Imro Mikel Selan Ircham Joko Prasojo Karan Gunawan Kristanto, Wisnu Aji Dwi Lawinu, Nodyka Elkawi Mohammad Arsyad Nawawi, Ilham Oggi Heicqal Ardian Okki Verdiansyah Oni Yuliani Permana, Irvan Ardhi Putri, Silfia Dwi Qodri, Muhammad Fatih Ramadhani, Nanda Rizal Maulana, Rizal Rizqi Prastowo Sely Novita Sari Septi Savitri Sudiana Taufik, Tito Tiyastono