Claim Missing Document
Check
Articles

Found 11 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.
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
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
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.
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
Comparison of MDKA Stock Price Prediction using Multi-Layer Perceptron, Long Short-Term Memory, and Gated Recurrent Unit Wajhi Akramunnas, Bastul; Hakim, Legisnal; Marta Putri, Dita; Fahrizal, Fahrizal; Rahmawati, Asde; Purbolingga, Yoan
SURYA TEKNIKA Vol 10 No 1 (2023): JURNAL SURYA TEKNIKA
Publisher : Fakultas Teknik UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jst.v10i1.5004

Abstract

Shares are rights owned by a person against a company due to the delivery of capital, either in part or in whole. Investors invest in stocks and try to get maximum results, but many investors are still unsure about the risks involved in investing. To minimize risk, investors need to predict stock prices with an accurate method. Several methods that can be implemented to predict stock data include Multi-Layer Perceptron (MLP), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU). The research objective to be achieved in this study is to compare the performance of each algorithm in producing a more accurate stock price forecasting model by testing neurons (10, 20, 30) and epochs (50, 75, 100). The research was conducted on the stock price data of PT. Merdeka Copper Gold Tbk (MDKA) which is a mining sector share with the largest capitalization value. Tests on some of the algorithms above got the best results using 82% training data and 18% test data, namely the MLP model with 10 neurons and 100 epochs with a MAPE training data result of 2.325 and a MAPE test data of 2.014. Based on the test results, MLP can predict MDKA stock prices for the 2018-2022 period with good performance and a relatively small error rate, while tests using the LSTM and GRU methods still produce large errors. Thus, it can be concluded that MLP can predict stock prices with more accurate results.
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.
Penggunaan Sensor Tegangan Terhadap Penentuan Lokasi Gangguan Saluran Transmisi 150 kV Septiyeni, Tesya Uldira; Rahmawati, Asde; Fahrizal, Fahrizal; Wajhi Akramunnas, Basthul; Yuni Safitri, Wiwit
SURYA TEKNIKA Vol 12 No 2 (2025): JURNAL SURYA TEKNIKA
Publisher : Fakultas Teknik UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jst.v12i2.10697

Abstract

Sistem transmisi yang Panjang dan berada di daerah terbuka sering mengalami gangguan, dengan alokasi gangguan yang cukup sulit karena membutuhkan waktu yang cukup lama serta sering tidak akurat. Pada penelitian ini, diuji penggunaan sensor tegangan yaitu Coupling Capacitor Voltage Transformer menggunakan tiga jenis jumlah sampling yaitu 10 kHz, 500 kHz, dan 1 MHz. Adapun data yang digunakan yaitu system transmisi Pembangkit Listrik Tenaga Air (PLTA) Maninjau hingga Gardu Induk Pauh Limo. System gangguam yang dimodelkan yaitu gangguan satu fasa tanah, dua fasa, dua fasa tanah, tiga fasa, tiga fasa tanah, dan surja petir. Hasil yang diperoleh variasi jumlah sampling 1 MHz lebih efektif dengan nilai error yang lebih kecil sehingga nilai akurasi yang dihasilkan lebih tinggi dibandingkan dengan jumlah sampling 10 kHz dan 500 kHz.