Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal MEKANIKAL Buletin Poltanesa Journal Medical Informatics Technology
Chandra Nugraha, Chandra
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Dentistry Education Engineering Mechanical Engineering Medicine & Pharmacology Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KEKUATAN TARIK DAN BENDING SAMBUNGAN LAS PADA MATERIAL BAJA SM 490 DENGAN METODE PENGELASAN SMAW DAN SAW Naharuddin, Naharuddin; Sam, Alimuddin; Nugraha, Chandra
Jurnal MEKANIKAL Vol 6, No 1 (2015): JM Vol. 6 No. 1 Januari 2015
Publisher : Jurnal MEKANIKAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.355 KB)

Abstract

Penelitian ini bertujuan untuk mengetahui kekuatan sambungan las baja SM490. Proses pengelasan SAW menggunakan arus pengelasan 100 – 125 Amper dan SMAW 300 Amper. Elektroda yang digunakan dalam metode pengelasan ini adalah E 7018 (SMAW) dan F7A4EM12K (SAW). Jenis kampuh yang digunakan adalah kampuh V dengan sudut 600. Pengujian yang dilakukan adalah pengujian tarik dan bending. Kekuatan tarik sambungan las tertinggi terjadi pada metode pengelasan SMAW dengan nilai rata–rata tegangan tarik sebesar 666,05 MPa dibandingkan dengan metode pengelasan SAW sebesar 621,78 Mpa dan raw material sebesar 608,28 MPa. Kekuatan bending pada sambungan las metode pengelasan SMAW sebesar 109,46  MPa lebih besar dibandingkan dengan nilai kekuatan bending pada metode SAW sebesar 76,68  MPa, dan raw material atau tanpa pengelasan sebesar 68,28  MPa
Glaucoma Detection in Fundus Eye Images using Convolutional Neural Network Method with Visual Geometric Group 16 and Residual Network 50 Architecture Nugraha, Chandra; Hadianti, Sri
Journal Medical Informatics Technology Volume 1 No. 2, June 2023
Publisher : SAFE-Network

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37034/medinftech.v1i2.7

Abstract

Glaucoma is an eye disease usually caused by abnormal eye pressure. One of the causes of abnormal eye pressure is blockage of fluid flow, which if detected too late can lead to blindness. Glaucoma can be identified by examining specific areas on the retina fundus image. The aim of this study is to detect positive and negative glaucoma in fundus images. The image data was obtained from the glaucoma_detection dataset, consisting of 520 images, including 134 glaucoma-infected images and 386 normal images. This study uses the Convolutional Neural Network (CNN) method with Visual Geometric Group-16 (VGG-16) and Residual Network-50 (ResNet-50) architectures. The research and testing results using the VGG-16 architecture obtained an accuracy rate of 78%, while using the ResNet-50 architecture obtained an accuracy rate of 80%.
Prediksi Jumlah Masyarakat Terkontaminasi Covid-19 di Kota Samarinda Menggunakan Metode Single Exponential Smoothing abdullah, Ifnu Abdul Aziz; Jamil, Muh.; Saputra, Surya Fajar; Nugraha, Chandra; Rosiyadi, Didi
Poltanesa Vol 23 No 1 (2022): Juni 2022
Publisher : P3KM Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v23i1.1273

Abstract

Kemunculan Covid-19 pada tahun 2019 membuat ketakutan yang sangat mendalam bagi penduduk Wuhan china hingga merambah ke antero dunia dan penyebab menambahnya virus ini menjalar ke seluruh dunia dikarenakan ketakutan penduduk yang berdomisili di Wuhan china berbondong bondong pergi sehingga membawa virus tersebut, ke seluruh permukaan dunia, Salah satunya negara Indonesia hingga ke Kalimantan Timur, Kota Samarinda maka dengan ini penduduk Kalimantan Timur yang terkena dampak Virus ini, sebesar 78.492 manusia. Dengan Penelitian ini akan mencoba memprediksi jumlah masyarakat yang dikonfirmasi Covid-19 dengan menggunakan metode Single Exponential Smoothing di kota Samarinda, hasil prediksi dari penelitian ini dapat menjadi acuan pihak terkait, Sementara untuk perhitungan jumlah error dari prediksinya digunakan metode MSE (Mean Square Error) pendekatan ini dapat mengatur kesalahan peramalan yang cukup besar karena kesalahan itu dikuadratkan Nilai akurasi pada setiap metode dapat dipengaruhi oleh penentuan nilai pergerakan dan nilai bobot yang digunakan 32429517882,2549, Dan juga digunakan metode MAPE (Mean Absolute Percentage Error) MAPE menyatakan persentase kesalahan hasil peramalan terhadap data sebenarnya selama periode tertentu yang dapat memberikan informasi persentase kesalahan yang terlalu rendah atau terlalu tinggi, MAPE memiliki hasil 62% maka dengan hal ini semakin besar nilai MAPE maka semakin besar kesalahan hasil pendugaan
Co-Authors Abdullah, Ifnu Abdul Aziz Alimuddin Sam Jamil, Muh. Rosiyadi, Didi Saputra, Surya Fajar Sri Hadianti Yundari, Yundari