Putu Veri Swastika
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Sensitivitas Pada Model Matematika Penyebaran Penyakit Demam Dengue dengan Laju Insidensi NonLinier I Putu Winada Gautama; Ni Kadek Nova Anggarani; I Made Eka Dwipayana; Putu Veri Swastika
Jurnal Matematika Vol 12 No 2 (2022)
Publisher : Publisher : Mathematics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JMAT.2022.v12.i02.p155

Abstract

Abstract: Dengue fever is a disease that can be fatal if not treated seriously. This disease is transmitted to humans through the Aedes Aegypti mosquito. Mathematical modeling is a tool used to understand the dynamics of dengue fever. Incomplete data creates uncertainty in the parameter values of the mathematical model. Uncertainty analysis to determine these parameters using sensitivity analysis. This study found that the bite rate of susceptible and infected mosquitoes and the mosquito death rate have a large influence on changes in the value of . Human recovery rate (r), mosquito mortality rate , and human mortality rate have a major influence on infected human individuals . The bite rate of susceptible and infected mosquitoes has the most positive influence on the number of infected mosquitoes . The mortality rate of mosquitoes had the most negative relationship with the number of mosquitoes infected with . Numerical simulations are carried out to determine the dynamics that occur when parameter values are increased or decreased. Keywords: Sensitivity Analysis, Dengue Fever, Mathematical Modeling
Perbandingan Metode LSTM dan TCN untuk Prediksi Gelombang Laut Berdasarkan Enam Parameter Oseanografi Ni Nyoman Bintang Marscelina; I GN Lanang Wijayakusuma; Putu Veri Swastika
JST (Jurnal Sains dan Teknologi) Vol. 14 No. 1 (2025): April
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jstundiksha.v14i1.92590

Abstract

Perubahan kondisi oseanografi seperti variabilitas gelombang laut mengancam keselamatan pengguna pantai dan aktivitas maritim di Pantai Mooloolaba, Australia. Penelitian ini dilatarbelakangi oleh kebutuhan mendesak untuk mengembangkan model prediksi yang mampu menangkap pola temporal jangka panjang dari parameter oseanografi secara akurat. Oleh karena itu, penelitian ini membandingkan dua pendekatan deep learning, yaitu long short-term memory (LSTM) dan temporal convolutional network (TCN), guna mengoptimalkan prediksi perilaku gelombang laut berdasarkan enam parameter oseanografi. Menggunakan metode kuantitatif dengan desain komparatif eksperimental, penelitian ini memanfaatkan data sekunder dari Queensland Government Data dengan interval pengukuran 30 menit (20 April 2000 – 31 Agustus 2024). Setelah pra-pemrosesan, data dibagi menjadi 80% pelatihan dan 20% pengujian. Hasil evaluasi menunjukkan bahwa TCN memiliki nilai RMSE lebih rendah dibandingkan LSTM pada semua parameter, baik pada data latih maupun uji. Oleh karena itu, TCN lebih unggul dalam menangkap pola temporal jangka panjang dan lebih efektif untuk mitigasi risiko kondisi laut ekstrem.