Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal JGE (Jurnal Geofisika Eksplorasi) JOURNAL ONLINE OF PHYSICS Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal)
Andika, Putu Pradnya
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemistry Earth & Planetary Sciences Education Physics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
C-RIA: PERANGKAT LUNAK INVERSI DAN ANALISIS DATA RESISTIVITAS BERBASIS CLOUD Paembonan, Andri Yadi; Sigalingging, Asido Saputra; Andika, Putu Pradnya; Irawati, Selvi Misnia; Nathania, Edlyn Yoadan; Jaya, Muhammad Rendi
JGE (Jurnal Geofisika Eksplorasi) Vol 10, No 1 (2024)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v10i1.389

Abstract

Pada umumnya, proses inversi dan analisis data geofisika konvensional menggunakan komputasi lokal yang memerlukan sumber daya besar baik dalam proses pengolahannya maupun dalam penyimpanan data yang dapat menghambat efisiensi dan skalabilitasnya. Seiring dengan kemajuan teknologi cloud computing, penyimpanan dan pengolahan data secara terpusat menjadi lebih efisien, memungkinkan geofisikawan untuk mengoptimalkan kinerja dalam melakukan pengolahan data seperti inversi data geolistrik secara signifikan. Dengan memanfaatkan infrastruktur cloud, perangkat lunak ini dapat diakses secara fleksibel dan dapat disesuaikan, memungkinkan pengguna untuk mengelola dan menganalisis dataset geolistrik dengan lebih efektif. Tujuan dari penelitian ini adalah untuk mengoptimalkan pengolahan data geolistrik resistivitas dengan teknologi cloud yang dapat mempercepat kinerja maupun memberikan kemudahan pengolahan data (user friendly) melalui pengembangan perangkat lunak C-RIA. Sebelum melakukan pengolahan data perlu dilakukan pemilihan metode optimasi dan penentuan beberapa parameter, kemudian dilakukan proses inversi. Hasil yang diperoleh setelah dilakukan proses inversi untuk membuat model memperlihatkan kemampuan pengolahan data yang stabil dengan model awal yang berbeda. Selain itu hasil yang diperoleh dengan menggunakan data sintesis memperlihatkan hasil yang hampir sama walaupun sudah ditambahkan sedikit gangguan (noise) dengan nilai RMSE 3%, sedangkan pada pengujian data lapangan nilai RMSE 1%. Selanjutnya pada data lapangan nilai Selain itu dengan antarmuka (interface) yang lebih mudah dapat mempercepat dan mengoptimalkan pengolahan data.  Secara keseluruhan dari penggunaan teknologi cloud yang diimplementasikan untuk data geolistrik dapat menjadi solusi untuk pengolahan data lebih efisien dan efektif serta fleksibel.
Penerapan Metode Multichannel Analysis of Surface Waves (MASW) untuk Interpretasi Bawah Permukaan sebagai Kontribusi Pembangunan Infrastruktur di Ibu Kota Nusantara (IKN) Handoyo, Handoyo; Alfatih, Zhilan Zhalilla Puti; Ruchimat, Acep; Wiyono, Wiyono; Akin, Özgenç; Andika, Putu Pradnya
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 3 (2025): Agustus
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i3.1187

Abstract

Ibu Kota Nusantara (IKN), yang akan ditetapkan sebagai pusat pemerintahan baru Indonesia di Kalimantan Timur, saat ini berada dalam tahap awal pengembangan infrastruktur yang mencakup kebutuhan mendasar seperti transportasi, utilitas publik, dan fasilitas penunjang lainnya. Kawasan Ibu Kota Nusantara (IKN) menuntut kajian geoteknik yang komprehensif untuk menjamin daya dukung tanah dan stabilitas struktur jalan tol. Untuk mendukung perencanaan dan pelaksanaan konstruksi secara aman dan efisien, pemahaman mengenai karakteristik geoteknik lapisan bawah permukaan menjadi sangat penting. Metode Multichannel Analysis of Surface Waves (MASW) merupakan salah satu pendekatan geofisika non-destruktif yang efektif dalam mengidentifikasi distribusi kecepatan gelombang geser (Vs). Prosedur MASW mencakup akuisisi data seismik, transformasi Fourier, pembentukan kurva dispersi frekuensi-kecepatan, serta inversi untuk menghasilkan distribusi Vs secara vertikal dan lateral. Berdasarkan distribusi nilai Vs, hasil analisis menunjukkan bahwa kecepatan gelombang geser di lokasi penelitian terdiri dari 4 lapisan utama, yaitu clay atau tanah lempung lunak (140-150 m/s), silty clay (150-200 m/s), medium to dense sands (200-400 m/s) dan gravels (>400 m/s). Analisis Vs yang dihasilkan memberikan informasi kritis untuk menentukan fondasi dapat dibangun sekiranya pada kedalaman >10 m. Dengan demikian, penerapan MASW diproyeksikan mampu menjembatani kesenjangan data geoteknik dan mendukung perencanaan konstruksi jalan tol di IKN secara lebih efektif dan efisien.
C-RIA: PERANGKAT LUNAK INVERSI DAN ANALISIS DATA RESISTIVITAS BERBASIS CLOUD Paembonan, Andri Yadi; Sigalingging, Asido Saputra; Andika, Putu Pradnya; Irawati, Selvi Misnia; Nathania, Edlyn Yoadan; Jaya, Muhammad Rendi
JGE (Jurnal Geofisika Eksplorasi) Vol. 10 No. 1 (2024)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v10i1.389

Abstract

Pada umumnya, proses inversi dan analisis data geofisika konvensional menggunakan komputasi lokal yang memerlukan sumber daya besar baik dalam proses pengolahannya maupun dalam penyimpanan data yang dapat menghambat efisiensi dan skalabilitasnya. Seiring dengan kemajuan teknologi cloud computing, penyimpanan dan pengolahan data secara terpusat menjadi lebih efisien, memungkinkan geofisikawan untuk mengoptimalkan kinerja dalam melakukan pengolahan data seperti inversi data geolistrik secara signifikan. Dengan memanfaatkan infrastruktur cloud, perangkat lunak ini dapat diakses secara fleksibel dan dapat disesuaikan, memungkinkan pengguna untuk mengelola dan menganalisis dataset geolistrik dengan lebih efektif. Tujuan dari penelitian ini adalah untuk mengoptimalkan pengolahan data geolistrik resistivitas dengan teknologi cloud yang dapat mempercepat kinerja maupun memberikan kemudahan pengolahan data (user friendly) melalui pengembangan perangkat lunak C-RIA. Sebelum melakukan pengolahan data perlu dilakukan pemilihan metode optimasi dan penentuan beberapa parameter, kemudian dilakukan proses inversi. Hasil yang diperoleh setelah dilakukan proses inversi untuk membuat model memperlihatkan kemampuan pengolahan data yang stabil dengan model awal yang berbeda. Selain itu hasil yang diperoleh dengan menggunakan data sintesis memperlihatkan hasil yang hampir sama walaupun sudah ditambahkan sedikit gangguan (noise) dengan nilai RMSE <3%, sedangkan pada pengujian data lapangan nilai RMSE <1%. Selanjutnya pada data lapangan nilai Selain itu dengan antarmuka (interface) yang lebih mudah dapat mempercepat dan mengoptimalkan pengolahan data.  Secara keseluruhan dari penggunaan teknologi cloud yang diimplementasikan untuk data geolistrik dapat menjadi solusi untuk pengolahan data lebih efisien dan efektif serta fleksibel.
Pengembangan Model Computer Vision dengan Arsitektur YOLOv12 untuk Deteksi Utilitas Bawah Tanah pada Data Ground Penetrating Radar Andika, Putu Pradnya; Paembonan, Andri Yadi
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 4 (2025): November
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i4.1380

Abstract

Abstract: Perkembangan infrastruktur perkotaan yang pesat menuntut metode pemetaan utilitas bawah tanah yang akurat dan efisien untuk mitigasi risiko selama konstruksi. Keterbatasan interpretasi manual data Ground Penetrating Radar (GPR), yang bersifat subjektif, lambat, dan memerlukan keahlian tinggi, menjadi hambatan utama dalam efisiensi survei geofisika. Penelitian ini berfokus pada deteksi objek secara end-to-end berbasis deep learning yang memanfaatkan arsitektur YOLOv12 untuk otomatisasi identifikasi anomali hiperbolik yang merepresentasikan utilitas pada citra radargram. Model prediksi dilatih dan divalidasi pada dataset utilitas GPR kustom yang telah melalui tahap pra-pemrosesan dan anotasi yang cermat. Hasil pengembangan awal model menunjukkan bahwa model YOLOv12 mencapai kinerja yang cukup baik, dengan mean Average Precision (mAP0.5) sebesar 70%, precision 80% serta recall 70%. Studi ini menunjukkan bahwa arsitektur YOLOv12 bisa menjadi solusi yang kuat, akurat, dan efisien untuk otomatisasi pemetaan utilitas bawah tanah, yang berpotensi merevolusi praktik survei geofisika di bidang teknik sipil dan manajemen infrastruktur. Keywords: GPR, Utilitas, Deep Learning, YOLOv12
PENGEMBANGAN APLIKASI “ITERA-VISION-GPR-UI (ITERA VISION SYSTEM FOR GPR UTILITIES INFERENCE)” BERBASIS COMPUTER VISION DENGAN MODEL YOLOV12 UNTUK DETEKSI UTILITAS PADA METODE GROUND PENETRATING RADAR Rumansah, Raka Putra Pratama; Paembonan, Andri Yadi; Andika, Putu Pradnya
JOURNAL ONLINE OF PHYSICS Vol. 11 No. 1 (2025): JOP (Journal Online of Physics) Vol 11 No 1
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v11i1.49883

Abstract

Permasalahan dalam interpretasi data Ground Penetrating Radar (GPR) adalah ketergantungan terhadap keahlian operator, waktu analisis yang lama, dan potensi subjektivitas hasil. Untuk mengatasi hal tersebut, penelitian ini mengimplementasikan teknologi computer vision menggunakan model YOLOv12 (You Only Look Once) yang mampu mendeteksi pola hiperbolik secara otomatis. Pengembangan aplikasi berbasis computer vision bernama “ITERA-VISION-GPR-UI (ITERA Vision System for GPR Utilities Inference)” dirancang untuk mendeteksi utilitas bawah permukaan menggunakan citra radargram dari metode GPR.  Dataset penelitian terdiri dari 82 citra radargram yang telah melalui tahapan pre-processing dan labelling menggunakan Roboflow. Pelatihan model dilakukan pada Google Colaboratory menggunakan varian YOLOv12s dengan parameter utama epochs 500, optimizer AdamW, dan patience 100. Pada epoch ke-292, hasil evaluasi menunjukkan bahwa model mencapai nilai Precision sebesar 0,85, Recall 0,77, mAP@50 0,82, dan mAP@50–95 0,51 dengan akurasi keseluruhan 69%. Nilai-nilai tersebut membuktikan bahwa model memiliki performa yang cukup baik dalam mendeteksi utilitas bawah permukaan. Aplikasi yang dibangun kelak dapat membantu geophysicist dalam melakukan interpretasi citra radargram secara lebih efisien, cepat, dan akurat.
Co-Authors Akin, Özgenç Alfatih, Zhilan Zhalilla Puti Andri Yadi Paembonan Asido Saputra Sigalingging Handoyo Handoyo Irawati, Selvi Misnia Jaya, Muhammad Rendi Nathania, Edlyn Yoadan Ruchimat, Acep Rumansah, Raka Putra Pratama Sigalingging, Asido Saputra Wiyono wiyono