Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JURNAL PERTANIAN PRESISI (JOURNAL OF PRECISION AGRICULTURE) Scientica: Jurnal Ilmiah Sains dan Teknologi Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer
Yudistira, Dimas
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

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

Found 3 Documents
Search

 1 
EFEKTIVITAS PEMBERIAN POC URIN KELINCI TERHADAP PERTUMBUHAN DAN PRODUKSI TANAMAN SELADA MERAH (Lactuca sativa L.) Putri, Dirgahani; Yudistira, Dimas
Jurnal Pertanian Presisi (Journal of Precision Agriculture) Vol 8, No 1 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/jpp.2024.v8i1.9755

Abstract

Pemberian pupuk organik menjadi alternatif yang umum digunakan untuk meningkatkan pertumbuhan dan produksi tanaman selada merah. Salah satu jenis pupuk organik yang menunjukkan potensi adalah urin kelinci, yang mengandung nutrisi penting bagi tanaman. Tujuan dari penelitian ini adalah mengetahui efektivitas pemberian POC urin kelinci yang tepat terhadap pertumbuhan dan produksi tanaman selada merah (Lactuca sativa L.). Penelitian dilaksanakan pada bulan Maret sampai Juni 2023, yang berlokasi di Kebun Percobaan Fakultas Pertanian Universitas Muhammadiyah Jakarta. Penelitian ini menggunakan metode Rancangan Kelompok Lengkap Teracak (RKLT) dengan lima perlakuan yaitu NPK Mutiara 16:16:16 (1,125 g/polybag), konsentrasi POC urin kelinci 40 ml/L, konsentrasi POC urin kelinci 80 ml/L, konsentrasi POC urin kelinci 120 ml/L, konsentrasi POC urin kelinci 160 ml/L. POC urin kelinci yang diberikan dengan konsentrasi berbeda mampu memberikan hasil yang sama dengan perlakuan NPK terhadap semua peubah. Pertumbuhan dan produksi tanaman selada merah dapat ditingkatkan secara efektif dengan pemberian POC urin kelinci pada konsentrasi 40 ml/L.
Implementasi Algoritma Haar Cascade untuk Deteksi dan Penghitungan Kendaraan pada Pengolahan Citra Damanik, Ade Yuri F; Yudistira, Dimas; Algifahri, Muhammad Dzar
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 3 No. 1 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

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

Abstract

Peningkatan jumlah kendaraan di jalan raya telah menciptakan tantangan besar dalam manajemen lalu lintas. Pengelolaan yang efisien memerlukan sistem yang dapat mendeteksi dan menghitung jumlah kendaraan secara real-time. Algoritma Counter, yang menggabungkan teknik background subtraction dan object tracking, menawarkan solusi potensial untuk tantangan ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas algoritma tersebut dalam konteks pengolahan citra digital. Hasil penelitian menunjukkan bahwa algoritma Counter mampu mendeteksi dan menghitung kendaraan dengan akurasi tinggi di berbagai kondisi pencahayaan dan kepadatan lalu lintas.
Evaluasi Kinerja Model RNN & LSTM untuk Prediksi Magnitude Gempa di Indonesia Fazira, Rara; Yudistira, Dimas; Sofinah Harahap, Lailan
Mars : Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer Vol. 2 No. 6 (2024): Desember : Mars : Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/mars.v2i6.498

Abstract

Indonesia di kawasan Cincin Api Pasifik, yang dikenal memiliki aktivitas seismik yang sangat tinggi dengan ribuan gempa bumi yang terjadi setiap tahunnya. Penelitian ini bertujuan untuk menganalisis kinerja Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) dalam memprediksi magnitudo gempa bumi menggunakan data historis yang diambil dari Kaggle. Data tersebut mencakup rentang waktu dari November 2008 hingga September 2022, yang telah melalui proses normalisasi serta perpecahan menjadi data pelatihan dan pengujian. Model evaluasi kinerja dilakukan dengan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Pada uji coba pertama, LSTM menunjukkan performa terbaik dengan nilai MAE 0.6226 dan RMSE 0.7731 pada data pengujian, lebih baik dibandingkan RNN yang mencatatkan MAE 0.6271 dan RMSE 0.7831. Sebaliknya, pada uji coba kedua, RNN unggul dengan nilai MAE 0.5583 dan RMSE 0.7008, sementara LSTM memiliki MAE 0.5822 dan RMSE 0.7132. Hasil ini menunjukkan bahwa LSTM lebih cocok untuk menangani pola data temporal yang kompleks, sedangkan RNN lebih andal pada dataset dengan pola yang lebih sederhana. Penelitian ini diharapkan dapat menjadi pijakan dalam pengembangan sistem prediktif untuk mitigasi risiko bencana gempa bumi di Indonesia.
Co-Authors Algifahri, Muhammad Dzar Damanik, Ade Yuri F Dirgahani Putri Fazira, Rara Sofinah Harahap, Lailan