Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Action Research Literate (ARL) NERO (Networking Engineering Research Operation) AL-DALIL: Jurnal Ilmu Sosial, Politik, dan Hukum
Anggara, Doni
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences

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

Found 3 Documents
Search

 1 
Analisis Tindakan Pemidanaan Percobaan Kejahatan Dalam Delik Aduan Anggara, Doni
AL-DALIL: Jurnal Ilmu Sosial, Politik, dan Hukum Vol. 2 No. 3 (2024): AL-DALIL: Jurnal Ilmu Sosial, Politik, dan Hukum
Publisher : Indra Institute Research & Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58707/aldalil.v2i3.877

Abstract

Artikel ini menganalisis tindakan pemidanaan percobaan kejahatan dalam konteks delik aduan. Penelitian ini bertujuan untuk mendefinisikan tanggung jawab pidana dan hukuman terkait dengan percobaan kejahatan. Dengan menggunakan metodologi penelitian hukum normatif, artikel ini mengidentifikasi bahwa pertanggungjawaban pidana muncul ketika individu melakukan tindakan kriminal dan masyarakat menolak perbuatan tersebut. Penjelasan tentang kemampuan seseorang untuk bertanggung jawab dalam hukum pidana menjadi fokus utama, mengingat Kitab Undang-Undang Hukum Pidana (KUHP) tidak secara eksplisit mendefinisikannya. Selain itu, artikel ini membahas perbedaan antara delik aduan mutlak dan relatif serta tantangan yang dihadapi dalam penegakan hukum. Temuan menunjukkan bahwa pemahaman yang lebih baik tentang delik aduan dan tanggung jawab pidana diperlukan untuk meningkatkan keadilan dalam sistem hukum.
Analysis of the Effect of Increasing Load on Voltage Profile in Electric Power Distribution System Anggara, Doni; Danial, Danial; Abidin, Zainal
Action Research Literate Vol. 9 No. 9 (2025): Action Research Literate
Publisher : Ridwan Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/arl.v9i9.3033

Abstract

Power distribution systems are critical in delivering electricity reliably, but they are highly susceptible to voltage quality degradation due to uneven load growth. The research problem addressed in this study is how increasing loads affect the voltage profile and power losses in a distribution system, particularly in scenarios of rapid demand growth. The objective of this study is to analyze the impact of load increases on voltage levels and system efficiency in the IEEE 33-bus distribution network. The study employs a quantitative simulation method using the Newton-Raphson power flow technique in PSAT, integrated with MATLAB. Load scenarios were simulated at 25%, 50%, 75%, 100%, 125%, and 150% of the base load. Results indicate that as load increases, voltage levels at several buses, especially those farthest from the source, decrease significantly. The minimum system voltage drops from 11.55 kV under initial conditions to 9.39 kV at a 150% load increase, resulting in a voltage drop of up to 25.8%. Furthermore, both active and reactive power losses increase with higher load levels, indicating reduced system efficiency. The study implies that distribution networks like the IEEE 33-bus system require mitigation strategies, such as voltage regulation and loss reduction measures, to maintain voltage quality and energy efficiency under high load conditions.
ANALISA PERBANDINGAN PERFORMA OPTIMIZER ADAM, SGD, DAN RMSPROP PADA MODEL H5 Anggara, Doni; Suarna, Nana; Arie Wijaya, Yudhistira
NERO (Networking Engineering Research Operation) Vol 8, No 1 (2023): Nero - 2023
Publisher : Jurusan Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v8i1.19226

Abstract

Melakukan komunikasi tidak sebatas berbentuk verbal saja, bisa juga berkomunikasi nonverbal yaitu dengan menyampaikan informasi dari ekspresi wajah. Namun, permasalahan dalam analisa ekspresi wajah jika melakukan pendeteksian ekspresi wajah secara manual maka akan membutuhkan waktu yang cukup lama dan tidak selalu akurat, sedangkan jika melakukan pendeteksian menggunakan machine learning berbasis Python maka akan mempersingkat proses pendeteksian ekspresi wajah, oleh karena itu diperlukan suatu model yang memiliki tingkat accuracy yang mumpuni sehingga dapat mendeteksi dan mengklasifikasikan ekspresi wajah dengan cepat dan akurat. Tujuan utama dari penelitian ini yaitu untuk mengetahui optimizer mana yang terbaik diantara Adam, SGD, dan RMSprop untuk model klasifikasi dengan membandingkan performa hasil training dari setiap optimizer dimana hasil dari proses training menghasilkan file model dengan ekstensi h5. Model dengan metrik accuracy, validation accuracy, loss, waktu tempuh, dan size model terbaik di antara optimizer tersebut akan di nyatakan sebagai optimizer terbaik. Data yang digunakan berupa foto sebanyak 71.774 foto dengan 7 label ekspresi wajah yang diantaranya senang, sedih, terkejut, marah, takut, jijik, dan netral. Metode yang digunakan untuk mengukur performa model pada dataset yang diberikan yaitu evaluate() dari library Keras, classification_report dan precision_recall_fscore_support yang terdapat pada library sklearn.metrics. Dengan skenario pengujian 60 epochs dan learning rate sebesar 0.001, Optimizer Adam memiliki nilai accuracy lebih tinggi yaitu 68.61% disusul oleh SGD dengan nilai accuracy sebesar 57.68% dan accuracy RMSprop sebesar 54.83%.Kata kunci: Adam, Deep learning, Ekspresi Wajah, Klasifikasi, Optimizer, RMSprop, SGD.
Co-Authors Danial - Suarna, Nana Yudhistira Arie Wijaya Zainal Abidin