Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Fisika dan Aplikasinya (JPFA) Seminar Nasional Pendidikan IPA Jurnal Pengelolaan Laboratorium Pendidikan
Suhanda, Alfin
Unknown Affiliation
Astronomy Earth & Planetary Sciences Education Materials Science & Nanotechnology Physics

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

Found 3 Documents
Search

 1 
Exploration of Seasonal Dynamics of Tropical Indo-Pacific Ocean during Dry, Wet and Neutral Years in Indonesia using Composite Method Ariska, Melly; Suhanda, Alfin; Suhadi, Suhadi; Supari, Supari; Irfan, Muhammad; Iskandar, Iskhaq
Jurnal Penelitian Fisika dan Aplikasinya (JPFA) Vol. 14 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jpfa.v14n1.p67-83

Abstract

Applying rainfall data for each month from Princeton University from January 1948 to December 2016, the impact of the Pacific El Niño-Southern Oscillation (ENSO) and the Indian Ocean Dipole (IOD), which is focused in the Indian Ocean, on rainfall in Indonesia was examined. IOD occurrences are significantly correlated with rainfall, as seen by the simultaneous association of seasonal rainfall anomalies during the peak of the rainy season (NDJ) in Indonesia's dry, wet, and neutral years, as well as other climatic indices in both climates. Rainfall has occurred in parts of South Sumatra, Java, South Kalimantan, Nusa Tenggara, Sulawesi, and East Papua. Meanwhile, ENSO events significantly correlate with rainfall in the southern regions of Sumatra, Java, Kalimantan, Sulawesi, and Papua. El Niño is associated with low sea surface temperature anomalies in the Indonesian Sea and southeast Indian Ocean. The low SST anomaly lowers the mean sea surface level (MSL). It reduces the amount of water vapor in the atmosphere, suppressing atmospheric convection in Indonesia and leading to a very sharp decrease in rainfall. Based on the forecasting and exploration of rainfall patterns in Indonesia described in this study, this research can be used as a reference for the government to prepare preventive measures against extreme global climate change events and to predict hydrometeorological disasters in disaster-prone areas.
Optimalisasi Pengelolaan Smart Lab Berbasis ME-QR (Quick Response) pada Sistem Inventarisasi Peralatan dan Absensi Laboratorium Animal House Suhanda, Alfin; Rahmi, Ani; Efrinalia, Winta; Ariska, Melly
Jurnal Pengelolaan Laboratorium Pendidikan Vol.7, No.1, Januari 2025
Publisher : UPT Laboratorium Terpadu, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jplp.7.1.1-11

Abstract

Pencatatan kondisi peralatan guna menginventarisasi dengan menggunakan QR Code merupakan suatu hal yang baru di Laboratorium Animal House. Saat ini pencatatan kondisi dan inventarisasi peralatan serta absensi pengguna telah dilakukan namun masih secara manual, akan tetapi masih terdapat kekurangan. Untuk meminimalisir kekurangan tersebut penulis mencoba memanfaatkan teknologi khusunya Google Form, Google Spreadsheet dan E-MEQR untuk membuat pencatatan pemeliharaan peralatan berbasis QR Code dan absensi pengguna laboratorium. Penelitian ini bertujuan untuk mencatat setiap pemeliharaan peralatan yang dilakukan oleh pengelola laboratorium dengan memindai QR Code agar terinventarisasi dengan baik dari segi peralatan yang ada dan absensi, Sehingga Pencatatan tersebut secara otomatis akan terekap pada jadwal pemeliharaan pada Google Spreadsheet dan data nya akan tersimpan pada media penyimpanan Google Drive. Penelitian ini berfokus pada pemeliharaan peralatan dan inventarisasi serta absensi di laboratorium animal house.
PEMANFAATAN MACHINE LEARNING DALAM APLIKASI PREDIKSI KESEHATAN HEWAN PERCOBAAN BERDASARKAN DATA LINGKUNGAN DAN FISIOLOGIS Suhanda, Alfin; Hepiyani, Hepiyani; Falka, Ahmad Firdaus; Aririyansyah, Muhammad Putra; Ariska, Melly
Seminar Nasional Pendidikan IPA Ke III Tahun 2025 Vol 3, No 1 (2025): Prosiding Seminar Pendidikan IPA
Publisher : Seminar Nasional Pendidikan IPA Ke III Tahun 2025

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

Abstract

Kesehatan hewan percobaan merupakan faktor fundamental dalam keberhasilan penelitian biomedis, karena kondisi fisiologis yang terganggu dapat memengaruhi validitas data eksperimen. Penelitian ini bertujuan mengembangkan aplikasi prediksi kesehatan hewan percobaan berbasis machine learning dengan memanfaatkan integrasi data lingkungan dan fisiologis. Data dikumpulkan dari 30 ekor mencit selama 60 hari menggunakan sensor IoT yang merekam parameter lingkungan (suhu 22–29 °C, kelembaban 55–85%, CO₂ 450–900 ppm, amonia 0–15 ppm) serta fisiologis (berat badan 18–30 g, denyut jantung 300–650 bpm, dan aktivitas harian 50–300 unit). Analisis awal menunjukkan bahwa suhu dan kelembaban berhubungan negatif dengan aktivitas (r = –0,42), sedangkan peningkatan amonia >10 ppm cenderung menurunkan berat badan hingga 12% dalam 10 hari. Visualisasi boxplot dan violin plot memperlihatkan distribusi fisiologis yang lebih stabil pada mencit dengan label “Sehat” dibandingkan “Kurang Sehat”. Heatmap korelasi mengindikasikan bahwa denyut jantung dan berat badan merupakan indikator fisiologis paling dominan dalam memengaruhi status kesehatan. Untuk prediksi status kesehatan (Sehat, Kurang Sehat), tiga algoritma machine learning diuji, yaitu Random Forest (RF), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Hasil evaluasi menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi 92%, precision 91%, recall 90%, dan F1-score 90%, lebih tinggi dibanding SVM (akurasi 88%, F1-score 86%) dan ANN (akurasi 85%, F1-score 83%). Integrasi data lingkungan dan fisiologis meningkatkan akurasi prediksi sebesar 7% dibanding penggunaan data tunggal (lingkungan saja 84%, fisiologis saja 85%). Studi ini membuktikan bahwa integrasi multi-sumber data berbasis IoT dan machine learning tidak hanya meningkatkan akurasi prediksi kesehatan hewan percobaan, tetapi juga berpotensi mengurangi keterlambatan deteksi gangguan kesehatan. Dengan demikian, aplikasi ini dapat mendukung kesejahteraan hewan percobaan serta meningkatkan efisiensi riset biomedis di masa depan.
Co-Authors Aririyansyah, Muhammad Putra Efrinalia, Winta Falka, Ahmad Firdaus Hepiyani, Hepiyani Iskhaq Iskandar Melly Ariska Muhammad Irfan Rahmi, Ani Suhadi Suhadi Supari Supari, Supari