Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Infomedia
Herawati, Neng Ayu
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
Sistem Rekomendasi Lokasi Optimal dan Potensi Penghematan Energi Pemasangan PLTS Atap Berbasis AI di Pulau Jawa Aminuddin, Amir; Supanto, Supanto; Saputra, Hadi; Herawati, Neng Ayu; Purwarianti, Ayu; Utama, Nugraha Priya
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 2 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i2.7219

Abstract

Transisi menuju energi terbarukan di Indonesia menuntut pendekatan berbasis data dalam menentukan lokasi optimal pemasangan Pembangkit Listrik Tenaga Surya (PLTS) atap dan dalam memperkirakan dampak ekonomisnya. Penelitian ini mengembangkan sistem rekomendasi berbasis Artificial Intelligence (AI) yang mengintegrasikan data penyinaran matahari dari BMKG dan data konsumsi listrik dari PLN untuk mendukung perencanaan PLTS atap di Pulau Jawa. Pendekatan dilakukan melalui tiga metode pembelajaran mesin utama: klasifikasi untuk mengevaluasi kelayakan pelanggan, klasterisasi wilayah menggunakan algoritma clustering, dan regresi untuk memprediksi potensi penghematan energi. Lima algoritma klasifikasi dibandingkan, dengan LightGBM menunjukkan performa tertinggi (akurasi 87%). Segmentasi wilayah optimal diperoleh melalui KMeans (silhouette score 0,5566). Estimasi penghematan energi paling akurat dihasilkan oleh XGBoost Regressor dengan koefisien determinasi (R²) sebesar 0,9999. Hasil ini menunjukkan bahwa pendekatan integratif berbasis AI dapat menyediakan informasi prediktif yang akurat dan aplikatif bagi penyusunan strategi promosi dan investasi PLTS atap, sekaligus memberikan estimasi manfaat kuantitatif bagi pelanggan. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem pendukung keputusan untuk energi terbarukan berbasis analitik spasial dan perilaku konsumsi.
Analisis Komparatif Algoritma LSTM, GRU, BiGRU, dan BiLSTM Untuk Prediksi Degradasi Bearing Turbin PLTU Raymond, Rifky; Saputra, Neva; Tupamahu, Meldrin; Herawati, Neng Ayu; Purwarianti, Ayu; Utama, Nugraha Priya
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i1.7127

Abstract

Pembangkit Listrik Tenaga Uap (PLTU) merupakan salah satu sumber utama pasokan listrik nasional, di mana keandalan komponen kritis seperti bearing turbin sangat menentukan kontinuitas operasional. Kegagalan pada bearing dapat menyebabkan downtime tidak terduga dan kerugian biaya yang signifikan. Oleh karena itu, pendekatan predictive maintenance menjadi strategi penting dalam memitigasi potensi kegagalan tersebut. Penelitian ini bertujuan untuk membandingkan performa empat algoritma deep learning yaitu LSTM, GRU, BiGRU, dan BiLSTM dalam memprediksi Remaining Useful Life (RUL) dari bearing turbin. Data yang digunakan merupakan data sensor aktual dari pembangkit, yang telah direduksi dimensinya menggunakan Principal Component Analysis (PCA) untuk membentuk Health Index sebagai representasi degradasi peralatan. Evaluasi dilakukan menggunakan metrik MAE (Mean Absolute Error) dan RMSE (Root Mean Squared Error). Hasil eksperimen menunjukkan bahwa model BiLSTM memiliki performa terbaik dengan nilai MAE sebesar 0.27 dan RMSE sebesar 0.37. Penelitian ini berkontribusi dalam menyediakan panduan pemilihan model prediksi RUL berbasis data sensor riil pada peralatan PLTU, yang mendukung penerapan pemeliharaan prediktif secara lebih akurat dan efisien
Retrieval-Augmented Generation (RAG) Chatbot for Handling Customer Complaints in the Energy Sector Haryono Putro, Ibnu Prastowo; Antoni, Jefry; Adhitya, Maulana Krisna; Herawati, Neng Ayu; Purwarianti, Ayu; Utama, Nugraha Priya
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 2 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i2.7169

Abstract

Fast and accurate customer service is critical in the energy sector, especially for large-scale utilities like PLN. This study introduces a novel Retrieval-Augmented Generation (RAG)-based chatbot tailored for PLN’s internal operational context to automate customer complaint resolution in Bahasa Indonesia. In contrast to previous approaches that utilize only fine-tuned LLMs or retrieval-based question answering, our system uniquely integrates internal complaint records stored in internal database with a local Indonesian-optimized LLM through LangChain orchestration. The proposed architecture features temporal and linguistic preprocessing, vector embedding using FAISS, and a dynamic clarification-fallback mechanism, ensuring context-aware and grounded responses. This work contributes a scalable framework for deploying generative AI in high-stakes public utility settings, emphasizing data privacy, language fidelity, and real-time applicability. Evaluation results both simulated and human-reviewed demonstrate the chatbot’s effectiveness, achieving BLEU-4 of 46.5 and ROUGE-L of 0.63, with 92% of answers rated helpful. These findings underscore the model's potential to enhance customer experience and operational efficiency in Indonesia’s energy sector.
Co-Authors Adhitya, Maulana Krisna Aminuddin, Amir Antoni, Jefry Ayu Purwarianti Hadi Saputra Haryono Putro, Ibnu Prastowo Rifky Raymond, Rifky Saputra, Neva Supanto Supanto Tupamahu, Meldrin Utama, Nugraha Priya