Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Spektra: Jurnal Fisika dan Aplikasinya Journal of Dedicators Community
Setiawan, Muhammad Doni
Unknown Affiliation
Aerospace Engineering Arts Humanities Education Electrical & Electronics Engineering Energy Materials Science & Nanotechnology Physics Public Health Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Peningkatan Ekonomi Mandiri Melalui Alih Teknologi Hidroponik Untuk Warga Troso Kecamatan Pecangaan Kabupaten Jepara Musyafa, Musyafa; Setiawan, Muhammad Doni; Lutviani, Lutviani
Journal of Dedicators Community Vol 7, No 1 (2023)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdc.v7i1.2511

Abstract

Pengabdian kepada masyarakat merupakan salah satu program kerja dalam Kuliah Kerja Nyata (KKN) Tematik 2021 Unisnu Jepara. Program Kerja KKN Tematik 2021 Kelompok 59 ini mengadakan program kerja Pengabdian Kepada Masyarakat dengan mengangkat tema “Peningkatan Ekonomi Mandiri Melalui Alih Teknologi Hidroponik Untuk Warga Troso Kecamatan Pecangaan Kabupaten Jepara”. Di masa pandemic, pembatasan kegiatan masyarakat yang menuntut masyarakat untuk lebih banyak berada di rumah menjadikan alasan masyarakat membutuhkan skill ilmu pengetahuan untuk mengisi kegiatan dan memiliki nilai ekonomis. Dalam hal ini hidroponik menjadi satu solusi karena memiliki Teknik penanaman yang mudah dan efisien dalam penggunaan lahan sederhana di rumah sendiri. Tujuan dari pelatihan ini adalah untuk meningkatkan pengetahuan dan memperkaya skill warga Troso terkait Teknik penanaman sederhana media hidroponik yang memiliki nilai ekonomis bagi keluarga. Metode yang digunakan dalam pelatihan ini adalah; 1) penyuluhan 2) demonstrasi 3) pembuatan instalasi sederhana di lembah alam jepara sebagai media pembelajaran berlanjut. Sehingga antusiasme warga untuk ikut melaksnakan pelatihan ini dapat berlanjut. 
Gravitational Lens Parameters Estimation at Intermediate Redshifts Using Convolutional Neural Networks Setiawan, Muhammad Doni; Jaelani, Anton Timur
Spektra: Jurnal Fisika dan Aplikasinya Vol. 10 No. 3 (2025): SPEKTRA: Jurnal Fisika dan Aplikasinya, Volume 10 Issue 3, December 2025
Publisher : Program Studi Fisika Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/SPEKTRA.103.05

Abstract

Strong gravitational lensing serves as a powerful astrophysical probe, enabling studies of dark matter, galaxy structure, and cosmological parameters. The number of strong gravitational lensing candidates at the galaxy scale is expected to reach O ~ 5 with ongoing and future wide-field galaxy surveys. Current modeling techniques largely rely on conventional fitting methods, such as least squares or maximum likelihood using Markov Chain Monte Carlo, which despite their effectiveness, are computationally expensive and require manual inspection. This motivates the development of faster yet accurate parameter estimation techniques. In this work, we construct a representative training dataset and develop an efficient Convolutional Neural Network to estimate lens parameters: the Einstein radius, axis ratio, and position angle. We utilize data from Public Data Release 3 of the Hyper Suprime-Cam Subaru Strategic Program, selecting lens galaxies in the range 0.3 ≤ z ≤ 0.9 based on the strong-lens probability distribution. We find that the choice of loss function and regularization strategy is critical. To enhance model generalization, we leverage SpatialDropout, which outperforms standard methods by addressing the spatial correlation inherent in convolutional features. Furthermore, prediction accuracy and convergence speed are strongly affected by the distribution of the training data, highlighting the importance of an appropriate loss function. Our optimized model demonstrates robust performance, achieving a Mean Absolute Error of 0.092 arcsec for the Einstein radius, providing a scalable framework for automated analysis in future wide-field surveys.
Co-Authors Jaelani, Anton Timur Lutviani, Lutviani Musyafa Musyafa