Article Per Year (5 Year)
p-Index From 2021 - 2026
1.955
P-Index
This Author published in this journals
All Journal Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Journal of Computer Science Artificial Intelligence and Communications Jurnal Pengabdian Masyarakat Berdampak Journal of Electrical Engineering Research Proceedings of The International Conference on Computer Science, Engineering, Social Sciences, and Multidisciplinary Studies
Rizki, Cindy Atika
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Evaluasi Efisiensi Sistem Tenaga Hybrid (Solar–Wind) untuk Aplikasi Rumah Tangga Rizki, Cindy Atika; Khairuniza, Nabila
Journal of Electrical Engineering Research Vol. 1 No. 1 (2025): January 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/joeer.v1i1.2

Abstract

Pertumbuhan kebutuhan energi rumah tangga yang semakin meningkat menuntut adanya alternatif penyediaan energi yang efisien, berkelanjutan, dan ramah lingkungan. Salah satu solusi yang banyak diteliti dan mulai diterapkan adalah sistem tenaga hybrid yang mengombinasikan sumber energi surya (solar) dan angin (wind). Sistem ini dinilai mampu mengatasi keterbatasan penggunaan energi terbarukan tunggal, seperti ketidakstabilan intensitas sinar matahari atau fluktuasi kecepatan angin, dengan cara saling melengkapi dalam penyediaan daya. Penelitian ini bertujuan untuk mengevaluasi efisiensi sistem tenaga hybrid solar–wind untuk aplikasi rumah tangga, baik dari aspek teknis maupun ekonomis. Metode evaluasi melibatkan analisis perbandingan daya keluaran yang dihasilkan sistem terhadap kebutuhan beban rumah tangga harian, simulasi kinerja dengan variasi kondisi cuaca, serta perhitungan efisiensi energi berdasarkan rasio energi keluaran terhadap energi input potensial dari masing-masing sumber. Hasil penelitian menunjukkan bahwa sistem hybrid mampu meningkatkan keandalan suplai energi hingga 35% dibandingkan penggunaan panel surya tunggal, serta mampu mengurangi ketergantungan pada jaringan listrik konvensional. Dari sisi efisiensi, kombinasi solar–wind menghasilkan efisiensi rata-rata 78%, lebih tinggi dibandingkan penggunaan sumber tunggal yang hanya berkisar 55–65%. Selain itu, analisis keekonomian menunjukkan bahwa meskipun investasi awal relatif tinggi, biaya operasional dapat ditekan hingga 40% dalam jangka waktu lima tahun, sehingga sistem ini layak diterapkan pada skala rumah tangga. Kesimpulan dari evaluasi ini menegaskan bahwa sistem tenaga hybrid solar–wind merupakan pilihan strategis dalam upaya transisi energi berkelanjutan, dengan potensi besar untuk mendukung ketahanan energi rumah tangga di masa depan.
Empowering Digital Startup Ecosystem through Cloud-Native Platforms for Technopreneurship Development Harahap, Ricky Ramadhan; Rizki, Cindy Atika; Khodijah, Siti
Proceedings of The International Conference on Computer Science, Engineering, Social Science, and Multi-Disciplinary Studies Vol. 1 (2025)
Publisher : CV Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/cessmuds.v1.19

Abstract

The digital startup ecosystem in Indonesia has experienced significant growth but continues to face challenges in scalability, cost efficiency, and innovation speed. This study aims to analyze how the implementation of cloud-native platforms strengthens technopreneurship development by optimizing adaptive, integrated, and sustainable digital resources. The research employs a qualitative descriptive approach with a case study of several Indonesian tech-based startups that have adopted cloud-native architectures, including microservices, containerization, and DevOps pipelines. Data were collected through interviews, observations, and company document analysis. The results indicate that the adoption of cloud-native platforms improves operational efficiency by 35%, accelerates deployment time by 50%, and enhances agile cross-team collaboration. Furthermore, cloud-based infrastructure enables startups to innovate faster and respond more effectively to market needs. These findings highlight that cloud-native adoption serves as a critical foundation for strengthening competitiveness and sustainability within the digital technopreneurship ecosystem.
Implementasi Sistem Pemantauan Daya Listrik Real-Time Berbasis ESP32 untuk Optimasi Energi Rizki, Cindy Atika; Khairuniza, Nabila; Habibah, Muthiah
Journal of Electrical Engineering Research Vol. 1 No. 2 (2025): May 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/joeer.v1i2.11

Abstract

Penelitian ini mengembangkan dan mengimplementasikan sistem pemantauan daya listrik real-time berbasis ESP32 yang dirancang untuk memberikan informasi konsumsi energi secara lebih akurat, cepat, dan mudah diakses. Kebutuhan akan sistem monitoring yang efisien muncul dari meningkatnya penggunaan perangkat listrik rumah tangga yang berdampak pada pemborosan energi jika tidak dikelola dengan baik. Sistem yang dibangun memanfaatkan sensor arus dan tegangan untuk mengukur besaran listrik secara langsung, kemudian memproses dan mengirimkannya melalui jaringan Wi-Fi menuju dashboard berbasis web. Hasil pengujian menunjukkan bahwa perangkat mampu membaca perubahan beban secara responsif dan stabil, dengan tingkat akurasi pengukuran yang berada dalam rentang toleransi alat ukur standar. Visualisasi data dalam bentuk grafik historis memberikan gambaran pola konsumsi energi yang dapat dimanfaatkan untuk mengidentifikasi perangkat dengan beban tinggi dan menentukan strategi optimasi energi. Sistem ini juga terbukti memiliki reliabilitas yang baik dalam pengoperasian jangka panjang, menjadikannya solusi praktis dan ekonomis bagi pengguna. Secara keseluruhan, penelitian ini membuktikan bahwa ESP32 merupakan platform yang efektif dan fleksibel untuk implementasi monitoring energi real-time, serta memiliki potensi untuk dikembangkan lebih lanjut menuju integrasi otomatisasi atau analisis prediktif dalam manajemen energi rumah tangga.
Analisis Kinerja Algoritma Deep Learning pada Pengolahan Data Kompleks Khodijah, Siti; Rizki, Cindy Atika
Journal of Electrical Engineering Research Vol. 1 No. 3 (2025): September 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/joeer.v1i3.20

Abstract

Perkembangan pesat algoritma deep learning telah memberikan kontribusi signifikan dalam pengolahan data kompleks yang memiliki karakteristik spasial dan temporal. Namun, penerapan model deep learning tunggal sering menghadapi keterbatasan dalam menangkap pola data secara menyeluruh, khususnya pada data berdimensi tinggi dan deret waktu. Penelitian ini bertujuan untuk menganalisis efektivitas penggunaan model deep learning hybrid yang mengombinasikan Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN) dalam meningkatkan kinerja pengolahan data kompleks. Metode penelitian yang digunakan adalah pendekatan kuantitatif eksperimental dengan membandingkan performa model CNN tunggal, RNN tunggal, dan model hybrid CNN–RNN. Dataset yang digunakan merupakan data sekunder dengan karakteristik multivariat dan temporal, yang diproses melalui tahapan pra-pemrosesan, pelatihan, dan evaluasi model. Hasil penelitian menunjukkan bahwa model hybrid CNN–RNN memberikan performa terbaik dibandingkan model tunggal, ditunjukkan oleh peningkatan akurasi, presisi, recall, dan F1-score secara signifikan. Selain itu, analisis kurva loss pelatihan dan validasi menunjukkan proses pembelajaran yang stabil dan kemampuan generalisasi yang baik. Penerapan teknik regularisasi dan attention mechanism juga terbukti mampu mengurangi overfitting serta meningkatkan interpretabilitas model. Dengan demikian, model deep learning hybrid CNN–RNN memiliki potensi besar untuk diterapkan dalam berbagai domain pengolahan data kompleks, seperti analisis sinyal medis, sistem keamanan berbasis IoT, dan analisis aktivitas manusia.
Co-Authors Asih, Munjiat Setiani Chinthia, Maulidania Mediawati Eka Pandu Cynthia Eka Putra Habibah, Muthiah Hendry . Khairuniza, Nabila Mardiah Muhammad Hasanuddin Muhammad Hasanuddin, Muhammad Muhammad Iqbal Muhammad Noor Hasan Siregar PA, Dahrim Prayoga, Abil Alwi Ramadani, Fadilah Ricky Ramadhan Harahap Rifky Lana Rahardian Siti Khodijah Siti Sundari Supiyandi Supiyandi