Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Lontar Physics Today
Armawanto, Fardika
Unknown Affiliation
Education Physics

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

Found 2 Documents
Search

 1 
Pendekatan Neural Network pada Gerak Unstretch Bungee Jumping Menggunakan Metode Euler Wahyuni, Tika; Armawanto, Fardika; Faradita, Diah Ayu; Khoiri, Nur; Kurniawan, Affandi Faisal; Saefan, Joko
Lontar Physics Today Vol 2, No 3 (2023): November 2023
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/lpt.v2i3.18128

Abstract

Persamaan gerak unstretch bungee jumping dapat diselesaikan secara numerik menggunakan metode Euler. Hasil penyelesaian secara numerik menggunakan Euler dapat dikatakan valid apabila metode Odeint mendapatkan hasil yang hampir sama dengan metode Euler. Setelah hasil dari metode numerik tervalidasi, sehingga dapat implementasikan pada metode neural network. Neural network dapat divariasi menggunakan berbagai epochs untuk memprediksi hasil penyelesaian secara numerik. Dengan epochs 500 didapatkan hasil yang lebih akurat dan mendekati dari hasil odeint.Kata kunci: Bungee Jumping, Solusi Numerik, dan Neural Network
Persamaan Gelombang Satu Dimensi dengan Menggunakan Metode Neural Network Armawanto, Fardika; Kurniawan, Wawan; Handayani, Diana Endah
Lontar Physics Today Vol 3, No 1 (2024): Februari 2024
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/lpt.v3i1.18011

Abstract

Abstrak. Persamaan gelombang yang berupa persamaan differesial parsial akan diselesaikan secara numerik menggunakan finite diference explicit dan Neural Network. Hasil dari penyelesaian secara numerik menggunakan finite diference explicit akan dilakukan uji stabilitas. Setelah didapatkan kondisi yang stabil maka hal tersebut dinyatakan valid. Sehinhgga, dari hasil finite diference explicit yang valid dapat di bandingkan dengan metode Neural Network. Sementara itu, keberhasilan Neural Network sangat tergantung pada besarnya epochs yang terjadi pada pemograman dan hasil tersebut dapat dievaluasi dari hasil train loss dan  test loss.Kata kunci: persamaan gelombang, finite diference, Neural NetworkAbstract. The wave equation in the form of partial differential equation will be solved numerically using finite diference explicit and Neural Network. The results of the numerical solution using finite diference explicit will be tested for stability. After obtaining a stable condition, it is declared valid. Thus, the valid results of explicit finite diference can be compared with the Neural Network method. Meanwhile, the success of the Neural Network is highly dependent on the number of epochss that occur in the programming and these results can be evaluated from the results of train loss and test loss.Keywords: wave equation, finite diference, Neural Network
Co-Authors Affandi Faisal Kurniawan Diana Endah Handayani Faradita, Diah Ayu Joko Saefan Nur Khoiri Wahyuni, Tika Wawan Kurniawan