Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Syntax Literate: Jurnal Ilmiah Indonesia Abdi Dosen : Jurnal Pengabdian Pada Masyarakat
Fauzi, Andrian
Unknown Affiliation
Religion Humanities Education Environmental Science Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
STUDY OF CORRELATION OF CHICKEN EGGS PRODUCTION TO CALORIE CONSUMPTION AND PREVALENCE OF POOR NUTRITION TO CHILDREN (0-59 MONTHS): COMMUNITY SERVICE SURVEY Fajar Fatriansyah, Jaka; Febrian Pradana, Agrin; Egan Jonatan, Ignatius; Federico, Andreas; Yuriansyah Barmaki, Muhammad Joshua; Fauzi, Andrian; Rohman, Muhammad Syaikh
Abdi Dosen : Jurnal Pengabdian Pada Masyarakat Vol. 6 No. 4 (2022): DESEMBER
Publisher : LPPM Univ. Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/abdidos.v6i4.1421

Abstract

Indonesia is a country with low consumption of chicken eggs and this has implications for the high prevalence of malnutrition among children under five in Indonesia. In this community service survey research, an analysis of the correlation between chicken egg production and calorie consumption will be carried out as the prevalence of under-five malnutrition (0-59 months). The analysis carried out is Pearson correlation analysis. The study found that there was a positive correlation between egg production per capita and egg consumption per province with a correlation coefficient of 2.067 x 103 tons/kcal. In addition, there is also a negative correlation between egg consumption and the prevalence of malnutrition in children under five (0-59 months). This study obtained a recommendation that it is important to increase egg production by increasing the productivity of chicken egg SMEs in the community service scheme.
Perancangan Program Pengestimasi Probabilitas Kegagalan Peralatan Penukar Panas Akibat Korosi Seragam Berbasis Deep Neural Network Fatriansyah, Jaka Fajar; Dhaneswara, Donanta; Hanifa, Muthia; Hartoyo, Fernanda; Pradana, Agrin Febrian; Anis, Muhammad; Fauzi, Andrian
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.943 KB) | DOI: 10.36418/syntax-literate.v8i3.11486

Abstract

Meningkatnya standar keamanan dan ketatnya persaingan antar perusahaan meningkatkan kebutuhan bagi suatu perusahan untuk mengendalikan kegagalan pada peralatan. Inspeksi secara teratur dilakukan sebagai bagian dari rangkaian pemeliharaan dan manajemen integritas peralatan. Dalam merencanakan dan melakukan inspeksi, diperlukan strategi yang tepat agar inspeksi yang dilakukan tepat sasaran dan sesuai dengan kebutuhan. Risk-based inspection merupakan teknik pengambilan keputusan dalam perencanaan pemeliharaan yang berdasar pada risiko. Pada saat ini, penggunaan metode-metode kecerdasan buatan untuk kegiatan penilaian risiko, pemodelan konsekuensi, dan perencanaan pemeliharaan telah dilakukan. Penelitian ini bertujuan untuk mengembangkan suatu program yang memanfaatkan pembelajaran mesin dan kecerdasan buatan untuk melakukan penilaian salah satu komponen risiko yaitu probabilitas kegagalan (Probability of Failure, PoF) pada bagian cangkang dalam peralatan penukar panas menggunakan deep learning. Model ini dapat membantu operator yang bekerja di bidang minyak dan gas untuk menentukan tingkatan risiko sehingga inspeksi dapat dilakukan dengan lebih efisien dan terarah. Penelitian ini menghasilkan sebuah program dan disain program pembelajaran mesin berbasis deep learning yang digunakan untuk memprediksi risiko kegagalan akibat korosi seragam pada peralatan sisi dalam cangkang peralatan penukar panas cangkang dan buluh (shell-and-tube heat exchanger) berdasarkan standar API 581 dengan akurasi sebesar 89% yang didapatkan dengan parameter-parameter diantaranya learning rate sebesar 0.001, epoch sebesar 150, random state sebesar 60, tiga hidden layer, dan test size sebesar 0.2.
Co-Authors Dhaneswara, Donanta Egan Jonatan, Ignatius Fajar Fatriansyah, Jaka Fatriansyah, Jaka Fajar Febrian Pradana, Agrin Federico, Andreas Hanifa, Muthia Hartoyo, Fernanda Muhammad Anis, Muhammad Muhammad Syaikh Rohman Pradana, Agrin Febrian Yuriansyah Barmaki, Muhammad Joshua