Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian Jurnal Informasi dan Komputer
SUGIARTO .
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering Mathematics Other

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

Found 2 Documents
Search

 1 
Implementasi Penilaian Daur Hidup Produk Susu Sapi Segar (Studi Kasus Koperasi Peternak MJM) Bunga Cahyaputri; Mohamad Yani; Sugiarto Sugiarto
Jurnal Teknologi Industri Pertanian Vol. 31 No. 1 (2021): Jurnal Teknologi Industri Pertanian
Publisher : Department of Agroindustrial Technology, Bogor Agricultural University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24961/j.tek.ind.pert.2021.31.1.78

Abstract

The growth of the milk industry in Indonesia is increasing every year. This is due to population growth, Indonesian income increasing, and their awareness of consuming milk benefit. Milk production in Indonesia comes from small and medium-term farmers, requiring Koperasi to improve the quality of dairy products in Indonesia. Koperasi Mitra Jaya Mandiri (MJM) consists of dozens of small local farm which all activities are still done manually. Activities of Koperasi MJM, farmers and milk transportation have an impact on the environment. The objective of this research is identify inputs, outputs and environmental impacts in the production of 1 kg of fresh milk (case study of Koperasi MJM). The methods used are life cycle assessment (LCA) with three impact categories: global warming (GWP), eutrophication potential (EP) and acidification potential (AP). The boundary of LCA study is "cradle to gate", which include: feed production, dairy farming activities, transportation of milk to Koperasi, cooling of milk in Koperasi and transportation of milk to factory. Based on LCA results, the environmental impact of GWP, EP and AP 1 kg of Koperasi MJM fresh milk equals 3.45 kg CO2 eq, 0.018 kg PO43- and 0.0208 kg SO2 eq. The stage of dairy farming activities has the highest environmental impact in these three categories. Environmental impact reduction can be done by processing feces of cow, or choosing feed additive that more environmentally friendly. Key words: Life Cycle Assessment, fresh milk, cradle to gate, environmental impact, diary farm
PENERAPAN ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN PENGATURAN SISTEM CERDAS DALAM LINGKUNGAN SMART CITY Sugiarto .
Jurnal informasi dan komputer Vol 11 No 02 (2023): Jurnal Informasi dan Komputer yang terbit pada tahun 2023 pada bulan 10 (Oktobe
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v11i02.520

Abstract

Dalam lingkungan perkotaan yang semakin kompleks, teknologi cerdas menjadi kunci untuk menghadapi tantangan seperti kemacetan, keamanan, penggunaan energi yang efisien, dan pemanfaatan sumber daya secara optimal. Penelitian ini bertujuan untuk meningkatkan pengaturan sistem cerdas dalam lingkungan Smart City dengan menerapkan Algoritma Genetika dan Particle Swarm Optimization yang diharapkan mampu mengatasi permasalahan tersebut. Proses data dilakukan dengan seksama, termasuk pra-pemrosesan data untuk membersihkan data dari outlier dan mengisi nilai yang hilang. Data yang telah siap kemudian dibagi menjadi data pelatihan dan data pengujian. Data pelatihan digunakan untuk melatih model Algoritma Genetika dan Particle Swarm Optimization, sementara data pengujian digunakan untuk menguji kinerja model yang dihasilkan. Hasil dari eksperimen menunjukkan bahwa model yang menggabungkan Algoritma Genetika dengan Particle Swarm Optimization berhasil mencapai akurasi sebesar 88%. Hasil ini menandakan peningkatan dalam kinerja sistem cerdas pada lingkungan Smart City. Sehingga dapat diambil kesimpulan bahwa penerapan algoritma genetika membantu dalam mencari solusi secara evolusioner, mirip dengan proses evolusi alami di alam. Sementara itu, Particle Swarm Optimization memanfaatkan iterasi partikel dalam mencari solusi terbaik. Penggabungan keduanya memberikan pendekatan yang kuat dalam mencari solusi optimal untuk berbagai permasalahan dalam lingkungan Smart City. Penelitian ini memberikan dorongan untuk melakukan eksplorasi lebih lanjut dalam menggunakan algoritma optimasi lainnya, perluasan dataset yang lebih besar dan representatif sehingga diharapkan penelitian ini akan memberikan kontribusi lebih besar dalam mengembangkan teknologi cerdas untuk lingkungan Smart City di masa depan. Kata kunci: algoritma genetika, Particle swarm optimization , smart city, sistem cerdas
Co-Authors Bunga Cahyaputri Suprihatin, Mohammad Yani, dan Dewi Ratnasari