Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.235

P-Index

This Author published in this journals

All Journal Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Penelitian Komunikasi dan Opini Publik Jurnal Teknologi dan Sistem Komputer Informatika Mulawarman Jurnal J-PEMAS Pengabdian Kampus: Jurnal Informasi Kegiatan Pengabdian Pada Masyarakat

Basani, Yuniarta

Universitas Palangka Raya

Author-ID : 926742

Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Environmental Science Social Sciences Transportation Other

Published : 8 Documents Claim Missing Document

Claim Missing Document

Articles

Prediksi Jumlah Penduduk Miskin Kalimantan Timur Menggunakan Single dan Double Exponential Smoothing Herman Santoso Pakpahan; Yuniarta Basani; Rahmawati Rina Hariani
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 15, No 1 (2020): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Kemiskinan erat kaitannya dengan proses pembangunan, jika jumlah kemiskinan tinggi maka dapat menghambat pembangunan ekonomi, jadi diperlukan peramalan untuk mengetahui jumlah kemiskinan di Provinsi Kalimantan Timur yang berpengaruh terhadap kebijakan pemerintah dalam pengambilan keputusan sebelum terjadinya peningkatan jumlah kemiskinan di tahun yang akan datang. Peramalan kemiskinan ini berdasarkan data aktual dalam kurun waktu 9 tahun yaitu dari tahun 2010 sampai tahun 2018 menggunakan metode Single Exponential Smoothing (SES) dan Double Exponential Smoothing Brown dan Holt dengan nilai α (alpha) dan β (beta) 0,1 sampai dengan 0,9 sebagai parameter pemulusan. Metode akurasi yang digunakan yaitu Mean Absolute Percentage Error (MAPE) untuk menghitung persentase error dengan menggunakan nilai α (alpha) dan β (beta). Hasil terbaik tahun 2019 untuk data kemiskinan pada metode Single Exponential Smoothing dengan nilai α (alpha) 0,9 sebesar 440.905 jiwa dengan MAPE 10,94%. Hasil terbaik untuk metode Double Exponential Smoothing Brown dengan nilai α (alpha) 0,5 sebesar 438.195 jiwa dengan MAPE 14,90% dan hasil terbaik untuk metode Double Exponential Smoothing menurut Holt dengan nilai α (alpha) 0,9, β (beta) 0,8 sebesar 448.474 jiwa dengan MAPE 14,81%. Jadi, hasil peramalan metode yang baik yaitu Single Exponential Smoothing dan Double Exponential Smoothing Holt untuk data Kemiskinan di Provinsi Kalimantan Timur.

Analisis Pengaruh Model Salinitas Air Tanah Menggunakan Finite Element Method (FEM) Di Kalimantan Timur Herman Santoso Pakpahan; Hario Jati Setyadi; Yuniarta Basani
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 14, No 1 (2019): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Penelitian ini menggunakan Finite Element Method (FEM) untuk menghitung perubahan salinitas air tanah berdasarkan nilai transmisivitas pada setiap lapisan air tanah. Perubahan Salinitas menggambarkan penurunan kuantitas dan kualitas air tanah akibat dari pembangunan yang merusak lingkungan terutama di daerah pesisir pantai. Pemodelan dan simulasi salinitas air tanah dengan FEM diperoleh head gradient terhadap posisi di titik domain masalah, selanjutnya menghitung perubahan transmisivitasnya. Sensivitas mesh dilakukan dengan mengubah edge dari elemen untuk memperoleh efektifitas dan fleksibilitas dari matriks FEM dua dimensi (2D). Sehingga edge terkecil yang digunakan sebesar 0.1 dan yang terbesar 1 dengan jumlah elemen 14694 dan 157. Transmisivitas dihitung berdasarkan jenis lapisan air tanah pada daerah penelitian, sehingga diperoleh perubahan salinitas sebesar 1.3 % dari salinitas awal.

MACHINE LEARNING: PROSPERITY OF RAINFALL, WATER DISCHARGE, AND FLOOD WITH WEB APPLICATION IN DELI SERDANG Ike Fitriyaningsih; Yuniarta Basani; Lit Malem Ginting
Jurnal Penelitian Komunikasi dan Opini Publik Vol 22, No 2 (2018): JURNAL PENELITIAN KOMUNIKASI dan OPINI PUBLIK - Desember 2018
Publisher : BPSDMP Kominfo Manado

Flood event predictions can provide information to the surrounding community to prepare themselves for future. With the development of informatics, currently web-based applications are very accessible. PHP (Hypertext Preprocessor) is a programming language in the form of a script that can be implemented dynamically with HTML. PHP is used to build web-based applications and is implemented with other software. Software R is a command line based application that can be used to complete Machine Learning calculations quickly. In this study Backpropagation Neural Network (BP-NN) is used to predict rainfall and water discharge. Whereas Support Vector Machine (SVM) is used to predict flood events. The case study data used was Deli Serdang District in North Sumatra which often flooded. In this study, rainfall data was taken from three points or stations. The nearest river water debit is used to also affect flood events. Ensemble Machine Learning (BP-NN and SVM) uses the PHP programming language and R software is used for prediction. Using rainfall data from Kualanamu station, Tuntungan and Sampali as well as Sungai Ular water debit 1 January 2016-31 December 2017, the accuracy of flood prediction from this application is 94.4%.

Prediksi Kejadian Banjir dengan Ensemble Machine Learning Menggunakan BP-NN dan SVM Ike Fitriyaningsih; Yuniarta Basani
Jurnal Teknologi dan Sistem Komputer Volume 7, Issue 3, Year 2019 (July 2019)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

This study aims to examine the prediction of rainfall and river water debit using the Back Propagation Neural Network (BP-NN) method. Prediction results are classified using the Support Vector Machine (SVM) method to predict flooding. The parameters used to predict rainfall with BP-NN are minimum, maximum and average temperature, average relative humidity, sunshine duration, and average wind speed. The debit of Ular Pulau Tagor river is predicted by BP-NN. BPNN and SVM modeling using software R. Daily climate data from 2015-2017 were taken from three stations, namely Sampali climatology station, Kualanamu meteorological station, and Tuntung geophysics station. Prediction of river water debit is for 6 days and 30 days in the future. The best dataset is a 6 day prediction with a combination of 60% training and 40% testing. Flood prediction accuracy with SVM was 100% in predicting flood events for the next 6 days.

Sekolah Binaan Berbasis Teknologi Di SMA Negeri 1 Manuhing Herman Santoso Pakpahan; Yuniarta Basani; Muhammad Bambang Firdaus
J-PEMAS - Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2023): Jurnal Pengabdian Masyarakat J_PEMAS
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/j-pemas.v4i1.845

SMA Negeri 1 Manuhing adalah sekolah binaan berbasis teknologi agar siswa/siswi mengerti dan mengetahui dampak positif atau negatif penggunaan internet dan menggunakan aplikasi teknologi komputer seperti Microsoft Office yaitu Ms.Word dan Ms. Excel kepada siswa–siswi, terutama dalam menyelesaikan tugas dan pekerjaan. Peserta kegiatan ini adalah siswa-siswi kelas 10, 11, dan 12. Kegiatan sekolah binaan mulai dari menjelajah dunia internet, mengetahui dampak negatif dan positif bagi siswa-siswi, dan membuat file (beserta menjelaskan format file seperti docx, mpp, pptx), membuka file, mengetik dasar, menyimpan file, menggunakan mouse (anak panah komputer), hingga pengenalan bagian-bagian dalam komputer (fitur yang ada di sistem operasi). Hasil dari pelatihan komputer ini dapat memberi kemampuan dan pengetahuan dalam usaha untuk membantu menyelesaikan tugas-tugas yang diberikan oleh guru sekolah, sekaligus memiliki generasi cerdas dan kreatif dalam penggunaan Microsoft Office. Siswa-siswi SMA Negeri 1 Manuhing sudah menyadari pentingnya teknologi, dampak positif dan negatif dalam penerapan teknologi, serta dapat mengoperasikan komputer dan menyelesaikan masalah pekerjaan yang berkaitan dengan Microsoft Office.

Sistem Pendukung Keputusan Pemilihan Objek Wisata Menggunakan Metode Weighted Product dan Simple Additive Weighting Herman Santoso Pakpahan; Yuniarta Basani; Nur Shadrina
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 18, No 1 (2023): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v18i1.8399

Kalimantan Timur memiliki berbagai macam pesona alam tersendiri yang terdapat di berbagai daerah salah satunya Kota Bontang. Kota Bontang juga memiliki sektor pariwisata yang berpotensi dan dapat dikembangkan sebagai daya tarik wisata. Sektor pariwisata saat ini berpotensial untuk dikembangkan sebagai salah satu sumber pendapatan daerah. Sistem pendukung keputusan (SPK) pemilihan objek wisata ini berbasis computer. Adapun tujuan penelitian untuk membangun sistem yang dapat memberikan rekomendasi mengenai pemilihan objek wisata sehingga dapat membantu parawisatawan dalam memilih tempat wisata. Metode yang digunakan dengan cara menggabungkan metode antara WP untuk pembobotan kriteria dan SAW untuk proses perangkingan alternatif. Data yang digunakan adalah data objek wisata yang berada di Kota Bontang yang didapatkan langsung dari Dinas Pemuda Olahraga dan Pariwisata (DISPOPAR). Hasil yang didapat dari sistem berupa perangkingan dan rekomendasi data objek wisata Kota Bontang, adapun hasil rangking teratas atau rangking 1 diduduki oleh objek wisata Pulau Beras Basah dengan nilai preferensi 0.8622.

IMPLEMENTASI K-NEAREST NEIGHBOR DALAM MEMPREDIKSI CURAH HUJAN GUNA MENYUSUN PENJADWALAN TANAM PADI DI PULANG PISAU Yuniarta Basani; Dian Nur Handayani; Herman Santoso Pakpahan; Regina Wahyudyah Sonata Ayu
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 17, No 2 (2023)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v17i2.10649

Beras merupakan komoditas penting dalam kehidupan sosial dan ekonomi di Indonesia serta menjadi sumber karbohidrat utama. Perubahan iklim mempengaruhi pola tanam dalam sektor pertanian, dan curah hujan memiliki peran penting dalam pertumbuhan tanaman karena mempengaruhi ketersediaan air. Kabupaten Pulang Pisau di Kalimantan Tengah memiliki potensi pertanian yang baik, terutama dalam produksi padi. Untuk meminimalisir kegagalan panen akibat perubahan iklim, prediksi curah hujan diperlukan sebagai acuan dalam penjadwalan tanam padi. Penelitian ini bertujuan untuk memprediksi curah hujan menggunakan metode K-NN dan mengkonversikan hasil prediksi curah hujan menjadi tabel kalender tanam guna meminimalisir terjadinya kegagalan panen. Metode K-Nearest Neighbor (K-NN) dalam beberapa dekade terakhir selain untuk klasifikasi juga digunakan untuk prediksi. Metode K-NN pada penelitian ini diimplementasikan dalam memprediksi curah hujan, dengan pengujian performa metode K-NN menggunakan metode RMSE. Data yang digunakan berasal dari website resmi BMKG yang diambil dari Tahun 2011-2022. Rasio pembagian data training dan data testing yang digunakan adalah 70:30, 80:20 dan 90:10. Hasil pengujian penerapan metode K-NN dalam prediksi curah hujan menghasilkan nilai RMSE terkecil 109,3 dengan menggunakan perhitungan jarak Manhattan Distance dan nilai k = 16. Hasil prediksi curah hujan yang dikonversikan ke dalam kalender tanam menunjukan bahwa Juli, September, dan November 2023, Januari, Maret, Mei, Juli, September, dan November 2024 dapat dilakukan proses penanaman padi.

Pelatihan Software R Untuk Statistika Siswa di SMA Negeri 1 Manuhing Yuniarta Basani; Mega Puspitorini; Herman Santoso Pakpahan
Jurnal Pengabdian Kampus Vol 10 No 2 (2023): Jurnal Pengabdian Kampus
Publisher : LPPM Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52850/jpmupr.v10i2.11194

Pelatihan mengenai statistik dengan menggunakan software R untuk siswa SMA Negeri 1 Manuhing di Kabupaten Gunung Mas Kalimantan Tengah bertujuan untuk menambah pengetahuan dalam statistik yang terintegrasi dengan materi Teknologi Informasi sehingga kemampuan dasar pemrograman dan mengolah data dapat dimiliki. Tahapan pelatihan yaitu pemberian pre test, penyampaian materi, praktek yang dilakukan siswa didampingi tutor, dan pemberian post test. Melalui statistik deskriptif, diperoleh rata-rata nilai post test mengalami peningkatan dibandingkan rata-rata nilai pre test. Kemudian data nilai diolah lebih lanjut dengan uji rata-rata dua populasi berpasangan menggunakan Uji T dengan taraf signifikansi 0,05. Hipotesis nolnya (H0) adalah nilai pre test sama dengan nilai post test dan hipotesis alternatifnya (H1) adalah nilai pre test lebih kecil daripada nilai post test. Melalui Uji T diperoleh nilai mutlak sebesar 4,202 lebih besar dari yaitu 2,048 dan diperkuat oleh p value sebesar 0,02 yang lebih kecil dari taraf signifikansi α sehingga diputuskan bahwa tolak H0. Kesimpulan bahwa pelatihan Software R untuk statistika siswa di SMAN 1 Manuhing dapat meningkatkan pengetahuan peserta.

Co-Authors Dian Nur Handayani Fitriyaningsih, Ike Herman Santoso Pakpahan Herman Santoso Pakpahan Lit Malem Ginting Mega Puspitorini Muhammad Bambang Firdaus Nur Shadrina Pakpahan, Herman Santoso Rahmawati Rina Hariani Regina Wahyudyah Sonata Ayu Setyadi, Hario Jati

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search