Hasil Pencarian  ::  Simpan CSV :: Kembali

"In this research, a layered-recurrent artificial neural network (ANN) using the back-propagation method was developed for simulation of a fixed-bed industrial catalytic reforming unit called Platformer. Ninety-seven data points were gathered from the industrial catalytic naphtha reforming plant during the complete life cycle of the catalytic bed (about 919 days). Ultimately, 80% of them were selected as past horizontal data sets, and the others were selected as future horizontal ones. After training, testing, and validating the model with past horizontal data, the developed network was applied to predict the volume flow rate and research octane number (RON) of the future horizontal data versus days on stream. Results show that the developed ANN was capable of predicting the volume flow rate and RON of the gasoline for the future horizontal data sets with AAD% (average absolute deviation) of 0.238% and 0.813%, respectively. Moreover, the AAD% of the predicted octane barrel levels against the actual values was 1.447%, which shows the excellent capability of the model to simulate the behavior of the target catalytic reforming plant."

"Biomassa merupakan salah satu potensi energi alternatif untuk mengurangi ketergantungan penggunaan energi fosil. Indonesia memiliki potensi energi biomassa sebesar 49.810 MW yang berasal dari limbah dan tanaman. Pemanfaatan energi tersebut dapat dilakukan melalui proses gasifikasi yang mengubah biomassa menjadi gas sintetik. Salah satu metode untuk memodelkan proses tersebut adalah dengan menggunakan kecerdasan buatan atau artificial intelligence (AI). Studi literatur yang dilakukan menunjukkan bahwa metode artificial neural network (ANN) adalah pendekatan AI yang sering dipakai untuk melakukan pemodelan proses gasifikasi. Namun, ANN memiliki beberapa kekurangan dalam pemodelan dinamis yang kemudian disempurnakan melalui salah satu pengembangannya yang dinamakan recurrent neural network (RNN) yang mampu memodelkan variabel dependen terhadap waktu. Kesimpulan dari penelitian ini menyarankan agar pengembangan RNN dapat dijadikan acuan untuk membuat sistem kontrol pintar pada prototipe gasifier yang akan datang.

---

Biomass is one of the alternative energy sources to reduce the usage of fossil energy. The potential of biomass energy in Indonesia reaches 49,810 MW, which comes from organic wastes and plants. Gasification is a process to convert biomass to synthetic gas, which is one of the utilizations of biomass energy. Artificial Intelligence (AI) implemented to model the complex process of gasification. Artificial Neural Network (ANN) is a common approach in AI to model the process in the gasifier. Yet, ANN is still inferior in modeling dynamic process that leads to an improvement of ANN called recurrent neural network (RNN). The result of this study suggests that RNN could be the foundation for the development of smart control for the next prototypes."

"Budaya komunikasi yang diciptakan oleh suatu organisasi memainkan peran penting dalam keberhasilan adopsi AI. Penelitian ini bertujuan untuk menganalisis tahapan proses penerimaan Artificial Intelligence dalam bidang komunikasi pemasaran di industri B2B Indonesia. Menggabungkan teori Difusi Inovasi dan Technology-Organizational-Environmental Framework, penelitian ini menggunakan metode kualitatif dengan wawancara semi-terstruktur terhadap tiga informan yang bekerja di tiga industri B2B dengan sector berbeda. Hasil penelitian menunjukkan bahwa masing-masing individu melewati proses lima langkah: knowledge stage, persuasion stage, decision stage, implementation stage, serta confirmation stage. Terdapat dua jenis struktur organisasi yang ditemukan yang terbentuk dalam keputusan adopsi, yaitu struktur organisasi organik dimana lebih cocok untuk fase adopsi, serta struktur organisasi mekanistik yang lebih cocok untuk fase implementasi. Ketiga informan telah berhasil melakukan adopsi AI dikarenakan perilaku kepemimpinan manajemen perusahaan yang cenderung mengkomunikasikan serta mendukung pentingnya inovasi. Budaya komunikasi yang inovatif tidak dapat terlepas dari peran agen penghubung internal yang bersifat informal. Terdapat berbagai macam tools AI di divisi pemasaran industri B2B yang dapat diklasifikasikan berdasarkan fungsinya masing-masing, yaitu fungsi produksi konten, placement, analisis, dan Customer Service. Manfaat penggunaan AI yang dirasakan yaitu efisiensi waktu dan tenaga kerja, budget, manfaat terhadap kualitas konten dan growth marketing, dan peningkatan kreativitas karyawan. Biaya yang dikeluarkan oleh perusahaan dalam menginvestasikan AI tidak sebanding dengan outcome berupa keuntungan serta ketertarikan calon pelanggan kepada perusahaan menjadi lebih besar. Ketiga informan menyatakan bahwa penerapan AI saat ini sudah tepat guna serta akan dilanjutkan untuk membantu kegiatan perusahaan kedepannya.

---

The communication culture created by an organization plays a vital role in the success of AI adoption. This research aims to analyze the stages of the process of accepting Artificial Intelligence in the field of marketing communications in the Indonesian B2B industry. Combining the Diffusion of Innovation theory and the Technology-Organizational Environmental Framework, this research uses qualitative methods with semi-structured interviews with three informants who work in three B2B industries with different sectors. The research results show that each individual goes through a five-step process: knowledge stage, persuasion stage, decision stage, implementation stage, and confirmation stage. There are two types of organizational structures found that are formed in adoption decisions, namely organic organizational structures which are more suitable for the adoption phase, and mechanistic organizational structures which are more suitable for the implementation phase. The three informants have succeeded in adopting AI due to the behavior of company management leadership which tends to communicate and support the importance of innovation. An innovative communication culture cannot be separated from the role of informal internal liaison agents. There are various kinds of AI tools in the B2B industrial marketing division which can be classified based on their respective functions, namely content production, placement, analysis and customer service functions. The perceived benefits of using AI are time and labor efficiency, budget, benefits to content quality and marketing growth, and increased employee creativity. The costs incurred by companies in investing in AI are not commensurate with the outcomes in the form of profits and the interest of potential customers in the company becomes greater. The three informants stated that the current application of AI is appropriate and will continue to help the company’s activities in the future."

"Penelitian ini membahas mengenai terjadinya unplanned maintenance pada mesin hydraulic D/E di area finishing mill, Pabrik Hot Strip Mill pada pabrik penghasil baja PT. Krakatau Steel. Unplanned maintenance menyebabkan terganggunya proses produksi. Oleh karena itu, unplanned maintenance akan diubah menjadi planned maintenance. Perancangan planned maintenance akan dilakukan dengan 2 metode, yaitu Artificial Neural Network dan Distribusi Lognormal. Kedua metode ini kemudian akan dibandingkan berdasarkan nilai mean square error (MSE), mean absolute percentage error (MAPE) dan mean absolute deviation (MAD) untuk melihat metode mana yang lebih sesuai untuk kasus ini. Setelah melakukan perbandingan kedua metode, maka diketahui bahwa neural network lebih akurat dibandingkan metode distribusi lognormal karena memiliki nilai error yang lebih kecil.

---

This study discusses the occurrence of unplanned maintenance on hydraulic D / E machines in the area finishing mill, Hot Strip Mill Plant PT. Krakatau Steel steelmaker. Unplanned maintenance led to disruption of the production process. Therefore, unplanned maintenance will be changed to planned maintenance. The design of planned maintenance will be done by 2 methods, namely Artificial Neural Network and lognormal distribution. Both of these methods will then be compared based on the mean square error (MSE), mean absolute percentage error (MAPE) and mean absolute deviation (MAD) to see which method is more appropriate for this case. After doing a comparison of the two methods, it is known that a neural network is more accurate than the lognormal distribution method because it has a smaller error."

"Generative Artificial Intelligence (GAI) telah memegang penting dalam berbagai bidang, termasuk sebagai alat bantu pemrograman di Indonesia. Namun, penelitian mengenai adopsi GAI sebagai alat bantu pemrograman masih terbatas. Penelitian ini bertujuan menganalisis faktor yang memengaruhi niat karyawan di Indonesia untuk mengadopsi GAI dalam pemrograman, dengan fokus pada kualitas output kode dan kualitas sistem yang memengaruhi persepsi kegunaan serta kemudahan penggunaan GAI. Penelitian menggunakan metode PLS-SEM dalam analisis kuantitatif dengan 497 data valid, serta analisis kualitatif melalui wawancara 10 narasumber. Hasilnya menunjukkan bahwa persepsi kegunaan dipengaruhi oleh faktor presentation, structure, interactivity, responsiveness, understandability, assurance, dan reliability, sementara persepsi kemudahan penggunaan dipengaruhi oleh presentation, structure, responsiveness, assurance, dan reliability. Kedua persepsi ini memengaruhi niat adopsi GAI untuk pemrograman. Penelitian juga meneliti hubungan ini berdasarkan gender dan usia melalui analisis multigrup. Hasilnya memberikan saran bagi pengembang GAI untuk meningkatkan kualitas kode output dan sistem, yang terbukti memengaruhi persepsi pengguna tentang kegunaan dan kemudahan penggunaan GAI

---

Generative Artificial Intelligence (GAI) has become significant in various fields, including as a programming aid in Indonesia. However, research on the adoption of GAI as a programming tool remains limited. This study aims to analyze the factors influencing employees in Indonesia to adopt GAI for programming, focusing on output code quality and system quality, which affect the perceived usefulness and ease of use of GAI. The study employs the PLS-SEM method for quantitative analysis with 497 valid data points and qualitative analysis through interviews with 10 informants. The results indicate that perceived usefulness is influenced by factors such as presentation, structure, interactivity, responsiveness, understandability, assurance, and reliability, while perceived ease of use is influenced by presentation, structure, responsiveness, assurance, and reliability. Both perceptions affect the intention to adopt GAI for programming. The study also examines these relationships based on gender and age using multigroup analysis. The findings provide practical suggestions for GAI developers to enhance the quality of output code and system, which significantly influence users' perceptions of the usefulness and ease of use of GAI."

"Generative Artificial Intelligence (GAI) telah memegang penting dalam berbagai bidang, termasuk sebagai alat bantu pemrograman di Indonesia. Namun, penelitian mengenai adopsi GAI sebagai alat bantu pemrograman masih terbatas. Penelitian ini bertujuan menganalisis faktor yang memengaruhi niat karyawan di Indonesia untuk mengadopsi GAI dalam pemrograman, dengan fokus pada kualitas output kode dan kualitas sistem yang memengaruhi persepsi kegunaan serta kemudahan penggunaan GAI. Penelitian menggunakan metode PLS-SEM dalam analisis kuantitatif dengan 497 data valid, serta analisis kualitatif melalui wawancara 10 narasumber. Hasilnya menunjukkan bahwa persepsi kegunaan dipengaruhi oleh faktor presentation, structure, interactivity, responsiveness, understandability, assurance, dan reliability, sementara persepsi kemudahan penggunaan dipengaruhi oleh presentation, structure, responsiveness, assurance, dan reliability. Kedua persepsi ini memengaruhi niat adopsi GAI untuk pemrograman. Penelitian juga meneliti hubungan ini berdasarkan gender dan usia melalui analisis multigrup. Hasilnya memberikan saran bagi pengembang GAI untuk meningkatkan kualitas kode output dan sistem, yang terbukti memengaruhi persepsi pengguna tentang kegunaan dan kemudahan penggunaan GAI

---

Generative Artificial Intelligence (GAI) has become significant in various fields, including as a programming aid in Indonesia. However, research on the adoption of GAI as a programming tool remains limited. This study aims to analyze the factors influencing employees in Indonesia to adopt GAI for programming, focusing on output code quality and system quality, which affect the perceived usefulness and ease of use of GAI. The study employs the PLS-SEM method for quantitative analysis with 497 valid data points and qualitative analysis through interviews with 10 informants. The results indicate that perceived usefulness is influenced by factors such as presentation, structure, interactivity, responsiveness, understandability, assurance, and reliability, while perceived ease of use is influenced by presentation, structure, responsiveness, assurance, and reliability. Both perceptions affect the intention to adopt GAI for programming. The study also examines these relationships based on gender and age using multigroup analysis. The findings provide practical suggestions for GAI developers to enhance the quality of output code and system, which significantly influence users' perceptions of the usefulness and ease of use of GAI."

"ABSTRAKKondisi cuaca merupakan faktor yang signifikan untuk berbagai sektor seperti keselamatan transportasi, pembangunan, kesehatan dan lain-lain oleh karena itu dibutuhkan akurasi yang tinggi dalam melakukan peramalan keadaan cuaca kedepannya. Banyak cara yang digunakan untuk memprakirakan kondisi cuaca, seiring berkembangnya teknologi, prakiraan Hujan dapat dilakukan dengan menggunakan teknologi Artificial Intelligence (AI) atau kecerdasan buatan sehingga hasil yang diperoleh lebih optimal. Dalam penelitian ini, jaringan saraf tiruan yang digunakan memiliki algoritma feedforward neural network dengan data pelatihan berupa suhu, tekanan udara, kelembaban udara, titik embun, kecepatan angin tiap 3 (tiga) jam di Stasiun pengamatan BMKG di Jawa Timur dari tahun 2019 dengan target adalah intensitas curah hujan. Data pelatihan dilakukan pada periode 1 Januari 2019 sampai 28 Februari 2019 dan selanjutnya, data diuji pada periode 1 sampai 31 Maret 2019. Berdasarkan hasil analisis, model Jaringan Saraf Tiruan memiliki performa yang cukup baik dalam prakiraan intensitas curah hujan di Jawa Timur. Model terbaik ditunjukkan oleh model dengan arsitektur 7-60-1 dengan tingkat korelasi yang dihasilkan sebesar 0,87 dengan nilai error sebesar -0.03 serta akurasi 76 persen dengan lokasi penelitian di Stasiun Meteorologi Bawean. Dengan adanya model ini, diharapkan dapat menjadi salah satu pertimbangan forecaster dalam membuat prakiraan hujan khususnya prakiraan jangka pendek dengan interval tiap 3 (tiga) jam.

---

ABSTRACTWeather conditions are a significant factor for various sectors such as transportation safety, development, health, etc. Therefore, high accuracy is needed in forecasting future weather conditions. Many methods are used to predict weather conditions, as technology develops, Rain forecast can be made using Artificial Intelligence (AI) technology so that the results obtained are more optimal. In this study, the artificial neural network used has a feedforward neural network algorithm with training data in the form of temperature, air pressure, humidity, dew point, wind speed every 3 (three) hours at the BMKG observation station in East Java from 2019 with the target being rainfall intensity. The training data was conducted in the period January 1 2019 to February 28 2019 and subsequently, the data were tested in the period 1 to 31 March 2019. Based on the results of the analysis, the Artificial Neural Network model performed reasonably well in the forecast of rainfall intensity in East Java. The best model is shown by a model with 7-60-1 architecture with a resulting correlation level of 0,87 with an error value of -0.03 and an accuracy of 76 percent with the research location at the Bawean Meteorological Station. With this model, it is expected to become one of the forecaster considerations in making rain forecasts, especially short-term forecasts at intervals of every 3 (three) hours."

"Di Indonesia, dengue telah menjadi salah satu penyakit yang bersifat hiperendemis. Dengue diderita oleh masyarakat dari berbagai kalangan usia, baik pria maupun wanita. Dengue memiliki manifestasi klinis yang terdiri dari tiga fase: fase demam, fase kritis, dan fase penyembuhan. Banyak pasien dengue meninggal pada fase kritis karena pengobatan yang tidak dilaksanakan tepat waktu. Oleh karena itu, dibangunlah model-model yang dapat memprediksi tingkat keparahan dengue berdasarkan hasil uji laboratorium dari pasien yang bersangkutan menggunakan Artificial Neural Network (ANN) dan Analisis Diskriminan (AD). Dalam pembangunan model-model tersebut, digunakan data dengan jumlah yang sangat kecil, yakni sebesar 77 data. Dalam data tersebut, terdapat informasi mengenai hasil uji laboratorium dan diagnosis dari pasien yang bersangkutan. Diagnosis tersebut dikelompokkan ke dalam tiga kategori keparahan dengue, yakni DF sebagai tingkat ringan, DHF grade 1 sebagai tingkat sedang, dan DHF grade 2 sebagai tingkat parah. Dalam penelitian ini, dilakukan tiga pemisahan data, yakni dengan rasio data training : data testing sebesar 70% : 30%, 80% : 20%, and 90% : 10%. Berdasarkan hasil yang diperoleh, model-model prediksi ANN yang dibangun menggunakan fungsi aktivasi logistik dan tangen hiperbolik dengan persentase data training sebesar 70% menghasilkan akurasi (90.91%), sensitivitas (91.11%), dan spesifisitas (95.51%) tertinggi. Model-model tersebutlah yang diajukan dalam penelitian ini. Model-model tersebut akan mampu membantu para dokter dalam memprediksi tingkat keparahan dengue dari pasien yang bersangkutan sebelum memasuki fase kritis. Lebih jauh, model-model tersebut dapat memudahkan para dokter dalam mengobati pasien dengue secara dini, sehingga kasus-kasus fatal atau kematian dapat dihindari.

---

In Indonesia, dengue has become one of the hyperendemic diseases. Dengue is being suffered by many people of all ages, both men and women. Dengue has clinical manifestations that are divided into three phases: febrile phase, critical phase, and convalescence phase. Many patients have died in the critical phase due to the lack of timely treatment. Therefore, I developed models that can predict the severity of dengue based on the corresponding patients’ laboratory test results using Artificial Neural Network (ANN) and Discriminant Analysis (DA). In developing the models, I used a very small dataset, which only consisted of 77 data. The data contains information regarding the laboratory test results and the diagnosis of each of the corresponding patients. The diagnoses were classified into three categories of dengue severity, which are DF as the mild level, DHF grade 1 as the intermediate level, and DHF grade 2 as the severe level. I conducted three different data split, that is, with the ratio of training : testing = 70% : 30%, 80% : 20%, and 90% : 10%. It is shown that ANN models developed using logistic and hyperbolic tangent activation function with 70% training data yielded the highest accuracy (90.91%), sensitivity (91.11%), and specificity (95.51%). These ANN models are the proposed models in this research. The proposed models will be able to help physicians predict the dengue severity of a corresponding patient before entering the critical phase. Furthermore, it will ease physicians in treating dengue patients early, so deaths or fatal cases can be avoided."

"Penelitian ini membahas tentang perancangan sistem identifikasi pada sistem dinamik kapal Makara 03 dengan konfigurasi multi masukan dan multi keluaran. Penelitian ini merancang berbagai metode perombakan struktur Jaringan Saraf Tiruan (JST) baik metode sekuensial maupun fungsional untuk dapat menangkap dinamik yang ada pada dinamik kapal Makara 03. Metode-metode pada JST yang dibuat akan dibandingkan dengan hasil dari model matematika yaitu Transfer Function dan State Space untuk membuktikan keberhasilan dan keunggulan JST dalam membuat sistem identifikasi. Hasil dari perbandingan tersebut membuktikan semua metode yang dihasilkan pada penelitian ini mendapatkan hasil yang lebih baik dibandingkan dengan model matematika konvensional.

---

This research discusses the design of the identification system on the dynamic system of the Makara 03 ship with a multi-input and multi-output configuration. This study designed various structural reshuffle methods for sequensial and functional model of Artificial Neural Network (ANN) to be able to capture the dynamics of Makara 03. The methods in the ANN that were made will be compared with the results of mathematical models namely Transfer Function and State Space for prove the success and superiority of ANN in making identification systems. The results of this comparison prove that all the ANN methods produced in this study get better results compared to conventional mathematical models."