Hasil Pencarian  ::  Simpan CSV :: Kembali

"Meluasnya alih fungsi lahan sawah ke non-sawah menyebabkan susutnya lahan pertanian secara progresif sehingga mempengaruhi ketahanan pangan. Mengacu kepada program Sustainable Development Goals(SDGs) oleh Persatuan Bangsa Bangsa (PBB), terdapat 17 program yang bertujuan untuk mencapai kesejahteraan rakyat. Pemetaan lahan sawah dengan menggunakan penginderaan jauh merupakan salah satu metode yang dapat digunakan untuk mengukur luas lahan sawah secara lebih detail untuk mewujudkan ketahanan pangan di Indonesia. Kecerdasan Buatan (AI) merupakan metode unggul untuk deteksi objek yang dapat digunakan untuk mengurangi dampak alih fungsi lahan yang tidak terkendali. Pada penelitian ini dikembangkan metode klasifikasi luas lahan sawah per persil menggunakan metode kecerdasan buatan pada data citra satelit optik Pleiades Satelit Resolusi Sangat Tinggi (CSRST) yang memiliki resolusi sangat tinggi dengan arsitektur U-net untuk mengklasifikasikan lahan sawah dan non-sawah. Citra yang digunakan diambil pada tanggal 2 Juni 2022. Dataset yang digunakan berjumlah 757 citra images dan 757 citra masking dengan ukuran masing-masing 256×256 piksel dengan ukuran 3 channel (RGB). Beberapa parameter tuning diterapkan pada model ini berupa komposisi data 80:20, Learning Rate 1×10-2, dropout layer 0,5, maxpooling layer dan menggunakan fungsi aktivasi ReLU dan softmax. Model yang dibuat memiliki nilai accuracy 0,6085, serta F1 score 0,2438 (kelas non-sawah) dan 0,7359 (kelas sawah), nilai IoU yang didapatkan sebesar 0,1388 (kelas non-sawah), dan 0,5822 (kelas sawah)  dengan mengambil kawasan persawahan di Kecamatan Manisrenggo, Kabupaten Klaten, Jawa Tengah, diperoleh luasan sawah sebesar 1.393 (Ha). Performa ini lebih rendah dibandingkan metode R2U-net dengan Douglas-Peucker Algorithm (DPA) yang menghasilkan niai accuracy 84,15%. Hal tersebut terjadi karena kelas non sawah berupa bangunan dan jalan tidak dapat dideteksi secara akurat pada model yang telah dibuat.

---

The widespread conversion of rice fields to non-rice fields causes a progressive reduction in agricultural land, thereby affecting food security. Referring to the Sustainable Development Goals (SDGs) program by the United Nations (UN), there are 17 programs that aim to achieve people's welfare. Mapping rice fields using remote sensing is one method that can be used to measure the area of ​​rice fields in more detail to achieve food security in Indonesia. Artificial Intelligence (AI) is a superior method for object detection that can be used to reduce the impact of uncontrolled land conversion. In this research, a method for classifying the area of ​​rice fields per parcel was developed using artificial intelligence methods on Pleiades Very High Resolution Satellite (CSRST) optical satellite image data which has very high resolution with U-net architecture to classify rice fields and non-rice fields. The images used were taken on June 2 2022. The dataset used consisted of 757 images and 757 masking images with a size of 256×256 pixels each with a size of 3 channels (RGB). Several tuning parameters are applied to this model in the form of data composition 80:20, Learning Rate 1×10-2, dropout layer 0.5, maxpooling layer and using ReLU and softmax activation functions. The model created has an accuracy value of 0.6085, and an F1 score of 0.2438 (non-paddy field class) and 0.7359 (rice field class), the IoU values ​​obtained are 0.1388 (non-rice field class) and 0.5822 (rice field class) by taking the rice field area in Manisrenggo District, Klaten Regency, Central Java, we obtained a rice field area of ​​1,393 (Ha). This performance is lower than the R2U-net method with the Douglas-Peucker Algorithm (DPA) which produces an accuracy value of 84.15%. This happens because non-rice field classes in the form of buildings and roads cannot be detected accurately in the model that has been created."

"Diabetes melitus tipe 2 (DMT2) merupakan salah satu tipe diabetes yang telah menjadi permasalahan besar dalam dunia kesehatan. Salah satu pengobatan DMT2 yang mendegrasi enzim glukagon dan meningkatkan sekresi insulin adalah inhibitor Dipeptidil Peptidase-IV (DPP-IV).  Inhibitor DPP-IV yang sudah digunakan memiliki efek samping yang bahaya, seperti pankreatitis akut, arthalagia, dan gagal jantung. Pada penelitian ini, dilakukan pengembangan model Virtual Screening (VS) menggunakan teknologi Artificial Intelligence (AI) untuk identifikasi inhibitor DPP-IV yang berpotensi. Pengembangan model VS dilakukan menggunakan konsep machine learning (ML) dan deep learning (DL). Pada penelitian ini, dilakukan 18 pengembangan model ML dan 8 model DL. Model VS DPP-IV yang optimal merupakan DNN dengan fitur Fingerprint dengan nilai parameter statistik lebih tinggi dari threshold VS optimal yaitu 0,85, dengan akurasi 0,91554, presisi 0,90815, sensitivitas 0,92319, selektivitas 0,90801, dan nilai F1 0,9156. Hyperparameter optimal model VS adalah tiga layer dengan jumlah neuron 2.000, 1.000, 100; nilai dropout 0; ukuran batch size 256; jumlah epoch 100; kecepatan learning rate 0,0001; dan tipe activation function merupakan RELU. Model VS DPP-IV dilakukan ujicoba terhadap database bindingDB dan didapat 24 ligan potensi. Berdasarkan perbandingan nilai binding affinity 24 ligan potensi terhadap ligan inhibitor DPP-IV menggunakan penambatan molekular, didapat satu ligan potensi berinteraksi dengan situs aktif S2 dan tujuh ligan potensi berinteraksi dengan situs aktif S3. Ligan tersebut memiliki nilai binding affinity lebih rendah dari ligan inhibitor DPP-IV yang FDA-approved dan lebih rendah dari -8 kcal/mol. Hasil ini menunjukkan bahwa model VS DPP-IV menggunakan AI dapat menjadi metode virtual screening dalam identifikasi inhibitor DPP-IV yang baru.

---

Diabetes mellitus type 2 (DMT2) is one of diabetes type that has been causing problems in the health sector. One of the DMT2 medications that can degrade glucagon enzyme and increase insulin secretion is a Dipeptydil Peptidase-IV (DPP-IV) inhibitor. However, DPP-IV inhibitor drugs result in unexpected side effects such as acute pancreatitis, arthralgia, and heart failure. This research developed a virtual screening (VS) model using Artificial Intelligence (AI) to identify potential DPP-IV inhibitors. VS models that were developed were 18 ML models and 8 DL models. DNN with fingerprint features was the VS model best optimal with statistical parameters that exceeds the optimum VS threshold value, which is 0,85, with accuracy 0,91554, precision 0,90815, sensitivity 0,92319, selectivity 0,90801, and F1 score 0,9156. Optimum VS model hyperparameter used a three-layered neuron with the neuron amount of each layer were 2000, 1000, and 100; zero dropout, 256 batch size, 100 epochs, learning rate 0,0001 with RELU as activation function. DPP-IV VS model was used to predict potential ligands using bindingDB and showed 24 ligands with an AI confidence level above 0.98. Based on the binding affinity comparison with DPP-IV inhibitors by molecular docking, it resulted one ligand interacting with active site S2 and seven ligands interacting with active site S3. These ligands had lower binding affinity value compared to FDA-approved DPP-IV inhibitor by docking. The result of this research showed that the DPP-IV VS model using AI could be a new VS model in identifying new DPP-IV inhibitors."

"Perkembangan fisik suatu kota merupakan hasil dari pertumbuhan penduduk dan segala aktivitas di wilayah perkotaan yang dicirikan dengan adanya perubahan penggunaan lahan dalam skala yang luas didorong oleh pembangunan infrastruktur dan perkembangan sosial ekonomi yang memiliki dampak negatif terhadap keberlanjutan lingkungan. Prediksi perkembangan fisik kota di Kecamatan Slawi dan Adiwerna Kabupaten Tegal dihasilkan melalui pemodelan dengan metode Cellular Automata-Markov Chain (CA-MC) menggunakan citra satelit resolusi tinggi . Penelitian ini menggunakan data citra satelit resolusi tinggi Worldview-2 tahun 2011 dan 2021 dan Geoeye-1 tahun 2017. Variabel pendorong yang digunakan untuk memprediksi perkembangan fisik kota diantaranya yaitu jarak dari jalan arteri, jarak dari jalan kolektor, jarak dari pintu tol, jarak dari pusat kota, dan jarak dari pusat kegiatan ekonomi.. Hasil penelitian menunjukan pada periode 2021-2032, tren alih fungsi lahan pertanian ke lahan terbangun, terutama lahan perumahan diprediksi akan terus terjadi. Perkembangan fisik kota pada kecamatan dengan dua fungsi berbeda akan berpengaruh pada perbedaan proses perembetan kenampakan fisik kota yang terjadi. Perkembangan fisik kota di Kecamatan Slawi cenderung mendekati pusat kota dengan arah perubahan penggunaan lahan perumahan dengan proses perembetan kenampakan fisik kota yang liner atau memanjang mengikuti jalan kolektor. Sedangkan perkembangan fisik kota di Kecamatan Adiwerna berupa perkembangan industri, perdagangan dan jasa dimana terjadi perembetan secara meloncat (leap frog). Hasil kesesuaian prediksi perkembangan fisik kota dengan Pola Ruang, terdapat prediksi penggunaan lahan yang tidak sesuai peruntukan kawasan. Hasil penelitian ini dapat dijadikan acuan dalam penyusunan RDTR Kecamatan Slawi dan Adiwerna yang membutuhkan peta detail skala 1 : 10.000 sebagai skala minimal dalam penyusunan RDTR.

---

The physical development of a city is the result of population growth and all activities in urban areas characterized by extensive changes in land use driven by infrastructure development and socio-economic growth, which have negative impacts on environmental sustainability. The prediction of the physical development of the cities in Slawi and Adiwerna sub-districts in Tegal Regency is achieved through modeling using the Cellular Automata-Markov Chain (CA-MC) method, utilizing high-resolution satellite imagery. This research utilizes high-resolution satellite imagery, such as Worldview-2 from 2011 and 2021, and Geoeye-1 from 2017. The driving variables used to predict the city's physical development include distance from arterial roads, distance from collector roads, distance from toll gates, distance from the city center, and distance from economic activity centers. The results of the study show that during the period 2021-2032, the trend of converting agricultural land to built-up areas, especially residential areas, is predicted to continue. The physical development of the city in sub-districts with different functions will affect the differences in the process of physical appearance propagation that occurs. The physical development of the city in Slawi sub-district tends to approach the city center, with changes in land use mainly focused on residential areas and the propagation process following collector roads. On the other hand, the physical development of the city in Adiwerna sub-district involves the development of industries, trade and services, with leap-frogging propagation.The results of the prediction of the city's physical development compared to the Spatial Pattern show instances of land use prediction that do not match the designated zones. These research findings can be used as references in the formulation of Spatial Plans for Slawi and Adiwerna sub-districts, requiring detailed maps at a minimum scale of 1:10,000 for the Urban Planning."

"Makalah ini membahas bagaimana persepsi dan adaptasi penggemar SM entertainment terhadap teknologi metaverse perusahaan. Mengingat pengalaman ini, akan bermanfaat untuk memahami strategi yang digunakan perusahaan hiburan dalam menanggapi preferensi konsumen yang berkembang dan teknik mutakhir yang mereka gunakan untuk memfasilitasi keterlibatan penggemar dengan konten pilihan mereka. Dalam hal ini, teknologi Artificial Intelligence (AI) dimasukkan ke dalam komersialisasi idola SM. Inovasi SM Entertainment, seperti konser online dan barang AI, telah membangkitkan minat yang luar biasa dalam komunitas K-Pop. Namun, konsep metaverse ini baru di industri hiburan yang baru masuk perbincangan media arus utama pada 2020). Dengan demikian, cara konsumen memahami dan beradaptasi dengan komersialisasi baru ini berbeda dari pengalaman konsumsi tradisional sebelumnya, yang menawarkan pengalaman yang lebih interaktif, personal, dan dapat diakses oleh konsumen K-pop. Pengetahuan ini memungkinkan kita untuk memahami lebih baik dan menghargai dinamika perubahan industri K-pop dan hubungannya dengan audiensnya. Memanfaatkan Teori Penggunaan dan Gratifikasi, makalah ini berfokus pada motivasi penonton dan kebutuhan untuk mengkonsumsi konser virtual SM Entertainment, dan barang-barang yang tergabung dengan AI menyiratkan konsep metaverse.

---

This paper discusses how SM entertainment fans’ perception and adaptation to the company’s metaverse technology. Given these experiences, it would be advantageous to understand the strategies that entertainment companies employ in response to developing consumer preferences and the cutting-edge techniques they use to facilitate fan engagement with their preferred content. In this case, Artificial Intelligence (AI) technology was incorporated into SM’s idols' commercialisation. SM Entertainment's innovations, such as online concerts and AI goods, have generated tremendous interest within the K-Pop community. However, the metaverse concept is new to the entertainment industry, which only entered the mainstream media discussion in 2020). Thus, how consumers perceive and adapt to this new commercialisation differs from the previous traditional consuming experience, which offers a more interactive, personalised, and accessible experience for K-pop consumers. This knowledge allows us to understand better and appreciate the changing dynamics of the K-pop industry and its relationship with its audience. Utilising the Uses and Gratification Theory, this paper focuses on audience motivation and needs to consume SM Entertainment’s virtual concert, and the AI-incorporated goods imply the metaverse concept."

"ABSTRAKDelta bersifat dinamis dan selalu berubah bentuk akibat interaksi dari sungai danlaut. Delta Ci Punagara sejak tahun 1972 selalu bertambah luas, sehinggaberpotensi berubah bentuk secara spasial. Tujuan penelitian untuk menganalisisperubahan spasial delta dan faktor-faktor yang mempengaruhinya. Berdasarkanoverlay peta tahun 1972, 1994, dan 2015 terjadi abrasi dan akresi di delta,sehingga mengubah bentuk delta dari Irreguler menjadi Bird-Foot. Arus dangelombang yang sejajar garis pantai menyebabkan abrasi dan menghasilkanwilayah akresi. Pasang surut yang kecil cenderung membangun pantai.Peningkatan debit Ci Punagara diikuti peningkatan sedimentasi akibat perubahanpenggunaan tanah terutama menipisnya hutan menyebabkan daratan deltabertambah luas.

---

ABSTRACTand the sea. Delta Ci Punagara since 1972 become broader, potentially deformspatially. The aim of research to analyze the spatial changes in the delta and thefactors that influence it. Based overlay maps in 1972, 1994 and 2015 occurred inthe delta erosion and accretion, thereby transforming the delta of the irregularinto Bird-Foot. Currents and waves are parallel to the shoreline causing abrasionand produce accretion region. Small tidal tends to build up the beach. Increaseddischarge of Ci Punagara followed by increased sedimentation due to changes inland use, especially depletion of forests leads expanding inland delta."

"Proyek ini bertujuan untuk menentukan peringkat tahan api dari dinding baja ringan di bawah kondisi api menggunakan aplikasi kecerdasan buatan. Dua bagian bagian saluran yang diberi lipatan (LCS) dan bagian saluran berongga flange (HFC) grade 500 dan kelas 250 disajikan dalam penelitian ini. LCS adalah jenis konvensional yang digunakan dalam bingkai baja ringan, sementara HFC memperkenalkan memiliki kinerja api yang unggul. Baru-baru ini pemodelan elemen hingga dan uji skala penuh telah digunakan untuk menentukan kinerja api dinding LSF. Meskipun demikian, pemodelan elemen hingga ditemukan memiliki prosedur yang rumit, dan uji skala penuh adalah eksperimen yang memakan waktu. Oleh karena itu, opsi alternatif sebagai pembelajaran mesin diperlukan untuk mengatasi situasi ini. Pendekatan jaringan saraf pembelajaran mesin akan diadopsi untuk melatih data. Masukan akan menjadi data aktual dari FEA dan proyek uji penuh skala sebelumnya. Temperatur dan suhu flensa dan flensa dingin seksi dari suatu bagian diperoleh sebagai input. Kapasitas pengurangan rasio bertindak sebagai output yang akan diprediksi dalam pembelajaran yang diawasi. Pelatihan dan uji coba dilakukan melalui jaringan saraf tiruan dengan menggabungkan parameter yang berbeda seperti fungsi kehilangan, menjaga faktor probabilitas, tingkat pembelajaran, jumlah lapisan, dan neuron. Rasio pengurangan kapasitas yang diperoleh dari pelatihan mesin dapat diplot dan dibandingkan keakuratannya dengan hasil FEA sebelumnya.

---

This project aims to determine fire resistance rating of Light Gauge Steel Frame (LSF) walls under fire condition using artificial intelligence application. Two section of lipped channel section (LCS) and hollow flange channel section (HFC) grade 500 and grade 250 is presented in this research. LCS is a conventional section used in LSF framing, while HFC introduced having superior fire performance. Recently finite element modelling and a full-scale test have been employed to determine fire performance of LSF walls. Nonetheless, finite element modelling was found to have a complicated procedure, and the full-scale test was a time-consuming experiment. Therefore, an alternative option as machine learning is necessary to overcome this situation. A neural network approach of machine learning will be adopted to train the data. The input would be the actual data from FEA and full-scale test previous project. Hot flange and cold flange temperature and dimension of a section are obtained as the input. Capacity reduction ratio act as an output that will be predicted in supervised learning. Training and testing trialare done through the artificial neural network by combining different parameters such as loss function, keep probability factor, learning rate, the number of layers, and neurons. Capacity reduction ratio attained from machine training can be plotted and compared its accuracy with previous FEA results."

"Penelitian ini mengusulkan rancang bangun antena mikrostrip array linear dengan bentuk patch segiempat sebagai antena pencatu pada sistem antena parabola di stasiun bumi penerima data satelit Himawari-8. Antena dirancang bekerja pada rentang frekuensi 3,8-4,2 GHz. Simulasi menggunakan perangkat lunak CST Microwave Studio 2019. Antena mikrostrip array linear dirancang dengan menggunakan bahan substrat Rogers RT/Duroid-5880 dengan nilai konstanta dielektrik 2,2 yang mempunyai ketebalan 1,575 mm. Teknik dan metode yang digunakan yaitu teknik proximity coupled feed, teknik corporate feed, metode Dolph-Chebyshev, metode Wilkinson Unequal Power Divider, substrat double layer, dan juga Reflektor Parabola. Simulasi antena microstrip array 1x8 dengan bahan Rogers RT/Duroid-5880 menghasilkan bandwidth selebar 721,9 MHz pada frekuensi 3,7069 – 4,4288 GHz, gain sebesar 16,17 dB pada frekuensi 4,148 GHz, direktivitas sebesar 16,56 dB pada frekuensi 4,148 GHz, efisiensi sebesar 97,65%, Half Power Beamwidth (HPBW) untuk arah horizontal sebesar 6,5° dan HPBW untuk arah vertikal sebesar 46,5°, dan pola radiasi yang dihasilkan adalah direksional. Ketika antena antena mikrostrip array 1x8 bahan rogers RT/Duroid-5880 sebagai antena pencatu dengan Reflektor Parabola 2,4 meter menghasilkan bandwidth selebar 721,9 MHz pada frekuensi 3,7069 – 4,4288 GHz, gain sebesar 30,69 dB pada frekuensi 4,148 GHz, direktivitas sebesar 31,08 dB pada frekuensi 4,148 GHz, efisiensi sebesar 98,75%, Half Power Beamwidth (HPBW) untuk arah horizontal sebesar 7,7° dan HPBW untuk arah vertikal sebesar 1,4°, dan pola radiasi yang dihasilkan adalah direksional. Hasil pengukuran untuk antena mikrostrip 1x8 dengan bahan Rogers RT/Duroid-5880 memiliki bandwidth 44 MHz dari frekuensi 3,761-3,805 GHz dan memiliki bandwidth 92 MHz dari frekuensi 4,804-4,896 GHz, gain sebesar 10,42 dB pada frekuensi 3,8 GHz, dan pola radiasi yang dihasilkan adalah direksional.

---

This study proposes the design of a linear array microstrip antenna with a rectangular patch shape as a feed antenna for a parabolic antenna system at the Himawari-8 satellite data receiving earth station. The antenna is designed to work in the 3.8-4.2 GHz frequency range. Simulation using CST Microwave Studio 2019 software. Linear array microstrip antenna is designed using Rogers RT/Duroid-5880 as a substrate with a dielectric constant value of 2.2 which has a thickness of 1.575 mm. The techniques and methods used are proximity coupled feed technique, corporate feed technique, DolphChebyshev method, Wilkinson Unequal Power Divider method, double layer substrate, and also Parabolic Reflector. Simulation of a 1x8 microstrip array antenna with Rogers RT/Duroid-5880 material produces a bandwidth of 721.9 MHz at a frequency of 3.7069-4.4288 GHz, a gain of 16.17 dB at a frequency of 4.148 GHz, a directivity of 16.56 dB at a frequency of 4.148 GHz, efficiency of 97.65%, Half Power Beamwidth (HPBW) for the horizontal direction of 6.5° and HPBW for the vertical direction of 46.5°, and the resulting radiation pattern is directional. When the 1x8 rogers RT/Duroid-5880 microstrip array antenna as a feed antenna with a 2.4 meter Parabolic Reflector produces a bandwidth of 721.9 MHz at a frequency of 3.7069-4.4288 GHz, the gain is 30.69 dB at a frequency of 4.148 GHz, directivity of 31.08 dB at a frequency of 4.148 GHz, efficiency of 98.75%, Half Power Beamwidth (HPBW) for the horizontal direction of 7.7° and HPBW for the vertical direction of 1.4°, and the resulting radiation pattern is directional. The measurement results for a 1x8 microstrip array antenna with Rogers RT/Duroid-5880 material have a bandwidth of 44 MHz from a frequency of 3.761-3.805 GHz and a bandwidth of 92 MHz from a frequency of 4.804-4.896 GHz, a gain of 10.42 dB at a frequency of 3.8 GHz, and a pattern of he radiation produced is directional."

"Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa sebab atas berkah rahmat dan karunia-Nya, penulis dapat menyelesaikan skripsi ini. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk mendapatkan gelar Sarjana Teknik, Program Studi Teknik Komputer, Fakultas Teknik, Universitas Indonesia. Penulis menyadari skripsi ini tidak dapat diselesaikan tanpa bantuan dari Bapak F. Astha Ekadiyanto, S.T., M.Sc., selaku pembimbing skripsi yang telah menyediakan waktu, tenaga, dan pikiran selama penulis mengerjakan skripsi ini serta Bapak Ardiansyah, S.T., M.Eng. dan Ibu Prima Dewi Purnamasari, S.T., M.T., M.Sc. yang telah mengarahkan dan memberi saran dalam penulisan skripsi ini. Perkembangan teknologi saat ini tidak hanya berisi informasi positif, informasi yang negatif pun mudah diperoleh melalui media internet. Untuk mengatasi dampak negatif yaitu gambar pornografi, salah satunya adalah pemfilteran gambar porno. Disini penulis mencoba menerapkan pengenalan pola untuk mengklasifikasi apakah gambar itu termasuk porno atau non porno. Proses klasifikasi konten gambar porno dilakukan melalui tiga tahapan utama. Pada tahap awal dilakukan pra-proses untuk memodifikasi resolusi data kualitas citra dilanjutkan dengan ekstraksi fitur menggunakan dekomposisi wavelet haar bertingkat tiga dan empat agar ukuran citra tidak terlalu besar. Setelah itu dilakukan proses reduksi dimensi menggunakan Principal Component Analysis (PCA). PCA menentukan komponen penting dari citra dengan melihat dari varians yang direpresentasikan oleh nilai eigen, sehingga jumlah komponen yang akan dimasukkan ke proses pembelajaran tidak terlalu banyak, untuk menghindari curse of dimentionality. Baru setelah itu dilakukan proses klasifikasi. Pada penelitian ini telah dilakukan perbandingan algoritma SVM dengan BP untuk klasifikasi konten gambar porno. Untuk proses ekstraksi ciri digunakan metode wavelet pada masing-masing kedua metode tersebut. Pada penelitian ini digunakan 60 data uji, masing-masing 30 citra untuk kelas porno dan non porno. Tingkat akurasi yang diperoleh dengan menggunakan metode SVM lebih tinggi dibandingkan BP, yaitu 88,33% dan 86,67%."

"Studi ini bertujuan untuk mengembangkan model kecerdasan buatan (AI), khususnya jaringan saraf tiruan (ANN) Multilayer Perceptron (MLP) dan jaringan saraf berulang (RNN) Long Short-Term Memory (LSTM), untuk memprediksi pergeseran dalam adopsi energi terbarukan di berbagai negara. Data yang digunakan berasal dari sumber resmi seperti Badan Energi Internasional (IEA) dan Pusat Energi ASEAN (ACE), yang mencakup total pasokan energi dari sektor-sektor seperti batu bara, gas alam, minyak, hidro, surya, angin, dan biofuel. Model-model tersebut diuji dengan berbagai hiperparameter untuk meningkatkan akurasi prediksi dan generalisasi. Hasilnya menunjukkan bahwa model ANN dapat secara akurat memprediksi bauran energi terbarukan nasional hingga tahun 2060, memberikan wawasan berharga untuk mendukung strategi transisi energi dan membantu para pembuat kebijakan mencapai netralitas karbon melalui pengambilan keputusan berbasis data.

---

This study aims to develop artificial intelligence (AI) models, specifically a Perceptron Multilayer (MLP) artificial neural network (ANN) and a Long Short-Term Memory (LSTM) recurrent neural network (RNN), to predict shifts in renewable energy adoption across various countries. The data used comes from official sources such as the International Energy Agency (IEA) and the ASEAN Centre for Energy (ACE), covering total energy supply from sectors like coal, natural gas, oil, hydro, solar, wind, and biofuels. The models are tested with different hyperparameters to improve prediction accuracy and generalization. The results indicate that the ANN model can accurately predict the national renewable energy mix until 2060, providing valuable insights to support energy transition strategies and help policymakers achieve carbon neutrality through data-driven decision-making."