Claim Missing Document
Check
Articles

Found 2 Documents
Search

PELATIHAN INFOBMKG UNTUK PENINGKATAN KESIAPSIAGAAN CUACA DAN GEMPA PADA KARYAWAN HOTEL Ary Setyoko; Arda Yuswantoro; Deni Permana; Zairo Hendrawan; Dwi Joko Nurdadi; Arafah
Abdi Jurnal Publikasi Vol. 4 No. 3 (2026): Januari
Publisher : Abdi Jurnal Publikasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This community service program aimed to improve disaster-information literacy among employees of Mercure Jakarta Gatot Subroto Hotel by training the use of the official InfoBMKG mobile application. Hotels in dense urban areas are highly exposed to hydrometeorological hazards, air‑quality deterioration, and seismic events, while frontline staff often lack the skills to access and interpret real‑time official data. The program used a one‑day interactive workshop (40% theory; 60% practice) followed by one week of online mentoring. Thirty employees from Front Office, Housekeeping, Food & Beverage, and Security participated. Evaluation applied a pre‑test/post‑test, direct performance observation during hands‑on sessions, and a satisfaction questionnaire. Results show a substantial increase in knowledge: the average score rose from 45.6% (pre‑test) to 82.3% (post‑test), exceeding the 35% improvement target. Participants’ confidence in making operational decisions based on weather, air‑quality, and earthquake information also increased markedly. A key output was the revision of the Hotel Safety SOP by integrating BMKG early‑warning procedures and establishing an internal dissemination channel via WhatsApp; the average response time to alerts decreased from around 2 hours to 25 minutes. The program demonstrates that practical, context‑based training on government digital services can strengthen operational resilience and service quality in the hospitality sector.
Pengembangan Model Hibrida CNN-Transformer untuk Meningkatkan Akurasi Prediksi Curah Hujan Jangka Pendek di Kota Bogor sebagai Peringatan Dini Bencana Banjir Ary Setyoko; Agung Budi Santoso; Taswanda Taryo
JPNM Jurnal Pustaka Nusantara Multidisiplin Vol. 4 No. 4 (2026): October : Jurnal Pustaka Nusantara Multidisiplin (ACCEPTED)
Publisher : SM Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59945/jpnm.v4i4.1598

Abstract

Prediksi curah hujan jangka pendek yang presisi diperlukan untuk memperkuat mitigasi banjir di Kota Bogor sebagai wilayah hulu Daerah Aliran Sungai Ciliwung. Penelitian ini mengembangkan model hybrid Convolutional Neural Network (CNN)-Transformer untuk memprediksi curah hujan harian pada horizon H+1 hingga H+3 menggunakan deret waktu meteorologi multivariat periode 2018-2023. Variabel masukan mencakup curah hujan, suhu, kelembaban, tekanan udara, serta arah dan kecepatan angin. Pra-pemrosesan meliputi penanganan nilai hilang, penyaringan pencilan tidak valid, normalisasi, pembentukan sliding window tujuh hari, dan pembagian data kronologis 80:10:10. CNN digunakan untuk mengekstraksi pola lokal, sedangkan Transformer memodelkan dependensi temporal melalui self-attention. Hasil pengujian menunjukkan koefisien determinasi model hybrid sebesar 0,93-0,97, lebih tinggi daripada CNN tunggal sebesar 0,62-0,69 dan Transformer tunggal sebesar 0,67-0,70. Meskipun demikian, diagnostik memperlihatkan underestimation pada hujan sangat lebat karena kejadian ekstrem jarang terwakili dalam data historis. Model ini berpotensi memperkuat prediksi kuantitatif curah hujan sebagai masukan sistem peringatan dini banjir, tetapi kalibrasi khusus untuk kejadian ekstrem tetap diperlukan sebelum penerapan operasional. Analisis feature importance juga menempatkan kelembaban sebagai prediktor dominan, sehingga temuan model tetap selaras dengan proses fisik pembentukan presipitasi tropis lokal Bogor.