Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal HIDROPILAR
Nawanto Budi Sukoco
2Program Studi Hidrografi, Sekolah Tinggi Teknologi Angkatan Laut, Prodi S1 Hidrografi
Earth & Planetary Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Model Prediksi Pasang Surut Berbasis Kecerdasan Buatan dengan Pendekatan Kuadrat Terkecil Dan Autoencoder (Studi Kasus Stasiun Pasang Surut Muara Baru): Tidal Prediction Model Based on Artificial Intelligence using Least Squares And Autoencorder Approaches (Case Study of Muara Baru Tidal Station) Muhammad Hisyam Fahmi; Johar Setyadi; Yoyok Nurkarya Santosa; Widodo Setiyo Pranowo; Kukuh Suryo Widodo; I Wayan Sumardana E. Putra; Nawanto Budi Sukoco
Jurnal Hidropilar Vol. 11 No. 2 (2025): Jurnal Hidropilar
Publisher : Sekolah Tinggi Teknologi Angkatan Laut (STTAL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37875/hidropilar.v11i2.389

Abstract

Fenomena pasang surut memiliki peran penting dalam berbagai aktivitas kelautan, seperti pelayaran, pembangunan wilayah pesisir, dan pengelolaan pelabuhan. Oleh karena itu, diperlukan model prediksi pasang surut yang akurat dan andal. Penelitian ini mengusulkan pengembangan model prediksi pasang surut berbasis kecerdasan buatan (Artificial Intelligence) dengan memadukan metode Least Squares dan Autoencoder, menggunakan data dari Stasiun Pasang Surut Muara Baru sebagai studi kasus. Metode Least Squares dimanfaatkan untuk mengidentifikasi komponen harmonik dalam data pasang surut, sedangkan Autoencoder digunakan untuk menangkap pola tersembunyi dan non-linier dalam data. Proses pengolahan data dilakukan menggunakan bahasa pemrograman Python dengan dukungan pustaka UTide dan TensorFlow. Untuk memudahkan pengguna, dikembangkan pula sebuah aplikasi grafis bernama G-Tide yang mengintegrasikan proses analisis dan prediksi ke dalam satu antarmuka interaktif. Model prediksi yang dihasilkan menunjukkan performa yang baik, dengan tingkat kesalahan prediksi yang rendah berdasarkan perhitungan nilai Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Pendekatan gabungan ini terbukti efektif dalam merepresentasikan dinamika pasang surut secara komprehensif, baik dalam aspek periodik maupun komponen acaknya.
Co-Authors I Wayan Sumardana E. Putra Johar Setyadi Kukuh Suryo Widodo Muhammad Hisyam Fahmi Widodo Setiyo Pranowo Yoyok Nurkarya Santosa