Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Kelautan Tropis Jambura Journal of Biomathematics (JJBM)
Alifatri, La Ode
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluating the seagrass ecological condition and habitat extent in Karimunjawa National Park, Jepara Indonesia Kusnadi, Agus; Alifatri, La Ode; Chamidy, Ardian Nurrasyid; Rasyidin, Asep; Sobirin, Sobirin
Jurnal Kelautan Tropis Vol 27, No 1 (2024): JURNAL KELAUTAN TROPIS
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jkt.v27i1.20637

Abstract

In the coastal ecosystem, seagrass meadows play a vital role in delivering ecosystem services such as provision, control, and support. However, this ecosystem is one of the most threatened in the coastal environment, and it has been degraded as a result of anthropogenic disturbance and rapid environmental changes. Furthermore, the extent of the seagrass meadows is unknown, and the health of the meadows is unmonitored and unrecorded. There is little information on the current state of the seagrass extent and health conditions in Karimunjawa National Park. We evaluate the abundance, states, and health conditions of the seagrass meadows based on the ecological quality index in Karimunjawa National Park, Jepara, Indonesia. This district has a vast extent of seagrass meadows but has been affected by the expansion of the industrial/tourism area within the region. This study aimed to assess the seagrass current condition based on the ecological quality index. The result showed that the total seagrass extent area in Karimunjawa National Park was 969,15 ha where seven species were found in this area, including Enhalus acoroides, Thalassia hemprichii, Cymodocea rotundata, Cymodocea serrulate, Halodule pinifolia, Halophila ovalis and Halodule uninervis. Seagrass meadow coverages were moderate and categorized as less healthy. The seagrass ecological quality index value was 0.66 which indicated that the seagrass condition in Karimunjawa National Park was moderate. Ecological factors that affect the seagrass state are epiphyte cover and macroalgal cover. 
Coastal Ecosystem Classification Using Satellite-Based Machine Learning Approaches Jane, Giani Jovita; Alifatri, La Ode; Tasriah, Etjih; Pramana, Setia
Jambura Journal of Biomathematics (JJBM) Volume 6, Issue 2: June 2025
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjbm.v6i2.30466

Abstract

Sebagai negara kepulauan yang kaya akan sumber daya alam, Indonesia memiliki potensi ekonomi kelautan yang besar. Untuk mempertahankan potensi ekonomi ini dalam jangka panjang, ekonomi biru diperlukan sebagai konsep dalam menetapkan program pembangunan dan kebijakan publik. Salah satu cara untuk mengimplementasikan konsep tersebut adalah dengan menyusun neraca laut, yang kerangka kerjanya mengimplementasikan konsep ekonomi biru dalam bentuk neraca lingkungan. Neraca laut dapat dianggap mendukung pembentukan kebijakan dan program nasional suatu negara. Oleh karena itu, data spasial yang akurat yang mencerminkan kondisi terkini sangat penting untuk menyusun neraca ini. Namun, pengumpulan data tersebut dapat memakan biaya dan sumber daya yang besar, sehingga menjadi tantangan untuk memastikan ketersediaan informasi yang terkini dan akurat. Dalam konteks ini, sumber data alternatif dapat memberikan solusi yang layak. Penelitian sebelumnya telah berhasil membuktikan bahwa pemodelan pembelajaran mesin juga citra satelit Sentinel-1 dan Sentinel-2 mampu memetakan wilayah pesisir, seperti wilayah pasang surut dan bentik. Oleh karena itu, penelitian ini mencoba mengklasifikasikan ekosistem pesisir Taman Nasional Karimunjawa dengan memanfaatkan citra Sentinel-1 dan Sentinel-2 dan membandingkan hasil klasifikasi dari tiga metode pembelajaran mesin, yaitu Random Forest (RF), Support Vector Classification (SVC), dan Extreme Gradient Boosting (XGBoost), dan menganalisis perubahan ekosistem antara tahun 2020 dan 2023. Hasilnya menunjukkan bahwa RF memberikan hasil terbaik dalam melakukan klasifikasi untuk daerah bentik yang mencapai 0,77 dan 0,78 dalam skor F1 dan Koefisien Korelasi Matthew (MCC), sedangkan model SVC berhasil mencapai 0,83 dalam skor F1 dan MCC memberikan hasil terbaik untuk daerah pasang surut. Selanjutnya, luas terumbu karang dan padang lamun menurun masing-masing sebesar 6,524 km 2 dan 1,39 km 2 . Sedangkan, luas mangrove, kawasan terbangun, dan hutan menunjukkan sedikit perubahan.
Co-Authors Agus Kusnadi Chamidy, Ardian Nurrasyid Jane, Giani Jovita Pramana, Setia Rasyidin, Asep Sobirin Sobirin Tasriah, Etjih