Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan Jurnal Abdi Masyarakat Indonesia Journal of Information Systems and Technology (JISTech)
Ritha, Nola
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Public Health

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Predicting tidal level in tropical Eastern Bintan waters using residual long short-term memory Syakti, Agsanshina Raka; Rhamadhan, Syahri; Laziola, Ghora; Pahrizal, Pahrizal; Apdillah, Dony; Ritha, Nola
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 2: June 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i2.pp2003-2010

Abstract

The sea brings many benefits for society, especially for a maritime country such as Indonesia. The potential in various sectors is limited only by the willingness of a party to invest in it. One such investment is in learning the knowledge and information that can be gathered from the sea, and even predicting its behavior with enough data. Using a residual LSTM algorithm, we will predict the tidal level in eastern Bintan island, a tropical island on the tip of Malay peninsula. The dataset is acquired from two sensor points in eastern Bintan coast from July 2018 to June 2019 for a span of one year, giving a total of 7,961 data points. The residual LSTM model consists of a residual wrapper with two consecutive LSTM layers and one dense layer. The model is also compared with variations of LSTM and RNN models. The result of the residual LSTM model has an MAE value of 0.1495 cm and an RMSE value of 0.3353 cm, compared to the baseline model’s 1.1148 cm and 1.4107 cm respectively. The model also has an RMSE value improvement of 76.23% compared to the base model.
Penerapan Aplikasi Cerdas Berbasis AI untuk Pengenalan Jenis Mangrove Pendukung Ekowisata Berkelanjutan di Desa Pengudang, Kabupaten Bintan Apdillah, Dony; Ritha, Nola; Zulfikar, Andi; Nanda, Tri
Jurnal Abdi Masyarakat Indonesia Vol 4 No 6 (2024): JAMSI - November 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jamsi.1443

Abstract

Ekosistem mangrove di Desa Pengudang, Pulau Bintan, memainkan peran penting dalam ekowisata, tetapi literasi masyarakat mengenai spesies mangrove masih rendah, menurunkan efektifitas pemanfaatan secara maksimal dari potensi ekowisata. Tujuan pengabdian ini adalah untuk meningkatkan literasi masyarakat dan mendukung pengelolaan ekowisata berbasis mangrove melalui pengembangan aplikasi MangroveID. Aplikasi ini dirancang menggunakan teknologi machine learning untuk membantu masyarakat dan wisatawan mengenali berbagai spesies mangrove. Metode yang digunakan meliputi survei lapangan untuk pengumpulan data spesies mangrove, pengembangan aplikasi, sosialisasi, pelatihan, serta evaluasi. Pelatihan dan sosialisasi diberikan kepada Pokdarwis Pengudang Mangrove Bintan serta siswa sekolah dasar setempat. Hasil menunjukkan bahwa aplikasi MangroveID berhasil meningkatkan pengetahuan peserta tentang ekosistem mangrove, serta meningkatkan efisiensi dalam pengelolaan informasi terkait spesies mangrove. Evaluasi dengan pre-test dan post-test menunjukkan peningkatan pemahaman dari 67% menjadi 100%. Aplikasi ini juga berkontribusi pada peningkatan partisipasi masyarakat dalam konservasi lingkungan dan pengembangan ekowisata yang lebih berkelanjutan.
Optimasi Pemilihan Takjil Berbasis Multi-Attribute Decision Making dengan Model Yager Muhamad Radzi Rathomi; Ritha, Nola; Hayaty, Nurul
JISTech : Journal of Information Systems and Technology Vol. 2 No. 1 (2025): Juni 2025
Publisher : Perhimpunan Ahli Teknologi Informasi dan Komunikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71234/jistech.v2i1.52

Abstract

The choice of takjil as an iftar dish is frequently decided subjectively, neglecting certain elements that could affect the optimality of the decision. This study employs Multi-Attribute Decision Making (MADM) utilizing the Yager Model to identify the optimal takjil alternative based on established criteria. The five primary criteria employed in this analysis are flavor, cost, nutritional value, accessibility, and feasibility. The calculating method initiates with data standardization, weight allocation, and the implementation of the Yager Model to derive the preference value for each choice. Of the seven evaluated alternatives, the findings demonstrate that Kolak Pisang is the most advantageous option, attaining the maximum minimum value of 0.919. Consequently, this strategy serves as a more rational and objective means of selecting takjil that corresponds with consumer preferences and requirements. The utilization of the Yager Model in alternative contexts offers prospects for additional research in multi-criteria decision-making
Implementation of Multiple Linear Regression on Fish Price Prediction Using Genetic Algorithm Syafina, Syafina; Ritha, Nola; Bettiza, Martaleli
Sustainable Vol 13 No 1 (2024): Jurnal Sustainable : Jurnal Hasil Penelitian dan Industri Terapan
Publisher : Fakultas Teknik Universitas Maritim Raja Ali Haji

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31629/6z9pmp41

Abstract

Kondisi seperti kecepatan angin, ketinggian gelombang, kecepatan arus, dan curah hujan di perairan Bintan bersifat tidak stabil setiap hari. Kondisi ini mengakibatkan harga ikan di pasar berubah-ubah karena nelayan kesulitan menangkap ikan pada saat terjadinya hujan, angin, arus kencang dan gelombang yang tinggi. Untuk itu penelitian ini dilakukan untuk mengetahui hasil prediksi melalui pemodelan regresi linear berganda dengan menggunakan algoritma genetika. Pada penelitian ini, pemodelan persamaan regresi linear terdiri dari variabel bebas (X) yaitu kecepatan angin, tinggi gelombang, kecepatan arus, dan curah hujan serta variabel terikat (Y) yaitu harga ikan. Koefisien regresi didapatkan dengan menggunakan konsep algoritma genetika. Prosesnya menggunakan 2 metode crossover yaitu one-cut-point crossover dan extended intermediate crossover dengan 2 metode mutasi yaitu reciprocal exchange mutation dan random mutation. Proses seleksi pada penelitian ini menggunakan seleksi model replacement selection. Hasil akhir berupa prediksi menggunakan Pemodelan Regresi Linear dengan popsize terbaik yaitu 100, jumlah generasi 100 dan kombinasi tingkat crossover rate dan mutation rate adalah 0,8: 0,2.
Optimasi Jaringan Syaraf Tiruan Backpropagation Dengan Particle Swarm Optimization Untuk Prediksi Pasang Surut Air Laut Nikentari, Nerfita; Kurniawan, Hendra; Ritha, Nola; Kurniawan, Denny
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1089.662 KB) | DOI: 10.25126/jtiik.2018551055

Abstract

Indonesia merupakan negara maritim yang lebih dari 70 % wilayahnya adalah lautan. Lautan memiliki banyak fenomena alam yang mempengaruhi kehidupan sehari-hari masyarakat bahari atau masyarakat yang hidup tergantung pada laut. Salah satu fenomena alam dari laut adalah pasang surut. Pasang surut air laut dalam hal ini tinggi memegang peranan penting pada masyarakat diberbagai aspek seperti transportasi, pariwisata dan ekonomi. Prediksi tinggi pasang surut air dapat bermanfaat untuk memudahkan segala aktifitas masyarakat bahari. Penelitian ini menggunakan metote Particle Swarm Optimization (PSO) dan Jaringan Syaraf Tiruan (JST) untuk prediksi tinggi pasang surut air laut. Metode Particle Swarm Optimization dan Neural Network memiliki beberapa parameter inputan seperti, jumlah neuron input, learning rate, swarm, c1,c2 inertia min, inertia max. Data yang digunakan sebanyak 1000 yang terbagi menjadi  700 data training dan 300 data testing. Hasil pengujian menunjukkan akurasi prediksi adalah 91.56 %  dengan menggunakan 90 swarm, learning rate 0,9 dan iterasi sebanyak 20 kali. AbstractIndonesia is a maritime country where 70% of its territory is  the ocean. Oceans have many natural phenomena that affect the daily lives of maritime communities or people who live dependent on the sea. One of the natural phenomena of the sea is tide level. Tide level plays an important role in the community both directly and indirectly such as transportation, tourism and the economy. Predictions of tide level can be useful to facilitate all marine activities. This study uses Particle Swarm Optimization (PSO) and Artificial Neural Networks (ANN) to forecast tide level. PSO is used to optimize the minimum error value on the network in order to get the ideal ANN network. The Particle Swarm Optimization and Neural Network methods have several input parameters such as number of input neurons, learning rate, swarm, c1, c2 inertia min, inertia max. The number of data being used in this reseach is 1000 which divided into 700 training data and 300 testing data. The test results shows the prediction accuracy level is 0. 078373 using 90 swarms, learning rate is 0.9 and iteration is 20 times. 
Co-Authors Denny Kurniawan Dony Apdillah Hayaty, Nurul Hendra Kurniawan Laziola, Ghora Martaleli Bettiza Muhamad Radzi Rathomi Nanda, Tri Nikentari, Nerfita Pahrizal, Pahrizal Rhamadhan, Syahri Syafina, Syafina Syakti, Agsanshina Raka Zulfikar, Andi