Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science Jurnal Meteorologi Klimatologi dan Geofisika
Dewi, Ratna Cintya
Unknown Affiliation
Astronomy Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Environmental Science Mathematics Physics

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

Found 2 Documents
Search

 1 
PEMODELAN MIKE21 DALAM KEJADIAN BANJIR ROB MENJELANG GERHANA BULAN DI PESISIR SEMARANG Dewi, Ratna Cintya; Hakim, Oky Sukma; Siadari, Ejha Larasati
Jurnal Meteorologi Klimatologi dan Geofisika Vol 5 No 3 (2018): Jurnal Meteorologi Klimatologi dan Geofisika
Publisher : Unit Penelitian dan Pengabdian Masyarakat Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (905.36 KB) | DOI: 10.36754/jmkg.v5i3.74

Abstract

Pesisir Semarang merupakan wilayah yang rentan terkena dampak bencana banjir rob. Hampir setiap bulan wilayah tersebut tergenang akibat pasang air laut. Peristiwa banjir rob yang paling diingat publik adalah saat terjadi menjelang gerhana bulan tanggal 31 Januari 2018. Peringatan dini informasi banjir rob perlu dibuat dengan tingkat akurasi tinggi dan dalam bentuk yang mudah dipahami masyarakat untuk kepentingan mitigasi. Tipe pasang surut (pasut) di Pesisir Semarang perlu diidentifikasi untuk mengetahui kecenderungan waktu kejadian banjir rob. Model Hidrodinamika Mike 21 digunakan untuk mengolah data pengamatan pasut sepanjang tahun 2017 menjadi informasi prakiraan pasut sepanjang bulan Januari 2018. Nilai akurasi prakiraan pasut Mike 21 diukur dengan Root Mean Square Error (RMSE), serta dibandingkan dengan keakurasian prakiraan pasut dari Pushidrosal (Pusat Hidrografi dan Oseanografi TNI Angkatan Laut) dan BIG (Badan Informasi Geospasial). Hasil prakiraan pasut terbaik selanjutnya diolah pada aplikasi ArcGIS, dengan mengambil nilai prakiraan pasang tertinggi pada hari kejadian sebagai data input untuk pembuatan peta luas genangan banjir rob. Puncak kejadian banjir rob cenderung terjadi pada pukul 06.00 WIB dan 17.00 WIB, yang mana berdasarkan hasil identifikasi di Pesisir Semarang termasuk tipe pasang surut harian ganda. Prakiraan pasut dari Mike 21 memiliki nilai RMSE terbaik. Nilai RMSE prakiraan pasut Mike 21, Pushidrosal dan BIG berturut-turut bernilai 10 cm, 30 cm dan 22 cm. Nilai pasut tertinggi baik model Mike 21 maupun hasil pengamatan terjadi pukul 20.00 WIB. Pemodelan nilai pasut tertinggi dari Mike21 sebesar 122 cm menghasilkan peta luas genangan banjir rob sebesar 1753.35 ha, sedangkan nilai pasang tertinggi hasil pengamatan sebesar 133 cm menghasilkan 185.31 ha lebih luas.
Prediction of Tides in the Gisik Cemandi Coastal Area Using the Support Vector Regression (SVR) Method Dewi Sukmawati, Chandra; Novitasari, Dian Candra Rini; Dewi, Ratna Cintya
Journal of Information Technology and Computer Science Vol. 10 No. 3: Desember 2025
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2025103790

Abstract

This study was conducted to predict tidal fluctuations in the coastal area of Gisik Cemandi Village, Sidoarjo, using the Support Vector Regression (SVR) method. The dataset consisted of  time series records of sea level height for the period of March . The prediction process was implemented by testing three SVR kernel types, namely linear, polynomial, and Gaussian Radial Basis Function (RBF), along with variations of the parameters Cost , Gamma , and epsilon . Based on the evaluation using Mean Absolute Percentage Error ( MAPE), the Linear kernel demonstrated the best predictive performance with the lowest MAPE value of  under a  train-test split. The prediction results with the Linear kernel closely matched the actual data, indicating the model’s accuracy and reliability in capturing the linear patterns of tidal data. This model can be utilized as a supporting tool for tidal prediction to aid coastal activities such as navigation and fisheries.
Co-Authors Dewi Sukmawati, Chandra Hakim, Oky Sukma Sari, Dian Candra Rini Novita Siadari, Ejha Larasati