Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Jurnal Rekayasa Sistem Industri Journal of Engineering and Management in Industrial System JKIE (Journal Knowledge Industrial Engineering) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Borneo Engineering: Jurnal Teknik Sipil Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Journal La Sociale Visioner: Jurnal Pemerintahan Daerah di Indonesia Civil Engineering Scientific Journal CYBER-Techn(Jurnal Informatika dan Industri) Humanist Journal
Muhammad Hermansyah
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
PEMODELAN DATA RADIOSONDE MENGGUNAKAN STACKING ENSEMBLE UNTUK KLASIFIKASI HUJAN Hermansyah, Muhammad; Saikhu, Ahmad; Amaliah, Bilqis
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.7806

Abstract

Perubahan iklim telah meningkatkan frekuensi dan intensitas kejadian cuaca ekstrem di wilayah tropis seperti Indonesia, sehingga men-imbulkan tantangan dalam pemanfaatan data observasi meteorologi untuk mitigasi bencana hidrometeorologis. Data observasi permukaan sering kali kurang mampu merepresentasikan dinamika vertikal at-mosfer dalam analisis kejadian cuaca ekstrem, seperti hujan sedang hingga lebat. Penelitian ini bertujuan mengembangkan model klasifikasi intensitas hujan berbasis data observasi udara atas dari radiosonde dengan pendekatan stacking ensemble, yang mengintegrasikan algorit-ma Random Forest, XGBoost, LightGBM, dan SVM, serta menggunakan HistGradientBoosting sebagai meta-learner. Untuk mengatasi ketidakseimbangan kelas antara kondisi berawan-hujan ringan dan hujan sedang-lebat, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE). Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, dan kurva precision-recall. Hasil menunjukkan bahwa model stacking ensemble memberikan performa terbaik dengan nilai precision sebesar 0,9084, F1-score 0,8718, dan average precision untuk kelas hujan sedang-lebat sebesar 0,949, melampaui seluruh model individual. Temuan ini menegaskan keunggulan integrasi data atmosfer vertikal dan pendekatan multi-algorithm machine learning dalam mendeteksi hujan intensitas sedang hingga lebat secara lebih akurat. Model ini memiliki potensi tinggi untuk diimplementasikan dalam sistem peringatan dini cuaca ekstrem, khususnya di wilayah tropis dengan keterbatasan data observasi permukaan.
Analisis Statistik Kenaikan Muka Air Laut untuk Perencanaan Infrastruktur Pesisir: Studi Kasus Kota Tarakan Utomo, Edy; Susanto, Azis; Muhammad Hermansyah
Borneo Engineering: Jurnal Teknik Sipil Volume 9 Nomor 2 Tahun 2025
Publisher : Jurusan Teknik Sipil, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/be.v9i2.367

Abstract

Kenaikan muka air laut (Sea Level Rise, SLR) merupakan salah satu dampak signifikan perubahan iklim yang beriimplikasi langsung pada keberlanjutan infrastruktur pesisir. Penelitian ini bertujuan memprediksi kenaikan muka air laut di Kota Tarakan periode 2025-2100 dengan menggunakan data historis 1994-2024 dari Copernicus Climate Change Service yang diolah menggunakan perangkat lunak ODV (Ocean Data View). Analisis dilakukan menggunakan distribusi probabilitas Gumbel dan Weibull yang menghasilkan persamaan prediksi berbasis input tahun, sehingga memudahkan perencana infrastruktur pesisir untuk menentukan elevasi desain tanpa melakukan perhitungan ulang. Hasil menunjukkan bahwa model Gumbel memberikan estimasi yang lebih tinggi (kondisi terburuk) dibandingkan model Weibull (kondisi terbaik), keduanya memiliki koefisien determinasi tinggi (R2 ≥ 0,94). Proyeksi hingga tahun 2100 mempertimbangkan kenaikan muka air laut maksimum mencapai 2,44 m (Gumbel) dan 2,40 m (Weibull). Temuan ini menjadi acuan teknis dalam perencanaan bangunan pelindung pantai seperti revetment, detached breakwater, dan groin, serta dalam penyesuaian desain dermaga dan sistem drainase pesisir. Kontribusi utama penelitian ini adalah penyediaan persamaan prediksi SLR yang dapat langsung diintegrasikan ke perencanaan teknik sipil, khususnya pada wilayah pesisir tropis yang rentan terhadap perubahan iklim.
Co-Authors Achmad Misbah Ahmad Saikhu Arif Budi Sulistyo Arif Widiantoro Aryashta, Danurahni Ayik Pusaka Ningwati Bilqis Amaliah Dalih Iskandar Djaya, Subhan Edy Utomo Eko, Andi Gede Yamuna Ceswaraningrat, Ida Bagus Ghozali, M. Wildan Hasan Bashori Hasibuan, Masnilam Imran, Treesje Kahtijah, Siti kasid, Kasid Kusaeri, Ach. M. Imron Mas'ud M. Imron Mas’ud M. Imron Mas’ud Mansyur Djamal Muhammad Afandi Nasir Widha Setyanto Pratikto Pratikto Rini, Detya Nurfajar Rudy Soenoko Siti Nurhayati Situmorang, Marningot Tua Natalis Susanto, Azis Titin Astuti, Titin