Claim Missing Document
Check
Articles

Found 3 Documents
Search

Sistem Informasi Persebaran Penyakit Leptospirosis Menggunakan Global Positioning System (GPS) Berbasis Android Nugroho, Adhitya; Wirawan, Panji Wisnu
Jurnal Masyarakat Informatika Vol 9, No 1 (2018): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (591.366 KB) | DOI: 10.14710/jmasif.9.1.31474

Abstract

Leptospirosis merupakan masalah kesehatan masyarakat di seluruh dunia, khususnya di negara-negara yang beriklim tropis dan subtropis serta memiliki curah hujan yang tinggi. Sistem Informasi Geografis Kejadian Leptospirosis di Kota Semarang berbasis Web dapat memberikan data kejadian leptospirosis, namun pada proses menambahkan data kejadian leptospirosis sistem tersebut belum bisa menambahkan posisi longitude dan latitude secara langsung. Sistem yang dikembangkan memanfaatkan perkembangan teknologi khususnya pada smartphone bersistem operasi Android dengan memanfaatkan teknologi GPS untuk mendapatkan posisi Persebaran penyakit leptospirosis, kemudian data Persebaran penyakit leptospirosis tersebut disimpan dalam database server. Sistem Informasi Persebaran Penyakit Leptospirosis Menggunakan Global Positioning System (GPS) Berbasis Android dibangun dengan menggunakan model proses prototype dengan bahasa pemrograman java Android. Hasil dari artikel ini berupa sistem berbasis Android. Sistem ini dapat membantu dalam menambah data kejadian leptospirosis secara langsung melalui perangkat Android. Selain itu sistem ini dapat menangkap posisi penderita melalui perangkat Android. Data kejadian disimpan pada database server melalui web service.
SOSIALISASI PENINGKATAN KAPASITAS KELEMBAGAAN DAN RASIONALISASI TARIF WISATA PANTAI BERBASIS NILAI EKONOMI DI NEGERI HUKURILA, KOTA AMBON Nugroho, Adhitya; Ruban, Angela; G. Talakua, Eygner; L. Papilaya, Renoldy; Sangaji, Janer
Balobe: Jurnal Pengabdian Masyarakat Vol 4 No 2 (2025): Balobe: Jurnal Pengabdian Masyarakat
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/balobe.4.2.82-88

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini dilakukan untuk memberikan rekomendasi solusi bagi pengelolaan wisata pantai berkelanjutan di Negeri Hukurila, Kota Ambon, yang merupakan objek wisata unggulan dengan potensi sumber daya pesisir, perikanan, dan kelautan yang besar. Meskipun memiliki nilai ekonomi kawasan yang tinggi (mencapai Rp 120.760.533/bulan), pengelolaan saat ini menghadapi tantangan serius, termasuk rendahnya kunjungan, kualitas produk wisata yang kurang, tarif wisata yang sangat rendah, ancaman deplesi lebar pantai, dan status kelembagaan POKMASWAS yang lemah. Berfokus pada dua masalah manajemen utama—kurangnya jumlah kunjungan dan rendahnya tarif wisata—solusi diwujudkan melalui sosialisasi dan Focus Group Discussion (FGD). Hasil PkM menunjukkan bahwa mitra menyetujui dan berkomitmen untuk melaksanakan program yang diusulkan, yaitu pengelolaan wisata pantai yang memanfaatkan potensi kelautan dan perikanan, didukung penuh dengan penetapan peraturan desa.
Comparative Performance Evaluation Of Machine Learning Algorithms For Sentinel-2 Benthic Habitat Classification Using Google Earth Engine Nugroho, Adhitya; Al Hakim, Muhammad Abdul Ghofur
Jurnal Kelautan Vol 18, No 3: Desember (2025)
Publisher : Department of Marine Sciences, Trunojoyo University of Madura, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/jk.v18i3.32389

Abstract

This study evaluates the optimal classification methodology and analyzes temporal changes over five years across four benthic habitat classes (Seagrass, Coral Reef, Rubble, and Sand) in the shallow waters of Ohoidertawun, Southeast Maluku, using Sentinel-2 imagery and the Google Earth Engine (GEE) platform. A comparative assessment of Machine Learning (ML) algorithms revealed that Random Forest (RF) demonstrated the best classification performance compared to Support Vector Machine (SVM), Classification and Regression Tree (CART), K-Nearest Neighbors (KNN), and Minimum Distance (MD) in benthic habitat mapping, achieving an Overall Accuracy of 0.856 and a Kappa Coefficient of 0.870. The classification results and accuracy assessment using the best-performing ML model from the 2025 Sentinel-2 imagery were used to analyze temporal changes relative to the 2020 Sentinel-2 data. Temporal analysis indicated a significant ecosystem shift, marked by a 52.41% increase in seagrass cover and a 31.46% decrease in coral reef area. These findings can serve as a recommendation for conservation site selection and urge stakeholders to help mitigate coral reef loss by utilizing the results of this research. The resulting benthic habitat map can serve as a reference for effective coastal resource management and blue carbon initiatives. Based on these findings, the Random Forest ML algorithm can be considered an optimal methodology for tropical benthic habitat mapping in the study area.Keywords: Benthic Habitat, Sentinel-2, Machine Learning, Google Earth Engine