Article Per Year (5 Year)
p-Index From 2021 - 2026
3.063
P-Index
This Author published in this journals
All Journal The Journal of Experimental Life Sciences (JELS) Jurnal Mahasiswa Jurusan Teknik Pengairan Jurnal Teknik Pengairan: Journal of Water Resources Engineering Jurnal Penelitian Pendidikan IPA (JPPIPA) CERMIN: Jurnal Penelitian International Journal of Engineering, Science and Information Technology Jurnal Teknologi dan Rekayasa Sumber Daya Air
Moh. Sholichin
Jurusan Teknik Pengairan Fakultas Teknik Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Physics Social Sciences Transportation

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
PEMETAAN TINGKAT KERENTANAN AIR TANAH TERHADAP PENCEMARAN BERDASARKAN METODE SVV DI KECAMATAN PETERONGAN KABUPATEN JOMBANG Sari, Chudiana Mega; Siswoyo, Hari; Sholichin, Moh.
CERMIN: Jurnal Penelitian Vol 8 No 2 (2024): AGUSTUS - DESEMBER
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat - Universitas Abdurachman Saleh Situbondo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36841/cermin_unars.v8i2.4835

Abstract

Air tanah digunakan sebagai salah satu sumber persediaan air di Kecamatan Peterongan beresiko terjadi pencemaran yang diakibatkan oleh aktivitas industri dan air lindi dari pembuangan sampah sembarangan. Untuk meminimalisir tingkat resiko tersebut, dilakukan penelitian tingkat kerentanan air tanah berdasarkan hasil pengamatan di lokasi penelitian. Analisis kerentanan bertujuan untuk mengetahui persebaran tingkat bahaya kerentanan air tanah terhadap pencemaran yang menentukan efektifitas perlindungan lapisan batuan. Metode analisis tingkat kerentanan air tanah yang digunakan adalah metode Simple Vertical Vulnerability (SVV) yang terdiri dari 3 parameter yaitu ketebalan zona tidak jenuh air (Z), perkolasi atau imbuhan tanah (Wu), dan tipe material zona tidak jenuh air (La). Lokasi penelitian ini dilakukan di Kecamatan Peterongan, Kabupaten Jombang dengan 22 titik sumur gali selama 5 bulan dari bulan Juli 2023 sampai bulan November 2023. Hasil penelitian menunjukkan terdapat 3 kelas tingkat kerentanan air tanah yaitu tingkat kerentanan air tanah sedang dengan luasan terbesar pada bulan November (11,94%), tingkat kerentanan air tanah tinggi dengan luasan terbesar pada bulan Oktober (72,11%), dan tingkat kerentanan air tanah sangat tinggi dengan luasan terbesar pada bulan Agustus (27,62%). Persebaran tingkat kerentanan air tanah didominasi oleh tingkat kerentanan air tanah tinggi dari total luas Kecamatan Peterongan.
Performance Evaluation of Machine Learning and Deep Learning for Rainfall Forecasting Soebroto, Arief Andy; Limantara, Lily Montarcih; Mahmudy, Wayan Firdaus; Sholichin, Moh.; Hidayat, Nurul; Kharisma, Agi Putra
International Journal of Engineering, Science and Information Technology Vol 5, No 4 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i4.1179

Abstract

Climate change is a significant challenge for both humans and the environment, with its impacts increasingly felt across various regions of the world. The most evident consequence is the alteration of extreme weather patterns, which often lead to destructive and life-threatening natural disasters. Among these, extreme rainfall was the most damaging factor, frequently triggering floods. However, the increasing occurrence of related events outlined the urgent need for developing more accurate rainfall forecasting systems as a strategic measure for disaster risk reduction. This research adopted daily rainfall data from Samarinda City, collected between 2004 and 2012, to conduct prediction using both machine and deep learning methods. The implementation of machine learning methods, such as Support Vector Regression (SVR), enabled the model to learn from historical data and uncover complex patterns, resulting in accurate forecasts and improved adaptability to climate variability. Meanwhile, deep learning models, including Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM), enhanced prediction performance by capturing more intricate and abstract data relationships. Performance evaluations conducted using Mean Absolute Error (MAE) and Mean Squared Error (MSE) showed that deep learning outperformed machine learning in accuracy. The LSTM model achieved the best performance, with loss values of 0.0482 and 0.0527 for MSE and MAE, respectively. The advantage of deep learning lies in its ability to build more complex models for handling non-linear problems and to learn data representations at various levels of abstraction, which has led to more accurate results. Furthermore, LSTM surpassed RNN by effectively overcoming the vanishing gradient issue, allowing for more stable and efficient training that led to superior predictive performance.
Studi Optimasi Alokasi Air Irigasi Menggunakan Program Dinamik Pada Daerah Irigasi Cau Kabupaten Madiun Ireldi Pratama, Faris; Montarcih Limantara, Lily; Sholichin, Moh.
Jurnal Teknologi dan Rekayasa Sumber Daya Air Vol. 6 No. 1 (2026): Jurnal Teknologi dan Rekayasa Sumber Daya Air (JTRESDA) - Inpres
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtresda.2026.6.1.11

Abstract

Daerah Irigasi Cau memiliki permasalahan pada kondisi eksistingnya yaitu kondisi defisit air dimana jumlah kebutuhan air lebih banyak dibandingkan dengan ketersediaannya yang terjadi pada musim hujan, Musim Kemarau I dan II. Sehingga, pengoptimasian alokasi air menggunakan program dinamik deterministik perlu dilakukan. Tujuan dari optimasi ini adalah untuk dapat memaksimalkan keuntungan hasil tani dengan cara membagi daerah irigasi menjadi beberapa stage agar nantinya air akan dilokasikan ke setiap stage sesuai kebutuhan agar mendapatkan keuntungan maksimal. Fungsi kendala dalam optimasi adalah debit yang tersedia dan luas lahan. Fungsi tujuan optimasi adlaah keuntungan maksimal hasil tani. Hasil dari optimasi dengan program dinamik didapatkan peningkatan luas lahan sebesar 12,33% di musim tanam I, 8,42% di musim tanam II dan 38,90% di musim tanam III dengan keuntungan untuk setiap musim tanam adalah Rp. 13.296.184.959,00, Rp. 9.536.165.030,00, dan Rp. 6.337.986.652,00.
Co-Authors A.A. Ketut Agung Cahyawan W Agi Putra Kharisma, Agi Putra Amrul, Muhammad Alfarisy Andono, Rizky Harsya Andre Primantyo H., Andre Primantyo Arief Andy Soebroto Arif Rahmad Darmawan AS Dwi Saptati Nur Hidayati, AS Dwi Saptati Nur Ayisya Cindy Harifa Bambang Ismuyanto Cahyani, Sylvia Regita Dedy Febrianto Nadjamuddin, Dedy Febrianto Dian Sisinggih Diana, Eka Wahyu Donny Harisuseno Emma Yuliani Endang Purwati RN Evi Nur Cahya Fahmi Zamroni, Fahmi Felani, Gita Fitri Ferina, Marisa Ayu hari siswoyo Harri Pranowo Indrajayatama, Ridho Satria Ireldi Pratama, Faris Ismuyanto , Bambang Kurniawan, Dita Cahya Leo Arbi Wibowo Lily Montarcih Limantara M. Bisri Majid, Haidar Naufal Mandasari, Fetri Maulana, Firhand Mohammad Rahdiansyah Batubara, Mohammad Rahdiansyah Montarcih Limantara, Lily Muhtasar, Iqbal Maulana Nathania, Nadya Ayu Nugraha, Aldi Nugroho, Faishal Dary Nurul Hidayat Palupi, Gema Anggun Pane, Yasmin Pebriani Sitorus Pitojo Tri Juwono Putri, Dea Anggara Putu Ratih Wijayanti Qadri S, Wahyuddin Rahadjeng, Aira Azzahra Rahayu, Gayatri Putri Rares, Johan Peter Rini Wahyu Sayekti Rispiningtati Rispiningtati Riyanto Haribowo Rohmaningsih, Elin Runi Asmaranto Saptati N. H., A. S. Dwi Sari, Chudiana Mega Sinantrya, Mutiara Sodikin, Wahlul Susilo, H. Suwanto Marsudi Tri Budi Prayogo, Tri Budi Ussy Andawayanti Very Dermawan Wahyu Nafier A. Wayan Firdaus Mahmudy Widandi Soetopo Yogi Ricardo P Simanjuntak yuriski, ryan isra'