Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal OLDI (Oseanologi dan Limnologi di Indonesia) Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Reny Puspasari, Reny
Kementerian Kelautan dan Perikanan
Biochemistry, Genetics & Molecular Biology Computer Science & IT Earth & Planetary Sciences Environmental Science Mathematics

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

Found 2 Documents
Search

 1 
Pengelompokan Habitat Meroplankton di Teluk Jakarta dan Kepulauan Seribu Puspasari, Reny; Aisyah, Aisyah
Oseanologi dan Limnologi di Indonesia Vol 3, No 1 (2018)
Publisher : Oseanologi dan Limnologi di Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teluk Jakarta tergolong ekosistem estuary, yang menghadap kepada sekumpulan pulau-pulau kecil di Kepulauan Seribu. Teluk Jakarta merupakan daerah asuhan bagi biota laut, yang ditandai oleh banyaknya meroplankton yang ditemukan di wilayah tersebut. Penyebaran meroplankton sangat dipengaruhi oleh kondisi lingkungan Teluk Jakarta dan Pulau Seribu. Terdapat variasi sebaran dan komposisi meroplankton di daerah pengamatan. Tujuan dari penelitian ini adalah untuk menganalisa habitat beberapa kelompok meroplankton seperti udang, moluska, kepiting dan larva ikan. Pengumpulan sampel larva dilakukan di 13 stasiun pengamatan yang mewakili estuary dan pulau pulau kecil di Teluk Jakarta dan Pulau Seribu bagian selatan, meliputi tujuh stasiun estuary dan enam stasiun pulau kecil. Hasil menunjukan bahwa terdapat  enam kelompok meroplankton laut, meliputi larva udang, moluska, kepiting, ikan, ubur-ubur dan larva cumi. Kelimpahan udang, moluska dan larva ikan tinggi pada April dibandingkan dengan Agustus. Kelimpahan larva kepiting menunjukan hal sebaliknya, yaitu tinggi pada Agustus dibandingkan dengan April. Sedangkan larva yang lain ditemukan dalam jumlah kecil pada bulan-bulan tersebut. Larva udang, ikan dan moluska tidak memiliki habitat khusus, namun keberadaan mereka kebanyakan dijumpai pada pulau-pulau kecil dibandingkan dengan estuary, dimana kondisi lingkungan seperti suhu dan salinitas pada ekosistem tersebutrelatif lebih tinggi.
Klasifikasi Status Kemiskinan Rumah Tangga Berdasarkan Karakteristik Demografi dan Hunian Menggunakan Algoritma Clasification and Regression Tree Winata, Aji Pandu; Aprilia, Dinda; Sriliana, Idhia; Aryati, Fitri; Puspasari, Reny
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Volume 13 Issue 3 December 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v13i3.34952

Abstract

Poverty is a multidimensional issue that remains a central focus of development in Bengkulu Province. Decision-tree–based approaches, particularly the Classification and Regression Tree (CART), can be used to classify households based on demographic and housing characteristics. This study utilizes data from the 2024 National Socio-Economic Survey (SUSENAS), with household poverty status as the response variable and six predictor variables including area type, gender of household head, age of household head, number of household members, floor area of the house, and housing ownership status. The analysis consists of data preprocessing, descriptive statistics, data splitting, CART model construction, identification of influential variables, and model evaluation using a confusion matrix. The results show that the number of household members, floor area of the house, and age of the household head are the most influential variables in distinguishing poor and non-poor households. Model evaluation produced an accuracy of 0.73, sensitivity of 0.58, and specificity of 0.75. The accuracy and specificity values indicate adequate classification performance, while the low sensitivity suggests that the model is still less optimal in detecting poor households, partly due to class imbalance in the dataset. These findings indicate that the CART method can be applied to poverty analysis in Bengkulu Province, although further model improvement is needed to enhance its capability in identifying poor households.
Co-Authors Aisyah Aisyah Aprilia, Dinda Aryati, Fitri Idhia Sriliana Winata, Aji Pandu