Article Per Year (5 Year)
p-Index From 2021 - 2026
5.569
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Perikanan dan Kelautan Jurnal Perikanan dan Kelautan Jurnal Teknologi Informasi dan Ilmu Komputer INVOTEC Jurnal Pendidikan Geografi: Kajian, Teori, dan Praktik dalam Bidang Pendidikan dan Ilmu Geografi Jurnal Teknologi dan Sistem Komputer SemanTIK : Teknik Informasi Jurnal Pengabdian Pada Masyarakat Georafflesia : Artikel Ilmiah Pendidikan Geografi METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi J SIG (Jurnal Sains Informasi Geografi) Al-Kharaj: Journal of Islamic Economic and Business PENA AKUATIKA : JURNAL ILMIAH PERIKANAN DAN KELAUTAN Jurnal Komunitas: Jurnal Pengabidian Kepada Masyarakat Jurnal Abdi Insani International Journal of Marine Engineering Innovation and Research Jurnal Teknologi Informasi dan Komunikasi Jurnal Mandala Pengabdian Masyarakat Jurnal Kemaritiman: Indonesian Journal of Maritime Zona Laut : Jurnal Inovasi Sains dan Teknologi Kelautan JURNAL REKAYASA INFORMASI SWADHARMA (JRIS) Simpatik: Jurnal sistem Informasi dan Informatika Jurnal Algoritma Journal of Scientech Research and Development JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Jurnal Perikanan dan Kelautan INOVTEK Polbeng - Seri Informatika JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Willdan Aprizal Arifin
Universitas Pendidikan Indonesia
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology 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 Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Algoritma

 1 
Perbandingan Model Prediksi Suhu Permukaan Laut Menggunakan Smoothing dan Long Short-Term Memory Arsanti, Yulia; Minsaris, La Ode Alam; Arifin, Wildan Aprizal
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2113

Abstract

Sebagai negara kepulauan terbesar, Indonesia memiliki kekayaan maritim melimpah, termasuk Perairan Merak Banten, yang memiliki peran strategis dalam transportasi laut, perikanan, dan industri. Suhu permukaan laut (SPL) di wilayah ini memengaruhi ekosistem laut, produktivitas perikanan, serta perekonomian masyarakat. Penelitian sebelumnya umumnya menggunakan pendekatan statistik konvensional atau machine learning secara terpisah dalam memprediksi SPL, sehingga belum ada perbandingan langsung antara metode deep learning dan metode statistik dalam satu studi, sementara pengukuran SPL secara konvensional masih memiliki keterbatasan secara spasial dan temporal. Penelitian ini membandingkan performa model prediksi SPL dengan pendekatan deep learning menggunakan Long Short-Term Memory dan metode statistik smoothing eksponensial, yang belum diterapkan secara bersamaan dalam analisis SPL di Perairan Merak, Banten. Studi ini mengisi kesenjangan penelitian sebelumnya dengan mengevaluasi efektivitas kedua metode dalam memprediksi SPL. Data penelitian diperoleh dari citra satelit Aqua MODIS, yang memungkinkan analisis spasial lebih representatif. Dengan demikian, integrasi teknologi penginderaan jauh dan metode machine learning dalam model prediksi SPL diperlukan untuk meningkatkan akurasi dan efisiensi prediksi. Hasil penelitian menunjukkan bahwa model LSTM dengan parameter look_back 7 dan epoch 200 memberikan performa terbaik dengan nilai MAE 0,3798 dan RMSE 0,8970, sehingga lebih unggul dalam memprediksi pola jangka panjang. Sementara itu, smoothing eksponensial dengan damped trend True dan look_back 7 menghasilkan MAE 0,9052 dan RMSE 1,6771, lebih efektif untuk prediksi jangka pendek. Temuan ini menegaskan bahwa LSTM lebih akurat dalam menganalisis tren SPL jangka panjang, sedangkan smoothing eksponensial lebih sesuai untuk prediksi jangka pendek yang stabil, memberikan wawasan baru dalam pemilihan model prediksi SPL di perairan merak, Banten.
Perbandingan Random Forest Dan Support Vector Machine Dalam Memprediksi Banjir Rob di Teluk Lampung Mar’ah, Maihuhatul; Arifin, Willdan Aprizal; Rosalia, Ayang Armelita
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2145

Abstract

Banjir rob merupakan masalah serius yang sering terjadi di daerah pesisir, termasuk wilayah Teluk Lampung, yang disebabkan oleh peningkatan permukaan air laut akibat perubahan iklim dan aktivitas manusia. Fenomena ini berdampak signifikan pada kerugian ekonomi dan sosial, serta meningkatkan kerentanan pemukiman di kawasan pesisir terhadap berbagai ancaman bencana. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma random forest dan Support Vector Machine (SVM) dalam memprediksi kejadian banjir rob di Teluk Lampung. Data yang digunakan mencakup kejadian banjir rob selama lima tahun terakhir, dengan fokus pada variabel-variabel seperti tinggi muka laut, kecepatan angin, dan faktor meteorologi lainnya. Metode pembelajaran mesin, khususnya random forest dan SVM, diterapkan untuk menganalisis data dan menghasilkan prediksi. Hasil penelitian menunjukkan bahwa random forest mengungguli SVM dalam hal akurasi, dengan nilai akurasi mencapai 89% dibandingkan 69% untuk SVM. Selain itu, Random Forest juga menunjukkan nilai ROC AUC yang lebih tinggi, yaitu 0,82, yang mengindikasikan kemampuan klasifikasi yang lebih baik. Penelitian ini merekomendasikan penggunaan Random Forest sebagai metode yang lebih efektif untuk memprediksi banjir rob di wilayah Teluk Lampung, serta menyarankan penelitian lebih lanjut dengan dataset yang lebih besar dan beragam untuk meningkatkan akurasi model prediksi.
Klasifikasi Kualitas Air Budidaya Ikan Nila Menggunakan Support Vector Machine Aulia, Tazkiah; Arifin, Willdan Aprizal; Rudi, Mad
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2356

Abstract

Kualitas air merupakan faktor kunci yang menentukan keberhasilan dan keberlanjutan budidaya ikan nila. Ketidaksesuaian parameter air, seperti suhu atau kandungan zat kimia, dapat menimbulkan stres fisiologis, menurunkan laju pertumbuhan, hingga menyebabkan kematian pada ikan. Kondisi ini menjadikan pemantauan kualitas air sebagai aspek yang sangat krusial dan mendesak dalam praktik budidaya. Penelitian ini bertujuan melakukan pemodelan klasifikasi kelayakan kualitas air menggunakan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Radial Basis Function (RBF) kernel. Kernel RBF merupakan fungsi matematis yang memungkinkan SVM memetakan data yang tidak terpisah secara linear ke dalam ruang berdimensi lebih tinggi, sehingga pola klasifikasi menjadi lebih terlihat. Data numerik diperoleh dari delapan parameter kualitas air: suhu, pH, total dissolved solids (TDS), oksigen terlarut, nitrit, nitrat, fosfat, dan amonia. Selanjutnya, data diklasifikasikan ke dalam dua kategori: layak dan tidak layak, berdasarkan ambang batas biologis yang telah ditentukan. Model dibangun menggunakan pendekatan supervised learning dan dievaluasi melalui metrik akurasi dan confusion matrix. Hasil pengujian menunjukkan bahwa model SVM dengan kernel RBF menghasilkan akurasi sebesar 82%, dengan nilai presisi dan recall mencapai 100% pada kategori “tidak layak”. Ini menunjukkan bahwa model mampu mengidentifikasi kondisi air yang berisiko dengan sangat baik, menjadikannya solusi potensial untuk pemantauan kualitas air budidaya. Model ini berkontribusi terhadap pengelolaan budidaya ikan yang efisien melalui otomatisasi pemantauan kualitas air dan pengambilan keputusan yang lebih akurat, sekaligus mendukung keberlanjutan dengan meminimalkan risiko lingkungan dan penggunaan sumber daya secara berlebihan.
Co-Authors Acep Saepul Zamil Agung Setyo Sasongko Ahmad Beryliumsyah Ikmaludin Ahmad Satibi Ahmad Satibi AKBAR fitransyah, Hikmal Al farizi, Azwin Jahid Aliano, Keiysha Berlianindita Alya Dina Wilujeung Amanda, Salma Trisya Amien Rais Andre Aprinaldo Ani Anisyah Anzani, Luthfi Apriansyah, Muhamad Renaldi Apriansyah, Muhammad Renaldi Arief Darmawan Armelita, Ayang Arsanti, Yulia Asep Sandra Budiman Aulia, Tazkiah Aulia, Tazkiah Kamilah Azhari, Dhea Rahma Budiman, Asep Sandra Cakra Rahardjo cakra rahardjo Darmawan, Arief Daud, Anton Della Ayu Lestari Della Ayu Lestari Dhea Rahma Azhari Dhea Rahma Azhari Fadillah, Annisa Nur Fadzar, Angga Fahriza, Salsabila Putri Fawaz Fawaz Fernaldy Akbar Faudzan Futriansyah Lipalda Haekal Ghossan Firdaus Hajijah, Karimatul Aulia Handyanto, Lukman Hari Din Nugraha Herli Salim Hikmattulloh, M. Bintang Ilsa Margiana Herawati Ishak Ariawan Ita Arianti Jelita, Dinda Kiffah Kayyisah Ahmad Kiran Aulia Putri Kiran Aulia Putri Kukuh Widiyanto Larasati, Wenny Ananda Lubis, Naddra Haddad Lukman Lukman Lukman Lukman Mad Rudi Makhtar, Muhammad Ottmar Mar’ah, Maihuhatul Maulana, Pardip Maulidia, Raisa Maulsyid, Ramzan Pradana Minsaris, La Ode Alam Muhamad Ashari, Mahathir Muhamad Renaldi Apriansyah Muhammad Renaldi Apriansyah Murtianingsih, Dzakiya Fikri Nabila Tufailah Nevin Adel Ramaputra Novi Sofia Fitriasari Nurghea, Shelena Yasmin Nurokhim, Arif Pardip Maulana Raden Mohamad Herdian Bhakti Rahaditya Aryadi, Naufal Rahardjo, Cakra Ramaputra, Nevin Adel Ramdhani, Muhammad Akbar Rudi, Mad Sabilla, Annisa Maulana Sariwardoyo, Awanda Muthia Septiantina, Shinta Shafa Salsabilla Buchori Salsabilla Buchori Shelena Yasmin Nurghea Shinta Septiantina Sihombing, Amalia Rahma Dini Sinurat, Anting B.N Sriyanto, Sesar Prabu Dwi Sutrisno, Rifki Andreana Syamsul Arifin Tarigan, Daniel Julianto Taufiq Ejaz Ahmad Tirtana, Denta Titania Ferodova Shonda Virgianisa, Tania Wenny Ananda Larasati Wilujeung, Alya Dina Yoga Estu Nugraha Nugraha Zamil, Acep Saepul