Article Per Year (5 Year)
p-Index From 2020 - 2025
1.784
P-Index
This Author published in this journals
All Journal Jurnal Ilmu dan Teknologi Kelautan Tropis Jurnal Teknologi dan Sistem Komputer Jurnal Ilmiah FIFO Georafflesia : Artikel Ilmiah Pendidikan Geografi ILKOMNIKA: Journal of Computer Science and Applied Informatics Jurnal Teknologi Informasi dan Komunikasi Jurnal Kemaritiman: Indonesian Journal of Maritime International Journal of Basic and Applied Science Ilmu Komputer untuk Masyarakat
Ishak Ariawan
Marine Information System, Universitas Pendidikan Indonesia, Jl. Dr. Setiabudi No.229, Isola, Sukasari, Bandung City, West Java 40154|Universitas Pendidikan Indonesia
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Mechanical Engineering Physics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Analisis Morfometrik dan Klasifikasi Bentuk Lutjanus spp. Berdasarkan Gambar Digital Muhammad Ikhwani Saputra; Ishak Ariawan; Riad Sahara
Jurnal Ilmiah FIFO Vol 12, No 2 (2020)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2020.v12i2.008

Abstract

Lutjanus spp is a genus of the Lutjanidae family. The number of Lutjanus spp in waters around the world are 72 species. For this amount, 33 of them living on Indonesian waters. According to the IUCN List (2020), about ten species have decreased in population. One of the causes that population decline in several species is, the recording of capture fisheries has very limited production data. This is caused by the difficulty of identification in the field, which results in the overfishing of certain species. The identification process can be carried out based on morphometric features. Geometric morphometrics can be explaining morphological variations objectively and accurately. There are several methods used to represent the shape of an image in general. Namely point linking, complex coordinate, tangent angle, contour curvature, and triangle-area representation.Lutjanus spp by calculating the value of landmark positions, landmark curvature, changes in landmark angle, landmark distance, and landmark inclination. The results of feature extraction were used to classify Lutjanus spp (Lutjanus argentimaculatus, Lutjanus bohar, Lutjanus carponotatus, Lutjanus fulviflamma, and Lutjanus sebae). The results of this study indicate that the morphometric geometric approach can extract the feature values of the position of landmarks, a curvature of landmarks, changes in the angle of the landmark, distance of landmark, and the inclination of the landmark. The classification results using the Support Vector Machine (SVM) classification technique can distinguish Lutjanus spp with an accuracy rate of 65.03%. Thus, the application of SVM can be used to classify Lutjanus spp species, which will be useful in the identification process. Keywords: clasificasion, identification, morphometric geometric, Lutjanus spp, support vector machine. AbstrakLutjanus spp. adalah salah satu marga dari famili Lutjanidae. Jumlah spesies Lutjanus spp di perairan seluruh dunia yaitu 72 spesies. Dari 72 spesies tersebut 33 diantaranya hidup di perairan Indonesia. Menurut IUCN (2020) sekitar 10 spesies mengalami penurunan populasi. Salah satu penyebab menurunnya populasi pada beberapa spesies yaitu pencatatan data produksi perikanan tangkap masih sangat terbatas. Hal ini disebakan oleh sulitnya identifikasi di lapangan sehingga mengakibatkan overfishing pada spesies tertentu. Proses identifikasi dapat dilakukan berdasarkan ciri morphometrik. Geometri Morfometrik dapat menjelaskan variasi morfologi secara objektif dan akurat. Ada beberapa metode yang digunakan dalam merepresentasi bentuk suatu citra secara umum. yaitu point linking, complex coordinate, tangent angle, contour curvature, serta triangle-area representation. Pendekatan morphometric geometric pada penellitian ini digunakan untuk mengekstraksi fitur bentuk Lutjanus spp. dengan menghitung nilai posisi landmark, kelengkungan landmark, perubahan sudut landmark, jarak landmark, dan kemiringan landmark. Hasil ekstraksi fitur digunakan untuk mengklasifikasikan spesies Lutjanus spp. (Lutjanus argentimaculatus, Lutjanus bohar, Lutjanus carponotatus, Lutjanus fulviflamma, dan Lutjanus sebae). Hasil penelitian ini menunjukkan, bahwa pendekatan Geometri Morfometrik dapat melakukan ekstraksi nilai fitur posisi landmark, kelengkungan landmark, perubahan sudut landmark, jarak landmark, dan kemiringan landmark.  Adapun hasil klasifikasi menggunakan teknik klasifikasi Support Vector Machine (SVM) mampu membedakan spesies Lutjanus spp. dengan tingkat akurasi sebesar 65.03%. Dengan demikian, penerapan SVM dapat digunakan untuk melakukan klasifikasi terhadap spesies Lutjanus spp yang akan bermanfaat pada proses identifikasi.Kata kuncis: klasifikasi, identifikasi, geometri morfometrik, spesies lutjanus spp., support vector machine. 
Website E-Government sebagai Media Informasi Masyarakat Desa Lontar Novi Sofia Fitriasari; Ishak Ariawan; Herli Salim; Fawaz Fawaz; Sahril Angga Permana; Muhammad Renaldi Apriansyah; Eka Yanti Puspita Cahyani; Moch Pendi
Ilmu Komputer untuk Masyarakat Vol 2, No 2 (2021)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (223.185 KB) | DOI: 10.33096/ilkomas.v2i2.1077

Abstract

Diterima : Direvisi :Diterbitkan : Desa Lontar memiliki kewajiban untuk mendukung program pemerintah yaitu E-Government. E-Government adalah penggunaan teknologi informasi dan komunikasi (TIK) untuk memberikan kemudahan layanan dan memberikan akses informasi kepada masyarakat setempat khususnya dan membuat pemerintahan lebih bertanggung jawab kepada masyarakat. Pemerintahan desa sebagai tingkat paling bawah dalam struktur pemerintahan dituntut untuk dapat menyelenggarakan pemerintahan yang baik (good governance), salah satu solusi untuk mencapai tujuan tersebut adalah dengan menerapkan E-Government. Salah satu cara untuk menerapkan E-Government, pemerintahan desa dapat membuat sebuah situs (website) yang berisi informasi dan fasilitas-fasilitas pelayanan bagi seluruh lapisan masyarakat, pihak swasta maupun dengan pemerintah yang lain. Pembuatan website desa lontar bertujuan sebagai media pelayanan publik resmi desa, yang dibangun dan dikelola oleh tim desa setempat. Dengan memanfaatkan website penyelenggaraan pelayanan publik dapat dilakukan secara cepat dan mudah. Website desa sebagai manajemen informasi dapat digunakan sebagai media informasi publik yang dapat diakses secara online. Berdasarkan hasil pengabdian kepada masyarakat mengenai rancangan website Desa Lontar yang telah diaplikasikan, maka dapat disimpulkan bahwa website ini dapat berjalan dengan baik sesuai yang diharapkan sehingga dapat membantu meningkatkan performa dari pemerintahan Desa Lontar dalam pengolahan data dan memberikan pelayanan kepada masyarakat dengan cepat dan efisien.
IDENTIFIKASI SPESIES MANGROVE MENGGUNAKAN ALGORITME RANDOM FOREST Ishak Ariawan; Ayang Armelita Rosalia; Luthfi Anzani; Wildan Aprizal Arifin; La Ode Alam Minsaris; Lukman Lukman
Jurnal Kemaritiman: Indonesian Journal of Maritime Vol 2, No 2 (2021): Desember 2021
Publisher : Universitas Pendidikan Indonesia (UPI)

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

Abstract

Identifikasi komposisi spesies mangrove adalah topik yang penting dalam manajemen dan konservasi ekosistem pesisir. Biodiversitas spesies mangrove berpengaruh terhadap keberlangsungan dan keseimbangan entitas-entitas yang terkait di dalam ekosistemnya. Penelitian ini bertujuan untuk menggali potensi Machine Learning untuk mengidentifikasi spesies mangrove. Secara spesifik, algortime Random Forest digunakan untuk mengklasifikasikan enam spesies mangrove, yaitu: Avicennia eucalyptifolia, Bruguiera gymnorrhiza, Rhizophora apiculata, Rhizophora mucronata, Unrecorded Sp., dan Xylocarpus granatum. Beberapa pendekatan dilakukan untuk memperkuat kinerja algoritme Random Forest, yaitu preprocessing (SMOTE) dan normalisasi min-max untuk menyeimbangkan distribusi data. Hasil tahap ini menunjukkan bahwa proyeksi dari rentang normalisasi (interval 0-1) tidak berpengaruh dalam mereduksi pola data secara dimensional. Setelah preprocessing dan normalisasi data, lima atribut (spesies, wood density, diameter at beast height, total of above ground biomass, dan below-ground root) diklasifikasi dan dianalisis dengan spesies sebagai atribut target. Pembangunan parameter model didasarkan pada jumlah total dari hasil SMOTE dengan menetapkan 100 dan 500 sebagai jumlah pohon tunggal dan 1000  sebagai jumlah node dan peubah prediktor default. Hasil akhir menunjukkan bahwa algortime Random Forest memperoleh nilai evaluasi yang optimal dengan rata-rata 99.97% menggunakan jumlah pohon tunggal dan cut-off yang telah ditetapkan. Akurasi maksimal yaitu 100% diperoleh dari jumlah pohon tunggal dan cut-off dengan ukuran sebagai berikut: (1) 500 dan 80:20; (2) 500 dan 90:10; dan (3) 100 dan 80:20. Hasil ini menunjukkan bahwa algortime Random Forest sangat efektif untuk diterapkan sebagai metode pengklasifikasi Machine Learning dalam menentukan spesies mangrove.
Model Prediksi Pasang Surut Air Laut Pada Stasiun Pushidrosal Bakauheni Lampung Menggunakan Support Vector Regression Willdan Aprizal Arifin; Ishak Ariawan; Ayang Armelita Rosalia; Agung Setyo Sasongko; Muhamad Renaldi Apriansyah; Ahmad Satibi
Jurnal Kemaritiman: Indonesian Journal of Maritime Vol 2, No 2 (2021): Desember 2021
Publisher : Universitas Pendidikan Indonesia (UPI)

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

Abstract

Salah satu wilayah yang memiliki stasiun pengamatan pasang surut air laut di Indonesia adalah Bakauheni, Lampung. Pasang surut merupakan suatu fenomena pergerakan naik turun permukaan air laut secara berkala pada waktu tertentu. Pasang surut air laut dapat mempengaruhi kegiatan masyarakat disekitar pesisir, oleh karena itu dengan teknologi saat ini melalui bidang ilmu Machine Learning, melakukan proses prediksi terhadap ketinggian pasang surut air laut dapat menjadi solusi untuk kelancaran kegiatan masyarakat yang dilakukan di laut. Dengan memanfaatkan data pasang surut yang direkam secara realtime di stasiun pengamatan pushidrosal bakauheni Lampung dapat dilakukan pemodelan prediksi. Data yang digunakan adalah data rekaman yang terkumpul dari tahun 2016 sampai dengan tahun 2019. Data tersebut kemudian dibagi menjadi data latih dan data uji untuk selanjutnya dibentuk menjadi model prediksi. Pembentukan model prediksi dilakukan dengan algoritme Support Vector Regression dengan kernel Radial Basis Function (RBF). Berhasarkan hasil tuning parameter yang dilakukan pada parameter gamma, menghasilkan nilai terbaik menggunakan parameter gamma sebesar 1000. Nilai RMSE yang dihasilkan pada parameter gamma tersebut adalah 0.4938244 dengan nilai korelasinya yang diperoleh adalah 0.9202879. Berdasarkan hasil tersebut, model prediksi yang dibentuk dianggap cukup baik dalam melakukan prediksi terhadap  pasang surut air laut pada stasiun pushidrosal bakauheni, Lampung.
Data scaling performance on various machine learning algorithms to identify abalone sex Willdan Aprizal Arifin; Ishak Ariawan; Ayang Armelita Rosalia; Lukman Lukman; Nabila Tufailah
Jurnal Teknologi dan Sistem Komputer Volume 10, Issue 1, Year 2022 (January 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2021.14105

Abstract

This study aims to analyze the performance of machine learning algorithms with the data scaling process to show the method's effectiveness. It uses min-max (normalization) and zero-mean (standardization) data scaling techniques in the abalone dataset. The stages carried out in this study included data normalization on the data of abalone physical measurement features. The model evaluation was carried out using k-fold cross-validation with the number of k-fold 10. Abalone datasets were normalized in machine learning algorithms: Random Forest, Naïve Bayesian, Decision Tree, and SVM (RBF kernels and linear kernels). The eight features of the abalone dataset show that machine learning algorithms did not too influence data scaling. There is an increase in the performance of SVM, while Random Forest decreases when the abalone dataset is applied to data scaling. Random Forest has the highest average balanced accuracy (74.87%) without data scaling.
Classification of marine mammals based on nucleotide using machine earning Lukman; Tiara Dinda Hapsari; Abdul Malik; Ester Frescilla Simbolon; Ishak Ariawan; Nadia Yusuf Istiqomah
International Journal of Basic and Applied Science Vol. 11 No. 2 (2022): Sep: Basic and Applied Science
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/ijobas.v11i1.90

Abstract

This study analyzing the nucleotide of marine mammals using machine learning techniques. Analysis on a nucleotide scale in marine mammals can help facilitate the identification process if done properly. Three types of marine mammals used for nucleotide analysis were Delphinus capensis, Dugong dugon, and Orcaella brevirostris. The solutions offered by machine learning provide a more elegant and effective solution for species identification at the nucleotide scale. This study analyzed the nucleotide s of marine mammals using various classification techniques. Based on this research, it can be concluded that the identification of marine mammals can be done easily based on nucleotide. Different classifiers have been used for analytical purposes such as Random Forest, Decision Tree, Naïve Bayes, K-Nearest Neighbor, and Multilayer Perceptron. Based on the analysis of the results, it was found that the classification method that had been applied had sufficient performance by being tested on several model performance metrics such as accuracy, precision, recall and f1 score. The study also highlights the best classifiers in the various scenarios and recommendations are given.
KLASIFIKASI TIGA GENUS IKAN KARANG MENGGUNAKAN CONVOLUTION NEURAL NETWORK Ishak Ariawan; Willdan Aprizal Arifin; Ayang Armelita Rosalia; Lukman; Nabila Tufailah
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 14 No. 2 (2022): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jitkt.v14i2.33633

Abstract

Ikan karang adalah salah satu organisme penting dalam kajian ekosistem terumbu karang, perlu dilakukan proses identifikasi untuk memahami pola, struktur dan distribusi keanekaragaman ikan karang. Selain itu, ikan karang memiliki jumlah yang sangat banyak dan hampir mirip satu sama lain. Oleh karena itu, untuk mempercepat proses identifikasi ikan dapat dilakukan secara komputerisasi. Salah satu teknik komputerisasi yang dapat dilakukan adalah pengolahan citra digital. Penelitian ini bertujuan untuk mengklasifikasikan citra genus Ikan (Epinephelus spp., Halichoeres spp., dan Lutjanus spp.) ekonomis penting. Data citra diperoleh dari situs https://www.kaggle.com/. Metode klasifikasi citra yang digunakan adalah Convolutional Neural Network (CNN) yang terdiri dari dua tahapan. Tahapan yang pertama adalah melakukan pelatihan dengan metode backpropagation, dan tahapan yang kedua adalah melakukan klasifikasi citra menggunakan feedforward. Hasil dari kombinasi dua metode tersebut diperoleh accuracy sebesar 85,31%. Selain itu, model yang dibangun cukup bagus karena selisih nilai rataan antara precision dan sensitivity tidak terlalu besar, precision sebesar 89,92% dan sensitivity sebesar 86,49%. Hasil analisis dan evaluasi yang telah dilakukan, dapat disimpulkan bahwa metode klasifikasi CNN dapat digunakan dengan baik dalam mengelompokkan citra Ikan berdasarkan genus.
Identifikasi Potensi Lahan Budidaya Udang Di Pesisir Teluk Banten Menggunakan Algoritma CNN M. Andre Setiawan; Ishak Ariawan; Luthfi Anzani
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v4i3.514

Abstract

Udang menjadi salah satu komoditas perikanan yang melimpah di Provinsi Banten. Budidaya udang biasa dilakukan petani di area tambak. Kesesuaian lahan menjadi pertimbangan dalam pemilihan tambak udang. Sulitnya dalam identifikasi kesesuaian lahan budidaya udang bagi masyarakat mengakibatkan produksi budidaya udang menurun. Maka dari itu dibutuhkan proses identifikasi lahan berpotensi menjadi tambak udang yang dilakukan menggunakan teknologi. Penelitian ini bertujuan untuk mengidentifikasi lahan yang berpotensi dijadikan lahan budidaya udang di pesisir Teluk Banten. Data terdiri dari peta jenis tanah bersumber dari FAO-UNESCO dan peta administrasi kota Serang bersumber dari Indonesia-Geospasial. Peta diolah sehingga menghasilkan total 160 gambar dengan pembagian 80 untuk data gambar lahan berpotensi dan 80 gambar lahan tidak berpotensi. Model klasifikasi yang digunakan adalah Convolutional Neural Network (CNN) yang terdiri dari convolution layer, pooling layer, flatten layer, dan dense layer. Library tensorflow diterapkan pada model sebagai pendukung eksekusi algoritma dan framework yang membantu dalam perhitungan numerik. Hasil dari model tersebut berdasarkan variasi batch size dan epoch diperoleh accuracy terbesar yaitu 99% dan loss 21% dengan ukuran batch size 8 dan jumlah epoch 30. Performa model menghasilkan nilai accuracy 97,20%, precision 94,63%, dan sensitivity 95,81%. Model dapat dikatakan baik karena tidak terlihat adanya tanda overfitting ataupun underfitting yang dilihat dari grafik loss dan accuracy. Dapat disimpulkan bahwa model klasifikasi lahan budidaya udang di pesisir Teluk Banten dapat digunakan dengan baik dalam identifikasi lahan berpotensi atau tidak berpotensi menjadi lahan budidaya udang.
Model Prediktif Genangan Kenaikan Muka Air Laut Di Kecamatan Telukbetung Barat dan Telukbetung Selatan Taufiq Ejaz Ahmad; Della Ayu Lestari; Ishak Ariawan
Jurnal Georafflesia: Artikel Ilmiah Pendidikan Geografi Vol 7 No 2 (2022)
Publisher : Universitas Prof. Dr. Hazairin, S.H

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32663/georaf.v7i2.3200

Abstract

Kenaikan muka air laut merupakan suatu perubahan di alam yang terjadi secara eksponensial yang dapat memberikan tekanan pada kehidupan manusia, dimana area yang terendam akan memberikan kesulitan untuk melaksanakan aktivitas pada wilayah terdampak. Tujuan penelitian ini adalah melakukan permodelan area terdampak kenaikan muka air laut secara prediktif menggunakan GIS yang spesifik pada wilayah administratif Kecamatan Telukbetung Timur dan Kecamatan Telukbetung Selatan, Kota Bandar Lampung, dimana informasi yang dihasilkan dapat diperuntukan dalam menentukan keputusan di masa mendatang untuk dapat dirancang dengan baik. Dengan mengunakan data elevasi digital dengan resolusi tinggi dan nilai ketinggian muka air laut prediktif yang diperoleh dari penelitian sebelumnya, kemudian menerapkannya pada metode equilibrum yang akan membandingkan data elevasi digital dengan kenaikan muka air laut di Platform ArcGIS Pro, sehingga informasi hasil didapatkan, dimana pada skenario kenaikan muka air laut setinggi 0.4 m, Kecamatan Telukbetung Timur memiliki kemungkinan sebesar 17.42 ha untuk terendam dan pada Kecamatan Telukbetung Selatan seluas 6.74 ha. Pada skenario ketinggian 0.6 m, Kecamatan Telukbetung Timur memiliki kemungkinan seluas 30.66 ha untuk terendam dan pada Kecamatan Telukbetung Selatan seluas 11.87 ha, pada skenario terburuk dimana ketinggian muka air laut mencapai1.2 m, Kecamatan Telukbetung Timur memiliki kemungkinan untuk terendam seluas 44.60 ha dan Kecamatan Telukbetung Selatan seluas 17.27 ha.
WEATHER FORECAST FROM TIME SERIES DATA USING LSTM ALGORITHM Yoga Estu Nugraha Nugraha; Ishak Ariawan; Willdan Aprizal Arifin
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol 14 No 1 (2023): Maret
Publisher : UNIVERSITAS STEKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/jtikp.v14i1.531

Abstract

Accurate weather forecasts play an important role in today's world as various sectors such as marine, navigation, agriculture and industry are basically dependent on weather conditions. Weather forecasts are also used to predict the occurrence of natural disasters. Weather forecasting determines the exact value of weather parameters and then predicts future weather conditions. In this study the parameters used are. Different weather parameters were collected from the Serang Maritime Meteorological Station and then analyzed using a neural network-based algorithm, namely Long-short term memory (LSTM). In predicting future weather conditions using LSTM neural networks are trained using a combination of different weather parameters, the weather parameters used are temperature, humidity, rainfall, and wind speed. After training the LSTM model using these parameters, future weather predictions are performed. The prediction results are then evaluated using RMSE. Prediction results show that the model is more accurate when predicting temperature data with RMSE 0.37, then RMSE wind speed 0.72, RMSE sunlight 2.79, and RMSE humidity 5.05. This means that the model is very good at studying weather data, inversely proportional to humidity data.
Co-Authors Abdul Malik Agung Setyo Sasongko Ahmad Satibi Anzani, Luthfi Armelita, Ayang Della Ayu Lestari Eka Yanti Puspita Cahyani Ester Frescilla Simbolon Fawaz Fawaz Herli Salim Lukman Lukman Lukman Lukman Lukman Lukman M. Andre Setiawan Minsaris, La Ode Alam Moch Pendi Muhamad Renaldi Apriansyah Muhammad Ikhwani Saputra Muhammad Renaldi Apriansyah Nabila Tufailah Nabila Tufailah Nadia Yusuf Istiqomah Novi Sofia Fitriasari Nurjanah, Nurjanah Pardip Maulana Riad Sahara Sahril Angga Permana Taufiq Ejaz Ahmad Tiara Dinda Hapsari Willdan Aprizal Arifin Yoga Estu Nugraha Nugraha