Article Per Year (5 Year)
p-Index From 2020 - 2025
1.376
P-Index
This Author published in this journals
All Journal International Journal of Education Jurnal Edukasi dan Penelitian Informatika (JEPIN) Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Ilmiah KOMPUTASI Jurnal Teknologi dan Sistem Komputer Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan Jurnal Teknologi dan Riset Terapan (JATRA) Jurnal Anugerah: Jurnal Pengabdian Kepada Masyarakat Bidang Keguruan dan Ilmu Pendidikan Journal of Innovation and Technology
Martaleli Bettiza
Department Of Informatics, Faculty Of Engineering, Universitas Maritim Raja Ali Haji Jl. Politeknik Senggarang, Tanjungpinang
Aerospace Engineering Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Prediksi Hasil Tangkap Ikan Laut Di Kota Tanjungpinang Menggunakan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average) Malik, Riani Fitri Ibnul; Bettiza, Martaleli; Nurfalinda , -
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3448

Abstract

Tanjungpinang is an archipelago. Fish is a food that is often consumed by local people. In 2019 the fish consumption rate is 66 kg/year. and in 2020 it will reach 68 kg/year. Meanwhile, the volume of fish caught in the Riau Islands is 322 kg/year and in 2021 it will decrease to 303 kg/year. Tanjungpinang is rich in marine potential so that the local government takes advantage of this by exporting fish abroad. With fish consumption rates increasing every year, the volume of fish caught is uncertain every year and there is demand for fish exports abroad. So it is necessary to have fish catch predictions to find out the availability of fish the following month. This prediction helps the government to develop a strategy to increase fish catches in Tanjungpinang City. Therefore a fish catch prediction system was built using the SARIMA method. The stages in this study were identifying seasonal data patterns, dividing training data and test data, designing the SARIMA method. The prediction results show that the best model for predicting marine fish catches is the model (0,2,1)(1,2,0)2 with a training data MAPE of 10% which is a very good prediction category and is suitable for use as an analysis by the government to regulate budget estimation and future work program strategy.
Implementation of Multiple Linear Regression on Fish Price Prediction Using Genetic Algorithm Syafina, Syafina; Ritha, Nola; Bettiza, Martaleli
Sustainable Vol 13 No 1 (2024): Jurnal Sustainable : Jurnal Hasil Penelitian dan Industri Terapan
Publisher : Fakultas Teknik Universitas Maritim Raja Ali Haji

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31629/6z9pmp41

Abstract

Kondisi seperti kecepatan angin, ketinggian gelombang, kecepatan arus, dan curah hujan di perairan Bintan bersifat tidak stabil setiap hari. Kondisi ini mengakibatkan harga ikan di pasar berubah-ubah karena nelayan kesulitan menangkap ikan pada saat terjadinya hujan, angin, arus kencang dan gelombang yang tinggi. Untuk itu penelitian ini dilakukan untuk mengetahui hasil prediksi melalui pemodelan regresi linear berganda dengan menggunakan algoritma genetika. Pada penelitian ini, pemodelan persamaan regresi linear terdiri dari variabel bebas (X) yaitu kecepatan angin, tinggi gelombang, kecepatan arus, dan curah hujan serta variabel terikat (Y) yaitu harga ikan. Koefisien regresi didapatkan dengan menggunakan konsep algoritma genetika. Prosesnya menggunakan 2 metode crossover yaitu one-cut-point crossover dan extended intermediate crossover dengan 2 metode mutasi yaitu reciprocal exchange mutation dan random mutation. Proses seleksi pada penelitian ini menggunakan seleksi model replacement selection. Hasil akhir berupa prediksi menggunakan Pemodelan Regresi Linear dengan popsize terbaik yaitu 100, jumlah generasi 100 dan kombinasi tingkat crossover rate dan mutation rate adalah 0,8: 0,2.
Application of Gaussian Naive Bayes Algorithm in Weather Classification of Tanjungpinang City Wibisono, Ganda Bagus; Nurfalinda, Nurfalinda; Bettiza, Martaleli
Sustainable Vol 13 No 1 (2024): Jurnal Sustainable : Jurnal Hasil Penelitian dan Industri Terapan
Publisher : Fakultas Teknik Universitas Maritim Raja Ali Haji

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31629/crvmg397

Abstract

Cuaca mengacu pada kondisi atmosfer sesaat di tempat dan saat tertentu. Cuaca dapat berubah dalam beberapa jam. Cuaca terdiri dari beberapa elemen cuaca. Perkiraan cuaca yang akurat bisa membantu kegiatan sehari-hari warga yang didapat dari klasifikasi yang tepat. Landasan dari klasifikasi Bayes adalah teorema tentang probabilitas bersyarat. Algoritma Naïve Bayes dan algoritma Gaussian Naïve Bayes berbeda satu sama lain. Teknik ini menggabungkan distribusi Gaussian untuk mengatasi perbedaan tersebut. Stasiun Meteorologi Raja Haji Fisabillillah Tanjungpinang menyediakan data suhu, kelembaban, tekanan udara, dan kecepatan angin yang digunakan sebagai parameter penelitian. Data tersebut merupakan data harian yang mencakup periode 1 Januari 2019 hingga 31 Desember 2019 dengan total 365 data. Hasil penelitian dikategorikan ke dalam beberapa kategori cuaca yaitu thunderstorm (TS), Lightning, Mist, lightning rain (TS/RA), Cloudy, rain (RA) dan haze (HZ). Output dari penelitian ini didapatkan akurasi tertinggi sebesar 60,87% dengan jumlah data training sebanyak 50%.
Co-Authors Chahyadi, Ferdi Dufan, Ariel Hayaty, Nurul Helen Sastypratiwi, Helen Hendra Kurniawan Malik, Riani Fitri Ibnul Matulatan, Tekad Muhamad Radzi Rathomi Nikentari, Nerfita Nola Ritha Nurfalinda, Nurfalinda Pratama, Eko Imam Ritha, Nola Siti Zulaikha Syafina, Syafina Wibisono, Ganda Bagus