Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JISA (Jurnal Informatika dan Sains) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Ganjar Adi Pradana
Universitas Gunadarma
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
A Study of Prediction Model for Capture Fisheries Production in Indonesian Sea Waters Using Machine Learning Ganjar Adi Pradana
JISA(Jurnal Informatika dan Sains) Vol 6, No 1 (2023): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v6i1.1553

Abstract

The potential for capture fisheries in Indonesia is a priceless wealth. This wealth has not been explored optimally. Fisheries resources are included in the category of renewable resources whose sustainability needs to be considered. This is important in maintaining food security which will increase over time, due to population growth. Capture Fisheries Production Prediction Model is needed to find out what determining variables affect capture fisheries production. There are many methods for predicting, the method that is widely used today is using machine learning since it ability to handle complex jobs with large input data. This research is a literature study, which aims to: (1) identify and analyze machine learning methods that are suitable for predicting capture fisheries production, and (2) identify variables that can affect capture fisheries production. The results of the study show that the Neural Network method is most widely used as a predictive model. In addition, the Random Forest and Linear Logistics methods provide better accuracy results. The results of the study also succeeded in finding 12 determining variables for the capture fisheries production prediction model.
Studi Sistem Peringatan Dini Insiden Tumpahan Minyak Dengan Memanfaatkan Internet of Things Ganjar Adi Pradana; Suzanna Lamria Siregar
JURNAL FASILKOM Vol 13 No 02 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i02.5550

Abstract

Dampak tumpahan minyak dapat menyebabkan kerusakan lingkungan dan kerugian sosial ekonomi. Insiden tumpahan minyak penting untuk diketahui atau disadari sesegera mungkin (real-time), agar dapat ditanggulangi dengan cepat sebelum menyebar dan mencemari wilayah yang lebih jauh dan luas. Teknologi Internet of Things (IoT) dimanfaatkan dalam berbagai hal, salah satunya digunakan untuk Sistem Peringatan Dini (SPD). Saat ini belum banyak penelitian SPD berbasis IoT yang khusus untuk insiden tumpahan minyak. Penelitian awal ini adalah suatu studi literatur deskriptif yang bertujuan: 1) Menganalisis risiko dan dampak tumpahan minyak, 2) menganalisis SPD berbasis IoT untuk insiden tumpahan minyak, dan 3) Menganalisis pengembangan sistem informasi. Hasil penelitian menunjukkan bahwa risiko tumpahan minyak benar-benar nyata, diperlukan upaya pencegahan dan kesiapsiagaan untuk hal tersebut. Tumpahan minyak sangat berdampak pada lingkungan (baik secara ekologi ataupun sosial ekonomi). Hasil penelitian juga menunjukkan bahwa Sistem Peringatan Dini (SPD) insiden tumpahan minyak berbasis IoT memungkinkan untuk dibuat dengan harapan dapat mencegah dan meminimalkan dampak tumpahan minyak. SPD ini dapat dibangun dengan pendekatan model Waterfall karena suatu sistem yang baru. Hasil penelitian ini dapat dijadikan dasar penelitian teknis selanjutnya yaitu pengembangan Sistem Peringatan Dini Tumpahan Minyak dengan memanfaatkan IoT.
Co-Authors Suzanna Lamria Siregar