Claim Missing Document
Check
Articles

Found 2 Documents
Search

Keanekaragam Makrozoobenthos Sebagai Parameter Tingkat Kesehatan Air di Pulau Pramuka, Kepulauan Seribu Adlim, Faza Fawwaz Fauzil; Ashari, Mahatir Muhamad; Rachma, Nabila; Jelita, Dinda; Sihombing, Amalia Rahma Dini; Az-zahra, Fatimah; Satriya, Raisa Nadia Bunga; Anzani, Luthfi; Hamidah, Hawarizmy Nurul
Jurnal Laot Ilmu Kelautan Vol 6, No 1 (2024): Jurnal Laot Ilmu Kelautan
Publisher : Universitas Teuku Umar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35308/jlik.v6i1.9774

Abstract

Penelitian ini memfokuskan pada korelasi antara kelimpahan dan keanekaragaman makrozoobentos dengan kualitas air di Pulau Pramuka. Metode Line Intercept Transect digunakan untuk mengidentifikasi pola distribusi makrozoobentos yang berhubungan dengan kondisi air. Indeks keanekaragaman di tiga stasiun berkisar antara 0,9 hingga 1,6, menunjukkan tingkat yang rendah hingga sedang, dengan terdapat 8 spesies yang berasal dari 4 kelas, yaitu Bivalvia, Echinoidea, Gastropoda, dan Holothuroidea. Nilai indeks keseragaman menunjukkan distribusi yang cukup merata dengan angka 0,8867, 0,9528, dan 0,9150 di masing-masing stasiun, sementara indeks dominansi yang rendah, berkisar antara 0,12 hingga 0,32, menandakan tidak ada spesies yang mendominasi. Parameter-parameter seperti suhu, pH, salinitas, dan DO menunjukkan kondisi air yang baik, memberikan dukungan bagi kehidupan makrozoobentos. Analisis menegaskan korelasi yang kuat antara kelimpahan makrozoobentos dan kesehatan air, menyoroti pentingnya pengawasan terhadap makrozoobentos sebagai penanda bagi kelestarian ekosistem perairan.
Klasifikasi Harga Ikan Koi Berdasarkan Jumlah Corak dan Ukuran Menggunakan Algoritma K-Nearest Neighbor Sihombing, Amalia Rahma Dini; Ilsa Margiana Herawati; Lubis, Naddra Haddad; Willdan Aprizal Arifin
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 10 No. 1 (2025): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v10i1.2011

Abstract

Penelitian ini menggunakan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan harga ikan Koi berdasarkan jumlah corak dan ukuran ikan. Pengelompokan diperlukan karena kurang umumnya pengetahuan terhadap spesies ikan koi yang diminati. Data diambil dari dataset Kaggle yang mencakup 801 data harga, ukuran, dan jumlah corak ikan Koi. Studi literatur dilakukan untuk memahami algoritma KNN dan faktor-faktor yang mempengaruhi harga ikan Koi. Model KNN diterapkan untuk mengklasifikasikan harga menjadi tiga kategori: murah, sedang, dan mahal. Evaluasi model menunjukkan akurasi sebesar 75%, dengan precision bernilai 0,71 dan recall sebesar 0,80, menunjukkan efektivitas KNN dalam memprediksi harga ikan Koi. maka dapat disimpulkan bahwa metode K-Nearest Neighbors (KNN) dapat memprediksi kelas ikan berdasarkan jumlah corak dan ukuran ikan yang diuji dengan performa yang baik.