Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi Inovasi Fisika Indonesia (IFI)
Sani, Puteri Permata
Unknown Affiliation
Earth & Planetary Sciences Electrical & Electronics Engineering Materials Science & Nanotechnology Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Forecasting Sea Surface Salinity in the Eastern Madura Strait Using a 1D Convolutional Neural Network Rozzy, Fahrul; Novitasari, Dian Candra Rini; Yuliati, Dian; Sani, Puteri Permata
Telematika Vol 21, No 1 (2024): Edisi Februari 2024
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v21i1.8959

Abstract

Tujuan: Penelitian ini bertujuan untuk memprediksi salinitas permukaan air laut pada perairan Selat Madura bagian Timur menggunakan 1D CNN dan menguji daripada performa model arsitektur 1D CNN yang dibuat. Berdasarkan hasil prediksi yang diperoleh, diharapkan mampu memberi informasi ke masyarakat terkait kondisi salinitas permukaan Selat Madura bagian Timur beberapa hari ke depan.Perancangan/metode/pendekatan: Hal pertama yang perlu dilakukan adalah memprediksi tiap parameter sebelum memprediksi salinitas permukaan. Penelitian ini menggunakan metode 1D CNN, dengan parameter kecepatan arus eastward, arus northward dengan 3 kedalaman berbeda, dan salinitas pada 2 kedalaman berbeda.Hasil: Berdasarkan penelitian ini diperoleh model 1D CNN mampu memprediksi salinitas dengan sangat baik, dengan MAPE sebesar 2.86% pada nilai dropout 0.8 dan batchsize 64. Adapun hasil prediksi untuk 6 hari ke depan, dari 17 Januari 2023 pukul 19.00 hingga 23 Januari 2023 pukul 07.00 dengan rentang waktu per 12 jam adalah mengalami penurunan dengan angka terendah menyentuh 33.313 PSU.Keaslian/ state of the art: Pada penelitian ini menggunakan parameter prediksi, metode, dan diperoleh hasil yang berbeda dengan penelitian sebelumnya.
ANALISIS SUHU MUKA LAUT, SUHU BOLA KERING, DAN SELISIH TEKANAN UDARA UNTUK MEMPREDIKSI PERTUMBUHAN AWAN CUMULONIMBUS DI STASIUN METEOROLOGI MARITIM TANJUNG PERAK SURABAYA JANUARI-AGUSTUS 2024: Kata Kunci: Awan Cumulonimbus, cuaca ekstrem, suhu bola kering, suhu muka laut, tekanan udara, peringatan dini Wulandari, Nadya Octavia; Alfina Alayda Rofiah; Nabila Juliana Putri; Madlazim; Sani, Puteri Permata
Inovasi Fisika Indonesia Vol. 14 No. 1 (2025): Vol 14 No 1
Publisher : Prodi Fisika FMIPA Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/ifi.v14n1.p92-102

Abstract

Awan Cumulonimbus (Cb) adalah elemen atmosfer yang memengaruhi cuaca ekstrem, seperti petir dan badai guntur, yang berdampak pada berbagai sektor kehidupan. Penelitian ini bertujuan untuk menganalisis hubungan antara suhu bola kering, suhu muka laut, dan selisih tekanan udara dalam memprediksi kemunculan awan Cb dan fenomena cuaca ekstrem. Data sekunder dari Stasiun Meteorologi Maritim Tanjung Perak Surabaya selama periode Januari hingga Agustus 2024 digunakan untuk mengidentifikasi pola cuaca yang berkaitan dengan pembentukan awan Cb. Hasil analisis menunjukkan bahwa fluktuasi tekanan udara dan suhu bola kering yang signifikan berhubungan erat dengan kejadian awan Cb. Penurunan tekanan udara dan suhu yang drastis mengindikasikan potensi cuaca ekstrem. Penelitian ini memberikan kontribusi penting untuk pengembangan sistem peringatan dini dan mitigasi risiko cuaca ekstrem di wilayah maritim. Kata Kunci: Awan Cumulonimbus, cuaca ekstrem, suhu bola kering, suhu muka laut, tekanan udara, peringatan dini Abstract Cumulonimbus (Cb) clouds are atmospheric elements that influence extreme weather, such as lightning and thunderstorms, which have an impact on various sectors of life. This study aims to analyze the relationship between dry bulb temperature, sea surface temperature, and air pressure differences in predicting the emergence of Cb clouds and extreme weather phenomena. Secondary data from the Tanjung Perak Surabaya Maritime Meteorology Station during the period January to August 2024 were used to identify weather patterns related to the formation of Cb clouds. The results of the analysis show that significant fluctuations in air pressure and dry bulb temperature are closely related to the occurrence of Cb clouds. A drastic decrease in air pressure and temperature indicates the potential for extreme weather. This study provides an important contribution to the development of early warning systems and mitigation of extreme weather risks in maritime areas. Keywords: Cumulonimbus clouds, extreme weather, dry bulb temperature, sea surface temperature, air pressure, early warning
Forecasting Sea Surface Salinity in the Eastern Madura Strait Using a 1D Convolutional Neural Network Rozzy, Fahrul; Novitasari, Dian Candra Rini; Yuliati, Dian; Sani, Puteri Permata
Telematika Vol 21 No 1 (2024): Telematika : Jurnal Informatika dan Teknologi Informasi
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v21i1.8959

Abstract

Tujuan: Penelitian ini bertujuan untuk memprediksi salinitas permukaan air laut pada perairan Selat Madura bagian Timur menggunakan 1D CNN dan menguji daripada performa model arsitektur 1D CNN yang dibuat. Berdasarkan hasil prediksi yang diperoleh, diharapkan mampu memberi informasi ke masyarakat terkait kondisi salinitas permukaan Selat Madura bagian Timur beberapa hari ke depan.Perancangan/metode/pendekatan: Hal pertama yang perlu dilakukan adalah memprediksi tiap parameter sebelum memprediksi salinitas permukaan. Penelitian ini menggunakan metode 1D CNN, dengan parameter kecepatan arus eastward, arus northward dengan 3 kedalaman berbeda, dan salinitas pada 2 kedalaman berbeda.Hasil: Berdasarkan penelitian ini diperoleh model 1D CNN mampu memprediksi salinitas dengan sangat baik, dengan MAPE sebesar 2.86% pada nilai dropout 0.8 dan batchsize 64. Adapun hasil prediksi untuk 6 hari ke depan, dari 17 Januari 2023 pukul 19.00 hingga 23 Januari 2023 pukul 07.00 dengan rentang waktu per 12 jam adalah mengalami penurunan dengan angka terendah menyentuh 33.313 PSU.Keaslian/ state of the art: Pada penelitian ini menggunakan parameter prediksi, metode, dan diperoleh hasil yang berbeda dengan penelitian sebelumnya.
Co-Authors Alfina Alayda Rofiah Madlazim Nabila Juliana Putri Rozzy, Fahrul Sari, Dian Candra Rini Novita Wulandari, Nadya Octavia Yuliati, Dian