Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Building of Informatics, Technology and Science JSR : Jaringan Sistem Informasi Robotik
Kristyanto, Andi
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
METODE KLASIFIKASI SPESIES IKAN BERDASARKAN KARAKTERISTIK MORFOMETRIK (Studi Kasus: Ikan Betok dan Ikan Kurisi) Kristyanto, Andi; Sriyanto, Sriyanto; Nugroho, Handoyo Widi
JSR : Jaringan Sistem Informasi Robotik Vol 9, No 1 (2025): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v9i1.473

Abstract

Produksi ikan betok dan ikan kurisi saat ini masih sangat bergantung pada hasil tangkapan dari alam, dan bila tidak dilakukan pembatasan, hal ini akan menyebabkan peningkatan dalam penangkapan ikan yang berdampak negatif pada jumlah populasi ikan di masa mendatang. Ikan betok merupakan salah satu spesies yang terancam punah, selain menghadapi penurunan populasi yang terus berlanjut, polusi, dan metode budidaya yang belum sepenuhnya maju pada saat ini. Dengan mengklasifikasikan ikan berdasarkan morfometrik dapat memberikan kontribusi dalam memonitor dan mengelola sumber daya perikanan. Penelitian ini bertujuan untuk menguji sejauh mana model klasifikasi ini efektif dan akurat dalam membedakan antara data set ikan betok dan ikan kurisi berdasarkan karakteristik morfometrik. Untuk mencapai tujuan ini, digunakan tiga metode data mining, yaitu Naive Bayes, K-Nearest Neighbor, dan Decision Tree. Penelitian ini merupakan penelitian eksperimen untuk menemukan algoritma terbaik dalam mengklasifikasi spesies ikan menggunakan metode Naive Bayes, K-Nearest Neighbor, dan Decision Tree. untuk mengklasifikasikan spesies ikan metode Decision Tree lebih unggul daripada metode Naive Bayes dan metode    K-Nearest Neighbor.  Dengan hasil pengujian yang dilakukan dengan mendapatkan nilai akurasi sebesar 94,74%.
Analisis Performa Model BiLSTM dan CNN-LSTM Dalam Prediksi Sea Water Level Pada Pelabuhan Berdasarkan Data Historis Kristyanto, Andi; Chairani, Chairani; Sriyanto, Sriyanto
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7364

Abstract

Indonesia is a country dominated by waters, so data on sea level rise, one of maritime weather is important. The Meteorology, Climatology, and Geophysics Agency one of its duties, namely conducting observations in meteorology. The Merak-Bakauheni Port serves the busiest crossing route in Indonesia and connects the islands of Java and Sumatra. If there is a disruption due to meteorological factors, shipping and sea transportation activities will be hampered and disrupted. The purpose of this study is to compare the performance of the BiLSTM and CNN-LSTM models in estimating sea water levels at Merak Port based on the results of the parameter analysis used. The steps begin with collecting, processing data, training the model, and analyzing the model. The data used is daily sea water level data over a period of six years from 2019 to 2024. Evaluation of MSE, MAE and RMSE values ​​is used to see the performance of the two models. From this study, the BiLSTM model produced values ​​of 0.0026 (MSE), 0.0224 (MAE), and 0.0512 (RMSE), the CNN-LSTM model values ​​of 0.0044 (MSE), 0.0319 (MAE), and 0.0664 (RMSE), it can be seen that BiLSTM method has more optimal in predicting sea water levels of Merak Port.
Co-Authors Chairani Chairani handoyo widi nugroho Sriyanto Sriyanto