Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Djtechno: Jurnal Teknologi Informasi
Hasinah, Lutfiah Nur
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
PREDIKSI KEHILANGAN FUNGSI SUNGAI KAPUAS DENGAN METODE LSTM Deolika, Agatha; Hasinah, Lutfiah Nur; Iqbal, Muhammad; Aripin, Muhammad Nor
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7736

Abstract

Sungai merupakan elemen vital yang menyediakan layanan ekosistem krusial, namun akibat aktivitas antropogenik dan perubahan iklim yang memicu degradasi dan kehilangan fungsinya. Kemampuan untuk memprediksi tren kehilangan fungsi ini sangat penting untuk pengelolaan sumber daya air yang berkelanjutan. Penelitian ini mengembangkan model prediksi menggunakan Long Short-Term Memory (LSTM) untuk menganalisis dan memprediksi kehilangan fungsi sungai, dengan fokus pada data deret waktu dan parameter Tinggi Muka Air (TMA). Kinerja model dievaluasi menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE). Pada penelitian ini berhasil menunjukkan model Long Short-Term Memory (LSTM) dapat digunakan untuk memprediksi Kehilangan Sungai berdasarkan TMA dengan hasil yang cukup baik. Model ini dirancang dan diuji dengan 3 epoch untuk mendapatkan model terbaik. Evaluasi model dengan Epoch 250 menunjukkan Tingkat kesalahan yang kecil, yaitu nilai RMSE 0.3510155365489343 dan MEA 0.2623874575751168, dan MAPE sebesar 4,73%. Prediksi model menunjukkan pola yang lumayan mirip dengan data aslinya. Walaupun hari ke-14 sampai ke-23 menunjukan nilai yang berbanding tebalik yang dipengaruhi beberapa factor seperti perubahan curah hujan yang tidak konsisten, tetapi secara keseluruahan LSTM sudah mampu memprediksi TMA.
IMPLEMENTASI METODE NAIVE BAYES UNTUK KLASIFIKASI KUALITAS AIR BERSIH DI SUNGAI KAHAYAN hasinah, lutfiah nur; Deolika, Agatha; Wahyudi, Danish Rio; Afrilliska, Nisa
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7756

Abstract

Penelitian ini mengusulkan sebuah model klasifikasi untuk menentukan kualitas air bersih berdasarkan parameter pH, Dissolved Oxygen (DO), dan Total Dissolved Solids (TDS) menggunakan metode Naive Bayes. Penelitian dilakukan pada dataset air Sungai Kahayan, Kalimantan Tengah, yang penting sebagai sumber air baku bagi masyarakat sekitar. Dengan menganalisis data historis parameter kualitas air, model Naive Bayes diharapkan dapat mengklasifikasikan air ke dalam kategori 'bersih' atau 'tidak bersih' dengan akurasi tinggi. Hasil penelitian ini menghasilkan bahwa model naïve bayes sudah mampu melakukan klasifikasi dengan optimal berdasarkan hasil evaluasi yang dilakukan menggunakan confusion matrix. Pengujian dilakukan dengan bermacam jumlah dataset (100, 250, dan 500), dan menghasilkan data yang tidak konsisten. Data paling optimal Adalah dataset 100 data dangan Akurasi 100%, Recall 100%, dan Presisi 100%. Walaupun hasilnya kurang konsiten tetapi model sudah mampu mengklasifikasi dengan baik dan benar. Penelitian ini diharapkan dapat memberikan kontribusi dalam pemantauan kualitas air secara efektif dan mendukung pengambilan keputusan untuk pengelolaan sumber daya air.
Co-Authors Afrilliska, Nisa Agatha Deolika Aripin, Muhammad Nor Muhammad Iqbal Wahyudi, Danish Rio