Article Per Year (5 Year)
p-Index From 2019 - 2024
2.86
P-Index
This Author published in this journals
All Journal Jurnal Ilmu dan Teknologi Kelautan Tropis Jurnal Perikanan dan Kelautan Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik INVOTEC Jurnal Pendidikan Geografi: Kajian, Teori, dan Praktik dalam Bidang Pendidikan dan Ilmu Geografi Jurnal Teknologi dan Sistem Komputer SemanTIK : Teknik Informasi Jurnal Pengabdian Pada Masyarakat Georafflesia : Artikel Ilmiah Pendidikan Geografi J SIG (Jurnal Sains Informasi Geografi) PENA AKUATIKA : JURNAL ILMIAH PERIKANAN DAN KELAUTAN Jurnal Teknologi Informasi dan Komunikasi Jurnal Mandala Pengabdian Masyarakat Jurnal Kemaritiman: Indonesian Journal of Maritime JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer
Willdan Aprizal Arifin
Universitas Pendidikan Indonesia
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Comparison of Chlorophyll-a Concentrations Before and After Tsunami. Case study: Palu Bay, Central Sulawesi Apriansyah, Muhamad Renaldi; Zamil, Acep Saepul; Septiantina, Shinta; Lestari, Della Ayu; Arifin, Willdan Aprizal
Jurnal Perikanan dan Kelautan Vol 27, No 1 (2022): February
Publisher : Fakultas Perikanan dan Kelautan Universitas Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31258/jpk.27.1.12-15

Abstract

Chlorophyll-a is an indicator of the abundance of phytoplankton in the waters that play a role in the photosynthesis process. Chlorophyll-a measurement can be done in two ways, namely conventional and the use of remote sensing technology. This research method utilizes remote sensing technology Landsat 8 imagery processed using ER Mapper 7.1 software. The purpose of this study is to inform the comparison of chlorophyll-a before and after the tsunami disaster in the waters of Palu Bay, Central Sulawesi Province. The results showed that these waters had increased the abundance of phytoplankton after the tsunami disaster
Rancangan Jaringan Internet Nirkabel untuk Desa Nelayan dan Daerah Wisata Pantai Sawarna Taufiq Ejaz Ahmad; Ishak Ariawan; Willdan Aprizal Arifin; Amien Rais; Dhea Dhea Azhari
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2021): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 11 2021
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keragaman indonesia secara geografis merupakan tantangan tersendiri bagi perkembangan teknologi yang memiliki dampak perubahan secara siknifikan, dengan salah satu tantangan utama berupa tidak tersedianya aksebilitas jaringan internet pada wilayah dengan keragaman kontur yang sangat tinggi. Desa sawarna merupakan salah satu daerah yang tidak memiliki ketersediaan aksebilitas jaringan internet yang disebabkan oleh keragaman kontur, dengan potensi pariwisata bahari dan perikanan dari desa nelayan kecil, sektor pariwisata dan perikanan ini dapat ditingkatkan seandainya tersedia aksebilitas internet yang memadai. Paper bertujuan untuk merancang bagaimana skema membangun internet nirkabel yang efektif bagi wilayah dengan keragaman kontur yang tinggi, dengan menggunakan dua tools berupa pengecekan jaringan pada lokasi terkait serta aplikasi cloud perancangan jaringan. Paper ini berhasil merancang jaringan nirkabel yang memadai pada wilayah Desa Sawarna, dengan coverage yang memadai pada bagian pantai yang menjadi daya Tarik pariwisata, serta permukiman desa nelayan.Kata kunci: Internet, Nirkabel, Pariwisata, Rancangan, Teknologi
IDENTIFIKASI SPESIES MANGROVE MENGGUNAKAN ALGORITME RANDOM FOREST Ishak Ariawan; Ayang Armelita Rosalia; Luthfi Anzani; Wildan Aprizal Arifin; La Ode Alam Minsaris; Lukman Lukman
Jurnal Kemaritiman: Indonesian Journal of Maritime Vol 2, No 2 (2021): Desember 2021
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Identifikasi komposisi spesies mangrove adalah topik yang penting dalam manajemen dan konservasi ekosistem pesisir. Biodiversitas spesies mangrove berpengaruh terhadap keberlangsungan dan keseimbangan entitas-entitas yang terkait di dalam ekosistemnya. Penelitian ini bertujuan untuk menggali potensi Machine Learning untuk mengidentifikasi spesies mangrove. Secara spesifik, algortime Random Forest digunakan untuk mengklasifikasikan enam spesies mangrove, yaitu: Avicennia eucalyptifolia, Bruguiera gymnorrhiza, Rhizophora apiculata, Rhizophora mucronata, Unrecorded Sp., dan Xylocarpus granatum. Beberapa pendekatan dilakukan untuk memperkuat kinerja algoritme Random Forest, yaitu preprocessing (SMOTE) dan normalisasi min-max untuk menyeimbangkan distribusi data. Hasil tahap ini menunjukkan bahwa proyeksi dari rentang normalisasi (interval 0-1) tidak berpengaruh dalam mereduksi pola data secara dimensional. Setelah preprocessing dan normalisasi data, lima atribut (spesies, wood density, diameter at beast height, total of above ground biomass, dan below-ground root) diklasifikasi dan dianalisis dengan spesies sebagai atribut target. Pembangunan parameter model didasarkan pada jumlah total dari hasil SMOTE dengan menetapkan 100 dan 500 sebagai jumlah pohon tunggal dan 1000  sebagai jumlah node dan peubah prediktor default. Hasil akhir menunjukkan bahwa algortime Random Forest memperoleh nilai evaluasi yang optimal dengan rata-rata 99.97% menggunakan jumlah pohon tunggal dan cut-off yang telah ditetapkan. Akurasi maksimal yaitu 100% diperoleh dari jumlah pohon tunggal dan cut-off dengan ukuran sebagai berikut: (1) 500 dan 80:20; (2) 500 dan 90:10; dan (3) 100 dan 80:20. Hasil ini menunjukkan bahwa algortime Random Forest sangat efektif untuk diterapkan sebagai metode pengklasifikasi Machine Learning dalam menentukan spesies mangrove.
Model Prediksi Pasang Surut Air Laut Pada Stasiun Pushidrosal Bakauheni Lampung Menggunakan Support Vector Regression Willdan Aprizal Arifin; Ishak Ariawan; Ayang Armelita Rosalia; Agung Setyo Sasongko; Muhamad Renaldi Apriansyah; Ahmad Satibi
Jurnal Kemaritiman: Indonesian Journal of Maritime Vol 2, No 2 (2021): Desember 2021
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu wilayah yang memiliki stasiun pengamatan pasang surut air laut di Indonesia adalah Bakauheni, Lampung. Pasang surut merupakan suatu fenomena pergerakan naik turun permukaan air laut secara berkala pada waktu tertentu. Pasang surut air laut dapat mempengaruhi kegiatan masyarakat disekitar pesisir, oleh karena itu dengan teknologi saat ini melalui bidang ilmu Machine Learning, melakukan proses prediksi terhadap ketinggian pasang surut air laut dapat menjadi solusi untuk kelancaran kegiatan masyarakat yang dilakukan di laut. Dengan memanfaatkan data pasang surut yang direkam secara realtime di stasiun pengamatan pushidrosal bakauheni Lampung dapat dilakukan pemodelan prediksi. Data yang digunakan adalah data rekaman yang terkumpul dari tahun 2016 sampai dengan tahun 2019. Data tersebut kemudian dibagi menjadi data latih dan data uji untuk selanjutnya dibentuk menjadi model prediksi. Pembentukan model prediksi dilakukan dengan algoritme Support Vector Regression dengan kernel Radial Basis Function (RBF). Berhasarkan hasil tuning parameter yang dilakukan pada parameter gamma, menghasilkan nilai terbaik menggunakan parameter gamma sebesar 1000. Nilai RMSE yang dihasilkan pada parameter gamma tersebut adalah 0.4938244 dengan nilai korelasinya yang diperoleh adalah 0.9202879. Berdasarkan hasil tersebut, model prediksi yang dibentuk dianggap cukup baik dalam melakukan prediksi terhadap  pasang surut air laut pada stasiun pushidrosal bakauheni, Lampung.
Website E-Commerce sebagai Media Promosi Penjualan Pengolahan Hasil Laut Kelompok Istri-Istri Nelayan di Karangantu Novi Sofia Fitriasari; Ayang Armelita Rosalia; Luthfi Anzani; Della Ayu Lestari; Kukuh Widiyanto; Wildan Aprizal Arifin; Denta Tirtana; Fawaz Fawaz; Cakra Rahardjo
Jurnal Pengabdian Pada Masyarakat Vol 5 No 4 (2020)
Publisher : Universitas Mathla'ul Anwar Banten

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30653/002.202054.669

Abstract

E-COMMERCE WEBSITE AS A MEDIA FOR PROMOTING SALES OF FISHERMEN’S WIFE GROUP SEAFOOD PROCESSING IN KARANGANTU. Currently fish caught from husbands who work as fishermen can only be marketed fresh, and if they are not sold, they will be discarded or used as animal feed. Fish product development processing is being carried out by agencies for groups of fishermen’s wives. We carried out community service by marketing team that can help increase fishermen household income. Marketing strategy is by creating a website. The objectives of community service through this activity are as follows: (a) Introducing fishermen’s wives to information media for sales, (b) Creating Banten Bahari E-Commerce Website (BAHARI) which later can be used as marketing media by fisherman wives. Method to achieve the first goal is by community education, and for online we use the Waterfall method. The socialization of online media introduction for marketing marine products in Karangantu was well responded by fishermen’s wives. Making the BAHARI website is one of promotional media that fishermen’s wives can use in the future.
Automatic Geographic Information System algorithm for temporal mangrove observation: A case study in Gopek Beach, North Banten Della Ayu Lestari; Willdan Aprizal Arifin; Novi Sofia Fitriasari; Taufiq Ejaz Ahmad; Amien Rais; Dhea Rahma Azhari
Jurnal Pendidikan Geografi: Kajian, Teori, dan Praktek dalam Bidang Pendidikan dan Ilmu Geografi Vol 27, No 2 (2022)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um017v27i22022p163-174

Abstract

Temporal observation is a series of processes started by collecting the necessary data, which is then processed, so that valid information is obtained to support the right decision. To increase the ease of data collection, an automatic algorithm is needed to increase efficiency, shorten the time, and reduce the required resources. The automatic algorithm based on the geographic information system developed in this study was applied to monitoring mangrove forests in Gopek Beach, located on the north coast of Serang, Banten. Using the cloud computing process from an automatic algorithm, the results of vegetation monitoring showed increased efficiency in time and resources. Thus, this study can be used for Geographic Information Systems learning materials in schools or universities.
Analisis Perubahan Luasan Vegetasi Mangrove Berdasarkan Penginderaan Jauh dan Bisnis Intelijen Di Kawasan Muara Angke Alya Dina Wilujeung; Haekal Ghossan Firdaus; Ita Arianti; Ayang Armelita; Willdan Afrizal Arifin
Pena Akuatika Jurnal Ilmiah Perikanan Dan Kelautan Vol 21, No 1 (2022): PENA AKUATIKA JURNAL ILMIAH PERIKANAN DAN KELAUTAN
Publisher : Fakultas Perikanan Universitas Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31941/penaakuatika.v21i1.1572

Abstract

Pesisir Muara Angke merupakan wilayah pesisir metropolitan yang masih memiliki ekosistem hutan mangrove terjaga dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk mengetahui perubahan luas tutupan vegetasi mangrove tahun 2013, 2017, dan tahun 2020 di wilayah pesisir utara Jakarta khususnya di Daerah Muara Angke. Penelitian ini dilakukan di Muara Angke, Jakarta Utara (6°6′21″LS dan 106°46′29.8″BT) dengan pengambilan data spasial Citra Landsat 8 pada periode 25 Agustus 2013, 19 Juli 2017, dan 22 April 2020. Hasil penelitian menunjukkan bahwa luas vegetasi mangrove di Muara Angke pada tahun 2013, 2017, dan 2020 mengalami sebaran peningkatan dan penurunan yang dinamis. Faktor penyebab perluasan dan pengurangan pada beberapa titik lokasi mangrove lebih disebabkan oleh kondisi lingkungan sekitar. Luas Vegetasi mangrove di muara angke pada tahun 2013 adalah 140,9529704 ha, tahun 2017 sebesar 208,675 ha, dan pada tahun 2020 sebesar 300,8701047 ha. Banyak faktor yang menyebabkan perubahan tersebut diantaranya pengalihan fungsi lahan hutan mangrove di kawasan Jakarta Utara menjadi tempat pemukiman, pusat pemerintahan, rekreasi, pendidikan dan lain-lain menjadikan ancaman bagi ekosistem hutan mangrove. Kesimpulan yang dapat dijelaskan dari penelitian ini adalah, terjadi pengurangan dan penambahan jumlah luasan mangrove di beberapa titik pada pesisir Muara Angke dari tahun 2013, 2017, dan 2020 yang kemungkinan besar disebabkan oleh alih fungsi lahan hutan mangrove di kawasan Jakarta Utara sebagai tempat sosial masyarakat sekitar.Kata kunci: Analisis, Faktor, Landsat 8, Mangrove, Muara Angke.
STATUS SEBARAN DAN KERAPATAN KANOPI MANGROVE DI PULAU TOBEA BESAR SULAWESI TENGGARA MENGGUNAKAN DATA SATELIT LANDSAT 8 Kiffah Kayyisah Ahmad; Kiran Aulia Putri; Alya Dina Wilujeung; Della Ayu Lestari; Willdan Aprizal Arifin
Pena Akuatika Jurnal Ilmiah Perikanan Dan Kelautan Vol 20, No 2 (2021): PENA AKUATIKA JURNAL ILMIAH PERIKANAN DAN KELAUTAN
Publisher : Fakultas Perikanan Universitas Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31941/penaakuatika.v20i2.1363

Abstract

AbstrakPenelitian terapan ini merupakan penelitian yang bertujuan untuk mengkaji dan menganalisis sebaran dan luasan hutan mangrove. Data yang diolah pada penelitian ini menggunakan citra satelit Landsat 8/ETM+ sehingga hasil dari penelitian ini didapati struktur jenis komunitas hutan mangrove di Pulau Tobea Besar. Proses identifikasi mangrove dilakukan melalui penggunaan band RGB 564, RGB 453 serta RGB dari band buatan yaitu RGB 53/24/2. Pengolahan digital untuk setiap data set meliputi seleksi fusi multispektral, penajaman, dan pemfilteran. Penentuan citra subset (cropping) dilakukan untuk mengakomodasikan ukuran citra sesuai dengan ukuran lokasi penelitian untuk menentukan sebaran, luasan dan perubahannya. Analisis kerapatan mangrove dilakukan dengan menggunakan formula NDVI. Berdasarkan hasil penelitian bahwa untuk kerapatan kanopi mangrove memiliki nilai yang sama yaitu mangrove dengan sebaran kanopi yang rapat, tidak adanya daerah yang memiliki daerah sebaran kanopi mangrove untuk nilai yang jarang maupun sedang.Kata kunci: Kerapatan, Landsat 8, Mangrove, Sebaran  AbstractThis applied research is a study that aims to study and analyze the distribution and extent of mangrove forests. The data processed in this study using satellite imagery landsat 8/ETM+ so that the results of this study found the structure of mangrove forest community types in Tobea Besar Island. Mangrove identification process is done through the use of RGB band 564, RGB 453 and RGB from artificial bands namely RGB 53/24/2. Digital processing for each data set includes multispectral fusion selection, sharpening, and filtering. Determination of subset imagery (cropping) is done to accommodate the size of the image according to the size of the research site to determine the spread, extent and changes. Mangrove density analysis is done using the NDVI formula. Based on the results of the study, the mangrove canopy density has the same value that is mangrove with a tight spread of canopy, the absence of areas that have mangrove canopy distribution areas for rare or moderate value.Keywords: Density, Landsat 8, Mangrove, Distribution
ANALISIS KANDUNGAN KLOROFIL-A SEBAGAI FISHING GROUND POTENSIAL (IKAN PELAGIS KECIL) DI SEKITAR PERAIRAN DESA SUNGSANG KABUPATEN BANYUASIN PROVINSI SUMATERA SELATAN Cakra Rahardjo; Willdan Aprizal Arifin; Della Ayu Lestari; Abdul Malik; Shafa Salsabilla Buchori Salsabilla Buchori
Pena Akuatika Jurnal Ilmiah Perikanan Dan Kelautan Vol 20, No 2 (2021): PENA AKUATIKA JURNAL ILMIAH PERIKANAN DAN KELAUTAN
Publisher : Fakultas Perikanan Universitas Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31941/penaakuatika.v20i2.1388

Abstract

Adanya zat hijau pada tumbuhan sebagai warna yang paling menonjol yaitu warna hijau yang disebut klorofil. Klorofil memiliki fungsi sebagai salah satu parameter yang sangat menentukan produktivitas primer yang ada di laut, pengukuran klorofil sangat penting dilakukan karena kadar klorofil dalam suatu volume air laut tertentu merupakan suatu ukuran bagi biomassa tumbuhan yang terdapat pada suatu perairan tersebut. Ketersediaan nutrient dan intensitas cahaya matahari yang cukup sanagat mempengaruhi konsentrasi dari klorofil-a. Penelitian ini menggunakan metode deskriptif kualitatif, dengan pengumpulan data yaitu menggunakan metode studi literatur. Berdasarkan hasil analisis, diketahui bahwa tingginya kandungan klorofil-a di perairan sekitar Desa Sungsang berkisar antara 5,10- 6,32 mg/m3. Kandungan klorofil rata-rata sangat tinggu sekitar 5,355 mg/ m3. Perbedaan nilai konsentrasi klorofil-a dan suhu permukaan laut, dikarenakan adanya hembusan angin di pesisir pantai sehingga nutrient terangkat.
Data scaling performance on various machine learning algorithms to identify abalone sex Willdan Aprizal Arifin; Ishak Ariawan; Ayang Armelita Rosalia; Lukman Lukman; Nabila Tufailah
Jurnal Teknologi dan Sistem Komputer Volume 10, Issue 1, Year 2022 (January 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2021.14105

Abstract

This study aims to analyze the performance of machine learning algorithms with the data scaling process to show the method's effectiveness. It uses min-max (normalization) and zero-mean (standardization) data scaling techniques in the abalone dataset. The stages carried out in this study included data normalization on the data of abalone physical measurement features. The model evaluation was carried out using k-fold cross-validation with the number of k-fold 10. Abalone datasets were normalized in machine learning algorithms: Random Forest, Naïve Bayesian, Decision Tree, and SVM (RBF kernels and linear kernels). The eight features of the abalone dataset show that machine learning algorithms did not too influence data scaling. There is an increase in the performance of SVM, while Random Forest decreases when the abalone dataset is applied to data scaling. Random Forest has the highest average balanced accuracy (74.87%) without data scaling.
Co-Authors Agung Setyo Sasongko Ahmad Beryliumsyah Ikmaludin Ahmad Satibi Ahmad Satibi Alya Dina Wilujeung Alya Dina Wilujeung Amien Rais Amien Rais Andre Aprinaldo Ani Anisyah Apriansyah, Muhamad Renaldi Ayang Armelita Cakra Rahardjo cakra rahardjo Della Ayu Lestari Dhea Dhea Azhari Dhea Rahma Azhari Dhea Rahma Azhari Fawaz Fawaz Fernaldy Akbar Faudzan Futriansyah Lipalda Haekal Ghossan Firdaus Hari Din Nugraha Herli Salim Ishak Ariawan Ita Arianti Kiffah Kayyisah Ahmad Kiran Aulia Putri Kiran Aulia Putri Kukuh Widiyanto La Ode Alam Minsaris Lukman Lukman Lukman Lukman Lukman Luthfi Anzani Muhamad Renaldi Apriansyah Nabila Tufailah Nabila Tufailah Novi Sofia Fitriasari Nurjanah, Nurjanah Pardip Maulana Septiantina, Shinta Shafa Salsabilla Buchori Salsabilla Buchori Tarigan, Daniel Julianto Taufiq Ejaz Ahmad Tirtana, Denta Titania Ferodova Shonda Yoga Estu Nugraha Nugraha Zamil, Acep Saepul