Estimasi Tinggi Muka Air Menggunakan Neural Network dengan GRG Nonlinear dan ADAM pada Wilayah Hilir POS Bojonegoro

2024-01-25T10:25:36+08:00

ABSTRAK

Wilayah hilir Pos Bojonegoro merupakan salah satu wilayah yang memerlukan estimasi tinggi muka air secara akurat untuk mencegah terjadinya banjir dan pengelolaan air secara efektif. Pemanfaatan Neural Network dalam pemodelan hidrologi sebagai solusi untuk meningkatkan akurasi estimasi tinggi muka air di wilayah hilir Pos Bojonegoro. Dengan tujuan menggunakan metode Neural Network dalam memprediksi dengan akurat tinggi muka air sungai di wilayah hilir Pos Bojonegoro. Keunggulan Neural Network terletak pada efisiensinya dalam perhitungan cepat dan kemampuannya menangani data tidak stabil yang umumnya ditemui dalam prakiraan cuaca. Hasil estimasi untuk bulan Januari hingga September 2023 menghasilkan nilai MSE 3.4424465503109847 dan MAPE 17.875026297198314%. Hasil evaluasi menunjukkan bahwa model Neural Network memiliki tingkat ketepatan yang baik dalam memprediksi tinggi muka air, ditunjukkan oleh nilai MSE yang relatif rendah. Selain itu, tingkat kesalahan yang rendah, sebagaimana tercermin dari nilai MAPE, mengindikasikan kualitas yang baik dalam peramalan tinggi muka air. Hasil penelitian ini memberikan kontribusi penting dalam pengembangan metode estimasi tinggi muka air yang akurat, memberikan landasan untuk pengambilan keputusan yang efektif dalam manajemen sumber daya air dan risiko banjir di wilayah hilir Pos Bojonegoro.

ABSTRACT

The downstream area of Bojonegoro Post is one of the regions requiring accurate water levels estimates to prevent floods and manage water effectively. The utilization of Neural Network in hydrological modeling serves as a solution to enhance the accuracy of water level estimation in the downstream area of Bojonegoro Post. The aim is to use the Neural Network method for accurately predicting river water levels in the downstream area of Bojonegoro Post. The advantage of Neural Network lies in its efficiency in quick calculations and its ability to handle unstable data commonly encountered in weather forecasting. The estimation results for January to September 2023 yielded an MSE value of 3.4424465503109847 and MAPE of 17.875026297198314%. Evaluation results indicate that the Neural Network model demonstrates a high level of accuracy in predicting water levels, as evidenced by the relatively low MSE value. Additionally, the low error rate, as reflected in the MAPE value, indicates a good quality in forecasting water levels. This research contributes significantly to the development of accurate water level estimation methods, providing a foundation for effective decision-making in water resource management and flood risk in the downstream area of Bojonegoro Post.

Analisis Bukti Digital Forensik Pada Aplikasi Facebook Messenger Dan Twitter Berbasis Android Menggunakan Proses DFRWS(Studi Kasus: Pencemaran Nama Baik)

2024-02-07T11:32:25+08:00

ABSTRAK

Perkembangan teknologi pada saat ini berkembang sangat pesat terutama untuk proses pertukaran informasi yang juga berpengaruh besar terhadap perkembangan teknologi pada telepon genggam atau smartphone. Kemudahan dalam mengakses informasi melalui smartphone dapat dilakukan dengan efisien, cepat dan dapat dilakukan dimanapun termasuk melalui sosial media seperti Twitter dan Facebook Messenger. Namun kemudahan tersebut juga membawa dampak buruk berupa tindak kejahatan dunia maya. Salah satu cara untuk menanggulangi dan melakukan analisis investigasi kejahatan dunia maya yaitu dengan melakukan investigasi digital forensik, salah satunya dengan menggunakan proses Digital Forensic Research Workshop (DFRWS). DFRWS merupakan proses pada forensik digital yang dapat membantu mendapatkan bukti dan mekanisme terpusat untuk merekam informasi yang dikumpulkan dimana porses tersebut memiliki 6 (enam) langkah yaitu identification, preservation, collection, examination, analysis dan presentation. Tujuan dari penelitian ini yaitu untuk mendapatkan butki digital pada kasus pencemaran nama baik di 2 (dua) platform media sosial yaitu Facebook Messenger dan Twitter dengan menggunakan proses DFRWS serta melewati proses investigasi model DFRWS. Hasil dari penelitian ini yaitu sebuah bukti digital yang berhasil diperoleh berupa isi unggahan dan isi percakapan.

ABSTRACT

The rapid development of technology in today's world has dramatically impacted information exchange, mainly through mobile phones or smartphones. Accessing information through smartphones is efficient, fast, and can be done anywhere, including via social media platforms like Twitter and Facebook. However, this convenience also brings negative consequences in the form of cybercrimes. One way to combat and analyze cybercrimes is through digital forensic investigation, including the Digital Forensic Research Workshop (DFRWS) process. DFRWS is a digital forensic process that helps obtain evidence and provides a centralized mechanism for collecting and preserving information. This process consists of six steps: identification, preservation, collection, examination, analysis, and presentation. This research aims to obtain digital evidence in a defamation case on two social media platforms: Facebook Messenger and Twitter. The DFRWS process is applied, following the investigative model of DFRWS. The outcomes of this research include digital evidence in the form of post content and conversation content.

Jurnal Media Pratama

Estimasi Tinggi Muka Air Menggunakan Neural Network dengan GRG Nonlinear dan ADAM pada Wilayah Hilir POS Bojonegoro

Analisis Bukti Digital Forensik Pada Aplikasi Facebook Messenger Dan Twitter Berbasis Android Menggunakan Proses DFRWS(Studi Kasus: Pencemaran Nama Baik)