Penelitian ini bertujuan untuk mengukur Indeks Standar Pencemaran Udara (ISPU) di Bandar Udara Blimbing Banyuwangi dan memprediksi ISPU menggunakan algoritma
Random Forest. Data polusi udara yang terdiri dari konsentrasi O3, CO, NO2, SO2, PM2.5, dan PM10 dikumpulkan dari stasiun pemantauan udara di bandara selama periode 15-30 April 2024. Pengukuran ISPU dilakukan berdasarkan rumus yang telah ditetapkan oleh otoritas terkait. Analisis data dilakukan dengan menggunakan pendekatan statistik dan algoritma komputasi. Hasil penelitian menunjukkan bahwa kualitas udara di bandara cenderung berada dalam kategori "Sedang", dengan beberapa hari masuk dalam kategori "Baik". Algoritma Random Forest efektif dalam memprediksi ISPU berdasarkan data polusi udara yang ada. Temuan ini memberikan pemahaman yang lebih baik tentang polusi udara di Bandar Udara Blimbing Banyuwangi dan dapat digunakan untuk meningkatkan pengelolaan polusi udara di bandara dan daerah sekitarnya.
Penelitian ini mengusulkan pengembangan alat bleeding hydraulic brake otomatis yang dirancang khusus untuk pesawat Cessna, mempertimbangkan kondisi lingkungan kerja yang terbatas di dalam pesawat serta standar keamanan dan kinerja yang ketat. Alat yang diusulkan akan memungkinkan proses pendarahan sistem rem hidrolik menjadi lebih efisien dan andal, mengurangi ketergantungan pada intervensi manual yang rentan terhadap kesalahan manusia. Dengan memanfaatkan teknologi otomatisasi, diharapkan dapat meningkatkan efisiensi operasional pesawat Cessna, mengurangi waktu yang diperlukan untuk pemeliharaan, dan secara keseluruhan meningkatkan keselamatan penerbangan. Selain itu, alat ini juga diharapkan dapat mengurangi risiko tumpahan hydraulic fluid dan memperbaiki kinerja sistem rem secara menyeluruh melalui pengecekan cavitasi atau terjadinya bubble yang dapat mengurangi kemampuan pesawat dalam melakukan pengereman yang baik. Hal ini merupakan faktor krusial dalam menjaga operasi pesawat secara optimal. Dengan pendekatan ini, penelitian ini berpotensi memberikan kontribusi signifikan terhadap pengembangan teknologi dalam industri penerbangan, khususnya dalam bidang pemeliharaan dan keamanan pesawat Cessna.
Penelitian ini menginvestigasi hubungan antara ketinggian permukaan laut dan berbagai faktor lingkungan di Teluk Pangpang, Indonesia, menggunakan teknik pemodelan berbasis Artificial Neural Network (ANN) dan Convolutional Neural Network
(CNN). Data harian tentang ketinggian permukaan laut, cuaca, dan oseanografi dikumpulkan dari periode 1 hingga 15 April 2024. Analisis dilakukan terhadap faktorfaktor yang mempengaruhi tinggi permukaan air laut dan evaluasi kinerja model prediksi.
Temuan menunjukkan pola historis perubahan tinggi permukaan laut, dipengaruhi oleh
variabilitas kondisi meteorologi dan oseanografi. Meskipun model ANN dan CNN memiliki
tingkat akurasi yang bervariasi, keduanya menunjukkan potensi dalam memprediksi
ketinggian permukaan laut dengan mempertimbangkan faktor-faktor lingkungan. Rekomendasi termasuk pengembangan model prediksi yang lebih canggih, pengamatan data yang lebih mendalam, integrasi informasi multidisiplin, pemantauan lingkungan yang berkelanjutan, dan kolaborasi stakeholder. Diharapkan penelitian ini dapat memberikan kontribusi dalam pemahaman dan pengelolaan resiko perubahan lingkungan yang berkaitan dengan ketinggian permukaan laut di Teluk Pangpang
