Salah satu alat untuk peringatan dini tsunami, IDSL (Inexpensive Device for Sea Level Measurement) atau PUMMA (Perangkat Ukur Murah untuk Muka Air laut) yang merupakan sebuat stasiun pasang surut real-time telah terpasang di Pantai Pangandaran sejak Oktober 2019. Tulisan ini bertujuan untuk menganalisa kinerja IDSL/PUMMA berdasarkan parameter-parameter penting untuk peringatan dini tsunami seperti kerapatan data, kecepatan transmisi data, kualitas gambar CCTV camera, dan kemampuan memberikan peringatan dini itu sendiri. Data selama 9 bulan pertama berhasil dianalisa berdasarkan parameter-parameter tersebut diperkuat dengan pemodelan tsunami di Selatan Jawa menggunakan model numrik COMCOT. Hasil analisa memperlihatkan bahwa IDSL/PUMMA bekerja dengan baik dengan memberikan data valid dengan kerapatan setiap 10 detik sebanyak lebih dari 91% dengan kecepatan transmisi data di bawah 25 detik (99%). Sementara itu, gambar CCTV camera dengan kualitas baik dan sedang mencapai 69%. Berdasarkan hasil pemodelan tsunami, deteksi langsung anomali muka air tidak dapat dilakukan kurang dari 5 menit. Namun, peringatan dini tsunami berpotensi dikeluarkan melalui guncangan atau pergerakan anjungan stasiun pasang surut yang diakibatkan oleh gempabumi. Berdasarkan hasil analisa kinerja secara keseluruhan,  IDSL/PUMMA dan sistem sejenis lainnya sangat layak untuk dijadikan penguat sistem peringatan dini tsunami di Indonesia.

Garam merupakan salah satu komoditas strategis, karena selain merupakan kebutuhan pokok manusia, garam juga digunakan sebagai bahan baku industri. Indonesia adalah salah satu negara yang memproduksi garam, namun Indonesia belum dapat memenuhi kebutuhan garam dalam negerinya sendiri. Kementerian Kelautan dan Perikanan (KKP) setiap tahun menargetkan produksi garam, dan sering kali target dan realisasi produksi garam tidak tercapai. Untuk meminimalkan resiko kerugian petambak garam dan bahan pertimbangan untuk menjaga neraca garam dibuatlah Sistem Cerdas Pendugaan Produksi garam dengan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Sistem kerja dalam penelitian ini dengan tiga variable: curah hujan, nino 34 dan dipole mode, dataset tersebut akan dibagi menjadi data training dan data testing. Data training digunakan sebagai prediktor sistem ANFIS sedangkan data testing digunakan untuk mengukur akurasi prediksi yang dihasilkan oleh ANFIS. Pengukuran tingkat akurasi menggunakan metode Root Means Square Error (RMSE) yang menunjukkan keakurasinya cukup baik mendekati nilai produksi garam.

No abstract