📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 192 dokumenPREDICTING INTERFACIAL TENSION IN CHEMICAL ENHANCED OIL RECOVERY: A DATA-DRIVEN APPROACH USING MACHINE LEARNING MODELS
The increasing global energy demand necessitates efficient and optimized oil and gas production methods. Enhanced Oil Recovery (EOR) techniques, particularly chemical EOR (CEOR), offer a promising solution by injecting chemicals into reservoirs to modify the properties of the reservoir and the oil, thereby enhancing recovery. A critical factor in CEOR is Interfacial Tension (IFT), which prevents the mixing of fluid molecules. This research focuses on analyzing variables that affect IFT prediction to develop a predictive model using the KNIME machine learning tool. The optimal scenario identified excludes the Oil Solution Ratio (C1) and includes variable phase behavior, achieving an R² value of 0.916 and a Mean Absolute Percentage Error (MAPE) of 0.096%. This highly accurate model can predict IFT based on the input variables used in its development. Consequently, future IFT predictions and analyses can be efficiently conducted with minimal cost and time by simply inputting the necessary variables. This advancement streamlines the process, making CEOR more accessible and cost-effective.
STUDI KONFIGURASI AGREGAT LINIER NANO PARTIKEL MELALUI SPEKTRUM PENAMPANG HAMBURAN MENGGUNAKAN PEMBELAJARAN MESIN
Perkembangan teknologi cahaya berskala nano saat ini telah banyak dimanfaatkan, baik dalam segi kesehatan seperti membantu mendeteksi kanker maupun dalam bidang manipulasi cahaya seperti pemanduan gelombang. Dalam teknologi berskala nano ini, salah satu komponen yang dipergunakan adalah sistem nano partikel. Dari berbagai jenis struktur geometri, geometri bola merupakan geometri yang relatif mudah untuk disintesis dan dipelajari. Namun dalam sintesis nano partikel bola, kadang terjadi agregasi, misalnya agregasi rantai atau agregasi bergerombol. Namun untuk suatu aplikasi tertentu, salah satu bentuk agregasi lebih diinginkan daripada yang lainnya. Oleh karena itu, perlu suatu mekanisme yang cepat dan mudah, dimana setelah sintesis dapat ditentukan agregasi yang terjadi. Salah satu cara identifikasi sistem nano partikel serta aplikasinya adalah melalui hamburan cahaya pada sistem tertentu. Pada Tesis ini, dipelajari respon hamburan pada geometri bola berupa penampang lintang hambur menggunakan metode komputasi elektromagnetik berupa persamaan integral permukaan. Pada bagian pertama, ditinjau kasus satu bola hingga lima bola yang disusun secara linier. Didapatkan bahwa penampang lintang hambur sangat bergantung pada konfigurasi geometri penghambur, arah datang dan polarisasi dari gelombang iluminasi. Bergantung dari jenis konfigurasi dan arah serta polarisasi iluminasi, didapatkan kasus dengan penampang lintang hamburan dengan dua puncak yang cukup signifikan perbedaan nilainya, dan kasus lain diperoleh bentuk penampang hambur yang memiliki sebaran yang lebar dengan sebuah nilai puncak. Pada bagian kedua tesis ini, dibangun sistem pembelajaran mesin untuk mempelajari kasus hamburan dengan menyatakan sistem agregat linier bola-bola nano yang dibedakan menjadi tiga klasifikasi agregasi. Klasifikasi pertama adalah kasus bola-bola nano tidak beragregasi, klasifikasi kedua adalah terdapat beberapa bola-bola nano yang beragregasi dan ada yang tidak, serta klasifikasi ketiga adalah semua bola-bola nano beragregasi. Sistem pembelajaran mesin dilatih dengan menggunakan sebagian dari dataset berupa informasi mengenai konfigurasi agregat dan spektrum penampang lintang hamburannya. Sebagian dari dataset yang dimiliki dan tidak pergunakan untuk Latihan dipakai sebagai kasus uji bagi pembelajaran mesin yang dibuat. Ada enam algoritma yang digunakan dalam pembelajaran mesin ini,yakni Logistic Regression (LR), Linear Discriminant Analysis (LDA), K-nearest neighbors Classifier (KNN), Decision Tree Classifier (CART), Gaussian Naive Bayes (NB), dan Support Vector Machine (SVM). Hasil pembelajaran mesin pada kasus pengujian data bola tiga menggunakan model terlatih untuk satu, dua, empat, dan lima bola menunjukkan nilai akurasi data uji pada SVM sebesar 0,91 dan CART sebesar 0,90 dengan nilai akurasi data latih pada SVM sebesar 0,67 dan CART sebesar 0,52.
STUDI KONFIGURASI AGREGAT LINIER NANO PARTIKEL MELALUI SPEKTRUM PENAMPANG HAMBURAN MENGGUNAKAN PEMBELAJARAN MESIN
Perkembangan teknologi cahaya berskala nano saat ini telah banyak dimanfaatkan, baik dalam segi kesehatan seperti membantu mendeteksi kanker maupun dalam bidang manipulasi cahaya seperti pemanduan gelombang. Dalam teknologi berskala nano ini, salah satu komponen yang dipergunakan adalah sistem nano partikel. Dari berbagai jenis struktur geometri, geometri bola merupakan geometri yang relatif mudah untuk disintesis dan dipelajari. Namun dalam sintesis nano partikel bola, kadang terjadi agregasi, misalnya agregasi rantai atau agregasi bergerombol. Namun untuk suatu aplikasi tertentu, salah satu bentuk agregasi lebih diinginkan daripada yang lainnya. Oleh karena itu, perlu suatu mekanisme yang cepat dan mudah, dimana setelah sintesis dapat ditentukan agregasi yang terjadi. Salah satu cara identifikasi sistem nano partikel serta aplikasinya adalah melalui hamburan cahaya pada sistem tertentu. Pada Tesis ini, dipelajari respon hamburan pada geometri bola berupa penampang lintang hambur menggunakan metode komputasi elektromagnetik berupa persamaan integral permukaan. Pada bagian pertama, ditinjau kasus satu bola hingga lima bola yang disusun secara linier. Didapatkan bahwa penampang lintang hambur sangat bergantung pada konfigurasi geometri penghambur, arah datang dan polarisasi dari gelombang iluminasi. Bergantung dari jenis konfigurasi dan arah serta polarisasi iluminasi, didapatkan kasus dengan penampang lintang hamburan dengan dua puncak yang cukup signifikan perbedaan nilainya, dan kasus lain diperoleh bentuk penampang hambur yang memiliki sebaran yang lebar dengan sebuah nilai puncak. Pada bagian kedua tesis ini, dibangun sistem pembelajaran mesin untuk mempelajari kasus hamburan dengan menyatakan sistem agregat linier bola-bola nano yang dibedakan menjadi tiga klasifikasi agregasi. Klasifikasi pertama adalah kasus bola-bola nano tidak beragregasi, klasifikasi kedua adalah terdapat beberapa bola-bola nano yang beragregasi dan ada yang tidak, serta klasifikasi ketiga adalah semua bola-bola nano beragregasi. Sistem pembelajaran mesin dilatih dengan menggunakan sebagian dari dataset berupa informasi mengenai konfigurasi agregat dan spektrum penampang lintang hamburannya. Sebagian dari dataset yang dimiliki dan tidak pergunakan untuk Latihan dipakai sebagai kasus uji bagi pembelajaran mesin yang dibuat. Ada enam algoritma yang digunakan dalam pembelajaran mesin ini,yakni Logistic Regression (LR), Linear Discriminant Analysis (LDA), K-nearest neighbors Classifier (KNN), Decision Tree Classifier (CART), Gaussian Naive Bayes (NB), dan Support Vector Machine (SVM). Hasil pembelajaran mesin pada kasus pengujian data bola tiga menggunakan model terlatih untuk satu, dua, empat, dan lima bola menunjukkan nilai akurasi data uji pada SVM sebesar 0,91 dan CART sebesar 0,90 dengan nilai akurasi data latih pada SVM sebesar 0,67 dan CART sebesar 0,52. Kata kunci: agregat partikel nano, penampang lintang hamburan, pembelajaran mesin, dan persamaan integral permukaan.
ANALISIS DINAMIKA DAN PREDIKSI KEPESERTAAN BPJS KESEHATAN MENGGUNAKAN METODE RANTAI MARKOV
BPJS Kesehatan merupakan penyelenggara jaminan kesehatan sosial di Indonesia. Dengan sistem yang berbeda dari perusahaan asuransi umum, pada tahun 2023 kepesertaan BPJS Kesehatan telah mencakup 95,75% dari masyarakat Indonesia. Meskipun demikian, BPJS Kesehatan tetap harus mempertahankan kestabilan keuangan yang mana salah satu caranya melalui pengendalian pendapatan iuran. Iuran yang diperoleh BPJS Kesehatan tidak lagi relevan jika diprediksi menggunakan deret waktu, karena penambahan iuran tidak signifikan dipengaruhi oleh penambahan peserta. Oleh karena itu, dilakukan analisis terhadap peserta BPJS Kesehatan berdasarkan kategori kepesertaan yang secara tidak langsung mempengaruhi besaran iuran. Dengan menggunakan data mutasi peserta tahun 2017-2022, penelitian ini melakukan prediksi sebaran peserta berdasarkan kategori menggunakan metode rantai Markov yang diaplikasikan ke dalam sebuah program automasi dengan bahasa pemrograman Python. Sejalan dengan perhitungan prediksi, diperoleh matriks transisi yang menggambarkan peluang perpindahan di dalam kategori kepesertaan. Melalui matriks tersebut, dapat dilakukan analisis dinamika yang menghasilkan informasi berguna untuk strategi operasional perusahaan. Hasil prediksi menunjukkan bahwa metode rantai Markov memiliki akurasi tertinggi ketika menggunakan dataset satu tahun terakhir sebagai basis prediksi. Prediksi pada penelitian ini memiliki tingkat akurasi yang baik dengan RMSE sebesar 0,941% untuk memodelkan sebaran peserta.
PENENTUAN PUSAT LOGISTIK KEBENCANAAN DI PROVINSI JAWA BARAT DENGAN MENGGUNAKAN DIAGRAM VORONOI DAN ALGORITMA K-MEANS
Indonesia merupakan negara kepulauan yang memiliki kerentanan tinggi terhadap berbagai jenis bencana, baik bencana alam maupun non-alam. Provinsi Jawa Barat, khususnya, menghadapi ancaman bencana hidrometeorologi seperti banjir dan longsor, serta gempa bumi akibat lokasinya di zona tektonik aktif. Dalam penanganan kebencanaan khususnya bantuan bagi para korban diperlukan manajemen yang baik, yaitu adanya Pusat Logistik. Dimanakah sebaiknya lokasi Pusat logistik yang mampu memantau wilayah kabupaten dan kota di Jawa Barat? Untuk menjawab hal tersebut diatas maka dilakukan penelitian penentuan Pusat logistik kebencanaan di Jawa Barat dengan tujuan mengoptimalkan lokasi dan distribusi bantuan. Metodologi yang digunakan adalah dengan model Diagram Voronoi dan algoritma K-means. Diagram Voronoi berfokus pada penentuan luas daerah cakupan masing- masing pusat logistik kebencanaan. Teknik ini membagi ruang menjadi daerah- daerah berdasarkan jarak terdekat dari titik-titik tertentu yang disebut sebagai situs atau generator. Sementara algoritma K-means berfokus pada penentuan lokasi centroid optimal dari klaster-klaster pusat logistik kebencanaan yaitu mengelompokkan data ke dalam K klaster berdasarkan kesamaan atribut. Proses ini dimulai dengan penentuan centroid awal secara acak, kemudian secara iteratif memperbaiki lokasi centroid agar diperoleh klaster-klaster yang kompak dan terpisah satu sama lain. Dalam penelitian ini dilakukan evaluasi terhadap 27 kota/kabupaten di Jawa Barat, dengan menggunakan data populasi dan kebutuhan paket bencana, meliputi pangan, sandang, logistik lain, dan kematian. Dalam perhitungan di rancang skenario distribusi bantuan yang berbeda-beda, dengan mempertimbangkan kombinasi gudang penyimpanan dan Vendor management inventory (VMI). Hasil analisis menunjukkan bahwa skenario dengan lima pusat logistik, yang berlokasi di kota Bandung, kabupaten Bogor, kabupaten Tasikmalaya, kabupaten Cirebon dan kabupaten Karawang. Pusat logistik yang menggabungkan gudang utama, gudang menengah, dan VMI di lokasi strategis.
APLIKASI METODE KUANTIFIKASI ASIMETRI PASANG SURUT DI TELUK BULI DAN KORELASI DENGAN WAKTU BILASNYA
Perubahan morfologi menyebabkan penjalaran gelombang pasang surut dari perairan dalam memasuki perairan dangkal mengalami distorsi yang mengakibatkan durasi maupun kekuatan yang berbeda antara pasang dengan surut, yang kemudian disebut sebagai asimetri pasang surut. Sementara itu, di perairan perairan semi tertutup (teluk) terdapat proses pertukaran antara air dari laut lepas dan air di dalam teluk yang dapat dikuantifikasi sebagai waktu pembilasan. Penelitian ini bertujuan untuk mengkuantifikasi asimetri pasang surut dan waktu pembilasan di Teluk Buli serta mengkaji korelasi di antara keduanya. Asimetri pasang surut dihitung menggunakan metode statistik dan waktu bilas dihitung berdasarkan volume air yang keluar ketika surut. Penelitian ini menghasilkan skor asimetri di Teluk Buli sebesar ??????? menandakan bahwa Teluk Buli memiliki tipe asimetri dominansi surut. Selain itu, tipe asimetri di Teluk Buli bersifat homogen atau tidak bervariasi secara spasial. Teluk Buli memiliki waktu bilas selama ??? hari ketika pasang purnama dan ???? hari ketika pasang perbani, artinya terjadi pembilasan yang sempurna ketika pasang purnama sedangkan ketika pasang perbani pembilasan yang terjadi tidak sempurna. Meskipun arah korelasi antara skor asimetri tidak sesuai hipotesis awal, namun berdasarkan kekuatan korelasi ????? untuk kondisi purnama + perbani menghasilkan nilai ??? ? ???? tergolong korelasi sedang, atau terdapat hubungan yang substansial antara skor asimetri dengan waktu bilas. Sementara pada kondisi pasang purnama nilainya turun menjadi ??? ? ???? masih tergolong korelasi sedang dan untuk kondisi pasang perbani nilai korelasinya naik menjadi ??? ? ????? tergolong korelasi kuat, terdapat hubungan yang signifikan antara skor asimetri dengan waktu bilas ketika pasang perbani. Analisis lebih lanjut menunjukkan bahwa asimetri pasang surut berperan dalam fenomena pembilasan yang terjadi di Teluk Buli.
PERANCANGAN MODEL PREDIKSI CHURN NASABAH COMMERCIAL BANKING PADA BANK X DENGAN METODE DATA MINING
Produk X adalah layanan perbankan digital dari Bank X yang mengintegrasikan berbagai layanan seperti Cash Management, Trade Finance, dan Investment Services dalam satu platform untuk kemudahan nasabah usaha. Produk ini dioperasikan oleh Divisi Transaction Banking dan telah mencapai lebih dari 100.000 pengguna hingga kuartal keempat tahun 2023. Dalam pasar yang sangat kompetitif, dengan pesaing besar seperti bank besar Indonesia, mempertahankan nasabah menjadi sangat penting mengingat biaya akuisisi nasabah baru yang tinggi dibandingkan dengan mempertahankan yang sudah ada. Bank X menghadapi masalah churn, yaitu ketika nasabah menutup rekening atau rekening menjadi dormant. Tingkat churn nasabah Produk X mencapai 16% per Juli 2023, yang berada di atas rata-rata industri perbankan sebesar 10%. Ini menunjukkan kebutuhan mendesak untuk evaluasi dan peningkatan strategi retensi nasabah. Analisis 5-Whys mengidentifikasi kurangnya model prediksi churn sebagai akar masalah, menunjukkan perlunya pendekatan berbasis data untuk memprediksi churn dan mengembangkan strategi preventif. Penelitian ini menggunakan metodologi CRISP-DM untuk mengembangkan model prediksi churn dengan menganalisis data transaksi nasabah dari Januari hingga Juli 2023. Empat algoritma utama—Decision Tree, Random Forest, Adaptive Boosting, dan XGBoost— dievaluasi dan disempurnakan melalui hyperparameter tuning. Model XGBoost menunjukkan performa terbaik dengan nilai accuracy 74.66%, precision 81.51%, recall 87.34%, dan F-score 84.32%. Prototipe sistem prediksi churn berbasis Streamlit juga dikembangkan, memungkinkan pengguna untuk mengunggah data, melatih model, dan memprediksi churn. Penelitian ini diharapkan dapat membantu Bank X meningkatkan retensi nasabah dan efisiensi manajemen hubungan pelanggan.
PREDIKSI KEAUSAN RODA GERBONG TERBUKA 50 TON MENGGUNAKAN METODE SAINS DATA
Dalam industri perkeretaapian, keausan roda gerbong merupakan masalah penting yang dapat mempengaruhi kinerja operasional dan biaya pemeliharaan. Gerbong terbuka 50 ton sering mengalami keausan pada roda akibat penggunaan yang intensif dan kondisi lingkungan yang bervariasi. Ketidakmampuan untuk memprediksi keausan roda dengan tepat dapat menyebabkan penundaan dalam perawatan, peningkatan biaya operasional, dan bahkan risiko kecelakaan yang lebih tinggi. Oleh karena itu, diperlukan metode yang lebih akurat dan efisien untuk memprediksi keausan roda guna memastikan kelancaran operasi dan keselamatan kereta api. Data keausan roda dikumpulkan dari Depo Gerbong Besar A Muaragula yang berada di Divisi Regional III Palembang. Data tersebut mencakup pengukuran diameter roda dan keausan flens roda yang diambil setiap bulan. Data kemudian diolah dan dibersihkan untuk mengidentifikasi kesalahan dan inkonsistensi. Setelah itu, dilakukan analisis menggunakan model regresi untuk memprediksi laju keausan roda, termasuk model regresi linier, polinomial, autoregresif, dan moving average, untuk menangani data time series. Model regresi polinomial dengan orde dua memberikan hasil prediksi yang paling akurat dengan nilai RMSE yang rendah pada sebagian besar posisi roda. rentang RMSE yang didapatkan pada orde 2 adalah 0,24 – 0,84 mm. Model ini mampu memprediksi keausan roda dengan baik sehingga dapat digunakan untuk merencanakan kebutuhan suku cadang roda dalam jangka pendek. Beberapa anomali dalam data, seperti kesalahan pengukuran dan data yang hilang, juga ditemukan dan perlu diperhatikan dalam analisis lebih lanjut. Metode sains data yang digunakan dalam penelitian ini terbukti efektif untuk memprediksi keausan roda gerbong terbuka 50 ton. Penggunaan model prediksi yang akurat dapat membantu PT Kereta Api Indonesia dalam meningkatkan efisiensi perawatan dan mengurangi risiko kegagalan operasional. Penelitian ini merekomendasikan pengembangan model prediksi yang lebih kompleks serta peningkatan kualitas data untuk hasil yang lebih baik di masa mendatang.
IDENTIFIKASI BIAS PENGGUNA SEBAGAI HIDDEN STATE DALAM A/B TESTING DENGAN PENDEKATAN HIDDEN MARKOV MODEL
Seiring dengan pengembangan perangkat lunak, pengujian terus dilakukan, termasuk A/B Testing. A/B Testing adalah metode pengujian yang membandingkan dua desain perangkat lunak untuk menentukan mana yang lebih efektif. Metrik yang umum digunakan adalah click rate, yaitu jumlah pengguna yang mengklik target dalam desain. Hipotesis awal adalah variasi A (kontrol) memiliki click rate lebih tinggi daripada variasi B (eksperimen). Kekurangan A/B Testing adalah bias pengguna yang dapat menyebabkan hasil yang tidak akurat. Hidden Markov Model (HMM) digunakan untuk mendeteksi keadaan tersembunyi yang memengaruhi hasil A/B Testing. Dilakukan implementasi HMM ke dalam A/B Testing untuk meminimalkan bias pengguna. HMM, yang biasa digunakan untuk mendeteksi pola tersembunyi, diimplementasikan untuk mengidentifikasi bias perilaku pengguna dalam A/B Testing. Algoritma HMM mengubah frekuensi tampilan desain secara tidak seimbang untuk menguji hipotesis awal dan menghasilkan pengujian yang dipengaruhi bias pengguna sekecil mungkin. Hasil penelitian menunjukkan bahwa HMM berhasil mendeteksi bias pengguna dan meningkatkan validitas hasil A/B Testing. Penelitian ini memberikan solusi baru untuk mengatasi bias pengguna dalam A/B Testing dengan cara mengubah frekuensi tampilan tiap variasi desain berdasarkan click rate, dan membuka peluang penelitian lebih lanjut tentang penerapan HMM dalam optimasi pengujian perangkat lunak.
EVALUASI MODEL CLIMATE FORECAST SYSTEM (CFS) DALAM PREDIKSI MADDEN JULIAN OSCILATION (MJO) SAAT BOREAL WINTER
Madden Julian Oscillation (MJO) menjadi perhatian praktisi ilmiah dan merupakan salah satu sumber prediktabilitas untuk prediksi subseasonal to seasonal (S2S), yang mengisi kesenjangan antara prediksi cuaca dan musim. Salah satu model keluaran S2S adalah Climate Forecast System (CFSv2) yang memiliki potensi memprediksi kondisi submusim di wilayah Indonesia. Hingga saat ini, prediksi indeks MJO tersedia dalam bentuk diagram fase MJO. Namun, keterbatasan dalam prediksi indeks MJO dapat membatasi analisis terhadap model yang ada. Penelitian ini bertujuan mengevaluasi performa model CFSv2 dalam memprediksi indeks MJO menggunakan tools ‘mjoindices’ yang dikembangkan oleh Hoffman. Perhitungan indeks MJO dilakukan menggunakan tools ‘mjoindices’ dari data reanalisis dan data model operasional CFSv2 untuk periode boreal winter (November, Desember, dan Januari) 2011-2021. Evaluasi performa model dilakukan secara deterministik dengan metrik RMSE dan CC, serta secara probabilistik dengan metrik CRPS untuk evaluasi distribusi probabilistik rata-rata indeks MJO mingguan, dan brier score untuk evaluasi kejadian MJO aktif mingguan. Kriteria MJO aktif digunakan apabila indeks MJO lebih dari 1 selama lima hari berturut-turut. Berdasarkan penelitian ini, tools ‘mjoindices’ berhasil digunakan untuk menghitung indeks OMI dan membangun sistem prediksi indeks MJO dengan memanfaatkan sistem prediksi ensembel dari CFSv2 untuk memprediksi fase dan magnitudo indeks MJO 4 minggu ke depan. Evaluasi performa model CFSv2 menunjukkan bahwa meskipun RMSE dan CC tidak menunjukkan hubungan signifikan antara prediksi dan observasi, metrik probabilistik seperti CRPS dan brier score memberikan gambaran yang lebih komprehensif. CRPS menunjukkan bahwa model lebih akurat dalam prediksi jangka pendek dengan nilai terbaik 0,368 di lead 1, namun akurasi menurun seiring bertambahnya lead time. Nilai brier score pada lead pertama adalah 0,352, menunjukkan akurasi prediksi mingguan yang rendah, tetapi prediktabilitas model tidak mengalami penurunan signifikan antar lead.
DAMPAK PERUBAHAN IKLIM ANTROPOGENIK TERHADAP BAHAYA KEKERINGAN DI ASIA TENGGARA DAN AUSTRALIA
Di Asia Tenggara dan Australia (2001–2021) memiliki tingkat bahaya kekeringan yang bervariasi dari rendah hingga sangat tinggi. Secara global diperkirakan tren kekeringan akan terus meningkat akibat dari perubahan iklim antropogenik. Penelitian ini bertujuan untuk mengetahui dampak dari perubahan iklim antropogenik terhadap bahaya kekeringan di Asia Tenggara dan Australia pada masa depan berdasarkan perubahan frekuensi kekeringan serta magnitude dan luasan bahaya kekeringan. Penelitian ini menggunakan data curah hujan dari 11 model iklim CMIP6 periode historis (1985–2014), near-future (2031–2060), dan far-future (2061–2090) dengan skenario iklim SSP2-4.5 dan SSP5-8.5. Metode yang digunakan meliputi perhitungan SPI, perhitungan frekuensi tiap kelas kekeringan SPI, penentuan bobot dan rating, perhitungan DHI (magnitude bahaya kekeringan), perhitungan luasan wilayah bahaya kekeringan tiap tingkatan, dan perhitungan perubahan frekuensi kekeringan, magnitude, dan luasan bahaya kekeringan. Hasil penelitian menunjukan bahwa di sebagian besar Australia dan sebagian kecil Selatan dan Utara Asia Tenggara pada masa depan periode near-future maupun farfuture dengan skenario iklim SSP2-4.5 dan SSP5-8.5 pada kekeringan 3 maupun 6 bulanan berpotensi terjadi peningkatan frekuensi kekeringan moderate berkisar 5 hingga lebih dari 25 kali, severe 5–25 kali, dan extreme 1–25 kali serta peningkatan magnitude bahaya kekeringan berkisar 3–15 dari magnitude historis awal yang berkisar 7–20 sehingga tingkat bahaya kekeringan di masa depan akan menjadi bahaya sedang hingga sangat tinggi dengan peningkatan tertinggi berada di Barat dan Barat Daya Australia. Selain itu, di Asia Tenggara dan Australia, luasan wilayah dengan bahaya kekeringan rendah akan berpotensi mengalami penurunan berkisar 2,4–3 juta ?, bahaya sedang penurunan 1,5–2,1 juta ? dan peningkatan 1,2– 2,3 juta ? , bahaya tinggi peningkatan 1,2–2,4 juta ? , serta bahaya sangat tinggi penurunan 316–665 ribu ? dan peningkatan 1,9–3,8 juta ?.
PRODUKSI BIOETANOL DARI UBI CILEMBU MELALUI PROSES SAKARIFIKASI FERMENTASI SIMULTAN (SFS) DENGAN PENGGUNAAN ENZIM ENDOGEN UBI CILEMBU
abstrak bisa dilihat di filenya
PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE DENGAN MATRIKS BOBOT SPASIAL MINIMUM SPANNING TREE (STUDI KASUS DATA JUMLAH PENUMPANG DI 17 BANDARA DI AUSTRALIA)
Industri penerbangan adalah sektor transportasi yang berkembang pesat dan berperan penting dalam perekonomian global dengan menciptakan lapangan kerja dan mendukung sektor pariwisata serta manufaktur. Ketika pandemi COVID-19 melanda dunia, industri penerbangan terdampak berat karena terjadi penurunan signifikan atas jumlah penerbangan. Permintaan perjalanan udara dapat berfluktuasi, misalnya terjadinya peningkatan selama masa liburan dan terjadinya penurunan tajam selama krisis global. Kemampuan untuk menganalisis dan memprediksi pergerakan penerbangan sangat penting untuk menjaga efisiensi operasional dan kesiapan. Dalam Tugas Akhir ini, untuk memodelkan jumlah penumpang di suatu bandara, digunakan asumsi bahwa jumlah penumpang di bandara tersebut dipengaruhi oleh jumlah penumpang pada waktu-waktu sebelumnya di bandara tersebut dan di bandara sekitarnya. Model GSTAR dengan matriks bobot invers jarak dan minimum spanning tree diaplikasikan untuk memodelkan jumlah penumpang per bulan di 17 bandara di Australia, yaitu di bandara: Adelaide, Brisbane, Cairns, Canberra, Gold Coast, Hamilton Island, Hobart, Karratha, Launceston, Mackay, Melbourne, Perth, Rockhampton, Sunshine Coast, Sydney, dan Townsville. Pemodelan diawali dengan penyiapan data dalam format yang sesuai untuk analisis data; pembentukan matriks bobot invers jarak dan minimum spanning tree; identifikasi model; estimasi parameter dengan metode kuadrat terkecil; dan uji diagostik. Model yang sudah cocok digunakan untuk memprediksi jumlah penumpang di suatu bandara di suatu waktu tertentu. Untuk data yang digunakan sebagai studi kasus, dengan menggunakan matriks bobot invers jarak, diperoleh bahwa model GSTAR terbaik adalah GSTAR(3;4,2,4) dengan taksiran parameter yang dapat dilihat di Bab III Tugas Akhir ini. Apabila menggunakan matriks bobot minimum spanning tree, maka model terbaik yang diperoleh adalah GSTAR(3;4,2,3) dengan taksiran parameter yang juga dapat dapat dilihat di Bab III Tugas Akhir ini. Dengan menggunakan kriteria AIC, RMSE dan MAPE, dan dengan melihat pola residualnya, serta banyak parameter yang perlu diestimasi, dapat disimpulkan bahwa model GSTAR(3;4,2,3) dengan matriks minimum spanning tree lebih unggul dibandingkan model GSTAR(3;4,2,4) yang dihasilkan menggunakan matriks bobot invers jarak.
PENGAMBILAN KEPUTUSAN STRATEGIS DALAM INDUSTRI PANGGILAN BERBASIS TRANSPORTASI MELALUI SEGMENTASI
Objektif dari penelitian ini adalah untuk menemukan faktor yang dapat mempengaruhi keputusan dalam memilih aplikasi ojek online yang berfokus pada penggunaan transportasi. Penelitian ini menggunakan mixed method dengan kualitatif yang memiliki objektif dalam mencari faktor yang penting melalui indepth interview. Dalam tahap kuantitatif factor analysis dilakukan untuk mengkonfirmasi apakah faktor faktor yang ditemukan cocok untuk dilakukan analisa. Selanjutnya cluster analysis dilakukan untuk mengelompokan pengguna aplikasi ojek online pada transporatsinya. Hasil dari penelitian ini menemukan adanya empat segmentasi yang terbentuk, satu segmen yang tidak sensitif pada harga, dan yang tiga lainnya sensitif pada harga. Secara umum, faktor empati ditemukan memiliki pengaruh kepada keputusan pembelian, terutama dalam menurunkan sensitivitas harga, namun setiap segmen memiliki keunikannya masing dari kepentingan faktornya. Studi ini bersifat umum dan tidak berfokus pada satu perusahaan saja, melainkan industrinya, oleh karena itu implementasi yang diajukan bersifat umum. Meskipun hampir semua segmen merupakan segmen yang sensitif terhadap harga, namun jika perusahaan berhasil menemukan faktor yang penting untuk mereka, ada kemungkinan cara untuk menurunkan kecenderungan tersebut. Segmen satu dan empat merupakan target yang cocok untuk pemasar. Diketahui bahwa segment tersebut memprioritaskan kompetensi dan empati pada kualitas layanan dalam memilih aplikasi ojek online. Faktor tersebut dievaluasi melalui pengalaman sebelumnya.
GAMIFIKASI DI BANK DIGITAL: STRATEGI LEVEL OPERASIONAL TERHADAP PARTISIPASI NASABAH MELALUI GAMIFIKASI (STUDI KASUS BANK MINT)
Penelitian ini mempelajari lanskap transformatif sektor perbankan, yang didorong oleh upaya pemerintah dan kemunculan layanan perbankan digital. Penelitian ini terkonsentrasi pada penanganan isu-isu yang berkaitan dengan keterlibatan dan loyalitas Nasabah dalam platform perbankan digital Mint Bank, dengan memeriksa pemanfaatan taktik gamifikasi. Melalui penggunaan metodologi survei online, tanggapan dari 195 peserta dievaluasi, mengungkap wawasan penting tentang elemen gamifikasi yang efektif yang disesuaikan dengan demografi Nasabah Mint. Studi ini menggunakan analisis chi-square untuk meneliti hubungan antara jenis misi, preferensi hadiah, dan kombinasi penempatan misi dan hadiah, dengan mempertimbangkan variabel seperti prioritas tugas, penundaan hadiah, nilai persepsi, dan keterlibatan Nasabah. Jenis misi yang mengharuskan menyelesaikan tugas tunggal yang dipasangkan dengan imbalan langsung diidentifikasi sebagai strategi yang disukai, selain imbalan yang terkait dengan tugas-tugas tertentu seperti poin dan cashback. Penemuan ini memberikan rekomendasi yang dapat ditindaklanjuti bagi Manajemen Mint untuk menyempurnakan strategi gamifikasi mereka, dengan menekankan pentingnya menyelaraskan jenis misi dengan imbalan yang disukai untuk mendorong keterlibatan yang berkelanjutan. Sebuah rencana aksi strategis yang terdiri dari tujuh langkah disarankan untuk mengarahkan eksekusi dan penilaian inisiatif gamifikasi, dengan metrik seperti Tingkat Penyelesaian Misi dan Peringkat Kepuasan Nasabah yang berfungsi sebagai metrik kinerja yang penting