📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6,268 dokumenRENCANA PENINGKATAN PEMANFAATAN ENERGI PANAS BUMI MELALUI TEKNOLOGI PEMBANGKIT LISTRIK ORGANIC RANKINE CYCLE DAN FISH COLD STORAGE PADA LAPANGAN PANAS BUMI SONGA WAYAUA
Industri perikanan di Kabupaten Halmahera Selatan dihadapkan pada tantangan terbatasnya infrastruktur fish cold storage, yang menghambat optimalisasi potensi ekonomi lokal. Penelitian ini mengusulkan solusi melalui sistem energi terintegrasi berkonfigurasi kaskade (berjenjang) pada lapangan panas bumi Songa Wayaua, memanfaatkan panas dari brine untuk menggerakkan Pembangkit Listrik Organic Rankine Cycle (ORC) yang panas sisa dari sistem tersebut kemudian dimanfaatkan oleh Absorption Chiller LiBr-H?O. Analisis termodinamika dilakukan untuk mengevaluasi kelayakan teknis dan kinerja sistem. Evaluasi ini mencakup perhitungan detail daya keluaran bersih unit ORC, kapasitas pendinginan yang dihasilkan Absorption Chiller, serta efisiensi termal pada sistem. Hasil studi menunjukkan unit ORC mampu menghasilkan daya listrik bersih tambahan sebesar 531,37 kW. Fluida kerja R1233zd(E) terpilih sebagai yang paling optimal berkat kinerja superior serta profil lingkungan yang aman dengan nilai Global Warming Potential (GWP) 1 dan Ozone Depletion Potential (ODP) 0. Panas sisa dari Preheater ORC pada temperatur 125 °C dapat menggerakkan Absorption Chiller, menghasilkan kapasitas pendinginan sebesar 3,28 kW yang terbukti memadai untuk kebutuhan pendinginan produk ikan pada ruang Pre Cooling Room di fasilitas Fish Cold Storage. Lebih lanjut, analisis finansial menunjukkan model bisnis Fish Cold Storage ini layak dengan proyeksi Internal Rate of Return (IRR) 14,89%, secara signifikan berpotensi meningkatkan harga jual ikan dari nelayan hingga Rp145.143/kg. Model integrasi ini tidak hanya meningkatkan pemanfaatan energi panas bumi di lapangan Songa Wayaua, tetapi juga menciptakan hubungan simbiosis strategis antara PT. PLN (Persero) dengan masyarakat untuk peningkatan kesejahteraan melalui dukungan langsung terhadap industri perikanan.
PREDIKSI KEKERINGAN DI INDONESIA MENGGUNAKAN ALGORITMA RANDOM FOREST MACHINE LEARNING
Kekeringan merupakan salah satu bencana hidrometeorologi di Indonesia yang dampaknya diperparah oleh variabilitas iklim global seperti El Niño-Southern Oscillation (ENSO) dan Indian Ocean Dipole (IOD). Bencana ini secara signifikan mengancam sektor vital seperti pertanian, ketahanan pangan, dan ketersediaan sumber daya air bersih. Kebutuhan akan sistem peringatan dini yang akurat menjadi sangat mendesak untuk mitigasi risiko tersebut. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model prediksi kekeringan jangka pendek yang andal menggunakan algoritma Machine Learning. Metodologi penelitian ini menggunakan algoritma Random Forest Regressor dengan data iklim bulanan dari reanalisis ERA5, serta indeks ONI dan DMI periode 1984–2024. Nilai Standardized Precipitation Index pada skala 1 dan 3 bulan (SPI- 1, SPI-3) digunakan sebagai variabel target yang akan diprediksi. Model dilatih dan dioptimasi secara terpisah untuk lima provinsi studi kasus yang dipilih untuk mewakili keragaman iklim Köppen di Indonesia. Validasi model dilakukan secara ketat menggunakan skema Time Series Cross-Validation (TSCV) untuk menjaga urutan waktu dan mencegah bias. Hasil evaluasi menunjukkan kinerja model yang sangat tinggi, dengan nilai Koefisien Determinasi (R2) pada periode validasi berada di rentang 0,92 hingga 0,99. Analisis multi-horizon mengungkap adanya dua klaster kinerja yang berbeda secara fundamental, dengan kinerja sangat tinggi di klaster Jawa dan NTT (R2 > 0,80), namun terbatas di Kalimantan Barat dan Sulawesi Selatan (R2 ? 0,3–0,5). Lebih jauh lagi, analisis feature importance mengungkapkan bahwa model secara cerdas menerapkan strategi prediksi ganda (berbasis curah hujan untuk SPI-1 dan persistensi untuk SPI-3) serta mampu beradaptasi dengan iklim lokal. Penelitian ini menyimpulkan bahwa Random Forest adalah metode yang sangat akurat dan dapat diinterpretasikan, dengan potensi operasional yang kuat untuk diintegrasikan dalam sistem peringatan dini nasional.
EKSPLORASI TITIK-TITIK RASA SAKIT YANG DIHADAPI PELANGGAN SELAMA PERJALANAN PEMBELIAN PERHIASAN
Banyak pelaku usaha kecil dan menengah (UMKM) di industri perhiasan menghadapi kesenjangan antara banyaknya calon pelanggan yang tertarik dengan merek mereka dan tingkat konversi penjualan yang dicapai. Ini menunjukkan bahwa perhatian calon pembeli tidak selalu berujung pada transaksi, dan terdapat kesenjangan pengetahuan mengenai apa yang menghambat keputusan pembelian. Penelitian ini bertujuan untuk mengeksplorasi pain points yang dialami pelanggan perhiasan sepanjang perjalanan pembelian mereka. Pendekatan kualitatif eksploratif digunakan dengan pengumpulan data melalui wawancara mendalam terhadap enam informan dari generasi Z dan Milenial. Analisis data menggunakan reflexive thematic analysis menghasilkan enam tema utama, yaitu kurangnya informasi produk yang jelas, ketidaksesuaian antara produk dan kebutuhan atau nilai pembeli, kesenjangan antara ekspektasi dan realita produk, proses pembelian yang rumit dan menyulitkan, serta ketidakpercayaan terhadap merek. Penelitian ini memberikan wawasan praktis bagi pelaku bisnis perhiasan untuk merancang strategi yang meningkatkan pengalaman konsumen, sekaligus berkontribusi pada literatur tentang customer journey di industri perhiasan.
MENGEMBANGKAN KERANGKA PRIORITAS FITUR TERSTRUKTUR MENGGUNAKAN MATRIKS RICE UNTUK MENINGKATKAN KONVERSI DARI UJI COBA KE PEMBAYARAN DI PELIHARA
Pelihara, sebuah startup SaaS manajemen klinik hewan, menghadapi masalah serius dalam mencapai product–market fit, dengan tingkat konversi 0% dari pengguna uji coba gratis menjadi pelanggan berbayar. Penyebab utamanya adalah fitur yang tidak selaras—modul inti seperti inpatient care dan rekam medis belum lengkap atau tidak praktis, sehingga adopsinya rendah. Secara internal, keputusan pengembangan fitur didasarkan pada intuisi sesaat, dengan masukan pengguna yang dikumpulkan secara informal dan tidak terdokumentasi. Hal ini menyebabkan pengembangan fitur bernilai rendah, inefisiensi, serta ketidakpuasan pengguna. Untuk mengatasi hal tersebut, proyek ini menggunakan pendekatan studi kasus kualitatif dan eksploratif, termasuk wawancara semi-terstruktur dengan empat klinik pengguna uji coba dan tim internal Pelihara. Temuan penelitian digunakan untuk membuat kerangka kerja prioritisasi fitur yang terstruktur dan berulang, menggunakan model RICE (Reach, Impact, Confidence, Effort). Model ini mengubah masukan kualitatif menjadi skor kuantitatif, sehingga memungkinkan v perbandingan fitur secara objektif dan mengurangi bias dalam pengambilan keputusan. Faktor Effort, yang dinilai secara terbalik, memastikan sumber daya pengembangan difokuskan pada fitur berdampak tinggi dan layak dieksekusi—hal yang krusial bagi startup dengan sumber daya terbatas. Penerapan RICE mengubah prioritas roadmap Pelihara ke arah fitur-fitur yang selaras dengan kebutuhan pengguna dan proposisi nilai perusahaan, sambil menurunkan prioritas fitur “sekadar tambahan”. Proses ini menghilangkan debat berulang, memperlancar pengambilan keputusan, dan menciptakan hubungan langsung antara masukan pengguna dan pembaruan produk. Pendekatan ini diperkirakan akan meningkatkan keterlibatan pengguna uji coba, tingkat konversi, dan adopsi jangka panjang. Penelitian ini menyimpulkan bahwa penerapan RICE ke dalam siklus sprint secara rutin—dengan dukungan alat kolaborasi, SOP, dan pemantauan metrik secara berkelanjutan—akan menginstitusikan pengambilan keputusan produk yang berbasis data dan berfokus pada nilai. Hal ini memastikan Pelihara berinvestasi pada fitur-fitur yang berpusat pada pengguna dan memiliki pengembalian tinggi, memperkuat jalannya menuju product–market fit dan pertumbuhan yang berkelanjutan.
PENGEMBANGAN DESIGN THINKING UNTUK PENDIDIKAN ANAK USIA 7-11 TAHUN
Penelitian ini bertujuan untuk merumuskan pendekatan pembelajaran design thinking yang disesuaikan dengan struktur berpikir anak usia 7-11 taun. Dalam konteks pendidikan di Indonesia, kreativitas cenderung dipersempit menjadi ekspresi visual semata dan belum dilihat sebagai proses berpikir. Akibatnya, pembelajaran kreatif yang mendorong eksplorasi makna, perumusan solusi, serta pemahaman sosial anak kurang mendapatkan tempat dalam praktik pendidikan dasar. Sementara itu, design thinking sebagai kerangka berpikir kreatif yang menekankan empati, eksperimen, dan refleksi iteratif, memiliki potensi untuk dijadikan pendekatan pedagogis yang lebih menyeluruh. Penelitian ini menggunakan pendekatan Educational Design Research dengan menganalisis literatur design thinking dan teori perkembangan anak, serta mengembangkan rancangan pembelajaran yang diuji di ruang kelas dan program pendidikan kreatif anak. Proses perancangan didasarkan pada sintesis antara model design thinking dan teori perkembangan kognitif dan konstruktivis untuk anak usia 7–11 tahun. Melalui pendekatan ini, dirumuskan kerangka konseptual yang dapat membantu pendidikan untuk memahami, merancang, dan mengevaluasi proses kreatif bagi anak secara lebih terarah. Dengan adanya pendekatan pembelajaran ini, diharapkan praktik pendidikan anak usia 7-11 tahun di Indonesia mampu mengintegrasikan aspek design thinking dalam proses belajar yang kontekstual, dan berkontribusi pada pengembangan pedagogi desain yang tidak hanya bersifat teknis, tetapi juga berpijak pada struktur berpikir anak dan realitas sosial tempat anak belajar.
PEMILIHAN VENDOR UNTUK PRODUK AMUSPHERE MENGGUNAKAN ANALISIS BEST-WORST METHOD
Industri kreatif Indonesia, khususnya pada bidang board game dan card game, menunjukkan potensi pertumbuhan yang kuat dalam beberapa tahun terakhir seiring meningkatnya minat konsumen terhadap hiburan interaktif. Amusphere, sebuah startup kreatif yang berfokus pada permainan kartu, menghadapi tantangan dalam proses produksinya akibat permasalahan vendor seperti kualitas produk yang tidak konsisten, keterlambatan produksi, serta komunikasi yang kurang transparan, yang sebelumnya mengakibatkan product defect sebesar ±8% dan kerugian finansial. Permasalahan tersebut menegaskan pentingnya evaluasi ulang dalam pemilihan vendor agar operasional perusahaan dapat berjalan lebih efisien dan berkelanjutan. Penelitian ini menggunakan Best Worst Method (BWM) untuk menentukan vendor paling sesuai dengan cara mengevaluasi serta memprioritaskan kriteria pemilihan yang relevan dengan kebutuhan Amusphere saat ini. Pengumpulan data dilakukan melalui studi literatur untuk mengidentifikasi kriteria, Focus Group Discussion (FGD) bersama eksekutif C-level Amusphere untuk memvalidasi dan memfinalisasi kriteria, serta penyebaran kuesioner pairwise comparison untuk menilai tingkat kepentingannya. Kriteria akhir yang ditetapkan meliputi biaya, kualitas, pengiriman, garansi, layanan, dan kapasitas. Hasil analisis BWM menunjukkan distribusi bobot kriteria sebagai berikut: biaya (0,287), kualitas (0,246), pengiriman (0,164), garansi (0,132), layanan (0,104), dan kapasitas (0,067). Berdasarkan bobot kriteria tersebut serta hasil penilaian terhadap alternatif vendor, peringkat tertinggi diperoleh oleh vendor TRT sebagai mitra yang paling sesuai bagi Amusphere, melampaui kandidat lainnya. Dengan demikian, penelitian ini memberikan kerangka kerja yang terstruktur untuk pemilihan vendor yang dapat meningkatkan efisiensi operasional, mengurangi risiko, serta mendukung pertumbuhan berkelanjutan Amusphere dalam industri kreatif.
PREFERENSI DAN PERILAKU PEMBELIAN KONSUMEN TERHADAP PRODUK PEMBERSIH RUMAH TANGGA UNTUK MENGOPTIMALKAN STRATEGI PEMILIHAN KANAL DISTRIBUSI DISSOP: PENDEKATAN CONJOINT
Sebuah studi pasar yang dilakukan oleh Dissop pada akhir tahun 2023 menunjukkan bahwa konsumen lebih menyukai pembelian produk pembersih rumah tangga melalui kanal offline. Berdasarkan temuan ini, perusahaan memperluas distribusi secara offline pada awal 2024 melalui sistem titip jual (konsinyasi). Namun, kinerja penjualan dari kanal offline tersebut tidak memenuhi ekspektasi, yang menunjukkan adanya kesenjangan antara preferensi yang dinyatakan dan perilaku pembelian aktual. Hal ini mendorong perusahaan untuk menelusuri lebih lanjut faktor-faktor yang sebenarnya dipertimbangkan konsumen dalam memilih kanal pembelian, guna menyelaraskan kembali strategi distribusinya secara lebih efektif. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang mempengaruhi preferensi kanal. Metode campuran eksploratori berurutan digunakan, dimulai dengan wawancara kualitatif untuk mengidentifikasi atribut dasar, kemudian dilanjutkan dengan survei Choice-Based Conjoint (CBC) terhadap 229 responden untuk mengkuantifikasi preferensi. Hasil menunjukkan bahwa kanal retail merupakan opsi yang paling disukai, diikuti oleh atribut penting lainnya seperti harga, ketersediaan produk, dan kenyamanan berbelanja. Penelitian ini merekomendasikan agar Dissop memperkuat kehadiran di kanal retail dan menyesuaikan strategi distribusi agar lebih selaras dengan perilaku konsumen yang sebenarnya.
PENGARUH GREEN MARKETING MIX TERHADAP CITRA MEREK FASHION BERKELANJUTAN DI INDONESIA: STUDI PADUAN BIRU
Mode berkelanjutan semakin diakui sebagai gerakan budaya dan komersial, tetapi agar merek berhasil, mereka harus mengintegrasikan keberlanjutan ke dalam setiap aspek strategi pemasaran mereka sambil mengomunikasikan nilai-nilai ini secara efektif kepada konsumen. Studi ini mengeksplorasi dampak bauran pemasaran hijau (produk, harga, tempat, dan promosi) terhadap citra merek Paduan Biru, sebuah merek mode berkelanjutan di Indonesia. Menggunakan metode kuantitatif dengan 180 responden yang diambil secara sengaja, data dianalisis melalui Regresi Linier Berganda (MLR) untuk menguji empat hipotesis. Hasil menunjukkan semua elemen secara signifikan memperkuat citra merek, meskipun dengan pengaruh yang bervariasi. Produk hijau memiliki dampak terbesar, karena konsumen menghargai material ramah lingkungan, produksi yang bertanggung jawab, dan daya tahan. Harga hijau meningkatkan citra ketika didukung oleh komunikasi yang transparan, memposisikan merek sebagai premium namun etis. Tempat hijau memperkuat keaslian melalui sumber dan distribusi yang berkelanjutan, sementara promosi hijau, meskipun signifikan, menekankan perlunya pesan yang konsisten dan persuasif. Secara keseluruhan, temuan ini menyoroti peran bauran pemasaran hijau yang terintegrasi dalam membentuk persepsi konsumen yang positif dan menawarkan panduan praktis bagi merek mode berkelanjutan lokal untuk berfokus pada integritas produk, harga yang transparan, distribusi yang autentik, dan komunikasi yang efektif.
MICROMECHANICS-FED MESOMECHANICS SIMULATIONS FOR PREDICTING TRANSVERSE STRENGTH OF QUASI-UNIDIRECTIONAL COMPOSITES
Pemodelan skala meso digunakan untuk memprediksi bagaimana material komposit mengalami kegagalan dan menentukan sifat mekanisnya. Namun, jenis pemodelan ini dapat memakan waktu lama dan biaya yang sangat mahal jika dilakukan langsung pada skala ini. Untuk menghemat waktu dan biaya, penelitian sebelumnya menggunakan pemodelan skala mikro. Dengan menguji berbagai fraksi volume dalam beberapa elemen volume representatif (RVE), pendekatan ini mengurangi waktu dan biaya komputasi. Penelitian ini dimulai dengan pemindaian struktur mikro pada komposit komposit Quasi-UD untuk memeriksa struktur mereka dibandingkan dengan komposit unidirectional tradisional, dengan fokus pada kelengkungan fiber pada sampel. Setelah struktur ditentukan melalui pencitraan, pemodelan dilakukan di Abaqus untuk menentukan sifat mekanis dan kegagalan material di bawah uji tarik pada arah transversal. Jika struktur kelengkungan fiber tidak terlihat dalam pencitraan, pemodelan dilakukan menggunakan TexGen. Setelah struktur tersebut dimodelkan di TexGen, analisis akan dilakukan menggunakan Abaqus untuk mengetahui sifat mekanis dan kegagalan material di bawah uji tarik pada arah transversal. Pendekatan ini bertujuan untuk meningkatkan pemahaman perilaku komposit sekaligus menjaga efisiensi sumber daya komputasi.
FORMULASI STRATEGI KORPORASI DAN PERANCANGAN KANVAS MODEL BISNIS PT. X DENGAN QUANTITATIVE STRATEGIC PLANNING MATRIX
PT. X merupakan platform e-commerce dengan konsep farm-to-table pertama di Indonesia yang menyediakan berbagai produk segar, termasuk sayuran, buah-buahan, dan bahan makanan lainnya, yang diambil langsung dari petani lokal. Selain penjualan produk segar, PT. X menawarkan layanan pengantaran dan kemudahan dalam berbelanja melalui aplikasi. Dengan fokus pada keberlanjutan dan dukungan terhadap petani lokal, PT. X berusaha untuk memberikan nilai lebih kepada konsumen dan masyarakat. Berdasarkan data perusahaan, data laba kotor PT. X dari tahun 2021 hingga 2022 menunjukkan tren yang positif. Peningkatan ini dapat diatribusikan kepada kebijakan pemerintah yang mendorong masyarakat untuk tetap di rumah selama pandemi, sehingga PT. X dapat memanfaatkan model bisnisnya untuk memenuhi kebutuhan konsumen yang meningkat akan belanja online. Hal ini menunjukkan bahwa PT. X berhasil beradaptasi dengan perubahan perilaku konsumen yang lebih memilih berbelanja dari rumah. Namun, setelah pandemi, terjadi penurunan dalam pembelian online sehingga laba kotor PT. X 2022 hingga 2024. Hal ini diakibatkan banyak faktor lingkungan yang berubah. Perubahan faktor lingkungan ini dapat menjadi peluang dan tantangan bagi PT. X, yang harus beradaptasi perubahan tersebut. Dalam penelitian ini, diusulkan strategi yang dapat memperbaiki strategi korporasi PT. X dan Kanvas Model Bisnis yang sesuai dengan strategi tersebut. Proses perumusan diawali dengan pemetaan model bisnis eksisting dengan Kanvas Model Bisnis. Kemudian formulasi strategi korporasi secara komprehensif dilakukan dengan tahapan memetakan posisi perusahaan dengan Matriks IFE dan EFE selanjutnya dilakukan peyesuaian dan pengembangan alternatif strategi dengan Matriks TOWS dan SPACE. Daftar alternatif strategi yang dihasilkan selanjutnya dikembangkan menjadi Kanvas Model Bisnis dan dinilai prioritasnya menggunakan Matriks QSPM. Alternatif strategi terpilih dan Kanvas Model Bisnis usulan yaitu pengembangan one stop solution app dengan pengiriman instan menjadi solusi yang ditawarkan untuk PT. X dalam penelitian ini.
KAJIAN PENERAPAN PROJECT PRODUCTION MANAGEMENT (PPM) DI PT X
Industri konstruksi menghadapi berbagai tantangan seperti kompleksitas teknis, koordinasi lintas pemangku kepentingan, dan variabilitas yang berdampak pada waktu dan biaya proyek, sementara pendekatan manajemen proyek konvensional belum mampu mengatasinya secara menyeluruh. Project Production Management (PPM) dikembangkan sebagai solusi dengan memandang proyek sebagai sistem produksi dan mengelola lima pengungkit (desain produk, desain proses, kapasitas, inventori, dan variabilitas). Keberhasilan penerapan PPM terbukti di proyek Terminal 5 Bandara Heathrow dan oleh PT X di Indonesia sejak 2019, yang mampu meningkatkan efisiensi, keandalan pasokan, serta mencegah keterlambatan proyek. Namun, kajian ilmiah mengenai implementasi PPM di PT X, termasuk tantangan selama penerapan masih terbatas. Oleh karena itu, penelitian mengenai kajian penerapan PPM di PT X menjadi penting untuk dilakukan guna memahami gambaran penerapan PPM dan tantangan-tantangan yang dihadapi selama penerapan PPM. Pengumpulan data terkait penerapan PPM dan tantangan yang dihadapi dilakukan melalui wawancara serta penelaahan dokumen PPM dari PT X. Data tersebut kemudian dianalisis untuk melihat kesesuaiannya dengan penerapan dan tantangan yang tercantum dalam literatur. Berdasarkan hasil penelitian, penerapan PPM di PT X mencakup dua dari tiga elemen utama, yaitu Production System Optimization (PSO) dan Project Production Control (PPC) serta tiga dari lima pengungkit (five levers) yaitu desain proses, inventori, dan variabilitas. Selain itu, penerapan PPM ini didukung oleh software SPS meskipun belum menyeluruh. Tantangan yang dihadapi meliputi biaya tambahan software, keterbatasan teknis, tekanan kerja pada tim, perbedaan mindset dengan project control, serta kesulitan komunikasi lintas tim. Pembelajaran penting dari penerapan ini mencakup perlunya perubahan mindset, keterlibatan semua pihak, pengembangan SDM, serta alternatif tools sederhana jika penggunaan software menjadi kendala.
PENGARUH ARTIFICIAL INTELLIGENCE TERHADAP KONTEN VISUAL DALAM PEMASARAN SERTA DAMPAKNYA PADA RESPONS KONSUMEN
Di era digital saat ini, kecerdasan buatan (Artificial Intelligence/AI) semakin banyak digunakan dalam pemasaran, termasuk dalam pembuatan konten visual. Salah satu inovasi yang berkembang adalah penggunaan AI untuk menciptakan latar belakang gambar produk sehingga dapat membantu bisnis menampilkan produknya dengan lebih menarik tanpa perlu sesi pemotretan yang mahal. Namun, masih sedikit penelitian yang mengeksplorasi bagaimana konsumen merespons visual yang dibuat oleh AI dibandingkan dengan visual yang dihasilkan secara manual oleh manusia. Penelitian ini bertujuan untuk memahami bagaimana latar belakang produk yang dibuat oleh AI memengaruhi imajinasi mental (Mental imagery), penilaian produk (Product evaluation), dan emosi positif (Positive emotion) yang akhirnya berdampak pada niat beli (Purchase intention). Melalui eksperimen yang melibatkan responden pengguna media sosial, penelitian ini membandingkan dua jenis latar belakang produk: yang dibuat oleh AI dan yang dibuat secara manual. Data dikumpulkan melalui kuesioner online dan dianalisis menggunakan metode Partial Least Squares-Structural Equation Modeling (PLS-SEM). Hasilnya menunjukkan bahwa latar belakang yang dibuat oleh AI dapat memengaruhi persepsi konsumen secara signifikan, terutama dalam membangun imajinasi mental dan meningkatkan daya tarik produk. Ini menunjukkan bahwa teknologi AI bisa menjadi solusi praktis bagi bisnis, terutama Usaha Kecil dan Menengah (UMKM), untuk menciptakan konten visual yang lebih menarik dan efektif dalam meningkatkan niat beli konsumen.
PERANCANGAN SISTEM MANAJEMEN PENGETAHUAN BERBASIS CHATBOT MENGGUNAKAN LARGE LANGUANGE MODEL (LLM) DAN TEKNOLOGI RETRIEVAL AUGMENTED GENERATION (RAG) DI TOKO RETAIL OLAHRAGA GOBIG
Toko GoBIG merupakan perusahaan ritel sepatu dan perlengkapan olahraga yang mengedepankan kualitas pelayanan pelanggan dalam strategi bisnisnya. Saat ini GoBIG sedang mengalami tantangan dalam mengelola pengetahuan karyawan akibat keterbatasan sumber daya manusia serta operasional bisnis yang dinamis. Setiap karyawan diharapkan mampu menjalankan berbagai tugas, mulai dari melayani pelanggan, menata produk, hingga melakukan pemasangan senar raket. Kondisi ini menuntut adanya sistem manajemen pengetahuan yang mampu menyimpan, mengelola dan mendistribusikan informasi dengan cepat dan mudah diakses. Penelitian ini bertujuan untuk merancang sebuah sistem manajemen pengetahuan berbasis chatbot dengan memanfaatkan Large Language Model (LLM) yang terintegrasi dengan teknologi Retrieval Augmented Generation (RAG), serta melakukan uji terhadap hasil perancangan nya. Pendekatan ini diharapkan dapat memudahkan karyawan dalam memperoleh informasi terkait operasional toko, pengetahuan produk, serta prosedur layanan secara mudah dan berkelanjutan. Metodologi penelitian yang digunakan pada rancangan ini adalah System Development Life Cycle (SDLC) sebagai kerangka perancangan sistem, melibatkan proses identifikasi kebutuhan fungsional dan non-fungsional, serta objektif perbaikan sistem hingga tahap perancangan dan uji prototipe sistem. Kemudian penggunaan model SECI (Socialization, Externalization, Combination, Internalization) untuk memetakan proses penciptaan, penyimpanan, dan distribusi pengetahuan di dalam organisasi. Hasil dari penelitian ini berupa prototipe chatbot yang mengakomodasi 3 (tiga) mode interaksi (tanya-jawab, kuis interaktif, dan simulasi) dengan teknologi LightRAG untuk mendukung proses manajemen pengetahuan di Toko GoBIG. Prototipe telah diverifikasi berdasarkan kebutuhan fungsional dan divalidasi berdasarkan objektif perbaikan sistem. Hasil dari evaluasi uji yang dilakukan terhadap sistem menunjukkan perlunya penggunaan model dengan kapasitas token yang cukup tinggi agar dapat menerima pengetahuan yang diberikan. Kombinasi antara model Gemini 2.5-flash dan teknologi LightRAG menunjukan hasil yang mengesankan, dimana sistem dapat memberikan respon yang sesuai dengan basis pengetahuan pada masing-masing mode interaksi.
USULAN KEBIJAKAN INVENTORI PART IMPOR UNTUK MENGATASI FLUKTUASI PERMINTAAN DAN MEMINIMASI BIAYA DI PT X
Industri otomotif di Indonesia merupakan salah satu sektor strategis yang menghadapi tantangan signifikan akibat menurunnya kinerja pasar domestik. Di tengah kondisi ini, PT sebagai salah satu pemain utama menghadapi tantangan dalam mengelola inventori part impor. Komitmen perusahaan untuk selalu memenuhi permintaan pelanggan yang sangat fluktuatif demi menjaga pangsa pasar membuat kebijakan inventori yang diterapkan saat ini bersifat reaktif. Akibatnya, perusahaan bergantung pada pemesanan darurat (Critical Part Order atau CPO) yang berbiaya tinggi untuk menghindari kehabisan stok dan mencegah lost sales di tengah meningkatnya kompetitor. Penelitian ini bertujuan untuk merancang sebuah kebijakan inventori yang proaktif dan adaptif untuk menurunkan ketergantungan pada pemesanan darurat dan meminimalkan total biaya inventori. Untuk mencapai tujuan tersebut, dikembangkan sebuah model simulasi Model Predictive Control (MPC) satu tahap yang diadaptasi dari kerangka kerja Distributed Economic Model Predictive Control (DE-MPC) oleh Köhler dkk. (2021). Model ini bekerja dengan mekanisme rolling horizon sepanjang 13 periode menggunakan prediksi permintaan yang diperbarui secara adaptif serta parameter stabilitas (W) untuk mengendalikan rencana pemesanan. Kinerja kebijakan usulan kemudian dievaluasi dengan membandingkan hasil simulasinya terhadap kebijakan existing selama periode satu tahun. Hasil penelitian menunjukkan bahwa kebijakan usulan berbasis MPC memberikan perbaikan performa yang signifikan, dengan total biaya inventori berhasil diturunkan dari Rp19.098.646.873 menjadi Rp17.317.384.300, menghasilkan penghematan sebesar 9,33%. Penghematan ini terutama dicapai melalui penurunan signifikan biaya CPO, meskipun terdapat peningkatan biaya simpan dan biaya beli akibat strategi proaktif model dalam menjaga ketersediaan stok. Pendekatan ini memungkinkan perusahaan lebih siap menghadapi fluktuasi permintaan dan potensi ketidakpastian pasar. Dengan demikian, kebijakan usulan dinilai lebih unggul dari sisi biaya dan stabilitas operasional serta layak dipertimbangkan perusahaan.
PENGARUH KENAIKAN MUKA AIR DAN ANGIN EKSTREM TERHADAP DINAMIKA ARUS LAUT DI PERAIRAN TIMUR PULAU BANGKA
Kenaikan muka laut (KML) dan angin ekstrem berpotensi memengaruhi dinamika arus di wilayah pesisir. Penelitian ini menggunakan model Delft3D-FLOW untuk mensimulasikan kondisi arus saat ini dan skenario masa depan di perairan timur Pulau Bangka dengan proyeksi KML sebesar 0,30 m, serta skenario kombinasi KML dan angin ekstrem. Validasi terhadap data pasang surut lapangan pada April– Mei 2018 menunjukkan model mampu merepresentasikan fase dan amplitudo pasut secara baik (RMSE = 0,0715 m; r = 0,978). Hasil simulasi menunjukkan bahwa KML meningkatkan elevasi muka air secara merata tanpa mengubah fase pasang surut, sekaligus memperkuat kecepatan arus terutama saat spring tide. Penguatan terbesar tercatat di T2, baik pada musim barat (+0,0064 m?s) maupun musim timur (+0,0071 m?s), dengan arah arus tetap mengikuti pola musiman namun cenderung bergeser ke komponen zonal. Pada skenario angin ekstrem, kecepatan arus rata-rata melebihi 0,33 m?s dengan puncak di atas 0,6 m?s di wilayah sekitar tanjung pada musim barat, serta terjadi pembalikan arus yang kuat pada musim timur. Penambahan KML secara konsisten meningkatkan kecepatan arus meski relatif kecil, terutama saat aliran searah angin dominan serta memperkuat sirkulasi musiman pada periode pasang maupun angin kuat.