📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenPENGEMBANGAN PLUGIN ESLINT UNTUK DETEKSI CODE SMELLS KATEGORI “COUPLERS” PADA KODE JAVASCRIPT BERORIENTASI OBJEK
Seiring meningkatnya adopsi paradigma berorientasi objek dalam proyek JavaScript, masalah desain seperti ketergantungan antar kelas yang berlebihan (high coupling) menjadi tantangan signifikan. Kakas analisis statis yang ada saat ini kurang memiliki fokus untuk mendeteksi code smells kategori "Couplers", yang merupakan akar dari masalah ini. Penelitian ini bertujuan untuk menjembatani celah tersebut dengan merancang dan mengembangkan sebuah plugin ESLint yang didedikasikan untuk mendeteksi empat code smells Couplers: Feature Envy, Inappropriate Intimacy, Message Chains, dan Middle Man. Dengan menggunakan pendekatan berbasis aturan melalui analisis Abstract Syntax Tree (AST), penelitian ini merumuskan serangkaian heuristik spesifik untuk setiap smell. Heuristik ini didefinisikan berdasarkan definisi code smells serta metrik kuantitatif seperti rasio akses fitur, kedalaman rantai pemanggilan, dan deteksi pola nama privat. Hasilnya adalah sebuah plugin ESLint fungsional bernama eslint-plugin-couplers yang divalidasi melalui pengujian unit serta studi kasus pada proyek open-source Axios. Pengujian unit berhasil memverifikasi fungsionalitas setiap aturan dan pengujian pada Axios berhasil mengidentifikasi 25 potensi code smells, yang membuktikan efektivitas plugin dalam skenario dunia nyata, namun juga menunjukkan adanya keterbatasan dari analisis berbasis sintaksis murni dalam memahami konteks desain yang kompleks, yaitu tidak bisa membedakan pola fluent interface dari message chains, melacak alias variabel untuk inappropriate intimacy, dan menganalisis aliran variabel untuk feature envy.
IDENTIFIKASI DISTRIBUSI SANDPRONE FORMASI GUMAI CEKUNGAN SUMATERA SELATAN
Daerah penelitian terletak pada Lapangan X yang merupakan bagian dari sub Cekungan Jambi di bagian utara Cekungan Sumatera Selatan. Objek penelitian berupa Interval Formasi Gumai yang lebih dikenal sebagai batuan tudung (seal) di sub Cekungan ini. Penelitian ini bertujuan untuk melihat pola distribusi sandprone yang diharapkan dapat menjadi target potensi hidrokarbon pada daerah penelitian dengan mengintegrasikan hasil dari beberapa analisis berdasarkan data log talikawat, data biostratigrafi serta nilai amplitudo seismik dengan menggunakan seismik atribut. Agar dapat meminimalisir dampak ketidakpastian dalam kegiatan strategi dan pengembangan suatu lapangan, diperlukan pemetaan bawah permukaan yang lebih representatif terhadap kondisi geologi yang sebenarnya, sehingga penentuan kemenerusan reservoir pada interval target dapat terpetakan dengan maksimal. Untuk mencapai tujuan tersebut, maka digunakan beberapa metode yaitu analisis elektrofasies analisis korelasi sikuen stratigrafi berdasarkan data log talikawat, analisis geofisika menggunakan beberapa seismik atribut yakni Root Mean Square (RMS) atribut dan Sweetness atribut. Dalam kaitannya terhadap potensi hidrokarbon, seismik atribut RMS akan menghitung rata-rata kuadrat dari nilai amplitudo. Perubahan nilai impedansi akustik yang signifikan, dapat mengidentifikasikan keberadaan reservoir. Sementara itu, sweetness adalah rasio dari amplitudo RMS terhadap nilai Instantaneous Frequency. Kedua atribut ini akan dianalisis secara bersamaan dalam rentang jendela nilai tertentu. Hasil dari analisis atribut RMS amplitude dan Sweetness atribut yang dilakukan pada jendela nilai 60/ms menunjukkan adanya potensi hidrokarbon pada Sumur X3 yang direpresentasikan dengan nilai amplitudo dan sweetness yang relatif tinggi, Instaneous Frequency yang rendah, dan reflektivitas RMS sedang hingga tinggi ditunjukkan oleh area yang berwarna cerah (bright-spot) pada peta amplitude. Pola pengendapan diindikasikan berupa endapan tempestite yang dipengaruhi oleh badai (storm deposits).
KARAKTERISASI RESERVOI DAN PEMODELAN STATIK STRUKTUR SP, CEKUNGAN SUMATERA SELATAN
Formasi Baturaja merupakan salah satu reservoir karbonat penting di Cekungan Sumatera Selatan, khususnya di Lapangan SPA. Namun, hingga saat ini karakterisasi dan distribusi fasies karbonat di wilayah ini masih belum sepenuhnya dipahami. Ketidakjelasan ini menjadi hambatan dalam perencanaan pengembangan lapangan, khususnya dalam penempatan sumur yang efisien dan optimal. Permasalahan utama dalam penelitian ini adalah belum teridentifikasinya fasiesfasies pengendapan karbonat secara rinci serta bagaimana penyebaran reservoir batuan karbonat didaerah penelitian. Hal ini menyebabkan tingginya risiko dalam pengambilan keputusan eksplorasi dan pengembangan. Tesis ini bertujuan untuk mengidentifikasi fasies karbonat serta penyebaran reservoir batuan karbonat Formasi Baturaja melalui pendekatan terpadu yang melibatkan interpretasi log sumur, analisis core, dan data seismik. Analisis dilakukan melalui deskripsi litofasies, klasifikasi elektrofasies, interpretasi lingkungan pengendapan, korelasi antar sumur, dan pemodelan statik 3D. Kesimpulan dari penelitian ini menunjukkan bahwa Reservoir karbonat pada Formasi Baturaja dapat diidentifikasi sebagai reef dan platform dengan dua fasies utama pada reef yaitu barrier reef dan patch reef yang dapat dimodelkan secara kuantitatif dan secara lateral dikontrol attribute RMS seismic dan attribute Acoustic Impedance (AI) seismic. Secara play stratigrafi main reservoir pada Lapangan SPA sejauh ini berfokus pada area barrier reef dan patch reef, Untuk reservoir yang bagus secara vertical pada Upper BRF dan secara lateral pada barrier Reef mempunyai porositas yang bagus sebesar 13-23 %, dan kontinuitas lateral yang baik. Secara Lapangan, reservoir berada di sisi dalam Musi Platform dengan kemiringan lapisan karbonat yang tajam (>40°) akibat proses pelipatan. Model fasies 3D yang dibangun berhasil menggambarkan kontinuitas lateral dan variasi ketebalan fasies produktif secara detail.
ESTIMASI NILAI SEEING DENGAN DATA PARAMETER ATMOSFER DI OBSERVATORIUM MAUNAKEA MENGGUNAKAN RANDOM FOREST
Pengamatan astronomi dari permukaan Bumi menghadapi tantangan signifikan akibat turbulensi atmosfer yang memengaruhi kualitas citra, atau yang dikenal sebagai seeing. Untuk mengatasi kendala ini, penelitian ini bertujuan mengembangkan model pembelajaran mesin berbasis data atmosfer dari ERA5 guna memperkirakan nilai seeing secara efisien. Pendekatan ini dirancang agar tidak memerlukan infrastruktur khusus, sehingga dapat diterapkan di berbagai lokasi di seluruh dunia. Data yang digunakan mencakup rentang tahun 2014- 2024 dengan menggunakan data seeing aktual dan data primer dan sekunder atmosfer dari Reanalisis ERA5. Data seeing dari Observatorium Mauna Kea digunakan sebagai label untuk melatih model menggunakan algoritma Random Forest. Evaluasi model dilakukan menggunakan K-Fold Cross Validation dengan metrik MAE dan R2 untuk menilai performa prediksi. Hasil analisis menunjukkan bahwa algoritma Random Forest dengan konfigurasi lapisan ketinggian atmosfer antara 1000 hingga 150 hPa, yang menggunakan kombinasi data parameter atmosfer primer dan sekunder berupa kelembapan, serta pengaturan parameter Random Forest dengan n estimators = 300 dan max features = 1.0, menghasilkan prediksi terbaik dengan koefisien determinasi (R2 ) sebesar 0,803 dan nilai Mean Absolute Error (MAE) sebesar 0,102. Performa optimal ini dicapai setelah dilakukan eliminasi data di luar rentang waktu pengamatan antara pukul 20.00 hingga 04.00 HST, serta penyaringan data yang memiliki nilai Relative Humidity (RH) negatif maupun yang melebihi batas 85%. Temuan ini mengindikasikan bahwa model tersebut mampu mengenali pola turbulensi atmosfer secara efektif di kawasan Observatorium Mauna Kea. Selain itu, proses seleksi data yang ketat terbukti penting untuk meningkatkan akurasi model, mengingat data dengan RH di luar rentang fisik dapat mengganggu hasil prediksi. Dengan demikian, pendekatan ini menunjukkan potensi dalam memanfaatkan data reanalisis atmosfer untuk estimasi kondisi seeing yang akurat di lokasi observasi tinggi.
PENGARUH DESAIN IMPELLER TERHADAP KARAKTERISTIK DAN PERFORMA ELEKTROKIMIA MATERIAL KATODE LI[NI0.95MN0.05AL0.05]O2 (NMA9055) UNTUK APLIKASI BATERAI ION LITIUM
Seiring dengan meningkatnya permintaan akan baterai ion litium (LIB) berkinerja tinggi, pengembangan material katode kaya nikel (Ni-rich) menjadi fokus utama penelitian untuk meningkatkan densitas energi dan stabilitas siklus. Namun, performa katode ini sangat dipengaruhi oleh morfologi dan struktur partikel yang terbentuk selama proses sintesis, salah satunya adalah metode kopresipitasi. Salah satu parameter krusial dalam metode kopresipitasi yang dapat memengaruhi homogenitas larutan dan kinetika pertumbuhan kristal adalah pola aliran fluida yang dihasilkan oleh pengaduk. Pada penelitian ini, dilakukan sintesis material katode Li[Ni0.90Mn0.05Al0.05]O2 (NMA9055) menggunakan metode kopresipitasi dengan variasi desain pengaduk untuk menghasilkan pola aliran yang berbeda, yaitu pola aliran aksial (menggunakan propeller impeller) dan pola aliran radial (menggunakan magnetic bar). Material yang dihasilkan kemudian dikarakterisasi untuk menginvestigasi pengaruh pola aliran terhadap struktur, morfologi, dan performa elektrokimianya menggunakan X-Ray Diffraction (XRD), Scanning Electron Microscope (SEM), Electrochemical Impedance Spectroscopy (EIS), dan pengujian charge-discharge. Berdasarkan hasil karakterisasi, material NMA9055 yang disintesis dengan pola aliran radial menunjukkan performa elektrokimia yang lebih unggul. Keunggulan ini dibuktikan dengan kapasitas discharge awal yang lebih tinggi sebesar 171,70 mAh g?1 , kemampuan rate capability pada 1C sebesar 129,76 mAh g?1 , serta retensi kapasitas mencapai 87,07% setelah 50 siklus pengujian. Performa superior ini diatribusikan pada kristalinitas dan keteraturan lapisan heksagonal yang lebih baik, serta morfologi partikel yang lebih padat. Meskipun demikian, sampel dengan pola aliran aksial menunjukkan kinetika difusi ion yang lebih cepat dengan nilai hambatan transfer muatan (Rct) yang secara signifikan lebih rendah, yaitu 54,8 ?.
ANALISIS VALUE AT RISK DALAM SUDUT PANDANG TOPOLOGICAL DATA ANALYSIS
Salah satu metode statistik, yaitu Value at Risk, telah umum digunakan untuk menganalisis dan mengkuantifikasi ukuran risiko suatu saham. Topological Data Analysis hadir untuk memberikan sudut pandang baru dalam mengukur risiko suatu saham dengan menganalisis bentuk data, dalam kasus ini fluktuasi harga saham. Fluktuasi return saham akan dispasialisasikan ke dalam ruang tiga dimensi yang kemudian dibangun kompleks Vietoris-Rips untuk mengamati perubahan homologi yang dimiliki oleh data sering bergantinya nilai parameter. Perubahan homologi tersebut disimpan ke dalam suatu diagram persisten dan ukuran risiko dalam sudut pandang topologi merupakan penjumlahan jarak Wasserstein diagram persisten antar kuartal dalam satu tahun. Hasil yang didapatkan melalui metode Topological Data Analysis kemudian dibandingkan dengan metode Value at Risk dengan harapan kedua metode memberikan hasil yang selaras dan konsisten.
KARAKTERISASI MINERALOGI DAN UNSUR JEJAK PADA PIRIT SEBAGAI PENCIRI ZONA MINERALISASI EMAS OROGENIK DI PROSPEK SALU BULLO, SULAWESI SELATAN
Penelitian ini bertujuan untuk mengkarakterisasi mineralogi dan unsur jejak dalam mineral pirit sebagai penciri zona mineralisasi emas orogenik di prospek Salu Bullo, Sulawesi Selatan. Metode yang digunakan meliputi pengamatan mineragrafi pada sayatan poles untuk mengidentifikasi bentuk, tekstur, asosiasi, dan paragenesa pirit, serta analisis unsur jejak menggunakan LA-ICP-MS untuk menentukan komposisi kimia elemen seperti Co, Ni, As, Sb, Te, dan Au. Hasil mineragrafi menunjukkan adanya tiga tahap pembentukan pirit yaitu tahap metamorfik awal (Py1), tahap transisi (Py2), dan tahap hidrotermal (Py3), masing-masing dengan karakteristik tekstur dan kandungan unsur yang berbeda. Analisis korelasi antara titik penembakan LA-ICP-MS dan zonasi kimia menunjukkan bahwa rasio Ni/Co menurun dari Py1 ke Py3, sementara kandungan Au dan unsur volatil lainnya meningkat signifikan pada tahap akhir. Pirit pada Py3 terbukti berperan sebagai pembawa mineralisasi emas utama dalam sistem orogenik. Analisis scatter plot rasio Cu/Zn terhadap Ni/Co mengindikasikan bahwa endapan emas di daerah penelitian tergolong dalam sistem orogenik epizonal, dengan karakteristik pengendapan pada suhu rendah dan kedalaman dangkal.
INDEKS PEWARNAAN PELANGI-3 KAKU PADA SUBDIVISI GRAF RODA
Keamanan dan efisiensi jaringan komunikasi dapat dimodelkan menggunakan pewarnaan sisi pada teori graf. Salah satu konsep pewarnaan sisi yang menjamin keamanan dan efisiensi jalur adalah pewarnaan sisi pelangi?3 kaku, yaitu pewarnaan sisi pada graf sehingga setiap tiga titik di dalamnya terhubung oleh sebuah lintasan terpendek yang merupakan lintasan pelangi. Lintasan pelangi adalah lintasan yang setiap sisinya berwarna unik. Nilai minimum banyaknya warna yang dibutuhkan untuk pewarnaan tersebut disebut indeks pelangi-3 kaku dan dinotasikan dengan ????????????????3. Penelitian ini bertujuan untuk menentukan nilai eksak dari ????????????????3 untuk dua kelas graf hasil subdivisi dari graf roda, yaitu graf ????????(0,????) yang diperoleh dengan menambahkan ???? titik pada setiap sisi jari-jari dan graf ????????(????,0) yang diperoleh dengan menambahkan ???? titik pada setiap sisi rim. Penelitian ini merupakan studi teoretis dalam matematika yang menggunakan metode pembuktian deduktif untuk menganalisis struktur graf dan menemukan nilai indeksnya. Hasil utama dari penelitian ini adalah penemuan formula eksak untuk nilai ????????????????3(????????(0,????)) dan ????????????????3(????????(????,0)), yang ditemukan sangat bergantung pada parameter ????,????, dan ???? dengan berbagai studi kasus yang kompleks.
PENENTUAN LOKASI POINT OF SALE (POS) YANG OPTIMAL DENGAN PENDEKATAN PEMBELAJARAN MESIN DAN OPTIMISASI BANYAK OBJEKTIF
Pertumbuhan pesat kepemilikan sepeda motor di Jawa Barat mencerminkan tingginya kebutuhan mobilitas masyarakat serta meluasnya kawasan permukiman ke daerah pinggiran kota. Kondisi ini menjadikan Jawa Barat sebagai wilayah potensial bagi perusahaan otomotif untuk memperluas jaringan distribusi dan layanan, khususnya melalui penentuan lokasi Point of Sales (POS). Penelitian ini dilakukan bersama PT. Daya Anugrah Mandiri (Daya Motor), salah satu distributor Honda terbesar di Indonesia, yang menghadapi tantangan dalam ekspansi jaringan POS. Untuk mendukung penentuan lokasi POS yang optimal, penelitian ini mengembangkan pendekatan terintegrasi dengan menggabungkan analitik prediktif dan optimisasi banyak objektif. Model Adaptive Boosting digunakan untuk memprediksi jumlah penjualan unit motor dan jumlah pelanggan potensial di 32 calon lokasi POS berdasarkan variabel demografi dan ekonomi. Evaluasi model prediksi menunjukkan performa yang baik dari sisi akurasi maupun generalisasi. Dengan demikian, hasil prediksi model dapat digunakan sebagai masukan dalam proses optimisasi. Proses optimisasi dilakukan dengan algoritma Non-Dominated Sorting Genetic Algorithm (NSGA-III). Algoritma ini mempertimbangkan lima fungsi tujuan, yaitu meminimumkan biaya per unit, memaksimumkan jumlah penjualan unit motor, memaksimumkan jumlah pelanggan potensial, meminimumkan jumlah dealer Honda dan POS Daya Motor, serta memaksimumkan jarak dealer Honda terdekat dengan calon POS untuk memperoleh solusi Pareto optimal. Lalu, satu solusi akhir dipilih menggunakan pendekatan interaktif Sinkronisasi NIMBUS yang melibatkan pengambil keputusan sehingga sesuai dengan preferensi perusahaan. Penelitian ini menghasilkan rekomendasi lokasi POS optimal yang dapat dijadikan dasar strategis bagi ekspansi jaringan POS Daya Motor.
PENGEMBANGAN MODEL PEMILIHAN DAN BOBOT KRITERIA UNTUK PEMILIHAN VENDOR MENGGUNAKAN METODE DELPHI, BEST WORST METHOD (BWM), DAN STRUCTURAL EQUATION MODELING – PARTIAL LEAST SQUARE (SEM-PLS) PADA PT PLN (PERSERO) UPT DURIKOSAMBI
Permasalahan di PT PLN (Persero) UPT Durikosambi berawal dari masih tingginya angka keterlambatan penyelesaian pekerjaan jasa konstruksi yang di mana masih banyak proyek yang mengalami amandemen dengan sebagian besar berupa perpanjangan waktu. Hal ini disebabkan oleh pemilihan vendor yang belum berbasis pada penilaian objektif dan menyeluruh. Proses seleksi masih berfokus pada aspek administratif seperti harga dan pengalaman, tanpa mempertimbangkan faktor seperti kapasitas kualitas dan keberlanjutan. Akibatnya, banyak vendor yang tidak mampu memenuhi target kualitas, biaya, dan waktu. Penelitian ini bertujuan mengembangkan model pemilihan vendor berbasis multikriteria sebagai solusi untuk meningkatkan objektivitas dan akurasi proses pemilihan vendor. Model dikembangkan melalui pendekatan metode Delphi untuk menyaring dan menyepakati kriteria serta subkriteria yang relevan berdasarkan pendapat para ahli. Selanjutnya, metode Best-Worst Method (BWM) digunakan untuk menentukan bobot prioritas antar kriteria secara efisien dan konsisten. Uji validitas, reliabilitas, serta hubungan antar variabel dilakukan dengan metode Structural Equation Modeling - Partial Least Squares (SEM-PLS) untuk memastikan model layak diterapkan secara praktis. Hasil analisis menunjukkan bahwa kriteria harga memiliki bobot tertinggi, dengan subkriteria harga penawaran sebagai aspek terpenting dalam pengambilan keputusan. Di sisi lain, dimensi keberlanjutan memperoleh bobot terendah, yang mencerminkan bahwa aspek lingkungan belum menjadi pertimbangan utama dalam praktik pengadaan di PT PLN (Persero) UPT Durikosambi saat ini. Hasil pengujian outer model menunjukkan bahwa seluruh indikator valid dan reliabel, dengan nilai loading factor > 0,7 dan nilai AVE > 0,5. Seluruh konstruk juga lolos uji diskriminan dan memiliki nilai Composite Reliability di atas 0,7. Pengujian inner model memperlihatkan bahwa dimensis OSHA, Teknis, Harga, dan Administrasi berpengaruh signifikan terhadap pemilihan vendor, dengan OSHA menjadi faktor paling dominan. Sementara itu, dimensi Finansial, Keberlanjutan, dan Kualitas tidak menunjukkan pengaruh yang signifikan, menandakan bahwa ii aspek-aspek tersebut belum menjadi penentu utama dalam pengambilan keputusan pengadaan. Lebih lanjut, pengujian predictive relevance (Q2) menunjukkan bahwa model yang dikembangkan memiliki nilai Q-square sebesar 0,586 kemampuan prediktif yang kuat. Artinya, model yang dikembangkan mampu menjelaskan variabilitas dalam pengambilan keputusan seleksi vendor. Hal ini menunjukkan bahwa model multikriteria yang dirancang dalam penelitian ini dapat menjadi alat bantu strategis untuk meningkatkan objektivitas, akuntabilitas, dan efisiensi dalam proses pengadaan barang dan jasa, sejalan dengan prinsip value for money dan visi keberlanjutan PLN.
OPTIMASI DESAIN STRUKTUR PELINDUNG PANTAI UNTUK MEMAKSIMALKAN REDUKSI GELOMBANG DAN MEMINIMALKAN BIAYA MENGGUNAKAN METODE NSGA-II
Penelitian mengenai reduksi amplitudo gelombang oleh struktur pelindung pantai seperti gabion dan pagar kayu telah banyak dilakukan, tetapi kajian mengenai aspek biaya pemasangan masih terbatas. Studi ini memanfaatkan Persamaan Air Dangkal (Shallow Water Equations) untuk memodelkan peredaman amplitudo gelombang akibat keberadaan struktur pelindung pantai. Solusi numerik terhadap koefisien transmisi gelombang (Kt) diperoleh menggunakan metode finite volume pada staggered grid dan divalidasi dengan solusi analitik dari literatur. Solusi numerik tersebut kemudian digunakan dalam analisis sensitivitas untuk mengidentifikasi parameter-parameter yang berpengaruh terhadap nilai Kt dan biaya pemasangan. Proses optimasi dilakukan dengan algoritma NSGA-II (Non-dominated Sorting Genetic Algorithm II) guna mencapai dua tujuan sekaligus: meminimumkan nilai Kt (memaksimalkan redaman gelombang) dan meminimumkan biaya. Hasil optimasi menghasilkan kurva Pareto optimal yang memperlihatkan berbagai alternatif solusi sehingga pengambil keputusan dapat memilih konfigurasi sesuai prioritas. Struktur gabion cenderung mendominasi solusi optimal, sementara keterlibatan pagar kayu bergantung pada rasio biaya antarjenis struktur. Pada skenario dengan asumsi koefisien redaman material sama antara pagar dan gabion, dominasi gabion berkurang dan pagar lebih sering muncul dalam konfigurasi optimal. Sementara itu, pada kasus ukuran gabion tidak seragam, kurva Pareto tetap terbentuk tetapi tidak menunjukkan pola konfigurasi yang jelas di bagian tengah.
ESTIMASI PREMI ASURANSI KESEHATAN BERBASIS MODEL DERET WAKTU DAN SIR UNTUK PENYAKIT CAMPAK DI DKI JAKARTA
Penyakit campak masih menjadi permasalahan kesehatan masyarakat di DKI Jakarta dan berpotensi menimbulkan beban ekonomi yang signifikan, termasuk dalam konteks pembiayaan asuransi kesehatan. Penelitian ini bertujuan untuk mengestimasi net premium asuransi kesehatan untuk penyakit campak dengan menggunakan dua pendekatan, yaitu pemodelan deret waktu dan model epidemiologi SIR (Susceptible-Infected-Recovered). Data bulanan kasus campak dari Januari 2015 hingga Mei 2025 digunakan sebagai basis analisis. Pemodelan deret waktu dilakukan untuk memproyeksikan jumlah kasus pada 24 bulan mendatang, sedangkan model SIR digunakan untuk memodelkan dinamika penularan dan memproyeksikan jumlah infeksi berdasarkan parameter epidemi yang diestimasi dari data historis. Hasil perhitungan net premium menunjukkan bahwa pendekatan deret waktu menghasilkan estimasi premi bulanan sebesar Rp215,72 dengan interval kepercayaan 80% sebesar [Rp109,29, Rp325,16] dan interval kepercayaan 95% sebesar [Rp65,54, Rp383,69], sedangkan pendekatan SIR menghasilkan premi sebesar Rp128,41. Perbedaan hasil mencerminkan perbedaan asumsi dasar dan karakteristik masing-masing model, namun premi SIR berada dalam interval kepercayaan premi deret waktu, menunjukkan konsistensi hasil. Temuan ini memberikan gambaran bahwa kedua pendekatan dapat digunakan sebagai alternatif dalam penetapan premi asuransi kesehatan berbasis risiko penyakit menular.
ALOKASI DAYA BERBASIS DEEP DETERMINISTIC POLICY GRADIENT UNTUK EFISIENSI ENERGI PADA JARINGAN INDUSTRIAL IOT
Munculnya jaringan Industrial Internet of Things (IIoT) membawa tantangan yang signifikan dalam hal alokasi sumber daya, khususnya dalam menjamin distribusi daya yang cerdas dan berlangsung secara real-time terhadap sejumlah besar node sensor. Efisiensi alokasi daya menjadi aspek yang sangat krusial untuk mencapai efisiensi energi yang tinggi, terutama di lingkungan industri yang menuntut pemenuhan terhadap persyaratan minimum data rate pada setiap node, di tengah keterbatasan ketersediaan daya. Penelitian ini mengusulkan pendekatan berbasis Deep Reinforcement Learning (DRL) dengan menggunakan algoritma Deep Deterministic Policy Gradient (DDPG) untuk mengoptimalkan alokasi daya pada sistem IIoT. Tujuan utama dari pendekatan ini adalah untuk memaksimalkan efisiensi energi secara menyeluruh di tingkat sistem, dengan tetap memastikan bahwa setiap node memenuhi persyaratan minimum data rate, serta menjaga agar total konsumsi daya tidak melebihi batas maksimum yang telah ditentukan. Untuk mendukung pencapaian tujuan tersebut, dirancang sebuah fungsi reward khusus yang secara eksplisit mengintegrasikan berbagai kendala sistem ke dalam proses pembelajaran. Dengan demikian, agen DDPG dapat mempelajari kebijakan alokasi daya yang secara implisit mematuhi batasan-batasan sistem yang berlaku. Hasil simulasi menunjukkan bahwa metode yang diusulkan mampu memberikan kinerja yang lebih baik dibandingkan dengan kebijakan alokasi acak yang dijadikan sebagai pembanding (baseline), dengan peningkatan efisiensi energi hingga 3,5 hingga 5 kali lebih tinggi pada berbagai skenario kepadatan node. Temuan ini menunjukkan bahwa algoritma DDPG efektif dalam mempelajari strategi alokasi daya yang adaptif dan sadar terhadap kendala, serta memiliki potensi yang tinggi untuk diterapkan pada jaringan IIoT industri yang bersifat skalabel dan hemat energi.
PENINGKATAN CITRA BAWAH PERMUKAAN DENGAN APLIKASI METODE ANISOTROPI PRESTACK DEPTH MIGRATION PADA CEKUNGAN JAWA TIMUR UTARA
Pada struktur geologi sederhana dengan variasi kecepatan lateral yang kecil, migrasi waktu (PSTM) umumnya mampu menghasilkan citra bawah permukaan yang memadai. Namun, pada struktur kompleks seperti lapisan karbonat yang memicu pull-up effect, metode PSTM menjadi kurang akurat karena tidak mampu mengakomodasi variasi kecepatan lateral, sehingga berpotensi menimbulkan kesalahan interpretasi. Migrasi kedalaman (PSDM) sebagai solusi dengan memanfaatkan kecepatan interval dan mempertimbangkan variasi kecepatan lateral untuk menghasilkan citra reflektor yang lebih akurat. Meski demikian, asumsi isotropi yang umum digunakan pada PSDM sering kali tidak sesuai dengan kondisi geologi sebenarnya yang cenderung bersifat anisotropi, dimana kecepatan gelombang bervariasi sesuai arah rambatnya. Penelitian ini membandingkan hasil isotropi PSDM dan anisotropi PSDM dengan menerapkan parameter anisotropi Thomsen, yaitu epsilon (?) dan delta (?). Parameter delta (?) merepresentasikan anisotropi gelombang P pada arah near vertical dan digunakan untuk mengoreksi kecepatan seismik berdasarkan data sumur, sedangkan epsilon (?) merepresentasikan anisotropi gelombang P pada arah near horizontal yang berkaitan dengan koreksi far offset. Proses pengolahan isotropi PSDM dilakukan dengan perbaikan model kecepatan menggunakan analisis residual moveout dan tomografi iterasi sebanyak lima kali. Koreksi model kecepatan isotropi akhir dengan parameter delta menghasilkan kesesuaian yang lebih baik dengan data sumur. Perbaikan epsilon dilakukan satu kali karena gather telah menunjukkan kedataran setelah iterasi tomografi. Hasil penelitian menunjukkan bahwa penerapan anisotropi mampu meningkatkan akurasi model kecepatan seismik terhadap data sumur gelombang P. Perbaikan ini mengoreksi kesalahan struktur yang disebabkan penggunaan kecepatan RMS pada PSTM, termasuk menghilangkan efek pull-up. Dengan demikian, metode PSDM anisotropi dapat meningkatka
PENGEMBANGAN MODEL MACHINE LEARNING UNTUK PREDIKSI PERMINTAAN DALAM MENDUKUNG MANAJEMEN STOK DI PT XYZ
PT XYZ sebagai perusahaan telemedicine terkemuka menghadapi tantangan manajemen stok farmasi dengan lebih dari 6.000 SKU di lebih dari 200 farmasi. Proses peramalan permintaan masih dilakukan manual di Excel menggunakan metode moving average dan memerlukan 3–5 hari kerja per periode dengan akurasi yang rendah sehingga memicu overstock dan stockout. Penelitian ini mengembangkan sistem peramalan berbasis machine learning dengan target WMAPE di bawah 40% dan efisiensi waktu yang signifikan. Metodologi mengikuti CRISP-DM menggunakan data historis 2021–2024 sebanyak 10,5 juta baris dari 33 farmasi, dengan pendekatan komparatif antara model deret waktu klasik ARIMA, SARIMA, dan SARIMAX serta algoritma berbasis pohon Random Forest, XGBoost, dan LightGBM. Tahapan meliputi eksplorasi data, feature engineering, pemilihan farmasi representatif, dan optimasi hyperparameter, kemudian dievaluasi melalui time series cross-validation dan penerapan ke jaringan farmasi. Hasil menunjukkan keunggulan machine learning. XGBoost mencapai WMAPE 1,356% dan melampaui SARIMAX terbaik yang berada di 85,68%. Waktu pemrosesan menyusut dari 3–5 hari kerja menjadi sekitar 5 menit untuk 33 farmasi. Analisis ABC-XYZ menunjukkan risiko stockout dan overstock yang rendah pada lebih dari 90% produk serta performa yang terjaga di sebagian besar farmasi dengan WMAPE di bawah 5%. Temuan ini membuktikan bahwa machine learning mampu mentransformasi manajemen stok farmasi di PT XYZ dengan peningkatan akurasi dan efisiensi yang nyata serta siap untuk implementasi operasional skala penuh.