📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 192 dokumenPERANCANGAN ANTARMUKA PENGGUNA DAN SISTEM PENGENDALIAN PEMANAS UNTUK POURFECT60: MESIN PENYEDUH KOPI V60 OTOMATIS
Metode penyeduhan kopi V60 semakin populer di dunia. Namun, tidak semua orang mampu menyeduh kopi menggunakan metode ini secara manual. Oleh karena itu, dikembangkan sebuah sistem yang dirancang untuk mempermudah proses penyeduhan V60. Sistem ini mensimulasikan proses penyeduhan manual dengan menggunakan sensor dan kontrol otomatis untuk mengatur suhu, volume air, dan proses penuangan. Perangkat keras dalam sistem ini terdiri atas beberapa subsistem, seperti subsistem elektronik, mekanik, dan catu daya, yang bekerja secara terintegrasi untuk menghasilkan kopi seduh dengan parameter yang terkontrol secara akurat. Sistem antarmuka memiliki peran penting sebagai penghubung antara pengguna dan mesin. Fungsi utama dari antarmuka ini adalah untuk menerima parameter penyeduhan dari pengguna serta mengirim dan menerima data secara real time dari sistem. Terdapat dua metode komunikasi yang digunakan: melalui aplikasi seluler dan layar bawaan pada perangkat. Aplikasi berkomunikasi dengan sistem menggunakan BLE, sedangkan layar terhubung ke pengendali utama menggunakan protokol RS485. Sistem ini juga dilengkapi dengan mekanisme pengendali pemanas guna memastikan air mencapai suhu yang sesuai untuk penyeduhan. Pengendali menggunakan metode PID dan Histeresis untuk menyesuaikan daya pemanas. Dengan memantau suhu dan mengatur daya yang diberikan ke pemanas, sistem mampu menjaga suhu air dalam rentang deviasi kurang dari 2°C. Beberapa perbedaan antara hasil pengukuran sensor dan alat ukur standar disebabkan oleh penempatan perangkat keras dan masalah kalibrasi. Eksperimen lanjutan serta kalibrasi perangkat lunak diperlukan untuk mencapai akurasi yang diinginkan. Di tahap berikutnya, hasil kopi seduhan dari mesin ini akan dibandingkan dengan kopi yang diseduh secara manual untuk mengevaluasi kualitas dan cita rasa.
KLASIFIKASI INDEKS KESEHATAN GARDU DISTRIBUSI BERBASIS ARTIFICIAL NEURAL NETWORK
Kebutuhan energi listrik akan semakin bertambah dan meningkat seiring dengan berkembangnya berbagai bidang yang terjadi di masyarakat. Seiring berjalannya waktu operasi, komponen pada gardu distribusi akan mengalami penuaan yang berpotensi menyebabkan kegagalan operasional. Oleh karena itu, diagnosis kondisi gardu distribusi secara berkala sangat diperlukan untuk menentukan langkah yang tepat, apakah perlu diperbaikan atau diganti untuk memaksimalkan kinerja sistem. Untuk mendukung kegiatan tersebut, health index dapat menjadi alat yang berguna untuk mengetahui kondisi gardu. Dalam penelitian ini akan menerapkan perbandingan Support Vector Machine (SVM) dan Artificial Neural Network (ANN) dalam klasifikasi health index gardu distribusi dengan kerangka kerja CRISP-DM. Dataset penelitian yaitu data dari Unit Layanan (UL) Ciracas pada bulan Maret 2024. Preprocessing melakukan editing pada data inputan, normalisasi min-max scaler, balancing data menggunakan ADASYN, reduksi dimensi menggunakan feature extraction Principal Component Analysis (PCA) dan split data dengan beberapa rasio terdiri dari 60%:40%, 70%:30%, 80%:20%, dan 90%:10. Hasil evaluasi menggunakan confusion matrix menunjukkan performa terbaik terdapat pada model yaitu metode SVM kernel linear terdapat pada rasio 90%:10% mendapatkan nilai accuracy sebesar 81.25%, kernel RBF terdapat pada rasio 70%:30% mendapatkan nilai accuracy sebesar 80.21%, kernel sigmoid pada rasio 70%:30% mendapatkan nilai accuracy sebesar 78.12%, kernel polynomial pada rasio 90%:10% mendapatkan nilai accuracy sebesar 81.25%. Sedangkan, pada metode ANN terdapat pada rasio 90%:10% dengan nilai accuracy 87.5%, precision 88.91%, recall 87.5%, f1-score 87.01%. Dari hasil perbandingan performa kinerja model ANN dan SVM dengan feature extraction PCA terdapat perbedaan performa kinerja model secara signifikan, performa kinerja model terbaik pada masing-masing rasio untuk 60%:40%, 70%:30%, 80%:20%, 90%:10% terdapat pada metode ANN. Maka, dapat disimpulkan bahwa metode ANN lebih unggul dibandingkan metode SVM.
PENGEMBANGAN INSTRUMEN PENGUKURAN SUDUT KONTAK CAIRAN-CAIRAN-PADATAN PADA SALINITAS TERTENTU
Sudut kontak merupakan parameter yang dapat menilai kemampuan permukaan padatan mengalirkan fluida yang menimpanya (wettability). Sudut kontak terbentuk akibat interaksi tiga fase pada titik pertemuan. Nilai sudut yang terbentuk dapat diklasifikasikan sesuai dengan mobilitas cairan yang menimpa padatan, yaitu water-wet (0 ? 75°), intermediate-wet (75 ? 115°), dan oil-wet (115 ? 180°). Penelitian ini berusaha menginvestigasi pengaruh salinitas dalam mengubah wettability kaca preparat akibat interaksi droplet minyak, larutan air garam, dan kaca preparat. Penelitian dilakukan dengan menentukan sudut kontak minyak secara statik pada larutan air garam yang divariasikan konsentrasi garam terlarutnya. Bahan yang dibutuhkan pada percobaan penelitian ini adalah air distilasi, minyak pelumas, minyak goreng, kaca preparat, dan garam meja. Pengukuran dimulai dengan membuat 200 gram larutan air garam yang divariasikan berdasarkan massa garam terlarut, yaitu 0, 2, 5, 8, 10, 12, 15, 18, dan 20 gram. Minyak dimasukkan ke dalam jarum suntikan dan larutan diwadahi oleh chamber transparan. Sudut kontak diukur dengan alat contact angle meter CAAI 2320. Dua grafik sudut kontak terhadap salinitas didapat berdasarkan jenis minyak penyusun droplet. Grafik minyak pelumas menunjukkan adanya peningkatan sudut kontak droplet pada rentang 0 – 50.000 ppm. Hal ini dapat disebabkan oleh penyusun utama minyak yang nonpolar tidak dapat mendominasi interaksi sesama materi polar antara kaca preparat dan larutan air garam. Sedangkan pada grafik minyak goreng ditemukan tren yang berkebalikan pada rentang yang sama. Hal ini dapat disebabkan oleh penyusun minyak goreng bersifat polar sehingga interaksi polar dan polar antara larutan dan kaca terganggu.
PERAN STRATEGI GROWTH HACK DALAM MEMPENGARUHI NIAT PEMBELIAN PELANGGAN DI START-UP EDTECH BARU: STUDI KASUS SMARTZ CENTRE
Niat pembelian pelanggan merupakan metrik penting dalam mengukur pertumbuhan berkelanjutan pada startup teknologi pendidikan (EdTech). Penelitian ini bertujuan untuk mengkaji variabel-variabel strategi growth hack yang secara signifikan memengaruhi niat pembelian pelanggan, berdasarkan kerangka AARRR dari Bohnsack dan Liesner (2019), serta memberikan rekomendasi strategis untuk Smartz Centre, sebuah platform EdTech baru di Indonesia. Pendekatan kuantitatif digunakan dengan metode Partial Least Squares Structural Equation Modeling (PLS-SEM), yang melibatkan lima variabel utama: acquisition, activation, revenue, retention, dan referral. Data dikumpulkan melalui kuesioner daring yang diisi oleh 211 responden, terdiri dari pengguna internal (siswa dan orang tua) dan calon pelanggan eksternal. Hasil analisis model menunjukkan bahwa seluruh variabel memiliki pengaruh signifikan terhadap niat pembelian pelanggan, dengan koefisien jalur tertinggi pada variabel revenue (? = 0.412), retention (? = 0.401), dan referral (? = 0.387). Variabel acquisition (? = 0.201) dan activation (? = 0.195) juga memberikan kontribusi positif yang signifikan secara statistik, meskipun dengan pengaruh yang lebih kecil. Model ini mampu menjelaskan 87.2% variansi pada niat pembelian pelanggan (R² = 0.872), yang menunjukkan kekuatan prediksi yang sangat kuat. Temuan ini menyiratkan bahwa meskipun akuisisi dan aktivasi pengguna baru tetap penting, perhatian yang lebih besar perlu diberikan pada monetisasi pelanggan yang sudah ada, menjaga loyalitas, serta memanfaatkan strategi rujukan dari mulut ke mulut untuk mendorong niat pembelian yang berkelanjutan. Secara teoritis, studi ini berkontribusi dalam pengembangan kerangka growth hack berbasis data yang relevan dengan konteks EdTech. Secara praktis, temuan ini mendukung Smartz Centre dalam merancang strategi yang lebih tepat sasaran, seperti bundling layanan premium, program retensi yang dipersonalisasi, dan insentif referral yang terstruktur untuk meningkatkan konversi pembelian. Keterbatasan penelitian ini mencakup belum adanya segmentasi mendalam dan wawasan kualitatif. Penelitian selanjutnya disarankan menggunakan pendekatan metode campuran dan data longitudinal untuk menangkap perubahan perilaku pembelian dari waktu ke waktu.
POTENSI LARGE LANGUAGE MODEL (LLM) SEBAGAI ALAT BANTU PENYEDIA INFORMASI TERKAIT SWAMEDIKASI: STUDI PENDAHULUAN
Swamedikasi merupakan praktik yang umum dilakukan oleh masyarakat Indonesia dan keberhasilannya bergantung pada ketepatan informasi obat. Kini, Large Language Model (LLM), salah satu penerapan kecerdasan buatan, semakin banyak dimanfaatkan untuk memperoleh informasi kesehatan secara cepat. Namun, timbul kekhawatiran atas akurasi dan bias dari informasi yang dihasilkan. Berangkat dari alasan tersebut, dilakukan penelitian yang bertujuan untuk menganalisis potensi dari penggunaan Large Language Model (LLM) apabila dimanfaatkan sebagai alat bantu penyedia informasi terkait swamedikasi. Penelitian ini menerapkan desain studi observasional dengan pendekatan cross-sectional dan berupa studi pendahuluan. Penelitian dilakukan dari Bulan Maret 2025 hingga Juni 2025 dengan memberikan sejumlah pertanyaan yang sama kepada Large Language Model (LLM) dan apoteker sebagai pembanding, kemudian jawaban tersebut secara anonim diberikan kepada panel ahli untuk menilai kualitas konten informasinya dan kepada masyarakat Indonesia untuk menilai kemampuan penyampaian informasinya. Hasilnya, Large Language Model (LLM) menunjukkan kualitas yang cukup baik secara keseluruhan yang berbeda signifikan secara statistik (p <0,05) dan memperoleh nilai median (IQR) yang stabil di seluruh aspek dengan nilai tertinggi sebesar 5 (2,25) pada aspek relevansi. Kemampuan penyampaian informasi oleh Large Language Model (LLM) secara keseluruhan memperoleh nilai median (IQR) yang stabil di seluruh aspek, yaitu sebesar 6 (2) dan berbeda signifikan secara statistik (p <0,05). Large Language Model (LLM) dinilai unggul dalam kualitas konten informasinya, sedangkan kemampuan penyampaian informasinya lebih lemah dibandingkan apoteker.
PERANCANGAN KNOWLEDGE SHARING SYSTEM DENGAN RETRIEVAL AUGMENTED GENERATION SYSTEM UNTUK PROSES ANALISIS DATA PADA SEKSI TRACER STUDY INSTITUT TEKNOLOGI BANDUNG
Seksi Tracer Study Insitut Teknologi Bandung (TSITB) merupakan sebuah seksi dalam Insitut Teknologi Bandung yang bertugas untuk melakukan survey terhadap alumni Institut Teknologi Bandung dan perusahaan-perusahaan tempat mereka bekerja. Hasil survery, yang disebut tracer study, digunakan oleh program-program studi di lingkungan Institut Teknologi Bandung untuk meningkatkan kualitas pendidikan. TSITB memiliki staff yang dirotasi selama periode tertentu. Perubahan staff dari satu periode ke periode lain membuat staff baru memerlukan transfer knowledge dari staff lama. Proses ini memerlukan waktu yang cukup lama karena tidak ada pengolahan dokumentasi pekerjaan. Penelitian ini bertujuan untuk menganalisis kebutuhan dan merancang Sistem Transfer Pengetahuan (Knowledge Sharing System, KSS) pada menggunakan pendekatan System Development Process. KSS dirancang untuk mendukung pengelolaan, penyimpanan, dan distribusi pengetahuan dalam organisasi secara efektif dan efisien sehingga diharapkan dapat mengurangi waktu transfer knowledge dan meningkatkan produktivitas. KSS juga diimplementasi menggunakan Retrieval Augmented Generation yang menggunakan model bahasa besar untuk menjawab pertanyaan pengguna. Untuk memilih model yang optimal, digunakan metodologi CRISP-DM dengan fungsi tujuan answer recall. Hasil perancangan menghasilkan KSS yang dapat menyimpan dan menyebarkan pengetahuan dan infromasi pendukung secara optimal.
PEMBANGUNAN SISTEM INFORMASI DAYA DUKUNG DAYA TAMPUNG LINGKUNGAN HIDUP KOTA BANDUNG
Tidak ada deskripsi.
ANALISIS KOMPARATIF MODEL PEMBELAJARAN MENDALAM (LSTM, GRU, DAN BILSTM) UNTUK PREDIKSI PRODUKSI ENERGI PADA PLTS SKALA UTILITAS
Pertumbuhan Pembangkit Listrik Tenaga Surya (PLTS) skala besar menjadi komponen krusial dalam strategi transisi energi Indonesia guna mendukung agenda global menuju Net-Zero Emission. Namun demikian, sifat produksi energi surya yang intermiten dan sangat bergantung pada kondisi cuaca menghadirkan tantangan signifikan dalam menjaga keandalan serta stabilitas sistem kelistrikan. Oleh karena itu, kebutuhan akan sistem prediksi produksi energi yang akurat menjadi semakin mendesak. Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem prediksi berbasis pembelajaran mendalam untuk PLTS skala utilitas, dengan membandingkan performa tiga arsitektur utama: Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Bidirectional LSTM (BiLSTM). Studi kasus dilakukan pada dua sistem yaitu PLTS A dan PLTS B, dengan mempertimbangkan variasi data historis, pola cuaca lokal, dan faktor geografis. Dataset yang digunakan mencakup 33 variabel cuaca dan energi, yang kemudian diseleksi melalui analisis korelasi, multikolinearitas, serta memfilter data hilang. Variabel-variabel seperti iradiasi matahari, suhu, waktu, dan kondisi cuaca ikonik dipertahankan sebagai fitur utama yang berkontribusi terhadap prediksi output energi. Setiap model dioptimalkan melalui penyesuaian hiperparameter dan dievaluasi menggunakan empat metrik performa: Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), koefisien determinasi (R-Squared), dan Mean Absolute Scaled Error (MASE). Hasil evaluasi menunjukkan bahwa BiLSTM merupakan model dengan performa terbaik secara umum. Pada PLTS A, BiLSTM menghasilkan MAE sebesar 342,89 kWh, RMSE sebesar 476,94 kWh, dan RSquared sebesar 70,96%. Sementara pada PLTS B, diperoleh MAE sebesar 288,61 kWh, RMSE sebesar 416,62 kWh, dan R-Squared sebesar 70,05%. Uji sensitivitas terhadap horizon waktu prediksi menunjukkan bahwa performa terbaik diperoleh pada horizon harian, dengan R-Squared mencapai 77,37% dan MASE sebesar 0,45. Sebaliknya, akurasi menurun secara signifikan pada horizon mingguan dan bulanan. Temuan ini menegaskan pentingnya pembaruan data berkala dan pemilihan horizon prediksi yang sesuai untuk menjaga akurasi model. Hasil penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem pendukung keputusan berbasis AI untuk perencanaan operasional dan integrasi PLTS dalam sistem tenaga nasional.
ANALISIS DATA HISTORIS UNTUK EVALUASI KINERJA DAN KEANDALAN SISTEM BATERAI PENYIMPAN ENERGI DI LABORATORIUM MANAJEMEN ENERGI TF-ITB
Sistem Baterai Penyimpan Energi (SBPE) memainkan peran krusial dalam meningkatkan keandalan sistem kelistrikan, khususnya dalam konteks integrasi energi terbarukan yang semakin meluas. Penelitian ini bertujuan untuk mengevaluasi kinerja dan keandalan SBPE yang beroperasi di Laboratorium Manajemen Energi, Institut Teknologi Bandung (ITB), dengan memanfaatkan data historis operasional selama periode Juni 2024 hingga Juni 2025. Analisis data historis dilakukan berdasarkan pendekatan CRISP-DM, yang mencakup eksplorasi data, visualisasi deret waktu (time series), serta analisis statistik guna mengidentifikasi pola operasional sistem. Hasil evaluasi kinerja, SBPE lebih sering digunakan sebagai penyangga tegangan (voltage support) dengan karakteristik pelepasan energi (discharge) yang ringan. Fungsi sebagai sumber daya cadangan tercatat hanya aktif pada tiga kejadian sepanjang periode pengamatan. Faktor utilisasi penyaluran energi dari baterai ke beban tercatat sebesar 15,74%, yang mencerminkan kontribusi energi yang relatif terbatas. Analisis kestabilan sistem menggunakan metode Z-Score mengindikasikan adanya fluktuasi operasional yang signifikan pada bulan-bulan tertentu, serta ketidakkonsistenan pada parameter penting seperti state of charge (SoC) dan suhu baterai. Hal ini menunjukkan adanya potensi gangguan pada sistem pemantauan dan estimasi SOC. Hasil evaluasi keandalan menunjukkan bahwa sistem memiliki tingkat ketersediaan yang sangat tinggi (99,9%). Namun, indikator keandalan seperti SAIFI (19 gangguan/tahun) dan SAIDI (36,77 jam/tahun) masih belum memenuhi standar yang ditetapkan oleh SPLN maupun IEEE. Secara keseluruhan, SBPE telah memberikan kontribusi terhadap stabilitas sistem kelistrikan laboratorium. Namun demikian, diperlukan optimalisasi lebih lanjut terhadap fungsi penyimpanan cadangan, peningkatan efisiensi konversi energi, serta penyempurnaan sistem pemantauan guna menjamin keandalan dan konsistensi operasional yang lebih baik.
STUDI ADMET (ABSORPSI, DISTRIBUSI, METABOLISME, EKSKRESI, TOKSISITAS) PADA OBAT DAN KANDIDAT OBAT ANTIPROTOZOA SECARA IN SILICO
NTD (Neglected Tropical Disease) berpotensi menyebabkan infeksi protozoa sehingga diperlukan urgensi untuk mengembangkan obat antiprotozoa. Pengujian ADMET pada obat baru secara konvensional, terutama obat antiprotozoa, memiliki banyak kelemahan, jadi digunakan prediksi secara in silico untuk menentukan profil ADMET serta keoptimalan ADMET. Ini dilakukan untuk mengurangi trial-and-error dalam pengembangan obat. 38 senyawa obat dalam studi dipilih dari DrugBank dan digolongkan berdasarkan tahap pengembangan, yaitu tersedia secara klinis, dalam tahap praklinis/klinis, dan tahap pengembangan. Format SMILES (Simplified Molecular Input Line Entry System) pada setiap senyawa obat diambil dari PubChem. Semua senyawa obat dalam studi diprediksi dengan pkCSM untuk ADMET dan SwissADME untuk druglikeness. Lima dari 38 senyawa obat dalam studi tidak memenuhi syarat aturan Lipinski sebagai druglikeness. Pemberian nilai keoptimalan untuk semua parameter berdasarkan kriteria yang dilaporkan dalam literatur. Penilaian keoptimalan dan variansi diberikan sebagai dasar evaluasi. Empat dari 38 senyawa obat dalam studi memiliki dua parameter ADMET terbaik, sedangkan 14 dari 38 senyawa obat dalam studi memiliki setidaknya satu parameter ADMET terbaik. Pafuramidine memiliki parameter ADMET paling seimbang secara keseluruhan. Radicicol memiliki parameter ADMET paling baik secara keseluruhan. Terakhir, etofamide memiliki parameter ADMET paling buruk secara keseluruhan.
PENERAPAN PROGRAM PENANGANAN JALAN PKRMS (PROVINSIAL KABUPATEN ROAD MANAGEMENT SYSTEM) (STUDI KASUS : RUAS JALAN KEWENANGAN PROVINSI JAWA BARAT)
Provinsi Jawa Barat memiliki peran strategis dalam pengembangan wilayah melalui penguatan konektivitas antar pusat kegiatan nasional, wilayah dan lokal. Namum kondisi kemantapan jalan provinsi dan kabupaten/kota masih rendah dibandingkan jalan nasional, yang menghambat pemerataan pembangunan di Jawa Barat. Untuk mengatasi tantangan tersebut, Kementerian PUPR mendorong penggunaan PKRMS (Provinsial / Kabupaten Road Management System) sebagai alat bantu dalam perencanaan dan penganggaran berbasis kondisi teknis jalan. Meskipun demikian, implementasi PKRMS masih terbatas pada parameter kondisi jalan dan lalu lintas. Penelitian ini bertujuan untuk menganalisis dan mengoptimalkan penggunaan PKRMS dengan menambahkan parameter teknis seperti international roughness index (IRI), guna menyusun program penanganan jalan yang efektif. Ruang lingkup penelitian mencakup analisis 297 ruas jalan provinsi di Jawa Barat menggunakan PKRMS versi 1.4.6 dengan mempertimbangkan skenario anggaran constrained dan unconstrained. Hasil penelitian ini diharapkan dapat menjadi referensi dalam penyusunan RPJMD dan mendukung pencapaian target kemantapan jalan secara merata di Provinsi Jawa Barat. Penelitian ini menyimpulkan bahwa program penanganan jalan dengan aplikasi PKRMS dapat dikembangkan menjadi empat skenario perencanaan berdasarkan kombinasi parameter teknis (IRI) dan kondisi anggaran (constrained budget dan unconstrained budget). Hasil analisis menunjukan bahwa skenario IRI dan anggaran unconstrained menghasilkan kinerja jalan terbaik, mencapai 92% kondisi baik hingga tahun 2029. Namun dalam kondisi keterbatasan anggaran skenario tanpa IRI dan constrained budget terbukti sebagai pilihan paling efisien dan adaptif. Sementara itu skenario tanpa IRI dan unconstrained budget lebih efisien dari segi anggaran dengan tetap mempertahankan kondisi jalan cukup baik, dan skenario dengan IRI dan constrained budget menunjukan hasil yang kurang optimal karena keterbatasan anggaran meskipun menggunakan data IRI. Penelitian ini menunjukan bahwa penggunaan aplikasi PKRMS, yang mengintegrasikan parameter teknis dan anggaran, mampu mendukung proses perencanaan jalan yang berbasis data dan adaptif terhadap kondisi riil.
PERANCANGAN DASHBOARD PEMANTAUAN DAN PERAMALAN KEBUTUHAN LISTRIK INDUSTRI SMELTER MENGGUNAKAN MODEL TIME SERIES FORECASTING
PT PLN (Persero) merupakan penyedia utama energi listrik di Indonesia yang bertanggung jawab atas distribusi energi ke seluruh wilayah negara, melayani berbagai segmen pelanggan, mulai dari rumah tangga hingga industri besar. Salah satu segmen yang paling menantang adalah industri smelter, dengan intensitas konsumsi listrik yang tinggi dan fluktuatif. Kondisi ini menuntut PLN untuk melakukan pemantauan dan perencanaan distribusi listrik secara lebih adaptif. Namun, proses pencatatan dan perhitungan konsumsi listrik yang masih bersifat manual dan belum terintegrasi menimbulkan keterlambatan informasi, kesenjangan data, serta keterbatasan dalam proyeksi kebutuhan listrik secara akurat. Oleh karena itu, diperlukan solusi berbasis teknologi yang mendukung pemantauan dan proyeksi kebutuhan listrik secara terpadu dalam memperkuat perencanaan distribusi energi yang responsif. Penelitian ini bertujuan untuk merancang dashboard yang dapat memantau dan memproyeksikan kebutuhan listrik industri smelter secara komprehensif dalam mendukung pengambilan keputusan berbasis data. Metodologi penelitian mengintegrasikan pendekatan dari Eva Hariyanti, Miroslaw Staron, dan Al-Aboosi, yang masing-masing digunakan untuk membangun kerangka identifikasi KPI berbasis kebutuhan organisasi, menerapkan struktur iteratif dalam pengembangan dashboard, serta memastikan fleksibilitas sistem terhadap dinamika informasi dan preferensi pengguna. Model peramalan yang diterapkan adalah ARIMA, yang dipilih karena kesesuaiannya dengan karakteristik data yang tersedia serta kesederhanaan implementasinya dalam proses pemodelan. Alur penelitian dimulai dari studi pendahuluan dan identifikasi KPI, dilanjutkan dengan pemodelan time series berbasis data, serta diakhiri dengan perancangan dan validasi dashboard secara bertahap. Dashboard yang dirancang menyajikan visualisasi tren konsumsi, analisis stabilitas dan anomali, hasil proyeksi, serta indikator evaluasi akurasi prediksi. Fitur interaktif penyaringan wilayah dan komoditas, elemen penjelas informasi visual, serta penanda kondisi abnormal dilengkapi untuk memfasilitasi eksplorasi dan interpretasi data secara efisien. Dengan struktur modular dan segmentatif, dashboard ini diharapkan menjadi fondasi awal bagi transformasi sistem pemantauan dan perencanaan distribusi listrik yang lebih responsif dan berbasis data di lingkungan PLN.
KERANGKA STRATEGIS UNTUK MENINGKATKAN PERILAKU HIJAU KARYAWAN (EGB): INTERVENSI BERBASIS BUKTI PADA PERUSAHAAN KONSTRUKSI MILIK NEGARA DI INDONESIA
-
ANALISIS MODEL KEBERHASILAN SISTEM INFORMASI - MENINGKATKAN KEPUASAN PENGGUNA DI PLATFORM STREAMING VIDEO MENGGUNAKAN FITUR ANALITIK STREAMING VIDEO
Pertumbuhan pesat platform Subscription Video on Demand (SVoD) di Indonesia menciptakan masalah retensi pengguna, berdasarkan data, 23% pelanggan menyatakan bahwa mereka berniat untuk membatalkan langganan mereka. Studi penelitian ini mengeksplorasi faktor-faktor yang mempengaruhi kepuasan pengguna dengan tujuan untuk mengusulkan solusi praktis guna mengatasi masalah tingkat pembatalan langganan. Teori dasar dari studi penelitian ini adalah Delone & McLean Information System Success Model (D&M ISSM). Teori ini menjelaskan kualitas sistem, kualitas informasi, dan kualitas layanan yang didefinisikan sebagai penentu penting kepuasan pengguna dan pada akhirnya akan mempengaruhi manfaat bersih. Menggunakan pendekatan kuantitatif, penelitian ini mengumpulkan data dari 186 responden SVoD Indonesia dan menganalisisnya melalui Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil analisis menunjukkan bahwa terdapat pengaruh positif yang signifikan dari kualitas sistem, kualitas informasi, dan kualitas layanan terhadap kepuasan pengguna. Kepuasan pengguna juga berdampak pada manfaat bersih yang dapat diterjemahkan menjadi retensi pengguna dan ekspansi pasar. Untuk mengatasi masalah bisnis pembatalan langganan, studi penelitian ini mengusulkan sistem Video Streaming Analytics (VSA). Solusi VSA yang diusulkan sebagai sistem pengawasan untuk mengumpulkan informasi waktu nyata tentang KPI streaming video. VSA menggunakan model pembelajaran mesin untuk meningkatkan kinerja jaringan dan dapat digunakan untuk personalisasi. Langkah selanjutnya setelah menerapkan VSA adalah menggunakan informasi yang dikumpulkan untuk membuat lisensi dan kemitraan sesuai dengan tren dan preferensi pengguna Indonesia. Dengan menerapkan VSA dan kampanye yang dipersonalisasi, platform SVoD dan penyedia layanan telekomunikasi dapat meningkatkan kepuasan pengguna mereka dan selanjutnya dapat mengurangi tingkat churn serta memanfaatkan potensi pasar konten hiburan Indonesia. Studi penelitian ini menekankan strategi berbasis analitik untuk menciptakan keunggulan kompetitif dan keberlanjutan jangka panjang dalam industri.
PENENTUAN CADANGAN PER KLAIM ASURANSI KESEHATAN DENGAN METODE GENERALIZED LINEAR MODEL (GLM): STUDI KASUS KLAIM ASURANSI KESEHATAN 2019-2023
Industri asuransi kesehatan memerlukan metode perhitungan cadangan klaim yang akurat guna menjaga kestabilan keuangan di tengah meningkatnya biaya kesehatan. Penelitian ini menerapkan Generalized Linear Model (GLM) dengan distribusi Gamma dan fungsi log-link untuk memodelkan cadangan per klaim asuransi kesehatan berdasarkan data klaim periode 2019-2023 dari produk Proteksi Sehat+ milik perusahaan asuransi swasta. Variabel prediktor utama meliputi Total Dibayar, Limit Klaim, Deductible, Lama Dirawat, dan Limit Tahunan Tersisa. Data dianalisis melalui proses deteksi dan penghapusan outlier, transformasi logaritma, serta analisis korelasi. Model divalidasi menggunakan data uji (20% observasi) dengan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), Ratio MAE, dan Ratio MSE. Hasil menunjukkan bahwa model dengan metode Forward Selection memberikan performa terbaik (MAE Rp251.421,15, Ratio MAE 9,90%), serta residual yang terkonsentrasi dan prediksi yang selaras dengan data aktual setelah penghapusan outlier. Variabel Total Dibayar dan Lama Dirawat terbukti signifikan dalam mempengaruhi besaran cadangan. Temuan ini diharapkan dapat membantu perusahaan asuransi dalam membangun model cadangan yang lebih akurat dan adaptif untuk mendukung pengambilan keputusan strategis.