📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 4,000 dokumenINOVASI VEGAN LEATHER DARI LIMBAH PANGAN DAN PERTANIAN: SOLUSI BERKELANJUTAN UNTUK INDUSTRI FASHION
Tingginya beban lingkungan industri penyamakan kulit mendorong urgensi pengembangan material komposit alami berkelanjutan. Penelitian ini mengevaluasi pengaruh konsentrasi NaOH (5% dan 10%) serta rasio cairanterhadappadatan (10:1 dan 20:1 mL/g) pada proses ekstraksi alkali serat daun nanas (pineapple leaf fiber, PALF) terhadap karakteristik kulit vegan (vegan leather) berbasis matriks lateks karet alam. Komposit nonanyaman (nonwoven) hasil fabrikasi dikarakterisasi secara komprehensif, dengan kain PALF anyaman (woven, W0) digunakan sebagai variasi struktur lembaran serat. Hasil penelitian menunjukkan bahwa peningkatan konsentrasi NaOH dari 5% ke 10% dan ekspansi rasio cairan terhadap padatan dari 10:1 ke 20:1 mL/g secara signifikan meningkatkan efisiensi delignifikasi serat. Fenomena ini meningkatkan interaksi antarmuka seratmatriks, di mana perlakuan NaOH 10% dengan rasio 20:1 mL/g menghasilkan kadar selulosa sebesar 88,66%, kuat tarik komposit nonanyaman sebesar 2,43 MPa, dan reduksi absorpsi air hingga 5,48% akibat struktur yang lebih homogen berdasarkan pengamatan Scanning Electron Microscopy (SEM). Pada kondisi tersebut, kulit vegan menunjukkan stabilitas yang baik dengan laju biodegradasi terkendali sebesar 8,97% massa hilang setelah 28 hari. Sebagai pembanding, variasi woven menghasilkan kuat tarik 7,78 MPa dan kuat sobek 66,44 N/mm. Dapat disimpulkan bahwa manipulasi parameter termokimia ekstraksi alkali secara langsung merekayasa sifat fungsional komposit kulit vegan untuk aplikasi mode ringan (lightweight fashion).
PETA ESTIMASI STOK KARBON PADA SEKTOR KAWASAN HUTAN BERBASIS PENGINDERAAN JAUH DI KABUPATEN LEBAK
Kabupaten Lebak, Provinsi Banten, memiliki kawasan hutan seluas 82.049 hektar dengan potensi simpanan karbon yang signifikan bagi mitigasi perubahan iklim. Persoalan utamanya, hingga saat ini belum tersedia data stok karbon yang memadai terstandarisasi maupun terpetakan secara spasial untuk wilayah tersebut, sehingga pengelolaan kawasan hutan yang berbasis data sulit dilakukan. Ketiadaan basis data inilah yang mendasari perlunya sebuah pendekatan estimasi yang akurat sekaligus dapat diakses secara terbuka. Untuk menjawab persoalan tersebut, estimasi stok karbon dilakukan menggunakan tiga metode sebagai pembanding, yaitu Tier 1 berbasis faktor default IPCC 2019, Tier 2 dengan faktor spesifik Indonesia dari dokumen National Forest Reference Level KLHK, serta metode berbasis NDVI mengacu pada model empiris Istomo et al. (2024). Data utama yang digunakan meliputi citra Landsat 8 OLI dan tutupan lahan MapBiomas periode 2015–2024, Peta RBI skala 1:25.000, serta data validasi lapangan sesuai SNI 7724:2011, yang diolah melalui Google Earth Engine, QGIS, dan Python. Penentuan wilayah prioritas konservasi dan restorasi dilakukan melalui klasifikasi kuartil terhadap nilai rata-rata stok karbon per satuan luas selama periode pengamatan. Hasil validasi RMSE menunjukkan metode Tier 2 memiliki akurasi tertinggi (RMSE 1,98 tC/piksel) dengan ketidakpastian estimasi 31,54 - 33,57%, sehingga dipilih sebagai dasar analisis. Metode Tier 1 menghasilkan estimasi 17,16 juta tC, sementara Tier 2 menunjukkan tren peningkatan dari 8,72 juta tC (2015) menjadi 9,88 juta tC (2024). Berdasarkan klasifikasi terhadap 20 kelompok hutan, kawasan terbagi menjadi tiga zona pengelolaan: konservasi (5 kawasan), restorasi (5 kawasan), dan monitoring (10 kawasan). Seluruh hasil disajikan melalui platform WebGIS yang telah lolos Black Box Testing pada seluruh 10 fitur utamanya, sehingga ketersediaan data stok karbon yang sebelumnya menjadi kendala kini dapat terpenuhi dalam bentuk yang terstandarisasi, spasial, dan mudah diakses.
PETA ESTIMASI STOK KARBON PADA SEKTOR KAWASAN HUTAN BERBASIS PENGINDERAAN JAUH DI KABUPATEN LEBAK
Kabupaten Lebak, Provinsi Banten, memiliki kawasan hutan seluas 82.049 hektar dengan potensi simpanan karbon yang signifikan bagi mitigasi perubahan iklim. Persoalan utamanya, hingga saat ini belum tersedia data stok karbon yang memadai terstandarisasi maupun terpetakan secara spasial untuk wilayah tersebut, sehingga pengelolaan kawasan hutan yang berbasis data sulit dilakukan. Ketiadaan basis data inilah yang mendasari perlunya sebuah pendekatan estimasi yang akurat sekaligus dapat diakses secara terbuka. Untuk menjawab persoalan tersebut, estimasi stok karbon dilakukan menggunakan tiga metode sebagai pembanding, yaitu Tier 1 berbasis faktor default IPCC 2019, Tier 2 dengan faktor spesifik Indonesia dari dokumen National Forest Reference Level KLHK, serta metode berbasis NDVI mengacu pada model empiris Istomo et al. (2024). Data utama yang digunakan meliputi citra Landsat 8 OLI dan tutupan lahan MapBiomas periode 2015–2024, Peta RBI skala 1:25.000, serta data validasi lapangan sesuai SNI 7724:2011, yang diolah melalui Google Earth Engine, QGIS, dan Python. Penentuan wilayah prioritas konservasi dan restorasi dilakukan melalui klasifikasi kuartil terhadap nilai rata-rata stok karbon per satuan luas selama periode pengamatan. Hasil validasi RMSE menunjukkan metode Tier 2 memiliki akurasi tertinggi (RMSE 1,98 tC/piksel) dengan ketidakpastian estimasi 31,54 - 33,57%, sehingga dipilih sebagai dasar analisis. Metode Tier 1 menghasilkan estimasi 17,16 juta tC, sementara Tier 2 menunjukkan tren peningkatan dari 8,72 juta tC (2015) menjadi 9,88 juta tC (2024). Berdasarkan klasifikasi terhadap 20 kelompok hutan, kawasan terbagi menjadi tiga zona pengelolaan: konservasi (5 kawasan), restorasi (5 kawasan), dan monitoring (10 kawasan). Seluruh hasil disajikan melalui platform WebGIS yang telah lolos Black Box Testing pada seluruh 10 fitur utamanya, sehingga ketersediaan data stok karbon yang sebelumnya menjadi kendala kini dapat terpenuhi dalam bentuk yang terstandarisasi, spasial, dan mudah diakses.
PETA ESTIMASI STOK KARBON PADA SEKTOR KAWASAN HUTAN BERBASIS PENGINDERAAN JAUH DI KABUPATEN LEBAK
Kabupaten Lebak, Provinsi Banten, memiliki kawasan hutan seluas 82.049 hektar dengan potensi simpanan karbon yang signifikan bagi mitigasi perubahan iklim. Persoalan utamanya, hingga saat ini belum tersedia data stok karbon yang memadai terstandarisasi maupun terpetakan secara spasial untuk wilayah tersebut, sehingga pengelolaan kawasan hutan yang berbasis data sulit dilakukan. Ketiadaan basis data inilah yang mendasari perlunya sebuah pendekatan estimasi yang akurat sekaligus dapat diakses secara terbuka. Untuk menjawab persoalan tersebut, estimasi stok karbon dilakukan menggunakan tiga metode sebagai pembanding, yaitu Tier 1 berbasis faktor default IPCC 2019, Tier 2 dengan faktor spesifik Indonesia dari dokumen National Forest Reference Level KLHK, serta metode berbasis NDVI mengacu pada model empiris Istomo et al. (2024). Data utama yang digunakan meliputi citra Landsat 8 OLI dan tutupan lahan MapBiomas periode 2015–2024, Peta RBI skala 1:25.000, serta data validasi lapangan sesuai SNI 7724:2011, yang diolah melalui Google Earth Engine, QGIS, dan Python. Penentuan wilayah prioritas konservasi dan restorasi dilakukan melalui klasifikasi kuartil terhadap nilai rata-rata stok karbon per satuan luas selama periode pengamatan. Hasil validasi RMSE menunjukkan metode Tier 2 memiliki akurasi tertinggi (RMSE 1,98 tC/piksel) dengan ketidakpastian estimasi 31,54 - 33,57%, sehingga dipilih sebagai dasar analisis. Metode Tier 1 menghasilkan estimasi 17,16 juta tC, sementara Tier 2 menunjukkan tren peningkatan dari 8,72 juta tC (2015) menjadi 9,88 juta tC (2024). Berdasarkan klasifikasi terhadap 20 kelompok hutan, kawasan terbagi menjadi tiga zona pengelolaan: konservasi (5 kawasan), restorasi (5 kawasan), dan monitoring (10 kawasan). Seluruh hasil disajikan melalui platform WebGIS yang telah lolos Black Box Testing pada seluruh 10 fitur utamanya, sehingga ketersediaan data stok karbon yang sebelumnya menjadi kendala kini dapat terpenuhi dalam bentuk yang terstandarisasi, spasial, dan mudah diakses.
PETA ESTIMASI STOK KARBON PADA SEKTOR KAWASAN HUTAN BERBASIS PENGINDERAAN JAUH DI KABUPATEN LEBAK
Kabupaten Lebak, Provinsi Banten, memiliki kawasan hutan seluas 82.049 hektar dengan potensi simpanan karbon yang signifikan bagi mitigasi perubahan iklim. Persoalan utamanya, hingga saat ini belum tersedia data stok karbon yang memadai terstandarisasi maupun terpetakan secara spasial untuk wilayah tersebut, sehingga pengelolaan kawasan hutan yang berbasis data sulit dilakukan. Ketiadaan basis data inilah yang mendasari perlunya sebuah pendekatan estimasi yang akurat sekaligus dapat diakses secara terbuka. Untuk menjawab persoalan tersebut, estimasi stok karbon dilakukan menggunakan tiga metode sebagai pembanding, yaitu Tier 1 berbasis faktor default IPCC 2019, Tier 2 dengan faktor spesifik Indonesia dari dokumen National Forest Reference Level KLHK, serta metode berbasis NDVI mengacu pada model empiris Istomo et al. (2024). Data utama yang digunakan meliputi citra Landsat 8 OLI dan tutupan lahan MapBiomas periode 2015–2024, Peta RBI skala 1:25.000, serta data validasi lapangan sesuai SNI 7724:2011, yang diolah melalui Google Earth Engine, QGIS, dan Python. Penentuan wilayah prioritas konservasi dan restorasi dilakukan melalui klasifikasi kuartil terhadap nilai rata-rata stok karbon per satuan luas selama periode pengamatan. Hasil validasi RMSE menunjukkan metode Tier 2 memiliki akurasi tertinggi (RMSE 1,98 tC/piksel) dengan ketidakpastian estimasi 31,54 - 33,57%, sehingga dipilih sebagai dasar analisis. Metode Tier 1 menghasilkan estimasi 17,16 juta tC, sementara Tier 2 menunjukkan tren peningkatan dari 8,72 juta tC (2015) menjadi 9,88 juta tC (2024). Berdasarkan klasifikasi terhadap 20 kelompok hutan, kawasan terbagi menjadi tiga zona pengelolaan: konservasi (5 kawasan), restorasi (5 kawasan), dan monitoring (10 kawasan). Seluruh hasil disajikan melalui platform WebGIS yang telah lolos Black Box Testing pada seluruh 10 fitur utamanya, sehingga ketersediaan data stok karbon yang sebelumnya menjadi kendala kini dapat terpenuhi dalam bentuk yang terstandarisasi, spasial, dan mudah diakses.
PETA ESTIMASI STOK KARBON PADA SEKTOR KAWASAN HUTAN BERBASIS PENGINDERAAN JAUH DI KABUPATEN LEBAK
Kabupaten Lebak, Provinsi Banten, memiliki kawasan hutan seluas 82.049 hektar dengan potensi simpanan karbon yang signifikan bagi mitigasi perubahan iklim. Persoalan utamanya, hingga saat ini belum tersedia data stok karbon yang memadai terstandarisasi maupun terpetakan secara spasial untuk wilayah tersebut, sehingga pengelolaan kawasan hutan yang berbasis data sulit dilakukan. Ketiadaan basis data inilah yang mendasari perlunya sebuah pendekatan estimasi yang akurat sekaligus dapat diakses secara terbuka. Untuk menjawab persoalan tersebut, estimasi stok karbon dilakukan menggunakan tiga metode sebagai pembanding, yaitu Tier 1 berbasis faktor default IPCC 2019, Tier 2 dengan faktor spesifik Indonesia dari dokumen National Forest Reference Level KLHK, serta metode berbasis NDVI mengacu pada model empiris Istomo et al. (2024). Data utama yang digunakan meliputi citra Landsat 8 OLI dan tutupan lahan MapBiomas periode 2015–2024, Peta RBI skala 1:25.000, serta data validasi lapangan sesuai SNI 7724:2011, yang diolah melalui Google Earth Engine, QGIS, dan Python. Penentuan wilayah prioritas konservasi dan restorasi dilakukan melalui klasifikasi kuartil terhadap nilai rata-rata stok karbon per satuan luas selama periode pengamatan. Hasil validasi RMSE menunjukkan metode Tier 2 memiliki akurasi tertinggi (RMSE 1,98 tC/piksel) dengan ketidakpastian estimasi 31,54 - 33,57%, sehingga dipilih sebagai dasar analisis. Metode Tier 1 menghasilkan estimasi 17,16 juta tC, sementara Tier 2 menunjukkan tren peningkatan dari 8,72 juta tC (2015) menjadi 9,88 juta tC (2024). Berdasarkan klasifikasi terhadap 20 kelompok hutan, kawasan terbagi menjadi tiga zona pengelolaan: konservasi (5 kawasan), restorasi (5 kawasan), dan monitoring (10 kawasan). Seluruh hasil disajikan melalui platform WebGIS yang telah lolos Black Box Testing pada seluruh 10 fitur utamanya, sehingga ketersediaan data stok karbon yang sebelumnya menjadi kendala kini dapat terpenuhi dalam bentuk yang terstandarisasi, spasial, dan mudah diakses.
DIFERENSIASI LAYANAN DAN STRATEGI PROMOSI UNTUK MEMPERTAHANKAN PERTUMBUHAN LAYANAN TERKELOLA: STUDI KASUS PT CARIVA MITRA INOVASI
Perkembangan teknologi digital membuka peluang bagi perusahaan teknologi informasi. Namun, peluang tersebut diikuti tekanan persaingan, perubahan kebutuhan pelanggan, dan tantangan dalam membangun kesadaran pasar. PT Cariva Mitra Inovasi merupakan perusahaan teknologi informasi yang berkembang dan menyediakan layanan transformasi cloud serta managed services melalui kemitraan dengan vendor teknologi global. Meskipun telah memiliki kapabilitas teknis dan memperoleh tanggapan positif dari pelanggan, perusahaan masih kesulitan mencapai target bisnis managed services dan meningkatkan awareness di kalangan calon pelanggan. Penelitian ini bertujuan mengidentifikasi faktor diferensiasi utama yang dipertimbangkan pelanggan dan calon pelanggan dalam memilih penyedia IT managed services, sekaligus merumuskan rekomendasi strategi promosi. Penelitian menggunakan metode kualitatif melalui wawancara semi-terstruktur dengan pelanggan dan nonpelanggan, serta data sekunder. Data dianalisis melalui initial coding, focused coding, sintesis kode, dan pembentukan tema dengan menggunakan SERVQUAL, Importance–Performance Analysis, VRIN, Porter’s Five Forces, analisis pesaing, dan kerangka pemasaran. Hasil penelitian menemukan enam faktor diferensiasi, yaitu nilai komersial, kepercayaan dan jaminan risiko; tata kelola, transparansi dan kejelasan komunikasi; penyelesaian insiden dan keandalan SLA; proaktivitas dan perbaikan berkelanjutan; responsivitas dan ketersediaan layanan; serta kapabilitas teknis dan keahlian optimasi. Perusahaan menunjukkan kinerja baik pada aspek responsivitas, komunikasi, kolaborasi, penanganan insiden, keandalan SLA, proaktivitas, pelaporan, dan dukungan teknis. Namun, masih diperlukan peningkatan pada fleksibilitas komersial, sertifikasi organisasi, komunikasi berorientasi bisnis, kualitas pelaporan, eskalasi pihak ketiga, inovasi proaktif, dan kompetensi engineering. Untuk meningkatkan awareness pasar, perusahaan perlu menerapkan strategi promosi berbasis kepercayaan dan kredibilitas melalui testimoni pelanggan, program referral, peningkatan visibilitas kemitraan dan sertifikasi, partisipasi tender, serta jejaring profesional.
MACHINE LEARNING-BASED PIPELINE CORROSION PREDICTION USING FEATURE-MATCHED MULTI-TEMPORAL IN-LINE INSPECTION DATA
In-line inspection (ILI) data from multiple periods is used to track pipeline corrosion over time, but corrosion features often shift in position between inspections, which makes it hard to compare the same defect and lowers prediction reliability. This research develops an automated feature matching system to align corrosion features across multi-temporal ILI data and analyzes its effect on machine learning-based corrosion depth prediction. The matching used an iterative closest point transformation and an overlap-based correspondence optimization on three inspection periods of an offshore pipeline, evaluated through positional error reduction and a simulation-based sensitivity analysis. An XGBoost model was replicated from a reference study, then applied to the case study data with and without calibration from the matched dataset. The results show that feature matching reduces the median positional error by up to 99.87% and reaches a matching accuracy above 80% for both period pairs, while the replication matched the reference within 0.2%. The calibration lowered the prediction error from 7.909 %WT to 3.379 %WT, below the naive benchmark of 3.505 %WT. These findings show that feature matching is an important preprocessing step for improving machine learning-based corrosion prediction .
PERENCANAAN PENGENDALIAN BANJIR GRAND WISATA AREA TIMUR, KECAMATAN TAMBUN SELATAN, KABUPATEN BEKASI
Kawasan Grand Wisata Timur, Kabupaten Bekasi mengalami permasalahan banjir, salah satunya pada 12 November 2022. Tugas akhir ini merencanakan sistem pengendalian banjir melalui analisis hidrologi dan hidraulika menggunakan HEC-RAS 2D. Pemodelan eksisting menghasilkan luas genangan 34,5 ha dengan kedalaman 0,3–2 meter untuk debit rencana periode ulang 25 tahun. Solusi yang direncanakan berupa box culvert 4×2 meter dan kolam retensi instream seluas 5,25 Ha dengan kedalaman 5–5,2 meter. Kombinasi keduanya mampu mereduksi genangan banjir sebesar 100% dan menurunkan debit puncak dari 55,1 m³/s menjadi 43 m³/s. Analisis geoteknik dan stabilitas lereng pada seluruh kondisi memenuhi faktor keamanan yang disyaratkan. Total biaya konstruksi termasuk overhead 10% adalah sebesar Rp352.974.301.194,00.
PERANCANGAN SISTEM OPERASIONAL HAULING BATTERY ELECTRIC VEHICLE PT SAPTAINDRA SEJATI
PT Saptaindra Sejati (SIS) sebagai kontraktor pertambangan batubara menghadapi tuntutan transisi armada hauling dari truk diesel menuju Battery Electric Vehicle (BEV) untuk menurunkan emisi dan biaya operasional. Namun, penerapan BEV dengan mekanisme battery swapping memunculkan kompleksitas baru berupa kebutuhan infrastruktur pengisian daya dan potensi antrean yang dapat mengganggu pencapaian target produksi. Tugas akhir ini bertujuan menghasilkan rancangan dasar sistem operasional hauling BEV pada Jobsite ADMO PT SIS yang mencakup konfigurasi infrastruktur pendukung sekaligus sistem informasi operasional untuk mengoordinasikan eksekusi armada di lapangan. Perancangan dilakukan melalui dua subtopik yang terintegrasi. Subtopik simulasi membangun model Discrete Event Simulation (DES) atas sistem hauling diesel eksisting sebagai baseline yang divalidasi secara statistik, kemudian memodelkan sistem BEV dengan battery swapping dan menentukan konfigurasi optimal, yaitu jumlah battery swapping station pada setiap Change Shift Area, jumlah charging station, dan jumlah armada BEV aktif, menggunakan optimasi berbasis simulasi OptQuest dengan kebijakan dispatcher dinamis. Subtopik sistem informasi mengidentifikasi kebutuhan fungsional melalui user persona dan user journey map, membangun model pemilihan antrian sebagai basis fitur pengarahan operator, serta merancang dan mengevaluasi prototype mixed-fidelity dari sistem informasi operasional battery swap. Hasil penelitian menunjukkan bahwa konfigurasi infrastruktur BEV usulan mampu menekan total waktu antrean secara signifikan dibandingkan sistem diesel eksisting sekaligus tetap memenuhi target produksi tahunan perusahaan. Model pemilihan antrian yang dikembangkan berhasil menjadi dasar fitur pengarahan operator pada swap station dan charging station, dan prototype sistem informasi dinilai aplikatif untuk mendukung serta mengintegrasikan eksekusi operasional armada BEV. Rancangan terintegrasi ini menjadi dasar pengambilan keputusan strategis bagi PT SIS dalam melaksanakan transisi armada diesel menuju BEV secara efisien dan terukur.
UJI AKTIVITAS EKSTRAK ETANOL 70% HERBA MENIRAN HIJAU (PHYLLANTHUS NIRURI L.) DALAM PENCEGAHAN DELAYED ONSET MUSCLE SORENESS
Delayed onset muscle soreness (DOMS) merupakan kondisi nyeri otot yang dipicu oleh aktivitas fisik berlebih atau tidak biasa yang melibatkan kerusakan mikro jaringan otot dan memicu terjadinya respons inflamasi. Herba meniran hijau (Phyllanthus niruri L.) mengandung metabolit sekunder terutama flavonoid yang berpotensi sebagai agen antiinflamasi. Penelitian ini bertujuan menguji aktivitas ekstrak etanol 70% herba meniran hijau terhadap mencit yang mengalami DOMS setelah diinduksi renang paksa. Respon berupa penurunan ambang batas nyeri dievaluasi dengan mengukur waktu latensi menggunakan instrumen lempeng panas. Kelompok pengujian terdiri dari kontrol normal, kontrol negatif, kontrol positif (aspirin 100 mg/kgBB), serta ekstrak dengan dosis 75, 150, dan 300 mg/kg bobot badan (BB). Hasil penelitian menunjukkan nilai %?t pada kelompok yang diberikan ekstrak dosis 75, 150, dan 300 mg/kg BB berbeda bermakna (p<0,05) dibandingkan kontrol negatif dengan nilai berturut-turut 37,33 ± 3,65; 18,20 ± 17,39; dan 0 ± 0. Dosis 300 mg/kg BB menunjukkan aktivitas yang lebih baik (p<0,05) dibandingkan kedua dosis lainnya. Dapat disimpulkan bahwa ekstrak etanol 70% herba meniran hijau mampu mencegah DOMS pada model mencit yang diinduksi renang paksa. Efek ini diduga akibat adanya kombinasi senyawa flavonoid yang mampu menekan mediator inflamasi dan senyawa tanin yang mampu meredam pemicu stres oksidatif otot.
PEMODELAN SPASIAL TINGKAT KESESUAIAN HABITAT BURUNG MERAK HIJAU JAWA (PAVO MUTICUS MUTICUS LINNAEUS, 1766) DI TAMAN NASIONAL UJUNG KULON
Penurunan populasi merak hijau jawa (Pavo muticus muticus Linnaeus, 1766) di Taman Nasional Ujung Kulon (TNUK) belum didukung oleh ketersediaan data spasial habitat yang memadai sebagai dasar pengelolaan konservasi. Penelitian ini bertujuan mengidentifikasi variabel lingkungan penentu kesesuaian habitat serta memetakan sebaran habitat potensial merak hijau jawa di TNUK menggunakan pendekatan Species Distribution Model berbasis presence-only dengan algoritma Maximum Entropy (MaxEnt). Model dibangun dengan mengintegrasikan data kehadiran merak hijau jawa di Padang Penggembalaan Cidaon dan data sekunder periode 2020–2025 serta sembilan variabel prediktor, yaitu elevasi, kelerengan, tutupan lahan, jarak dari area terbuka, jarak dari sumber air, jarak dari area terbangun, jarak dari jalan, Normalized Difference Vegetation Index (NDVI) dan Land Surface Temperature (LST). Hasil pengamatan lapangan menunjukkan Padang Penggembalaan Cidaon berperan sebagai habitat fungsional bagi merak hijau jawa dengan jumlah teramati sebanyak 11 individu. Model terbaik dibangun oleh empat variabel utama, yaitu elevasi, jarak dari area terbuka, jarak dari area terbangun, dan jarak dari jalan dengan nilai Area Under Curve (AUC) 0,962. Pemodelan menghasilkan tiga kelas kesesuaian habitat, yaitu non-potensial seluas 59.864,58 ha (98,1%), potensial seluas 817,38 ha (1,3%), dan habitat sangat potensial seluas 345,69 ha (0,6%). Habitat dengan kesesuaian tinggi terkonsentrasi pada patch berelevasi rendah (0-20 mdpl), memiliki area terbuka dengan tutupan vegetasi di sekitarnya, dan minim gangguan antropogenik. Beberapa kawasan dengan kesesuaian habitat tinggi, diantaranya Cidaon– Cibunar –Cikeusik, Kalajetan–Cegog, Pulau Peucang, dan Pulau Handeuleum. Sebagai upaya konservasi, perlindungan dan pengelolaan habitat pada lokasi dengan kesesuaian tinggi perlu diprioritaskan. Apabila reinforcement populasi direalisasikan, pelepasliaran dilakukan pada patch habitat potensial dan sangat potensial yang disertai monitoring yang representatif secara spasial pada habitat merak hijau jawa.
PERANCANGAN SISTEM PASCAPANEN PEPAYA CALIFORNIA (CARICA PAPAYA L. VAR. CALINA) SKALA INDUSTRI MENENGAH DENGAN INOVASI RIPENING MENGGUNAKAN GAS ETILEN DAN CAHAYA LIGHT EMITTING DIODE (LED) MERAH UNTUK MENINGKATKAN KESERAGAMAN KEMATANGAN
Pepaya (Carica papaya L.) merupakan komoditas buah tropis Indonesia dengan produksi nasional mencapai 12.813.072,37 kuintal pada tahun 2025. Salah satu varietas pepaya yang banyak dibudidaya dan dikonsumsi masyarakat Indonesia adalah pepaya calina (Carica papaya L. var calina) atau sering disebut sebagai pepaya california. Komoditas ini bernilai ekonomi tinggi karena kandungan vitamin C, karotenoid, dan enzim papain yang tinggi, serta masa panen awal 7-9 bulan setelah tanam. Tantangan utama dalam pascapanen pepaya california adalah ketidakseragaman kematangan (uneven ripening) yang ditandai belang warna dan pelunakan tidak merata, sehingga menurunkan daya tarik visual dan harga jual pada segmen pasar premium. Permasalahan ini mendorong perancangan sistem pascapanen dengan inovasi berupa proses ripening menggunakan gas etilen dan cahaya LED merah pada Pressurized Ripening Room (PRR) untuk menghasilkan pepaya matang secara seragam. Gas etilen meningkatkan laju respirasi, aktivitas enzim pendegradasi dinding sel, konversi pati menjadi gula sederhana, dan perubahan warna kulit buah. Penyinaran LED merah mengaktifkan dan meningkatkan biosintesis karotenoid sehingga mempercepat dan menyeragamkan perubahan warna hijau menjadi warna kuning atau jingga pada kulit pepaya. Pemilihan inovasi berdasarkan pada analisis komparatif Gross Profit Margin (GPM) terhadap 3 alternatif proses pematangan (ripening). Proses ripening alur eksisting dilakukan setelah proses pengemasan dan secara konvensional (tanpa kontrol distribusi gas etilen dan suhu) menghasilkan warna dan tingkat kematangan yang tidak seragam sehingga menurunkan harga jual. Pascapanen pepaya pada kondisi eksisting menghasilkan GPM sebesar 13,14%. Proses ripening alur inovasi I dilakukan sebelum proses pengemasan serta menggunakan gas etilen dan LED merah tanpa Pressurized Ripening Room (PRR). Inovasi I dapat meningkatkan GPM menjadi 21,31%, namun kematangan antar buah masih belum seragam karena proses ripening dilakukan secara konvensional sehingga distribusi etilen dan suhu tidak merata di setiap bagian buah. Proses ripening alur inovasi II menggunakan gas etilen dan LED merah dalam PRR, kemudian dilanjutkan proses grading II berbasis warna. Buah disusun di atas rak di dalam PRR sebelum proses pengemasan sehingga seluruh permukaan buah terpapar gas etilen, suhu, dan cahaya secara merata melalui sistem sirkulasi udara bertekanan positif. Inovasi II dapat menghasilkan GPM tertinggi sebesar 36,85%. Peningkatan ini dicapai karena PRR memastikan distribusi gas etilen dan suhu yang homogen, serta meningkatkan jumlah buah yang masuk ke kualitas premium dengan harga jual lebih tinggi. Berdasarkan hal tersebut, inovasi II dipilih sebagai rancangan industri pascapanen pepaya california.
PERANCANGAN SISTEM PASCAPANEN PEPAYA CALIFORNIA (CARICA PAPAYA L. VAR. CALINA) SKALA INDUSTRI MENENGAH DENGAN INOVASI RIPENING MENGGUNAKAN GAS ETILEN DAN CAHAYA LIGHT EMITTING DIODE (LED) MERAH UNTUK MENINGKATKAN KESERAGAMAN KEMATANGAN
Pepaya (Carica papaya L.) merupakan komoditas buah tropis Indonesia dengan produksi nasional mencapai 12.813.072,37 kuintal pada tahun 2025. Salah satu varietas pepaya yang banyak dibudidaya dan dikonsumsi masyarakat Indonesia adalah pepaya calina (Carica papaya L. var calina) atau sering disebut sebagai pepaya california. Komoditas ini bernilai ekonomi tinggi karena kandungan vitamin C, karotenoid, dan enzim papain yang tinggi, serta masa panen awal 7-9 bulan setelah tanam. Tantangan utama dalam pascapanen pepaya california adalah ketidakseragaman kematangan (uneven ripening) yang ditandai belang warna dan pelunakan tidak merata, sehingga menurunkan daya tarik visual dan harga jual pada segmen pasar premium. Permasalahan ini mendorong perancangan sistem pascapanen dengan inovasi berupa proses ripening menggunakan gas etilen dan cahaya LED merah pada Pressurized Ripening Room (PRR) untuk menghasilkan pepaya matang secara seragam. Gas etilen meningkatkan laju respirasi, aktivitas enzim pendegradasi dinding sel, konversi pati menjadi gula sederhana, dan perubahan warna kulit buah. Penyinaran LED merah mengaktifkan dan meningkatkan biosintesis karotenoid sehingga mempercepat dan menyeragamkan perubahan warna hijau menjadi warna kuning atau jingga pada kulit pepaya. Pemilihan inovasi berdasarkan pada analisis komparatif Gross Profit Margin (GPM) terhadap 3 alternatif proses pematangan (ripening). Proses ripening alur eksisting dilakukan setelah proses pengemasan dan secara konvensional (tanpa kontrol distribusi gas etilen dan suhu) menghasilkan warna dan tingkat kematangan yang tidak seragam sehingga menurunkan harga jual. Pascapanen pepaya pada kondisi eksisting menghasilkan GPM sebesar 13,14%. Proses ripening alur inovasi I dilakukan sebelum proses pengemasan serta menggunakan gas etilen dan LED merah tanpa Pressurized Ripening Room (PRR). Inovasi I dapat meningkatkan GPM menjadi 21,31%, namun kematangan antar buah masih belum seragam karena proses ripening dilakukan secara konvensional sehingga distribusi etilen dan suhu tidak merata di setiap bagian buah. Proses ripening alur inovasi II menggunakan gas etilen dan LED merah dalam PRR, kemudian dilanjutkan proses grading II berbasis warna. Buah disusun di atas rak di dalam PRR sebelum proses pengemasan sehingga seluruh permukaan buah terpapar gas etilen, suhu, dan cahaya secara merata melalui sistem sirkulasi udara bertekanan positif. Inovasi II dapat menghasilkan GPM tertinggi sebesar 36,85%. Peningkatan ini dicapai karena PRR memastikan distribusi gas etilen dan suhu yang homogen, serta meningkatkan jumlah buah yang masuk ke kualitas premium dengan harga jual lebih tinggi. Berdasarkan hal tersebut, inovasi II dipilih sebagai rancangan industri pascapanen pepaya california.
STRATEGI TATA KELOLA PERSAMPAHAN KOTA AMBON: STUDI PERBANDINGAN PENGELOLAAN PERSAMPAHAN PEMERINTAH DAN BERBASIS KOMUNITAS
Kota Ambon sebagai ibu kota Provinsi Maluku menghadapi permasalahan persampahan seperti keterbatasan infrastruktur, belum meratanya pelayanan persampahan sampai keterbatasan lahan TPA. Di tengah kondisi tersebut muncul inisiatif dari komunitas masyarakat untuk mengelola sampah secara mandiri. Penelitian ini bertujuan untuk menganalisis kondisi tata kelola persampahan berbasis reguler dan berbasis komunitas, membandingkan efektivitas kedua tata kelola tersebut, serta merumuskan strategi tata kelola persampahan yang efektif. Penelitian ini dilaksanakan di Kelurahan Uritetu sebagai representasi tata kelola persampahan berbasis reguler, Negeri Laha dan Negeri Ema sebagai representasi tata kelola berbasis komunitas. Penelitian menggunakan pendekatan kualitatif dengan analisis statistik deskriptif untuk menganalisis data kuesioner dari 95 responden yang mencakup lima variabel penelitian: struktur kelembagaan, desain institusional, tingkat partisipasi, pola kolaborasi dan efektivitas dimensi teknis, didukung oleh data wawancara mendalam dan observasi lapangan. Serta analisis SWOT untuk merumuskan strategi tata kelola persampahan Kota Ambon. Hasil penelitian menunjukkan bahwa tata kelola berbasis reguler di Kelurahan Uritetu mengungguli aspek cakupan pengangkutan sampah dan keseragaman regulasi, namun lemah pada pengelolaan sampah di sumber dan partisipasi aktif masyarakat. Sebaliknya, tata kelola berbasis komunitas di Negeri Laha dan Negeri Ema unggul pada dimensi pembangunan kepercayaan, komitmen bersama, dan keterlibatan langsung masyarakat, meskipun menghadapi keterbatasan infrastruktur dan kelembagaan. Perbandingan kedua tata kelola persampahan menunjukkan belum ada satu pun yang unggul secara menyeluruh. Berdasarkan analisis SWOT, posisi strategis tata kelola persampahan Kota Ambon berada pada kuadran I dengan strategi SO, terdapat lima strategi utama yang diarahkan untuk memanfaatkan kekuatan internal sistem pengelolaan sampah baik reguler maupun praktik baik komunitas dengan memanfaatkan peluang eksternal yang cukup signifikan.