📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 192 dokumenPENGEMBANGAN MODEL PREDIKTIF TERINTEGRASI ANTARA KESIAPAN KARGO PULP DAN KEDATANGAN KAPAL BREAKBULKUNTUK MENURUNKAN BIAYA DEMURRAGEDAN BIAYA INVENTORI DI PT. X
Sinkronisasi antara kesiapan kargo dan kedatangan kapal merupakan tantangan utama dalam operasional pengapalan pulp breakbulk di PT. X karena secara langsung memengaruhi biaya demurrage, biaya inventori, dan efisiensi logistik. Dalam praktiknya, keputusan penjadwalan pemuatan kapal umumnya masih ditentukan berdasarkan perencanaan statis tanpa mengintegrasikan informasi prediktif mengenai kesiapan kargo dan kedatangan kapal. Penelitian ini bertujuan mengembangkan suatu kerangka sistem pendukung keputusan prediktif terintegrasi untuk mengoptimalkan keputusan penjadwalan pemuatan kapal melalui integrasi prediksi kesiapan kargo dan prediksi kedatangan kapal untuk meminimalkan total biaya logistik yang terdiri atas biaya demurrage dan biaya inventori. Prediksi kesiapan kargo dilakukan menggunakan model hibrida yang mengombinasikan rencana produksi, Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX), dan produksi historis dengan komposisi bobot optimum 60:30:10, sedangkan deviasi kedatangan kapal diprediksi menggunakan model Extreme Gradient Boosting (XGBoost). Hasil kedua model diintegrasikan melalui mekanisme penambahan hari sebagai buffer untuk menghasilkan rekomendasi penjadwalan pemuatan kapal yang adaptif. Kinerja model kemudian dievaluasi menggunakan pendekatan minimasi biaya demurrage dan biaya inventori. Hasil penelitian menunjukkan bahwa model prediksi kesiapan kargo yang diusulkan mampu menurunkan Mean Absolute Error (MAE) sebesar 76,7%, dari 2,15 hari pada kondisi saat ini menjadi 0,50 hari. Selain itu, model prediksi kedatangan kapal berbasis XGBoost mampu menurunkan MAE sebesar 30,0%, dari 1,50 hari menjadi 1,05 hari. Integrasi keduanya menghasilkan rekomendasi penjadwalan kedatangan kapal yang lebih adaptif terhadap variasi produksi dan ketidakpastian kedatangan kapal, sehingga mampu menurunkan total biaya logistik hingga 84% dibandingkan praktik saat ini. Hasil tersebut menunjukkan bahwa pendekatan yang diusulkan tidak hanya meningkatkan akurasi prediksi, tetapi juga secara efektif menerjemahkan hasil prediksi menjadi keputusan operasional yang mampu meningkatkan efisiensi logistik. Penelitian ini memberikan kontribusi berupa pengembangan sistem pendukung keputusan yang menghubungkan proses peramalan dengan keputusan penjadwalan kedatangan kapal untuk mendukung pengambilan keputusan operasional yang lebih efektif.
AKUISISI TIME-OF-FLIGHT AKUSTIK UNTUK TOMOGRAFI SONIK PADA POHON: SISTEM DAQ FIRMWARE DAN SOFTWARE
Tomografi gelombang tegangan akustik (acoustic stress-wave tomography) menilai kondisi internal pohon berdiri dengan menginversi waktu tempuh (Time-of-Flight/ToF) gelombang impak yang melintasi cincin sensor menjadi peta kecepatan akustik. Tugas akhir ini mengembangkan sistem akuisisi data (DAQ) digital beserta alur perangkat lunaknya yang dirancang untuk menghasilkan pembacaan ToF yang valid dan konsisten. Subsistem firmware diimplementasikan pada mikrokontroler Teensy 4.1 dan mencuplik delapan kanal sensor piezoelektrik pada 125 kilosampel per detik (kSPS) melalui dua pengubah analog-ke-digital (Analog-to-Digital Converter, ADC) tersinkron dengan skema time-division multiplexing empat pasang. Subsistem perangkat lunak, berupa aplikasi desktop Python/PySide6 berbasis Model-View-Controller, menentukan titik kedatangan (onset) tiap kanal, membentuk matriks ToF dan kecepatan 8×8, serta menyimpannya pada basis data SQLite lokal. Empat algoritma deteksi onset, yaitu Akaike Information Criterion (AIC), Hinkley, Fisher, dan statistical threshold, dievaluasi pada kondisi identik, dan AIC berjendela dipilih sebagai baseline karena menandai first break sebenarnya secara konsisten. Sebuah tahap penanganan outlier yang memadukan penapisan Median Absolute Deviation (MAD) dengan pemilihan ulang memulihkan kanal yang terpengaruh artefak onset dini. Hasil implementasi menunjukkan firmware mempertahankan laju cuplik 125 kSPS secara kontinu dengan headroom waktu sekitar 24% dan tanpa kehilangan data (0%). Deteksi onset AIC mencapai koefisien variasi (CV) di bawah 10% (4,1-6,1%). Sistem divalidasi pada kayu Gmelina yang sehat (galat resiprositas 6,32%, kecepatan 905-1.498 m/s) dan kayu Trembesi yang berongga (galat resiprositas 4,91%, kecepatan 1.144-1.927 m/s); pada kedua spesimen data ToF konsisten dan valid, dan tomogram rekonstruksinya benar, yaitu tanpa rongga pada Gmelina dan menampilkan rongga seluas sekitar 9,1% dari luas penampang pada Trembesi. Evaluasi System Usability Scale (SUS) terhadap antarmuka aplikasi memperoleh skor rata-rata 78,61 dari sembilan responden (kategori good), yang menegaskan bahwa keseluruhan alur kerja dari akuisisi hingga analisis dapat digunakan di lapangan.
EBSTAT: POTENSIOSTAT BERBASIS AFE LMP91000 UNTUK READER RESOLUSI TINGGI PADA SENSOR ELEKTROKIMIA
Metode biosensor elektrokimia menjadi salah satu alternatif diagnostik point-ofcare (POCT) karena sifatnya yang cepat dan hasilnya yng bersifat kuantitatif. Penelitian ini mengembangkan dan memvalidasi EBstat, sebuah instrumen potensiostat custom-built berbasis mikrokontroler nRF52840 dan IC analog frontend (AFE) LMP91000, dengan antarmuka pengguna berbasis aplikasi Android. EBstat dirancang untuk melakukan lima teknik voltametri, yaitu chronoamperometry (CA), cyclic voltammetry (CV), normal pulse voltammetry (NPV), differential pulse voltammetry (DPV), dan square ware voltammetry (SWV). Validasi dilakukan melalui pengukuran dummy cell, pengukuran larutan standar kalium ferisianida (K3[Fe(CN)6]) pada elektroda screen-printed carbon (SPCE). Performa EBstat dibandingkan dengan potensiostat komersial PalmSens4 dengan menggunakan analisis Bland-Altman, serta ditentukan resolusi pembacaannnya dalam bentuk limit of detection (LoD) dan limit of quantification (LoQ). Hasil pengukuran menunjukkan bahwa EBstat mampu mengukur arus puncak pada metode CV, DPV, NPV, dan SWV dengan linearitas R2 sebesar 0.97- 0.99, sesuai dengan persamaan Randles–Šev?ík. Akan tetapi, pengukuran metode CA masih belum menyerupai performa PalmSens4 dan metode NPV tidak dapat dilakukan analisis Bland-Altman karena parameter yang digunakan membatasi profilnya pada PalmSens4. Analisis Bland-Altman menunjukkan bias pengukuran sebesar 0.66 ?A (LoA: -12.04 hingga 13.36 ?A) pada CV, bias persentase -119.11% (LoA: -102.57% hingga -135.65%) pada DPV yang mengindikasikan overestimasi arus secara konsisten, dan bias logaritmik sebesar -0.04 (setara rasio EBstat/PalmSens4 ? 0,96) pada SWV dengan rentang LoA yang cukup lebar. Nilai LoD dan LoQ EBstat pada metode DPV masing-masing sebesar 26.94 ?M dan 75.62 ?M, sedangkan pada SWV sebesar 89.81 ?M dan 252.07 ?M, menunjukkan DPV memberikan sensitivitas deteksi yang lebih baik dibandingkan dengan SWV. Secara keseluruhan, EBstat berpotensi menjadi alternatif potensiostat yang murah dan portabel untuk aplikasi POCT, dengan mekanisme pemilihan resistansi transimpedans (RTIA) yang diduga menjadi sumber utama bias pengukuran dan menjadi target perbaikan pada pengembangan selanjutnya.
PERANCANGAN SISTEM REKOMENDASI KECEPATAN UNIT DUMP TRUK TAMBANG HD785-7 BERDASARKAN EVALUASI KETERCAPAIAN TARGET WAKTU TEMPUH DAN PENGGUNAAN BAHAN BAKAR
Operasi hauling merupakan salah satu aktivitas utama dalam pertambangan yang berpengaruh langsung terhadap ketercapaian target produksi dan biaya operasional. Pada site ABC PT X, ketidaktercapaian target produksi sebesar 4,13 juta BCM pada tahun 2025 sebagian besar dipengaruhi oleh ketidaksinkronan cycle time dump truck yang memicu hanging excavator. Di sisi lain, aktivitas hauling menyumbang 87,7% konsumsi bahan bakar alat angkut, sementara perbedaan perilaku mengemudi menyebabkan disparitas konsumsi bahan bakar antar operator. Penelitian ini bertujuan mengembangkan sistem rekomendasi kecepatan operasional dump truck untuk mendukung peningkatan efektivitas dan efisiensi operasi hauling. Penelitian terdiri atas dua subtopik. Subtopik pertama mengembangkan model Estimated Time of Arrival (ETA) menggunakan pendekatan base travel time yang dikombinasikan dengan akumulasi berbagai komponen delay untuk memprediksi waktu kedatangan secara real-time. Hasil ETA kemudian dimanfaatkan dalam model rekomendasi kecepatan berbasis pemrograman linear multiobjektif untuk menghasilkan rekomendasi kecepatan setiap segmen agar target waktu tempuh dapat tercapai. Subtopik kedua menganalisis pengaruh kondisi medan dan perilaku mengemudi terhadap konsumsi bahan bakar, membangun model prediksi menggunakan Gradient Boosting Decision Trees (GDBT), serta menentukan rekomendasi kecepatan dan posisi pedal gas menggunakan optimasi Dynamic Programming untuk meminimalkan konsumsi bahan bakar. Hasil penelitian menunjukkan bahwa model ETA memiliki Mean Absolute Error sebesar 1,85 menit sehingga layak digunakan sebagai dasar evaluasi keterlambatan perjalanan. Model rekomendasi kecepatan berbasis ETA mendukung pencapaian target waktu tempuh dan berpotensi mengurangi potential loss akibat hanging sebesar 523.012 BCM per bulan atau setara Rp14,64 miliar per bulan. Sementara itu, model GBDT berhasil memprediksi konsumsi bahan bakar dengan tingkat akurasi yang baik, dan optimasi menggunakan Dynamic Programming mampu menghasilkan rekomendasi kecepatan yang menurunkan konsumsi bahan bakar hingga 20,07%, dengan potensi penghematan biaya bahan bakar sebesar Rp358,98-717,97 juta per bulan sesuai tingkat kepatuhan operator.
PERANCANGAN SISTEM REKOMENDASI KECEPATAN UNIT DUMP TRUK TAMBANG HD785-7 BERDASARKAN EVALUASI KETERCAPAIAN TARGET WAKTU TEMPUH DAN PENGGUNAAN BAHAN BAKAR
Operasi hauling merupakan salah satu aktivitas utama dalam pertambangan yang berpengaruh langsung terhadap ketercapaian target produksi dan biaya operasional. Pada site ABC PT X, ketidaktercapaian target produksi sebesar 4,13 juta BCM pada tahun 2025 sebagian besar dipengaruhi oleh ketidaksinkronan cycle time dump truck yang memicu hanging excavator. Di sisi lain, aktivitas hauling menyumbang 87,7% konsumsi bahan bakar alat angkut, sementara perbedaan perilaku mengemudi menyebabkan disparitas konsumsi bahan bakar antar operator. Penelitian ini bertujuan mengembangkan sistem rekomendasi kecepatan operasional dump truck untuk mendukung peningkatan efektivitas dan efisiensi operasi hauling. Penelitian terdiri atas dua subtopik. Subtopik pertama mengembangkan model Estimated Time of Arrival (ETA) menggunakan pendekatan base travel time yang dikombinasikan dengan akumulasi berbagai komponen delay untuk memprediksi waktu kedatangan secara real-time. Hasil ETA kemudian dimanfaatkan dalam model rekomendasi kecepatan berbasis pemrograman linear multiobjektif untuk menghasilkan rekomendasi kecepatan setiap segmen agar target waktu tempuh dapat tercapai. Subtopik kedua menganalisis pengaruh kondisi medan dan perilaku mengemudi terhadap konsumsi bahan bakar, membangun model prediksi menggunakan Gradient Boosting Decision Trees (GDBT), serta menentukan rekomendasi kecepatan dan posisi pedal gas menggunakan optimasi Dynamic Programming untuk meminimalkan konsumsi bahan bakar. Hasil penelitian menunjukkan bahwa model ETA memiliki Mean Absolute Error sebesar 1,85 menit sehingga layak digunakan sebagai dasar evaluasi keterlambatan perjalanan. Model rekomendasi kecepatan berbasis ETA mendukung pencapaian target waktu tempuh dan berpotensi mengurangi potential loss akibat hanging sebesar 523.012 BCM per bulan atau setara Rp14,64 miliar per bulan. Sementara itu, model GBDT berhasil memprediksi konsumsi bahan bakar dengan tingkat akurasi yang baik, dan optimasi menggunakan Dynamic Programming mampu menghasilkan rekomendasi kecepatan yang menurunkan konsumsi bahan bakar hingga 20,07%, dengan potensi penghematan biaya bahan bakar sebesar Rp358,98-717,97 juta per bulan sesuai tingkat kepatuhan operator.
PEMANTAUAN ESP CERDAS MENGGUNAKAN PERAMALAN SENSOR MULTI-MODEL, ESTIMASI LAJU ALIR BERBASIS FISIKA, DAN KLASIFIKASI KEGAGALAN DINI BERBASIS MAJORITY VOTING UNTUK PEMELIHARAAN PREDIKTIF
Electrical submersible pumps (ESPs) play a significant role as artificial lift systems in the oil and gas industry, installed in over 33% of operational wells and contributing approximately 60% of global oil production. Despite their widespread use, ESP systems are highly vulnerable to unplanned failures caused by electrical faults, mechanical degradation, and gas interference, often leading to costly production losses and workover operations. Conventional reactive and fixed interval preventive maintenance strategies are insufficient for early fault detection, motivating the development of a more proactive, data driven predictive maintenance approach. This study proposes an AI-based framework for early failure detection of ESP systems integrating downhole sensor forecasting, physics based virtual flow metering, multi classifier ensemble failure prediction, and a decision support dashboard. Three deep learning architectures Long Short Term Memory (LSTM), Bidirectional LSTM (BiLSTM), and Gated Recurrent Unit (GRU) were evaluated to identify the most suitable model for each of six downhole sensor parameters: discharge pressure, intake pressure, intake temperature, motor temperature, average ampere, and vibration. Data from seventeen ESP-equipped wells, recorded at ten minute intervals from April to July 2020, were used for model development and validation. BiLSTM achieved the best forecasting performance for four parameters, while LSTM and GRU were optimal for discharge pressure and vibration, respectively. All selected models produced Mean Absolute Percentage Error (MAPE) values below 10%, confirming highly accurate three day ahead sensor predictions. For wells with incomplete production data, liquid flow rates were estimated using the Power Equilibrium Equation, yielding a deviation of only 5.56% against available well test measurements. For failure classification, five supervised learning algorithms Logistic Regression, Random Forest, Support Vector Machine, K-Nearest Neighbor, and Decision Tree were trained on slope based sensor features with SMOTE oversampling and Optuna hyperparameter optimization. Random Forest and Decision Tree achieved the highest test accuracy of 99.09%, and an ensemble majority voting mechanism was applied to consolidate predictions across all classifiers. This framework detects ESP operating conditions in ten minute intervals over three days and generates prescriptive maintenance recommendations for each predicted failure mode. The key novelty of this study lies in integrating the comparative evaluation and selection of the most suitable deep learning architecture for each sensor, physics based liquid flow rate estimation, and majority voting failure classification into a unified decision support dashboard, advancing beyond previous single model approaches by providing engineers with early warnings and actionable maintenance guidance up to three days before potential ESP failure.
PEMODELAN CADANGAN ASURANSI MENGGUNAKAN MODEL LINEAR TERAMPAT YANG MEMPERTIMBANGKAN FAKTOR MAKROEKONOMI
Penentuan cadangan asuransi yang akurat merupakan aspek penting dalam menjaga kemampuan perusahaan asuransi dalam memenuhi kewajiban klaim. Data klaim asuransi umumnya memiliki karakteristik bernilai positif, menceng ke kanan, dan tidak memenuhi asumsi normalitas, sehingga diperlukan metode pemodelan yang fleksibel. Penelitian ini bertujuan untuk menerapkan Model Linear Terampat (MLT) dalam memodelkan cadangan per klaim, mengidentifikasi faktor-faktor yang berpengaruh signifikan terhadap cadangan, serta mengevaluasi akurasi model terhadap data aktual. Data yang digunakan merupakan data historis klaim asuransi jiwa tahun 2019–2023 yang dipadukan dengan variabel makroekonomi berupa inflasi, BI Rate, dan nilai tukar USD/IDR. Tahapan penelitian meliputi prapemrosesan data, deteksi pencilan, analisis korelasi, uji normalitas, fitting distribusi, pembagian data menggunakan time-based split, serta pemodelan menggunakan MLT dengan distribusi Gamma dan fungsi link logaritmik. Hasil penelitian menunjukkan bahwa model terbaik adalah Stepwise MLT Gamma-log pada data tanpa pencilan. Variabel yang berpengaruh signifikan terhadap cadangan per klaim adalah Total_Tagihan, Limit_Klaim, Deductible, Lama_Dirawat, Status_Klaim, Smoker, dan BMI, sedangkan inflasi, BI Rate, dan USD_IDR tidak signifikan secara statistik. Model terbaik menghasilkan MAE sebesar Rp392,215.02, MSE sebesar 4.08E+11, MAPE sebesar 10.57%, dan MSPE sebesar 1.94%. Dengan demikian, MLT Gamma-log mampu memodelkan cadangan per klaim dengan cukup baik, terutama setelah pengaruh pencilan dan variabel yang tidak signifikan dihilangkan.
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 .
PERANCANGAN DAN IMPLEMENTASI COMPETITION CORE UNTUK ORKESTRASI ATTEMPT, INTEGRASI FIELD AGENT, DAN AUDIT HASIL PADA SISTEM PENGUKURAN LOMPAT JAUH OTOMATIS TERINTEGRASI
Sistem penjurian lompat jauh otomatis membutuhkan lapisan koordinasi yang mampu menghubungkan proses pengamatan lapangan, pengelolaan status percobaan, pengukuran jarak, pencatatan hasil, tampilan operator, dan peninjauan bukti ke dalam satu alur kerja yang terpadu. Pada proses penjurian manual, keputusan sah atau foul, pengukuran bekas pendaratan terdekat, pencatatan skor, dan penyediaan bukti masih dilakukan oleh beberapa petugas secara terpisah. Kondisi tersebut dapat menimbulkan ketidakkonsistenan status percobaan, keterlambatan pencatatan, kesalahan input, serta keterbatasan audit ketika terjadi protes atau kebutuhan peninjauan ulang. Tugas akhir ini membahas perancangan dan implementasi Competition Core untuk orkestrasi attempt, integrasi Field Agent, dan audit hasil pada sistem pengukuran lompat jauh otomatis terintegrasi. Bagian yang dikerjakan pada tugas akhir ini berfokus pada Competition Core sebagai subsistem user interface, backend, dan integrasi lapangan. Competition Core berfungsi sebagai pusat orkestrasi yang menghubungkan dashboard operator, backend core-service, Raspberry Pi Field Agent, subsistem foul detection, subsistem distance measurement, halaman hasil, competition display, dan evidence audit. Secara fungsional, subsistem ini mengelola data atlet dan nomor BIB, membentuk active attempt state, menerima status valid atau foul, menentukan apakah measurement gate dibuka atau diblokir, menerima hasil jarak, menyimpan riwayat hasil, serta mengaitkan setiap hasil dengan bukti visual. Secara perilaku, Competition Core memastikan bahwa data dari perangkat lapangan tidak langsung menjadi hasil resmi sebelum melewati alur validasi attempt. Apabila attempt berstatus foul, jalur pengukuran diblokir sehingga hasil jarak tidak masuk ke rekap resmi. Sebaliknya, apabila attempt dinyatakan valid, sistem membuka jalur pengukuran sehingga proses ROI, scan runtime, alignment, pembacaan laser, dan pencatatan hasil dapat dilanjutkan. Implementasi sistem dilakukan dengan membagi peran antara laptop operator, backend core-service, Raspberry Pi Field Agent, dan node perangkat lapangan. Laptop operator menjalankan dashboard dan halaman hasil sebagai antarmuka utama bagi pengguna. Backend core-service berperan sebagai lapisan otoritatif untuk pengelolaan status attempt, validasi command, penyimpanan hasil, dan penghubung antarmodul. Raspberry Pi Field Agent berfungsi sebagai gateway sisi lapangan yang meneruskan command dari backend ke runtime pengukuran, kamera, motor, dan laser. Antarmuka komunikasi diimplementasikan melalui endpoint REST, jalur status, command proxy, penyimpanan hasil berbasis SQLite, serta penyimpanan evidence berbasis filesystem dan metadata. Sistem juga menyediakan tampilan official score sheet, competition display, halaman Evidence & Audit, serta log per attempt untuk mendukung keterlacakan keputusan. Validasi dilakukan dengan memisahkan dua jalur utama, yaitu jalur foul-gate dan jalur valid measurement. Pada jalur foul-gate, sistem memperoleh waktu pemrosesan rata-rata sebesar 423,29 ms dan waktu pemrosesan P95 sebesar 446,67 ms, sehingga memenuhi target respons di bawah 0,5 s pada kondisi uji. Hasil ini menunjukkan bahwa Competition Core mampu memproses status foul dan menutup measurement gate sebelum proses pengukuran dilanjutkan. Pada subset valid measurement, galat pada domain citra berhasil dikurangi dari sekitar 66-67 px hingga berada dalam zona mati 3 px, dengan waktu settling antara 7,76 s hingga 13,68 s untuk posisi target antara 0,503 m hingga 0,955 m. Selain itu, estimasi kebutuhan penyimpanan result dan evidence adalah sekitar 2,45 MB per attempt, sehingga masih layak untuk kebutuhan audit dan dokumentasi percobaan. Hasil tugas akhir menunjukkan bahwa Competition Core mampu mengoordinasikan masukan dari subsistem lapangan melalui alur dashboard–backend–Field Agent dan mendukung alur kerja operasional penjurian lompat jauh otomatis. Sistem berhasil menjaga keterkaitan antara atlet, nomor BIB, attempt ID, status valid atau foul, hasil pengukuran, timestamp, bukti visual, dan log per attempt. Namun, hasil waktu dan performa yang dilaporkan masih diperlakukan sebagai validasi integrasi fungsional dan diagnostik integrasi, bukan sebagai klaim akhir kepatuhan penuh terhadap kondisi kompetisi nyata. Pengujian lanjutan masih diperlukan untuk memvalidasi performa sistem pada jumlah attempt yang lebih besar, kondisi lapangan yang lebih bervariasi, serta kestabilan perangkat dan jaringan pada penggunaan kompetisi sebenarnya.
IMPLEMENTASI PURWARUPA SISTEM ASESMEN ADAPTIF BERBASIS ELO RATING DENGAN FITUR SOSIAL UNTUK MEMITIGASI OVERPERSONALIZATION
Perkembangan sistem asesmen adaptif bertujuan untuk mengoptimalkan jalur belajar individu melalui personalisasi konten pembelajaran. Namun, ketergantungan pada algoritma personalisasi yang agresif berisiko memicu fenomena overpersonalization, yang menciptakan filter bubbles akademik dan mengisolasi pemelajar dari keragaman perspektif. Kondisi ini dapat menyebabkan pengambilan sampel informasi yang selektif serta stagnasi pembelajaran (learning plateau). Penelitian ini bertujuan untuk merancang dan mengimplementasikan purwarupa sistem asesmen adaptif kolaboratif. Sistem diimplementasikan menggunakan arsitektur client-server dengan algoritma Modified Elo Rating untuk memodelkan kemampuan kognitif pemelajar. Selanjutnya, mekanisme mitigasi diimplementasikan melalui deteksi stagnasi berbasis variansi perubahan skor (??) dan algoritma Constraint-Based Re-ranking untuk memasangkan pemelajar dengan sejawat yang memiliki tingkat kompetensi heterogen (Cohen’s d ? 0,5). Terakhir, evaluasi sistem dilakukan melalui Controlled Lab Study yang melibatkan sepuluh partisipan yang dibagi ke dalam kelompok intervensi dan kontrol pada domain pembelajaran SQL. Hasil pengujian menunjukkan bahwa kelompok intervensi mencapai peningkatan hasil belajar yang signifikan dengan nilai Normalized Learning Gain (NLG) antara 0,57 hingga 0,69 (kategori sedang ke tinggi), sementara kelompok kontrol mengalami penurunan performa (NLG -0,21). Analisis trajektori kemahiran mengindikasikan intervensi kolaboratif mampu mengembalikan pertumbuhan belajar dengan rata-rata perbedaan gradien sebesar +0,67 setelah titik stagnasi terdeteksi. Algoritma re-ranking juga terbukti efektif menciptakan pasangan heterogen dengan rata-rata Cohen’s d sebesar 1,186. Dari penelitian ini, disimpulkan bahwa integrasi intervensi sosial yang proaktif dan terautomasi menunjukkan indikasi efektif untuk memitigasi overpersonalization dalam lingkungan pembelajaran adaptif. Ke depannya penelitian dapat dikembangkan dengan rekalibrasi parameter stagnasi dan integrasi LLM untuk scaffolding peer review.
PENGEMBANGAN DAN VALIDASI METODE ANALISIS PENETAPAN KADAR PHENYLETHYL RESORCINOL DALAM SEDIAAN NANOSTRUCTURED LIPID CARRIER MENGGUNAKAN SPEKTROFOTOMETRI UV-VIS
Phenylethyl resorcinol (PR) merupakan senyawa anti-hiperpigmentasi yang tidak stabil terhadap cahaya dan memiliki kelarutan rendah, sehingga diformulasikan dalam sistem nanostructured lipid carrier (NLC). Penelitian ini bertujuan membuat sediaan PR-NLC serta melakukan validasi metode spektrofotometri UV-Vis untuk penetapan kadar total dan efisiensi penjerapan PR. NLC dibuat dengan metode emulsifikasi-ultrasonikasi, menghasilkan sediaan sferis berukuran sebesar 192,9 ± 21,27 nm, indeks polidispersitas (PDI) 0,321 ± 0,053, zeta potensial -2,58 ± 1,68 mV, dan stabil selama penyimpanan 7 hari (p > 0,05). Preparasi sampel dilakukan melalui pengenceran dengan metanol (0,05 : 9,95), dilanjutkan dengan vorteks 1 menit 1.500 rpm, dan sonikasi 10 menit frekuensi 40%. Absorbansi diukur dengan spektrofotometer UV-Vis pada panjang gelombang 281 nm. Hasil validasi metode menunjukkan spesifisitas yang baik, linearitas terpenuhi pada rentang 15-50 µg/mL (y = 0,0157524x – 0,0004524; r2 = 0,9988). Nilai LOD dan LOQ berturut-turut sebesar 1,51 dan 4,56 µg/mL. Uji presisi memenuhi syarat SBR ? 2,0% (HORRAT 0,073 – 0,154) dan akurasi sampel memberikan perolehan kembali 100,2 – 101,0%. Metode menunjukkan ketangguhan pada variasi panjang gelombang ± 1 nm dan waktu tunggu pengukuran < 30 menit. Penetapan kadar PR total memberi hasil sebesar 0,487 – 0,508% dan persentase entrapment efficiency sebesar 98,87 – 99,32%. Formulasi PR-NLC yang dihasilkan memiliki karakteristik yang baik dan metode spektrofotometri UV-Vis yang dikembangkan telah memenuhi parameter validasi sehingga layak digunakan untuk penetapan kadar total dan efisiensi penjerapan phenylethyl resorcinol dalam sediaan NLC.
PERAN KUALITAS PEMBELAJARAN SEBAGAI MEDIATOR DALAM PENGARUH KEBIJAKAN KURIKULUM MERDEKA TERHADAP LITERASI DAN NUMERASI SISWA
Rendahnya capaian literasi dan numerasi pada program PISA Indonesia menjadi indikator penting atas tantangan yang masih dihadapi pendidikan Indonesia. Sebagai respon terhadap kondisi tersebut, pemerintah meluncurkan Kebijakan Kurikulum Merdeka (KM) sebagai upaya perbaikan melalui transformasi kurikulum yang lebih fleksibel dan berpusat pada siswa. Sejumlah penelitian sebelumnya menunjukan adanya korelasi positif antara implementasi Kurikulum Merdeka dengan skor literasi numerasi siswa, namun mayoritas evaluasi yang dilakukan sebelumnya masih bersifat deskriptif-kualitatif sehingga belum mampu mengidentifikasi dampak kausal dari kebijakan. Oleh karena itu penelitian ini bertujuan untuk mengestimasi dampak kausal implementasi Kurikulum Merdeka terhadap capaian literasi dan numerasi siswa pada jenjang pendidikan dasar dan menengah, serta menguji hipotesis bahwa dampak tersebut dimediasi oleh peningkatan kualitas pembelajaran. Secara metodologis, penelitian ini menggunakan pendekatan kuantitatif dengan memanfaatkan 176.510 data observasi sekolah dari data sekunder Asesmen Nasional (AN) periode 2021–2024. Analisis dampak dilakukan menggunakan metode Staggered Difference-in-Differences (DiD) dengan estimator Callaway dan Sant’Anna yang telah disetarakan sebelumnya melalui Propensity Score Matching (PSM). Ketahanan estimasi dampak kemudian diuji melalui analisis sensitivitas dengan Honest Difference in Difference dan analisis Staggered DiD pada level subgrup. Untuk membuka mekanisme internal kebijakan, dilakukan analisis mediasi menggunakan kerangka Baron dan Kenny yang diperkuat dengan prosedur bootstrapping guna memastikan validitas efek tidak langsung. Pada estimasi sampel penuh (naïve estimates) implementasi Kurikulum Merdeka berasosiasi positif dengan peningkatan skor literasi dan numerasi. Namun, pengujian asumsi parallel trends mendeteksi perbedaan laju pertumbuhan yang sistematis antara sekolah perlakuan dan kontrol sebelum kebijakan diimplementasikan. Uji sensitivitas dengan Honest DiD menunjukan efek kausalitas sangat sensitif dan hanya akan robust jika diasumsikan bias trend di masa depan memburuk tidak lebih dari 50% dibandingkan masa lalu. Oleh karena itu, klaim kausal atas dampak literasi dan numerasi pada penelitian ini diposisikan sebagai temuan indikatif dan terbatas, bukan konklusif. Variabel Kualitas pembelajaran juga secara signifikan berperan sebagai partial mediation dari intervensi Kebijakan Kurikulum Merdeka terhadap literasi dan numerasi. Temuan ini berkontribusi pada pengembangan literatur mengenai evaluasi kebijakan pendidikan, khususnya implementasi kurikulum serta menyoroti pentingnya peningkatan kualitas pembelajaran sebagai mekanisme kunci yang memediasi pengaruh kebijakan terhadap capaian pembelajaran siswa.
MELAMPAUI ALGORITMA: ADAPTASI MODEL PERJODOHAN KOREA UNTUK DINAMIKA PENCARIAN PASANGAN DI INDONESIA PADA ERA DIGITAL
Sementara pasar aplikasi kencan digital di Indonesia berkembang pesat karena pertumbuhan ekonomi dan penetrasi ponsel pintar, para lajang profesional berpenghasilan tinggi masih menghadapi tantangan signifikan dalam menemukan pasangan yang andal dan aman. Tujuan dari penelitian ini adalah untuk mengatasi "defisit kepercayaan" (trust deficit) pada platform yang ada saat ini—yang sangat bergantung pada algoritma data—dengan menetapkan strategi lokalisasi dan Go-to-Market (GTM) guna memperkenalkan model biro jodoh premium berbasis manusia (human matchmaking) asal Korea yang telah terbukti ke pasar berpenghasilan tinggi di Indonesia. Penelitian ini menggunakan desain riset metode campuran (mixed-methods), yang menggabungkan survei kuantitatif terhadap 368 individu lajang atau cerai berusia 24 hingga 45 tahun di seluruh Indonesia, dengan fokus utama di wilayah Jabodetabek, setelah melakukan wawancara mendalam secara kualitatif dengan para pakar dari perusahaan biro jodoh terkemuka di Korea. Analisis kuantitatif yang komprehensif dilakukan untuk mengonfirmasi potensi permintaan yang kuat sebelum mengembangkan strategi Go-to-Market. Secara khusus, Analisis Tabulasi Silang (Cross-Tabulation Analysis) digunakan untuk menyegmentasikan pasar dan mengidentifikasi audiens target yang optimal, yaitu para profesional berusia 30-an dan 40-an yang tinggal di Jabodetabek dengan pendapatan bulanan di atas IDR 15 juta. Hasil analisis empiris menggunakan analisis regresi linier berganda menunjukkan bahwa dua faktor merupakan prediktor yang signifikan secara statistik terhadap Tingginya Kesediaan untuk Membayar Layanan Premium (High Willingness to Pay Premium Services); kedua faktor tersebut adalah seberapa ketat dokumen diverifikasi dan tingkat keahlian profesional dalam manajemen. Selain itu, statistik deskriptif dan analisis frekuensi digunakan untuk menentukan faktor pembelian utama, menyusun struktur tingkatan harga yang optimal, dan menetapkan persyaratan minimum bagi perusahaan mitra sebagai bagian dari Proposisi Nilai (Value Proposition) perusahaan. Oleh karena itu, berdasarkan temuan empiris dari penelitian ini, sebuah alur kerja operasional dikembangkan berdasarkan business model canvas yang telah dilokalisasi dan bauran pemasaran 4P. Tiga strategi yang memperkuat model bisnis ini meliputi: Pertama, penerapan struktur pembayaran terbagi yang mencakup biaya pendaftaran (joining fee) dan biaya keberhasilan (success fee). Pembagian biaya ini memungkinkan pengurangan hambatan masuk (barrier to entry) yang disesuaikan dengan budaya lokal. Kedua, karena keterbatasan informasi yang tersedia dari basis data publik lokal dan untuk memenuhi tujuan utama dalam menyediakan proses verifikasi terbaik bagi klien, sebuah jaringan verifikasi manual dikembangkan melalui perjanjian kemitraan dengan beberapa firma hukum lokal dan lembaga pemeringkat kredit. Terakhir, berdasarkan basis pengguna yang telah berpengalaman dengan aplikasi kencan dan memiliki niat kuat untuk beralih menjadi pelanggan berbayar, Strategi Saluran Hibrida O2O (O2O Hybrid Channel Strategy) telah diterapkan dengan memanfaatkan aplikasi yang aman serta lounge fisik kelas atas, yang memungkinkan efisiensi sekaligus kepercayaan dalam hal bertemu dengan calon pasangan. Sebagai kesimpulan dari penelitian ini, terlihat jelas bahwa meskipun sekadar mentransfer model bisnis internasional yang mapan dapat efektif dalam hal kesuksesan, pengembangan strategi lokalisasi berbasis data mampu mengatasi kebutuhan yang belum terpenuhi (unmet needs) di pasar baru secara signifikan. Cetak biru bisnis inovatif yang disajikan dalam penelitian ini menciptakan pergeseran paradigma bagi industri biro jodoh di Indonesia, serta berfungsi sebagai landasan teoritis dan praktis yang kokoh untuk ekspansi bisnis di masa depan ke Asia Tenggara.
PEMODELAN KONSEP BANDGAP EKONOMI MENGGUNAKAN ALGORITMA CLUSTERING UNTUK EVALUASI EFEKTIVITAS KEBIJAKAN PEMERINTAH TERHADAP PEMERATAAN KESEJAHTERAAN EKONOMI DI WILAYAH INDONESIA
Ketimpangan ekonomi antarwilayah di Indonesia masih menjadi tantangan pembangunan, di mana kebijakan subsidi pemerintah yang bersifat seragam sering kali kurang efektif karena tidak mempertimbangkan kondisi spesifik tiap daerah. Penelitian ini mengembangkan konsep bandgap ekonomi, yaitu analogi dari teori bandgap material dalam fisika semikonduktor, untuk mengukur celah antara kondisi ekonomi aktual suatu wilayah dengan kondisi ideal yang ingin dicapai. Metode clustering K-Means++ digunakan untuk mengelompokkan 32 provinsi beserta kota/kabupaten di Indonesia (data tahun 2022) berdasarkan tujuh indikator kesejahteraan ekonomi, yaitu upah Minimum Provinsi, pengeluaran rumah tangga, tingkat kemiskinan, tingkat pengangguran, Gini Ratio, Indeks Pembangunan Manusia, dan Produk Domestik Regional Bruto. Hasil pemodelan menghasilkan dua kelompok wilayah, yaitu cluster dengan kebutuhan subsidi kecil dan cluster dengan kebutuhan subsidi besar, yang keabsahan pemisahannya dikonfirmasi melalui reduksi dimensi Principal Component Analysis (PCA). Pendekatan fungsi distribusi Fermi- Dirac kemudian diterapkan untuk mengubah tingkat kerentanan ekonomi wilayah menjadi indeks kebutuhan subsidi yang terukur, sehingga penentuan prioritas bantuan tidak lagi bersifat subjektif melainkan berbasis kuantifikasi data. Hasil penelitian menunjukkan bahwa wilayah dengan aktivitas ekonomi tinggi tidak selalu memiliki bandgap ekonomi kecil, karena kesejahteraan masyarakat turut dipengaruhi oleh kepadatan penduduk, ketimpangan, dan tekanan biaya hidup. Model ini terbukti mampu mengidentifikasi wilayah prioritas subsidi secara objektif dan dapat menjadi dasar bagi perumusan kebijakan pemerataan ekonomi yang lebih tepat sasaran.
PERANCANGAN SPESIFIKASI TEKNIS BANTAL PREMIUM BERDASARKAN FAKTOR PENILAIAN KONSUMEN PADA ULASAN DARING
Pasar bantal premium di Indonesia terus berkembang seiring meningkatnya kesadaran konsumen terhadap kualitas tidur. Dalam mengembangkan produk bantal premium, perusahaan perlu memahami kebutuhan konsumen secara akurat agar spesifikasi produk yang dirancang mampu memenuhi ekspektasi pasar. Namun, proses identifikasi kebutuhan konsumen umumnya dilakukan melalui survei atau wawancara yang memerlukan waktu dan biaya yang relatif besar. Penelitian ini bertujuan merancang spesifikasi teknis bantal premium bagi KWALA berdasarkan faktor penilaian konsumen yang diperoleh dari ulasan daring. Penelitian menggunakan pendekatan data mining dan pengembangan produk. Data berupa ulasan daring produk bantal premium dikumpulkan dari media e-commerce dan diolah melalui tahapan CRISP-DM. Identifikasi kebutuhan konsumen dilakukan menggunakan pemodelan topik latent Dirichlet allocation (LDA), sedangkan tingkat kepentingan kebutuhan dihitung menggunakan metode TF-MONO. Selanjutnya, kebutuhan konsumen diterjemahkan menjadi spesifikasi teknis melalui quality function deployment (QFD) fase I atau house of quality (HoQ). QFD fase II dan TRIZ digunakan untuk menghasilkan alternatif konsep produk yang kemudian dievaluasi menggunakan Pugh chart. Konsep terpilih divalidasi melalui analisis implementasi dan pengukuran intensi pembelian. Hasil penelitian menunjukkan bahwa faktor yang paling memengaruhi penilaian konsumen terhadap bantal premium adalah kenyamanan, keempukan, ukuran, kelembutan, dan ketebalan. Faktor kenyamanan memiliki bobot kepentingan tertinggi sebesar 1,52, diikuti keempukan sebesar 0,75. Proses QFD menghasilkan 13 engineering characteristics yang menjadi dasar penyusunan spesifikasi teknis produk. Spesifikasi utama yang diusulkan meliputi rata-rata tekanan 1185,58 Pa, kedalaman indentasi 14,10 cm, kenaikan temperatur maksimum 1,70°C, indentation force deflection 7,60 N, denier 0,8 den, dimensi 70 cm × 50 cm, permukaan 300 thread count, koefisien gesek statis 0,55, ketebalan 22,20 cm, berat isi 1800 gram, dan loft retention 92%. Evaluasi konsep menghasilkan dua alternatif yang layak diimplementasikan. Konsep utama menggunakan cover Tencel Lyocell bermotif strip horizontal dan filling gel-coated microfiber, dengan 75% responden memiliki intensi membeli. Konsep alternatif juga dirancang menggunakan cover cotton 300TC strip horizontal untuk meminimalisir kenaikan biaya material. Hasil penelitian menunjukkan bahwa pemanfaatan ulasan daring dapat digunakan secara efektif untuk mengidentifikasi kebutuhan konsumen dan menghasilkan spesifikasi teknis lebih sesuai dengan preferensi pasar