Hasil Pencarian  ::  Simpan CSV :: Kembali

"[ABSTRAKPengkajian risiko luka tekan penting untuk menentukan intervensi pencengahan terjadinya luka tekan. Sensitivitas dan spesifisitas skala Braden dan Skala Modifikasi Norton (SMN) menunjukkan hasil yang berbeda-beda dalam berbagai penelitian. Penelitian ini bertujuan untuk mengidentifikasi perbedaan nilai sensitifitas dan spesifisitas skala Braden, dengan SMN dalam mendeteksi risiko luka tekan di ruang ICU. Penelitian ini merupakan penelitian uji diagnostik. Jumlah sampel sebanyak 50 responden. Hasil penelitian menunjukkan bahwa skala Braden memiliki nilai sensitifitas 83.3%, dan spesifitas pada hari ke-1 90.9%, Hari ke-3 93.2%, hari ke-5 95.5%. Nilai Sensitifitas SMN 83.3%, dan spesifitas hari ke-1 75.0%, hari ke-3 77.3%, hari ke-5 79.5%. Skala Braden memiliki nilai validitas lebih tinggi dibandingkan skala SMN.

---

ABSTRACTAssessment of the pressure ulcer risk is important to prevent its complications.Sensitivity and specificity of Braden scale and Modified Norton Scale (MNS)showed the different results in many different studies. The purpose of this study toidentify Sensitivity and specificity of Braden scale and MNS to predict pressureulcer risk in ICU. It was the diagnostic research. There were 50 respondents inthis study. The result shows that Braden scale had sensitivity value 83.3%, andspecificity values ; day-1 90.9%, day-3 93.2%, day-5 95.5%. MNS sensitivityvalue is 83.3%, and specificity values ; day-1 75.0%, day-3 77.3%, day-5 79.5%.Braden scale had high validity value compared to MNS., Pengkajian risiko luka tekan penting untuk menentukan intervensi pencengahan terjadinya luka tekan. Sensitivitas dan spesifisitas skala Braden dan Skala Modifikasi Norton (SMN) menunjukkan hasil yang berbeda-beda dalam berbagai penelitian. Penelitian ini bertujuan untuk mengidentifikasi perbedaan nilai sensitifitas dan spesifisitas skala Braden, dengan SMN dalam mendeteksi risiko luka tekan di ruang ICU. Penelitian ini merupakan penelitian uji diagnostik. Jumlah sampel sebanyak 50 responden. Hasil penelitian menunjukkan bahwa skala Braden memiliki nilai sensitifitas 83.3%, dan spesifitas pada hari ke-1 90.9%, Hari ke-3 93.2%, hari ke-5 95.5%. Nilai Sensitifitas SMN 83.3%, dan spesifitas hari ke-1 75.0%, hari ke-3 77.3%, hari ke-5 79.5%. Skala Braden memiliki nilai validitas lebih tinggi dibandingkan skala SMN.]"

"Perubahan maksimum GVW pada kendaraan Mitsubishi 1.300 Diesel dari 2205 kg menjadi 2545 kg, memerlukun analisis kelayakan padu beberapa komponen kendaraan, diantaranya pada rangka atau frame, bagian rangka kendaraan yang dianalisis yaitu side member. Analisis yang dilakukan oleh penulis yaitu analisis kekuafan struktur side member pada GVW 2205 kg dan 2545 kg. Analisis dilakukan pada kondisi yang sudah umum digunakan dalam menganalisis kekuatan struktur rangka kendaraan, yaitu yang telah disandarkan oleh Sidelco puda Tahun 1965. Untuk mempermuduh proses analisis dan pemecahan masalah penulis melakukan beberapa penyederhanaan dan asumsi, disamping itu penulis menggunakan alat bantu yaitu peragkat Iunak Pro/Engineer. Hasil dari analisis menyatukan bahwa side member masih aman untuk dipakai pada GVW 2545 kg."

"ABSTRAKSebagai bagian dari kelulusan mata kuliah, saya diharuskan untuk mengumpulkan laporan atas hasil telaah transaksi pengambilalihan antara perusahaan Norton Gold Fields Ltd (NGF) dan Bullabuling Gold Ltd (BAB). Tujuan dari laporan ini adalah untuk menyediakan rangkuman transaksi pengambilalihan dari sisi kedua perusahaan ini dan menganalisa informasi-informasinya.Rangkumannya menjabarkan transaksi akuisisi antara NGF dan BAB secara singkat, disertai dengan nilai akuisisi nya yang diambil dari laporan keuangan perusahaan juga laporan pengambilalihan. Selanjutnya, analisis tentang informasi pengambialihannya adalah sebagai berikut: kerugian dan keuntungannya, alasan untuk menerima dan menolak penawaran akuisisi tsb, nilai yang dibayar dan akan dibayar, dan hak-hak pemegang saham minoritas.

---

ABSTRACT

As part of the course's completion, I was required to submit a final report on my findings regarding the takeover transaction between Norton Gold Fields Ltd (NGF) and Bullabuling Gold Ltd (BAB). The purpose of this report is to provide a summary of the compulsory acquisition transaction of both companies and analyse the takeover information.

The summary defines the acquisition transaction of NGF and BAB in brief, together with the amounts that were derived from their financial report and takeover report. Moreover, the analysis of takeover information consists of: the disadvantages and advantages of the takeover, reasons for acceptance or rejection of the bidder offer, value paid or to be paid, and rights of minority shareholders."

"ABSTRAKRuang di bawah permukaan tanah (underground) kini telah dieksploitasi untuk pengembangan sarana transportasi, utilitas dan kepentingan publik lainnya. Underground telah menjadi rumah bagi banyak jaringan, pipa bahkan terowongan hingga membuat sarang laba - laba yang sukar dipetakan. Padahal, atas nama proyek pengembangan, wilayah di atas dan di bawah permukaan tanah ini sangat dibutuhkan baik untuk dibangun atau sebagai penopang bagi bangunan di atasnya seperti jalan raya. Penelitian ini bertujuan untuk mengetahui faktor - faktor risiko apa saja yang mungkin muncul dalam penanganan utilitas bawah tanah pada pembangunan jalan sehingga risiko tersebut dapat dikelola dengan baik dan potensi keterlambatan akibat utilitas bawah tanah dapat dihindari.

---

ABSTRACT

The underground space are now being exploited for transportation development, utility and the other public use. Underground become homeland for many instalation, pipe even tunnel and make spider web that very difficult to mapped. Eventhough, in the name of development project, the space above and underground are needed to be built or become a supporting/foundation for the construction above, for example highway. The goal of this research is to find the risk factors of underground utility handling on highway project, so the risks can be well managed and the potensial of delay caused by underground utility can be avoided."

"Pesatnya pertumbuhan penduduk di daerah urban, menyebabkan pembangunan infrastruktur di daerah tersebut semakin meningkat. Berdasarkan hal tersebut, kebutuhan seperti, air, gas, penerangan jalan, dan litrik semakin meningkat. Hal ini membuat data mengenai persebaran utilitas pada bawah permukaan dianggap penting untuk dipetakan. Sehingga data persebaran utilitas dapat digunakan sebagai data awalan dalam pembangunan infrastruktur baru. Pada penelitian ini menggunakan metode geofisika ground penetrating radar yang menggunakan gelombang elektromagnetik dan perbedaan konstanta dielektrik pada suatu medium. Pemetaan pada daerah urban dilakukan pada 11 lintasan dengan menggunakan alat GPR dengan frekuensi sebesar 400MHz. Sehingga, didapatkan jenis dan juga kedalaman pada daerah penelitian yaitu Kabel Fiber Optic, pipa PDAM, pipa Gas PGN, dan kabel Public Street Light. Kedalaman utilitas yang ditemukan berada pada kedalaman 0.12m-1.44m dan didominasi oleh kabel Public Street Light dan kabel Fiber Optic

---

The rapid population growth in urban areas has caused the development of infrastructure in these areas to increase. Based on this, needs such as water, gas, street lighting, and electricity are increasing. This makes data on the distribution of utility on the surface considered important to be mapped. So that the utility distribution data can be used as initial data in the construction of new infrastructure. This research uses a ground penetrating radar geophysical method that uses electromagnetic waves and differences in dielectric constants in a medium. Mapping in urban areas is carried out on 11 tracks using a GPR device with a frequency of 400MHz. So that the types and depths in the research area are obtained, namely Fiber Optic Cables, PDAM pipes, PGN Gas pipes, and Public Street Light cables. The utility depth found is at a depth of 0.12m-1.44m and is dominated by Public Street Light cables and Fiber Optic cables."

"ABSTRAKHigh Utility Itemset Mining HUIM mendapat banyak perhatian dalam penelitian ndash; penelitian tentang Knowledge Discovery in Databases. Sebagai perluasan dari Frequent Itemset Mining FIM dan Association Rule Mining ARM , HUIM mempertimbangkan faktor jumlah dan tingkat kepentingan barang dalam data transaksi untuk menemukan kelompok barang berutilitas tinggi High Utility Itemsets, HUIs . Walaupun HUIM umumnya diterapkan pada aktivitas penjualan, HUIM telah dikembangkan untuk berbagai penelitian dan aplikasi seperti investasi saham, biomedis, sistem rekomendasi, dan lainnya. Dalam implementasi HUIM, satu tantangan yang ditekankan di banyak penelitian adalah sifat eksponensial ruang pencarian HUIs yang menyebabkan tingginya waktu eksekusi dan penggunaan memori. Berbagai metode telah diusulkan untuk mengatasi tantangan tersebut termasuk penggunaan metode metaheuristik dalam implementasi HUIM. Dalam penelitian ini, algoritma HUIM-DBHS diusulkan sebagai pendekatan metaheuristik untuk menemukan HUIs dalam data transaksi. Algoritma dimulai dengan proses identifikasi 1-HTWUIs untuk mengeliminasi barang berutilitas rendah dan memangkas ruang pencarian HUIs. Algoritma kemudian mengaplikasikan proses pencarian HUIs berdasarkan mekanisme-mekanisme Discrete Binary Harmony Search DBHS yang termasuk harmony memory consideration, pitch adjustment, dan random adjustment. Hasil studi eksperimen menunjukan bahwa HUIM-DBHS berkinerja lebih baik dibandingkan metode metaheuristik terdahulu dalam HUIM.

---

ABSTRACTAs an extension of Association Rule Mining ARM , High Utility Itemsets Mining HUIM considers items quantity and importance factors in transactional database to find High Utility Itemsets HUIs . In HUIM implementation, one of the challenges emphasized in many studies is the exponential nature of the HUIs search space that lead to high execution time and memory usage. Various methods have been proposed to address these challenges including metaheuristic methods usage in HUIM implementation. In this research, HUIM DBHS algorithm is proposed as a metaheuristic method to mine HUIs in transactional database. The algorithm is initiated with 1 HTWUIs identification process to eliminate low utility items and prune HUIs searching space. The algorithm then applies HUIs searching process based on Discrete Binary Harmony Search DBHS mechanisms which include harmony memory consideration, pitch adjustment, and random adjustment. The experimental study results show that HUIM DBHS performs better compared to earlier metaheuristic method in HUIM."

"Revolusi industri 4.0 ditandai dengan dimulainya era digitalisasi dunia usaha. Kondisi ini menuntut semua sektor industri bertransformasi melalui digitalisasi proses bisnis. Advanced Metering Infrastructure (AMI) adalah representasi dari transformasi digital teknologi peralatan dan layanan pelanggan yang disampaikan oleh perusahaan utilitas di industri kelistrikan dan sekaligus merupakan inti dari sistem Smart Grid. Dengan dimulainya tahap komersialisasi infrastruktur AMI ke pelanggan di Jakarta, Perusahaan Listrik Negara atau PT PLN (Persero) selaku perusahaan pengelola usaha penyediaan tenaga listrik di Indonesia telah berhasil membangun ekosistem infrastruktur AMI pada tahun 2021. Komersialisasi pembangunan infrastruktur AMI dilakukan secara bertahap sesuai dengan target dan kemampuan pendanaan perusahaan. Diperlukan metode yang tepat dalam fase pengembangan ekosistem AMI agar PT PLN dan pelanggan dapat memaksimalkan fitur dan manfaat teknologi AMI di masa mendatang. Oleh karena itu, perlu dilakukan pembuatan skala prioritas dalam hal pemilihan lokasi pembangunan ekosistem pelanggan AMI. Dengan menggunakan metode Analytic Hierarchy Process (AHP), ditemukan metode pemilihan lokasi pembangunan ekosistem AMI dengan memprioritaskan beberapa hal. Berdasarkan expert judgement dengan total rasio inkonsistensi gabungan sebesar 0,01 diketahui bahwa PLN dapat memprioritaskan lima kriteria penentuan lokasi yaitu permasalahan penyalahgunaan energi listrik (C12) sebesar 10,3%, permasalahan piutang (Bad Debt) (C13) dengan 9,7%, Ketepatan GIS Mapping Pelanggan (C44) sebesar 8,9%, jumlah pelanggan per gardu (C42) sebesar 5,9%, dan kondisi dan aksesibilitas infrastruktur komunikasi (C46) sebesar 5,9% untuk mengoptimalkan ekosistem pelanggan Advanced Metering Infrastructure (AMI).

---

The industrial revolution 4.0 is marked by the commencement of the digitalization era of the business sector. This condition requires all industrial sectors to transform through the digitalization of business processes. Advanced Metering Infrastructure (AMI) is a representation of the digital transformation of equipment technology and customer service delivered by utility companies in the electricity industry and is at the same time the core of the Smart Grid system. With the start of the commercialization phase of AMI infrastructure to customers in Jakarta, the State Electricity Company or PT PLN (a limited liability company) as the company managing the electricity supply business in Indonesia has successfully built an AMI infrastructure ecosystem in 2021. The commercialization of AMI infrastructures takes place in stages in accordance with the company's targets and funding capabilities. The right method is needed in the development phase of the AMI ecosystem so that PT PLN and customers can maximize the features and benefits of AMI technology in the future Therefore, it is necessary to make a priority scale in terms of choosing the location for the development of the AMI ecosystem. By using Analytic Hierarchy Process (AHP) method, a method for selecting AMI ecosystem development location was found by prioritizing several things. Based on expert judgment with a total overall inconsistency value of 0.01 it is known that Jakarta's PLN must prioritize five subcategories are theft loss’s chance (C12) with 10,3%, corporation's bad debt problems (C13) with 9.7%, Customer GIS Mapping Accuracy (C44) by 8.9%, the number of customers per substation (C42) by 5.9%, and the Condition-Accessibility of Communication Infrastructure (C46) of 5.9% to optimize the Advanced Metering Infrastructure (AMI) customer ecosystem"