Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kota Pekalongan terletak di pesisir utara Pulau Jawa dan sering mengalami genangan pasang air laut (rob). Pada wilayah yang tergenang rob tersebut dilakukan analisis kerentanan wilayah sebagai dasar mitigasi bencana. Analisis kerentanan wilayah dalam penelitian ini berdasarkan tingkat bahaya dan kondisi sosial-ekonomi. Analisis kerentanan wilayah yang digunakan pada penelitian ini adalah analisis cluster metode K-means dimana unit analisisnya adalah batas administratif RW. Kerentanan wilayah sedang di daerah penelitian mendominasi daerah penelitian dengan kondisi bahaya rob tinggi dan kerentanan sosialekonomi rendah. Kerentanan wilayah terhadap banjir rob di Kota Pekalongan cenderung lebih tinggi yang berada di dekat dengan laut dan sungai. Hal ini dikarenakan laut dan sungai sebagai jalur utama masuknya air laut dan kondisisosial ekonominya pun rendah.

---

Pekalongan city is located at the north coast of Java and often had coastal inundation. Vulnerable analaysis were conducted on the inundated areas as a base for disaster mitigation proses. Vulnerability analyses in the research area are based on the level of prone areas and socio-economic conditions. The vulnerability analysis method used in this research is K-means cluster method with RW boundary as units analysis. The results of the analysis that the vulnerability of the region is dominated area of research with high rob hazardous conditions and low socio-economic vulnerability. Vulnerability to flooding areas in Pekalongan rob tends to be higher near the sea and rivers. This is because the seas and rivers as the main line entry of sea water and socio-economic conditions were low."

"Tujuan dari penelitian ini adalah untuk mengetahui dan menganalisis pengaruh sifat inovasi relative advantage, compatibility, complexity, trialability, dan observability terhadap keputusan Wajib Pajak Orang Pribadi yang terdaftar di KPP Pratama Pekalongan dalam menggunakan e-filing. Penelitian ini dilakukan dengan membagikan kuesioner secara manual dan online, dan berhasil mendapatkan 219 responden. Metode pengujian hipotesis dilakukan dengan menggunakan analisis regresi berganda dan cross section analysis. Hasil penelitian menunjukkan bahwa relative advantage, trialability, dan observability, berpengaruh positif terhadap keputusan penggunaan e-filing. Sementara itu, compatibility dan complexity tidak memiliki pengaruh terhadap keputusan penggunaan e-filing.

---

The purpose of this research is to analyze the influence of the attributes of innovation relative advantage, compatibility, complexity, trialability, and observability on the decision of individual taxpayers registered in KPP Pratama Pekalongan in using e filing. This study was conducted by distributing questionnaires in manual and online forms, and managed to get 219 respondents. Hypothesis testing method is done by using multiple regression and cross section analysis. The results showed that relative advantage, trialability, and observability, significantly influence the decision of e filing usage. Meanwhile, compatibility and complexity have no influence on the decision of e filing usage."

"Tesis ini membahas perancangan strategi pengembangan industri batik di Kota Pekalongan dengan basis kompetensi inti. Pemilihan kompetensi inti batik di Kota Pekalongan berdasarkan dari tiga jenis alternatif industri batik yaitu batik tulis, batik cap, dan batik printing. Penelitian ini adalah penelitian kualitatif dengan desain deskriptif. Hasil penelitian menyimpulkan kompetensi inti industri di Kota Pekalongan didapatkan yaitu jenis industri batik tulis, yang telah diperoleh dari hasil perhitungan dengan metode Analytical Hierarchy Process AHP . Implementasi strategi pengembangan kompetensi inti untuk industri batik tulis di Kota Pekalongan dibuat berdasarkan tiga tahapan yaitu tahap awal, tahap inti, dan tahap akhir. Pada tahap awal dilakukan pada 2019-202, kegiatan yang dilakukan pada tahap ini adalah melakukan tahapan pengembangan awal. Pengembangan yang dilakukan terdiri dari pengembangan sumber daya manusia dan pengembangan terhadap teknologi. Pada tahap inti dilakukan pada 2020-2022, strategi yang dilakukan pada tahap ini adalah perluasan area pemasaran batik, pengembangan media informasi batik Pekalongan, dan pembuatan perkumpulan asosiasi batik atau kampung batik. Pada tahap akhir dilakukan pada 2019-2023, strategi pengembangan yang dapat dilakukan adalah membuat pergerakan penjualan online, peningkatan pengembangan bahan baku dan hasil olahan batik, dan pendampingan usaha dari pihak pemerintah.

---

This thesis discusses the design of batik industry development strategy in Pekalongan City with core competency base. The selection of batik core competencies in Pekalongan City is based on three types of batik industry alternatives namely batik ldquo tulis rdquo , batik ldquo cap rdquo , and batik printing. This research is a qualitative research with descriptive design. The result of the research concludes the core competence of the industry in Pekalongan City is the type of batik industry, which has been obtained from the calculation with Analytical Hierarchy Process AHP method. the implementation of core competency development strategy for batik industry in Pekalongan City is made based on three stages namely the initial stage, the core stage, and the final stage.

In the early stages carried out in 2019 202, the activities undertaken at this stage is to conduct the initial development stage. The development consists of human resource development and technology development. At the core stage conducted in 2020 2022, the strategy undertaken at this stage is the expansion of batik marketing area, the development of information media Pekalongan batik, and making associations of batik or batik village. In the final stage done in 2019 2023, the development strategy that can be done is to make online sales movement, increase the development of raw materials and processed batik, and business assistance from the government."

"Keberhasilan pembangunan suatu negara dapat dilihat dari kondisi kesejahteraan rakyatnya. Peningkatan kesejahteraan rakyat menjadi sasaran utama dalam kegiatan pembangunan yang dilaksanakan oleh pemerintah. Agar pembangunan yang dilakukan efektif dan tepat sasaran, perlu dilakukan pengelompokan untuk mengetahui karakteristik wilayah. Penelitian ini membahas mengenai pengelompokan kabupaten/kota di Pulau Jawa berdasarkan indikator kesejahteraan rakyat tahun 2022. Kesejahteraan yang diukur merupakan kesejahteraan materi. Variabel yang digunakan dalam penelitian ini adalah persentase penduduk miskin, PDRB per kapita atas dasar harga berlaku, rata-rata lama sekolah, harapan lama sekolah, persentase pengeluaran per kapita untuk makanan, tingkat pengangguran terbuka, jumlah penduduk, kepadatan penduduk, dan angka harapan hidup. Terdapat dua pendekatan yang digunakan dalam mengelompokkan kabupaten/kota beserta variabel-variabelnya. Pendekatan pertama adalah mengelompokkan kabupaten/kota dan variabel-variabelnya secara simultan dengan menggunakan metode biclustering plaid model. Pendekatan kedua adalah mengelompokkan kabupaten/kota menggunakan clustering metode Ward dan dilanjutkan dengan metode biplot. Tujuan penelitian ini adalah membandingkan hasil kedua pendekatan tersebut, yaitu hasil biclustering dan hasil cluster-biplot pada data 119 kabupaten/kota di Pulau Jawa pada tahun 2022 berdasarkan indikator kesejahteraan rakyat. Berdasarkan hasil penelitian, didapatkan jumlah kelompok dari kedua pendekatan tersebut adalah sebanyak 2 dengan kelompok 1 merupakan wilayah yang lebih sejahtera daripada kelompok 2. Ditinjau dari nilai standar deviasinya, kelompok hasil biclustering plaid model memiliki nilai standar deviasi yang lebih kecil dibanding kelompok hasil cluster-biplot. Dengan demikian, secara umum pendekatan pertama menghasilkan kelompok yang lebih baik karena lebih homogen dibandingkan dengan pendekatan kedua.

---

The success of a country's development can be known from the well-being of its people. Improving the welfare of the population is the main goal in the development activities carried out by government. To ensure that development is effective and targeted, grouping is needed to understand the characteristics of the region. This study discusses the grouping of regencies/cities in Java based on the people's welfare indicators in 2022. The measured welfare is material well-being. Variables used in this study are the percentage of the poor population, GDP per capita at current prices, average length of schooling, expected length of schooling, percentage of per capita expenditure on food, open unemployment rate, population, population density, and life expectancy. There are two approaches used in grouping regencies/cities along with their variables. The first approach is to group regencies/cities and their variables simultaneously using plaid model biclustering method. The second approach is to group regencies/cities using the Ward clustering method and then followed by the biplot method. The aim of this study is to compare the results of these two approaches, namely the biclustering results and the cluster-biplot results on data from 119 regencies/cities in Java in 2022 based on people's welfare indicators. Based on the results of this study, the number of groups from each approach is 2, with group 1 being more prosperous than group 2. Judging from the standard deviation values, the plaid model biclustering result groups have lower standard deviation values compared to the cluster-biplot result groups. Therefore, in general the first approach produces better groups as they are more homogeneous compared to the second approach."

"ABSTRAKPenelitian ini bertujuan untuk menganalisis posisi strategis dari klaster industri canting cap di Kota Pekalongan. Populasi dalam penelitian ini adalah para pelaku usaha mikro kecil dan menengah canting cap di Kota Pekalongan. Untuk menentukan posisi startegis klaster canitng cap digunakan analisis SWOT dan analisis General Elektrik (GE). Hasil penelitian menunjukkan posisi klaster industri canting cap mempunya daya tarik dan kekuatan persaingan yang menengah, sehingga strategi yang tepat untuk mengembangkan usaha canting cap adalah mengidentifikasi faktor pertumbuhan, spesialisasi, dan melakukan investasi yang selektif. "

"Penelitian ini berisi tentang identifikasi adanya bahasa Jawa dialek Ngapak pada variasi bahasa di Kabupaten Pekalongan. Tujuan penelitian ini adalah untuk mengetahui persebaran bahasa Jawa dialek Ngapak yang ada di Kabupaten Pekalongan serta mengidentifikasi variasi bahasa Jawa dialek Ngapak yang ada di Kabupaten Pekalongan. Metode yang digunakan dalam pengambilan data pada penelitian ini adalah metode pupuan lapangan dengan menggunakan 236 daftar tanyaan yang terdiri dari 200 kosakata dasar Morish Swadesh; 10 kosakata acuan, sapaan, dan kata ganti; dan 25 kosakata sistem kekerabatan. Titik pengamatan dalam penelitian ini adalah seluruh kecamatan di Kabupaten Pekalongan yang berjumlah 19; dan setiap kecamatan diwakili oleh satu orang informan. Data hasil wawancara divisualisasikan ke dalam peta lambang. Kemudian, peta tersebut diolah menjadi peta berkas isoglos dan dihitung dalam dialektometri. Hasil penelitian menunjukkan bahwa anggapan adanya dialek Ngapak di Kabupaten Pekalongan terbukti kurang tepat. Tidak ada perbedaan dialek yang ditemukan, tetapi perbedaan wicaralah yang ditemukan pada variasi bahasa di Kabupaten Pekalongan. Adanya variasi fonologis berupa kontras variasi bunyi /o/ dengan /a/ dan /ˀ/ dengan /k/ dan variasi leksikal berupa penyerapan kosakata dari dialek Banyumasan merupakan pengaruh dari dialek Ngapak yang menyebabkan adanya perbedaan wicara pada variasi bahasa di Kabupaten Pekalongan.

---

This study contains an identification of Javanese Ngapak dialect in the language variation in Pekalongan District. The purpose of this study is to determine the distribution of Javanese Ngapak dialect in Pekalongan District and to identify Javanese Ngapak dialect in Pekalongan District. The method used for data collection in this study is field survey method, using 236 questionnaires consisting of 200 basic vocabulary of Morish Swadesh; 10 reference vocabulary, greetings, and pronouns; and 25 kinship system vocabularies. The observation points in this study were all 19 sub-districts in Pekalongan District, and each sub-district was represented by one informant. Data from the interviews were visualized into a symbol map. Then, the map was processed into an isogloss file map and calculated in dialectometry. The results show that the presumption of Ngapak dialect in Pekalongan District is proved to be inappropriate. No dialect differences are found, but differences in speech exist in language variations in Pekalongan District. The phonological variations in the form of contrasting sound variations / o / with / a / and / ˀ / with / k / and lexical variations in the form of vocabulary absorption from the Banyumasan dialect are the influence of the Ngapak dialect which causes differences in speech in language variation in Pekalongan District."

"Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah.

---

As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below."

"Identifikasi suatu letak atau lokasi tumor beserta jaringan-jaringan sehat di sekitarnya secara akurat, merupakan salah satu langkah dalam melakukan perencanaan radioterapi atau disebut juga dengan istilah treatment planning. Setelah lokasinya ditentukan dan dipastikan, dokter akan mencoba membuat perencanaan berupa dosis radiasi yang dibutuhkan untuk diberikan kepada pasien sehingga dapat memberikan kerusakan yang maksimal pada tumor tanpa memberikan dampak negatif pada organ-organ sehat di sekitarnya. Salah satu solusi dalam melakukan tugas tersebut adalah berupa segmentasi otomatis suatu citra PET. Segmentasi otomatis ini tidak hanya memakan waktu yang cukup singkat, tetapi juga mempertimbangkan seluruh nilai time-activity curve (TAC) yang ada pada citra. Salah satu metode untuk menentukan lokasi tumor adalah dengan cara segmentasi otomatis menggunakan algoritma clustering k-means. Berdasarkan penelitian dari (Abualhaj, 2017), clustering k-means memberikan hasil segmentasi yang sangat baik dalam melalukan pendeteksian lokasi tumor. Namun, algoritma yang digunakan tidak sepenuhnya otomatis karena perlunya input parameter nilai yang diterapkan oleh pengguna. Penelitian ini bertujuan mengidentifikasi pengaruh error terhadap input dari algoritma k-means clustering yaitu apabila terjadi kesalahan dalam memasukkan nilai-nilai input tersebut. Terdapat lima paremeter yang akan diuji dengan masing-masing lima variasi masukan. Parameter tersebut masing-masing adalah maximum number of cluster, maximum iteration, maximum repetition time, total counts, dan random counts. Untuk semua parameter, hasil jumlah cluster optimalnya tidak berubah dan tidak dipengaruhi oleh variasi dari parameter tersebut yaitu berjumlah 4 cluster kecuali pada parameter pertama apabila nilainya di bawah 4. Pada parameter pertama, hasil bentuk segmentasi beserta kurva TAC nya berubah saat nilai parameternya di bawah 4. Adapun jika nilainya di atas 4, berdasarkan yang diteliti penulis, tidak ada perbedaan pada bentuk segmentasi maupun jumlah optimal clusternya. Pada parameter kedua, bentuk segmentasinya terlihat ada sedikit perbedaan beserta kurva TAC saat nilai parameternya diperkecil.  Parameter ketiga memiliki hasil yang mirip dengan parameter kedua yang mana hasil segmentasinya memiliki sedikit perbedaan saat nilainya diperkecil begitu pula dengan kurva TAC nya. Parameter ketiga dan keempat memiliki hasil yang mirip ketika nilainya diperkecil maupun diperbesar yakni terlihat adanya sedikit perbedaan pada hasil segmentasinya.

---

Identifying a location or location of a tumor and surrounding healthy tissues accurately is one of the steps in planning radiotherapy or also known as treatment planning. After the location is determined and confirmed, the doctor will try to make a plan in the form of the radiation dose needed to be given to the patient so that it can provide maximum damage to the tumor without having a negative impact on the surrounding healthy organs. One solution in performing this task is in the form of automatic segmentation of a PET image. This automatic segmentation not only takes a fairly short time, but also considers all the time-activity curve (TAC) values ​​in the image. One method to determine the location of the tumor is by means of automatic segmentation using the k-means clustering algorithm. Based on research from (Abualhaj, 2017), k-means clustering provides excellent segmentation results in detecting tumor locations. However, the algorithm used is not fully automated because of the need for user-implemented value parameter input. This study aims to identify the effect of error on the input of the k-means clustering algorithm, namely if there is an error in entering the input values. There are five parameters to be tested with five variations of each input. These parameters are maximum number of cluster, maximum iteration, maximum repetition time, total counts, and random counts. For all parameters, the results of the optimal number of clusters do not change and are not influenced by variations of these parameters, which are 4 clusters except for the first parameter if the value is below 4. In the first parameter, the results of the segmentation form along with the TAC curve change when the parameter value is below 4 Meanwhile, if the value is above 4, based on what the author has studied, there is no difference in the form of segmentation and the optimal number of clusters. In the second parameter, the shape of the segmentation shows a slight difference along with the TAC curve when the parameter value is reduced. The third parameter has similar results to the second parameter where the segmentation results have a slight difference when the value is reduced as well as the TAC curve. The third and fourth parameters have similar results when the value is reduced or enlarged, namely that there is a slight difference in the segmentation results. "