Hasil Pencarian  ::  Simpan CSV :: Kembali

"SPI dibentuk dalam struktur pengendalian intern BUMN, sebagai bagian dari upaya pemerintah meningkatkan daya pengawasan pimpinan perusahaan atas operasi perusahaan, sehingga perusahaan mengarah pada pencapaian tujuan utama perusahaan yaitu sebagai sumber pendapatan negara dan agen pembangunan. Dalam membina penerapan SPI, Pemerintah mengeluarkan peraturan-peraturan, instrukti, dan melalui BPKP menerbitkan Pedoman Pemeriksaan. Tetapi keberhasilan penerapan SPI dalam struktur pengendalian intern BUMN juga sangat bergantung pada kesadaran serta dukungan manajemen perusahaan dan anggota SPI, serta kompetensi anggota SPI itu sendiri. Kesimpulan skripsi ini adalah anggota SPI belum dianggap dan menganggap dirinya sebagai profesional yang harus memiliki keahlian dan pengalaman dalam pemeriksaan dan pengawasan. Ketentuan Pemerintah dan Norma yang berlaku dianggap sebagai standar maksimal, padahal mengingat karakteristik operasi tiap-tiap BUMN berbeda dan Norma bersifat umum, maka seharusnya Norma diperlakukan sebagai standar minimal."

"ABSTRAKPada tugas akhir ini dibangun kembali sistem persamaan diferensial penyakit Demam Berdarah Dengue DBD yang ditulis dalam artikel rdquo;Understanding Resistant Effect ofMosquito to Fumigation Strategy in Dengue Control Program rdquo; oleh Aldila dkk pada tahun2017. Sistem persamaan diferensial penyakit DBD tersebut mendeskripsikan penyebaranpenyakit DBD pada suatu wilayah dengan adanya populasi nyamuk resisten. Populasinyamuk resisten adalah populasi nyamuk yang dapat bertahan atau tidak langsungmati saat diberikan intervensi fumigasi. Dari sistem persamaan diferensial tersebutdikembangkan model dengan menambahkan kontrol optimum sehingga intervensifumigasi dapat dilakukan secara maksimum dengan biaya yang minimum. Kemudianditunjukkan bahwa sistem mencapai titik keseimbangan pada Disease Free Equilibrium.Selanjutnya, nilai Basic Reproduction Number dicari untuk mendapatkan nilai kontroloptimum yang dapat mereduksi jumlah individu terinfeksi penyakit DBD. Selain itu, dilakukanjuga interpretasi numerik melalui analisis sensitivitas dan simulasi model autonomous.

---

ABSTRACTIn this undergraduate thesis, it was rebuilt a system of differential equations of Denguedisease that written in article rdquo Understanding Resistant Effect of Mosquito to Fumigation Strategy in Dengue Control Program rdquo by Aldila et al in 2017. The system of differentialequations of Dengue disease describes the spread of Dengue disease in a region withthe existence of resistant mosquito population. The population of resistant mosquitoes isthe mosquito population that can survive or indirectly die when fumigation interventionwas given. Furthermore, the system was modified by adding optimum control so thatfumigation intervention can be done maximum with minimum cost. It then shows thatthe system reaches the equilibrium point on Disease Free Equilibrium. And then, thevalue of Basic Reproduction Number is searched for an optimum control value that canreduce the number of infected individuals because Dengue disease. Moreover, numericalinterpretation is also be done through sensitivity analysis and simulation of autonomousmodel."

"Diabetes self care DSC merupakan bagian dari pengelolaan diabetes. Tujuan penelitian ini adalah menganalisa hubungan DSC dengan score PEDIS dan kontrol glikemik pasien DM. Penelitian ini merupakan cross sectional studi yang melibatkan 106 pasien. Statistik menunjukkan ada hubungan bermakna antara DSC dengan score PEDIS p 0,0005 dengan korelasi kuat r -0,74 dan kontrol glikemik p 0,0005 dengan korelasi sedang 0,45 . Hasil Regresi menunjukkan DSC berhubungan dengan score PEDIS setelah dikontrol variabel jenis pekerjaan dan lama terdiagnosis DM. DSC berhubungan dengan kontrol glikemik setelah dikontrol jenis pekerjaan dan jenis OAD. Perawat dapat menggunakan DSC sebagai indikator score PEDIS dan kontrol glikemik pasien.

---

Diabetes self care DSC is an integrated part in diabetes management. The aim of this study was to analyze the correlation between DSC with PEDIS score and glycemic control in diabetes patients. This study applied a cross sectional design, involving 106 patients. Statistics showed a significant association between DSC and PEDIS score p 0.0005 with a strong correlation r 0.74 and glycemic control p 0.0005 with a moderate correlation 0.451 . The regression test showed that the DSC was associated with the PEDIS score after controlled with the variable of occupations and duration of having diabetes. DSC associated with the glycemic control after controlled with occupation and type of anti diabetics agent. Nurses may consider patient rsquo s diabetes self care score as an indicator of the PEDIS score and the glycemic control. "

"ABSTRAKNama : Indira Rezki WahyuniProgram Studi : EpidemiologiJudul : Hubungan Hipertensi pada Ibu Hamil dengan Kejadian Bayi BeratLahir Rendah BBLR di RSIA Budi Kemuliaan Jakarta Tahun 2017Pembimbing : Dr. dr. Helda, M.KesAngka kematian bayi AKB merupakan salah satu indikator menilai derajatkesehatan masyarakat. Indikator angka permasalahan BBLR menurut The HealthyPeople menyebutkan bahwa angka kejadian BBLR dikatakan rendah apabila kejadianBBLR kurang dari 5 , dikatakan tinggi jika kejadian BBLR berada di antara 10-15 .Pada penelitian tahun 2000 mengenai BBLR yang meliputi kota Jakarta, Makassar danCiawi ditemukan kasus BBLR berkisar 9-16 BPS,2000 dan data dari RisetKesehatan Dasar Tahun 2013 angka BBLR sebesar 10,2 . Ditambah lagi penelitiansebelumnya diketahui bahwa hipertensi pada ibu merupakan salah satu faktor risikoyang mempengaruhi berat lahir bayi. Tujuan penelitian ini untuk melihat hubunganantara hipertensi pada Ibu hamil dengan kejadian Bayi Berat Lahir Rendah BBLR diRSIA Budi Kemuliaan Jakarta Tahun 2017. Desain dalam penelitian ini adalah studicohort retrospective dengan menggunakan data rekam medik rumah sakit. Analisis datayang digunakan adalah Cox Regression. Hasil analisis menunjukkan bahwa tidak adahubungan antara hipertensi pada Ibu hamil dengan kejadian BBLR di RSIA BudiKemuliaan Jakarta Tahun 2017 RR 1,048-- 95 CI 0,611-1,797 setelah dikontrol olehvariabel usia gestasi. Kata kunci: Hipertensi Ibu Hamil, BBLR

---

ABSTRACTName Indira Rezki WahyuniStudy Program EpidemiologiTitle Maternal Hypertension assosiated with Low Birth Weight inBudiKemuliaan Mother and Child Hospital Jakarta , 2017Counsellor Dr. dr. Helda, M.KesInfant mortality rate IMR is one of indicator for public health. The HealthyPeople rsquo s indicator of low birth weight said that incidemce of LBW is called low whenthe incidence is under 5 and called high when its reach 10 15 . LBW research in2000 in Jakarta, Makassar and Ciawi found that incidence of BBLR is about 9 16 BP,2000 and basic health survey in 2013 showed taht incidence of LBW is 10,2 . Inaddition, in previous research known that maternal hypertension is one of the risk faktorwhich can affect birth weight. The purpose of this study is to see the associationbetween hypertension in pregnant women with the incidence of Low Birth Weight BBLR in Budi Kemuliaan Jakarta Hospital, 2017. The design of this study is aretrospective cohort study using hospital medical record data. Analysis of data usingCox Regression. The results showed that there is no association between hypertensionin pregnant women with the incidence of LBW in Budi Kemuliaan Jakarta Hospital,2017 RR 1.048 95 CI 0.611 1.797 . Keywords Hypertension, Low Birth Weight,LBW"

"Danau Kenanga direncanakan akan menjadi salah satu sumber air baku untuk Instalasi Pengolahan Air (IPA) yang akan dibangun berdasarkan dokumen Rencana Induk Sistem Penyediaan Air Minum (RISPAM) Universitas Indonesia. Namun, berdasarkan dokumen RISPAM, konsentrasi pencemar amonia dan nitrit tidak memenuhi baku mutu kelas I PP No. 22 Tahun 2021. Penelitian ini ditujukan untuk mengidentifikasi sumber pencemar, menganalisis konsentrasi, menganalisis beban pencemar, menyimulasi dinamika pencemar, dan menyusun strategi intervensi guna meningkatkan kualitas air Danau Kenanga untuk parameter amonia, nitrit, dan nitrat. Parameter amonia, nitrit, dan nitrat akan diukur konsentrasinya dengan pengujian lab dan disimulasikan transpor, reaksi, dan skenario perbaikan kualitas air menggunakan metode numerik Runge-Kutta orde keempat berbasis kesetimbangan massa. Pengambilan sampel air akan dilakukan pada 4 titik untuk mendapatkan kualitas air eksisting Danau Kenanga. Sampel air diambil pada waktu pagi, siang, dan sore pada hari Minggu, Senin, dan Selasa. Berdasarkan hasil pengujian, air Danau Kenanga tidak memenuhi baku mutu kelas I PP No. 22 Tahun 2021 untuk parameter amonia dan nitrit karena memiliki konsentrasi amonia berkisar antara 0,487 – 1,013 mg/L dan konsentrasi nitrit berkisar 1 – 3,667 mg/L, sedangkan konsentrasi nitrat yang berkisar 0,667 – 2,467 mg/L memenuhi baku mutu. Hasil simulasi kondisi eksisting menunjukkan konsentrasi amonia, nitrit, dan nitrat memiliki tren menurun. Hasil validasi model menunjukkan bahwa model dikatakan valid untuk variabel relatif tidak terkontrol. Skenario perbaikan kualitas air dibuat sebanyak 5 buah dengan mengendalikan sumber pencemar dari inlet Danau Kenanga. Skenario 1 menggunakan constructed wetland dan pengaturan debit, Skenario 2 menggunakan fitoremediasi dan pengaturan debit, Skenario 3 merupakan gabungan Skenario 1 dan 2, Skenario 4 merupakan intervensi oleh pemerintah dengan membangun IPAL komunal, dan Skenario 5 merupakan gabungan Skenario 3 dan Skenario 4. Skenario 5 merupakan skenario terpilih karena dapat meningkatkan kualitas air Danau Kenanga dan mengurangi konsentrasi amonia dan nitrit sehingga dapat memenuhi baku mutu kelas I PP No.22 Tahun 2021. Peningkatan kualitas air pada Skenario 5 terjadi pada hari ke 5 untuk amonia dan hari ke 7 untuk nitrit.

---

Kenanga Lake was planned to be one of raw water source for Water Treatment Plant (WTP) that will be build based on University of Indonesia Drinking Water Supply System Master Plan (RISPAM). However, based on RISPAM the concentration of ammonia and nitrite pollutant doesn’t meet the quality requirements of class I water standard, as stated in PP No. 22 of 2021. This study is conducted to identify pollutant sources; analyze the concentrations and loadings, simulate pollutant dynamics, and develop intervention strategies to improve Kenanga Lake water quality for ammonia, nitrite, and nitrate parameters. Ammonia, nitrite, and nitrate concentrations will be measured by laboratory testing and simulated transport, reactions, and water quality improvement scenarios using the Runge-Kutta numerical method based on mass balance. Water sampling will be carried out at 4 points to obtain the existing water quality of Kenanga Lake. Water samples were taken in the morning, afternoon, and evening on Sunday, Monday, and Tuesday. Based on the test results, Kenanga Lake water did not meet the quality requirement of class I water standard from PP No. 22 of 2021 for ammonia and nitrite because it has ammonia concentrations ranging from 0.487 – 1.013 mg/L and nitrite concentrations ranging from 1 – 3.667 mg/L, while nitrate concentrations ranging from 0.667 – 2,467 mg/L meet the quality standards. The simulation results of the existing conditions show that the concentration of ammonia, nitrite, and nitrate has a downward trend. The results of model validation indicate that the model is said to be valid for relatively uncontrolled variables. Five scenarios for improving water quality were made by controlling the pollutant sources from the Kenanga Lake inlet. Scenario 1 uses constructed wetlands and discharge regulation, Scenario 2 uses phytoremediation and discharge regulation, Scenario 3 is a combination of Scenarios 1 and 2, Scenario 4 is an intervention by the government by building a communal WWTP, and Scenario 5 is a combination of Scenario 3 and Scenario 4. Scenario 5 is the selected scenario because it can improve the water quality of Kenanga Lake and reduce the ammonia and nitrite concentrations to meet the class I from PP No.22 of 2021 water quality standard. The water quality improvement in Scenario 5 occurs on day 5 for ammonia and day 7 for nitrite."

"Sistem tata udara presisi merupakan komponen yang sangat penting dalam sebuah ruang pusat data untuk menjaga agar perangkat yang disimpan tidak mengalami kerusakan pada waktu singkat. Sistem ini merupakan sistem multivariabel dan diperlukan untuk menjaga suhu dan kelembaban ruang pusat data pada batasan yang sesuai dengan kondisi kerja peralatan IT, sehingga diperlukan pengendali cerdas yang mampu bekerja pada batasan tertentu dan mampu menangani sistem multivariabel. Selain itu, pengendali tersebut juga harus mampu menangani karakteristik sistem tata udara presisi yang nonlinier. Oleh karena itu, pengendali MPC (Model Predictive Control) digunakan untuk mengendalikan sistem tersebut.Pengendali MPC merupakan pengendali yang menggunakan model proses secara eksplisit dalam penghitungan sinyal kendalinya. Model linier digunakan untuk menghitung prediksi keluaran sistem nonlinier dan menghitung besar sinyal kendali agar keluaran sistem nonlinier sesuai dengan acuan. Agar besar kesalahan prediksi keluaran dari model dan keluaran sesungguhnya dari sistem dapat diminimalisasi maka digunakan model ruang keadaan multimodel yang diperoleh melalui metode identifikasi least square.Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝐽𝑒𝑒 dan FPE yang rendah (< 10−5), nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Pengendali MPC berbasis multimodel linier kemudian dirancang untuk mengendalikan sistem tata udara presisi yang bersifat MISO (multi input single output), dengan keluaran berupa temperatur udara masukan kabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). Untuk memperoleh pengendalian yang terbaik, pengendali MPC disimulasikan pada sistem linier dan nonlinier. Variasi nilai 𝐻𝑝, 𝐻𝑢, Q, dan R diberikan untuk mengetahui pengaruh perubahan nilai parameter pengendali MPC terhadap karakteristik sinyal kendali masukan dan sinyal respon keluaran sistem, serta waktu komputasi dan nilai loss function. Simulasi pengendalian MPC menunjukkan hasil yang baik pada nilai 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, dan 𝐑 = 5 untuk sistem linier, dan nilai 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, dan 𝐑 = 0.5 untuk sistem nonlinier.

---

Precision air conditioning is a vital component in a data center to keep the stored devices from failures. This system is a multivariable system and needed to keep the temperature and humidity of a data center in a certain constraints which is suitable for IT devices operating condition. Hence, an intelligent controller which can take constraints into account and handle multivariable system is needed. Furthermore, the controller must be capable to handle nonlinear characteristic of such system. Thus, Model Predictive Controller (MPC) is used to control such systems.

MPC is a controller that used the model of a process explicitly to compute the control signal. The linear model is used to predict the output of nonlinear system and calculate the control signal to meet the given target. To minimize error between predicted output from the model and the actual output of the plant, double-stage state space model is used.

The model is identified using least square method and can be used for system control using MPC due to its low 𝐽𝑒𝑒 and FPE (< 10−5), its eigenvalues located inside the unit circle, and its characteristics which is fully controllable and fully observable. MPC based on linear multimodel linear is designed to control PAC system which is a MISO (Multiple Input Single Output) system, which output is the temperature of input air to cabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). In order to obtain the best control action, MPC is simulated in linear and nonlinear system. The value of controller parameters 𝐻𝑝, 𝐻𝑢, Q, and R is varied to study the effect of changes in parameter value to the characteristic of input control signal and system responds, input signal computing time and the value of loss function. The best simulation result is obtained at 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, and 𝐑 = 5 for linear system, and 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, and 𝐑 = 0.5 for nonlinear system."