Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini fokus pada model tata kelola pemenuhan kebutuhan air minum di Desa Pomah, Beteng dan Randulanang dan faktor – faktor yang mempengaruhi tata kelola. Pasca berakhirnya program PAMSIMAS pada tahun 2021, Desa Pomah, Beteng dan Randulanang menghadapi tantangan untuk mencapai akses universal air minum dan mempertahankan pelayanan dasar air minum bagi masyarakat dalam keterbatasan keberlanjutan penganggaran, peran dan partisipasi dan konsistensi terhadap kualitas air. Melalui pendekatan post positivist dan metode kualitatif, peneliti melakukan penilaian terhadap model tata kelola pemenuhan kebutuhan air minum yaitu dengan melakukan analisis terhadap governance actors, governance style dan governance component. Pengumpulan data primer dilakukan melalui wawancara informan dan data sekunder melalui studi dokumen, literatur dan sistem informasi. Hasil penelitian menunjukan bahwa ketiga desa memiliki model tata kelola yang berbeda meskipun berasal dari program yang sama yaitu PAMSIMAS. Model network yang diterapkan oleh Desa Randulanang menghasilkan ekosistem pengelolaan yang mandiri dan berkelanjutan dengan jejaring aktor yang terbentuk dengan berbagai aktor di luar desa. Sementara itu model hirarki yang diterapkan Desa Pomah dan Beteng mendorong pengelolaan yang terintegrasi dengan mekanisme tata kelola pemerintah desa. Unit sumber daya dan sistem tata kelola menjadi faktor yang berperan penting terhadap pelayanan dasar air minum di ketiga desa.......This thesis discusses the governance model for the fulfillment of drinking water needs in Pomah, Beteng, and Randulanang Village and the factors that influence governance. After the end of the Pamsimas (Community-Based Drinking Water Supply and Sanitation) program in 2021, Pomah, Beteng, and Randulanang Village faced the challenges of achieving universal access to drinking water and maintaining basic drinking water services for the community within the limitations of budgetary sustainability and roles, participation, and consistency regarding water quality. This research utilizes a post- positivist approach and qualitative data collection method. In order to assess the governance model for fulfilling drinking water needs, the researcher analyzed several variables, namely governance actors, governance style, and governance components. Primary data was collected through in depth interviews, while secondary data was collected through a study of documents, literatures, and the Pamsimas MIS. The network model observed in Randulanang Village generates an independent and sustainable management ecosystem, with a network of actors that was formed with various actors from outside the village. On the other hand, the hierarchical model observed in Pomah and Beteng Village encourages an integrated management with village government’s governance mechanisms. Finally, resource and governance system are the two factors that play an important role in basic drinking water services in the three villages."

"Pisang (Musa sp.) merupakan salah satu buah dengan keberagaman yang banyak di Indonesia. Terdapat sekitar 6 sampai 9 subspesies atau varietas pisang Musa acuminata. Pemodelan multi-varieties untuk pengukuran kadar gula total pada suatu buah bertujuan untuk memudahkan proses perhitungan untuk satu kelompok varietas sehingga hanya didapatkan satu model saja yang disebut universal model. Dalam penelitian ini, penulis mencoba membuat universal model untuk pengukuran kadar gula total pada 3 varietas pisang Musa acuminata menggunakan citra hiperspektral berbasis Visible-Near Infrared (VNIR). Universal model utama yang akan digunakan berbasis Convolution Neural Network (CNN). Convolution Neural Networks (CNN) merupakan kumpulan suatu layer (neural) 3 dimensi yang membentuk suatu jaringan (network) yang berfungsi untuk pengolahan data berdimensi tiga melalui proses konvolusi. 3 komponen utama dalam perancangan perangkat keras untuk akuisisi data citra hyperspectral, di antaranya kamera hiperspektral, lampu halogen, dan slider. Pada penelitian ini digunakan 3 jenis buah pisang berbeda, yaitu pisang ambon kuning, pisang cavendish, dan pisang mas. Model universal atau model untuk memprediksi kadar gula total pada pisang cavendish, pisang mas, dan pisang ambon pada penelitian ini didapatkan parameter regresi sebesar 1,1285 untuk RMSEP; 0,2338 untuk RMSEC; 0,8747 untuk RP2; dan 0,9946 untuk RC2. Implementasi deep learning CNN sebagai regresi untuk sistem pengukuran kadar gula total pada varietas pisang Musa acuminata dapat digunakan pada penelitian ini karena didapatkan nilai parameter regresi yang hampir sama dengan parameter hasil regresi pada algoritma PLSR.

---

Banana (Musa sp.) is one of the most diverse fruits in Indonesia. There are about 6 to 9 subspecies or varieties of Musa acuminata banana. Multi-varieties modeling for measuring the total sugar content in a fruit aims to facilitate the calculation process for one varieties group so that only one model is obtained which is called the universal model. In this study, the authors tried to obtain a universal model for measuring total sugar content in 3 Banana Varieties Musa acuminata using hyperspectral imaging based on Visible-Near Infrared (VNIR). The main universal model to be used is based on Convolution Neural Network (CNN). Convolution Neural Networks (CNN) is a set of 3-dimensional (neural) layers that form a network that used for three-dimensional data processing through a convolutional. 3 main hardware components used for hyperspectral image data acquisition, including a hyperspectral camera, halogen lights, and sliders. In this study, three different types of banana were used, there is yellow ambon banana, cavendish banana, and mas banana. Universal model or a model to predict total sugar content in cavendish banana, cas banana, and ambon banana in this study obtained a regression parameter of 1.1285 for RMSEP; 0.2338 for RMSEC; 0.8747 for RP2; and 0,9946 for RC2. The implementation of deep learning CNN as a regression for the total sugar content measurement system in Musa acuminata banana variety can be used in this study due to the regression parameter values are almost the same as the regression parameters in the PLSR algorithm"