Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sampai sekarang, sebagian besar orang masih menganggap kepemilikan rumah sebagai kebutuhan primer yang belum bisa ditandingi oleh pilihan hunian lain. Harga rumah biasanya ditentukan oleh berbagai faktor seperti lokasi, kondisi makro ekonomi, serta kondisi fisik rumah. Banyaknya faktor tersebut membuat penentuan valuasi rumah secara objektif menjadi sulit. Dalam beberapa tahun terakhir, penelitian mengenai estimasi harga rumah telah berkembang pesat, dengan metode machine learning menjadi yang paling sering digunakan. Oleh karena itu, penelitian ini menggunakan salah satu algoritma machine learning yang sudah terbukti dapat mendapatkan akurasi tinggi, yaitu stacked generalization. Penelitian ini menggabungkan beberapa variabel yang digunakan oleh penelitian-penelitian sebelumnya untuk memprediksi valuasi rumah. Model stacked generalization yang dibangun akan dibandingkan dengan algoritma lain yang juga sering digunakan dalam memprediksi valuasi rumah, diantaranya adalah regresi linear, random forest, gradient boosting machine, dan extreme gradient boosting. Hasil penelitian menunjukkan bahwa algoritma stacked generalization memiliki kemampuan prediksi yang lebih baik dibandingkan metode lainnya dengan hasil R2 sebesar 0,881, dan MAPE sebesar 0,21%. Selanjutnya dilakukan analisis terhadap faktor yang paling berpengaruh terhadap perubahan valuasi rumah menggunakan teknik permutation feature importance. Faktor-faktor yang paling berpengaruh adalah luas tanah, luas bangunan, jarak menuju pusat perbelanjaan, kapasitas listrik, dan Indeks Harga Perumahan Residensial. ......In recent years, homeownership remains a primary need that other housing options have yet to match. House prices are typically determined by various factors such as location, macroeconomic conditions, and the physical state of the house. These numerous factors make objective house valuation challenging. Recently, research on house price estimation has advanced significantly, with machine learning methods being the most commonly used. Therefore, this study employs one proven machine learning algorithm with high accuracy, stacked generalization. This research incorporates several variables used by previous studies to predict house valuations. The stacked generalization model developed is compared with other frequently used algorithms for predicting house valuations, including linear regression, random forest, gradient boosting machine, and extreme gradient boosting. The results show that the stacked generalization algorithm has superior predictive ability compared to other methods, with an R2 of 0.881 and MAPE of 0.21%. Subsequently, an analysis of the factors most influencing changes in house valuation was conducted using permutation feature importance techniques. The most influential factors are land area, building area, distance to shopping centers, electricity capacity, and the Residential Property Price Index.

Abstrak :
Setiap tahun, jumlah rumah sakit di Indonesia meningkat. Sayangnya, hal ini berdampak negatif terhadap lingkungan dan kesehatan akibat terjadinya penumpukan limbah rumah sakit. Hal ini terjadi karena adanya keterbatasan kemampuan dan fasilitas pengelolaan limbah rumah sakit di Indonesia. Oleh karenanya, pengurangan limbah menjadi solusi yang perlu dilakukan, salah satu caranya adalah melalui penerapan ekonomi sirkular. Penelitian ini mengeksplorasi faktor penghambat dalam penerapan ekonomi sirkular untuk pengelolaan limbah di rumah sakit. Melalui studi literatur yang divalidasi dengan metode Content Validity Index (CVI) dan modified kappa, ditemukan 19 faktor penghambat dalam lima dimensi. Analisis menggunakan metode DEMATEL-ANP menunjukkan bahwa dimensi Mekanisme Pemantauan (MP) serta faktor penghambat Pelatihan dan Pemberdayaan (PS03) menjadi prioritas utama. Hasil penelitian ini memberikan panduan bagi pengambil kebijakan dan manajemen rumah sakit dalam menerapkan ekonomi sirkular. ......Each year, the number of hospitals in Indonesia increases. Unfortunately, this growth negatively impacts the environment and public health due to the accumulation of hospital waste. This issue arises from the limited capabilities and facilities for hospital waste management in Indonesia. Therefore, waste reduction becomes a necessary solution, one approach being the implementation of a circular economy. This study explores the barriers to implementing a circular economy for hospital waste management. Through a literature review validated by the Content Validity Index (CVI) and modified kappa methods, 19 barriers across five dimensions were identified. Analysis using the DEMATEL-ANP method indicated that the Monitoring Mechanism dimension (MP) and the Training and Empowerment barrier (PS03) are top priorities. The findings provide guidance for policymakers and hospital management in adopting a circular economy approach.

Abstrak :
Manajemen risiko adalah aktivitas mengidentifikasi, menilai, menganalisis, dan mengendalikan risiko dalam seluruh kegiatan perusahaan dengan tujuan memperoleh efektivitas dan efisiensi yang lebih tinggi. Metode yang digunakan dalam manajemen risiko salah satunya adalah House of Risk (HOR). Metode tersebut merupakan modifikasi antara Failure Mode and Effect Analysis (FMEA) dengan kerangka House of Quality (HOQ) dengan fokus utamanya merumuskan tindakan mitigasi terhadap sumber risiko prioritas yang merupakan penyebab kejadian risiko agregat. Pada penelitian ini, manajemen risiko dilakukan pada aktivitas aliran rantai pasok operasional produksi PT. XYZ. Analisis risiko pada HOR 1 diawali dengan identifikasi risiko melalui diskusi dengan expert dan studi literatur, kemudian dilakukan penilaian terhadap nilai severity dari risk events dan nilai occurrence dari risk agents. Hasil HOR tahap 1 menunjukkan terdapat 23 kejadian risiko dan 21 agen risiko. Berdasarkan perhitungan Pareto, terdapat 12 agen risiko yang mencakup 80% dari total Aggregate Risk Potential (ARP) dan dipilih sebagai prioritas untuk dilakukan mitigasi. Setelah itu, dari hasil HOR tahap 2, ditetapkan 11 tindakan pencegahan yang kemudian digabungkan menjadi 2 strategi mitigasi besar, yaitu menggunakan sistem Epicor Kinetic ERP dan inspeksi rutin. ......Risk management is the activity of identifying, assessing, analysing and controlling risks in all company activities with the aim of achieving higher effectiveness and efficiency. One of the methods used in risk management is House of Risk (HOR). This method is a modification of Failure Mode and Effect Analysis (FMEA) with the House of Quality (HOQ) framework with the main focus on formulating mitigation actions against priority risk sources which are the causes of aggregate risk events. In this research, risk management is carried out in production operational supply chain flow activities at PT. XYZ. Risk analysis in HOR 1 begins with risk identification through discussions with experts and literature studies, then an assessment of the severity value of risk events and the occurrence value of risk agents is carried out. The results of HOR stage 1 showed that there were 23 risk events and 21 risk agents. Based on Pareto calculations, there are 12 risk agents which cover 80% of the total Aggregate Risk Potential (ARP) and were selected as priorities for mitigation. After that, from the results of HOR stage 2, 11 preventive actions were determined which were then combined into 2 major mitigation strategies, namely using the Epicor Kinetic ERP system and routine inspections.

Abstrak :
Penggunaan mobil listrik yang meningkat memerlukan dukungan ekologi yang memadai dan infrastruktur yang kuat. Jarak tempuh mobil listrik yang pendek dan kurangnya fasilitas pengisian menjadi dua hambatan utama. Penelitian ini menggunakan MINLP untuk mempelajari lokasi optimal stasiun pengisian kendaraan listrik di DKI Jakarta. Tujuannya adalah untuk mengurangi total biaya pembangunan stasiun pengisian, biaya transportasi untuk mobil yang pergi ke stasiun tersebut, dan waktu tunggu pengisian bagi pengemudi. Dengan menciptakan jaringan stasiun pengisian yang efektif, meningkatkan kemudahan penggunaan mobil listrik, dan mendorong penggunaan bahan bakar alternatif, studi ini diharapkan dapat mendukung program hijau pemerintah dan menciptakan lingkungan perkotaan yang lebih berkelanjutan. Untuk lebih mengurangi dampak terhadap lingkungan, proyek ini juga fokus pada integrasi sumber energi terbarukan ke dalam infrastruktur pengisian. ......The increased use of electric vehicles calls for sufficient ecological support and a strong infrastructure. The short range of electric cars and the dearth of charging facilities present two major obstacles. The optimal location of EV charging stations in DKI Jakarta is being studied using MINLP. The goal is to reduce the overall cost of constructing charging stations, the cost of transportation for cars to go to these stations, and the amount of time drivers must wait to be charged. By creating an effective network of charging stations, improving the usability of electric cars, and encouraging the use of alternative fuels, the study hopes to help green government programs and create a more sustainable urban environment. To further lessen the influence on the environment, this project also focuses on incorporating renewable energy sources into the infrastructure for charging.

Abstrak :
Permasalahan limbah makanan rumah tangga yang menyumbang 61% dari total limbah makanan global memerlukan penanganan serius. Di Indonesia sendiri menurut Sistem Informasi Pengelolaan Sampah Nasional Kementerian Lingkungan Hidup dan Kehutanan, yaitu sekitar 40,8%, pada tahun 2023. Selanjutnya, mayoritas sampah makanan tersebut atau 44,7% berasal dari aktivitas rumah tangga. Maka dari itu diperlukan sebuah penanganan dengan menerapkan food waste management di rumah tangga. Penelitian ini bertujuan mengidentifikasi faktor-faktor pendorong dan penghambat penerapan manajemen limbah makanan di lingkungan rumah tangga dengan mengadopsi pendekatan hibrida DEMATEL dan ANP. DEMATEL digunakan untuk menstrukturkan hubungan saling ketergantungan antar faktor, sementara ANP memungkinkan pembobotan dan peringkat faktor-faktor tersebut. Pada tahap awal, penelitian ini mengidentifikasi faktor pendorong dan penghambat melalui studi literatur. Kemudian, faktor tersebut divalidasi dan dinilai oleh lima ahli yang telah memenuhi kualifikasi. Hasil penilaian tersebut diolah menggunakan Content Validity Index (CVI) dan Modified Kappa. Selanjutnya, faktor yang tervalidasi dinilai hubungan antar faktornya oleh lima ahli yang telah memenuhi kualifikasi dan diolah menggunakan metode DEMATEL berbasis ANP. Berdasarkan penelitian, faktor dengan dimensi kebiasaan menjadi faktor yang paling berperan. ......The issue of household food waste, which contributes 61% of total global food waste, requires serious attention. In Indonesia itself, according to the National Waste Management Information System of the Ministry of Environment and Forestry, around 40.8% of waste is food waste, as of 2023. Furthermore, the majority of this food waste, or 44.7%, comes from household activities. Therefore, it is necessary to implement food waste management in households. This research aims to identify the driving and inhibiting factors in the implementation of food waste management in household environments by adopting a hybrid DEMATEL and ANP approach. DEMATEL is used to structure the interdependent relationships between factors, while ANP enables the weighting and ranking of these factors. In the initial stage, the research identified the driving and inhibiting factors through literature studies. These factors were then validated and assessed by five qualified experts. The results of this assessment were processed using the Content Validity Index (CVI) and Modified Kappa. Subsequently, the validated factors were assessed for their interrelationships by five qualified experts and processed using the ANP-based DEMATEL method. Based on the research, the factor with the habit dimension emerged as the most influential factor.

Abstrak :
Penjualan produk AMDK di e-commerce melibatkan visibilitas dengan adanya promosi. Keberhasilan ini dapat terukur dengan gross merchandise value (GMV). Diperlukan analisis prediksi GMV terhadap variabel-variabel eksternal sebagai parameter kuantitatif dari promosi, yaitu lalu lintas pengunjung (traffic) dan tingkat konversi (conversion rate). Hal ini dilakukan untuk melihat apakah strategi visibilitas yang dilakukan telah berhasil untuk meningkatkan penjualan. Prediksi dilakukan dengan membandingkan ketiga model, yaitu ARIMA, ARIMAX, dan XGBoost. Hasil prediksi menunjukkan bahwa model ARIMAX memberikan performa yang lebih baik dalam melakukan prediksi. Model juga menyebutkan bahwa kedua variabel memiliki pengaruh signifikan dalam prediksi model GMV, dibuktikan. ......Selling AMDK products in e-commerce involves visibility through promotions. This success can be measured by gross merchandise value (GMV). GMV prediction analysis is needed on external variables as quantitative parameters of the promotion, namely traffic and conversion rate. This is done to see whether the visibility strategy implemented has been successful in increasing sales. Predictions are made by comparing the three models, namely ARIMA, ARIMAX, and XGBoost. The prediction results show that the ARIMAX model provides better performance in making predictions. The model also states that the two variables have a significant influence in the GMV prediction model, as evidenced by the p-value of each variable being below 0.05 and feature importance being positive.

Abstrak :
Studi ini membahas kebutuhan untuk mengoptimalkan jadwal pendaratan dan lepas landas pesawat di Bandara I Gusti Ngurah Rai, Bali, yang melayani hingga 500 pesawat setiap hari dengan satu landasan pacu. Bandara menghadapi tantangan dalam mengelola jadwal penerbangan karena tingginya volume lalu lintas, jenis pesawat yang bervariasi, dan peraturan keselamatan yang ketat. Landasan pacu tunggal mengharuskan pesawat untuk bergantian mendarat dan lepas landas, dengan kapasitas 38 pergerakan per jam, di mana hanya 80% yang dapat digunakan untuk pendaratan darurat. Pendekatan First-Come-First-Served (FCFS) saat ini tidak optimal, menyebabkan ketidakefisienan dan keterlambatan. Penelitian ini menerapkan algoritma Simulated Annealing (SA) untuk meminimalkan deviasi dari waktu pendaratan dan lepas landas yang ditargetkan, meningkatkan efisiensi operasional. Studi ini memodelkan masalah penjadwalan bandara, dengan memperhitungkan kendala seperti okupansi landasan pacu, waktu pemisahan, dan jendela waktu. Data dari PT Angkasa Pura I dan sumber publik, khususnya dari 15 Maret 2024, memberikan input yang diperlukan untuk model optimasi. Algoritma SA, dipilih karena kemampuannya untuk keluar dari optima lokal dan menangani masalah optimasi yang kompleks, diimplementasikan dalam Python. Hasilnya menunjukkan pengurangan total waktu deviasi dari 236 menit menjadi 183 menit, menandai peningkatan sebesar 22,46%. Penelitian ini menyoroti potensi SA dalam mengelola operasi bandara. ......This study addresses the need for optimizing aircraft landing and takeoff schedules at I Gusti Ngurah Rai Airport, Bali, which services up to 500 aircraft daily with a single runway. The airport faces challenges in managing flight schedules due to high traffic volumes, varied aircraft types, and stringent safety regulations. The single runway requires planes to take turns landing and taking off, with a capacity of 38 movements per hour, of which only 80% can be utilized for emergency landings. The current First-Come-First-Served (FCFS) approach is suboptimal, leading to inefficiencies and delays. This research applies the Simulated Annealing (SA) algorithm to minimize deviations from target landing and takeoff times, improving operational efficiency. The study models the airport's scheduling problem, incorporating constraints such as runway occupancy, separation times, and time windows. Data from PT Angkasa Pura I and public sources, specifically from March 15, 2024, provide the necessary input for the optimization model. The SA algorithm, chosen for its ability to escape local optima and handle complex optimization problems, is implemented in Python. Results show a reduction in total deviation times from 236 minutes to 183 minutes, marking a 22.46% improvement. This research underscores the potential of SA in managing airport operations.

Abstrak :
Sistem manufaktur telah mengalami kemajuan menuju personalisasi massal dalam konteks Industri 4.0, yang memiliki implikasi besar terhadap efisiensi produksi dan kepuasan konsumen. Tujuan dari penelitian ini adalah untuk menentukan metaheuristik mana yang paling berhasil untuk mengatasi masalah penjadwalan job shop umum antara Genetic Algorithm (GA), Particle Swarm Optimization (PSO), dan Ant Colony Optimization (ACO). Masalah-masalah ini dikenal sebagai NP-hard, yang menuntut penggunaan pendekatan metaheuristik. Penelitian ini menilai kinerja setiap metaheuristik pada kumpulan data kecil, menengah, dan besar, dengan fokus pada indikator utama makespan. Hasilnya menunjukkan bahwa GA secara konsisten menawarkan solusi yang mendekati optimal, mengungguli PSO dan ACO. PSO menunjukkan potensi dalam kumpulan data yang lebih besar namun kurang konsisten, sedangkan ACO adalah yang paling tidak berhasil, sering kali menghasilkan nilai makespan yang lebih tinggi. Kesimpulannya, GA direkomendasikan untuk aplikasi masalah penjadwalan job shop karena keandalan dan efektivitasnya. ......Manufacturing systems have progressed toward mass personalization in the context of Industry 4.0, with substantial implications for production efficiency and consumer satisfaction. The goal of this study is to determine which metaheuristic is most successful for addressing general Job Shop Scheduling Problems (JSSP) among Genetic Algorithm (GA), Particle Swarm Optimization (PSO), and Ant Colony Optimization (ACO). These issues are known to be NP-hard, demanding the use of metaheuristic approaches. The research assesses the performance of each metaheuristic on small, medium, and big datasets, with a focus on the key indicator of makespan. The results show that GA consistently offers near-optimal solutions, outperforming PSO and ACO. PSO demonstrated potential in larger datasets but lacked consistency, whereas ACO was the least successful, frequently producing higher makespan values. Consequently, GA is recommended for actual JSSP applications because of its dependability and effectiveness.

Abstrak :
Perkembangan teknologi dan penggunaan keceerdasan buatan yang pesat menekankan pentingnya mempertahankan pelanggan dalam menghadapi persaingan yang ketat, khususnya di sektor telekomunikasi. Salah satu penerapan utama kecerdasan buatan yang sudah banyak diterapkan adalah chatbot untuk layanan pelanggan. Namun, dalam implementasinya masih terdapat kesenjangan antara kualitas layanan chatbot yang dikembangkan dan harapan pelanggan, yang dapat menyebabkan keraguan dalam melanjutkan penggunaan teknologi tersebut. Penelitian ini menggunakan Technology Acceptance Model (TAM) untuk memprediksi faktor-faktor yang mempengaruhi niat keberlanjutan penggunaan chatbot sebagai saluran pelayanan pelanggan pada perusahaan operator seluler. Hasil analisis dengan menggunakan PLS-SEM terhadap 303 responden pelanggan operator seluler di Indonesia menunjukkan bahwa terdapat tiga prediktor utama keberlanjutan penggunaan chatbot, yaitu persepsi kebergunaan, kepercayaan, dan norma subjektif. Berdasarkan hasil analisis hipotesis, disusun 10 rangkaian strategi menggunakan model integrasi IPA-Kano. Strategi-strategi yang diprioritaskan kemudian direkomendasikan untuk diterapkan oleh perusahaan operator seluler di Indonesia dalam mendukung keberlanjutan penggunaan teknologi chatbot dari sisi pelanggan. ......The rapid development of technology and the use of artificial intelligence underscore the importance of retaining customers in the face of fierce competition, particularly in the telecommunications sector. One of the main applications of artificial intelligence that has been widely implemented is chatbots for customer service. However, in its implementation, there remains a gap between the quality of chatbot services developed and customer expectations, which can lead to doubts about continuing to use the technology. This study uses the Technology Acceptance Model (TAM) to predict the factors influencing the continuous intention to use chatbots as a customer service channel in cellular operator companies. The results of the analysis using PLS-SEM on 303 respondents of cellular operator customers in Indonesia show that there are three main predictors of continuous use of chatbots, which are perceived usefulness, trust, and subjective norms. Based on the hypothesis analysis results, 10 series of strategies using the IPA-Kano integration model is developed. The prioritized strategies are then recommended to be implemented by cellular operator companies in Indonesia to support the continuous use of chatbot technology from the customer's perspective.

Abstrak :
Penelitian ini membahas peningkatan ketahanan atau resiliensi rantai pasokan dalam industri pelumas, dengan fokus pada pengembangan dan implementasi langkah-langkah mitigasi gangguan strategis. Memastikan kinerja yang kuat terhadap gangguan adalah hal yang terpenting bagi perusahaan untuk menjaga kontinuitas bisnis dan meminimalkan kerugian selama masa krisis. Studi ini menggunakan model Supply Chain Operations Reference (SCOR), sebuah kerangka kerja yang komprehensif untuk mengevaluasi dan meningkatkan efektivitas rantai pasokan melalui metrik proses yang terstandardisasi dan Importance Performance Analysis (IPA) untuk memetakan indikator kerja yang dipriotitaskan untuk diperbaiki. Data penelitian diambil saat pandemi COVID-19 bertujuan untuk mengukur kerentanan dalam rantai pasokan pelumas dan mengusulkan usulan strategi yang tepat untuk meningkatkan ketahanan dan kemampuan beradaptasi selama gangguan/disrupsi. Hasil dari penelitian ini didapatkan nilai kinerja rantai pasok perusahaan pada saat terjadinya disrupsi sebesar 49,37% dimana difokuskan pada masalah pemenuhan permintaan pelanggan tidak tepat waktu, kurang efisiensinya pengelolaan material dan mesin, serta kurang adaptif dalam menghadapi permintaan pasar yang fluktuatif. Usulan strategi perbaikan diantara lain dengan implementasi advanced manufacturing seperti Asset Management Software (AMS) dan Manufacturing Execution System (MES), memakai metode peramalan dengan model TISM-MICMAC dan Machine Learning, serta penggabungan seluruh proses rantai pasok di dalam satu portal yang terintegrasi. ......This research addresses improving supply chain resilience in the lubricants industry, focusing on the development and implementation of strategic disruption mitigation measures. Ensuring robust performance against disruptions is paramount for companies to maintain business continuity and minimize losses during times of crisis. This study uses the Supply Chain Operations Reference (SCOR) model, a comprehensive framework for evaluating and improving supply chain effectiveness through standardized process metrics and Importance Performance Analysis (IPA) to map work indicators that are prioritized for improvement. The research data was collected during the COVID-19 pandemic to measure vulnerabilities in the lubricant supply chain and propose appropriate strategies to improve resilience and adaptability during disruptions. The results of this study obtained a value of the company's supply chain performance at the time of disruption of 49.37% which focused on the problem of fulfilling customer requests not on time, less efficient management of materials and machinery, and less adaptive in dealing with fluctuating market demand. Proposed improvement strategies include the implementation of advanced manufacturing such as Asset Management Software (AMS) and Manufacturing Execution System (MES), using forecasting methods with TISM-MICMAC and Machine Learning models, and combining all supply chain processes in one integrated portal.