Claim Missing Document
Check
Articles

Found 4 Documents
Search

Kenaikan Tingkat Pembelian Daring Secara Impulsif pada Situs Wisata Imron, Rosihan; Oktavian, Chaka Nurdaffa; Kevin, Muhammad; Soeharto, Muhammad Abel; Widarsyah, Redha
Stupa Vol 3 No 1 (2021): Global Research on Tourism Development and Advancement (GARUDA)
Publisher : Prasetiya Mulya Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (17.283 KB) | DOI: 10.21632/garuda.3.1.10-34

Abstract

Tujuan dari makalah ini adalah untuk menyajikan model untuk menggambarkan bagaimana kualitas situs web (dimoderasi oleh nilai hedonis) mempengaruhi perilaku belanja impulsif dalam konteks pariwisata online. Metodologi model dan hipotesis yang disajikan di sini diuji dengan pemodelan persamaan struktural. Data empiris dikumpulkan dengan melakukan survei kuesioner. Studi ini menemukan bahwa situs web yang unik dan menarik secara visual, lebih mungkin untuk menarik pelanggan dan calon pelanggan dan tanggapan emosional yang menyenangkan maupun tidak menyenangkan. Pada akhirnya, pemanfaatan fungsi yang baik sangat membantu calon pelanggan menghemat waktunya untuk mencari layanan tertentu. Serta, dapat memicu stimulus yang mampu melakukan pembelian impulsif. Dalam upaya untuk menjelaskan perilaku belanja online impulsif, penelitian ini berfokus pada aplikasi online-to-offline, dan service dominant logic. Para penulis juga membahas pengaruh penting kualitas situs web terhadap pembelian impulsif dan bagaimana hal ini dibantu oleh nilai hedonis.Model penelitian yang disajikan dalam penelitian ini menyediakan instrumen yang dapat diandalkan untuk mengoperasionalkan konstruksi utama dalam analisis perilaku belanja impulsif dan memiliki implikasi penting bagi industri pariwisata online.
KLASIFIKASI BAHAN BAKAR MINYAK OPLOSAN (PERTALITE, PERTAMAX, PERTAMAX TURBO) kevin, muhammad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6893

Abstract

Abstrak. Kebutuhan akan Bahan Bakar Minyak (BBM) di Indonesia terus meningkat seiring dengan pertumbuhan jumlah penduduk dan tingginya tingkat mobilitas transportasi. Jenis-jenis BBM seperti Pertalite, Pertamax, dan Pertamax Turbo menjadi komoditas utama yang mendukung aktivitas sehari-hari masyarakat. Namun, perbedaan harga antar jenis BBM ini menyebabkan beberapa konsumen memilih BBM yang lebih murah, yang pada gilirannya membuka peluang bagi praktik ilegal berupa pengoplosan BBM. Pengoplosan ini melibatkan pencampuran antara BBM berkualitas tinggi dan rendah, yang tidak hanya merugikan konsumen dari sisi ekonomi, tetapi juga dapat menurunkan performa kendaraan, merusak mesin, dan mencemari lingkungan. Deteksi BBM oplosan secara konvensional, seperti dengan menggunakan sensor warna, memiliki keterbatasan dalam hal akurasi dan keandalan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode deep learning untuk klasifikasi BBM dengan model DenseNet121. DenseNet121 adalah arsitektur jaringan saraf konvolusional yang dapat mengekstraksi fitur visual dengan sangat efisien berkat koneksi antar lapisan yang padat, yang memungkinkan model untuk membedakan perbedaan visual yang sangat halus antara berbagai jenis BBM dan campuran-campurannya. Model ini dilatih menggunakan citra digital BBM untuk secara otomatis mengidentifikasi jenis BBM dan mendeteksi adanya campuran. Diharapkan, penelitian ini dapat menyediakan solusi yang praktis dan akurat dalam mendeteksi BBM oplosan, serta berkontribusi pada pengawasan distribusi BBM, meningkatkan kesadaran konsumen, dan mencegah penyalahgunaan BBM di masyarakat.
KLASIFIKASI BAHAN BAKAR MINYAK OPLOSAN (PERTALITE, PERTAMAX, PERTAMAX TURBO) MENGGUNAKAN DENSENET121 kevin, muhammad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.7250

Abstract

Kebutuhan akan Bahan Bakar Minyak (BBM) di Indonesia terus meningkat seiring dengan pertumbuhan jumlah penduduk dan tingginya tingkat mobilitas transportasi. Jenis-jenis BBM seperti Pertalite, Pertamax, dan Pertamax Turbo menjadi komoditas utama yang mendukung aktivitas sehari-hari masyarakat. Namun, perbedaan harga antar jenis BBM ini menyebabkan beberapa konsumen memilih BBM yang lebih murah, yang pada gilirannya membuka peluang bagi praktik ilegal berupa pengoplosan BBM. Pengoplosan ini melibatkan pencampuran antara BBM berkualitas tinggi dan rendah, yang tidak hanya merugikan konsumen dari sisi ekonomi, tetapi juga dapat menurunkan performa kendaraan, merusak mesin, dan mencemari lingkungan. Deteksi BBM oplosan secara konvensional, seperti dengan menggunakan sensor warna, memiliki keterbatasan dalam hal akurasi dan keandalan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode deep learning untuk klasifikasi BBM dengan model DenseNet121. DenseNet121 adalah arsitektur jaringan saraf konvolusional yang dapat mengekstraksi fitur visual dengan sangat efisien berkat koneksi antar lapisan yang padat, yang memungkinkan model untuk membedakan perbedaan visual yang sangat halus antara berbagai jenis BBM dan campuran-campurannya. Model ini dilatih menggunakan citra digital BBM untuk secara otomatis mengidentifikasi jenis BBM dan mendeteksi adanya campuran. Diharapkan, penelitian ini dapat menyediakan solusi yang praktis dan akurat dalam mendeteksi BBM oplosan, serta berkontribusi pada pengawasan distribusi BBM, meningkatkan kesadaran konsumen, dan mencegah penyalahgunaan BBM di masyarakat.
Technical Evaluation and Financial Analysis of a Retrofitting Investment Project for Production Machinery in a Cement Plant Taufik; Putri, Nilda Tri; Kevin, Muhammad
Jurnal Optimasi Sistem Industri Vol. 22 No. 2 (2023): Published in December 2023
Publisher : The Industrial Engineering Department of Engineering Faculty at Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.71 KB) | DOI: 10.25077/josi.v22.n2.p215-229.2023

Abstract

In today's rapidly evolving industrial landscape, businesses are increasingly challenged to strike a balance between enhancing productivity and maintaining product quality. Company X, a renowned cement manufacturer in Indonesia, relies heavily on four key raw materials, among which clay is particularly crucial for the raw mix. Recent trends have shown a decrease in the Al2O3 composition of clay, necessitating adjustments in clay capacity to uphold quality standards. A thorough technical evaluation of the plant highlighted that a significant number of critical machines, totaling 17, were operating with mechanical availability below the desired threshold. Additionally, a utility analysis pinpointed a shortfall in meeting the required clay tonnage, leading to the identification of machines that would benefit from retrofitting. The financial implications of this initiative were substantial, with the initial investment for the upgrades and subsequent operational costs in the first year being considerable. Yet, this expenditure was offset by a notable profit in the first year post-retrofitting. Key financial metrics further underscored the project's viability: a highly favorable Net Present Value (NPV), an impressive Internal Rate of Return (IRR), a rapid Payback Period (PP), and a significant Profitability Index (PI). These parameters, derived from an exhaustive analysis, clearly support the strategic decision to invest in retrofitting the production machinery at Company X's cement plant, illustrating the project's feasibility and the prospective benefits of this investment.