Claim Missing Document
Check
Articles

Found 3 Documents
Search

Tingkat Kepuasan Pelanggan dan Proyeksi Kebutuhan Air PDAM di Kecamatan Sampolawa Kabupaten Buton Selatan Ardin; Idwan; Asrasal, Aswad
SCEJ (Shell Civil Engineering Journal) Vol. 8 No. 1 (2023): SCEJ (Shell Civil Engineering Journal)
Publisher : Civil Engineering Faculty, Universitas Muhammadiyah Buton

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35326/scej.v8i1.5139

Abstract

Tujuan penelitian ini untuk mengetahui tingkat kepuasan pelanggan dan proyeksi kebutuhan air bersih sepuluh tahun kedepan dilokasi yang dikelola oleh PDAM Kabupaten Buton selatan, tepatnya pada 2 Desa di Kecamatan Sampolawa untuk mengetahui kepuasan pelanggan terhadap kinerja PDAM dengan penyebaran kuesioner. Penelitian ini menggunakan metode analisis deskriptif yaitu penelitian dengan menggunakan data primer dan sekunder. Serta melakukan penelitian dengan menggunakan data primer untuk mengetahui pengembangan jaringan distribusi, sehingga perlu adanya proyeksi jumlah penduduk untuk pengembangan jaringan distribusi air minum tahun 2030 mendatang. Hasil perhitungan menunjukan bahwa kinerja jaringan pelayanan PDAM Kabupaten Buton Selatan untuk IKK Sampolawa dari segi kualitas air bersih sebesar (100%) terdiri dari bau air, rasa air, dan warna air. Dari segi kuantitas masih ada masyrakat merasa tidak puas dalam penggunaan rata-rata air bersih 71 responden (74%) menyatakan tidak puas dengan volume air yang mereka terima. Sedangkan responden yang telah merasa puas pada segi kuantitas yaitu pendapatan rata-rata responden sebanyak 61 orang (64%) dan pada presentase responden yang menyatakan tidak puas dilihat dari segi kontinuitas aliran sebesar (69%) dan (64%) masyrakat mengatakan tekanan air kecil, bahkan daerah pada topografi tinggi air tidak mengalir sama sekali. Pada proyeksi kebutuhan air bersih tahun 2030 mata air baku PDAM memenuhi kebutuhan air bersih warga Kecamatan Sampolawa dikarenakan pada tahun 2030 diperkirakan sekitar 8,85 liter/detik atau sekitar 764.640 liter/hari, sedangkan sumber air baku menghasilkan 10 liter/detik atau 864.000 liter/hari.
Analisis Pemasaran Hasil Tangkapan Jaring Insang Di Desa Linsowu Kecamatan Kulisusu Kabupaten Buton Utara Ardin; Budiyanto; Riani, Irdam; Abdullah; Sriwulan, Desy
Jurnal Sosial Ekonomi Perikanan Vol 8 No 2 (2023): Jurnal Sosial Ekonomi Perikanan
Publisher : Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research objectives are (a) to know the marketing channels of gill net catches. (b) knowing the marketing margin of gill net catch. (c) knowing the marketing efficiency of gill net catches. The population in this study were 10 fisherman with gill nets, while the sample was taken using the snowball sampling methods on 5 fisherman who were marketing actors. Data obtained through observation, interviews and documentation. The data analysis used is (1) quantitative descriptive analysis, (2) margin analysis and (3) marketing efficiency analysis. The results showed that: (1) the fish marketing channel in Linsowu Village there are 2 marketing channels, channel I fisherman – consumers, channel II fisherman - diluent traders - consumers. (2) The marketing margin of the gill net catch is in channel II of IDR.5000. (3) Efficiency of marketing channels for gill net catches is 75% and 100% (criteria > 50 efficient).
Optimizing Climate Forecasts Across 16 Zones Using Regression-Based Machine Learning Models Ardin; Budi, Indra
The Indonesian Journal of Computer Science Vol. 14 No. 1 (2025): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i1.4593

Abstract

The XYZ Climatology Station faces challenges in improving the accuracy of decadal rainfall forecasts, with an average achievement of 57.4% in 2022 and 58.8% in 2023, below the organizational performance target of 70% accuracy as set in its strategic objectives. This study aims to develop machine learning-based predictive models for 16 climate zones to enhance forecast accuracy. Five regression algorithms—Multiple Linear Regression, Support Vector Regression, Extra Trees Regression, Random Forest Regression, and Decision Tree Regression—were tested under two scenarios: input variable variations (VR) and time series data length (TS). Results showed that the VR scenario increased average accuracy to 71.7% (2022) and 69.4% (2023), while the TS scenario achieved 73.1% (2022) and 72.6% (2023). Support Vector Regression and Extra Trees Regression demonstrated the best performance in most zones. These models are expected to be operationalized to improve climatological information services and better meet public and stakeholder needs.