cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 8,304 Documents
 496   497   498   499   500 
Perancangan Sistem Persediaan Antibiotik Pada Apotek Untuk Meminimasi Total Biaya Persediaan Menggunakan Metode Periodic Joint Replenishment Meidy Tataluckyta; Putu Giri Artha Kusuma; Luciana Andrawina
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Konsep persediaan tidak hanya penting bagi sektor manufaktur, melainkan penting untuk sektor industri barang konsumsi seperti subsektor farmasi. PT LSP merupakan sebuah apotek untuk para pekerja PT PLN yang mana apotek tersebut menjaga terjaminnya ketersediaan obat pada suatu unit pelayanan kesehatan dengan biaya persediaan yang optimal. Berbagai macam jenis obat dan tingginya rasio perbandingan persediaan dan permintaan menjadi permasalahan yang dihadapi oleh PT LSP dalam pengendalikan persediaan obat-obat, terutama pada kelompok obat antibiotik. Di sisi lain, apotek tersebut tidak memiliki dasar dalam penentuan kebijakan persediaan. Hal tersebut berdampak pada total biaya persediaan yang melebihi sebesar 45% dari anggaran yang ditetapkan apotek pada tahun 2019. Penelitian ini bertujuan untuk merancang kebijakan persediaan kelompok obat antibiotik yang optimal untuk mengelola persediaan sehingga dapat meminimasi total biaya persediaan. Proses perancangan kebijakan persediaan dilakukan perhitungan untuk mendapat nilai dari interval review, maksimum inventory level, safety stock dan total biaya simpan. Untuk mendapatkan interval review maka digunakan metode joint replenishment dengan data lead time, biaya pesan mayor, biaya pesan minor, data permintaan dan biaya simpan. Hasil nilai interval review dilanjutkan dengan menentukan kebijakan persediaan untuk mendapatkan nilai maksimum inventory level dan safety stock dengan menggunakan model kebijakan persediaan periodic joint replenishment. Hasil pada penelitian ini memberikan penghematan sebesar Rp76.518.870 atau 34% untuk total biaya persediaan dengan waktu antar pemesanan sebesar 6 hari dengan tingkat persediaan maksimum setiap produk masing-masing beserta jumlah cadangan pengamannya. Kata kunci : kebijakan persediaan antibiotik, biaya persediaan, periodic joint replenishment
Desain Pemberi Pakan Burung Otomatis Berbasis Internet Of Things Abdi JakaSumarimby; Faisal Budiman; Husneni Mukhtar
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Sebagian dari orang-orang Indonesia sangat gemar untuk memelihara burung. Banyak dari mereka memiliki hobi untuk memelihara burung hias, karena pemeliharaannya tidak memerlukan lahan yang luas dan tidak sulit. Masalah bagi pemelihara burung adalah ketika ingin berpergian dengan jangka waktu yang cukup lama. Saat ini, proses pemberian pakan burung masih dilakukan secara manual. Berdasarkan permasalahan tersebut, dibutuhkan suatu sistem yang dapat memantau ketersediaan pakan dan minum burung dan dapat melakukan penjadwalan pada alat pemberi pakan dan minum burung dengan otomatis. Pada Penelitian ini, perancangan pemberi pakan burung otomatis berbasis IoT menggunakan aplikasi Thunkable yang terhubung dengan Arduino dan Module WIFI Node MCUESP8266 pada alat. Pada sistem yang dirancang ini, proses pemberian pakan dapat dilakukan secara otomatis yang seluruhnya dikontrol melalui smartphone via aplikasi. Sistem terdiri dari sensor ultrasonik, sensor infra merah, Node MCUESP8266, dan motor servo. Adapun hasil dari keseluruhan pengujian tugas akhir ini adalah alat dapat di kendalikan melalui smartphone via aplikasi dengan melakukan pemberian makan dan minum pada saat pakan yang ada di dalam wadah kecil memiliki ketinggian kurang dari 2cm maka katup pakan dan minum akan tertutup dan apabila pakan yang ada di dalam wadah kecil memiliki ketinggian 2cm maka katup pakan dan minum akan terbuka, dalam menghitung ketinggian pakan yang masuk dalam penampungan wadah yang tersedia dengan persentase rata rata akurasi yang dihasilkan dari seluruh proses pengujian adalah 91.03%, lalu untuk rata rata error keseluruhan yang dihasilkan adalah 0,092%. Dari nilai persentasi akurasi dan error yang dihasilkan, maka alat dapat bekerja dengan baik. Dengan alat ini harapan nya adalah agar orang dapat memberikan pakan dan minum burung secara jarak jauh pada saat ingin berpergian yang cukup lama. Kata Kunci :Burung, Arduino, Thunkable, Module WIFI Node MCUESP8266, Ultrasonik, Internet of Things Some of the Indonesian people are very fond of raising birds. Many of them have a hobby to maintain ornamental birds, for the maintenance of her does not require a large area and not difficult. The problem for bird keepers is when they want to travel for a long period of time. Currently, the process of feeding birds is still done manually. Based on these problems, a system that can monitor the availability of bird feed and drink is needed and can schedule the feed and drink equipment for birds automatically. In this study, design a feeder birds IOT based automated using an application Thunkable connected to the Arduino and Module WIFI Node MCUESP8266 appliance. In this designed system, the feeding process can be done automatically which is entirely controlled via a smartphone via the application. The system consists of an ultrasonic sensor, infrared sensor, MCUESP8266 node, and a servo motor. The results of the overall testing of this final project are the tools can be controlled via a smartphone via application by feeding and drinking when the feed in the small container has a height of less than 2cm then the feed and drinking valve will be closed and if the feed in the small container has a height of 2cm then the feed and drink valve will open. to calculate the height of the feed that goes into storage containers provided with percentage average accuracy resulting from the whole process of testing is 91.03%, and to average error overall produced was 0.092% of the value of the percentage of accuracy and error is generated, the tool can work well. With this tool, the hope is that people can provide food and drink to birds from a distance when they want to travel long enough. Keywords : Bird, Arduino, Thunkable, WIFI Node Module MCUESP8266, Ultrasonic, Internet of Things.
Klasifikasi Data Tweet Dengan Menggunakan Metode Klasifikasi Multi-class Support Vector Machine (svm) (studi Kasus : Pt.kai) Dhina Nur Fitriana; Yuliant Sibaroni
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Informasi dalam bentuk dokumen berbasis teks yang tidak terstruktur semakin banyak dan menjadi hal biasa keberadaannya di internet. Informasi tersebut sering ditemukan secara mudah dan dimanfaatkan oleh pelaku bisnis atau perusahaan melalui media sosial. Salah satu media sosial yang dibahas pada penelitian ini adalah Twitter. Twitter menempati peringkat ke-6 sebagai media sosial yang banyak diakses saat ini yaitu sebanyak 52 % pengguna di Indonesia. Pemakaian Twitter memiliki kelemahan yaitu data teks tidak terstruktur dan berjumlah banyak yaitu mencapai 2400 tweet per harinya. Hal ini mempersulit pelaku bisnis atau perusahaan mengetahui sentimen publik terhadap suatu layanan dengan sumber daya terbatas. Sentimen publik pada Twitter perlu diklasifikasikan ke dalam netral tidak hanya positif dan negatif agar dapat mempermudah perusahaan mengetahui sentimen publik untuk pelayanan yang lebih baik di masa yang akan datang. Metode Support Vector Machine (SVM)  merupakan metode klasifikasi yang optimal dibandingkan metode Naïve Bayes. Kekurangan dari metode Support Vector Machine (SVM) yaitu menggunakan fungsi pemisah yang memisahkan data ke dalam dua kelas, jika kelas yang ingin dipisahkan lebih dari dua maka dibutuhkan modifikasi dan mempengaruhi waktu pelatihan dan ukuran memory yang dibutuhkan. Untuk menangani kasus klasifikasi non-biner pada penelitian ini diperlukan pendekatan multi-class Support Vector Machine (SVM) yang menangani klasifikasi tiga kelas. Penelitian ini menggunakan pendekatan One Againts All sebagai model untuk menentukan kelas yang tepat. Pendekatan One Againts All  memiliki akurasi yang lebih baik dibandingkan One Againts One. Penelitian ini berisi hasil implementasi metode multi-class Support Vector Machine (SVM) OAA dengan lima fitur yang berbeda yaitu unigram, bigram, trigram, unigram+bigram, dan wordcloud saat mengklasifikasikan data tweet dalam jumlah yang banyak. Nilai akurasi  tertinggi berasal dari pengujian model TF-IDF unigram yang dikombinasikan dengan metode klasifikasi multi-class Support Vector Machine (SVM) dengan nilai parameter gamma 0.7 yaitu 80.59. Multiclass Support Vector Machine (SVM) dapat mengklasifikasikan kelas netral dengan baik karena banyaknya opini yang bersifat netral yaitu sebanyak 365 kalimat dari 402 kalimat netral namun, jika menggunakan metode Support Vector Machine binary class opini netral sulit diklasifikasikan. Kata kunci : Klasifikasi Teks, Multi-class Support Vector Machine, Term Frequency-Inverse Document Frequency Abstract Information in the form of unstructured texts is increasing and becoming commonplace for its existence on the internet. This information is easily found and utilized by business people or companies through social media. One of them is Twitter. The use of Twitter has the disadvantage of an unstructured and large amount of text data, which reaches 2400 tweets per day. Consequently,, it is difficult for business people or companies to know public opinion towards service with limited resources. Public opinion on Twitter need to be classified into positive, negative, and neutral sentiments in order to know the response of customers for better service in the future. The Support Vector Machine (SVM) method is more optimal than the Naïve Bayes method. The weakness of the Support Vector Machine (SVM) method is that it uses a separator function that separates data into two classes. If the class wants to be separated more than two, modification is needed and affects the training time and memory size required. There are two approaches to implementing the multiclass Support Vector Machine method by combining several binary SVMs, namely One Against All (OAA) and One Against One (OAO). In this paper, this research contains the results of classifying multi-class Support Vector Machine (SVM) methods with five different weighting features for classifying tweet data and finding the best accuracy value when processed with large amounts of data. The results show that the TF-IDF feature extraction approach with unigram feature outperforms other methods allowing the classifier to achieve highest accuracy when work with larger datasets. The unigram TF-IDF combined with multi-class SVM has the highest average accuracy value of 80.59 compared to the other four models namely 52.53 bigrams, 53.54 trigrams, Unigrams + bigrams 76.13, and word cloud 70.33. The highest f-measure value gets from SVM multi-class method with the unigram feature and gamma parameter value of 0.7 which is 80.59. Multiclass SVM can classify neutral classes well. Multiclass SVM can classify 365 sentences out of 402 neutral sentences. Therefore, if using binary class classification, neutral is difficult to be classified. Keyword :  Text Classification, Multi-class Support Vector Machine, Term Frequency-Inverse Document Frequency, Transportation.
Implementasi Sistem Kontrol Dan Pemantauan Daya Listrik Berbasis IoT Di Desa Tambolosu, Kabupaten Konawe, Provinsi Sulawesi Tenggara Prasetyo, Aldy Putra; Irawan, Budhi; Hasibuan, Faisal Candrasyah
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Listrik merupakan sebuah sumber energi yang memiliki potensi besar untuk dimanfaatkan dalam kehidupan sehari-hari. Pada Pembangkit Listrik Tenaga Air (PLTA) Desa Tambolusu, Kabupaten Konawe, Provinsi Sulawesi Tenggara memiliki keterbatasan dalam menghasilkan energi listrik. PLTA tersebut diletakkan pada daerah terpencil yang sulit dijangkau oleh koneksi seluler dan WiFi. Dari hasil Penelitian ini dikembangkan sistem pemantauan daya yang menggunakan konsep IoT berbasis LoRa PLTA tersebut agar dapat dikontrol dan dimonitor dari jarak jauh. Sistem kontrol dan pemantauan tersebut menggunakan LoRa untuk mengirim dan menerima data dari panel sistem menuju raspberry server ataupun sebaliknya. Sistem tersebut juga dapat membatasi pemakaian listrik yang sedang digunakan. Dari hasil pengujian yang dilakukan, diperoleh sistem kontrol dan pemantauan daya listrik tersebut di dapat rata-rata error pembacaan sensor tegangan sebesar 0,53 % dan rata-rata error pembacaan sensor arus sebesar 5,64%. Sistem tersebut dapat dikontrol dan dipantau dari jarak jauh menggunakan LoRa dengan jarak maksimal 300 Meter saat pengujian di Jl. Batununggal Indah VII. Sistem tersebut memiliki baterai yang berfungsi untuk menghidupkan mikrokontroler dan dapat bertahan hingga 821 menit. Pada sistem tersebut apabila mendeteksi pemakaian listrik berlebih maka sistem akan memutus aliran listrik yang sedang terhubung. Kata kunci— lora, mikrokontroler, panel listrik, sistem kontrol, sistem pemantauan.
Sistem Scraping Dan Klasifikasi Data Percakapan Saham Pada Aplikasi Telegram Dengan Algoritma Support Vector Machine Al Agias Bayu Asa; Burhanuddin Dirgantoro; Casi Setianingsih
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

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

Abstract

Pemilik saham dapat dikatakan sebagai pemilik perusahaan, semakin besar saham yang dimiliki maka semakin besar pula kekuasaannya di perusahaan tersebut, sehingga tidak sedikit orang yang mulai belajar bagaimana membeli saham. Saham sangat terpengaruh oleh keadaan yang ada di dunia ini, maka dari itu seseorang yang mempunyai saham harus mengetahui kabar terbaru yang dapat dibaca di berita dan kabar burung. Sehingga penulis bertujuan untuk dapat menganalisis suatu pesan sehingga dapat menghasilkan klasifikasi dari pesan tersebut untuk selanjutnya dapat digunakan untuk tolok ukur dalam membeli saham. Penelitian ini dilakukan untuk membuat sistem yang akan mengklasifikasikan pesan pada aplikasi pesan Telegram. Dengan menggunakan algoritma Support Vector Machine, sistem dapat mengklasifikasikan pesan yang dikirim di Telegram. Karena Telegram merupakan aplikasi yang terdapat berbagai komunitas di dalamnya, dan salah satu nya adalah komunitas saham. Sistem pada penelitian Tugas Akhir telah di uji menggunakan partisi data uji 95% dan data latih 5%, dan juga parameter C=1 dan Gamma=1 mendapatkan akurasi sebesar 90%, precision sebesar 93%, recall sebesar 89%, dan juga F1-Score sebesar 91%. Kata Kunci: klasifikasi, analisis, saham, SVM.
Deteksi Kondisi Fokal Dan Non-fokal Pada Sinyal Eeg Menggunakan Wavelet Fraktal Pelita Santi; Inung Wijayanto; Raditiana Patmasari
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Epilepsi adalah penyakit yang disebabkan oleh aktivitas listrik di dalam otak yan tidak normal. Epilepsi ditandai dengan kelebihan jumlah listrik yang keluar dari sel-sel otak. Keadaan tersebut menyebabkan terjadinya kejang (seizure) ataupun gerakan tidak normal. Ada beberapa cara untuk melakukan deteksi kejang, salah satunya adalah dengan rekaman sinyal electroencephalogram (EEG). Kondisi awal dimana pasien akan didiagnosa menderita epilepsi disebut kondisi fokal. Pengenalan pola dan karakteristik sinyal EEG untuk mendeteksi kondisi fokal dengan mata telanjang membutuhkan waktu yang lama dan peluang kesalahan dalam membedakan serangan epilepsi dari kondisi normal (non-fokal) cukup besar. Oleh karena itu, sebuah sistem dapat digunakan untuk membantu ahli neurologi mendeteksi kondisi fokal dan kondisi normal pada pasien yang akan didiagnosa menderita penyakit epilepsi. Sinyal EEG diolah dengan pengolahan sinyal digital melalui beberapa tahapan, yaitu pre-processing, dekomposisi, ekstraksi fitur, dan klasifikasi. Pada tahap pre-processing dilakukan penggabungan kanal dari dua kanal menjadi satu kanal. Selanjutnya, sinyal EEG didekomposisi menggunakan Wavelet Packet Decomposition (WPD). Tahap ekstraksi fitur dilakukan menggunakan analisis fraktal, yaitu Higuchi dan Katz. Kemudian, fitur tersebut diklasifikasi dengan Support Vector Machine (SVM) menggunakan kernel linear dan K-Nearest Neighbour (KNN). Penelitian ini menggunakan dataset Bern Barcelona. Dataset tersebut merupakan rekaman sinyal EEG dari 5 pasien penderita epilepsi. Proses pre-processing menghasilkan satu kanal yang akan diolah pada tahap selanjutnya. Berdasarkan nilai akurasi, spesifitas dan sensitivitas didapkakan nilai tertinggi pada WPD level 3 dan 4 dengan metode higuchi klasifikasi SVM dengan masing-masing nilai 100% dan klasifikasi KNN nilai akurasi, spesifitas dan sensitivitas didapatkan nilai tertinggi pada level 2 metode Higuchi-Katz dengan masingmasing nilai 100 %. Kata Kunci: Epilepsi, Sinyal EEG, Fokal & Non-Fokal, WPD, SVM, KNN.
Implementasi Metode Background Subtraction Pada Citra Area Parkir Sebagai Upaya Untuk Membangun Citra Satuan Ruang Parkir Virtual Ahmad Faridh; Reza Fauzi Iskandar; Hertiana Bethaningtyas Dyah K
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Mencari tempat parkir kosong membutuhkan waktu yang cukup lama di area parkir yang luas.untuk mencari tempat parkir kosong membutuhkan waktu yang cukup lama. Untuk mengatasi hal tersebut dalam penelitian ini maka akan digunakan pendeteksian tempat parkir kosong menggunakan metode background subtraction. Background subtraction merupakan proses pendeteksian objek dengan membedakan antara objek dengan latar yang terdapat dalam suatu citra. Selanjutnya background subtraction melalui proses thresholding untuk menarik batas latar menjadi hitam dan objek menjadi warna putih, sehingga akan ada perbedaan antara objek dan latar. Dimana pada proses pendeteksian menggunakan maket dari tempat parkir dengan perbandingan 1 : 60. Dengan melakukan pengujian dengan menggunakan metode background subtraction dipengaruhi oleh cahaya, semakin besar intensitas cahaya maka semakin bagus juga kualitas pendeteksiannya. Untuk mendeteksi juga membutuhkan nilai threshold yang tepat diperoleh dari niliai histogram frame awal. Sehingga pada proses pendeteksian di penelitian ini menggunakan nilai thershold 40 dengan intensitas cahaya 944 lux, agar mendapatkan persentase ketepatan pendeteksian 100%. Dalam penggunaan metode ini harus menggunakan intensitas cahaya yang konstan agar tidak terjadi kesalahan dalam proses pendeteksian. Kata Kunci: background subtraction,thresholding,camera,cell parkir, latar, objek. Abstract Finding an empty parking lot takes a long time in a large parking area. To overcome this problem in this study, the detection of empty parking spaces will be used using the background subtraction method. Background subtraction is the process of detecting objects by distinguishing between objects and backgrounds in an image. Furthermore, background subtraction goes through a thresholding process to draw the background border to black and the object to white, so that there will be a difference between the object and the background. Where in the detection process using a mockup from the parking lot with a ratio of 1: 60. By conducting tests using the background subtraction method influenced by light, the greater the light intensity, the better the detection quality. To detect it also requires the exact threshold value obtained from the initial frame histogram values. So that the detection process in this study uses a thershold value of 40 with a light intensity of 944 lux, in order to get a percentage of 100% detection accuracy. In the use of this method must use a constant light intensity so that errors do not occur in the detection process. Keywords: background subtraction, thresholding, camera, parking cell, background, object.
Analisis Efisiensi Digitalisasi Pt. Amas Iscindo Utama Dilihat Dari Aktivitas Proses Bisnis, Roa Dan Biaya Operasional Dengan Metode Data Envelopment Analysis Diana Indah Puspitasari; Endang Chumaidiyah; Farda Hasun
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak PT. Amas Iscindo Utama merupakan sebuah perusahaan jasa dibidang pelayaran yang bertugas untuk mengantarkan kargo milik klien. Perusahaan ini membeli dua kapal baru yaitu kapal Laut Flores dan kapal Laut Sawu dan menjual kapal yang lama yaitu kapal Laut Arafura dikarenakan kondisi kapal yang sudah tidak layak pakai dan tidak memiliki jaringan internet. Adanya digitalisasi pada dua kapal baru memudahkan proses bisnis dan memberikan manfaat terkait profitabilitas. Oleh karena itu, penelitian ini ditujukan untuk mengukur efisiensi dan efektivitas dari digitalisasi tersebut dengan cara membandingkan efisiensi sebelum dan sesudah digitalisasi. Langkah awal penelitian ini adalah mengukur efisiensi waktu siklus dari aktivitas bisnis dan membandingkan waktu siklus tersebut antara sebelum dan sesudah. Perhitungan efisiensi berdasarkan waktu siklus memberikan hasil peningkatan nilai persentase yaitu dari 62% menjadi 69%. Langkah selanjutnya, digunakan metode Data Envelopment Analysis (DEA) untuk mengukur efisiensi dilihat dari segi biaya operasional yang berhubungan dengan tingkat profitabilitas perusahaan yaitu Return on Asset (ROA). Hasil perhitungan DEA didapatkan peningkatan nilai persentase sebesar 82% menjadi 93%. Tren nilai persentase ROA diukur untuk menentukan apakah terdapat signifikansi menggunakan uji hipotesis, yaitu uji Paired TTest dan uji Wilcoxon Signed Rank Test. Berdasarkan hasil uji hipotesis diketahui terdapat signifikansi antara ROA sebelum dan ROA sesudah digitalisasi. Kata kunci: Digitalisasi, Proses Bisnis, Efisiensi Waktu Siklus, Data Envelopment Analysis, Return on Asset Abstract PT. Amas Iscindo Utama is a shipping service company whose duty is to deliver client’s cargo. The company bought two new ships namely MV. Flores Sea and MV. Sawu Sea and sold their old ship, the Arafura Sea ship, due to the condition of the ship that was not suitable for use and did not have an internet connection. The digitalization of the two vessels purchased, facilitates business processes and provides benefits related to profitability. Therefore, this study aims to measure the efficiency and effectiveness of digitalization by comparing the efficiency before and after digitalization. The initial step in this research is to measure the efficiency of the cycle time of business activities and compare the cycle time between before and after. Calculation of efficiency based on cycle time results in an increase in the percentage value from 62% to 69%. The next step, the Data Envelopment Analysis (DEA) method is used to measure efficiency in terms of operational costs related to the level of profitability of the company, namely Return on Assets (ROA). DEA calculation results obtained an increase in the percentage value of 82% to 93%. The trend value of ROA percentage is measured to determine whether there is significance using the hypothesis test, namely the Paired T-Test and the Wilcoxon Signed Rank Test. Based on the results of hypothesis testing, it is known that there is significance between ROA before and ROA after digitalization. Keywords: Digitalization, Business Process, Processing Time Efficiency, Data Envelopment Analysis, Return on Asset
Analisis Kinerja Algoritma Hypergraph Coloring Untuk Alokasi Sumber Daya Pada Sistem Komuniasi D2D Muhammad Fawwaz Nesta Radha; Nachwan Mufti Adriansyah; Vinsensius Sigit Widhi Prabowo
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Maraknya aktivitas masyarakat harus terhubung dengan internet, membuat pekerjaan lebih mudah. Banyaknya penggunaan internet memiliki dampak pada komunikasi seluler. Dengan kata lain dapat menyebabkan jumlah pengguna seluler bertambah. Seiring dengan meningkatnya pengguna seluler dapat menyebabkan peningkatan beban trafik jaringan data yang pesat. Dalam meningkatnya pengguna seluler, diberikan solusi yaitu komunikasi Device-To-Device (D2D). Namun, komunikasi D2D memiliki permasalahan dasar yaitu interferensi antar seluler saat tidak dialokasikan dengan benar. Jika interferensi antar seluler tidak diatasi dengan baik, maka komunikasi D2D dapat merusak kualitas komunikasi pengguna lainnya. Oleh karena itu diusulkan penelitian ini untuk mengatasi masalah tersebut dengan sistem komunikasi D2D underlay. Pada penelitian ini menggunakan dua algoritma sebagai pengalokasian resources yaitu algoritma graph coloring dan algoritma greedy. Berdasarkan hasil simulasi yang telah dilakukan diperoleh hasil terbaik yaitu pada sumrate sebesar 90.0248 Mbps, dan fairness total 0.8395. Kata Kunci — device-to-device, radius cell, greedy, graph coloring
Perancangan Model Bisnis Dengan Pendekatan Business Model Canvas Pada Usaha Lightmos Fakhri Almi; Budi Praptono; Rosad Ma'ali El Hadi
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Lightmos merupakan toko online brand lokal dalam bidang bisnis clothing, yang biasanya menjual serta memproduksi pakaian dengan keunikan pada setiap produknya, Lightmos berada di Jakarta Timur, DKI Jakarta. Lightmos memiliki masalah yaitu model bisnis perusahaan yang belum dipetakan. Metode penyenyelesaian masalah yang digunakan dalam tugas akhir ini adalah metode kualitatif deskriptif. Salah satu metode untuk bisa menggambarkan suatu model bisnis dari perusahaan yaitu dengan menggunakan Business Model Canvas. Dalam mengumpulkan data dilakukan dengan menggunakan metode wawancara dan kuisioner. Pemilihan narasumber dalam tugas akhir ini menggunakan Teknik purposive sampling. Hasil akhir dari penelitian ini menunjukan Lightmos sudah memiliki bisnis model eksisting yang sesuai dengan 9 blok pada business model canvas. Setelah mendapatkan model bisnis eksisting, baru mencari data sekunder pada lingkungan model bisnis dan costumer profile. Lingkungan model bisnis dan costumer profile di analisis menggunakan analisis SWOT sehingga output dari tugas akhir ini merupakan usulan model bisnis Lightmos yang dipetakan kedalam 9 blok business model canvas. Kata kunci : business model canvas, lingkungan model bisnis, costumer profile, SWOT

Page 498 of 831 | Total Record : 8304

 496   497   498   499   500 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 6 (2025): Desember 2025 Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol. 12 No. 2 (2025): April 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol. 11 No. 4 (2024): Agustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol. 11 No. 2 (2024): April 2024 Vol. 11 No. 1 (2024): Februari 2024 Vol. 10 No. 6 (2023): Desember 2023 Vol. 10 No. 5 (2023): Oktober 2023 Vol 10, No 5 (2023): Oktober 2023 Vol. 10 No. 4 (2023): Agustus 2023 Vol. 10 No. 3 (2023): Juni 2023 Vol 10, No 3 (2023): Juni 2023 Vol 10, No 2 (2023): April 2023 Vol. 10 No. 2 (2023): April 2023 Vol. 10 No. 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol. 9 No. 5 (2022): Oktober 2022 Vol 9, No 5 (2022): Oktober 2022 Vol 9, No 4 (2022): Agustus 2022 Vol. 9 No. 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol. 8 No. 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol. 8 No. 2 (2021): April 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue