Articles
142 Documents
Search results for
, issue
"Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)"
:
142 Documents
clear
<![CDATA[Analisis Penyebaran Properti Reservoir Pada Petrophysical Modelling Di Lokasi ”X” Papua Barat Dengan Metode Universal Kriging ]]>
<![CDATA[Mohammad Hatta Rafsanjani]]>;
<![CDATA[Heri Kuswanto]]>;
<![CDATA[Sutikno Sutikno]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (516.481 KB)
|
DOI: 10.12962/j23373520.v1i1.2175
<![CDATA[Salah satu penelitian Upstream Technology Center (UTC) Direktorat hulu PT. Pertamina (Persero) adalah pada Lokasi ”X” Papua Barat. Analisis Geologi pada penelitian di Lokasi ”X” menerapkan metode Geostatistika pada petrophy-sical modelling. Penelitian ini mengaplikasikan metode Uni-versal Kriging pada Petrophysical Modelling. Metode ini dapat memberikan analisis yang baik secara geologi karena interpolasi properti reservoir primer dilakukan dengan memasukkan trend jenis batuan (facies) sebagai kontrol sehingga penyebaran yang dilakukan memiliki interpretasi yang kuat secara geologi. Pro-perti reservoir yang digunakan adalah porositas dan Net to Gross (NTG). Analisis semivariogram eksperimental dilakukan agar didapatkan semivariogram teoritis porositas dan NTG untuk masing-masing zona. Kesimpulan yang didapatkan adalah Zona 1A dan 1B merupakan target reservoir yang prospektif karena berdasarkan analisas statistika deskriptif dan univeral kriging didapatkan hasil penyebaran porositas dan NTG tertinggi daripada lokasi zona yang lainnya.]]>
<![CDATA[Pemodelan Jumlah Ketersediaan Beras untuk Jawa Timur dengan Pendekatan Fungsi Transfer ]]>
<![CDATA[Farisma Indrawati B.N]]>;
<![CDATA[Brodjol Sutijo]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v1i1.776
<![CDATA[Beras merupakan salah satu kebutuhan pangan pokok bagi masyarakat Indonesia. Sebagai salah satu pangan pokok, ketersediaan beras yang aman penting untuk dipenuhi. Pada penelitian ini dibuat model jumlah ketersediaan beras dengan memperhitungkan faktor produksi dan kebutuhan. Ketersediaan beras merupakan hasil pengurangan produksi beras dan kebutuhan beras. Produksi beras berkaitan dengan produksi padi yang merupakan fungsi dari luas panen padi dan produktivitas padi. Luas panen padi didekati dengan model fungsi transfer, sedangkan produktivitas padi didekati dengan model ARIMA Box-Jenkins. Kebutuhan beras berkaitan dengan jumlah konsumsi beras yang merupakan fungsi dari jumlah penduduk. Hasil analisis menunjukkan bahwa model fungsi transfer yang terbaik untuk meramalkan luas panen adalah model input ARIMA Musiman (0,1,1)3, b=1, s=[2], r=[3,6] dan ARMA (1,0). Model terbaik untuk meramalkan produktivitas padi adalah ARIMA ([3],0,1) dengan deteksi efek data outliers bertipe Additive. Berdasarkan analisis data diketahui bahwa jumlah ketersediaan beras Jawa Timur tahun 2011-2013 menunjukkan surplus sehingga dapat dijadikan pertimbangan bahwa Jawa Timur tidak memerlukan impor beras. ]]>
<![CDATA[Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive ]]>
<![CDATA[Dimas Okky S]]>;
<![CDATA[Setiawan Setiawan]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v1i1.785
<![CDATA[Vector autoregressive (VAR) merupakan salah satu analisis time series multivariate dimana dapat digunakan dalam memprediksi variabel dan berguna untuk menilai keterkaitan antara variabel. Tahapan-tahapan dalam metode VAR meliputi tahap identifikasi, estimasi parameter, dan cek diagnosa. Data yang digunakan dalam penelitian ini adalah Indek Harga Saham Gabungan (IHSG), kurs, dan harga minyak dunia pada periode 2011-2012. Dari hasil analisis didapatkan model VAR yang sesuai adalah VAR(4,1,0) dengan nilai AIC terkecil sebesar 15,7437. Selain itu hasil MAPE dan RMSE pada ketiga variabel yaitu variabel IHSG sebesar 1,85 dan 88,076; variabel kurs sebesar 0,89 dan 84,9237; sedangkan variabel harga minyak dunia sebesar 0,83 dan 0,009694.]]>
<![CDATA[Confirmatory Factor Analysis untuk Mengukur Unidimensional Indikator Performa Pengelolaan Lingkungan Hidup dalam Survei Publik Otonomi Award Jawa Pos Institute Of Pro Otonomi Tahun 2011 ]]>
<![CDATA[Novianti Ika Sari]]>;
<![CDATA[Jerry Dwi Trijoyo P.]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (287.133 KB)
|
DOI: 10.12962/j23373520.v1i1.795
<![CDATA[Otonomi daerah merupakan kewenangan daerah otonom untuk mengatur dan mengurus kepentingan masyarakat setempat. Lembaga independen yang melakukan monitoring adalah Jawa Pos Institute of Pro Otonomi. Salah satu kegiatan monitoring yang dilakukan adalah survei publik terhadap masyarakat dengan menilai parameter khusus performa pengelolaan lingkungan hidup. Parameter tersebut diukur oleh penilaian (variabel) tertentu, dan variabel ini masih diukur oleh pertanyaan (indikator) penyusunnya. Penelitian ini mengukur unidimensionalitas indikator penyusun tiap variabel laten dengan metode Confirmatory Factor Analysis second order. Variabel laten yang digunakan adalah akses (equity) penggunaan natural capital Sumber Daya Alam , integrasi pengelolaan lingkungan dan kelestarian (sustainability) natural capital (SDA) dan human capital . Pengukuran first order CFA pada variabel latennya signifikan diukur oleh variabel-variabelnya, didapatkan nilai t-hitung pada nilai loading factor >1,96. Pada second order CFA, nilai loading factor juga signifikan berpengaruh dalam menyusun parameter performa pengelolaan lingkungan hidup. Metode ini berhasil menunjukkan unidimensionalitas data parameter performa pengelolaan lingkungan hidup, sehingga tidak ada indikator yang dikeluarkan dari pengukuran. Di mana variabel laten pertama mendapatkan kontribusi terbesar dari indikator penyusunnya sebesar 85,4%. Kemudian variabel laten kedua memperoleh kontribusi terbesar dari variabel laten penyusunnya sebesar 93,2%. Dan variabel laten ketiga memperoleh kontribusi terbesar dari variabel laten penyusunnya sebesar 87,9%. ]]>
<![CDATA[Analisis CART (Classification And Regression Trees) pada Faktor-Faktor ]]>
<![CDATA[Alia Hartati]]>;
<![CDATA[Ismaini Zain]]>;
<![CDATA[Brodjol Sutijo Suprih Ulama]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (121.887 KB)
|
DOI: 10.12962/j23373520.v1i1.940
<![CDATA[Pola perkembangan kota dan urbanisasi yang pesat di kota–kota besar merupakan pertanda terjadinya kemajuan dalam pembangunan. Namun, kenyataannya urbanisasi seringkali melahirkan berbagai masalah, mulai dari masalah sosial, transportasi, hingga kriminalitas. Hasil kajian BAPPENAS menunjukkan bahwa proyeksi tingkat urbanisasi penduduk secara nasional pada tahun 2025 mencapai 68%. Proyeksi tingkat urbanisasi Jawa Timur telah mencapai angka 73,4% pada tahun 2025, hal ini menunjukkan bahwa persentase penduduk perkotaan di Jawa Timur tergolong tinggi. Penelitian ini dilakukan untuk mendeskripsikan karakteristik kepala rumah tangga Jawa Timur yang melakukan urbanisasi dan mendapatkan faktor yang mempengaruhi urbanisasi. Hasil klasifikasi dengan pendekatan CART memberikan informasi bahwa faktor-faktor yang mempengaruhi urbanisasi adalah jarak lokasi pindah, jumlah anggota rumah tangga yang ikut pindah, pendidikan tertinggi, lama waktu pindah, alasan utama pindah.]]>
<![CDATA[Penggunaan Metode VaR (Value at Risk) dalam Analisis Risiko Investasi Saham dengan Pendekatan Generalized Pareto Distribution (GPD) ]]>
<![CDATA[Ummi Zuhara]]>;
<![CDATA[M. Sjahid Akbar]]>;
<![CDATA[Haryono Haryono]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v1i1.959
<![CDATA[Investasi di pasar modal bertujuan untuk memperoleh return, sebesar-besarnya dengan risiko tertentu. Pengukuran risiko merupakan hal yang sangat penting berkaitan dengan investasi dana yang cukup besar, sehingga dapat mengurangi terjadinya kerugian berinvestasi. Salah satu metode yang berkembang pesat dan sangat populer dipergunakan saat ini ialah Value at Risk (VaR). Karena pada data finansial diduga mempunyai kecenderungan adanya kasus ekor gemuk (heavy tailed), maka pengukuran risiko dalam penelitian ini dilakukan dengan pendekatan Generalized Pareto Distribution (GPD). Data yang digunakan adalah data saham Semen Gresik dari periode bulan Agustus 2007 sampai bulan Maret 2012. Hasil perhitungan VaR dengan metode GPD diperoleh besar risiko penanaman saham pada Semen Gresik dalam kurun waktu 20 hari ke depan terdapat potensi 1 hari diantaranya investor akan mengalami kerugian minimal Rp. 31.200.000,00. ]]>
<![CDATA[Analisis Faktor Konfirmatori Untuk Mengetahui Kesadaran Berlalu Lintas Pengendara Sepeda Motor di Surabaya Timur ]]>
<![CDATA[M Mushonnif Efendi]]>;
<![CDATA[Jerry Dwi Trijoyo Purnomo]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (575.531 KB)
|
DOI: 10.12962/j23373520.v1i1.965
<![CDATA[Surabaya merupakan kota metropolitan di Jawa Timur, dengan mobilitas masyarakat yang tinggi. Transportasi yang tinggi mengakibatkan kemacetan dan kecelakaan semakin tinggi. Sepeda motor memberikan angka kecelakaan paling tinggi dari pada transportasi lain. Dengan demikian diperlukan kesadaran berlalu lintas agar dapat mengurangi kecelakaan sepeda motor. Tujuan penelitian ini adalah untuk mengetahui indikator apa saja yang paling berkontribusi besar dalam survey kesadaran berlalu lintas, variabel laten yang digunakan adalah kesadaran berlalu lintas, pribadi, aturan dan lingkungan. Metode yang digunakan adalah Confirmatory Factor Analysis (CFA) untuk mengkonfirmasi indikator terhadap variabel laten. Hasil first order CFA adalah variabel laten kesadaran kontribusi terbesar pernah melihat kecelakaan sehingga lebih waspada, variabel pribadi kontribusi terbesar tidak mengerem secara mendadak, variabel aturan kontribusi terbesar menggunakan jaket (perlengkapan berkendara) dan variabel lingkungan kontribusi terbesar mematuhi aturan meskipun tidak ada polisi yang menjaga. Sedangkan pada second order CFA menghasilkan kesadaran berlalu lintas kontribusi terbesar adalah lingkungan.]]>
<![CDATA[Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara Dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien Di Rumah Sakit “X” Surabaya) ]]>
<![CDATA[Arief Yudissanta]]>;
<![CDATA[Madu Ratna]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (140.127 KB)
|
DOI: 10.12962/j23373520.v1i1.1269
<![CDATA[Kanker adalah suatu penyakit yang disebabkan oleh pertumbuhan sel-sel jaringan tubuh yang tidak normal. Di Indonesia,kanker payudara merupakan pembunuh nomor dua bagi wanita setelah kanker serviks. Ada beberapa jenis pengobatan pada pasien kanker payudara salah satunya yaitu kemoterapi. Kemoterapi sendiri ada beberapa jenis yang biasanya digunakan pada pasien kanker payudara yaitu Kemoterapi Neoajuvant, Kemoterapi Ajuvant, dan kemoterapi Paliatif. Adapun jenis kemoterapi yang dilakukan pasien kanker payudara di Rumah Sakit “X” Surabaya adalah Kemoterapi Ajuvant. Jenis Kemoterapi yang digunakan diduga dipengaruhi oleh usia, hormon ER, PR, HER2, Grade serta stadium. Dan untuk mengetahui hubungan antara jenis kemoterapi yang dilakukan oleh pasien kanker payudara dengan faktor-faktor dugaan yang berpengaruh dapat menggunakan metode regresi logistik multinomial. Pemodelan regresi logistik multinomial secara individu terhadap jenis kemoterapi didapatkan bahwa hanya variabel stadium yang berpengaruh secara signifikan. Begitu juga pada pemodelan regresi logistik multinomial secara serentak menunjukkan bahwa hanya variabel stadium yang berpengaruh terhadap jenis kemoterapi Ajuvant, sedangkan pada jenis kemoterapi Paliatif tidak ada satupun variabel penduga yang berpengaruh signifikan.]]>
<![CDATA[Peramalan Temperatur Udara Di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network ]]>
<![CDATA[Ali Machmudin]]>;
<![CDATA[Brodjol S. S. Ulama]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (246.506 KB)
|
DOI: 10.12962/j23373520.v1i1.1295
<![CDATA[Pada dekade terakhir terjadi peningkatan temperatur terutama di kota besar tidak terkecuali di Surabaya. Dampak yang ditimbulkan akibat kenaikan temperatur udara adalah kekeringan, krisis air, hingga perubahan cuaca. Untuk mengantisipasi perubahan suhu udara diperlukan suatu model yang dapat meramalkan kondisi udara / temperatur. Model yang banyak digunakan adalah model ARIMA untuk pendekatan model linear. Berdasarkan proses identifikasi model ARIIMA yang didapat adalah Model ARIMA (0,1,2). Sedangkan untuk model Pendugaan data temperatur udara Kota Surabaya dengan menggunakan Artificial Neural Network dengan metode backpropagation menghasilkan model optimum FFNN (2,4,1). Berdasarkan kedua model tersebut yang memberikan nilai MAPE terkecil adalah FFNN (2,4,1) yaitu sebesar 0.0714% dibandingkan model ARIMA sebesar 2.305 % . ]]>
<![CDATA[Perbandingan Klasifikasi Tingkat Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support Vector Machine (SVM) ]]>
<![CDATA[Farizi Rachman]]>;
<![CDATA[Santi Wulan Purnami]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (270.148 KB)
|
DOI: 10.12962/j23373520.v1i1.1932
<![CDATA[Breast Cancer merupakan jenis kanker yang sangat berbahaya di dunia. Setiap tahun 506.000 penduduk di dunia meninggal akibat breast cancer [10]. Indonesia merupakan salah satu negara berkembang dengan penderita breast cancer yang banyak. Hal ini dibuktikan dengan data Sistem Informasi Rumah Sakit (SIRS) 2007 yang menunjukkan breast cancer menempati urutan pertama pada pasien rawat inap di rumah sakit seluruh Indonesia (16.85%) [2]. Tingginya kasus penyakit ini di Indonesia mengharuskan penderita breast cancer untuk melakukan pemeriksaan tingkat keganasan breast cancer dengan memperhatikan jenis stadium breast cancer. Pada penelitian ini dilakukan analisis tingkat keganasan breast cancer dengan menggunakan regresi logistik ordinal dan support vector machine (SVM). Berdasarkan hasil penelitian dengan metode regresi logistik ordinal, menunjukkan variabel yang berpengaruh terhadap tingkat keganasan breast cancer adalah ukuran tumor dan nodus dengan ketepatan klasifikasi tertinggi 56.60%. Sedangkan ketepatan klasifikasi dengan menggunakan SVM ketepatan klasifikasi tertinggi dengan menggunakan kernel RBF dan polynomial mencapai 98.11%.]]>
