Articles
28 Documents
Search results for
, issue
"Vol 13, No 6 (2024)"
:
28 Documents
clear
<![CDATA[Pemodelan Indeks Pembangunan Manusia Pulau Kalimantan Menggunakan Geographically Weighted Log-Normal Regression ]]>
<![CDATA[Mahestri, Alea Erdinna]]>;
<![CDATA[Purhadi, Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.151348
<![CDATA[Pulau Kalimantan sebagai pulau terluas di Indonesia, ternyata memiliki IPM yang lebih rendah di tiga dari lima provinsinya dibandingkan dengan IPM Provinsi DKI Jakarta. Ketiga provinsi tersebut diantaranya adalah Provinsi Kalimantan Barat, Kalimantan Tengah dan Kalimantan Selatan. Penelitian ini akan dilakukan dengan memodelkan faktor-faktor yang signifikan terhadap IPM kabupaten/kota ketiga provinsi dengan menggunakan Geographically Weighted Log-Normal Regression (GWLNR). Tujuan penelitian ini adalah untuk mengetahui persebaran spasial setiap variabel yang terlibat pada penelitian dan faktor-faktor yang memengaruhi IPM ketiga provinsi menggunakan GWLNR. Data yang digunakan adalah variabel-variabel penelitian tahun 2022 dari setiap kabupaten/kota ketiga provinsi, yaitu persentase penduduk dengan keluhan kesehatan (X_1), rasio sarana kesehatan-penduduk (X_2), rasio sekolah-siswa (X_3), persentase penduduk miskin (X_4), dan Tingkat Pengangguran Terbuka (X_5). Pengujian Breusch-Pagan menunjukkan terjadinya heterogenitas spasial pada data penelitian. Pemodelan IPM pada tingkat kabupaten/kota ketiga provinsi pada tahun 2022 menggunakan GWLNR dengan fungsi pembobot Adaptive Bisquare Kernel merupakan model terbaik karena memiliki AICc dan MSE terkecil dari seluruh model. Model tersebut menghasilkan 41 model regresi yang berbeda sehingga variabel prediktor yang berpengaruh signifikan setiap kabupaten/kota tidak seragam. Model ini membentuk tujuh kelompok kabupaten/kota berdasarkan kesamaan variabel prediktor yang berpengaruh signifikan terhadap IPM dan tanda estimasi koefisien regresi. Kelompok 1 merupakan kelompok kabupaten/kota dengan X_1, X_3 dan X_4 yang berpengaruh signifikan terhadap IPM, kelompok 2 dengan X_3 dan X_4, kelompok 3 dengan X_2, kelompok 4 dengan X_3, kelompok 5 dengan X_4, kelompok 6 dengan X_5 dan kelompok 7 tanpa variabel prediktor yang berpengaruh signifikan terhadap IPM.]]>
<![CDATA[Faktor-Faktor yang Mempengaruhi Persentase Penduduk Miskin di Jawa Timur Menggunakan Regresi Regresi Nonparametrik Spline Truncated ]]>
<![CDATA[Crespo, Mohamad]]>;
<![CDATA[Budiantara, I Nyoman]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.151661
<![CDATA[Kemiskinan adalah permasalahan yang sifatnya multidimensional. Kemiskinan menjadi masalah global yang menyerang berbagai negara di belahan dunia. Pandemi COVID-19 yang terjadi pada tahun 2020, membuat kemiskinan di berbagai dunia meningkat. Tidak bisa beraktivitas seperti normal membuat beberapa aktivitas ekonomi terhambat. Diberlakukannya pembatasan kegiatan di berbagai daerah membuat kondisi ekonomi di Jawa Timur menjadi turun. Imbasnya kemiskinan di Jawa Timur meningkat. Hal ini perlu diperhatikan oleh Pemerintah Provinsi Jawa Timur untuk mengatasi masalah kemiskinan agar Provinsi Jawa Timur dapat mengatasi kemiskinan lebih baik kedepannya. Pada Penelitian ini, dilakukan pemodelan persentase penduduk miskin di Jawa Timur menggunakan analisis Regresi Nonparametrik Spline Truncated dikarenakan pola hubungan antara persentase penduduk miskin dengan variabel yang diduga berpengaruh tidak mengikuti pola tertentu dan berubah-ubah pada sub-sub interval. Variabel yang digunakan adalah produk domestik regional bruto per kapita, angka harapan hidup, rata-rata lama sekolah dan tingkat partisipasi angkatan kerja. Hasil penelitian menunjukkan bahwa model terbaik adalah model dengan menggunakan kombinasi knot (3,3,2) dengan variabel yang berpengaruh adalah angka harapan hidup, rata-rata lama sekolah dan tingkat partisipasi angkatan kerja dengan koefisien determinasi dari model sebesar 89,56 persen.]]>
<![CDATA[Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Suspek Campak di Provinsi Jawa Timur dengan Geographically Weighted Poisson Inverse Gaussian ]]>
<![CDATA[Mulyaputri, Rifna Fadhilah]]>;
<![CDATA[Purhadi, Purhadi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.152298
<![CDATA[Sebagai penyakit yang dikategorikan sebagai Kejadian Luar Biasa (KLB), campak menjadi isu kesehatan masyarakat yang memerlukan strategi pengendalian efektif. Pada tahun 2022 di Provinsi Jawa Timur, banyak suspek dan kasus campak ditemukan, terutama pada balita dan anak-anak. Meskipun cakupan vaksin di Jawa Timur telah mencapai 95,3%, kasus campak masih meningkat dan dapat menimbulkan komplikasi serius jika tidak segera ditangani. Sebanyak 2.323 suspek campak ditemukan, meningkat 2.100 kasus dari tahun sebelumnya. Penelitian ini bertujuan untuk mengetahui karakteristik dan faktor-faktor yang memengaruhi jumlah suspek campak di Kabupaten/Kota Provinsi Jawa Timur. Mengingat data jumlah suspek campak adalah data count yang mengalami overdispersi, pendekatan Poisson Inverse Gaussian Regression (PIGR) digunakan. Selain itu, efek spasial akan diperhatikan dengan menggunakan pembobot spasial dalam Geographically Weighted Poisson Inverse Gaussian Regression (GWPIGR). Hasil analisis menunjukkan bahwa hubungan antara kasus suspek campak dengan faktor-faktor yang diduga memengaruhinya beragam, mulai dari berkorelasi lemah hingga sedang. Hasil pemodelan GWPIGR membentuk 6 kelompok Kabupaten/Kota dengan variabel signifikan yang sama, dengan variabel yang mendominasi signifikan adalah Persentase Sarana Air Minum (SAM) yang diawasi/diperiksa sesuai standar.]]>
<![CDATA[Pemodelan Persentase Penemuan Penderita Pneumonia pada Balita di Jawa Tengah Menggunakan Regresi Nonparametrik Spline Truncated ]]>
<![CDATA[Hadianti, Wafirah Putri]]>;
<![CDATA[Budiantara, I Nyoman]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.150720
<![CDATA[Pneumonia adalah suatu kondisi peradangan pada paru-paru yang dapat disebabkan oleh mikroorganisme seperti bakteri, virus, dan fungi. Pneumonia merenggut nyawa lebih dari 700.000 anak balita tiap tahunnya, atau sekitar 2.000 anak per hari di seluruh dunia. Pada Tahun 2022, pneumonia tercatat sebagai penyebab utama kematian pada balita, menyumbang sebesar 12,5% dari total kematian pada balita di Indonesia. Provinsi Jawa Tengah menempati posisi ketiga sebagai provinsi yang memiliki kasus pneumonia pada balita terbanyak di Indonesia pada tahun 2022, yakni sebanyak 38.348 kasus. Provinsi Jawa Tengah menempati urutan kedua kasus kematian balita terbanyak di Indonesia dengan jumlah 80 kasus kematian balita, setelah Jawa Barat dengan jumlah 102 kasus kematian balita. Penelitian ini dilakukan untuk mengetahui faktor-faktor yang diduga memengaruhi penemuan penderita pneumonia pada balita di Jawa Tengah menggunakan Regresi Nonparametrik Spline Truncated dengan unit penelitian adalah 35 kabupaten/kota di Jawa Tengah. Pemilihan metode penelitian didasari atas pengamatan pada scatter plot antara variabel respon dan variabel - variabel prediktor yang nampak tidak mengikuti suatu pola data tertentu dan adanya perbedaan perilaku pada sub-sub interval tertentu. Pada penelitian ini digunakan empat variabel prediktor dan keempat variabel tersebut berpengaruh signifikan terhadap persentase penemuan penderita pneumonia pada balita di Jawa Tengah tahun 2022, yaitu persentase cakupan pelayanan kesehatan balita, persentase bayi berat badan lahir rendah, kepadatan penduduk per hektar dan ln persentase cakupan imunisasi DPT-HB-Hib3. Hasil penelitian menunjukkan model terbaik adalah menggunakan kombinasi titik knot 2,3,3,3 dengan nilai GCV 1,239. Nilai R2 yang diperoleh adalah 70,84%.]]>
<![CDATA[Peramalan Volatilitas Nilai IHSG dengan Metode Hybrid GARCH-LSTM ]]>
<![CDATA[Pramudito, Samuel Cahyo]]>;
<![CDATA[Atok, R. Mohamad]]>;
<![CDATA[Hakiki, Moch. Taufik]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.150094
<![CDATA[Investasi merupakan penempatan aset dengan harapan nilainya akan meningkat dan menghasilkan pendapatan pasif. Investasi saham di pasar modal penting bagi perusahaan global karena dampaknya signifikan terhadap ekonomi negara. Saham memiliki risiko tinggi namun dapat memberikan return besar. Investor harus mempertimbangkan pilihan saham sesuai toleransi risiko dan indikator seperti Indeks Harga Saham Gabungan (IHSG), yang mengukur kinerja portofolio dan pergerakan harga saham di pasar modal. IHSG berbanding lurus dengan harga saham. Volatilitas IHSG dipengaruhi berbagai faktor, meningkatkan risiko dan ketidakpastian investasi, sehingga analisis tren IHSG perlu dilakukan sebelum investasi. Peramalan volatilitas IHSG bertujuan memprediksi pergerakan harga saham di masa mendatang. Penelitian ini menggunakan metode hybrid GARCH-LSTM untuk meramalkan volatilitas IHSG dari Januari 2018 hingga Desember 2023. Imputasi menggunakan metode linear imputation dilakukan untuk mengatasi 33 missing value pada data. Orde GARCH yang digunakan pada penelitian ini adalah GARCH (1,1). Pemodelan conditional variance pada model GARCH (1,1) menghasilkan nilai volatilitas dengan rentang 0,0000360984 sampai 0,0025139193. Model LSTM yang digunakan untuk melakukan prediksi residual adalah model dengan proporsi split data 80:20 dan menghasilkan nilai MAE sebesar 0,000015339655. Hasil prediksi volatilitas IHSG menggunakan kombinasi hybrid GARCH-LSTM pada penelitian ini menghasilkan rentang nilai 0,0000319 sampai 0,0000741. Hasil prediksi volatilitas dengan menggunakan metode hybrid GARCH-LSTM memiliki MAPE sebesar 30.38%, yang menunjukkan bahwa prediksi dengan metode ini termasuk dalam kategori reasonable prediction. Hal ini menunjukkan bahwa metode hybrid GARCH-LSTM masih dapat dipertimbangkan untuk melakukan prediksi volatilitas IHSG. Hasil peramalan nilai log return untuk 20 periode selanjutnya dengan mempertimbangkan volatilitas IHSG menunjukkan bahwa peramalan nilai log return cenderung konstan dan tidak mengalami perubahan yang signifikan.]]>
<![CDATA[Pengendalian Kualitas Pupuk ZK Menggunakan Diagram Kontrol MEWMC dan MEWMA Berbasis Residual Model Time Series ]]>
<![CDATA[Wahyudi, Hana Safira]]>;
<![CDATA[Wibawati, Wibawati]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.152001
<![CDATA[Sektor pertanian memiliki peran penting dalam keber-lanjutan pangan dan perekonomian, dimana elemen penting da-lam peningkatan sektor tersebut adalah produksi pupuk. PT Petrokimia Gresik, salah satu produsen pupuk terbesar, mempro-duksi berbagai macam pupuk termasuk pupuk ZK, kaya akan kalium dan sulfur, yang penting untuk pertumbuhan tanaman. Pupuk ini mengandung H2O, K2O, SO3, FA (H2SO4), dan Cl- yang harus dijaga kualitasnya agar sesuai dengan spesifikasi sehingga manfaat dari pupuk tersebut dapat dicapai dengan maksimal. Un-tuk itu, diperlukan pengendalian kualitas statistika menggunakan diagram kontrol multivariat berbasis residual model time series karena antar karakteristik kualitas saling berhubungan dan antar pengamatan terdapat autokorelasi. Pemodelan Vector Autore-gressive dilakukan sehingga mendapatkan model terbaik yakni VARI(5) dimana residual dari model dianalisis menggunakan diagram kontrol Multivariate Exponentially Weighted Moving Covariance Matrix (MEWMC) dan Multivariate Exponentially Weighted Moving Average (MEWMA) yang robust terhadap non-normal distribution. Hasil menunjukkan bahwa variabilitas proses tidak terkendali secara statistik karena pada fase I maupun fase II dalam diagram MEWMC dengan pembobot optimum λ = 0,1 terdapat pengamatan out of control. Sedangkan, untuk pengen-dalian rata-rata proses menggunakan diagram MEWMA dengan pembobot optimum λ = 0,1 didapatkan hasil bahwa pada fase I ti-dak terkendali secara statistik tetapi proses telah in control pada fase II. Identifikasi penyebab out of control menunjukkan ketidak-konsistenan bahan baku pupuk ZK sebagai pemicunya. Analisis kapabilitas proses pada data karakteristik kualitas yang tidak berdistribusi normal menghasilkan nilai 〖MC〗_Npk lebih dari 1 sehingga keseluruhan proses produksi pupuk ZK dapat dikata-kan kapabel.]]>
<![CDATA[Optimasi Mesin Roll Gilingan Menggunakan Metode Taguchi untuk Mengoptimalkan Perahan Nira Dan Pemantauan Kualitas Nira Menggunakan MMEM Chart di PG Kebon Agung Malang ]]>
<![CDATA[Muntaz, Zurida Alisha]]>;
<![CDATA[Wibawati, Wibawati]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.152154
<![CDATA[PG Kebon Agung Malang merupakan perusahaan yang memproduksi gula kristal putih berkualitas. Untuk mendapatkan kualitas akhir gula kristal putih yang memenuhi standar, maka diperlukan bahan mentah yang berkualitas juga. Sebagai bahan mentah dari gula kristal putih, nira juga butuh dimonitoring kualitasnya. Salah satu penyebab tidak optimalnya kualitas perahan nira dalam memenuhi spesifikasi adalah pengaturan mesin roll gilingan yang berfungsi memerah tebu. Perahan nira yang optimum diperoleh dengan mengubah beberapa faktor yang memengaruhi hasil perahan nira yaitu faktor A (RPM) dan faktor B (torsi). Respon optimum dari pengaturan mesin ini adalah Hasil Perahan Brix (HPB) Total. Dengan demikian, penelitian ini bertujuan untuk mengoptimumkan pengaturan mesin roll gilingan melalui roll gilingan 1 menggunakan metode taguchi dengan 2 faktor dan masing-masing tiga level. Taguchi digunakan karena dapat mengurangi jumlah percobaan yang akan dilakukan. Selain itu, analisis yang menggunakan S/N ratio membuktikan faktor A, B, maupun interaksinya tidak mempengaruhi S/N ratio. Pengaturan parameter optimum yang dihasilkan pada mesin roll gilingan 1 adalah A3B3, dengan spesifik level 3 (5,3 RPM) untuk faktor A, level 3 (80 Nm) untuk faktor B. Pememantauan kualitas nira yang dilakukan dengan diagram kendali Mixed Modified Exponentially Weighted Moving Average-Moving Average (MMEM) membuktikan adanya pergeseran rata-rata proses penggilingan sebelum dan sesudah dilakukan optimasi mesin roll gilingan, yangmana terdapat perbaikan proses. Analisis kapabilitas proses yang dilakukan pada proses gilingan setelah optimasi membuktikan bahwa proses telah kapabel dengan nilai indeks CPL sebesar 4,6298.]]>
<![CDATA[Pengendalian Kualitas Statistika Pupuk Urea PT Petrokimia Gresik Menggunakan Diagram Kendali MEWMV dan MSEWMA Berbasis Multiouput Least Square Support Vector Regression (MLS-SVR)” ]]>
<![CDATA[Maulana, R. Irfan Rizky]]>;
<![CDATA[Wibawati, Wibawati]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.152164
<![CDATA[Pupuk merupakan bahan penting untuk meningkatkan kualitas pertanian di Indonesia. PT Petrokimia Gresik merupakan perusahaan yang memiliki pabrik pupuk terlengkap di Indonesia. Salah satu jenis pupuk bersubsidi yang diproduksi oleh PT Petrokimia Gresik yaitu pupuk urea. Terdapat tiga kandungan dalam pupuk urea yaitu Nitrogen (N), Biuret, dan Air (H_2 O). Semua kandungan yang terdapat di pupuk urea harus terkandung sesuai dengan kadar yang telah ditetapkan, agar manfaat dari pupuk tersebut didapatkan secara maksimal. Oleh karena itu, akan dilakukan pengendalian kualitas statistika pada pupuk urea menggunakan diagram Multivariate Exponentially Weighted Moving Variance (MEWMV) dan Multivariate Sign Exponentially Weighted Moving Average (MSEWMA) berbasis residual Multioutput Least Square Support Vector Regression (MLS-SVR). Pemodelan dilakukan untuk mengatasi adanya autokolerasi pada data. Fungsi kernel yang digunakan pada MLS-SVR yaitu menggunakan Radial Basis Function (RBF) dan metode grid search untuk memilih hyperparameter γ^', γ^'', dan σ yang optimal. Pada penelitian ini hyperparameter yang terpilih yaitu γ^'=2^(-5), γ^''=2^(-7), dan σ=2^0 dengan nilai MSE sebesar 0,0013. Nilai residual dari pemodelan MLS-SVR akan digunakan dalam pembuatan diagram kendali MEWMV dan MEWMA untuk fase I dan MEWMV, MEWMA dan MSEWMA untuk fase II. Pada fase I, didapatkan pengamtan yang out of control baik dalam variabilitas maupun rata-rata proses sehingga belum terkendali secara statistik. Pada fase II, dengan menggunakan pembobot optimal yang didapatkan dari fase I, mendapatkan hasil bahwa masih terdapat pengamtan yang out of control dalam variabilitas sebanyak 6 pengamatan dan dalam rata-rata proses sebanyak 5 dan 4 pengamatan sehingga belum terkendali secara statistik yang diduga disebabkan oleh variabel nitrogen dan air. Hasil kapabilitas proses menujukkan bahwa proses produksi pupuk telah kapabel secara multivariat.]]>
<![CDATA[Perbandingan Metode Mean-Conditional Value at Risk dan Mean-Entropic Value at Risk dalam Pembentukan Portofolio Optimal Saham Pertambangan Indonesia ]]>
<![CDATA[Sinambela, Michael Sahala]]>;
<![CDATA[Ahmad, Imam Safawi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.150080
<![CDATA[Investasi melalu pasar modal telah berkembang pesat di Indonesia dalam beberapa tahun terakhir. Perkembangan yang pesat tersebut harus diiringi dengan pemahaman mengenai risiko investasi. Pengukuran risiko dari suatu investasi dapat dinilai melalui nilai VaR-nya. Penelitian ini membandingkan dua metode alternatif dari VaR, yaitu Mean-Conditional Value at Risk (Mean-CVaR) dan Mean-Entropic Value at Risk (Mean-EVaR), dalam konteks pembentukan portofolio optimal saham pertambangan Indonesia. Portfolio tersebut akan dibangun menggunakan data saham ADRO, ANTM, INCO, MDKA, dan PTBA. Dengan menggunakan data historis dari pasar saham, kedua metode tersebut dievaluasi dalam hal kinerja pengelolaan risiko menggunakan VaR dan pengembalian investasi. Pembentukan portofolio yang optimal dari lima saham pertambangan berdasarkan metode Mean-CVaR Optimization menghasilkan portofolio yang terdiri atas 9.8032% saham ADRO, 41.2273% saham ANTM, dan 48.9695% saham MDKA dengan nilai VaR sebesar 3.663% dan expected return sebesar 0.1318%. Pembentukan portofolio yang optimal dari lima saham pertambangan berdasarkan metode Mean-EVaR Optimization terdiri atas 42.8727% saham ANTM dan 57.1723% saham MDKA dengan nilai VaR sebesar 3.825% dan expected return sebesar 0.1367%. Metode Mean-CVaR Optimization menghasilkan portofolio yang lebih baik berdasarkan risiko yang diberikan, tetapi tidak memberikan nilai expected return yang lebih baik dibandingkan portofolio optimal yang dibentuk menggunakan Mean-EVaR Optimization.]]>
<![CDATA[Pengendalian Kualitas Air di PDAM Surya Sembada Menggunakan Diagram Kendali MEWMV dan MSEWMA Berbasis Redisual ]]>
<![CDATA[Zulvania, Amirah Farah]]>;
<![CDATA[Wibawati, Wibawati]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 13, No 6 (2024) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v13i6.152160
<![CDATA[PDAM Surya Sembada merupakan perusahaan pemerintah sebagai penyedia layanan air bersih di Kota Surabaya yang salah satu unit produksinya yaitu IPAM Ngagel I. Proses penjernihan air pada IPAM Ngagel I perlu diperhatikan karena berhubungan dengan kualitas air yang akan didistribusikan. Sehingga air yang dihasilkan harus memiliki kualitas yang baik dan sesuai dengan standar yang telah ditetapkan. Oleh karena itu, perlu dilakukan pengendalian kualitas air pada unit produksi IPAM Ngagel I. Penelitian ini menggunakan metode Multivariate Exponentially Weighted Moving Variance (MEWMV) untuk monitor pergeseran variabilitas proses dan Multivariate Sign Exponentially Weighted Moving Average (MSEWMA) untuk monitor pergeseran mean proses. Karakteristik kualitas air yang akan digunakan pada penelitian ini adalah kekeruhan, pH, sisa klor dan zat organik (KMnO_4) dimana masing – masing karakteristik kualitas saling berhubungan. Analisis menunjukkan bahwa terdapat autokorelasi pada data akibat dari proses yang dilakukan terus menerus, sehingga pengendalian kualitas menggunakan pendekatan model time series. Data penelitian dibagi menjadi dua fase pada musim hujan. Pada fase I didapatkan hasil analisis, bahwa proses produksi air belum terkendali secara statistik baik secara variabilitas maupun mean proses, sehingga diperlukan identifikasi karakteristik kualitas yang menyebabkan proses produksi belum terkendali secara statistik. Adapun karakteristik kualitas yang diduga sebagai penyebab belum terkendalinya proses produksi pada fase I adalah karakteristik kualitas pH, zat organik dan sisa klor. Analisis pada fase II didapatkan bahwa proses produksi air telah terkendali secara statistik baik secara variabilitas maupun mean proses. Berdasarkan hasil analisis kapabilitas proses, secara univariat, terdapat karakteristik kualitas yang memiliki tingkat keakurasian yang kurang dalam memenuhi batas spesifikasi perusahaan, yaitu karakteristik zat organik dan sisa klor. Sedangkan kapabilitas proses secara multivariat, proses produksi telah kapabel dan kinerja proses memiliki keakurasian yang cukup baik.]]>
