Articles
30 Documents
Search results for
, issue
"Vol 14, No 1 (2025)"
:
30 Documents
clear
<![CDATA[Studi Identifikasi Tumbuhan Obat di Desa Sumberbrantas Kecamatan Bumiaji, Kota Batu Jawa Timur ]]>
<![CDATA[Rosyid Ridho, Muhammad Ainur]]>;
<![CDATA[Purwani, Kristanti Indah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.157165
<![CDATA[Tumbuhan obat memiliki zat aktif hasil metabolisme sekunder tumbuhan seperti, flavanoid, tannin, fenol, saponin, alkaloid, dan minyak atsiri atau zat lain. Masyarakat di desa Sumberbrantas mengenal dan menanam tumbuhan yang memiliki potensi sebagai obat tradisional secara turun temurun. Hanya saja, saat ini pengetahuan tersebut belum terdokumentasi dengan baik. Penelitian ini bertujuan untuk melakukan inventarisasi dan mengetahui nilai guna suatu tumbuhan obat di Desa Sumberbrantas, Kecamatan Bumiaji, Kota Batu. Penelitian ini menggunakan metode survey, identifikasi, dan determinasi tumbuhan. Analisis data menggunakan analisis etnobotani melalui perhitungan Family Use Value (FUV). Hasil penelitian teridentifikasi 102 spesies tumbuhan yang digolongkan ke dalam 52 famili yang berbeda untuk mengobati dalam 6 kateegori penyakit. Dimana famili Zingiberaceae dan famili Euphorbiaceae memiliki nilai guna famili yang sama yaitu sebesar 0.45, dan beberapa famili memiliki nilai guna terendah yaitu Oxalidaceae dengan nilai 0.01. Sebagian besar organ tumbuhan (PPU) yang digunakan sebagai bahan obat tradisional adalah daun (59%)]]>
<![CDATA[Motion Grafik sebagai Media Penyebaran Informasi Pencegahan dan Penanganan Seksual di Perguruan Tinggi ]]>
<![CDATA[Windy, Laurensius]]>;
<![CDATA[Fauziah, Emmareta]]>;
<![CDATA[Suryani, Riri Irma]]>;
<![CDATA[Linda, Gusnita]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.147091
<![CDATA[Kekerasan seksual di lingkungan perguruan tinggi mencapai puncaknya di tahun 2021. Hingga akhirnya pemerintah melalui Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi mengeluarkan Peraturan Menteri Nomor 30 tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual (PPKS) di Perguruan Tinggi. Selain itu pemerintah juga membuat video kampanye anti kekerasan seksual sebagai upaya penanggulangan. Namun dari segi jumlah dan kualitas kontennya dirasa belum cukup untuk menjangkau 4.600 kampus yang tersebar di seluruh provinsi Indonesia. Salah satu media yang efektif dan mempunyai jangkauan lebih luas adalah dengan menghadirkan video kampanye yang berbentuk motion grafik. Selain memuat info lengkap, video jenis ini dapat mempermudah penonton untuk mengingat isi video, karena gerakan grafis mampu menarik perhatian penonton dan menahan mereka untuk melihat video hingga selesai. Metode yang digunakan adalah kualitatif deskriptif dengan memanfaatkan data studi pustaka terkait PPKS. Pembuatan video menggunakan tiga tahap produksi yaitu Pra Produksi, Produksi dan Pasca Produksi. Proses Pra Produksi termasuk perekaman naskah oleh voice over, pembuatan storyboard dan aset 2 dimensi, kemudian tahap Produksi meliputi editing suara, penyatuan visual dan suara, penambahan musik dan filter gambar. Tahap Pasca Produksi termasuk penyebaran video melalui sosial media. Hasil akhir penelitian ini berupa video motion grafik sebagai media kampanye PPKS di Perguruan Tinggi.]]>
<![CDATA[Penerapan Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM) pada Pemetaan Indeks Ketahanan Pangan di Indonesia ]]>
<![CDATA[Mustofa, Andrea Avisa Nurhidayatul]]>;
<![CDATA[Atok, R. Mohamad]]>;
<![CDATA[Adipradana, Dimaz Wisnu]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.149494
<![CDATA[Kerawanan pangan dan gizi merupakan isu penting yang harus dituntaskan karena pangan merupakan kebutuhan pokok makhluk hidup. Upaya pengentasan kerawanan pangan terus dilakukan demi mencapai target-target Tujuan Pembangunan Berkelanjutan (TPB) atau Sustainable Development Goals (SDGs), yaitu di antaranya mencapai ketahanan pangan dan tanpa kelaparan (zero hunger) pada tahun 2030. Salah satu cara melihat kondisi kerawanan pangan dan gizi adalah melalui angka Prevalensi Ketidakcukupan Konsumsi Pangan atau dikenal dengan istilah Prevalence of Undernourishment (PoU). Indonesia berhasil menurunkan angka PoU pada tahun 2023 menjadi 8,53% dari angka 10,21% pada tahun 2022. Namun, angka tersebut masih di bawah target dari amanat Perpres 111 tahun 2022 tentang Pelaksanaan Pencapaian TPB sebesar 5% pada tahun 2024. Indonesia terdiri dari 34 provinsi dengan kondisi yang berbeda-beda, sehingga ketahanan pangan di setiap provinsi juga berbeda. Oleh karena itu, diperlukan adanya pengelompokan (clustering) provinsi di Indonesia untuk menentukan daerah prioritas dalam upaya penanganan kerawanan pangan, sehingga dapat memaksimalkan pembuatan kebijakan penyelenggaraan pangan dan mengurangi kondisi ketimpangan pangan. Clustering merupakan proses pengelompokan suatu data ke dalam kelompok-kelompok tertentu (cluster), dimana anggota dalam suatu cluster memiliki karakteristik serupa, namun berbeda dengan cluster yang lain. Penelitian ini akan mengelompokkan provinsi-provinsi di Indonesia berdasarkan indikator pada Indeks Ketahanan Pangan (IKP) tahun 2023 menggunakan metode Gravitational Search Algorithm-Fuzzy C-Means (GSA-FCM). Algoritma optimasi GSA digunakan untuk mengatasi permasalahan local optimum yang sering terjadi pada FCM. Tujuan dari penelitian ini adalah mendapatkan cluster optimal hasil pemetaan 34 provinsi di Indonesia berdasarkan indikator IKP tahun 2023 dan mengetahui karakteristik dari setiap cluster yang dihasilkan. Berdasarkan nilai fungsi objektif akhir yang dihasilkan, algoritma GSA-FCM terbukti mampu mengatasi masalah pada FCM karena menghasilkan nilai yang jauh lebih kecil. Terdapat 2 cluster yang dihasilkan, yang berturut-turut merupakan cluster dengan prioritas penanganan sekunder dan utama. Cluster 1 beranggotakan 25 provinsi dan cluster 2 beranggotakan 9 provinsi.]]>
<![CDATA[Pengelompokan Desa di Kabupaten Tuban Berdasarkan Kondisi Ketahanan Pangan Menggunakan Metode Integrasi K-Means dan Self Organizing Maps ]]>
<![CDATA[Fuddiani, Kamila Zahra]]>;
<![CDATA[Sutikno, Sutikno]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.155058
<![CDATA[Kabupaten Tuban sebagai salah satu daerah penyo-kong ketahanan pangan regional maupun nasional, perlu untuk memaksimalkan potensi tersebut dengan memenuhi penyediaan data berisi informasi yang menunjukkan dan memberikan penjelasan mengapa suatu daerah rentan terhadap kerawanan pangan, dengan membentuk analisis peta ketahanan dan kerentanan pangan tahunan menggunakan metode pengelom-pokan. Menggunakan data Badan Ketahanan Pangan Kemen-terian Pertanian berupa pilar ketersediaan pangan, pilar keter-jangkauan pangan, dan pilar pemanfaatan pangan, hasil anali-sis pengelompokan pada penelitian ini diharapkan mampu men-jadi manfaat bagi para pengambil keputusan di Kabupaten Tu-ban. Berdasarkan hasil perbandingan nilai Indeks Davies-Bouldin (DBI) dari tiga metode pengelompokan berbeda, Self Organizing Maps memiliki nilai indeks paling kecil yakni sebe-sar 0,9390712 jika dibandingkan dengan metode K-Means dan KSOM. Pengelompokan menggunakan metode Self Organizing Maps mengelompokkan 328 desa di Kabupaten Tuban menjadi 6 kelompok dengan karakteristik berbeda.]]>
<![CDATA[Penerapan Metode Regresi Logistik Biner terhadap Pilihan untuk Childfree Pegawai Rumah Sakit Husada Utama Surabaya ]]>
<![CDATA[Inasa, Ridha]]>;
<![CDATA[Purnomo, Jerry Dwi Trijoyo]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.157013
<![CDATA[Childfree merupakan suatu keputusan untuk tidak memiliki anak dalam suatu pernikahan secara sengaja. Hingga saat ini, istilah childfree masih dipandang tabu oleh masyarakat Indonesia. Akan tetapi, ada berbagai alasan logis yang mampu mendasari keputusan pasangan menikah untuk childfree. Beberapa diantaranya ialah adanya potensi overpopulation, tingginya Angka Kematian Bayi (AKB) dan Angka Kematian Ibu (AKI), serta alasan pribadi masing-masing pasangan. Berdasarkan kondisi tersebut, masyarakat perlu memahami alasan pasangan menikah memilih untuk childfree, sehingga dilakukan sebuah penelitian guna mengetahui faktor-faktor personal yang memengaruhi pilihan untuk childfree pegawai Rumah Sakit Husada Utama Surabaya menggunakan metode regresi logistik biner. Regresi logistik biner dipilih karena variabel respon dari penelitian ini, yaitu pilihan untuk childfree bersifat dikotomi, dimana data pilihan untuk childfree dan faktor-faktor yang diduga memengaruhinya adalah data primer yang diperoleh dari survei menggunakan kuesioner dengan metode sampling yang digunakan adalah Judgemental Sampling. Dari penelitian ini, diketahui bahwa variabel yang berpengaruh terhadap pilihan untuk childfree pegawai Rumah Sakit Husada Utama Surabaya adalah usia istri dan usia pernikahan, dimana semakin meningkat usia istri, maka semakin tinggi kemungkinan rumah tangga memilih untuk childfree. Sedangkan, semakin meningkat usia pernikahan, maka semakin rendah kemungkinan rumah tangga memilih untuk childfree.]]>
<![CDATA[Analisis Pola Persebaran Pelanggan Telat Bayar Listrik Menggunakan Spatial Poisson Point Process ]]>
<![CDATA[Wijaya, Elizabeth Meiliana]]>;
<![CDATA[Iriawan, Nur]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.155296
<![CDATA[Saat ini, permintaan energi listrik semakin meningkat dari hari ke hari, sementara sumber daya yang dibutuhkan untuk menghasilkan energi ini semakin sedikit. Oleh karena itu, penggunaan listrik harus diperhatikan dengan seksama. PT. Pe-rusahaan Listrik Negara (PLN) (Persero) merupakan perusa-haan penyedia jasa kelistrikan terbesar di Indonesia yang men-yediakan dua jenis layanan listrik, yaitu listrik prabayar dan pasca bayar. Pelanggan listrik pasca bayar perlu membayar tagihan listrik sesuai pemakaiannya di setiap akhir bulan kare-na pelanggan PLN telah diberikan hak untuk menggunakan aliran listrik di tempat tinggal mereka. Namun, masih banyak pelanggan PLN yang mengabaikan proses pembayaran tarif listrik tersebut. Salah satu metode yang cocok untuk melihat karakteristik pelanggan telat bayar listrik adalah dengan Spatial Poisson Process. Metode tersebut digunakan karena data lokasi pelanggan merupakan jenis data spatial point pattern, di mana jenis data tersebut dapat dianalisis dengan pendekatan Point Process. Model terbaik didapatkan dari model masing-masing kecamatan dengan AIC terendah, yaitu -299.012,122 dan jumlah pelanggan telat bayar listrik pada sebagian besar kecamatan secara signifikan dipengaruhi karakteristik daerah yang berbeda-beda, seperti jumlah keluarga pengguna listrik, jumlah koperasi aktif, dan proporsi pelanggan sukses bayar di bulan ke-6.]]>
<![CDATA[Klasifikasi Rating Obligasi Korporasi di Indonesia Menggunakan Algoritma Random Forest dan Regresi Logistik Ordinal ]]>
<![CDATA[Meliala, Arif Saputra]]>;
<![CDATA[Dewi, Mukti Ratna]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.150174
<![CDATA[OObligasi adalah bentuk surat utang dalam bidang ke-uangan yang diterbitkan oleh entitas seperti perusahaan atau instansi pemerintah untuk mengumpulkan dana dari investor. Seperti halnya investasi pada umumnya, investasi dalam obliga-si juga melibatkan risiko, termasuk risiko gagal bayar jika pe-nerbit gagal memenuhi kewajiban pembayarannya kepada investor. Untuk meminimalisir risiko tersebut, rating obligasi digunakan sebagai ukuran seberapa baik perusahaan dalam membayar kupon atau bunga obligasi kepada investor. Tujuan penelitian ini adalah membuat model yang efektif sebagai model yang digunakan untuk memprediksi rating obligasi korporasi di Indonesia dengan membandingkan metode algoritma machine learning Random Forest dan metode statistik konvensional regresi logistik ordinal. Jumlah observasi yang digunakan pada penelitian ini sebanyak 122 perusahaan. Kemudian, variabel yang digunakan dalam penelitian ini adalah Return on Asset, Return on Equity, Current Ratio, Cash Ratio, Debt to Asset Ratio, Debt to Equity Ratio, Ukuran Perusahaan, Total Utang Obligasi, dan jenis perusahaan. Hasil analisis menunjukkan bahwa ma-yoritas perusahaan memiliki rating obligasi A dan perusahaan non finansial adalah perusahaan yang lebih banyak digunakan dalam penelitian ini. Rasio-rasio keuangan perusahaan juga menunjukkan perbedaan karakteristik pada masing-masing rating obligasi perusahaan. Hasil pemilihan model terbaik ber-dasarkan akurasi dan F-1 Score menunjukkan bahwa model Random Forest terpilih sebagai model terbaik dalam melakukan prediksi dan klasifikasi rating obligasi korporasi di Indonesia.]]>
<![CDATA[Studi Simulasi Cox Proportional Hazard dan Random Survival Forest Data Tersensor Kanan serta Aplikasinya pada Klaim Asuransi Kesehatan PT ABC ]]>
<![CDATA[Pangestu, Abdan Alghifari]]>;
<![CDATA[Ahmad, Imam Safawi]]>;
<![CDATA[Saputri, Prilyandari Dina]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.147353
<![CDATA[Analisis survival adalah teknik statistik untuk menganalisis waktu hingga suatu kejadian terjadi. Teknik ini dapat memprediksi waktu survival dan mempelajari faktor-faktor yang memengaruhinya. Data dalam analisis survival menagalami penyensoran ketika kejadian tertentu tidak teramati. Penyensoran paling umum adalah penyensoran kanan, yaitu ketika kejadian belum terjadi atau tidak dapat dilanjutkan pengamatannya. Metode analisis survival seperti Cox Proportional Hazard (CPH) dan Random Survival Forest (RSF) dapat mengatasi masalah ini. CPH memerlukan asumsi risiko proporsional yang konstan terhadap waktu. RSF, sebuah metode non-parametrik dengan machine learning, dapat menjadi solusi untuk mengatasi keterbatasan ini. RSF membangun pohon keputusan dan menggabungkan hasil prediksi dari setiap pohon. Tujuan penelitian ini adalah untuk membandingkan performa CPH dan RSF berdasarkan C Index dalam memprediksi data simulai tersensor kanan dengan berbagai skenario serta menerapkannya pada data aktual. Hasil dari penelitian ini menunjukkan bahwa metode CPH unggul dalam berbagai skenario dalam menganalisis data simulasi. Mayoritas nasabah melakukan klaim. Tidak ada perbedaan risiko klaim berdasarkan faktor usia, jenis kelamin, dan jenis penykit. Secara berurutan risiko klaim berasal dari pengidap infeksi adenovirus, dermatitis atopik, dan gingivitis akut. CPH merupakan metode terbaik dalam menganalisis data aktual. Hanya variabel jenis penyakit yang signifikan dalam pemodelan CPH. Tingkat kepentingan variabel RSF secara berurutan adalah jenis penyakit, usia, jenis kelamin, dan status merokok.]]>
<![CDATA[Faktor-Faktor yang Mempengaruhi Jumlah Migrasi Risen Masuk di Kabupaten/kota Provinsi Jawa Timur Menggunakan Geographically Weighted Negative Binomial Regression ]]>
<![CDATA[Azzahra, Farsya Riyanti]]>;
<![CDATA[Zain, Ismaini]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.156765
<![CDATA[MMigrasi risen yaitu tempat tinggal penduduk 5 tahun yang lalu berbeda dengan tempat tinggal sekarang. Beberapa faktor dapat mempengaruhi keputusan untuk melakukan migrasi risen ke tujuan lain meliputi jumlah persentase penduduk miskin, Upah Minimum Kabupaten, (UMK), PDRB Per Kapita, Tingkat Partisipasi Angkatan Kerja (TPAK), dan Jumlah Fasilitas Kesehatan. Setelah dilakukan pemodelan menggunakan regresi Poisson, terjadi overdispersi pada data penelitian ini. Sehingga ditindaklanjuti dengan analisis menggunakan pemodelan regresi Negative Binomial yang selanjutnya menggunakan pemodelan Geographically Weighted Negative Binomial Regression (GWNBR). Hal ini dikarenakan data memenuhi aspek spasial yaitu heterogenitas spasial. Tujuan dari penelitian ini yaitu untuk memetakan dan mendeskripsikan karakteristik jumlah migrasi risen masuk dan memodelkannya dengan faktor-faktor yang mempengaruhinya di Kabupaten/kota Provinsi Jawa Timur tahun 2022. Pemodelan GWNBR didapatkan dimulai dengan menggunakan Adaptive Gaussian Kernel sebagai pembobot, hingga mendapatkan fungsi pembobot pada setiap wilayah pengamatan. Hasil penelitian menunjukkan bahwa kabupaten/kota di Jawa Timur dapat dikelompokkan menjadi 5 kategori berdasarkan variabel prediktor yang signifikan terhadap variabel respon, dengan Kabupaten Sumenep sebagai satu-satunya wilayah yang memiliki seluruh variabel prediktor signifikan. Hasil pemodelan dengan nilai AICc paling kecil yaitu dengan menggunakan pemodelan GWNBR dibandingan pemodelan dengan regresi Poisson dan regresi Negative Binomial. Hal ini dilihat melalui nilai AICc terendah yaitu milik model GWNBR sebesar 802.5067.]]>
<![CDATA[Analisis Ketinggian Banjir Menggunakan Penerapan Model Hybrid Singular Spectrum Analysis – Artificial Neural Network Pada Peramalan Curah Hujan ]]>
<![CDATA[Syahputra, Muhammad Bagus Andi]]>;
<![CDATA[Atok, Raden Mohamad]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 14, No 1 (2025) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v14i1.147250
<![CDATA[Curah hujan adalah kejadian banyaknya hujan yang turun disuatu daerah dalam jangka waktu tertentu. Dampak dari curah hujan yang tinggi adalah banjir dengan ketinggian air yang besar. Provinsi Jakarta merupakan wilayah memiliki ketinggian banjir besar yang berbatasan dengan Bogor, Tangerang, dan Bekasi. Curah hujan di wilayah yang berbatasan dengan Jakarta juga memiliki pengaruh terhadap ketinggian banjir. Penelitian ini bertujuan untuk mengetahui variabel curah hujan yang berpengaruh pada ketinggian banjir Jakarta menggunakan metode regresi kuantil dan melakukan peramalan curah hujan dan ketinggian banjir menggunakan metode hybrid SSA-ANN dalam 5 tahun mendatang. Berdasarkan metode SSA-ANN, SSA berguna untuk mendekomposisi data curah hujan menjadi komponen tren, musiman, dan noise. Komponen tren diramalkan menggunakan metode Recurrent Forecasting sedangkan komponen musiman dan noise diramalkan menggunakan metode ANN. Data yang digunakan adalah data curah hujan Jakarta, Bogor, Tangerang, Bekasi dan data banjir Jakarta periode Januari 2014 – Desember 2020. Kesimpulan yang diperoleh dalam penelitian ini ketinggian banjir Jakarta dipengaruhi oleh curah hujan Bogor dan Tangerang dengan AIC terkecil sebesar 823,112%. Peramalan curah hujan Bogor menghasilkan nilai MAPE sebesar 44,434%, peramalan curah hujan Tangerang menghasilkan nilai MAPE 31,769%. Dalam peramalan ketinggian banjir Jakarta, ketinggian banjir tertinggi terjadi pada bulan Agustus 2023, sedangkan ketinggian banjir terendah terjadi pada bulan Mei 2025.]]>
