Articles
134 Documents
Search results for
, issue
"Vol 3, No 2 (2014)"
:
134 Documents
clear
<![CDATA[Estimasi Moment Tensor Dan Pola Bidang Sesar Pada Zona Subduksi Di Wilayah Sumatera Utara Periode 2012-2014 ]]>
<![CDATA[Lilis Eka Rachmawati]]>;
<![CDATA[Bagus Jaya Santosa]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (450.259 KB)
|
DOI: 10.12962/j23373520.v3i2.6707
<![CDATA[Penelitian ini mengestimasi tentang pola bidang patahan yang didapat dari focal mechanism gempa dan momen tensor pada tiap event di Sumatera Utara pada periode 2012-2014. Hal ini dikarenakan Sumatera Utara berada pada zona subduksi antara Lempeng Eurasia dan Indo-Australia yang mana terjadi penunjaman Lempeng Eurasia dibawah Indo-Australia. Untuk mendapatkan besar momen tensor dan focal mechanism-nya memakai program ISOLA-GUI dengan menghitung Fungsi Green dan melakukan proses inversi untuk mendapatkan momen tensor dan focal mechanism gempa. Bentuk focal mechanism ditunjukkan dalam bentuk solusi moment tensor yang lebih dikenal dengan bentuk beach ball. Dari hasil perhitungan focal mechanism ditentukan bidang patahan dan besar slip dari sesar. Data yang digunakan dalam penelitian ini mempunyai magnituda lebih dari sama dengan 5,6 Skala Ritcher. Pola bidang sesar yang terbentuk adalah dip-slip jenis vertical dan reverse fault di zona subduksi dan strike slip di sekitar patahan Sumatra. Dengan besar rentang momen tensor untuk masing-masing komponennya sebesar M11 = 2.08 exp17 sampai 1.3 exp18, M22 = 1.28 exp17 sampai 1.31 exp18, M33 = 6.4 exp16 sampai 6.58 exp17, M31 = 8.45 exp16 sampai 7.14 exp18, M32 = 5.7 exp16 sampai 7.405 exp18, dan M12 = 9.79 exp16 sampai 1.045 exp18. Sedangkan untuk besar slip dari event gempa di Sumatera Utara event 01-05-2014 menghasilkan slip sebesar 0,05 m. Event 01-12-2013 menghasilkan slip sebesar 0,22 m. Event 02-07-2013 menghasilkan slip sebesar 0,30 m. Event pada 21-01-2013 menghasilkan slip sebesar 0,26 m. Event pada 10-01-2013 menghasilkan slip sebesar 0,04 m. Event pada 25-07-2012 menghasilkan slip sebesar 0,35 m.]]>
<![CDATA[Elliptic Curve dan Implementasinya pada Algoritma Tanda Tangan Digital ]]>
<![CDATA[Vincent Kusuma]]>;
<![CDATA[Darmaji Darmaji]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (396.803 KB)
|
DOI: 10.12962/j23373520.v3i2.7914
<![CDATA[Tanda tangan digital adalah skema tanda tangan untuk dokumen digital. Algoritma tanda tangan digital yang sering digunakan adalah Diffie-Hellman Digital Signature Algorithm dan lebih dikenal sebagai Digital Signature Algorithm (DSA) lalu dikembangkan menjadi Elliptic Curve Digital SignatureA lgorithm (ECDSA). Tugas akhir ini mengimplementasikan ECDSA untuk membuat suatu tanda tangan digital. Waktu eksekusi yang dibutuhkan oleh ECDSA dan DSA untuk membuat dan memverifikasi hampir sama, akan tetapi waktu yang dibutuhkan brute force attack untuk menemukan nilai dari private key dari ECDSA 15,5 kali lebih lama dibanding waktu yang dibutuhkan brute force attack untuk menemukan nilai dari private key dari DSA. Sehingga ECDSA memiliki keamanan yang lebih baik daripada DSA tanpa mengorbankan lama waktu eksekusi.]]>
<![CDATA[Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya ]]>
<![CDATA[Sulastri Sulastri]]>;
<![CDATA[Darmaji Darmaji]]>;
<![CDATA[M. Isa Irawan]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (660.069 KB)
|
DOI: 10.12962/j23373520.v3i2.7921
<![CDATA[Jalan Insinyur Soekarno menempati urutan pertama sebagai jalan rawan kecelakaan di Kota Surabaya. Salah satu cara untuk mengurangi tingkat kecelakaan yang terjadi adalah dengan mengklasifikasikan jalur lalu lintas sehingga dapat memperlancar arus lalu lintas dan tidak terjadi kemacetan. Pada Tugas Akhir ini dilakukan pengklasifikasian jalur lalu lintas dengan menggunakan metode pewarnaan graf fuzzy. Terdapat 12 simpul yang menggambarkan arus lalu lintas dan 28 sisi mengintepretasikan jalur lalu lintas yang memiliki potensi terjadinya kecelakaan. Hasil yang diperoleh Tugas Akhir ini adalah 4 bilangan kromatik yang mengakibatkan terbentuknya 4 fase lampu lalu lintas dan waktu lampu hijau maksimal yakni 42 detik saat pagi, 40 detik saat siang, dan 43 detik saat sore.]]>
<![CDATA[Implementasi Business Intelligence Pada Manajemen Report Bank XYZ ]]>
<![CDATA[Zaky Nur Husni]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (615.171 KB)
|
DOI: 10.12962/j23373520.v3i2.7923
<![CDATA[Seiring dengan perkembangan teknologi informasi membuat persaingan bisnis semakin ketat. Bank XYZ adalah salah satu bank di Indonesia yang memiliki lebih dari 1500 cabang dan menghasilkan data yang berukuran sangat besar tiap bulannya. Dari data tersebut bank XYZ ingin mendapatkan laporan dan informasi untuk pengambilan langkah atau keputusan selanjutnya. Banyaknya data yang ada membuat proses pengambilan informasi berjalan lamban jika dilakukan dengan query standard pada data base. Business intelligence merupakan serangkaian proses untuk mendapatkan informasi dengan mudah dari data yang berukuran besar. Business intelligence tak lepas dari penggunaan data warehouse dan analisis data. Pada penelitian ini dilakukan pembuatan prototype data untuk pembuatan report business growth Bank XYZ berdasarkan struktur dan literatur dari Bank XYZ. Data hasil prototype selanjutnya akan dilakukan pembuatan modul report business growth dengan menggunakan SAS® Enterprise Guide. Metode yang akan digunakan dalam penelitian ini adalah metode analisis multidimensi pada OLAP(Online Analitycal Processing) serta operasi-operasi yang ada di dalamnya. Aplikasi yang akan digunakan dalam penelitian ini adalah SAS® Enterprise Guide, salah satu produk unggulan dari PT. SAS Institute. Dengan menggunakan metode analisis multidimensi dan SAS® Enterprise Guide diharapkan akan mampu mempermudah dalam hal management report bank XYZ serta pengambilan informasi yang ada. Hasil dari penelitian ini adalah report business growth funding dan lending pada Bank XYZ.]]>
<![CDATA[Menentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma ]]>
<![CDATA[Muh Nurcahyo Utomo]]>;
<![CDATA[Farida Agustini Widjajati]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (533.754 KB)
|
DOI: 10.12962/j23373520.v3i2.7972
<![CDATA[Dalam dunia perindustrian, produk yang dihasilkan oleh suatu perusahaan akan sangat diperhatikan. Kualitas dari suatu produk akan sangat ditentukan oleh tingkat keandalan komponen mesin produksinya. Salah satu aplikasi dari distribusi Gamma adalah tentang keandalan komponen. Dalam menentukan fungsi keandalan pada Model Stress Strength digunakan kurva interferensi dari Stress-Strength. Jika Stress-Strength berdistribusi Gamma, didapatkan fungsi keandalan yang berupa fungsi beta tak lengkap, . Dengan batas integrasi 0 sampai 0,5, saat parameter skala 1 dan batas integrasi 0 sampai saat parameter skala selain 1 dimana . Perhitungan dari studi kasus pada mesin pembuat pupuk di PT Petrokimia Gresik Cabang Nganjuk menggunakan fungsi keandalan dengan bantuan sofware Matlab, didapat hasil bahwa masing-masing mesin bekerja dalam kondisi prima, dan laju kerusakan tergolong konstan.]]>
<![CDATA[Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG ]]>
<![CDATA[Mey Lista Tauryawati]]>;
<![CDATA[M Isa Irawan]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (527.887 KB)
|
DOI: 10.12962/j23373520.v3i2.7985
<![CDATA[Proses peramalan sangat penting pada data time series karena diperlukan dalam proses pengambilan keputusan. Pada bidang finansial peramalan dapat digunakan untuk memantau pergerakan Indeks Harga Saham Gabungan (IHSG) yang akan datang. Perkembangan metode peramalan data time series yang cukup pesat mengakibatkan terdapat banyak pilihan metode yang dapat digunakan untuk meramalkan data sehingga perlu membandingkan metode yang satu dengan metode lainnya untuk mendapatkan hasil ramalan dengan akurasi yang tinggi. Pada tugas akhir ini dilakukan perbandingan peramalan untuk memperoleh metode yang terbaik diantara metode Fuzzy Time Series Cheng dan metode Box-Jenkins dalam memprediksi IHSG dengan akurasi yang tinggi berdasarkan MAE, MSE dan MAPE. Diantara kedua metode peramalan diperoleh metode yang terbaik adalah Fuzzy Time Series Cheng.]]>
<![CDATA[Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA ]]>
<![CDATA[Tomy Kurniawan]]>;
<![CDATA[Lukman Hanafi]]>;
<![CDATA[Erna Apriliani]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (535.217 KB)
|
DOI: 10.12962/j23373520.v3i2.7984
<![CDATA[Time Series merupakan salah satu metode analisis data. Salah satu metodenya adalah ARIMA Box-jenkins yang nantinya digunakan untuk meramalkan data selanjutnya. Penelitian ini didasarkan pada pengamatan dan sesuai hasil model peramalan analisis time series dari dua parameter meteorologi yaitu suhu udara dan kecepatan angin. Estimasi koefisien pada persamaan model akan dilakukan dengan menggunakan algoritma Filter Kalman. Setelah adanya penggunaan algorutma Filter Kalman akan dilakukan suatu pendekatan yang didasarkan pada koreksi linear dari bias prakiraan dalam penggunaan Filter Kalman. Selanjutnya akan lebih difokuskan pada studi parameter meteorologi satu waktu dimana diberikan sebagai direct output dari model pada waktu yang mengacu pada salah satu parameter (suhu udara atau kecepatan angin) serta sebagai bias dari prakiraan. Estimasi ini memungkinkan dalam bentuk linier pada polinomial dengan . Simulasi ini menggunakan software minitab16, matlab R2010a, dan microsoft excel. Hasil simulasi berupa grafik hasil estimasi state dalam real, ARIMA dengan minitab, dan Filter Kalman.]]>
<![CDATA[Sistem Deteksi Kemiripan Antar Dokumen Teks Menggunakan Model Bayesian Pada Term Latent Semantic Analysis (LSA) ]]>
<![CDATA[Danang Wahyu Wicaksono]]>;
<![CDATA[Mohammad Isa Irawan]]>;
<![CDATA[Alvida Mustika Rukmi]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (608.544 KB)
|
DOI: 10.12962/j23373520.v3i2.7998
<![CDATA[Metode Latent Semantic Analysis(LSA) adalah suatu metode yang mampu merepresentasikan hubungan antar dokumen teks melalui term serta dapat menilai kemiripan antar dokumen teks tersebut. Namun, metode LSA hanya menilai kemiripan antar dokumen teks melalui frekuensi term yang ada pada masing-masing dokumen teks sehingga mempunyai kelemahan yaitu tidak memperhatikan urutan atau tata letak term tersebut yang secara tidak langsung berpengaruh pada makna yang terkandung pada masing-masing dokumen. Oleh karena itu, digunakan model Bayesian pada term yang dihasilkan oleh LSA tersebut untuk menjaga dan memperhatikan urutan termdalam mendeteksi kemiripan antar dokumen teks sehingga struktur kalimat tetap terjaga dan mendapat hasil penilaian kemiripan antar dokumen teks yang lebih baik.Jika terdapat dua dokumen yang saling salin (copy) namun struktur kalimatnya diubah dan dibandingkan pada LSA dengan menggunakan cosine similarity maka akan didapat hasil yang sama seperti kedua dokumen ini dibandingkan tanpa perubahan struktur kalimat, sedangkan jika dibandingkan dengan menggunakan model Bayesian pada term, dokumen-dokumen yang mempunyai perbedaan struktur kalimat akan diperlakukan berbeda.]]>
<![CDATA[Klasifikasi ABC denganMulti-kriteria Menggunakan Ng-Model untuk Pengendalian Persediaan ]]>
<![CDATA[Ari Serawati]]>;
<![CDATA[Suhud Wahyudi]]>;
<![CDATA[Sentot Didik Surjanto]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (838.045 KB)
|
DOI: 10.12962/j23373520.v3i2.8000
<![CDATA[Dalam penyimpanan persediaan barang, seringkali dibutuhkan cara yang lebih efisien untuk mengatur dan mengendalikan persediaan dalam jumlah yang besar. Kendala utama yang seringkali muncul adalah mengenai perbedaan tingkatan barang tersebut dan keanekaragaman kriteria barang. Metode Klasifikasi ABC hanya menggunakan satu kriteria saja, sehingga kurang sesuai untuk digunakan pada pengklasifikasian barang yang memiliki multi-kriteria. Dalam Tugas Akhir ini, digunakan Ng-Model untuk mengetahui bobot dari masing-masing kriteria sehingga dapat diketahui score yang berguna dalam pengklasifikasian ABC. Data yang digunakan dalam penelitian ini adalah data obat generik dan askes paten yang berbentuk tablet dari Apotek Mitro Rahardjo periode Mei 2013 hingga April 2014. Hasil dari penelitian ini didapatkan kelas A sejumlah 13 item dengan persentase keuangan 79,10% dan persediaan 11%, kelas B sejumlah 22 item dengan persentase keuangan 16,72% dan persediaan 18%, dan kelas C sejumlah 85 item dengan persentase keuangan 4,17% dan persediaan 71%.]]>
<![CDATA[Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan ModelEconomic Order Quantity (Studi kasus: PT. Petrokimia Gresik) ]]>
<![CDATA[Andiana Dewi Nuritasari]]>;
<![CDATA[Nuri Wahyuningsih]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 3, No 2 (2014) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (422.357 KB)
|
DOI: 10.12962/j23373520.v3i2.8019
<![CDATA[PT. Petrokimia Gresik adalah perusahaan yang memproduksi pupuk dengan berbagai macam bahan baku. Selama ini pemesanan bahan baku dilakukan tanpa terlebih dahulu menganalisa sistem persediaan, tetapi berdasarkan data persediaan di gudang dan kebijakan yang telah ditetapkan oleh perusahaan. Kebijakan tersebut belum ditinjau ulang untuk menyesuaikan dengan kondisi terkini dari perusahaan, sehingga teknik perancangan persediaan perlu diimplementasikan oleh perusahaan. Tahap awal untuk merancang sistem persediaan, adalah menentukan metode peramalan yang tepat untuk memperkirakan kebutuhan bahan baku, kemudian dari peramalan tersebut dilanjutkan dengan perhitungan untuk menentukan Economic Order Quantity (EOQ), reorder point(ROP), dan biaya total persediaan. Dari hasil perhitungan dapat diketahui kapan dan berapa jumlah pesanan yang harus dilakukan, serta jumlah biaya total persediaan yang minimum. Hasil dari analisa pada perencanaan persediaan dapat menurunkan biaya total persediaan sebesar 26%.]]>
