Articles
279 Documents
Search results for
, issue
"Vol 5, No 2 (2016)"
:
279 Documents
clear
<![CDATA[Pemodelan Data Curah Hujan Di Kabupaten Banyuwangi dengan Metode ARIMA dan Radial Basis Function Neural Network ]]>
<![CDATA[Novelina Purba]]>;
<![CDATA[Brodjol Sutijo Suprih Ulama]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (888.23 KB)
|
DOI: 10.12962/j23373520.v5i2.16678
<![CDATA[Curah hujan merupakan salah satu komponen lingkungan pemegang peranan penting dalam budidaya tanaman. Bagi Kabupaten Banyuwangi jumlah curah hujan sangat penting dalam menentukan ke-berhasilannya sebagai salah satu lumbung padi Jawa Timur. Perencanaan waktu tanam tidak lepas dari kondisi curah hujan. Penelitian ini menggunakan metode ARIMA dan RBFNN untuk memodelkan curah hujan di Kabupaten Banyuwangi dengan pendekatan linier dan non linier. Model ARIMA merupakan pendekatan linier pada data curah hujan, sedangkan model RBFNN merupakan pendekatan non linier pada data. Penelitian ini membandingkan kedua model tersebut berdasarkan nilai Mean Square Error (MSE) .Data yang digunakan dalam penelitian ini berasal dari Stasiun Meteorologi Banyuwangi. Model ARIMA menghasilkan nilai MSE sebesar 344,658 dan model RBFNN menghasilkan nilai MSE sebesar 300,185. Berdasarkan perbandingan MSE dari kedua model disimpulkan bahwa model RBFNN lebih baik dari pada ARIMA dalam meramalkan curah hujan di Kabupaten Banyuwangi.]]>
<![CDATA[Klasifikasi Email Spam dengan Menggunakan Metode Support Vector Machine dan k-Nearest Neighbor ]]>
<![CDATA[Shiela Novelia Dharma Pratiwi]]>;
<![CDATA[Brodjol Sutijo Suprih Ulama]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (581.32 KB)
|
DOI: 10.12962/j23373520.v5i2.16685
<![CDATA[Akibat dari penggunaan email yang sangat intens dapat menyebabkan dampak positif dan negatif. Hal ini dikarenakan tidak semua orang dapat menggunakan email dengan baik dan diketahui banyak sekali penyalahgunaan email yang berpotensi dapat merugikan perusahaan ataupun individual. Email yang disalahgunakan ini biasa dikenal sebagai spam atau junkmail (email sampah), isi dari email tersebut bisa berupa iklan penjualan produk, penipuan berkedok menang undian atau bahkan virus dan malware. Banyaknya penyalahgunaan email ini menimbulkan kerugian yang cukup besar antara lain dapat meningkatkan data traffic dan menyebabkan kerugian ekonomis yang cukup signifikan, terutama bagi perusahaan. Hal-hal tersebut mendasari dilakukannya penelitian tentang klasifikasi email yang kemudian akan diklasifikasikan berdasar dua kategori utama yaitu email spam dan ham. Pengklasifikasian email pada penelitian ini diselesaikan dengan menggunakan metode SVM dan KNN. Metode SVM atau Support Vector Machine merupakan salah satu metode terbaik yang dapat digunakan dalam masalah klasifikasi pola, sedangkan metode KNN atau k-Nearest Neighbor metode pengklasifikasian yang berdasar pada pengukuran jarak tertangga terdekat yang memiliki performansi yang baik ketika data training yang diberikan sedikit. Beberapa referensi menyebutkan bahwa metode KNN dan SVM akan memberikan hasil ketepatan klasifikasi yang lebih baik bila dikombinasikan dengan teknik partisi data k-fold cross validation (k-fold cv), yang mana pada penelitian ini k yang digunakan adalah 10. Sehingga dari kombinasi antara metode klasifikasi dan teknik partisi diatas didapatkan kesimpulan bahwa kombinasi metode KNN pada k = 3,5,7,9,11 dengan 10-fold cv menghasilkan ketepatan klasifikasi terbaik pada saat k=3 dengan hasil ketepatan klasifikasi sebesar 92.28% dengan error 7.72 % sedangkan kombinasi metode SVM menggunakan kernel linier dan RBF dengan 10-fold cv menghasilkan ketepatan klasifikasi terbaik dengan menggunakan SVM linier dengan ketepatan klasifikasi yang diberikan sebesar 96.6% dengan error 3.4% sehingga disimpulkan metode SVM lebih baik dibanding metode KNN.]]>
<![CDATA[Pemodelan dan Pemetaan Kasus Jumlah Penduduk Miskin di Provinsi Jambi pada Tahun 2014 dengan Menggunakan Geographically Weighted Negative Binomial Regression (GWNBR) ]]>
<![CDATA[Irdo Jasmadi]]>;
<![CDATA[Dwiatmono Agus Widodo]]>;
<![CDATA[Pratnya Paramitha Oktaviana]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (658.937 KB)
|
DOI: 10.12962/j23373520.v5i2.16704
<![CDATA[Kemiskinan merupakan suatu keadaan yang sering dihubungkan dengan kebutuhan, kesulitan dan kekurangan di berbagai keadaan hidup. Jumlah penduduk miskin di Provinsi Jambi masih dikategorikan tinggi. Penelitian ini ingin mendapatkan model berdasarkan Kabupaten/Kota di Provinsi Jambi menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Hasil pemodelan dengan metode GWNBR menunjukkan bahwa faktor-faktor yang mempengaruhi jumlah penduduk miskin yang terjadi secara global di seluruh Kabupaten/Kota di Provinsi Jambi meliputi Produk Domestik Regional Bruto Atas Dasar Harga Berlaku per kapita, Kepadatan penduduk, Persentase rumah tangga yang menempati rumah dengan status tidak milik sendiri, dan Jumlah fasilitas kesehatan.]]>
<![CDATA[Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression ]]>
<![CDATA[Reno Warni Diva Rahmitri]]>;
<![CDATA[Wiwiek Setya Winahju]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (882.969 KB)
|
DOI: 10.12962/j23373520.v5i2.16730
<![CDATA[Pneumonia merupakan salah satu penyakit yang paling banyak menyebabkan kematian pada balita dan termasuk dalam penyakit menular. Penyakit menular tertinggi di Kota Padang pada tahun 2014 adalah kasus ISPA dengan 20,5% atau sekitar 1.850 kasus merupakan kasus pneumonia. Dalam penelitian ini dilakukan pemodelan jumlah kasus pneumonia dengan metode geographically weighted negative binomial regression (GWNBR). Hasil pemodelan dengan menggunakan GWNBR diperoleh tidak terdapat perbedaan variabel yang signifikan tiap kecamatan di Kota Padang. Seluruh variabel memiliki pengaruh yang signifikan terhadap pemben-tukan model untuk masing-masing wilayah kecamatan di Kota Padang, variabel tersebut yaitu kepadatan penduduk, per-sentase rumah tangga berperilaku hidup bersih dan sehat, persentase ASI ekslusif, persentase balita gizi buruk dan kualitas udara.]]>
<![CDATA[Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression ]]>
<![CDATA[Ratih Maharani]]>;
<![CDATA[Wiwiek Setya Winahju]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (868.534 KB)
|
DOI: 10.12962/j23373520.v5i2.16731
<![CDATA[Angka Buta Huruf (ABH) merupakan salah satu target dalam Millennium Development Goals (MDGs) yaitu menurunkan angka buta huruf menjadi 0%. Faktor yang mempengaruhi ABH berbeda dari suatu wilayah ke wilayah lain sehingga dalam penelitian ini digunakan metode Geographically Weighted Regression (GWR) untuk mendapatkan faktor yang berpengaruh tiap kabupaten/kota di Provinsi Sumatera Barat. Berdasarkan hasil pengujian aspek spasial, tidak terdapat dependensi spasial dan tidak terdapat heterogenitas spasial di setiap lokasi pengamatan. Pemilihan pembobot fungsi kernel yang terpilih dengan kriteria Cross Validation (CV) minimum adalah fungsi kernel Gaussian. Model GWR pada angka buta huruf lebih baik dibandingkan pemodelan dengan regresi linier. Hal ini dikarenakan nilai AIC pada model GWR lebih kecil yaitu sebesar 32,2707 dibandingkan model regresi linier yaitu sebesar 41,6471. Faktor angka partisipasi murni SD, angka partisipasi murni SMP, persentase fasilitas pendidikan SMP dan persentase tenaga pendidik SMP berpengaruh signifikan pada sebagian besar kabupaten/kota di Provinsi Sumatera Barat.]]>
<![CDATA[Analisis Kepuasan Peserta Sertifikasi K3 Terhadap Pelayanan LSP “PPT Migas” di Pusdiklat Migas dengan Integrasi IPA-Kano ]]>
<![CDATA[Binar Ulfadari]]>;
<![CDATA[Destri Susilaningrum]]>;
<![CDATA[Suntoro Suntoro]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (557.419 KB)
|
DOI: 10.12962/j23373520.v5i2.16767
<![CDATA[Tenaga kerja migas memiliki tingkat resiko kerja tinggi, sehingga wajib memiliki sertifikat kompetensi tenaga teknis khusus migas, salah satunya adalah bidang K3. Badan yang bertugas memberikan layanan sertifikasi di antaranya adalah LSP “PPT Migas” di Pusdiklat Migas. Sebagai pelayanan SDM di bidang migas, tentunya LSP “PPT Migas” di Pusdiklat Migas perlu menadapatkan perhatian lebih terutama berkaitan dengan kualitas pelayanannya. Sehingga pada penelitian ini akan dibahas mengenai kepuasan peserta sertifikasi K3 terhadap pelayanan LSP “PPT Migas” di Pusdiklat Migas, yang dianalisis menggunakan integrasi IPA-Kano. Pendekatan ini bertujuan untuk membantu pihak LSP “PPT Migas” di Pusdiklat Migas dalam mengevaluasi kepuasan peserta sertifikasi K3, yaitu dnegan mengidentifikasi atribut layanan apa yang perlu mendapat prioritas untuk diting-katkan. Selanjutnya dari model ini, dapat diidentifikasi rekomendasi perbaikan yang dapat dilakukan LSP “PPT Migas” di Pusdiklat Migas. Pada penelitian ini, data yang digunakan adalah data primer, yang diperoleh melalui survei kepu-asan terhadap peserta sertifikasi terhadap pelayanan LSP “PPT Migas” yang dilaksanakan pada 22-24 Maret dan 05-07 April 2016. Tingkat kepuasan peserta sertifikasi K3 secara menyeluruh terhadap kinerja LSP “PPT Migas” di Pusdiklat Migas sebesar 76,21%. Dari 24 atribut kualitas pelayanan yang diukur, atribut yang mendapatkan prioritas pertama untuk diperbaiki adalah kebersihan ruang ujian dan toilet.]]>
<![CDATA[Optimasi Parameter Proses Jar Test Menggunakan Metode Taguchi dengan Pendekatan PCR-TOPSIS (Studi Kasus: PDAM Surya Sembada Kota Surabaya) ]]>
<![CDATA[Sakura Ayu Oktaviasari]]>;
<![CDATA[Muhammad Mashuri]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (725.508 KB)
|
DOI: 10.12962/j23373520.v5i2.16873
<![CDATA[Koagulasi-flokulasi merupakan tahap awal dari proses penjernihan air yang dilakukan perusahaan. Pada dasarnya, serangkaian proses di dalam Instalasi Penjernihan Air Minum (IPAM) yang paling utama adalah untuk menurunkan kadar kekeruhan air baku. Penelitian ini dilakukan dengan melakukan sebuah eksperimen proses koagulasi-flokulasi dengan alat jar test menggunakan metode Taguchi dan PCR-TOPSIS untuk mengetahui parameter proses yang memiliki pengaruh terhadap perubahan kekeruhan dan pH air untuk kemudian menentukan setting optimum yang dapat mengoptimumkan kekeruhan dan pH air. Hasil analisis menunjukkan bahwa dosis koagulan, lama waktu pengadukan cepat dan pengadukan lambat berpengaruh signifikan terhadap perubahan kekeruhan dan pH air dengan kontribusi berturut-turut sebesar 62,00%, 10,39% dan 16,03%. Kondisi optimum diperoleh pada setting dosis koagulan sebanyak 110 ppm, pengadukan cepat selama 120 detik dan kecepatan pengadukan lambat sebesar 40 rpm.]]>
<![CDATA[Pemodelan Produksi Minyak dan Gas Bumi Pada Platform “MK” di PT “X” Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network ]]>
<![CDATA[Windia Cinde Prameswari]]>;
<![CDATA[Destri Susilaningrum]]>;
<![CDATA[Suhartono Suhartono]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (696.304 KB)
|
DOI: 10.12962/j23373520.v5i2.16893
<![CDATA[Minyak dan gas bumi dapat diambil secara langsung melalui sumur-sumur yang dibuat, namun sumur-sumur tersebut tidak akan menghasilkan jumlah minyak dan gas bumi yang konstan setiap hari. Ketika kandungan minyak dan gas mulai turun maka yang harus dilakukan adalah memberikan treatment terhadap sumur tersebut, sehingga minyak dan gas yang masih terkandung di dasar bumi bisa naik dengan jumlah yang lebih banyak. Tujuan dilakukannya penelitian ini adalah untuk membantu perusahaan dalam menganalisis jumlah produksi minyak dan gas bumi selama periode 14 hari selanjutnya, sehingga dapat diketahui apakah selama periode 14 hari selanjutnya diperlukan treatment terhadap sumur. Data yang digunakan adalah jumlah produksi minyak dan gas bumi pada platform “MK” pada tahun 2015. Pemodelan jumlah produksi minyak dan gas bumi dilakukan menggunakan tiga metode, yaitu ARIMA, neural network, dan Hibrida ARIMA-neural network. Hasil yang diperoleh berdasarkan analisis ketiga metode tersebut adalah pada jumlah produksi minyak bumi model terbaik diperoleh dari metode hibrida ARIMA-neural network, dengan hasil ramalan yang cenderung sama selama 14 hari yaitu 1961 barel. Sedangkan jumlah produksi gas bumi model terbaik diperoleh dari metode neural network, dengan ramalan produksi untuk 14 hari selanjutnya cenderung meningkat.]]>
<![CDATA[Analisis Kapabilitas Proses Produk Transformator Hermetically Sealed 100 kVA di PT. “X” ]]>
<![CDATA[Geniuzan Nimas Bianti]]>;
<![CDATA[Sri Mumpuni Retnaningsih]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (822.803 KB)
|
DOI: 10.12962/j23373520.v5i2.16896
<![CDATA[Pengendalian kualitas transformator hermetically sealed 100 kVA yang diproduksi oleh PT. X belum pernah dilakukan evaluasi terhadap produk cacat. Pengendalian kualitas yang dilakukan selama ini baru berdasarkan prinsip specify value, sedangkan secara statistik masih dilakukan secara deskriptif sederhana. Karakteristik kualitas transformator memiliki empat variabel penting yaitu rugi-rugi inti besi (WF), arus mengalir tanpa beban (I0), rugi-rugi tembaga (WCu) dan impedansi (Iz). Analisis yang dilakukan untuk meningkatkan kualitas secara statistik pada penelitian ini yaitu analisis kapabilitas proses dan mencari penyebab produk cacat. Analisis kapabilitas proses dilakukan setelah membuat peta kendali multivariat yaitu improved generalized variance individu dan T2 Hotelling terkendali. Hasil dari analisis diketahui bahwa penyebab utama produk cacat adalah variabel kualitas WF (rugi-rugi inti besi) dan I0 (arus mengalir tanpa beban). Proses sudah terkendali tanpa menggunakan tujuh pengamatan yang out of control dan diperoleh nilai Cp* sebesar 4.7137 yang menunjukkan bahwa proses produksi transformator hermetically sealed 100 kVA Bulan Desember 2015 sudah kapabel.]]>
<![CDATA[Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat ]]>
<![CDATA[Arinda Nur Lathifah]]>;
<![CDATA[Wahyu Wibowo]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (834.807 KB)
|
DOI: 10.12962/j23373520.v5i2.16907
<![CDATA[Tujuan dari penelitian ini adalah membuat model untuk kasus pengangguran terbuka di Jawa Timur. Pemodelan menggunakan dua respon yang berkorelasi, yaitu pengangguran pernah bekerja dan pengangguran belum pernah bekerja. Prediktor berasal dari Sembilan variabel, namun antar variabel independent terdapat korelasi, sehingga direduksi menjadi tiga faktor baru, antara lain faktor pendidikan dasar dan tinggi, faktor perekonomian jawa timur, dan faktor pendidikan SMP. Estimasi parameter regresi multivariat terhadap kedua respon dengan prediktor setelah dilakukan analisis faktor menunjukkan terdapat pelanggaran asumsi residual IIDN, sehingga diatasi dengan transformasi variabel dependen. Pemodelan dari analisis faktor menunjukkan masih terdapat faktor yang tidak signifikan, sehingga interpretasi model dilakukan dengan menggunakan pemilihan model terbaik. Hasil pemodelan menunjukkan respon pengangguran pernah bekerja dan pengangguran belum pernah bekerja dipengaruhi oleh pertambahan jumlah angkatan kerja di Provinsi Jawa Timur.]]>
