cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Sains dan Seni ITS
ISSN : -     EISSN : -     DOI : -
Core Subject : Humanities, Art,
Arjuna Subject : -
Articles 2,279 Documents
Analisis Reliabilitas Dan Availabilitas Pada Mesin Produksi Dengan Sistem Seri Menggunakan Pendekatan Analisis Markov Di Pt. “X” Luh Ade Arista Dwi Astarini; Haryono Haryono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2708.687 KB) | DOI: 10.12962/j23373520.v4i1.8811

Abstract

Performance mesin merupakan salah satu penentu besarnya kapasitas suatu sistem produksi. Sebuah riset menyatakan kebutuhan terhadap bahan bangunan akan mengalami peningkatan hingga tahun 2016 dikarenakan tingginya pembangunan di Indonesia. Peningkatan kebutuhan bahan bangunan membentuk persaingan antar produsen bahan bangunan. PT. “X” mendirikan pabrik baru untuk meningkatkan kapasitas produksi yakni Pabrik 4 (P4). P4 telah dilengkapi dengan peralatan terbaru dan tercanggih. Namun dengan komposisi mesin baru dan canggih, P4 masih memiliki kapasitas produksi yang rendah. Hal ini disebabkan oleh availabilitas dan reliabilitas mesin yang masih rendah. Selain itu, total biaya maintenance yang dikeluarkan untuk P4 paling tinggi dibandingkan plant lainnya. Sebagai bentuk evaluasi dan peningkatan performance mesin, dapat dilakukan penelitian menggunakan pendekatan persamaan diferensial yang diperoleh melalui diagram transisi Markov sebab kondisi subsistem saling dependen. Hasil penelitian menunjukkan interval perawatan setiap 55 jam (3 hari) sekali sebagai waktu optimal yang dapat meminimumkan biaya perawatan sistem. Selain itu agar performance sistem meningkat, subsistem Rollermill dan Rawmill 4 harus diberi prioritas utama dalam hal maintenance. Sebab perubahan laju kerusakan kedua subsistem memberikan perubahan yang signifikan terhadap availabilitas dan reliabilitas sistem.
Pengelompokan Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Metode Kohonen SOM dan K-Means Marina Marsudi Putri; Kartika Fithriasari
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2155.816 KB) | DOI: 10.12962/j23373520.v4i1.8815

Abstract

— Kondisi kesehatan masyarakat di Jawa Timur yang tidak homogen akan menyulitkan bagi Tim Pembina Kota Sehat pada saat melakukan pembinaan dan monitoring. Berdasarkan hal tersebut diperlukan pengelompokan kabupaten dan kota di Jawa Timur yang didasarkan pada kemiripan karakteristik kondisi kesehatan masyarakat, sehingga proses pembinaan dan monitoring akan dilakukan berdasarkan kelompok kabupaten dan kota yang terbentuk. Pengelompokan kabupaten/kota di Jawa Timur akan dilakukan menggunakan metode Kohonen SOM kemudian akan dibandingkan dengan hasil pengelom-pokan metode klasik K-Means, yang merupakan metode penge-lompokan yang populer dan sering digunakan, berdasarkan kriteria nilai icdrate (internal cluster dispersion rate). Pada peng-ujian Bartlett diperoleh kesimpulan bahwa terdapat hubungan atau korelasi di antara variabel penelitian. Setelah dilakukan analisis faktor untuk mereduksi variabel diperoleh 3 faktor baru yang terbentuk. Berdasarkan nilai Pseudo Fstatistics yaitu sebe-sar 13,819, hasil pengelompokan terbaik adalah menggunakan metode Kohonen SOM dengan jenis topologi hextop. Sedangkan pada metode K-Means nilai Pseudo Fstatistics terbesar yaitu 9,781 ketika digunakan kelompok sebanyak 2 klaster. Perban-dingan hasil klaster terbaik berdasarkan nilai icdrate diperoleh kesimpulan bahwa nilai icdrate metode Kohonen SOM yaitu sebesar 0,962 lebih kecil dibandingkan dengan nilai icdrate hasil pengelompokan metode K-Means yaitu sebesar 0,988. Pada hasil pengujian One-way MANOVA diperoleh kesimpulan bahwa pada masing-masing kelompok yang terbentuk memiliki per-bedaan.
Optimasi Taguchi Multirespon melalui Pendekatan Fungsi Desirability dengan Regresi Fuzzy pada Kasus Kuat Tekan dan Daya Serap Air Produk Batako Tri Murniati; Sony Sunaryo; Lucia Aridinanti
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3161.945 KB) | DOI: 10.12962/j23373520.v4i1.8818

Abstract

PT. X  yang berlokasi di Gresik adalah perusahaan yang memproduksi batako. Selama ini kualitas batako yang dihasilkan PT.X masih dibawah standar nasional. Berdasarkan SNI 03-0348-1989 tentang mutu batako, karakteristik kualitas batako terdiri dari kuat tekan dan daya serap air dengan standar minimal untuk kuat tekan batako adalah 45 kg/cm2 dan daya serap air maksimal sebesar 35%. Untuk meningkatkan mutu batako, PT.X menggunakan bahan FAS (X1), bottom ash (X2) dan agregat halus (X3) dengan rincian level FAS (0,4;0,5;0,6), Bottom ash (4 bagian; 5 bagian; 6 bagian) dan agregat halus (3 bagian; 2 bagian; 1 bagian). Penelitian sebelumnya dilakukan Damaris [2] dengan pendekatan Taguchi Total Loss Function dengan hasil kombinasi level optimal FAS 0,4, bottom ash 5 bagian serta agregat halus 2 bagian. Level optimum penelitian Damaris [2] menghasilkan nilai desirability untuk model a sebesar 0,90; model b sebesar 0,87 dan model c sebesar 0,85. Dengan menerapkan level tersebut diperoleh biaya produksi batako per unit 1650 rupiah. Penelitian menggunakan pendekatan  fungsi desirability  dan regresi fuzzy menghasilkan nilai desirability 0,91 untuk model a; 0,95 untuk model b dan 0,76 untuk model c. Dengan menggunakan model c diperoleh biaya produksi 1596 rupiah per unit sehingga lebih hemat 54 rupiah per unit batako.
Perbandingan Reduced Support Vector Machine dan Smooth Support Vector Machine untuk Klasifikasi Large Data Epa Suryanto; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2963.994 KB) | DOI: 10.12962/j23373520.v4i1.8832

Abstract

Klasifikasi merupakan pengelompokan objek ke dalam dua atau lebih kelompok yang didasarkan pada variabel yang diamati. Support Vector Machine merupakan metode berbasis machine learning yang sangat menjanjikan untuk dikembangkan karena memiliki performansi tinggi dan dapat diaplikasikan secara luas untuk klasifikasi dan estimasi. SVM memanfaatkan optimasi dengan quadratic programming, sehingga untuk data berdimensi tinggi dan berjumlah besar, SVM menjadi kurang efisien. Untuk mengatasi hal tersebut, dikembangkan Smooth Support Vector Machine (SSVM). Pada jumlah data yang besar SSVM juga tidak efisien kemudian dikembangkan Reduced Support Vector Machine (RSVM) yang melakukan klasifikasi dengan menggunakan sebagian karakteristik dari data yang dipilih secara random. Hasil penelitian ini menunjukkan pada jumlah data yang relatif kecil (kurang dari 1000) metode SSVM dan RSVM memberikan performansi yang sama, tetapi pada data yang relatif besar (lebih dari 1000) RSVM memberikan performansi yang lebih baik daripada SSVM.
Deteksi Outlier Pada Model ARIMA Musiman Ganda Untuk Peramalan Beban Listrik Jangka Pendek di Jawa Timur Indah Kurnia Putri; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4431.664 KB) | DOI: 10.12962/j23373520.v4i1.8837

Abstract

Perencanaan yang baik akan memberikan kontri-busi besar terhadap pengembangan sistem distribusi karena merupakan ujung tombak dari pelayanan energi listrik yang langsung berhubungan dengan konsumen. Namun karena banyaknya data dalam peramalan beban listrik jangka pendek, membuat peramalan yang dilakukan tidak memenuhi asumsi distribusi normal. Hal ini dikarenakan outlier yang banyak dalam data. Penelitian ini fokus untuk mendeteksi outlier yang terjadi supaya asumsi distribusi normal terpenuhi. Apalagi belum ada software yang mampu mendeteksi outlier pada musiman ganda karena banyaknya outlier. Metode yang digunakan prosedur iteratif dengan pembagian data sebagai pengembangannya. Sebagai pengembangan metode maka diperlukan pemvalidasian metode yang dilakukan dari simulasi AR (1) dengan outlier. Hasil yang didapatkan yaitu metode pendeteksian outlier dari simulasi mampu mengatasi outllier lalu diterapkan terhadap data beban listrik jangka pendek sehingga menghasilkan model ARIMA yang memenuhi asumsi distribusi normal. Pada data I diperoleh outlier pada periode ke 1698 dan ke 1790 dengan efek 20 data setelahnya, jadi ada 22 outlier. Adanya outlier pada data I ini bertepatan dengan pemilu Legislatif tanggal 9 April 2014. Kemudian untuk data II diperoleh outlier sebanyak 177 dimana pada data II bertepatan dengan pemilu presiden tanggal 9 Juli 2014 dan hari Raya Idul Fitri tanggal 28 Juli 2014.
Pemetaan Dan Pemodelan Jumlah Kasus Penyakit Tuberculosis (Tbc) Di Provinsi Jawa Barat Dengan Pendekatan Geographically Weighted Negative Binomial Regression (Gwnbr) Wahendra Pratama; Sri Pingit Wulandari
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (5080.612 KB) | DOI: 10.12962/j23373520.v4i1.8844

Abstract

Tuberkulosis merupakan salah satu penyakit saluran pernafasan bawah dan menular yang disebabkan oleh bakteri Mycrobacterium Tuberculosis. Provinsi Jawa Barat menduduki peringkat pertama jumlah kasus penyakit Tuberculosis di Indonesia. Dalam penelitian ini dilakukan pemetaan dan pemodelan jumlah kasus Tuberculosis di Provinsi Jawa Barat dengan pendekatan Geographically Weighted Negative Binomial Regression (GWNBR). Data jumlah kasus TBC merupakan data count sehingga analisis yang digunakan untuk memodelkan data count adalah dengan regresi Poisson. Dalam analisis regresi Poisson sering kali muncul fenomena overdispersi dalam pemodelan tersebut. Jika terjadi overdispersi, regresi Poisson tidak sesuai untuk memodelkan data dan model yang akan terbentuk menghasilkan estimasi parameter yang bias. Salah satu metode yang digunakan dalam mengatasi overdispersi dalam regresi Poisson adalah regresi Binomial Negatif. Dengan memperhatikan aspek spasial (wilayah) maka digunakan metode Geographically Weighted Negative Binomial Regression. Hasil penelitian menghasilkan 5 pengelompokkan kabupaten/kota berdasarkan variabel yang mempengaruhi. Faktor yang mempengaruhi jumlah kasus TBC di semua kabupaten/kota di Provinsi Jawa Barat adalah persentase rumah tangga yang berperilaku hidup bersih dan sehat (PHBS).
Pendekatan Percentile Error Bootstrap pada Model Double Seasonal Holt-Winters, Double Seasonal ARIMA, dan Naïve untuk Peramalan Beban Listrik Jangka Pendek Area Jawa Timur-Bali Hidayatul Khusna; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3562.938 KB) | DOI: 10.12962/j23373520.v4i1.8862

Abstract

Interval prediksi pada model double seasonal Holt-Winters (DSHW) tidak dapat dikonstruksi dengan cara analitis. Jika digunakan untuk meramal jauh ke depan, model double seasonal ARIMA memiliki varians error yang semakin besar sehingga interval prediksi menjadi semakin lebar. Sementara model Naïve untuk data musiman memiliki varians error yang semakin besar setiap kelipatan periode musiman. Penelitian ini bertujuan untuk meramalkan beban listrik area Jawa Timur-Bali menggunakan pendekatan percentile error bootstrap (PEB) pada model DSHW, DSARIMA, dan Naïve. Data yang digunakan adalah beban listrik per setengah jam dalam satuan Mega Watt (MW) dari periode 1 Januari 2013 hingga 30 September 2014. Hasil penelitian menunjukkan bahwa model DSARIMA merupakan model terbaik berdasarkan kriteria out-sample sMAPE, kriteria in-sample AIC-SBC, serta kriteria out-sample rata-rata lebar interval prediksi. Dengan demikian, dapat disimpulkan bahwa model terbaik untuk peramalan beban listrik jangka pendek area Jawa Timur-Bali adalah model DSARIMA dengan interval prediksi yang dikonstruksi menggunakan pendekatan percentile error bootstrap.
Analisis Hubungan Curah Hujan dan Indikator El-Nino Southern Oscillation di Sentra Produksi Padi Jawa Timur dengan Pendekatan Copula Kartika Nur Anisa; Sutikno Sutikno
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3924.273 KB) | DOI: 10.12962/j23373520.v4i1.8866

Abstract

Analisis korelasi digunakan untuk mengidentifikasi pola hubungan antar variabel dengan asumsi data normal. Asumsi normal sering terlanggar jika terdapat amatan ekstrim dan salah satunya sering dijumpai pada data iklim, seperti curah hujan. Informasi curah hujan digunakan pada sektor pertanian sebagai informasi penentuan awal tanam dan selanjutnya sebagai peringatan dini kegagalan panen khususnya di wilayah irigasi non teknis (tadah hujan). Keragaman curah hujan di Indonesia seringkali dipengaruhi fenomena di Lautan Pasifik, yaitu El-Nino Southern Oscillation (ENSO). Oleh karena itu dilakukan identifikasi hubungan antara curah hujan dan indikator ENSO di sentra produksi padi di Jawa Timur, yaitu: Banyuwangi, Jember, Bojonegoro, Lamongan, dan Ngawi. Metode yang digunakan adalah dengan pendekatan Copula, karena pola hubungan curah hujan dan ENSO di lima kabupaten tidak mengikuti distribusi normal. Selain itu, analisis korelasi klasik tidak dapat mengidentifikasi pola hubungan keduanya. Hasil penelitian menunjukkan struktur dependensi antara curah hujan dan Anomali SST Nino 3 di lima kabupaten sebagian besar mengikuti Copula Frank. Sementara itu, struktur dependensi antara curah hujan dan Anomali SST Nino 4 serta SST Nino 3.4 mengikuti Copula Clayton, sedangkan dengan Anomali SST Nino 1+2 tidak mengikuti Copula apapun. Kesimpulan lain diperoleh bahwa kejadian ENSO pada bulan tertentu berpengaruh terhadap curah hujan di lima kabupaten Jawa Timur setelah satu bulan berikutnya.
Analisis Faktor-Faktor yang Mempengaruhi Jumlah Kasus Kusta di Jawa Timur pada Tahun 2013 Menggunakan Geographically Weighted Negative Binomial Regression (GWNBR) Lucky Chyntia Juniardi; Mutiah Salamah
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4955.578 KB) | DOI: 10.12962/j23373520.v4i1.8867

Abstract

Penyakit kusta merupakan penyakit kronis disebabkan oleh Micobacterium Leprae yang terutama menyerang kulit dan saraf tepi (fungsi sensoris, motoris dan otonom). Keterlambatan untuk mendapatkan pengobatan akan menyebabkan kecacatan yang permanen pada mata, tangan dan kaki. Perlu dilakukan analisis untuk mengetahui faktor apa saja yang berpengaruh terhadap jumlah kusta sehingga jumlah penderita kusta bisa diminimalisir. Salah satu metode yang dapat digunakan untuk pemodelan jumlah kasus kusta adalah regresi Binomial Negatif. Regresi Binomial Negatif merupakan salah satu model regresi terapan dari Generalized Linear Model (GLM) karena distribusi Binomial Negatif termasuk anggota dari distribusi keluarga eksponensial. Regresi Binomial Negatif merupakan salah satu metode untuk mengatasi kasus overdispersi. Oleh karena itu dalam penelitian ini dilakukan analisis menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR) yang mampu mengatasi kondisi overdispersion dengan ditambahkan aspek spasial didalamnya. Hasil penelitian menunjukan bahwa faktor-faktor yang berpengaruh terhadap jumlah kasus kusta di Jawa Timur adalah persentase rumah tangga yang memiliki rumah sehat, tingkat kepadatan penduduk dan persentase rumah tangga yang berlokasi di daerah kumuh.
Klasifikasi Hasil Pap Smear Test Sebagai Upaya Pencegahan Sekunder Penyakit Kanker Serviks di Rumah Sakit “X” Surabaya Menggunakan Piecewise Polynomial Smooth Support Vector Machine (PPSSVM) Mukti Ratna Dewi; Santi Wulan Purnami
Jurnal Sains dan Seni ITS Vol 4, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2916.135 KB) | DOI: 10.12962/j23373520.v4i1.8869

Abstract

Kanker serviks merupakan kanker yang menyerang leher rahim dan ditandai dengan pertumbuhan abnormal pada sel leher rahim. Berdasarkan data Riset Kesehatan Dasar tahun 2013, kanker serviks merupakan salah satu kanker yang paling sering menyerang perempuan di Indonesia. Oleh karena itu pencegahan sekunder melalui deteksi dini penting dilakukan. Penelitian ini mengangkat permasalahan klasifikasi hasil pap smear test di Rumah Sakit “X” Surabaya tahun 2010 yang didasarkan pada ketujuh faktor risiko, yaitu usia, usia pertama kali menstruasi, usia pertama kali melahirkan, siklus menstruasi, penggunaan alat kontrasepsi, paritas, dan riwayat keguguran menggunakan metode SSVM dengan piecewise polynomial function 1 (PPSSVM1) dan piecewise polynomial function 2 (PPSSVM2). Hasil penelitian menunjukkan bahwa dari 3586 pasien yang melakukan pap smear test, 1172 di antaranya menunjukkan hasil abnormal. Pada hasil klasifikasi pap smear test, metode PPSSVM1 memiliki rata-rata tingkat sensitivitas tertinggi, yaitu 91,22% pada data training dan 94,66% pada data testing. Sementara metode PPSSVM2 memiliki rata-rata nilai akurasi dan spesifisitas tertinggi, yaitu 89,22% dan 88,53% pada data training serta 92,84% dan 91,12% untuk data testing. Berdasarkan kurva ROC dan nilai AUC, kedua metode PPSSVM sama-sama baik dalam kasus pengklasifikan hasil pap smear test di Rumah Sakit “X” Surabaya. Model PPSSVM1 lebih baik digunakan bila tingkat sensitivitas lebih diutamakan. Sementara bila tingkat spesifisitas lebih diutamakan maka model PPSSVM2 lebih baik untuk digunakan.

Page 28 of 228 | Total Record : 2279