Articles
2,279 Documents
<![CDATA[Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) ]]>
<![CDATA[Riza Damayanti]]>;
<![CDATA[Mutiah Salamah Chamid]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (813.959 KB)
|
DOI: 10.12962/j23373520.v5i1.14170
<![CDATA[PDRB merupakan salah satu indikator perekonomi-an suatu wilayah. Perhitungan PDRB salah satunya mengguna-kan pendekatan nilai tambah atau produksi, yang berkaitan dengan penggunaan sumber daya alam. Faktor pencemaran lingkungan berpengaruh terhadap ketersediaan sumber daya alam, sehingga mempunyai pengaruh dalam menentukan tinggi rendahnya PDRB suatu provinsi. Berbagai penelitian PDRB dengan metode statistika sudah banyak dilakukan. Namun, penelitian tersebut belum ada yang memodelkan antara PDRB dengan faktor pencemaran lingkungan yang memperhatikan faktor spasial. Oleh karena itu, dalam penelitian ini dilakukan analisis spasial dengan Geographically Weighted Regression (GWR). Metode GWR digunakan untuk memodelkan PDRB di Indonesia serta mengetahui faktor dari segi lingkungan yang berpengaruh secara signifikan di tiap provinsi. Hasil pemodelan dengan GWR diperoleh model yang berbeda-beda untuk tiap provinsi. Model GWR menunjukkan hasil yang lebih baik dibandingkan model regresi global, terlihat dari nilai AIC maupun SSE yang lebih kecil, dan R2 yang lebih besar.]]>
<![CDATA[Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel ]]>
<![CDATA[Nur Fajriyah]]>;
<![CDATA[Santi Puteri Rahayu]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (616.553 KB)
|
DOI: 10.12962/j23373520.v5i1.14368
<![CDATA[Masalah klasik yang hingga kini masih menjadi persoalan utama di Jawa Timur adalah masalah kemiskinan. Pada tahun 2011, tingkat kemiskinan Jawa Timur melebihi tingkat kemiskinan nasional. Padahal di tahun yang sama, pertumbuhan ekonomi Jawa Timur menunjukkan angka yang lebih besar dibandingkan pertumbuhan ekonomi nasional. Tahun 2013 Jawa Timur menjadi provinsi dengan jumlah penduduk miskin terbanyak di Indonesia. Dengan mengetahui faktor – faktor yang mempengaruhi jumlah penduduk miskin, di-harapkan dapat menurunkan tingkat kemiskinan di Jawa Timur. Salah satu metode yang dapat digunakan adalah regresi data panel, dimana metode tersebut melibatkan data cross section dan time series.Untuk itu, dalam penelitian ini akan dilakukan analisa mengenai faktor-faktor yang berpengaruh terhadap ke-miskinan Kabupaten/Kota di Jawa Timur menggunakan regresi data panel. Data dalam penelitian ini merupakan data sekunder mengenai kemiskinan yang diperoleh dari Badan Pusat Statistik (BPS). Terdapat tiga variabel respon yang digunakan, yaitu persentase penduduk miskin, indek kedalaman kemiskinan, dan indeks keparahan kemiskinan. Sedangkan variabel prediktor yang digunakan adalah sebanyak 8 variabel. Hasil penelitian menunjukkan bahwa metode estimasi terbaik untuk ketiga variabel respon adalah FEM dengan efek cross section. Variabel prediktor yang sama-sama signifikan pada masing-masing model adalah angka melek huruf, tingkat partisipasi angkatan kerja, penduduk yang bekerja di sektor pertanian, serta PDBR per kapita. Sedangkan variabel prediktor yang sama-sama tidak signifikan pada masing-masing variabel respon adalah penduduk tanpa akses kesehatan.]]>
<![CDATA[Analisis Pengendalian Kualitas Produk Botol Kode 493 Menggunakan Peta Kendali Kernel di PT. Iglas (Persero) ]]>
<![CDATA[Widya Azizatin]]>;
<![CDATA[Sri Mumpuni Retnaningsih]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1051.078 KB)
|
DOI: 10.12962/j23373520.v5i1.14689
<![CDATA[PT. Iglas (Persero) merupakan Badan Usaha Milik Negara yang bergerak dalam bidang pembuatan botol gelas yang dalam pengendalian kualitasnya menggunakan peta kendali Shewhart , namun data karakteristik kualitas yang digunakan tidak memenuhi distribusi Normal, sehingga penggunaaan peta kendali Shewhart pada data karakteristik botol tersebut kurang sesuai. Pada penelitian ini akan dilakukan pengendalian kualitas secara nonparametrik, yaitu dengan peta kendali Kernel. Tujuan penelitian ini adalah untuk mengetahui pengendalian kualitas hasil proses produksi, indeks conformity proses, dan penyebab hasil proses tidak terkendali pada produksi botol di PT. Iglas (Persero). Karakteristik kualitas yang digunakan pada penelitian ini adalah berat botol kode 493. Dari hasil peta kendali Kernel dan indeks conformity Kernel didapatkan bahwa hasil proses tersebut tidak terkendali dan belum sesuai dengan spesifikasi. Penyebab utama yang menyebabkan hasil proses tersebut tidak terkendali adalah diameter orifice ring dan kecepatan mesin pembentuk botol yang tidak sesuai, sehingga menyebabkan ketidaksesuaian berat botol, karena itu sebaiknya dilakukan perbaikan agar hasil proses dapat terkendali secara statistik dan sesuai dengan spesifikasi.]]>
<![CDATA[Analisis Sistem Antrian Kapal Pengangkut Barang di Pelabuhan Tanjung Perak Surabaya ]]>
<![CDATA[Aulia Ahmad]]>;
<![CDATA[Muhammad Mashuri]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (821.996 KB)
|
DOI: 10.12962/j23373520.v5i1.14695
<![CDATA[Indonesia sebagai negara kepulauan membutuhkan sistem logistik yang terintegrasi, efektif dan efisien guna meningkatkan daya saing, dan menjamin keberadaan komoditi strategis dari bahan kebutuhan pokok masyarakat secara merata dan terjangkau. Pelabuhan Tanjung Perak merupakan salah satu pelabuhan pintu gerbang Indonesia bagian timur, menjadi puat kolektor dan distributor barang ke Kawasan Timur Indonesia. Arus petikemas di Pelabuhan Tanjung Perak terminal Petikemas Surabaya tahun 2012 mencapai 984.178 boks. Dalam menjaga pelayanan pelabuhan yang optimal, maka perlu menghindari waktu tunggu kapal (waiting time) yang lama serta utilitas sistem antrian yang rendah. Teori antrian merupakan salah satu metode untuk melakukan pengukuran fenomena menunggu dalam sebuah garis dengan memperhatikan representasi dari ukuran performansi. Tujuan dari sistem antrian adalah untuk menawarkan kepuasan kepada pelanggan yang menunggu. Setelah mengetahui model antrian maka dilanjutkan melakukan simulasi model antrian. Model Antrian yang sesuai di Pelabuhan Tanjung Perak yakni G/G/46/I/I. Perbaikan sistem antrian dilakukan dengan mencoba memindahkan beberapa aktivitas bongkar muat dari dermaga yang sudah ada ke dermaga baru. Hasil percobaan menunjukkan peningkatan utilitas pada dermaga yang ada. Dermaga Mirah mengalami peningkatan utilitas paling tinggi yakni 2,24%.]]>
<![CDATA[Pemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua ]]>
<![CDATA[Latifatul Mubarokah]]>;
<![CDATA[i Nyoman Budiantara]]>;
<![CDATA[Madu Ratna]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (936.273 KB)
|
DOI: 10.12962/j23373520.v5i1.14697
<![CDATA[Pendidikan yang bermutu dan wajib belajar 12 tahun merupakan prioritas bangsa Indonesia. Pada kenyataannya partisipasi masyarakat dalam pendidikan masih sangat rendah atau angka putus sekolah (APtS) masih relatif tinggi. Berdasarkan Badan Pusat Statistik 2013, APtS di papua memasuki 10 besar di Indonesia, dengan rata-rata APtS 2,26% yang lebih besar dari rata-rata APtS nasional 2,21%. Salah satu upaya yang dilakukan untuk mengatasi masalah ini adalah menentukan faktor-faktor yang berpengaruh terhadap angka putus sekolah usia SMP di Papua menggunakan regresi nonparametrik spline linier. Pendekatan regresi nonparametrik spline untuk memodelkan APtS di Papua karena pola data pada penelitian ini tidak membentuk suatu pola tertentu. Pada penelitian ini, didapatkan model terbaik yang memiliki nilai GCV minimum dengan tiga knot. Regresi spline linier menghasilkan R2 sebesar 98,648%, dengan semua variabel signifikan yaitu persentase penduduk miskin (x1), laju ekonomi (x2), rasio guru murid (x3), rasio sekolah murid (x4), dan APtS usia SD (x5).]]>
<![CDATA[Uji Proportional Hazard pada Data Penderita Kanker Serviks di RSUD dr. Soetomo Surabaya ]]>
<![CDATA[Arina Nur Afifah]]>;
<![CDATA[Santi Wulan Purnami]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (566.615 KB)
|
DOI: 10.12962/j23373520.v5i1.14698
<![CDATA[Kanker serviks adalah salah satu kanker penyebab kematian tertinggi di negara berkembang termasuk Indonesia. Keberhasilan penanganan kanker serviks salah satunya dapat dilihat dari probabilitas ketahanan hidup kanker serviks. Untuk mengidentifikasi probabilitas ketahanan hidup suatu objek, digunakan analisis survival dengan memodelkan faktor-faktor yang diduga berpengaruh terhadap probabilitas ketahanan hidup. Metode ini dapat digunakan untuk mengetahui bagaimana probabilitas terjadinya failure pada objek atau sering disebut dengan hazard ratio. Dalam pemodelan survival menggunakan pendekatan semiparametrik dibutuhkan terpenuhinya asumsi hazard ratio yang konstan yang disebut asumsi proportional hazard. Berdasarkan hasil analisis, pengujian menggunakan pendekatan grafik menghasilkan kesimpulan bahwa variabel usia, jenis pengobatan, penyakit penyerta, komplikasi dan status anemia memenuhi asumsi proportional hazard. Pendekatan goodness of fit menghasilkan kesimpulan bahwa variabel stadium 1 dan stadium 4 tidak memenuhi asumsi proportional hazard dan menggunakan variabel time dependent disimpulkan bahwa hanya variabel 4 saja yang tidak memenuhi asumsi proportional hazard.]]>
<![CDATA[Pemodelan Bayesian Hirarki Data Curah Hujan Ekstrem di Jakarta ]]>
<![CDATA[Jupita Sari Ika Hanugraheni]]>;
<![CDATA[Nur Iriawan]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 1 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1090.775 KB)
|
DOI: 10.12962/j23373520.v5i1.14378
<![CDATA[Curah hujan ekstrem merupakan kejadian yang ja-rang terjadi namun dapat memberikan dampak yang merugikan bagi kehidupan. Banjir merupakan salah satu dampak dari curah hujan ekstrem. Salah satu wilayah yang paling sering terkena ban-jir adalah Jakarta. Hal ini mengakibatkan aktivitas manusia men-jadi terganggu. Oleh karena itu, dibutuhkan pengetahuan terkait nilai ekstrem untuk meminimalkan dampak kerugian akibat curah hujan ekstrem. Pada penelitian ini, identifikasi curah hujan eks-trem dilakukan dengan metode Peaks Over Threshold (POT) de-ngan pola distribusi data ekstrem mengikuti Generalized Pareto Distribution (GPD). Estimasi parameter GPD dilakukan dengan menggunakan Model Bayesian Hirarki (MBH) untuk mengatasi masalah keterbatasan data pengamatan ekstrem dan mengakomo-dasi hubungan antar perbedaan parameter shape dengan variabel prediktor (kovariat) di setiap tingkat struktur hirarki data. Distri-busi prior yang digunakan adalah improper non conjugate dan non informative prior. Hasil estimasi parameter menunjukkan bahwa modus dari temperatur rata-rata harian, elevasi, longitude, dan la-titude tidak berpengaruh signifikan terhadap perbedaan nilai para-meter shape, sehingga tidak berpengaruh pada hasil prediksi return level. Pada penelitian selanjutnya, sebaiknya menggunakan conju-gate dan informative prior dengan mempertimbangkan pengguna-an atau penambahan kovariat lain.]]>
<![CDATA[Ragam Pengukuran Kinerja pada Usaha Mikro, Kecil, dan Menengah (UMKM) di Surabaya ]]>
<![CDATA[Ayu Citra Islami]]>;
<![CDATA[A. Kunaifi]]>;
<![CDATA[J. Gunawan]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 6, No 2 (2017) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (122.575 KB)
|
DOI: 10.12962/j23373520.v6i2.23112
<![CDATA[Ragam pengukuran kinerja dalam bisnis salah satunya dapat dibedakan berdasarkan finansial-non finansial. Dahulu aspek finansial menjadi satu-satunya yang diperhatikan dalam pengukuran kinerjanya, namun seiring berjalannya waktu, aspek non finansial ditemukan dan mulai digunakan dalam pengukuran kinerja bisnis. Sampai saat ini, kedua aspek tersebut saling melengkapi kebutuhan perusahaan dalam menilai kinerja elemen di dalamnya. Penelitian ini bertujuan untuk mengetahui ragam pengukuran kinerja pada UMKM di Surabaya. Penelitian dilakukan kepada pemilik UMKM di Surabaya dengan metode survei. Jenis data yang digunakan dalam riset adalah data primer yang bersumber dari responden penelitian. Data dianalisis secara deskriptif. Hasilnya, pengukuran kinerja pada UMKM di Surabaya terbagi menjadi aspek finansial dan non finansial secara merata.]]>
<![CDATA[Pengendalian Kualitas Produk Pakan Ternak di PT. Japfa Comfeed Indonesia Tbk Unit Gedangan ]]>
<![CDATA[Devi Novitasari]]>;
<![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 (789.618 KB)
|
DOI: 10.12962/j23373520.v5i2.16148
<![CDATA[PT. Japfa Comfeed Indonesia Tbk Unit Gedangan merupakan perusahaan yang menduduki peringkat kedua dalam penguasaan pangsa pasar pakan ternak di Indonesia, namun pengendalian kualitas hanya dilihat secara deskriptif dimana hal tersebut tidak selalu menunjukkan kebaikan suatu proses. Hasil produksi pada bulan Mei hingga Oktober 2015 sebanyak 7,21 persen pakan ternak tipe G 11 S Crumble tidak memenuhi spesifikasi perusahaan disebabkan oleh adanya over atau under weight yang sering diabaikan oleh operator, sehingga karakteristik kualitas yaitu kandungan calcium (Ca) dan protein keluar dari batas spesifikasi. Oleh karena itu, perlu dilakukan pengendalian kualitas secara statistik untuk mengetahui kebaikan proses secara menyeluruh yang dapat diukur dari kapabilitas poses. Pada penelitian ini digunakan diagram kendali Multivariate Exponentially Weighted Moving Variance (MEWMV) untuk mendeteksi perubahan variabilitas proses dan Multivariate Exponentially Weighted Moving Average (MEWMA) untuk mendeteksi perubahan rata-rata proses. Hasil pengendalian menggunakan diagram kendali MEWMV didapatkan nilai pembobot yang paling optimal untuk ω sebesar 0,3 dan λ sebesar 0,4 sedangkan pembobot optimal diagram kendali MEWMA adalah 0,4. Baik pada fase satu maupun fase dua, variabilitas terkendali secara statistik sedangkan rata-rata proses tidak terkendali secara statistik karena ada data yang out of control. Kapabilitas proses menggunakan MPp dan MPpk menunjukkan proses tidak kapabel baik pada fase satu maupun fase dua. Nilai MPp fase satu bernilai 0,795 dan MPpk sebesar 0,73 sedangkan MPp fase dua bernilai 0,91 dan MPpk sebesar 0,63.]]>
<![CDATA[PEMODELAN PERTUMBUHAN EKONOMI PROVINSI SUMATERA UTARA DENGAN PENDEKATAN EKONOMETRIKA SPASIAL DATA PANEL ]]>
<![CDATA[Ongki Novriandi Purba]]>;
<![CDATA[Setiawan Setiawan]]>
<![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 (818.398 KB)
|
DOI: 10.12962/j23373520.v5i2.16397
<![CDATA[Salah satu indikator untuk melihat keberhasilan pembangunan suatu wilayah dapat dilihat dari pertumbuhan ekonominya. Dalam analisis pertumbuhan ekonomi, indikator yang menunjukkan pertumbuhan nyata ekonomi suatu wilayah adalah PDRB atas dasar harga konstan. Pertumbuhan ekonomi suatu wilayah memiliki kecenderungan berkaitan dengan wilayah sekitarnya, sehingga diperlukan model ekonometrika spasial yang dapat mengakomodasi adanya keterkaitan antar wilayah tersebut. Pada penelitian ini menggunakan pemodelan pertumbuhan ekonomi dengan model ekonometrika spasial data panel. Model spasial yang dibangun dalam penelitian ini yaitu Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM) dengan melibatkan model panel pooled, fixed effects dan random effects menggunakan prosedur estimasi maximum likelihood. Terdapat dua pembobot spasial yang digunakan, yaitu pembobot queen contiguity dan customize. Pembobot queen contiguity dibentuk berdasarkan ketersinggungan sisi sudut. Pembobot customize dibentuk berdasarkan faktor lain yaitu keterkaitan infrastuktur berupa jalan nasional, jalan provinsi serta Kota Medan sebagai pusat perekonomian. Model terbaik pada pemodelan pertumbuhan ekonomi kabupaten/kota di Provinsi Sumatera Utara adalah SAR pooled dengan pembobot queen contiguity, dengan variabel signifikan yang mempengaruhi pertumbuhan ekonomi kabupaten/kota di Provinsi Sumatera Utara adalah pendapatan asli daerah dengan elastisitas sebesar 0,4044, belanja modal dengan elastisitas sebesar 0,6144 dan rumah tangga pengguna listrik dengan elastisitas sebesar 0,6609.]]>
