Hasil Pencarian  ::  Simpan CSV :: Kembali

"Untuk mengetahui karakteristik jaringan, maka perlu diketahui persamaan yang menunjukkan hubungan antara traffic yang melewati Mobile Services Switching Center (MSC) dengan trunk group yang tersedia. Dengan adanya persamaan tersebut, maka dapat diketahui besar proporsi dari setiap jenis traffic pada MSC dalam menempati trunk group. Proporsi ini menunjukkan nilai traffic optimal yang dapat melewati masing-masing trunk group sehingga dapat menunjukkan karakteristik dari jaringan telekomunikasi. Pembentukan persamaan dilakukan dengan menggunakan data jenis traffic pada MSC dan parameter-parameter yang terdapat dalam trunk group. Dalam tiap trunk group terbagi menjadi dua arah, yaitu arah incoming dan arah outgoing. Masing-masing trunk group tersebut akan ditempati oleh traffic MSC yang berbeda. Perhitungan dengan metode linear programming akan memberikan nilai maksimum traffic yang akan melewati trunk group, dimana variabel berupa proporsi dari jenis traffic MSC dapat ditentukan dengan metode yang sama. Pada penelitian ini diharapkan dengan adanya analisa pada masing-masing trunk group dapat diketahui karakteristik dan solusi yang diterapkan pada jaringan. Berdasarkan hasil penelitian diperoleh bahwa pada koneksi MSC 1 dengan 4 BSC dalam daerahnya, BSC 2 dan BSC 3 memiliki traffic yang cukup tinggi pada jam sibuk. Berdasarkan persamaan traffic trunk group antara MSC 1 dengan gateway, traffic paling besar tercatat pada trunk group antara MSC 1 dengan gateway 2 sehingga trunk group tersebut dapat dianggap sebagai rute utama. Pada MSC 2, persamaan traffic trunk group memperlihatkan lebih dari 50 % dari total traffic melewati trunk group antara MSC 2 dengan BSC 5 (Sigli), sehingga dapat dikatakan panggilan lebih banyak dilakukan menuju BSC 5 dibandingkan BSC 6.

---

Within the purpose in getting information about network?s characteristics, The equation that shown relationship between traffic in Mobile Services Switching Center (MSC) and existing trunk group should be known. Having this traffic equation, the information about proportion of each MSC?s traffic in trunk group will be known. This proportion is related to the amount of optimum traffic which is passing in each trunk group so that the characteristics of telecommunication network can be shown. Formating the equation, the data of various traffic in MSC and parameters within the trunk group will be used. The trunk group is divided into two ways which are, incoming and outgoing. Each trunk group will be seized by various MSC?s traffic. The calculation with linear programming method could give maximum value of traffic that could seize the trunk group. The proportion of each MSC?s traffic is shown as variable which could be solved by the same method. Having this analysis result on each trunk group, we could get information about the network?s characteristic and solution of its network. Based on analysis result, it is known that the connection between MSC 1 and 4 BSC?s in its coverage, BSC 2 and BSC 3 have the highest traffic on busy hour. Based on the traffic trunk group equation between MSC 1 and gateway, it is shown that the biggest traffic in the trunk group is stated between MSC 1 and gateway, therefore that trunk group is known as the main route. It is known that the equation of the traffic trunk group in MSC 2 shows that more than 50 % of total traffic passed through the trunk group between MSC 2 and BSC 5 (Sigli), therefore that mostly calls attempted have been done to BSC 6 rather than calls attempted to BSC 6."

"Performansi MSC (mobile switching center) akan selalu berhubungandengan besarnya tingkat pelayanan yang bisa di berikan operator kepelanggan. Tingkat pelayanan yang dimaksud adalah seberapa besar MSC bisamelayani permintaan sambungan pembicaraan pada saat jam sibuk (peak-hour)atau dengan kata lain kemungkinan suatu permintaan pembicaraan akan gagalpada suatu kondisi lalu lintas jam sibuk dan lebih dikenal dengan istilah GOS(grade of service).Besarnya permintaan sambungan pembicaraan (call attempt), besarnyasambungan yang gagal (call lost), adalah salah satu parameter yang bisa dijadikansebagai bahan untuk analisa performansi mobile switching center yang dalamtugas akhir ini penulis akan menjelaskan secara lebih rinci lagi.Referensi yang akan digunakan untuk analisa performansi jaringan MSCini akan digunakan sumber buku-buku, berkas seminar, media internet dan datahasil pengamatan sendiri dari penulis yang pernah terlibat dalam performansiMSC pada salah satu operator selular yang ada di Indonesia.Analisa hasil perhitungan performansi MSC akan berupa pembahasanhasil pengukuran traffic mobile switching center (traffic measurement MSC), datatraffic measurement diambil selama 6 hari dengan jam pengamatan yang samayaitu jam 19:00- jam 20:00 dari data-data ini akan didapatkan suatu besaran-besaran yang digunakan untuk menganalisa besarnya Successful Call Ratio SCR)."

"Kegagalan panggilan dapat terjadi apabila panggilan yang datang tidak dapat memperoleh kanal pada trunk group. Dengan bertambahnya pelanggan, berarti operator jaringan perlu menjaga kapasitas dan kemampuan jaringan telekomunikasi dalam melayani pelanggan. Operator memerlukan suatu prediksi yang dapat menentukan besarnya trafik dari panggilan yang terjadi untuk beberapa waktu ke depan, yang kemudian dapat digunakan untuk memprediksikan jumlah kanal tambahan yang dibutuhkan. Perhitungan jumlah kanal ini dilakukan untuk tetap menjaga grade of service (GoS) yang telah ditetapkan. Model persamaan dibentuk berdasarkan hubungan antara trafik yang ada pada Mobile Services Switching Center (MSC) dengan trafik pada trunk group. Pembentukan persamaan menggunakan data-data trafik pada jam sibuk. Dengan adanya persamaan tersebut, maka dapat diketahui besar proporsi dari setiap jenis trafik pada MSC yang melewati suatu trunk group pada kondisi jam sibuk. Perhitungan proporsi dilakukan dengan metode linear programming untuk mendapatkan nilai proporsi maksimum trafik MSC yang akan melewati trunk group. Prediksi besar trafik MSC pada jam sibuk dihitung menggunakan metode linear regression. Kemudian, menggunakan model persamaan yang diperoleh, dapat dihitung prediksi besar trafik pada trunk group. Berdasarkan prediksi besar trafik kondisi jam sibuk pada trunk group dan grade of service (GoS) yang ditetapkan, dapat dihitung jumlah kanal yang diperlukan untuk melayani besar trafik yang ada. Hasil dari penelitian diperoleh bahwa beberapa koneksi trunk group antara MSC yang dianalisa dengan beberapa elemen memerlukan penambahan jumlah kanal.

---

Calls blocking happened when incoming calls failed to seize a traffic channel in trunk group. Because of subscriber growth in next period, network operator must maintain the whole network performance in order to satisfy the subscriber. Operator needs to forecast the traffic demand for next period and then use the traffic demand to calculate the number of traffic channels. This trunk calculation should be carried out so that the specified grade of service(GoS) is still maintained at the end of the planning period. The model was formed as a relationship between Mobile Services Switching Center(MSC) traffic types with trunk group?s traffic types. The formation of the model used the traffic historical data in busy hour. With this traffic equation, the information about proportion of each MSC?s traffic passed trunk group in the busy hour condition could be found. Calculation with linear programming method could give maximum value of traffic proportion that seized the trunk group. The forecasting for MSC traffic demand in busy hour was calculated using the linear regression method. Then, based on the model, we calculated traffic demand in trunk group. According to trunk group traffic demand in busy hour and grade of service(GoS) specified, the traffic channels needed could be carried out. Analysis showed that some trunk group connection between observed MSC with it?s element, require certain addition of traffic channel."

"Fatigue diakui sebagai risiko utama yang membahayakan keselamatan dalam dunia penerbangan. Penelitian ini bertujuan untuk mengetahui faktor-faktor risiko yang berhubungan dengan kelelahan pada petugas Tower Control ATC di Jakarta ATS Center, Bandara Internasional Soekarno-Hatta. Faktor yang diteliti yaitu faktor risiko terkait pekerjaan (shift kerja dan durasi kerja) dan faktor risiko tidak terkait pekerjaan (usia, jenis kelamin, status gizi, kuantitas tidur, dan waktu tempuh perjalanan) terhadap kelelahan. Checklist Individual Strength-20 (CIS-20) digunakan untuk mengukur kelelahan secara subjektif. Penelitian ini bersifat kuantitatif observasional dengan menggunakan desain studi cross sectional. Hasil penelitian diketahui sebanyak 56,5% petugas Tower Control mengalami kelelahan. Namun, dari keseluruhan variabel tidak ditemukan hubungan yang signifikan secara statistik terhadap kelelahan.

---

Fatigue is recognized as a major risk that endanger the safety of aviation world. This study aims to determine risk factors associated with fatigue on Aerodrome Controllers in Jakarta ATS Center, Soekarno-Hatta International Airport. Factors studied were work-related factors (shift work and duration of work) and non-work-related factors (age, sex, nutritional status, sleep quantity, and commuting time) to fatigue. Checklist Individual Strength-20 (CIS-20) was used to measure fatigue subjectively. This research is a quantitative observational study using cross sectional design. The results of the study known as much as 56,5% of Aerodrome Controllers experiencing fatigue. However, there is no significant relationship to fatigue found from all of the variables statistically in this study."

"Beberapa studi sebelumnya telah mengidentifikasi bahwa faktor-faktor psikososial dan fisik berhubungan dengan perkembangan gangguan muskuloskeletal (MSD). Namun, hubungannya MSD dengan faktor psikososial dan fisik belum sepenuhnya dipelajari di Air Pekerja Layanan Lalu Lintas (ATS). Tujuan dari penelitian ini adalah untuk menganalisis faktor risiko PT gejala MSD pada pekerja kantor dan Pengendali Lalu Lintas Udara (ATC). Itu desain penelitian adalah cross-sectional, dengan 50 pekerja kantor dan 70 ATC dari Area Unit Control Center (ACC) terlibat. Instrumen yang digunakan dalam penelitian ini adalah kuesioner dan Daftar Periksa Eksposur Cepat (QEC). Univariat dan bivariat Analisis Regresi Logistik digunakan untuk mencari hubungan antara faktor psikososial dan fisik dengan gejala MSD. Variabel termasuk dalam ini penelitian adalah faktor individu (jenis pekerjaan, jenis kelamin, usia, indeks massa tubuh, merokok status, dan lama kerja), faktor psikososial (tuntutan pekerjaan, kontrol pekerjaan, peran dan tanggung jawab, dukungan sosial, kepuasan kerja, dan stres kerja), faktor fisik (postur canggung, postur statis, dan gerakan berulang), dan faktor lingkungan (pencahayaan dan iklim kerja). Hasil penelitian menunjukkan bahwa gejala muskuloskeletal gangguan pada leher, bahu, dan punggung bawah adalah MSD yang paling umum. Sana adalah hubungan yang signifikan antara jenis pekerjaan dan stres kerja dengan gangguan dalam bahu dan punggung bawah, jenis kelamin dan usia dengan gangguan bahu, kontrol bekerja dengan gangguan di leher, dan tingkat risiko pada punggung dan pergelangan tangan dengan gangguan punggung bawah. Oleh karena itu, perlu untuk mengambil langkah-langkah kontrol lebih lanjut mengurangi masalah gejala MSDs di tempat kerja.

---

Several previous studies have identified that psychosocial and physical factors are associated with the development of musculoskeletal disorders (MSD). However, the relationship of MSD with psychosocial and physical factors has not been fully studied in Water Traffic Service Workers (ATS). The purpose of this study was to analyze the risk factors of PT MSD symptoms in office workers and Air Traffic Control (ATC). The research design was cross-sectional, with 50 office workers and 70 ATC from the Area Unit Control Center (ACC) is involved. The instrument used in this study was a questionnaire and a Fast Exposure Checklist (QEC). Univariate and Bivariate Logistic Regression Analysis are used to find the relationship between psychosocial and physical factors with MSD symptoms. Variables included in this study are individual factors (type of work, sex, age, body mass index, smoking status, and length of work), psychosocial factors (job demands, job control, roles and responsibilities, social support, job satisfaction, and work stress), physical factors (awkward postures, static postures, and repetitive movements), and environmental factors (lighting and work climate). The results showed that the symptoms of musculoskeletal disorders in the neck, shoulders, and lower back were the most common MSDs. There is a significant relationship between the type of work and work stress with internal disturbances shoulders and lower back, gender and age with shoulder disorders, controls working with disorders in the neck, and the level of risk in the back and wrists with lower back disorders. Therefore, it is necessary to take control steps to further reduce the problem of MSDs symptoms at work."