Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSendi lutut buatan adalah salah satu produk dari rekayasa rancang bangun biomedikal yang merupakan suatu interface ilmu kedokteran terapan dengan ilmu teknik terapan. Sesungguhnya di negara lain teknologi ini sudah dikembangkan sejak beberapa tahun yang lalu, tetapi Indonesia baru mulai mengembangkannya. Teknologi Rapid Prototyping adalah suatu teknologi pilihan yang akan digunakan untuk memacu pertumbuhan ilmu rekayasa biomedikal di negeri ini, Penerapan teknologi Rapid Prototyping dapat menghemat waktu dan biaya produksi. Salah satu metoda Rapid Prototyping adalah metoda pemotongan dan perbedaan / penggabungan, dipilih untuk diterapkan pada pembuatan prototipe sendi lutut buatan.Tahap pra proses pada metode ini merupakan tahapan penting karena data masukan untuk mesin Rapid Prototyping dibuat pada tahap ini. Kitalitas prototipe yang dihasilkan tergantung pada kualitas data keluaran dari tahap ini. Tahap ini dimulai dengan memproses data geometri prototipe menjadi model 3 D Solid dalam Pro Engineering. Arsip PRT yang merupakan suatu arsip keluaran dal Pro Engineering kemudian dikonversikan kedalam arsip STS Bentuk arsip STL merupakan pendekatan permukaan dari model oleh segitiga - segitiga. STL View 07 menganalisa arsip STL untuk memastikan bahwa model dapat dapat di produksi dan menyimpan irisan-irisan model kedalam arsip Common Layer Interface (CLI).Bentuk arsip Crosshatch dari model akan dibuat dengan menggunakan CLI view dan data masukan untuk mesin siap untuk digunakan.Analisis volume dilakukan untuk mengetahui kehilangan data pada tahap pra proses yang terjadi akibat perbedaan geometri pada konversi data dari arsip PRT ke arsip STL dan dari arsip STL ke arsip CLI. Prosentase kehilangan data selama tahap pra proses sama dengan perbedaan dari kehilangan volumenya, yang berkisar antara 0,039% sampai dengan 3,16%. Volume prototipe kemudian dibandingkan dengan volume model dalam arsip PRT untuk mengetahui keabsahan dari prototipe. Prosentase kehilangan volume prototipe berkisar antara 0,047% sampai dengan 3,8% dari data pemodelan 3D solid arsip PRT' Prosentage kehilangan data ini masih dibawah batas maksimum toleransi umum yaitu + 10 %.

---

ABSTRACT

;Knee joint prosthesis is one of biomedical engineering's products which is an interface technology of medical and science technology. Actually, the technology has been developed years ago in the other countries, but Indonesia has just started to develop it. Rapid Prototyping Technology is an alternative technology which is being utilized to speed up biomedical engineering's growth in this country. The implementation of this technology can save in production's time and cost. One of Rapid Prototyping Technology's methods is Cutting and Glueing /Joining method , chosen for implementation is the prototyping knee joint prosthesis .

In this method the preprocessing phase is important, because data input for the Rapid Prototyping's machine is being prepared here. The quality of the prototype is depending on the quality of the data output from preprocessing phase. The phase starts with geometric data processing 3 D solid modeling of prototype in Pro Engineering . The PRT file which is an output file from Pro Engineering is converted into an STL file. The STL file format approximately the surface of the model by triangulars. The 5TL View 07 analyses an STL file that defines the model to be fabricated and "slices" the model into common layer interface (CLI) file. The crosshatches format file of the model will be made by CLI View and the input data for the machine is ready to be utilized

Volume analyses used to know data losses during the preprocessing phase, because of data conversion effect from the PRT file form to the STL form file and from the STL file form to CLI file form. The percentage of data losses during the preprocessing phase is similar to the difference of those volume looses, which ranges from 0.039% up to 3.16% . The prototype volume is to be compared with the volume of models in file format PRT to know the validity of prototypes . The percentage of volume losses of prototypes compared to the volume models in format PRT ranges from 0.047% up to 3.8 is . Those ranges are still under the maximum limit of general tolerances which is 10."

"ABSTRACTKebutuhan manusia akan kesehatan, usia panjang (life expectancy) dan kesejahteraan manusia saat ini semakin tinggi. Seiring dengan itu, usah-usaha ke arah memperpanjang usia hidup manusia juga semakin diperbaharui dengan menggunakan berbagai teknik-teknik kedokteran yang canggih. Salah satu teknik memperbaiki mutu hidup dan memperpanjang usia hidup manusia yaitu penanaman alat tambahan (implan) ke dalam tubuh manusia sehingga fungsi dari tubuh kembali berjalan normal.Studi ini bertujuan menganalisa kekuatan dan distribusi tegangan yang ada pada salah satu dari implan tersebut, yaitu sendi lutut buatan. Implan ini ditanam dalam tubuh manusia untuk menggantikan lutut yang rusal disebabkan oleh berbagai penyakit. Guna menghindari terjadiya kerusakan dan deformasi pada sendi lutu buatan, perlu dilakukan analisa untuk memperkirakan usia pakai dan mendapatkan bagian-bagian yang kritis/menerima beban terberat. Hasil analisa tersebut diperoleh dengan menggunakan metode elemen hingga berbantukan komputer, sehingga didapat bagian yang menerima tegangan terbesar serta sangat dimungkinkan terjadinya deformasi.Analisa dilakukan dengen membuat model 3 dimensi dari prostese menggunakan Pro/Engineer, keudian dimasukkan ke MSC/NASTRAN for Windows. Selanjutnya dilakukan simulasi pembebanan dengan berbagai besaran sesuai denga stance phase (fase manusia berjalan normal), berdasarkan perhitungan penelitian sebelumnya. Akhirnya didapat beberapa posisi yang potensial mengalami kerusakan dan menerima beban (gaya) terbesar.Dengan perhitungan menggunakan prinsip Mekanika Teknik, maka diperoleh nilai gaya yang bekerja pada sendi lutut buatan dan yang dialami oleh komponen polythylene, menurut sumbu kaki X, Y, dan Z pada sisi medial dan lateral. Dengan nilai modulus elastisitas polythylene yang lebih kecil dari logam, maka komponen gliding inilah yang paling potensial menderita loosening, patah, rusak, berlubang maupun retak. Dengan teknik operasi pemasangan proslese yang tepat (correct mechanical axis alignment), bisa dikurangi resiko terjadinya failure dari prostese juga menghindari cedera/kegagalan pada pasien.

---

"

"Banyak perusahaan yang telah menyadari bahwa mereka harus berusaha keras tidak hanya mendapatkan pelanggan baru, namun juga untuk mempertahankan pelanggan lama. Memprediksi nasabah yang akan pergi mulai dilakukan oleh perusahaan. Prediksi nasabah churn adalah kegiatan yang dilakukan untuk memprediksi nasabah tersebut akan meninggalkan perusahaan atau tidak. Banyak cara yang dapat dilakukan untuk memprediksi nasabah churn. Salah satu cara memprediksi nasabah churn ini adalah dengan menggunakan teknik klasifikasi dari data mining yang menghasilkan sebuah model machine learning. Dengan mempelajari data nasabah seperti data demografi, data transaksi dan data kepemilikan produk maka, perusahaan akan bisa memprediksi nasabah yang akan churn, sehingga perusahaan dapat melakukan tindakan pencegahan agar nasabah tersebut tidak berhenti untuk menggunakan jasa dari perusahaan. Penelitian ini membandingkan beberapa metode dari teknik klasifikasi data mining dan pengukuran dari sampel datanya. Dari penelitian ini didapat bahwa metode Support Vector Machine (SVM) dengan perbandingan sampling kelas data 50:50 merupakan metode terbaik untuk memprediksi nasabah churn di Bank XYZ. Hasil dari pemodelan ini bisa digunakan untuk mendapatkan informasi nasabah yang akan pergi meninggalkan perusahaan sehingga perusahaan dapat mengambil tindakan sebelum nasabah tersebut pergi.

---

Many companies have realized they must strive not only to get new customers but also to retain old customers. The company began to predict customers who would no longer use company services. Churn customer prediction is an activity carried out to predict whether the customer will leave the company or not.

There are many ways that can be done to predict churn customers, usually to predicting this customer churn by using a classification technique from data mining that produces a machine learning model. Studying customer historical data such as demographic data, transaction data and product ownership data, will be able to predict customers who will churn and can take preventive measures so these customers do not stop using services from the company.

This study compares several methods of data mining classification techniques and measurements from data samples. From this study it was found that the method of Support Vector Machine (SVM) with a comparison of 50:50 data class sampling is the best method for predicting churn customers at Bank XYZ. The results of this modeling can be used to obtain information on customers who will stop using  company services so the company can take action before the customer leaves."

"Globalisasi memang arus yang tidak bisa ditangkal. Airlines menghadapi masalah besar pada saat ini dan hari-hari mendatang. Manajemen yang terbias lambat mengambil keputusan dipastikan hanya akan membawa perusahaannya stall. Diperlukan kecepatan dalam mengeksekusi bisnis, agar kesempatan dapat diraih lebih banyak. Selain kecepatan, diperlukan juga ketepatan pengambilan keputusan, berdasarkan analisa perhitungan yang rasional dan matang. Persaingan mengkondisikan bisnis airlines dalam kondisi perang total. Informasi yang sekecil apapun tetapi relevan dimanfaatkan sebagai sebuah peluang untuk meningkatkan pendapatan. Prinsipnya adalah bagaimana memenuhi kapasitas angkut pesawat secara maksimal dan sesering mungkin. Dalam konteks memenangkan persaingan ini perpaduan antara gaya manajemen yang fleksibel dan peran teknologi informasi menjadi amat vital. Setiap bisnis akan tetap eksis jika dia memiliki customer. Untuk mendapatkan customer, pelaku bisnis melakukan berbagai strategi dan inovasi yang akan mempengaruhi ketertarikan orang dan memutuskan menggunakan layanan yang ditawarkan oleh penyedia layanan jasa/barang, dalam hal ini layanan angkutan penerbangan. Loyality program semacam Garuda Frequent Flyer (GFF), memegang peranan penting untuk membidik core customer, customer yang paling banyak memberikan benefit bagi perusahaan. Sistem operasional GFF yang menyimpan data anggota dan transaksi penerbangan, perlu dikumpulkan dalam satu bentuk data warehouse dan secara periodik di-update, sehingga reporting dapat dieksekusi dari data warehouse tanpa mempengaruhi kinerja operasional. Penggunaan data yang ekstensif dengan menggunakan teknik data mining dapat membantu managemen dalam mengambil kebijakan yang tepat berdasar data-data historical. Agar data mining dapat mempengaruhi bisnis, maka data mining sendiri harus relevan dan menjadi bagian dari bisnis proses.

---

Globalization is now inevitable, which causes airlines to face a major problem nowadays. Time becomes major influence in decission making. If the management takes a lot of time in decision making, then company will be stagnant or even decline. There are needs to execute business decision with little time consuming, so that more opportunities can be captured with less cost. In addition to time consuming, accuracy is also a vital necessity for mature analysis and rational calculation. Any information from the insignificant one, as long as it is relevance and accurate can be used as an opportunity for increasing revenue. The main principle is how to optimize aircraft load to its maximum capacity as often as possible. In the context of winning a competition, the combination of a flexible management style and utilization of Information Technology become a vital element.

Any business entity can survive depends on the existence of its customer. In order to gain more customer, business player has to execute strategy and innovation. This is necessary to influence people in choosing services provider. In this case, the context is airline service business. Any kind of Loyality Program such as Garuda Frequent Flyer (GFF), has important role in targeting core customer, i.e. customer that give the highest revenue to the company.

GFF operational system that keeps information of customer profile and flight transaction, needs to be collected into a single form of data warehouse and updated periodically, so that reporting function can be executed without affecting operational performance. The extensive use of data with datamining technique could assist management in making the right decision based on historical data. Additionally, datamining has to be relevance and being part of business process in order to improve business performance. The focus of this research is to develop initial phase of datamining that can be scaled up in future, not a practical solution that can be directly used."

"Saat ini, dunia telah memasuki era persaingan berbasiskan data. Data menjadi aset yang sangat berharga bagi perusahaan dalam memenangkan persaingan bisnis. Perusahaan telekomunikasi adalah salah satu perusahaan yang sangat bergantung terhadap data. PT Indosat Tbk, sebagai salah satu perusahaan telekomunikasi di Indonesia, telah memanfaatkan database untuk mengelola data perusahaan. Informasi yang diperoleh melalui database merupakan data aktual. Selain memperoleh informasi melalui data aktual, terdapat juga informasi berharga lain yang masih tersembunyi. Untuk mendapatkannya diperlukan teknik pengolahan data yang baik yaitu menggunakan data mining. Dalam melakukan data mining diperlukan suatu media penyimpanan untuk menampung data skala besar yaitu data warehouse. Penelitian ini bertujuan untuk menberikan solusi alternatif bagi PT Indosat Tbk dengan pengumpulan data ke suatu sumber pengetahuan (data warehouse) dalam mencari potensi-potensi data tersembunyi melalui penerapan data mining. Tahapan yang akan dilakukan dalam penelitian ini yaitu penelaahan kebutuhan bisnis dan informasi, pengumpulan data melalui observasi ke lapangan, kajian dokumen atau literatur, menelaah data kemudian merancang data warehouse dan pada tahap akhir dilakukan pengimplementasian data mining dengan menggunakan teknik time series analysis untuk melihat tren kinerja jaringan dari PT Indosat Tbk. Pada tahap perancangan, analisis dan implementasi data warehouse dan data mining akan digunakan tools Microsoft SQL Server 2005 dan RapidMiner. Pengimplementasian data warehouse pada PT. Indosat Tbk dapat membantu melihat informasi kinerja jaringan dengan lebih cepat, detil dan akurat. Sedangkan pengimplementasian data mining melalui time series analysis dapat membantu perusahaan dalam pengambilan keputusan yang tepat dengan kemampuan time series analysis untuk melakukan prediksi (forecasting) terhadap data elemen jaringan yang dimiliki oleh PT. Indosat Tbk. Sehingga dengan pengumpulan data ke data warehouse dan penerapan data mining (time series analysis) dapat membantu PT. Indosat Tbk menghadirkan quality of service yang baik dan target KPI (Key Performance Indicator) yang ditetapkan dapat tercapai atau bahkan terlampaui.

---

Nowadays, world already encountered competition age of data, data became a very valuable asset for a company to win the business competition. Telecommunication Company is one of company that depends to data needs. PT Indosat Tbk, as one of leading Telecommunication Company in Indonesia, already used database to manage the company?s own data. Information, which is collect from database, is an actual data. Besides collecting the actual data, there is valuable information which is still hidden. To get this hidden data, there is a need of good data processing, using data mining. In data mining, there is a need of storage media to accommodate large scale data, which is called data warehouse.

This research is purposed to give an alternative solution to PT Indosat Tbk by collecting the data to data warehouse, to find the potential hidden data using data mining deployment. Stages that will be done on this research, i.e.: analyze business and information needs, collecting data by observing to company, recitation of document and literature, and also data analyzing then to be used for dimensioning data warehouse. And on the last stage is implementation of data mining using time series analysis technique to see trend of PT Indosat Tbk network performance. On the designing, analyzing, and implementation stages, data warehouse and data mining will use tool Microsoft SQL Server 2005 and RapidMiner.

By implementation data warehouse, it would aid to see information of network performance quicker, more detail and accurate. Implementation data mining using time series analysis is aid the company to make an accurate decision by using the ability of time series analysis to forecast element data of PT Indosat Tbk network. So by collecting all the data to data warehouse and data mining (time series analysis) implementation, would aid PT Indosat Tbk to represent a good quality of service and the stated KPI (Key Performance Indicator) can be reached or even exceeded."

"Jenis usaha perasuransian PT XYZ dibagi menjadi dua yaitu asuransi kesehatan dan asuransi jiwa. Salah satu risiko yang terjadi dan berdampak pada kerugian perasuransian adalah kecurangan atau fraud yang dilakukan pihak tertentu untuk memperoleh keuntungan sepihak. Penelitian ini dilakukan untuk membuat pemodelan data mining yang digunakan untuk mendeteksi fraud pada asuransi kesehatan. Tujuan dari penelitian ini adalah memperoleh algoritma model berbasis data mining yang dapat mendeteksi fraud pada transaksi klaim peserta di PT XYZ. Karakteristik data yang digunakan bersifat imbalanced, karena jumlah data fraud yang digunakan tidak sebesar jika dibandingkan dengan data yang bersifat normal. Pembentukan model pada penelitian ini dilakukan dengan 32 skenario, dengan hasil terbaik skenario dengan penerapan feature engineering, feature selection, oversampling dan uji validasi menggunakan 20­-fold cross validation. Adapun hasil dari skenario tersebut menghasilkan algoritma random forest yang memiliki nilai akurasi paling baik yaitu 99,3% dengan didukung oleh nilai presisi, recall, dan f1 scores masing-masing, 99,3%, 99,3%, dan 99,3%. Hasil akhir dari penelitian ini memperlihatkan bahwa teknik feature engineering dengan penambahan atribut is_dr_speciality, memiliki kontribusi terhadap nilai akurasi model.

---

The type of insurance business of PT XYZ is divided into two, namely health insurance and life insurance. One of the risks that occur and impact insurance losses is fraud committed by certain parties to obtain unilateral benefits. This research was conducted to create a data mining model used to detect fraud in health insurance. The purpose of this study is to obtain a data mining-based model algorithm that can detect fraud in participant claims transactions at PT XYZ. The characteristics of the data used are imbalanced because the amount of fraud data used is not as much as compared to normal data. The model formation in this study was carried out with 32 scenarios, with the best results being the scenario by applying feature engineering, feature selection, oversampling, and validation tests using 20-fold cross-validation. This scenario resulted in the random forest algorithm having the best accuracy value of 99.3%, supported by precision, recall, and f1 scores, 99.3%, 99.3%, and 99.3%. The final result of this study shows that the feature engineering technique with the addition of the is_dr_speciality attribute has contributed to the model's accuracy value."

"

Sistem e-procurement merupakan sistem pengadaan yang dilakukan dengan cara elektronik yang menjadi faktor kunci untuk mengelola keuangan negara dengan kontrol yang tepat, serta dilindungi oleh kebijakan dan peraturan perundang-undangan yang berlaku. Menurut Asian Development Bank e-tendering, yang merupakan bagian dari e-procurement, merupakan aplikasi strategis yang dapat menunjang kinerja pada sektor pemerintahan. Berdasarkan temuan praktik yang tidak sesuai dengan prinsip pengadaan, maka dalam penelitian ini dilakukan sebuah analisis mendalam untuk mengevaluasi kegiatan tender pada lembaga kementerian di Indonesia. Pada penelitian ini ditunjukkan bagaimana penambangan data dilakukan pada portal pengadaan nasional untuk menganalisis data tender dan mendapatkan temuan pola tersembunyi yang berguna untuk pengambilan keputusan. Penelitian ini menggunakan metodologi web data mining dengan melakukan pendekatan analisis secara deskriptif dan statistik. Dengan melakukan metode uji chi-square dan multivariance Anova, ditemukan adanya kaitan antara lembaga kementerian dengan pemenang berulang pada tahun anggaran 2018-2019. Di samping itu frekuensi partisipasi peserta tidak memiliki dampak terhadap statistik kemenangan berulang pada Kementerian Perhubungan, tetapi berdampak pada Kementerian PUPR. Penelitian ini juga menemukan adanya hubungan yang sangat kuat antara variabel Harga Perkiraan Sendiri (HPS) dengan nilai pagu. Selain itu pada penelitian ini juga ditemukan anomali data pada harga penawaran pemenang tender dengan nilai 100 kali lebih besar dari harga pagu dan HPS.

 

---

E-procurement is an electronic procurement system that became a key factor required to manage financial aspect of a country with appropriate controls, and protected by legal policies. According to Asian Development Bank, e-tendering as part of e-procurement, is classified as a strategic application that can enhance performance in the government sector. Based on the finding of practices that are not comply with the principles of good procurement governance, in this study an in-depth analysis was conducted to evaluate the tender activities of the ministry in Indonesia. This research shows how data mining is carried out at the national procurement portal to analyze tender data and findings the hidden pattern that would be useful for decision making. This study uses a web data mining methodology by conducting a descriptive and statistical analysis approach. By using the chi-square and multivariance Anova test method, this study has found that there was a relation between the ministries and repeated winners in year 2018-2019. In addition, the frequency of participation did not have an impact on the statistics of recurring wins at the Ministry of Transportation, but it had an impact on the Ministry of Public Works and Public Housing. This study also found a very strong relationship between the Owner Estimate (OE) value and the threshold value. In addition on this study, it was found anomaly data on the tender bid price of the winner with a value 100 times greater than the threshold value and OE value.

"

"Dalam rangka mendukung pengambilan keputusan yang tepat bagi pimpinan berbasis data (data driven organization), Kemenkeu menyusun inisiatif strategis optimalisasi Sistem Layanan Data Kementerian Keuangan (SLDK) dan pengembangan proyek data analytics. Dalam pengembangan data analytics, terdapat permasalahan rendahnya kualitas data sehingga data driven organization belum terwujud dengan optimal. Penelitian ini meggunakan metode kualitatif dengan melalui proses wawancara dan observasi. Pengukuran kualitas data dan tingkat kematangan kualitas data menggunakan kerangka kerja Loshin’s Data Quality, DAMA-Data Management Book of Knowledge (DMBoK), dan Government Data Qualiaty (GDQ). Hasil pengukuran kualitas data menunjukkan terdapat permasalahan data tidak akurat dan tidak lengkap dan tingkat kematangan kualitas data Kemenkeu berada pada level Repeatable. Menyusun strategi kualitas data, ketentuan teknis, tim kualitas data, dan prosedur pengelolaan kualitas data; identifikasi harapan dan aturan kualitas data; mengukur, memantau, dan melaporkan kualitas data; mengelola aturan, knowledge base, dan metadata; meningkatkan kesadaran; melakukan pelatihan; menyediakan tools, menerapkan aturan dan menangani permasalahan; memutakhirkan SLA; mengelola kinerja kualitas data; dan melakukan audit kualitas data merupakan strategi peningkatan kualitas data yang dilaksanakan dalam empat tahap pada Tahun 2022-2023.

---

To support the right decision making for data-driven organizations, the Ministry of Finance (MoF) has developed a strategic initiative for optimizing the MoF's Data Service System (SLDK) and developing a data analytics project. In the development of data analysis, there is a problem of low data quality so that data-driven organizations have not been realized optimally. This study uses a qualitative method through interview and observation. Measurement of data quality and maturity level of data quality uses the Loshin's Data Quality framework, DAMA-Data Management Book of Knowledge (DMBoK), and Government Data Quality (GDQ). The results of the measurement of data quality indicate that there are problems with inaccurate and incomplete data and the MoF's data quality level is at the Repeatable level. Develop a data quality strategy, technical provisions, data quality team, and data quality management procedures; identification of data quality expectations and rules; measure, monitor, and report on data quality; manage rules, knowledge base, and metadata; raise awareness; conduct training; provide tools, apply rules and carry out problem solving; updating SLAs; manage data quality performance; and conducting data quality audits is a data quality improvement strategy implemented in four stages in 2022-2023.

"