Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini disusun dengan tujuan untuk mendapatkan model permintaan tenaga listrik kelompok rumah tangga dan memperkirakan besarnya konsumsi tenaga listrik, produksi dan kapasitas tenaga listrik yang akan dihasilkan, serta kebutuhan dana yang diperlukan sampai dengan tahun 2010.Untuk menjawab pertanyaan di atas, digunakan analisis ekonometrika model permintaan tenaga listrik kelompok rumah tangga. Sementara perkiraan produksl dan kapasitas tenaga listrik serta kebutuhan dana akan diperoleh berdasarkan perkiraan kebutuhan tenaga listrik kelompok rumah tangga yang dihasilkan dart model permintaan yang terbentuk.Sesuai dengan hasil pendugaan dan pengujian model, model permintaan tenaga listrik kelompok rumah tangga yang terbentuk adalah D = -254,991 + 0,002Y - 21,435P + 38.815,916R. Dari model ini diperkirakan pertumbuhan permintaan tenaga listrik rumah tangga sampai dengan tahun 2010 akan meningkat sebesar 8,3%-9,8% per tahun. Peningkatan pertumbuhan permintaan tersebut, dapat dipenuhi dengan meningkatkan kapasitas daya terpasang tenaga listrik sebesar 5.018,1 MW-5.782,9 MW dengan jumlah blaya sebesar Rp. 45 trllyun-Rp. 51,8 trilyun.Pembangunan kapasitas baru sebesar 5.018,1 MW-5.782,9 MW diperkirakan tidak dapat diblayai sepenuhnya oleh PT Pt N (Persero) karena perkiraan pendapatan dart penjualan tenaga listrik belum cukup untuk memenuhinya dlmana per tahunnya diperkirakan mengalami defisit rata-rata 19,4%-30,2%. Namun apablla terjadi efislensi program PT PLN (Persero) sebesar 3% per tahun defisit rata-ratanya akan menjadi 14,7%-25,7%.Mengingat pendapatan dari penjualan tenaga listrik belum cukup untuk membiayai sepenuhnya penyediaan tenaga listrik, maka perlu dilakukan upaya antara lain: (I) restrukturisasi dan efisiensi usaha di pembangkitan, transmisi, dan distribusi; (ii) penghematan tenaga listrik; (iii) pencegahan pencurian tenaga listrik; dan (iv) menarik minat investor balk dari dalam maupun Iuar negeri. Kesemua upaya tersebut harus diiringi dengan konsistensi kebijakan dan kepastian hukum demi terselenggaranya kesinambungan penyediaan tenaga listrik."

"Smartphone merupakan penggabungan fungsi telepon dengan kemampuan komputer. Komponen utama dari smartphone yang membedakan telepon genggam adalah smartphone bersistem operasi seperti komputer. Tantangan utama untuk pengembang sistem operasi smartphone adalah mempertahankan kepuasan dan loyalitas pengguna smartphone untuk merebut dan memimpin pangsa pasar. Dalam penelitian ini menggunakan metode Data Envelopment Analysis (DEA) untuk menganalisis dan membandingkan kepuasan dan loyalitas pengguna smartphone. Model DEA yang digunakan adalah BCC-O (variable return to scale- output oriented) dengan Decision Making Unit (DMU) lima sistem operasi yang tersebar di Indonesia. Pengguna Android dan iOS adalah pengguna yang mempunyai loyalitas tinggi. Microsoft (Windows Mobile) adalah sistem operasi yang tidak efisien, sehingga pengembang sistem operasi tersebut harus lebih memperhatikan pasar.

---

Smartphone is combination from a cell phone with a computer-like capabilities. The main components of the smartphone that distinguishes a cell phone is a smartphone operating system such as a computer. A major challenge for developers of smartphone operating system is how to maintain customer satisfaction and loyalty of smartphone users to capture and lead the market share. This study uses Data Envelopment Analysis (DEA) to analyze and compare the smartphone user satisfaction and loyalty. DEA models used are BCC-O (variable returns to scale - output-oriented) with the Decision Making Unit (DMU) scattered five operating systems in Indonesia. Android and IOS users are users who have high loyalty. Microsoft (Windows Mobile) operating system is not efficient, so the operating system developers should pay more attention to the market."

"Industri otomotif merupakan salah satu sektor yang sedang berkembang pesat di Indonesia. Pertumbuhan ini memacu peningkatan pengiriman pasokan otomotif, tidak hanya di Pulau Jawa, tetapi juga di pulau-pulau lainnya. Peningkatan aktivitas distribusi ini, jika tidak disertai dengan perencanaan yang matang, dapat mengakibatkan kenaikan biaya distribusi yang signifikan. Oleh karena itu, diperlukan strategi distribusi yang optimal dari gudang hingga ke pelanggan. Penelitian ini mengembangkan model matematika untuk meminimalkan biaya distribusi menggunakan metode hub & spoke dengan pendekatan mixed integer linear programming (MILP). Model ini kemudian diterjemahkan ke dalam program Python menggunakan library PuLP. Biaya distribusi yang dianalisis terdiri dari biaya shuttle atau pengiriman first mile dan biaya truk atau pengiriman last mile. Hasil penelitian selama 26 periode menunjukkan bahwa model distribusi hub & spoke yang dikembangkan mampu mengurangi total biaya distribusi hingga 35% dibandingkan dengan biaya pengiriman aktual perusahaan. Selain itu, model ini juga menunjukkan tingkat utilisasi kendaraan yang optimal dengan rata-rata kapasitas muatan terisi 75% untuk shuttle dan 90% untuk truk pada setiap periode.

---

The automotive industry is one of the rapidly growing sectors in Indonesia. This growth has driven an increase in automotive supply shipments not only on the island of Java but also on other islands. Increased distribution activities, if not accompanied by thorough planning, can lead to a significant rise in distribution costs. Therefore, an optimal distribution strategy from the warehouse to the customer is essential. This study develops a mathematical model to minimize distribution costs using the hub & spoke method with a mixed integer linear programming (MILP) approach. The model is then translated into a Python program using the PuLP library. The distribution costs analyzed include shuttle costs or first mile delivery and truck costs or last mile delivery. The results of the study over 26 periods indicate that the proposed hub & spoke distribution model can reduce total distribution costs by up to 35% compared to the company's actual shipping costs. Additionally, this hub & spoke delivery model also shows optimal vehicle utilization rates with an average load capacity of 75% for shuttles and 90% for trucks in each period."