Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pelayanan pembedahan rawat sehari (One Day Surgery) di Rumah Sakit Umum Tangerang sudah dijalankan selama 4 tahun sebagai salah satu upaya untuk meningkatkan pendapatan fungsional sebagai konsekuensi sebuah rumah sakit unit swadana daerah. Hasil selama ini menunjukkan kecenderungan jumlah pasien yang memanfaatkan pelayanan ini meningkat dari tahun ke tahun, tetapi dari segi pendapatan rumah sakit, kontribusi pelayanan ini kepada seluruh pendapatan swadana rumah sakit masih rendah. Selama ini belum ada upaya pemasaran yang dilaksanakan untuk meningkatkan cakupan pelayanan ini. Pasien yang memanfaatkan pelayanan Pembedahan Rawat Sehari ini kebanyakan datang atas arahan dokter spesialis yang menanganinya pada tingkatan konsultasi di Poliklinik Rawat Jalan. Penelitian ini dilakukan secara eksploratif untuk menganalisa faktor -- faktor pada lingkungan eksternal dan lingkungan internal yang berpengaruh terhadap pelayanan Pembedahan Rawat Sehari di Rumah Sakit Umum Tangerang.

Abstrak :
Penelitian ini mendalami mengenai peran perkembangan sektor finansial terhadap pertumbuhan ekonomi. Variabel-variabel sektor finansial yang digunakan adalah kapitalisasi pasar saham, kredit perbankan, dan jumlah uang beredar. Sementara itu perekonomian direpresentasikan dengan variabel PDB (Produk Domestik Bruto). Analisis yang digunakan dalam penelitian ini adalah metode vector error correction model (VECM) dan impulse response function. Hasil analisis dengan menggunakan metode VECM menunjukkan bahwa dalam jangka panjang variabel-variabel perkembangan sektor finansial memiliki hubungan jangka panjang dengan PDB. Berdasarkan analisis impulse response function, terlihat bahwa shock positif kapitalisasi pasar, kredit perbankan, dan jumlah uang beredar direspon positif searah oleh PDB.

---

This research is exploring on the role of financial sector development to economic growth. Financial sector variables that are used in this is stock market capitalization, banking credit and money supply. Meanwhile, economy is represented by GDP. Analysis used in this research is Vector Error Correction Model (VECM), impulse response function. The result of the analysis shows that in the long term, financial development variables have causality relationship with GDP. Based on impulse response function analysis, it is seen that positive shock of financial sector variables responded with the increasing GDP in the next 10 years.

Abstrak :
ABSTRAK
Protein memiliki peranan yang sangat penting dalam kehidupan. Setiap protein berinteraksi dengan protein-protein lain, DNA, dan molekul-molekul lainnya, sehingga terbentuklah jaringan interaksi protein yang berukuran sangat besar. Untuk memudahkan dalam menganalisisnya, diperlukan metode clustering. Algoritma Soft Regularized Markov Clustering (SR-MCL) merupakan pengembangan metode clustering yang mengurangi kelemahan dari Regularized Markov Clustering dan Markov Clustering. Namun, SR-MCL masih memiliki kelemahan yaitu parameter inflasi yang selalu dimasukkan secara manual oleh peneliti. Penelitian ini, SR-MCL digabung dengan Algoritma Firefly yang selanjutnya disebut Firefly Soft Regularized Markov Clustering, dimana posisi setiap firefly menggantikan parameter inflasi. Posisi firefly akan terus diperbaharui dan proses clustering akan terus dilakukan sampai memperoleh global chaos kurang dari threshold. FSR-MCL akan diterapkan secara paralel menggunakan OpenMP, yaitu setiap thread menjalankan SR-MCL dengan posisi setiap firefly yang berbeda. Proses clustering data HIV-1 diperoleh sembilan protein sebagai pusat cluster yang sangat berpengaruh dalam pembentukan dan penyebaran virus, yaitu TAT, REV, ENV, GAG, POL, VPU, VPR, NEF, dan VIF, serta didapat parameter inflasi terbaiknya 8,0 dengan speed up 4,66 kali. Proses clustering data SC5314 diperoleh enam protein sebagai pusat cluster yang merupakan protein penting dalam penyebarannya, yaitu HSP90, CBK1, MED8, NOP1, CEK1, dan CDC4, serta didapat parameter inflasi terbaiknya 5,5 dengan speed up 3,01 kali.

---

ABSTRACT
Protein has a very important role in life. Each protein interacts with other proteins, DNA, and other molecules, resulting in a very large protein-protein interaction. To make it easier to analyze it, clustering method is needed. Soft Regularized Markov Clustering (SRMCL) algorithm is a development of clustering method that reduces the weakness of Regularized Markov Clustering and Markov Clustering. However, SR-MCL still has a weakness that is the parameter of inflation that is always entered manually by researchers. This study, SR-MCL combined with Firefly Algorithm, hereinafter called Firefly Soft Regularized Markov Clustering, where the position of each firefly replace the parameters of inflation. The firefly position will continue to be updated and the clustering process will continue until the global chaos is less than the threshold. FSR-MCL will be applied in parallel using OpenMP, ie each thread runs SR-MCL with the position of each different firefly. The process of clustering the HIV-1 data obtained by nine proteins as the center of the cluster is very influential in the formation and spread of the virus, namely TAT, REV, ENV, GAG, POL, VPU, VPR, NEF, and VIF, and got the best inflation parameter 8.0 with speed up 4.66 times. SC5314 data clustering process obtained six proteins as the center of the cluster which is an important protein in its spreading, namely HSP90, CBK1, MED8, NOP1, CEK1, and CDC4, and got the best inflation parameter 5.5 with speed up 3.01 times.

Abstrak :
Produksi minyak sawit dan inti sawit pada tahun 2018 tercatat sebesar 48,68 juta ton yang terdiri dari 40,57 juta ton CPO (Crude Palm Oil) dan 8,11 juta ton PKO (Palm Kernel Oil). Dalam pengangkutan hasil perkebunan kelapa sawit tersebut, diperlukan armada transportasi atau fleet. Pengelolaan atau manajemen fleet menjadi hal yang harus dijaga, mengingat pentingnya untuk mengakomodir ketersediaan fleet. Salah satu cara untuk mengelola fleet adalah dengan membuat business intelligence dashboard pemantauan fleet tersebut. Pada penelitian terdahulu, perancangan dashboard belum dilakukan pada domain sawit. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan rancangan dashboard BI fleet pada perkebunan kelapa sawit di client PT. XYZ yang membutuhkan pengelolaan fleet. Penelitian ini menggunakan metodologi Design Science Research (DSR) dengan dua iterasi. Pada iterasi pertama, dihasilkan rancangan berupa low-fidelity prototype (wireframe) dan pada iterasi selanjutnya dihasilkan rancangan berupa highfidelity prototype (clickable prototype). Prototipe yang dihasilkan memiliki empat tampilan utama, yakni tampilan informasi perjalanan fleet, informasi atribut fleet, informasi alokasi fleet, dan informasi status pupuk. Evaluasi pada iterasi pertama menggunakan wawancara serta iterasi kedua menggunakan wawancara dan System Usability Scale (SUS). Pada iterasi kedua, nilai SUS yang diperoleh adalah 66.25 atau “OK (Acceptable)”, yang menandakan bahwa rancangan telah dibuat dengan cukup baik. Penelitian ini memberikan manfaat berupa kontribusi kepada dua area, yaitu sebagai rujukan pengembangan dashboard BI fleet pada perkebunan kelapa sawit, serta perbaikan dan pengembangan rancangan dashboard BI fleet menggunakan metodologi DSR. ......Production of palm oil and palm kernel in 2018 was recorded at 48.68 million tons, consisting of 40.57 million tons of CPO (Crude Palm Oil) and 8.11 million tons of PKO (Palm Kernel Oil). In transporting palm oil plantation products, a transportation fleet is needed. Fleet management is something that must be maintained, considering the importance of accommodating fleet availability. One way to manage a fleet is to create a business intelligence dashboard for fleet monitoring. In previous research, dashboard design had not been carried out in the palm oil domain. Therefore, this research aims to develop a BI fleet dashboard design for oil palm plantations at client of PT. XYZ which needs fleet management. This research uses the Design Science Research (DSR) methodology with two iterations. In the first iteration, a design was produced in the form of a low-fidelity prototype (wireframe) and in the next iteration a design was produced in the form of a high-fidelity prototype (clickable prototype). The resulting prototype has four main displays, namely the display of fleet travel information, fleet attribute information, fleet allocation information, and fertilizer status information. Evaluation in the first iteration used interviews and in the second iteration used interviews and the System Usability Scale (SUS). In the second iteration, the SUS value obtained is 66.25 or "OK (Acceptable)", which indicates that the design has been created well. This research provides benefits in the form of contributions to two areas, namely as a reference for developing BI fleet dashboards on oil palm plantations, as well as improving and developing BI fleet dashboard designs using the DSR methodology.

Abstrak :
Permasalahan pengalaman kerja yang buruk sangat berpengaruh besar pada performa perusahaan salah satunya dapat menaikkan nilai indeks employee turnover. Perusahaan Tech Mahindra merupakan perusahaan multinasional yang bergerak di bidang konsultan TI dan memiliki lebih dari 120 ribu karyawan yang tersebar di seluruh dunia, dan saat ini sedang menghadapi masalah tingginya nilai employee turnover. Statistik menunjukkan dari tahun 2015 hingga tahun 2022, nilai turnover perusahaan secara global selalu cenderung di atas batas limit, dan ini menunjukkan masalah yang tidak kunjung selesai dan patut untuk diselidiki. Baik dan buruknya pengalaman kerja saat ini sering diulas oleh karyawan ataupun eks karyawan secara sukarela sebagai personal judgment melalui platform pengulas seperti Glassdoor, Indeed, dan AmbitionBox. Ulasan dari platform tersebut dapat ditambang datanya dan diolah lalu diambil intisarinya. Penelitian ini mencoba untuk mengadopsi teknologi analisis teks menggunakan machine learning seperti analisis sentimen dan pemodelan topik dalam mengetahui orientasi nyata ulasan beserta topik tersembunyi yang dibicarakan oleh pengulas. Algoritma klasifikasi Naïve Bayes Classifier, Support Vector Machine, Decision Tree, Random Forest, K-Nearest Neighbor, dan algoritma pemodelan topik Latent Dirichlet Allocation sukses diaplikasikan. Hasil evaluasi klasifikasi menunjukkan bahwa Random Forest memiliki performa terbaik dengan nilai akurasi keseluruhan sebesar 69.9%, dan penerapan pemodelan topik sukses menemukan 10 topik positif dan 9 topik negatif terkait pengalaman kerja di perusahaan Tech Mahindra. Berdasarkan hasil klasifikasi data juga ditemukan ulasan bebas memiliki populasi positif 66.54%, netral 14.49%, dan negatif 18.97%, dan setelah dianalisis lebih lanjut dengan teori Herzberg ditemukan bahwa working condition, growth, dan coworker relationship menjadi keunggulan dan kemudian salary, recognition, dan policies menjadi kekurangan perusahaan. Dengan fakta yang ditemukan melalui metode adopsi teknologi yang dibentuk, ini menunjukkan kemampuan analisis ulasan yang lebih robust dan akurat dan dapat digunakan untuk Tech Mahindra kedepannya dalam membentuk rekomendasi dalam menghadapi masalah kepuasan kerja. ......The bad work experience problems have a big influence on the company performance, one of them can increase the value of employee turnover index. Tech Mahindra is a multinational company engaged in IT consulting and has more than 120 thousand employees spread all over the world, and is currently facing the problem of high employee turnover rates. Statistics show that from 2015 to 2022, the global company's turnover value has always been above the maximum limit, and this is a problem that has not been resolved and needs to be fixed as soon as possible. Good and bad work experiences are often reviewed by employees or former employees voluntarily as personal judgment through many online review platforms like Glassdoor, Indeed, and AmbitionBox. Reviews data from the platform can be mined, processed and then extracted for the insight. This research tries to adopt text analysis technology using machine learning such as sentiment analysis and topic modeling in order to know the review orientation and hidden topics discussed by the reviewers. The classification algorithms such as Naïve Bayes Classifier, Support Vector Machine, Decision Tree, Random Forest, K-Nearest Neighbor, and Latent Dirichlet Allocation for topic modeling algorithms were successfully applied. The results of the classification evaluation show that Random Forest has the best performance with total accuracy of 69.9%, furthermore in topic modeling, it successfully found 10 positive topics and 9 negative topics related to work experiences at Tech Mahindra. Based on the findings of the review classification, it was also found that free text review had a positive population of 66.54%, neutral 14.49%, and negative 18.97%, and after further analysis with Herzberg theory it was found that working condition, growth, and coworker relationship were the advantages of company and then salary, recognition, and policies were the company weakness. With the facts found through the adoption of technology that has been formed, it showing a more robust and accurate review analysis ability and can be used for Tech Mahindra in the future to gather recommendations in dealing with job satisfaction issues.