Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pelabuhan Pangkal Balam merupakan satu-satunya pelabuhan yang memiliki standard pelabuhan barang di Pulau Bangka yang menyebabkan 80% arus barang masuk dan keluar melalui pelabuhan ini. Namun didapati adanya dwelling time yang tinggi serta nilai customer service index yang kecil di pelabuhan Pangkal Balam. Maka didapati adanya potensi pembangunan pelabuhan baru di Pulau Bangka. Namun dalam membangun sebuah fasilitas baru, diperlukan kajian secara mendalam terhadap kelayakan investasinya. Tujuan dari penelitian ini berupaya untuk menganalisa kelayakan usaha pelabuhan dilihat dari aspek pasar, operasional, dan finansial. Metode yang digunakan dalam penelitian ini adalah metode Analisa Kelayakan Proyek untuk menilai kelayakannya, serta Analisis Sensitivitas untuk mengetahui variabel yang paling berpengaruh terhadap perubahan untuk mengurangi resiko ketidakpastian. Hasil dari penelitian ini menunjukkan adanya potensi permintaan pasar terhadap pembangunan pelabuhan general cargo, gambaran layout untuk kapasitas kapal maksimal sebesar 3.000 DWT, matriks cashflow dengan hasil perhitungan Net Present Value (NPV), Internal Rate of Return (IRR), dan Payback Periode, serta didapati variabel-variabel pada cashflow yang paling sensitif diantaranya penurunan pendapatan, kenaikan pengeluaran, dan kenaikan nilai tukar rupiah. Hasil penelitian ini diharapkan dapat membantu stakeholder dalam membuat keputusan terhadap usaha pembangunan pelabuhan di Pulau Bangka. ......Pangkal Balam is the only port that is considered appropriate and has a standard of a port in Bangka Island, which cause 80% of the flow of goods comes and goes through this port. However this port has a high dwelling time and small customer service index. It can be said that there is a potential to construct a new port. However, to build a new facility, an in depth study for the feasibility of investemnet is necessary. The purpose of this study sought to analyze the feasibility of the harbor from the market, operational, and financial aspects. The method used in this research is Feasibility Analysis to assess the feasibility, as well as Sensitivity Analysis to determine which variables are most influential on changes to reduce the risk of uncertainty. The results of this study indicate the potential market demand for the construction of general cargo port, picture layout for vessel with maximum capacity 3.000 DWT, cashflow matrix along with calculation of Net Present Value (NPV), Internal Rate of Return (IRR), and Payback Period, also it found out that the most sensitive among variables in the cashflow are income, outcome, and the exchange rate. The results of this study are expected to help the stakeholders for making decisions on constructing a new port in Bangka Island.

Abstrak :
Abstrak. Imputasi missing values berperan penting dalam pre-processing data untuk menghasilkan data yang lengkap dan berkualitas. Dalam penelitian ini, dilakukan kombinasi dari Decision Tree dan algoritma Expectation Maximization (EM) sebagai metode imputasi dalam mengestimasi missing values. Namun, terdapat kekurangan pada metode ini, yaitu algoritma Expectation Maximization (EM) cenderung memberikan hasil imputasi yang lebih akurat jika terdapat banyak kemiripan antar atribut. Hal ini dapat diatasi dengan mempartisi segmen horisontal menggunakan algoritma Decision Tree. EM diterapkan pada berbagai segmen horisontal dari data set agar diperoleh banyak kemiripan antar atribut. Metode yang diusulkan ini kemudian dievaluasi dengan membandingkan kinerjanya dengan imputasi menggunakan mean dalam mengestimasi missing values data numerik dan dipilih Decision Tree sebagai classifier. Data yang digunakan untuk simulasi dalam penelitian ini yaitu data set PPOK-OSA. Penelitian ini menunjukkan bahwa metode imputasi missing values yang diusulkan menghasilkan akurasi yang lebih tinggi jika dibandingkan menggunakan nilai mean dalam mengestimasi missing values. Hasil akurasi tertinggi dari metode ini yaitu83.3%, diperoleh pada saat persentase data training 10% dan rata-rata akurasi pada berbagai persentase data training sebesar 70.3%, sedangkan hasil akurasi tertinggi menggunakan nilai mean yaitu 58.3%, diperoleh pada saat persentase data training 20% dengan rata-rata akurasi pada berbagai persentase data training sebesar 50.5%.

---

Abstract. Missing values imputation plays a vital role in data pre-processing for ensuring good quality of data. In this study, we present a combination of Decision Tree and Expectation Maximization (EM) algorithm as imputation method to estimate missing values. However, there are shortcomings of method, where the Expectation Maximization algorithm tends to give more accurate imputation results if there are many similarities among attributes. Therefore, this can be overcome by partitioning the horizontal segments using the Decision Tree algorithm. We applied EM on various horizontal segments of a data set where there are many similarities among attributes. Besides, we evaluate our proposed method by comparing its performance with mean values to impute missing values, and we choose the Decision Tree as a classifier. Data used in this research is COPD-OSA data set. In this study shows that ourproposed method leads to higher accuracy than mean imputation. The highest accuracy results obtained from our proposed method is 83.3% when the percentage of training data is 10% and average accuracy in various percentage of training data is 70.3%, while the highest accuracy results using the mean value is 58.3% when the training data percentage is 20% and the average accuracy in various percentage of training data is 50.5%.