Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKUsaha mikro, kecil, dan menengah (UMKM) merupakan salah satu industri yang memiliki peranan krusial dalam pertumbuhan ekonomi di Indonesia baik dari segi penciptaan lapangan pekerjaan dan kontribusi terhadap PDB Indonesia. Industri tekstil dan pakaian jadi merupakan 1 di antara 5 industri yang menyumbang tertinggi terhadap PDB Indonesia. Akan tetapi, sebagian besar dari usaha di industri ini belum memperhatikan perspektif keberlanjutan dan memiliki beberapa indikasi masalah terkait pengukuran performa keberlanjutan bisnisnya. Sehingga, penelitian ini bertujuan untuk merancang pengukuran kinerja dan strategi untuk meningkatkan kinerja yang perlu dilakukan oleh usaha guna mengetahui performa, kondisi, dan posisi bisnis dalam industri. Metode Fuzzy Analytical Hierarchy Process (FAHP) diterapkan dalam penelitian untuk mendapatkan pembobotan setiap indikator kinerja yang digunakan untuk mengukur pencapaian keberlanjutan. Penelitian ini berhasil memberikan rancangan indikator kinerja & enam rekomendasi strategi bisnis utama yang ada pada setiap indikator kinerja utama yang telah diukur pada salah satu usaha jasa konveksi di Jabodetabek berdasarkan aspek keberlanjutan yang meliputi aspek ekonomi, lingkungan, dan sosial. Seluruh rekomendasi strategi bisnis pada masing-masing indikator kinerja utama diprioritaskan berdasarkan bobot pada setiap indikator kinerja utama.

---

ABSTRACTMicro, small and medium enterprises (MSMEs) are one of the industries that have a crucial role in economic growth in Indonesia both in terms of job creation and contribution to Indonesia's GDP. The textile and apparel industry is one of the 5 industries that contribute the highest to Indonesia's GDP. However, most of the businesses in this industry have not considered sustainability and have several indications of problems related to measuring the sustainability of their business. So, this study aims to design performance measurements and strategies to improve performance that need to be done by businesses to determine the performance, conditions, and business position in the industry. Fuzzy Analytical Hierarchy Process (FAHP) method is applied in research to gain weighting of each performance indicator used to measure achievement of sustainability. This study succeeded in providing a design of performance indicators & six main business strategy recommendations that exist in each of the key performance indicators that have been measured in one of the clothing service business in Jabodetabek based on sustainability aspects which include economic, environmental, and social aspects. All business strategy recommendations on each of the key performance indicators are prioritized based on the weights for each key performance indicator."

"This book present some techniques for solving several problems by means of Fuzzy Adaptive Simulated Annealing (Fuzzy ASA), a fuzzy-controlled version of ASA, and by ASA itself. ASA is a sophisticated global optimization algorithm that is based upon ideas of the simulated annealing paradigm, coded in the C programming language and developed to statistically find the best global fit of a nonlinear constrained, non-convex cost function over a multi-dimensional space."

"Pada skripsi ini dibahas permodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier sistem satu tangki dan sistem tangki terhubung dalam bentuk model fuzzy Takagi-Sugeno untuk mengatasi kelemahan yang timbul bila pemodelan dilakukan dengan pendekatan konvesional. Algoritma Gustafson-Kessel (product-space fuzzy clustering) digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster dimana anggota suatu cluster memiliki kesamaan yang lebih tinggi daripada dengan anggota dari cluster yang lainnya. Parameter model fuzzy Takagi-Sugeno untuk setiap aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster (local linear).Model fuzzy Takagi-Sugeno untuk sistem satu tangki yang didapat telah diuji dengan memberikan masukan multisinusoidal dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk sistem satu tangki mampu menyamai karakteristik proses nonlinier sistem satu tangki dengan tingkat kesamaan sinyal keluaran model fuzzy Takagi-Sugeno berdasarkan variansinya terhadap sinyal keluaran proses nonlinier sistem satu tangki sebesar 99.8341%. Demikian pula dengan model fuzzy Takagi-Sugeno untuk sistem tangki terhubung, dimana sinyal keluarannya memiliki tingkat kesamaan sebesar 99.6582% bila dibandingkan dengan sinyal keluaran proses nonlinier sistem tangki terhubung."

"Penyakit Paru Obstruktif Kronik (PPOK) merupakan salah satu penyebab kematian terbanyak dengan jumlah kematian sekitar 3 juta jiwa atau setara dengan 5,2% dari jumlahkematian di seluruh dunia. Untuk itu diperlukan penelitian lebih lanjut mengenai PPOK, namun data yang dikumpulkan dalam penelitian biasanya tidak memuat semua data yang diinginkan. Hilangnya informasi dalam data dikenal dengan istilah missing values yang dapat menjadi masalah untuk semua jenis analisis data. Salah satu cara untuk menangani missing values yaitu dengan melakukan proses imputasi data pada tahap preprocessing untuk mendapatkan data lengkap yang diharapkan mampu meningkatkan akurasi dari analisis data yang dilakukan. Pada penelitian ini dilakukan imputasi menggunakan mean dan Fuzzy C-Means (FCM). FCM merupakan metode pengelompokan yang memungkinkan satu bagian data menjadi milik dua atau lebih kelompok berdasarkan nilai keanggotaannya. Data lengkap hasil imputasi diuji menggunakan metode klasifikasi Decision Tree dengan persentase data training 50%-90% untuk melihat performa dari metode mean dan FCM. Berdasarkan penelitian ini diperoleh nilai akurasi, presisi, dan recall tertinggi untuk klasifikasi data PPOK yang diimputasi menggunakan mean masing-masing sebesar 64,7%, 71%, dan 65%. Sedangkan nilai akurasi, presisi, dan recall tertinggi untuk klasifikasi data PPOK yang diimputasi menggunakan FCMmasing-masing sebesar 78,9%, 85%, dan 79%. Hasil ini menunjukkan bahwa FCM membantu Decision Tree untuk mengklasifikasikan data lebih baik dengan nilai imputasi yang lebih baik untuk menggantikan missing values.

---

Chronic Obstructive Pulmonary Disease (COPD) is one of the most causes of death in the world with around 3 million deaths, equivalent to 5.2% of deaths worldwide. For this reason, further research needs to be done on CPOD, but the data collected in the study often does not contain all the desired data. Loss information in data is called as a missing values which can be a problem for all types of data analysis. One way to handle missing values is by doing the imputation process at the preprocessing stage to obtain complete data which is expected to increase the accuracy of the data analysis performed. In this study, imputation was done using mean and FCM. FCM is a clustering method that allows one part of the data to belong to two or more groups based on their membership function. The complete dataset was trained with Decision Tree classifier with the percentage of data training 50%-90% to observe the performance in terms of accuracy, precision, and recall for mean and FCM method. Based on this study, the highest value of accuracy, precision,and recall for classification of COPD data imputed using mean of 64.7 %, 71 % and 65 % respectively. While the highest value of accuracy, precision, and recall for classification of COPD data imputed using FCM is 78.9 %, 85 %, and 79 % respectively. These results indicate that FCM helps Decision Tree to classify data better with better imputation values to replace missing values."

"Proses Thermal Mixing adalah jenis dari proses pencampuran yang penting di berbagai industri, seperti industri pangan, pupuk, farmasi, material sampai petrochemical. Proses Thermal Mixing merupakan proses Multi input multi ouput (MIMO), karena bekerja dengan mengendalikan dua flow air panas dan air dingin untuk mengendalikan temperatur dan level campuran. Meskipun memiliki respon yang kurang baik untuk mengendalikan MIMO, namun PID masih banyak digunakan karena kesederhanaannya. Algoritma non konvensional yang lebih baik seperti fuzzy control memiliki kerumitan yang tinggi dibanding PID. Algoritma Adaptive Fuzzy PID Controller (AFPIDC) merupakan gabungan dari keduanya, memiliki basis PID yang cukup sederhana namun ditambahkan aspek Fuzzy untuk mempercepat pengendalian dengan cara mengubah konstanta PID secara real-time (on the fly). Algoritma AFPIDC ini diterapkan pada simulasi sistem pengendalian temperatur dan level air pada proses water Thermal Mixing dan dilakukan pada program MATLAB/SIMULINK di PC. Fuzzy yang digunakan memiliki dua input berupa error dan perubahan error, dan memiliki tiga output berupa perubahan nilai konstanta PID. Pengujian sistem dilakukan dengan simulasi perubahan setpoint dan gangguan berupa kebocoran flow. Dari hasil pengujian sistem, pengendali AFPIDC memiliki performa yang lebih baik dari PID dalam mengendalikan temperatur dan level pada sistem. Dalam pengendalian temperatur, didapatkan nilai settling time PID sebesar 830 detik, AFPIDC sebesar 328 detik dan untuk nilai overshoot PID 6,3% dan AFPIDC 0%. Untuk pengendalian level didapatkan settling time PID 3221 detik dan AFPIDC 235 detik dengan nilai overshoot PID 10,5% dan AFPIDC 0%. Dari pengujian sistem terhadap gangguan kebocoran, pengendali temperatur membutuhkan waktu untuk kembali stabil pada PID 780 detik, AFPIDC 250 detik. Sedangkan untuk pengendalian level untuk kembali stabil membutuhkan waktu PID 4510 detik, AFPIDC 225 detik.

---

The Thermal Mixing Process is a type of mixing process that is important in various industries, such as the food, fertilizer, pharmaceutical, material to petrochemical industries. The Thermal Mixing Process is a multiple-input multiple-output process (MIMO), because it works by controlling hot water and cold-water flows to control the temperature and level of the mixture. Although it has a poor response to control MIMO system, PID is still widely used because of its simplicity. There are some better control algorithm, such as fuzzy control, but have higher complexity than PID. The Adaptive Fuzzy PID Control (AFPIDC) algorithm is a combination of the two, has a simple PID basis with added Fuzzy aspects to speed up control by changing the PID constant in realtime. The AFPIDC algorithm is applied to the simulation of temperature and water level control systems in the process of water Thermal Mixing and is done on the MATLAB/SIMULINK program on a PC. The fuzzy algorithm uses two inputs in the form of errors and changes in errors and has three outputs in the form of changes in the value of the PID constant. System testing is done by simulating setpoint changes and disruption in the form of leakage flow. From the results of system testing, AFPIDC controllers have better performance than PID in controlling temperature and level in the system. In temperature control, the PID settling time is 830 seconds, AFPIDC is 328 seconds and the PID overshoot is 6,3% and AFPIDC is 0%. In level control, the settling time of PID is 3221 seconds while AFPIDC is 235 seconds with PID overshoot is 10,5% while AFPIDC 0%. From testing the system with leakage disturbance, the temperature controller needs time to regain stability at PID 780 seconds, AFPIDC 250 seconds. Meanwhile the level controlling stabilizes at PID 4510 seconds, and AFPIDC at 225 seconds."