Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Manajemen Insiden merupakan bagian yang diperlukan dalam pengelolaan layanan IT. Penerapan manajemen insiden dapat meningkatkan layanan dan membantu mencapai tujuan organisasi. Insiden IT dapat menjadi referensi dan dapat membentuk pola yang dapat dipelajari sehingga dapat dijadikan prediksi sebuah insiden di masa datang. Riset ini membandingkan beberapa teknik awal machine learning (Random Forest, SVM, Multi Layer Perceptron) dengan beberapa teknik terbaru machine learning (RNN, LSTM, GRU) untuk memprediksi insiden IT. Kami menggunakan dataset ITSM data insiden. Grid search akan mencari kombinasi parameter terbaik hingga didapatkan optimal model. Cross-validation sebagai evaluasi teknik digunakan untuk menguji kinerja optimal model. Kami menggunakan 5-fold dan 10-fold cross-validation digunakan untuk mengevaluasi kinerja model dengan membagi dataset menjadi data pelatihan dan data uji. Hasil perbandingan menunjukkan bahwa akurasi tertinggi sebesar 98,866% yang dihasilkan oleh teknik machine learning LSTM pada 5-fold dan 10-fold cross-validation, SVM mempunyai akurasi terendah sebesar 97,837% yang dihasilkan oleh teknik machine learning SVM pada 5-fold dan 10-fold cross-validation.

---

Incident Management is a part of managing IT services. The application of Incident Management can improve services and help achieve organizational goals. IT incidents could be a reference and can be learned so that they can be used as predictions of future incidents. This research compares the factors that cause incidents by using some initial machine learning techniques (Random forest, SVM, Multilayer perceptron) and compared with the latest machine learning techniques (RNN, LSTM, GRU) to predict IT incidents. We use the ITSM incident dataset. Grid search will find the best parameter combination until the optimal model is obtained, subsequently cross-validation as an evaluation technique is used to test the optimal performance of the model. We use 5-fold and 10-fold cross-validation to evaluate the performance of the model by dividing the dataset into training data and test data. The results of the comparison show that the highest accuracy of 98,866% produced by LSTM machine learning techniques at 5-fold and 10-fold cross-validation, SVM has the lowest accuracy of 97.837% produced by machine learning SVM at 5-fold and 10-fold cross-validation.

Abstrak :
Karyawan musiman atau kontrak merupakan permasalahan dalam penerapan sistem manajemen di perusahaan. Sifatnya yang dipekerjakan dalam waktu tertentu dan merupakan pekerja kasual merupakan hambatan dalam penerapan SMK3, hal ini dibuktikan dengan kecelakaan kerja yang terjadi di perusahaan. Tesis ini mengembangkan penelitian terhadap investigasi kecelakaan untuk mencari faktor-faktor yang menyebabkan terjadinya kecelakaan pada karyawan musiman atau kontrak. Penelitian dilakukan untuk mencari kesalahan-kesalahan aktif maupun laten sehingga tindakan yang sistemik dapat ditentukan. Penelitian ini bersifat deskriptif analitik dengan. Hasil penelitian ini menyarankan tindakan perbaikan pada elemen-elemen sistem manajemen keselamatan dan kesehatan kerja untuk mengurangi atau menghilangkan kesalahan-kesalahan baik aktif maupun laten sehingga akan memperkuat ketahanan sistem terhadap terjadinya kecelakaan. ......Temporary or contract worker has an issue on implementing safety management system in the company. The type of their employment with short term/temporary basis and as casual worker become a burdain on implementing safety management system, this shown on the safety accident that happened in the company. This Thesis developed a research on the incident investigation to find the factors of accident that caused an injury to the temporary or contract worker. The research is to identify active and latent failure, so the systemic improvement action plans could be developed. The research type is in depth analysis with descriptive qualitative as a result. The result of the research propose improvement on the safety management system elements to minimize or eliminate active or latent failure and so, develop strong defense to accident to.

Abstrak :
Penggunaan bahan kimia di dalam kehidupan sehari-hari sudah tidak asing lagi, namun bahan kimia memiliki bahaya yang dapat mengancam keselamatan dan kesehatan manusia. Kecelakaan pada industri kimia seperti yang terjadi di Bhopal mengingatkan kita bahwa manajemen penanganan bahan kimia di industri kimia sangat penting. Penelitian ini menggunakan desain deskriptif dengan pendekatan kualitatif dan menggunakan checklist yang diadopsi dari Management of Hazardous Chemical Programme dan Chemical Safety Assessment Tool serta observasi, wawancara, dan studi dokumen perusahaan. Manajemen penanganan bahan kimia di PT. X sudah cukup baik namun memiliki beberapa kekurangan seperti pelatihan, risk assessment, surveilans medis, dan emergency response plan. ......The usage of chemical in daily life is common however, chemicals have hazards that can threaten human safety and health. Accidents in chemical industries such as in Bhopal, have reminded us that chemical handling management in chemical industries is important. This study used descriptive qualitative method and used a checklist that adopted from Management of Hazardous Chemical Programme and Chemical Safety Assessment Tool and observation, interview, and document review. Chemical handling management in PT. X is adequate but has several weaknesses in training, risk assessment, medical surveillance, and emergency response plan.