Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sektor konstruksi merupakan salah satu dari tiga sektor terbesar yang menyumbang pada pendapatan nasional. Namun, sektor konstruksi juga merupakan salah satu sektor yang menyumbang kecelakaan terbesar dengan rata-rata 32% per tahunnya. 87% kecelakaan konstruksi yang terjadi disebabkan oleh faktor manusia yang sering kali melakukan perilaku yang tidak aman. Mengetahui kondisi asli tentang perilaku aman pekerja konstruksi dan faktor yang mempengaruhinya menjadi sangat penting untuk meningkatkan perilaku pekerja agar menjadi aman. Terdapat sembilan faktor yang diteliti, yaitu komitmen manajemen, lingkungan pendukung, manajemen sistem keselamatan, partisipasi, alokasi sumber daya, pengetahuan keselamatan, sikap keselamatan, motivasi, dan tekanan kerja. Studi ini menggunakan data sekunder berupa hasil kuisioner yang diambil dari studi serupa yang sesuai dengan indikator-indikator yang diteliti. Data kuisioner kemudian diproses menggunakan model bayesian network. Hasil menunjukkan bahwa saat ini pekerja konstruksi terkadang bahkan jarang mempertimbangkan peraturan, norma, dan regulasi keselamatan saat bekerja. Hasil juga menunjukkan bahwa tekanan kerja, sikap keselamatan, pengetahuan keselamatan, dan alokasi sumberdaya merupakan faktor yang paling berpengaruh terhadap perilaku aman pekerja. Selain itu, peningkatan dari faktor tekanan kerja dan pengetahuan keselamatan sangat dibutuhkan untuk meningkatkan keadaan perilaku aman dari pekerja konstruksi menjadi yang tertinggi. Kemudian, diusulkan strategi untuk meningkatkan proporsi perilaku aman para pekerja. ......Construction sector is one of the three largest sectors that contribute to national GDP. However, the construction sector is also one of the sectors that contributes the largest workplace accidents with an average of 32% per year. 87% of construction accidents that occur are caused by human factors that oftentimes behave unsafely. Knowing the real conditions of construction workers’ safety behavior and the factors that influence them is very important to improve the safety behavior of workers. There are nine factors studied, including management commitment, supporting environment, safety management system, participation, resource allocation, safety knowledge, safety attitudes, motivation, and work pressure. This study uses secondary data of questionnaire result taken from the similar study which is in accordance with the indicators studied. Questionnaire data is then processed using bayesian network model. The results showed that construction workers are sometimes, even seldom, consider safety regulations, norms and regulations when working. The results also show that work pressure, safety knowledge, safety attitude, and resource allocation are the factors that highly influence safety behavior. Moreover, improving the proportion of work pressure and safety knowledge factors are needed to reach the highest proportion of safety behavior. Then, strategies are proposed to increase the proportion of safety behavior of construction workers.

Abstrak :
The shipbuilding industry is characterized by high-risk business activities; therefore, caution should be taken in its operational processes. From upstream to downstream, the shipbuilding industry depends on other industries. In this study, a risk assessment was conducted on the construction of new vessels using the Bayesian network approach; accordingly, the risk assessment was carried out using a probabilistic value at risk (VaR). The study was carried out by PT PAL Indonesia in association with the construction of a new tanker ship (building production codes M271 and M272). An analysis was conducted on three main components of new vessel construction—design components, material and production components, and subcomponents of the previous two components. From the study, we could conclude that the probability of delay for new vessel construction caused by design delay is 0.05; the probability of delay caused by material delay is 0.65; and the probability of delay caused by production delay is 0.3. For delays caused by design factors, a yard plan is the sub-component that contributes predominantly to delays (i.e., probability of 0.3). For delays caused by material factors, the sub-component with the greatest impact is hull and machinery outfitting, with a probability of 0.3. For delays caused by production factors, the sub-component with the biggest impact is hull construction, with a probability of 0.39. Thus, we could conclude that a project delay would occur if the material component and the hull construction sub-components were not handled properly.

Abstrak :
[ABSTRAK
Indonesia menempati peringkat ke-4 di dunia sebagai negara dengan kasus tuberkulosis terbanyak, setelah India, China, dan Afrika Selatan (WHO,2012). Upaya yang dilakukan untuk mengendalikan kasus tuberkulosis adalah menerapkan strategi pengobatan Direct Observed Treatment Shortcourse (DOTS) dalam waktu 6-9 bulan. Membangun sebuah model agar dapat memprediksi hasil pengobatan tuberkulosis sangat dibutuhkan untuk membantu para tenaga medis untuk mensupervisi setiap pasien berdasarkan kondisinya dan status resikonya. Penelitian ini menggunakan metode dynamic bayesian networks. Metode dynamic bayesian networks juga digunakan untuk mengidentifikasi independensi variabel pada penyakit tuberkulosis. Dalam penelitian software CaMML versi 1.4.1 digunakan untuk membangun struktur graf dynamic bayesian networks dan package Netica J-API yang berbasis Java untuk memvisualisasikan serta evaluasi graf. Evaluasi dilakukan dengan mengukur nilai akurasi dengan membentuk matriks konfusi dan menghitung logarithma loss.Tingkat akurasi struktur graf dalam memprediksi hasil pengobatan tuberkulosis sebesar 76,47% pada eksperimen 1 dan 100% pada eksperimen 2. Hal ini menunjukkan bahwa struktur graf yang terbangun dapat digunakan untuk model dalam mengidentifikasi keterkaitan variabel dalam data pengobatan TB. Selain itu, identifikasi hubungan variabel hasil pengobatan tuberkulosis dengan variabel data yang lain bersifat dependen atau indepeden dapat dilakukan melalui struktur dynamic bayesian networks dengan menggunakan algoritma d-separation.;

---

ABSTRACT
Indonesia ranks 4th in the world as the country with the most cases of tuberculosis, after India, China, and South Africa (WHO, 2012). Efforts to control tuberculosis cases are implemented by the Direct Observed Treatment Shortcourse (DOTS) treatment strategy within 6-9 months. Building a model that can predict the outcome of tuberculosis treatment is needed to help the medical staff to supervise each patient based on the condition and status of the risk. This research use dynamic Bayesian networks method. Dynamic bayesian networks method is also used to identify independency of the variables on tuberculosis treatment data. In this research, CaMML version 1.4.1 software is used to construct the graph of dynamic bayesian networks and Java based Netica-J API package is used to visualize and evaluate the graph. For evaluation, this research measure the value of accuracy obtained from a confusion matrix and calculate the logarithmic loss. In the first experiment, accuracy prediction of graph structure is 76,47% and in the second experiment the accuracy prediction is 100%. The result can be used as the model to identify the independency of variables in tuberculosis treatment data. In addition, identification of the relationship between tuberculosis treatment outcome variable and other variables are dependent or independent can be known using d-separation algorithm., Indonesia ranks 4th in the world as the country with the most cases of tuberculosis, after India, China, and South Africa (WHO, 2012). Efforts to control tuberculosis cases are implemented by the Direct Observed Treatment Shortcourse (DOTS) treatment strategy within 6-9 months. Building a model that can predict the outcome of tuberculosis treatment is needed to help the medical staff to supervise each patient based on the condition and status of the risk. This research use dynamic Bayesian networks method. Dynamic bayesian networks method is also used to identify independency of the variables on tuberculosis treatment data. In this research, CaMML version 1.4.1 software is used to construct the graph of dynamic bayesian networks and Java based Netica-J API package is used to visualize and evaluate the graph. For evaluation, this research measure the value of accuracy obtained from a confusion matrix and calculate the logarithmic loss. In the first experiment, accuracy prediction of graph structure is 76,47% and in the second experiment the accuracy prediction is 100%. The result can be used as the model to identify the independency of variables in tuberculosis treatment data. In addition, identification of the relationship between tuberculosis treatment outcome variable and other variables are dependent or independent can be known using d-separation algorithm.]

Abstrak :
Knowledge discovery in databases (KDD) merupakan proses pencarian pengetahuan bermanfaat dari data menggunakan teknik komputasi. Salah satu langkah khusus dalam KDD adalah data mining , yaitu aplikasi algoritma spesifik untuk mengekstrak pola/model dari data....

Abstrak :
Human Immunodeficiency Virus (HIV) merupakan salah satu virus paling mematikan yang merusak sistem imun manusia melalui interaksi antar protein (PPI). Oleh karena itu, diperlukan suatu metode prediksi yang dapat melihat secara luas interaksi antar protein. Integrasi dari berbagai jenis data yang berbeda merupakan salah satu pendekatan untuk melihat interaksi protein secara luas. Dalam penelitian ini dibangun metode untuk prediksi PPI dengan mengintegrasikan gene expression dan ontology menggunakan Bayesian Network. Langkah pertama pada proses integrasi ini yaitu mencari nilai likelihood ratio berdasarkan evidence berupa nilai probabilistik PPI pada masing-masing dataset. Dimana likelihood ratio diperoleh dari kombinasi evidence menggunakan Bayesian Network. Kemudian hasil prediksi yang diperoleh diverifikasi menggunakan database NIAID sebagai Gold-Standard. Dari hasil keseluruhan eksperimen, model yang dibangun ini dievaluasi menggunakan Positive Predictive Value (PPV) dan memperoleh presisi mencapai 85.07%. .......Human Immunodeficiency Virus (HIV) is one of the most deadly virus that could damage the human immune system through protein interaction (PPI). Therefore, the extremely prediction method that determine interactions between proteins extensively is required. The integration of different data is one of the approaches to look at the proteins interactions. In this research, a prediction model of PPI by integrating gene expression and gene ontology using Bayesian Networks will be developed. The first step in the integration process is to find the value of likelihood ratio based on evidence from each dataset. Furthermore the likelihood ratio is obtained from a combination of evidence using Bayesian Networks. Finally, the prediction results will be verified using a database of NIAID as Gold-Standard. Overall, we use PPV as an evaluation method which achieve precision around 85.07%.

Abstrak :
Sebuah sistem berbasis ontologi saat ini dapat melakukan penalaran logis melalui Web Ontology Language - Description Logic (OWL-DL). Namun untuk melakukan penalaran probabilistik, sistem tersebut harus menggunakan basis pengetahuan terpisah, pemrosesan terpisah, atau aplikasi pihak ketiga. Studi-studi terdahulu seperti BayesOWL, MEBN/PR-OWL, dan OntoBayes utamanya berfokus kepada bagaimana merepresentasikan informasi probabilistik dalam ontologi dan melakukan penalaran terhadapnya. Pendekatan-pendekatan tersebut tidak cocok bagi sistem-sistem yang telah memiliki basis pengetahuan ontologi dan Bayesian network (BN) yang telah berjalan/operasional karena pengguna harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Penelitian ini mengusulkan konsep pemaduan Bayesian network ke dalam ontologi dan sebaliknya yang menyediakan solusi penalaran logis dan probabilistik secara simultan tanpa harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Metode yang digunakan adalah dengan cara menentukan aturan transformasi lalu mengembangkan morpher/transformer berdasarkan aturan dan algoritma dalam sebuah kerangka kerja untuk melakukan penalaran logis dan probabilistik secara simultan. Kerangka kerja tersebut kemudian diuji dengan validasi logis, validasi empiris, dan penilaian pakar (expert judgement) untuk membuktikan validitasnya. Hasil validasi logis menunjukkan bahwa algoritma-algoritma transformasi yang diusulkan terbukti valid dan memenuhi kriteria time complexity dan decidability. Hasil validasi empiris menunjukkan bahwa kerangka kerja yang dibangun terbukti mampu mentransformasikan informasi yang terkandung dalam basis pengetahuan Bayesian network ke dalam ontologi dan demikian pula sebaliknya. Adapun hasil penilaian pakar memperkuat hasil validasi empiris yang dilakukan terhadap kasus-kasus uji yang diambil. Hasil berbagai pengujian tersebut menunjukkan bahwa kerangka kerja yang diusulkan terbukti mampu menyelesaikan permasalahan yang membutuhkan kesatuan penalaran logis dan probabilistik dalam sebuah sistem pengetahuan berbasis ontologi.

---

An ontology-based system can currently logically reason through the Web Ontology Language Description Logic (OWL-DL). To perform probabilistic reasoning, the system must use a separate knowledge base, separate processing, or third-party applications. Previous studies such as BayesOWL, MEBN/PR-OWL, and OntoBayes mainly focus on how to represent probabilistic information in ontologies and perform reasoning through them. These approaches are not suitable for systems that already have running ontologies and Bayesian network (BN) knowledge bases because users must rewrite the probabilistic information contained in a BN into an ontology. This study proposes the concept of integrating BN into ontology and vice versa which provides simultaneous logical and probabilistic reasoning solution without having to rewrite probabilistic information contained in BN into ontology. The method used is by determining the rules of transformation and then develop a morpher/transformer based on the rules and the algorithms in the form of a framework for simultaneous logical and probabilistic reasoning. The framework is then tested by using logical validation, empirical validation, and expert judgement to prove its validity. The logical validation results show that the transformation algorithms are proven valid and meet the criteria of time complexity and decidability. The results of empirical validation indicate that the built framework has been proven capable of transforming information contained in the Bayesian networks knowledge base into ontology and vice versa. The results of expert judgement strengthen the results of empirical validation conducted on the test cases taken. The results of these tests indicate that the proposed framework is proven to solve problems that require the unity of logical and probabilistic reasoning in an ontology-based knowledge system.

Abstrak :
Efektivitas Wayfinding adalah kesuksesan interaksi antara faktor manusia dan faktor lingkungan yang mampu membuat seseorang berhasil berpindah dari posisi sekarang ke posisi yang ingin dituju dengan waktu yang sesuai dengan kebutuhan. Saat ini proses tersebut belum dimodelkan untuk menggambarkan hubungan dari kesuksesan efektivitas wayfinding tersebut. Penelitian ini bertujuan untuk memodelkan komplek sistem dari aktivita wayfinding dengan menggunakan Bayesian Network dan model tersebut menyesuaikan dengan factor faktor yang di aplikasikan di Terminal 2 Bandara Soekarno Hatta. Model menjelaskan bahwa faktor manusia memiliki dampak yang lebih besar dari faktor lingkungan dalam mempengaruhi efektivitas wayfinding. Untuk Faktor manusia sendiri faktor yang paling berpengaruh adalah previous familiarity diikuti dengan cognitive&spatial skill. Model ini juga memprediksi bahwa navigation pathway memiliki pengaruh lebih besar dari terminal design dalam memberikan dampak pada faktor lingkungan. ...... Wayfinding's effectiveness is the success of interactions between human factors and environmental factors that can make a person succeed in moving from the current position to the position they want to reach with the time that suits their needs. At present the process has not been modeled to illustrate the relationship between the success of the effectiveness of the wayfinding. This study aims to model the system complex of wayfinding activites using the Bayesian Network and the model adapts to the factor factors applied at Terminal 2 of Soekarno Hatta Airport. The model explains that human factors have a greater impact on environmental factors in influencing the effectiveness of wayfinding. For the human factor itself, the most influential factor is the previous familiarity followed by cognitive & spatial skills. This model also predicts that the navigation pathway has a greater influence than terminal design to have an impact on environmental factors.

Abstrak :
Efektivitas Wayfinding adalah kesuksesan interaksi antara faktor manusia dan faktor lingkungan yang mampu membuat seseorang berhasil berpindah dari posisi sekarang ke posisi yang ingin dituju dengan waktu yang sesuai dengan kebutuhan. Saat ini proses tersebut belum dimodelkan untuk menggambarkan hubungan dari kesuksesan efektivitas wayfinding tersebut. Penelitian ini bertujuan untuk memodelkan komplek sistem dari aktivita wayfinding dengan menggunakan Bayesian Network, dan model tersebut menyesuaikan dengan faktor-faktor yang di aplikasikan di Terminal 2 Bandara Soekarno Hatta. Model menjelaskan bahwa faktor manusia memiliki dampak yang lebih besar dari faktor lingkungan dalam mempengaruhi efektivitas wayfinding. Untuk Faktor manusia sendiri faktor yang paling berpengaruh adalah previous familiarity diikuti dengan cognitive spatial skill. Model ini juga memprediksi bahwa navigation pathway memiliki pengaruh lebih besar dari terminal design dalam memberikan dampak pada faktor lingkungan. ...... Effective Wayfinding is the successful interplay of human and environmental factors resulting in a person successfully moving from their current position to a desired location in a timely manner. To date this process has not been modelled to reflect this interplay. This paper proposes a complex modelling system approach of wayfinding by using Bayesian Networks to model this process, and applies the model to airports. The model suggests that human factors have a greater impact on effective wayfinding in airports than environmental factors. The greatest influences on human factors are found to be the level of previous experienced by travellers and their cognitive and spatial skills. The model also predicted that the navigation pathway that a traveller must traverse has a larger impact on the effectiveness of an airport rsquo s environment in promoting effective wayfinding than the terminal design.

Abstrak :
ABSTRAK
Penyakit Parkinson merupakan penyakit neurodegeneratif terbanyak kedua setelah dimensia Alzheimer. Penyakit ini merupakan penyakit yang disebabkan oleh menurunnya dopamin di dalam otak, yang menyebabkan otak bekerja secara tidak normal. Hingga saat ini belum diketahui penyebab pasti dari penyakit Parkinson. Beberapa pengukuran dinyatakan dengan total skor. Akan tetapi total skor hanya dapat mengetahui seberapa tinggi tingkat keparahan yang dialami penderita Parkinson tanpa mengetahui faktor dominan yang menyebabkannya. Maka diperlukan suatu metode alternatif yang dapat menjelaskan faktor yang menyebabkan penderita Parkinson kondisinya memburuk, salah satunya adalah dengan metode Bayesian network. Dengan metode ini dapat dilihat hubungan keterkaitan antar satu faktor dengan faktor lainnya yang menggambarkan kondisi dari penderita penyakit Parkinson. Pada tugas akhir ini digunakan dataset dari Parkinson rsquo;s Progression Markers Initiative PPMI . Data diambil dari periode baseline BL, kunjungan pertama bulan ke-0, kunjungan di bulan ke-12 VO4 , kunjungan di bulan ke-24 V06 , kunjungan di bulan ke-36 V08 , kunjungan di bulan ke-48 V10 , dan kunjungan di bulan ke-60 V12 . Dari ke-6 periode yang diamati didapatkan pengukuran sebanyak 293 penderita Parkinson. Data tersebut akan diukur menggunakan suatu alat pengukuran Movement Disorder Society-Unified Parkinson Disease Rating Scale MDS-UPDRS. MDS-UPDRS merupakan suatu alat ukur umum yang digunakan dalam menilai kondisi penderita Parkinson. MDS-UPDRS terdiri dari 4 bagian. Penelitian ini akan menggunakan MDS-UPDRS part 2 mengenai penilaian aspek motorik dari penderita Parkinson. Terdapat 13 variabel aspek motorik yang akan digunakan dalam analisis penentuan variabel aspek motorik apa yang paling memengaruhi tingkat keparahan penderita Parkinson. Hasil analisis data penderita Parkinson dalam penelitian ini menyatakan bahwa faktor tremor selalu memberikan efek yang signifikan terhadap kemampuan menulis handwritten penderita Parkinson, dengan nilai probabilitas terbesar di setiap periode pengamatan.

---

ABSTRACT
Parkinson 39 s disease is the second most neurodegenerative disease after Alzheimer 39 s dementia. This type of disease is caused by dopamine that decreset inside brain, which causes the brain to work abnormally. Until today the spesific cause of Parkinson 39 s disease is unknown. A few measurements are being declared by the total score. However, the total score only tell how high the severity experienced by Parkinson 39 s patients without knowing the dominant factors that cause it. So needed an alternative method that can explain the factors that cause it. Then it is necessary for an alternative method which can explain the factor causing the patient rsquo s condition gets worse, one of them with the Bayesian network method. With this method, relations between one factor and another can be seen by describing the condition of the patient. In this final project it rsquo s using the dataset from Parkinson 39 s Progression Markers Initiative PPMI . The data was taken on baseline period BL, first visit month 0, visit at month 12 VO4 , visit at month 24 V06 , visit at month 36 V08 , visit on month to month 48 V10 , and visits in the 60th month V12 . From the 6 periods observed was measured 293 Parkinson 39 s patients. The data will be measured using a Movement Disorder Society Unified Parkinson Disease Rating Scale MDS UPDRS measurement tool. MDS UPDRS is a common measure used in assessing the condition of people with Parkinson 39 s. MDS UPDRS consists of 4 parts. This study will use MDS UPDRS part 2 on the assessment of motor aspects of Parkinson 39 s patients. There are 13 motor aspect variables that will be used in determining analysis of motor aspect variable which most influence the severity of Parkinson 39 s. The results of data analysis of Parkinson 39 s patients in this study stated that the tremor factor always gives a significant effect on the writing ability handwritten of Parkinson 39 s patients, with the greatest probability value in each observation period.

Abstrak :
Angka kecelakaan kerja di Indonesia yang tergolong tinggi, mengakibatkan adanya urgensi untuk menjaga keselamatan pekerja yang jumlahnya semakin meningkat. Sektor penyumbang kecelakaan kerja terbesar di Indonesia adalah sektor konstruksi, termasuk konstruksi gedung dan menyebabkan kerugiaan fisik maupun finansial yang besar. Kecelakaan kerja biasanya disebabkan oleh kesalahan manusia dan sangat berkaitan dengan reliabilitas manusia. Penggunaan metode Fuzzy Cognitive Reliability and Error Analysis Method (Fuzzy CREAM) ditujukan dalam penelitian untuk menganalisa pola perilaku pekerja yang mempengaruhi resiko kecelakaan kerja digabungkan dengan simulasi Bayesian Network. 176 pekerja konstruksi bangunan di wilayah Jakarta dan sekitarnya menjadi objek penelitian. Nilai Human Error Probability (HEP) berhasil didapatkan dan pemberian solusi dilakukan berdasarkan karakteristik pekerja dalam kategori Control Mode. ......Work injury rates in Indonesia are relatively high, resulting in an urgency to maintain the safety of workers whose numbers are increasing. The biggest sector contributing to work accidents in Indonesia is the construction area, including building construction and causing large physical and financial losses. Workplace accidents are usually caused by human error and are strongly related to human reliability. The use of Fuzzy Cognitive Reliability and Error Analysis Method (Fuzzy CREAM) method is aimed at research to analyze patterns of worker behavior that affect the risk of workplace accidents combined with Bayesian Network simulation. 176 construction workers in the Jakarta and surrounding areas became the object of research. The value of Human Error Probability (HEP) was successfully obtained and the solution was given based on the characteristics of workers in the Control Mode category.