Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Cluster analysis is an unsupervised process that divides a set of objects into homogeneous groups. This book starts with basic information on cluster analysis, including the classification of data and the corresponding similarity measures, followed by the presentation of over 50 clustering algorithms in groups according to some specific baseline methodologies such as hierarchical, center-based, and search-based methods. As a result, readers and users can easily identify an appropriate algorithm for their applications and compare novel ideas with existing results. The book also provides examples of clustering applications to illustrate the advantages and shortcomings of different clustering architectures and algorithms. Application areas include pattern recognition, artificial intelligence, information technology, image processing, biology, psychology, and marketing. Readers also learn how to perform cluster analysis with the C/C++ and MATLAB programming languages.

Abstrak :
[ABSTRAK
Penelitian ini membahas tentang perilaku komplain pengguna layanan Commuter Line Jabodetabek. Beberapa penelitian terdahulu yang menyimpulkan bahwa faktor demografis memiliki pengaruh terhadap perilaku komplain menjadi acuan dari hipotesis dalam penelitian ini yang menyatakan bahwa setiap rute memiliki komposisi tipe complainer yang berbeda. Dengan menggunakan cluster analysis, complainer dibagi ke dalam 4 tipe yang berbeda dari segi perilaku komplainnya, yaitu voicers, irates, passives, dan activists. Hasil dari test ANOSIM menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara komposisi tipe-tipe complainer di setiap rute yang ada, sehingga tidak diperlukan sistem manajemen komplain yang unik di setiap rutenya. Yang kemudian perlu dilakukan oleh PT KCJ dalam menangani komplain adalah membuat strategi bagi keempat tipe complainer yang ada, serta berfokus pada tipe irates sebagai tipe complainer mayoritas.

---

ABSTRACT
This research is highlighting the consumer complaining behavior of Commuter Line Jabodetabek passengers. Previous researches that suggest that demographic factors are have contributions in complaining behaviors become the foundation of the hypothesis in this research which states that every route has different composition of complainer types. With cluster analysis, complainers are divided into 4 different types subject to their complaining behavior, they are voicers, irates, passives, and activists. Result from ANOSIM test suggests that there is no significant difference in complainer types in every route, thus unique complaint management style for each route is not needed. What PT KCJ should do is creating and applying appropriate strategy for each type of complainer, and focussing on irates complainer as the majority of complainer in the whole service, This research is highlighting the consumer complaining behavior of Commuter Line Jabodetabek passengers. Previous researches that suggest that demographic factors are have contributions in complaining behaviors become the foundation of the hypothesis in this research which states that every route has different composition of complainer types. With cluster analysis, complainers are divided into 4 different types subject to their complaining behavior, they are voicers, irates, passives, and activists. Result from ANOSIM test suggests that there is no significant difference in complainer types in every route, thus unique complaint management style for each route is not needed. What PT KCJ should do is creating and applying appropriate strategy for each type of complainer, and focussing on irates complainer as the majority of complainer in the whole service]

Abstrak :
ABSTRAK
Obesitas menjadi masalah kesehatan masyarakat sejak meningkatnya prevalensi obesitas pada lima tahun terakhir. Penelitian bertujuan untuk menggali variabel lingkungan obesogenic di Indonesia. data didapatkan dari Podes 2014, Riskesdas 2013 dan penutupan lahan 2013. Terdapat asosiasi antara lingkungan obesogenic dan prevalensi obesitas. Komposit total skor lingkungan obesogenic dapat menjeaskan obesitas sebesar 42.5%. Pada level individu, orang yang tinggal di klaster 3 memiliki kemungkin 28.4% untuk menjadi obesitas dibanding orang yang tinggal di klaster 1 (OR=1.34, p= <0.001, CI:95%). Berdasarkan temuan, lingkungan berpotensi mempengaruhi kejadian obesitas di Indonesia.

---

ABSTRACT
Obesity consider as public health problem since there was increase prevalence in last five years. The study was objectively explore obesogenic environment variable in Indonesia. Data were collected from Podes 2014, Riskedas 2013 and land covering 2013. There were association between obesogenic environment and obesity prevalence. Composite total score of obesogenic environment can explain 42.5% obesity prevalence. At the individual level, people who lives in cluster 3 were have 28.4% probability to become obese than people who lives in cluster 1 (OR=1.34, p= <0.001, CI:95%). Based on finding, environment was could potentially influence obesity occurence in Indonesia.

Abstrak :
ABSTRAK
Perubahan penggunaan tanah pada wilayah Daerah Aliran Sungai dapat mempengaruhi sistem ekologi, sistem hidrologi dan kualitas air. Oleh karena itu, studi perubahan penggunaan tanah diperlukan terutama di DAS Komering yang diindikasi penggunaan tanahnya berubah dalam periode tahun 2010-2016. Penggunaan tanah merupakan faktor utama yang menentukan tingkat kekrtitsan tanah, sehingga perubahan penggunaan tanah harus sesuai dengan kemampuan tanah sehingga kerusakan tanah dapat dikendalikan. Tujuan penelitian ini untuk mengetahui perubahan penggunaan tanah tahun 2000-2016 dan menggeneralisasi kriteria tanah kritis berdasarkan faktor-faktor fisik dan sosial di DAS Komering seperti; perubahan penggunaan tanah, kedalaman efektif tanah, lereng, singkapan, dan produktivitas lahan. Penelitian ini menggunakan klasifikasi terbimbing supervised dengan algoritma dengan software ENVI 5.1 untuk mendeteksi perubahan penggunaan tanah di DAS Komering, Provinsi Sumatera Selatan, yang menggunakan data satelit multispektral yang diperoleh dari Landsat 7 dan Landsat 8 untuk tahun 2000 dan 2016. Penentuan tingkat kekritisan tanah dan kondisi penggunaan tanah melalui pendekatan spasial dengan memanfaatkan Sistem Informasi Geografis GIS dan analisis statistik. Hasil penelitian menunjukan telah terjadi perubahan penggunaan tanah dari tahun 2000 sampai dengan 2016 di DAS Komering yaitu dengan bergesernaya pola penggunaan tanah dari skema D pada tahun 2000 ke skema G pada tahun 2016. Berdasarkan hasil analisa statisik terdapat tiga kelas kekritisan tanah yaitu; tidak kritis, potensial kritis, dan kritis dengan varibel yang memberikan kontribusi terbesar terhadap kekritisan tanah seperti; produktivitas lahan 20 , singkapan 60 , kedalaman efektif tanah 17 , dan kemiringan lereng 3 . Secara spasial wilayah tanah kritis mendominasi dibagian hulu DAS Komering dengan ketinggian 250-1000 mdpl, kemiringan lereng 8-40 , kedalaman efektif tanah 40 . Berdasarkan jenis penggunaan tanah, tanah kritis berada pada jenis penggunaan tanah pertanian terutama pertanian lahan kering.

---

ABSTRACT
Land use changes in a watershed can affect the ecological system, hydrological system and water quality. Therefore, studies of land use change is needed especially in Komering Watershed which indicated changed in the period 2010 2016. Land use is the main factor that determine level of critical land, so the land use changes should correspond with the capability through which degraded land can be controlled. This study aimed to calculate land use land cover changes from 2000 to 2016 and generalize critical land criterions using the physical and social factors that influence the degree of criticality land in watershed such as land use changes, solum, slopes, outcrop, and land productivity. This study applied supervised classification maximum likelihood algorithm in ENVI 5.1 imagine to detect land use changes observed in Komering watershed, South Sumatera province, using multispectral satellite data obtained from Landsat 7 and Landsat 8 for the years 2000 to 2016 respectively. Determination of the level of critical land and land use conditions are executed through a spatial approach by utilizing Geographic Information Systems GIS and statistical analysis. The results showed there had been a land use changed from 2000 to 2016 in DAS Komering because of changing land use patterns of the scheme D in 2000 to scheme G in 2016. Based on statistical analysis, there are 3 classes of land criticality not critical, critical potential, and critical with variable that contributes the most to the land criticality such as land productivity 20 , outcrop 60 , effective depth of the soil 17 , and slope 3 . Distribution of critical land areas dominated watershed upstream Ogan which is at an altitude of 250 1000 meters above sea level, slope 8 40 , effective soil depth 40 . Based on the type of land use, land use types that are in the critical agricultural land mainly dryland farming.

Abstrak :
Salah satu jenis informasi yang perlu diketahui oleh pelaku pasar modal, khususnya investor adalah informasi yang bersifat fundamental. Informasi ini menggambarkan keadaan suatu perusahaan dan faktor-faktor yang dapat mempengaruhi kondisi suaru perusahaan. Untuk mengetahui jenis informasi ini diperlukan pengetahuan tentang kemampuan manajemen perusahaan, prospek perusahaan, prospek pemasaran, perkembangan teknologi, kemampuan menghasilkan keuntungan, dan hal lain yang secara langsung maupun thiak langsung dapat mempenganihi keadaan perusahaan. Untuk inemudahkan investor dalam memperoleh informasi tersebut maka PT Bursa Efek Jakarta (BET) mengeluarkan Monthly Statistic. Laporan ini sarat dengan data keuangan perusahaan yang telah listed di BEJ. Dengan bantuan teknik Multivariale Data Analysis data tersebut dapat menjadi informasi yang dapat digunakan oleh investor sebelum melakukan transaksi di pasar modal. Salah satu bentuk Multivariate Data Analysis adalah Cluster Analysis, yang merupakan suatu cara pengelompokan untuk mengidentifikasi ciri-ciri suatu entitas yang sejenis berdasarkan karakteristik yang dimiliki. Pengolahan data dalam penelitian ini menggunakan empat variabel yang mewakili karakterisitik saham yang akan dikelompokan. Variabel tersebut adalah Earning per Share (EPS), Price Book Value (PBV), Return on Equity (ROE), dan Operating Net Profit (OPM). Dipilihnya empatflnancial ratio ini karena keempat rasio tersebut memuliki koefisien korelasi yang lebih tinggi dibanding dengan financial ratio Iainnya yang terdapat pada Monthly Statistic. Penelitian menyimpulkan bahwa tidak ada satu kelompok pun yang semua anggotanya terdiri dari saham-saham yang dikeluarkan dan perusahaan yang bergerak di bidang industri yang sama. Dengan demikian setiap kelompok beranggotakan dan saham yang dikeluarkan oleh perusahaan dengan bidang usaha yang berbeda. Anggota suatu kelompok lebih didasarkan pada kedekatanjarak dan vanabel yang telah disebut di atas. Dengan kata lain kriteria suatu kelompok sangat bergantung paI karateristik perusahaan yang menjadi anggota dalam kelompok tersebut dalam hal ini karateristik itu diwakili oleh EPS, PBV, ROE, dan OPM

Dengan demikian dan hasil pengelompokan dapat digunakan oleh investor untuk memilih saham-saham yang mana saja yang memiliki karakteristik yang hampir sama dan saham-saham mana saja yang niemiliki karakteristik yang berbeda. Hal ini sangat berguna bagi investor dalarn upaya untuk melakukan diversifikasi saham yang akan membentuk portfolionya.

Abstrak :
Untuk melaksanakan penelitian di Indonesia yang dapat mewakili 33 provinsi, sampling bertahap banyak dilakukan, dan tahap awalnya adalah memilih provinsi. Pada penelitian bidang kesehatan, agar provinsi terpilih mewakili kondisi kesehatan penduduk Indonesia, seyogyanya provinsi dikelompokkan berdasarkan variabel terkait kesehatan. Untuk itu, secara statistik dapat dilakukan analisis gugus (cluster analysis) memakai data dari berbagai sumber, dengan 27 variabel mencakup prevalensi beberapa penyakit infeksi dan status gizi, akses ke pelayanan kesehatan, status demografi, indeks pembangunan manusia, dan aspek keuangan. Hasil akhir menunjukkan bahwa ada 4 gugus provinsi di Indonesia, pada masing-masing gugus terdapat sebanyak 4, 8, 7, dan 14 provinsi. Proses penggugusan dengan analisis gugus semacam ini dapat diterapkan dengan memakai data yang diperbaharui dan hasilnya dapat dimanfaatkan sebagai salah satu pertimbangan untuk sampling provinsi di Indonesia. ...... Multistage sampling procedure is often used in conducting a researchthat represents all 33 provinces in Indonesia, and the first step for the procedure is the sample selection of provinces. In the area of health research, it is recommended that the province selection is based on the stratification of provinces using health related variables. Cluster analysis is a statistical technique possibly employed utilizing data from many sources. In this particular application, it involves 27 important health variables which reflect important communicable diseases and nutritional status, access to health services, demographic situation, human development index, and financial factor. This cluster analysis produces four clusters of province, with each of them comprising of 4, 8, 7, and 14 provinces. This statistical clustering technique of provinces can be implemented and considered in the sampling process of provinces in Indonesia using the updated data.

Abstrak :
Image segmentation is typically used to distinguish objects that exist in an image. However, it remains difficult to accommodate favourable thresholding in multimodal image histogram problem with specifically desired number of thresholds. This research proposes a novel approach to find thresholds in multimodal grayscale image histogram. This method consists of histogram smoothing, identifi-cation of peak(s) and valley(s), and merging process using hierarchical cluster analysis. Using five images that consisted of grayscale and converted-to-grayscale images. This method yields maximum value of accuracy, precision, and recall of 99.93%, 99.75%, and 99.75% respectively. These results are better than the similar peak finding method in multimodal grayscale image segmentation.

Salah satu penggunaan segmentasi citra adalah membedakan objek-objek yang ada dalam suatu citra. Namun, untuk mengakomodasi suatu metode penentuan nilai ambang yang diinginkan dalam histo-gram multimodal citra masih sulit dilakukan. Maka dari itu, penelitian ini memberikan suatu pen-dekatan baru untuk menentukan nilai ambang dalam histogrammultimodal citra keabuan. Metode ini terdiri dari penghalusan histogram, identifikasi lembah dan puncak, dan proses penggabungan dengan analisis kluster hierarkis. Metode ini diuji dengan lima citra keabuan dan citra warna yang dikonversi ke citra keabuan dan menghasilkan nilai maksimum dari akurasi, presisi, dan recall masing-masing 99,93%, 99,75%, dan 99,75%. Hasil ini lebih baik daripada metode segmentasi citra keabuan dengan penentuan puncak yang mirip dengan metode dalam penelitian ini.

Abstrak :
Kemajuan pembangunan manusia di Indonesia ditandai dengan meningkatnya nilai indeks pembangunan manusia (IPM). IPM adalah indikator penting dalam mengukur upaya untuk membangun kualitas dan kesetaraan kehidupan manusia. IPM terdiri dari empat faktor termasuk harapan hidup saat lahir, harapan lama sekolah, rata-rata lama sekolah dan pengeluaran per kapita. Dalam penelitian ini kami mengklasifikasikan kabupaten atau kota di Indonesia berdasarkan IPM menjadi tiga kategori; daerah tinggi, sedang, dan rendah. Kami menggunakan analisis kluster untuk penelitian ini. Analisis klaster adalah salah satu teknik multivariat yang digunakan untuk mengklasifikasikan objek atau kasus ke dalam kelompok relatif yang disebut klaster. Salah satu metode analisis kluster adalah K-Means. Hasil penelitian ini dibagi menjadi tiga kelompok; daerah tinggi, daerah sedang dan daerah rendah. Kelompok pertama atau daerah rendah berisi 19 kota. Kelompok kedua atau area tengah berisi 381 kabupaten/kota. Kelompok ketiga atau daerah tinggi berisi 114 kabupaten/kota. Adapun beberapa cara atau kebijakan yang bisa diterapkan oleh pemerintah untuk mempercepat pertumbuhan kemakmuran di Indonesia dengan terfokus pada langkah-langkah percepatan seperti menarik anak-anak yang putus sekolah untuk kembali duduk di bangku sekolah, memaksa anak-anak yang terpaksa bekerja-karena alasan ekonomi keluarga-untuk berhenti bekerja dan kembali ke bangku sekolah, menjadikan pemberantasan buta huruf sebagai sebuah gerakan yang berbasis desa/kelurahan dengan model intervensi by name by address, dan lain-lain. ......Human development progress in Indonesia is characterized by the increasing score of human development index (HDI). HDI is an important indicator in measuring efforts to build the quality and equity of human life. HDI consists of four factors including life expectancy at birth, school continuity, average of school continuity and expenditure per capita. In this research we classify Indonesia regency or city based on the HDI into three categories; high, middle, and low area. We use cluster analysis for the research. Cluster analysis is a class of multivariate techniques that are used to classify objects or cases into relative groups called clusters. One of the cluster analysis methods is k-means. The result of this research are divided into three groups; high area, medium area and low area. The first group or the low area contained 19 cities. The second group or the middle area contained 381 regencies/cities. The third group or the high area contained 114 regencies/cities. As for several ways or policies that can be implemented by the government to accelerate prosperity growth in Indonesia by focusing on accelerating measures such as attracting children who drop out of school to return to school, forcing children who are forced to work-due to family economic reasons-to stop working and return to school, making illiteracy eradication a village-based movement with a model of intervention by name by address, and others.

Abstrak :
Penelitian ini bertujuan mendapatkan usulan kebijakan sustainable manufacturing menggunakan cluster analysis method dan gap analysis berdasarkan variabel yang mencerminkan indikator sustainable manufacturing pada Usaha Mikro, Kecil dan Menengah (UMKM) pada Sentra Industri Logam di Kabupaten Tegal. Indikator tersebut meliputi indikator kepedulian lingkungan, pertumbuhan ekonomi, kesejahteraan sosial, kemajuan teknologi dan kemampuan manajemen. Pengklasteran menghasilkan cluster growth dan cluster mature. Rekomendasi kebijakan yang dihasilkan adalah pemberian insentif, penerapan punishment, pengembangan infrastruktur yang sustainable di kawasan industri, membangun sistem informasi industri hijau melalui pembentukan kelompok usaha dan pemberian kesempatan kelompok untuk berperan aktif, peningkatan kemampuan inovasi teknologi, melibatkan peran aktif lembaga pendidikan dan penelitian serta pengembangan, sosialisasi program dan pelatihan produksi bersih dan Standar Nasional Indonesia (SNI). ......This research aims to suggestions of sustainable manufacturing policy, using cluster analysis method and gap analysis, based on selected variables that reflect indicators sustainable manufacturing at Small Medium Enterprises (SMEs) on Metal Industrial District in Regency of Tegal. This indicators include indicators of economic growth, social well-being, technological advance, performance management and environmental stewardship. The clustering produces cluster growth and cluster mature. According to the characteristic of the cluster, the resulting recommendations of policy is the provisions of incentives, applications of punishment, development of a sustainable infrastructure in industrial areas, building a green industrial information system through the establishment of business groups and giving the group the opportunity to play an active role, increasing the ability of technological innovation, involving the active role of educational institutions and research and development, socialization programs and trainning about cleaner production and National Indonesia Standar (SNI).

Abstrak :
Penelitian ini bertujuan untuk mengetahui keadaan kualitas hidup anak (usia 7-12 tahun) serta pemetaan permasalahannya di Indonesia. Desain studi penelitian cross-sectional, data yang digunakan adalah data Survei Sosial Ekonomi Nasional Tahun 2012. Sampel penelitian adalah seluruh anak (usia7-12 tahun) yang memenuhi kriteria inklusi penelitian, yaitu sebesar 30.690 responden. Analisis yang digunakan pada penelitian ini adalah Polychoric PCA (Principal Component Analysis), cluster analysis, serta analisis korelasi dan regresi linier. Hasil dari penelitian ini yaitu bahwa; (1). Keadaan kualitas hidup anak di Indonesia dapat diketahui melalui pembentukkan skor kualitas hidup anak (dibentuk dari tiga dimensi; fisik, kompetensi dan materi), skor kualitas hidup anak dapat menjelaskan menjelaskan sebesar 41% variasi dari ketiga dimensi tersebut. (2). Dengan pembentukaan sebanyak 4 cluster provinsi dapat diketahui peta permasalahan keadaan kualitas hidup anak di Indonesia. (3). Korelasi antara nilai IPM dengan skor kualitas hidup anak adalah sedang (r=0,728), berpola positif dengan nilai p-value yang signifikan (p=0,000). (4). Korelasi antara nilai Total Fertility Rate (TFR) dengan skor kualitas hidup anak sangat kuat (r=0,8) berpola negatif dengan nilai p-value signifikan (p=0,000). Kesimpulan dan saran, bahwa wilayah provinsi di Indonesia yang memerlukan fokus perhatian dalam hal kualitas hidup anak (usia 7-12 tahun) adalah provinsi-provinsi yang berada pada cluster-3 dan cluster-4. Nilai IPM secara statistik memperlihatkan adanya kesamaan dengan skor kualitas hidup anak. Setiap pertambahan nilai Total Fertility Rate (TFR) akan menurunkan skor kualitas hidup anak. Usaha perbaikan kualitas hidup anak bagi masing-masing provinsi di Indoensia disesuaikan dengan kondisi dan potensi provinsi setempat serta turut mempertimbangkan nilai-nilai sosial dan budaya yang berlaku pada provinsi tersebut.

---

The purpose of this study is to evaluate quality of life for children (aged 7-12 years) and the mapping problem in Indonesia. Study design is cross-sectional, using National Socio-Economic Survey data, in 2012. Samples are all children (aged 7-12 years) who met the inclusion criteria of research, that is equal to 30.690 respondents. The analysis used are; Polychoric PCA (Principal Component Analysis), cluster analysis, correlation and linear regression analysis. The results of the study are that; (1). The state of the quality of life of children in Indonesia can be seen through the creation of child's quality of life scores (three-dimensional; physical, competence and material), child?s quality of life scores can explain 41% of the variation in the third dimension. (2). With the formation of 4 clusters provinces, can be seen the map of the quality of life issues in Indonesian children. (3). Correlation degree between the value of HDI with child?s quality of life scores are moderate (r= 0,728), positive pattern with a significant p-value (p= 0,000). (4). Correlation degree between the value of TFR with child?s quality of life scores are very strong (r = 0,8), negative pattern with a significant p-value (p= 0,000). Conclusions and suggestions, the province in Indonesia that require focused attention in terms of quality of life of children (aged 7-12 years) are provinces that are in the cluster-3 and cluster-4. HDI values ​​showed statistically significant similarity with child?s quality of life scores. Every increase in the value of Total Fertility Rate (TFR) will decrease the value of child's quality of life scores. Efforts to improve the quality of life of children for each province adapted to local conditions and the potential provinces, and take into account the social dan cultural values prevailing in the province.