Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Masalah yang akan dijumpai dalam pengambilan sampel di alam terbuka dengan objek pengamatan hewan yaitu tidak semua objek pengamatan dapat terdeteksi. Salah satu metode untuk mengatasinya adalah metode Detectability Sampling, yaitu metode pengambilan sampel dengan mempertimbangkan probabilitas terdeteksinya suatu objek pengamatan. Jika metode Detectability Sampling diterapkan pada Simple Random Sampling, maka metode pengambilan sampel ini disebut Detectability Simple Random Sampling. Taksiran total populasi yang didapat dari metode Detectability Simple Random Sampling merupakan taksiran yang tak bias. Probabilitas terdeteksinya suatu objek pengamatan dapat diketahui atau ditaksir dari penelitian sebelumnya. Dalam tugas akhir ini, probabilitas terdeteksinya suatu objek pengamatan ditaksir dari penelitian sebelumnya yang menggunakan metode Direct Sampling. Studi kasus penerapan metode ini digunakan dalam menaksir total banyak katak di sekeliling Danau Agatis, Universitas Indonesia. Hasil analisa data menunjukkan bahwa total banyak katak di sekeliling Danau Agatis adalah sebesar 266 katak. Jika banyak katak per luas di sekeliling Danau Agatis dibandingkan dengan banyak katak per luas yang didapat dari penelitian sebelumnya di sekeliling danau yang bersih, dimana memberikan hasil bahwa banyak katak per luas di sekeliling Danau v Agatis lebih kecil dibandingkan banyak katak per luas di danau yang bersih, maka dapat disimpulkan bahwa Danau Agatis, Universitas Indonesia telah mulai tercemar. kata kunci : taksiran tak bias, total populasi, simple random sampling, probabilitas terdeteksinya objek pengamatan, direct sampling x + 64 hlmn. Bibliografi : 8 (1977-2009)

Abstrak :
Penelitian mengenai keragaman mikroalga epifitik di Ciliwung wilayah perbatasan Depok sampai Jakarta Selatan telah dilakukan pada bulan Agustus hingga Desember tahun 2017. Penelitian bertujuan untuk mendeskripsikan keragaman epifitik pada setiap lokasi penelitian dan hubungan dengan parameter lingkungan di setiap lokasi penelitian. Sampel diambil secara purpose random sampling agar dapat mempresentasikan hasil penelitian. Hasil identifikasi sampel diperoleh 28 jenis mikroalga epifitik dengan 5 divisi terdiri atas divisi Chlorophyta, Bacillariophyta, Cyanophyta, Rhodophyta dan Euglenophyta. Frekuensi kehadiran mikroalga epifitik berkisar antara 163-606 jenis mikroalga. Frekuensi kehadiran jenis mikroalga tertinggi pada lokasi pertama yaitu Jembatan Panus dibandingkan dua lokasi lain, sedangkan frekuensi kehadiran jenis mikroalga terkecil di lokasi 3 yaitu TB. Simatupang.

---

Research on analysis The diversity of Epiphytic microlagae in Ciliwung of border Depok until Jakarta Selatan was conducted on Agustus and December 2017. The aims of this study was to describe the uniformity of epiphytic miroalgae from research site and the relationship of environmental parameters at each research sites. Samples were taken purposive random sampling. The indentification result of sample obtained 28 spesies, 5 division consist of divisions of Chlorophyta, Bacillariophyta, Cyanophyta, Rhodophyta and Euglenophyta.The presence frequency of epiphytic microalgae ranges from 163 to 606 cells. The highest frequency of presence of microalgae type in the first location is Panus Bridge compared to two other locations, while the smallest type of microalgae presence at location 3 is TB. Simatupang.

Abstrak :
Pengelolaan peternakan sapi perah yang buruk merupakan faktor utama penurunan kualitas kesehatan manusia, hewan dan lingkungan. Upaya untuk menangani masalah tersebut dapat dilakukan dengan pendekatan ecohealth dalam pengelolaan peternakan. Penelitian ini bertujuan untuk mengevaluasi penerapan pendekatan ecohealth dalam pengelolaan peternakan sapi perah dan menyelidiki hubungan antara karakteristik peternak dengan pengelolaan peternakan sapi perah di Kecamatan Pangalengan. Sebanyak 230 peternak dipilih melalui cluster random sampling. Evaluasi pengelolaan dilakukan dengan mengkompositkan komponen pengelolaan sesuai dengan pendekatan ecohealth dalam pedoman penilaian, yang selanjutnya digunakan untuk mengetahui jumlah peternak yang telah menerapkan pendekatan ecohealth dalam pengelolaan peternakannnya. Komponen yang dievaluasi meliputi pembibitan, pemberian pakan, pemerahan, penanganan susu sapi, pengolahan limbah, perkandangan, sanitasi lingkungan, penanganan dan pencegahan penyakit. Regresi logistik digunakan untuk mengetahui pengaruh hubungan masing-masing variabel karakteristik peternak dengan variabel pengelolaan peternakan sapi perah secara simultan. Karakteristik peternak meliputi usia, luas peternakan, lama beternak, tingkat pendidikan, pengetahuan, jumlah tanggungan, pemilikan ternak, motif beternak, lama tinggal dan tingkat pendapatan. Sebanyak 34 orang (14,8%) dari 230 peternak sapi perah di Kecamatan Pangalengan telah menerapkan pendekatan ecohealth dalam pengelolaan peternakannya. Karakteristik peternak yang berhubungan dengan pengelolaan peternakan adalah semakin besar luas peternakan (Odds ratio=1,005), pemilikan ternak (Odds ratio=1,236), pengetahuan (Odds ratio=1,239) dan jumlah tanggungan (Odds ratio=1,798) maka peluang untuk menerapkan pendekatan ecohealth dalam pengelolaan peternakan sapi perahnya lebih besar. Penelitian lebih lanjut perlu dilakukan dalam menentukan strategi penerapan ecohealth dalam pengelolaan peternakan yang dapat meningkatkan kualitas kesehatan manusia, hewan dan lingkungan.

---

Bad management of dairy farm was the main factor reduction in the quality of human, animals and enviromnent health. Efforts to resolve these problem can be done with the ecohealth approach in farm management. This research to evaluate the current dairy farm management base on ecohealth approaches and investigate the relationship between farmer`s characteristics with dairy farm management practices in Pangalengan Subdistrict. A total of 230 farmers were chosen through cluster ramdom sampling. Management evaluated conducted by combine management component with ecohealth approach in assessment guidelines, which are then used to determine the number of farmers who have applied ecohealth approach in dairy farm management. Component that were evaluated as includes livestock breeding; milking practice and hygiene; postproduction milk handling; nutrition and feeding; waste management and the environment; the cowshed-care, equipment and resources; cowshed cleaning; disease prevention and control. Logistic regression used to determine the effect of each relationship variables farmer`s characteristics with variable dairy farm management simultaneously. Farmers chracteristic include age, extensive dairy farm, experience dependents, level of education, knowledge, number of dependents, ownership of dairy farm, motive, long settled and level income. A number of 34 person (14,8%) from 230 farmer in Pangalengan Subdistrict has applied ecohealth approach in his dairy farm. Characteristic of farmer which are related with dairy farm management, greater of size dairy farm (Odds ratio=1,005), ownership of dairy farm (Odds ratio=1,236), knowledge (Odds ratio=1,239), and the number of dependents (Odds ratio=1,798), the opportunities for applying the ecohealth approach in the management of dairy farms larger. Further research needs to be strategy for applied ecohealth approach in dairy farm management that can improve the quality of human, animal and health.

Abstrak :
ABSTRAK
Salah satu kecamatan yang rentan akan terjadinya bencana gas beracun adalah Kecamatan Batur, Kabupaten Banjarnegara. Untuk itu masyarakat yang tinggal di sekitar kawah harus selalu siap siaga supaya kejadian bencana nasional gas beracun yang pernah menewaskan 149 warga pada 20 Februari 1979 tidak terulang lagi. Tujuan dari penelitian ini adalah membuat model kerentanan wilayah terhadap bencana gas beracun CO2 kawah Timbang di Kecamatan Batur dengan menggunakan Analytical Hierarchy Process. Populasi dalam penelitian ini yaitu seluruh kepala keluarga yang berada di Kecamatan Batur, Kabupaten Banjarnegara, Provinsi Jawa Tengah yang berjumlah 37 kepala keluarga. Untuk mengambil sampel digunakan metode Simple Random Sampling. Teknik analisis data melalui pembobotan dari ketiga aspek yaitu keterpaparan, sensitivitas, dan kapasitas adaptif. pada setiap aspek miliki parameter yang diberi pembobotan dengan menggunakan masukan dari para ahli melalui metode AHP. Kerentanan wilayah terhadap bencana gas beracun CO2 ini diklasifikasi menjadi tiga tingkatan kerentanan wilayah yaitu, rendah, sedang, dan tinggi. Berdasarkan hasil penelitian Tingkat kerentanan di Kecamatan batur hanya dibagi menjadi dua kelas yaitu untuk kelas kerentanan sedang terdapat di 6 desa yaitu Desa Pekasiran, Pesurenan, Sumberejo, Karang Tengah, Bakal, dan Dieng Kulon, untuk kelas tinggi tinggi terdapat di 2 desa yaitu Desa Batur, dan Kepakisan. Hal ini terjadi dikarenakan tingkat keterpaparan dan sensitivitas jauh lebih tinggi dari pada tingkat kapasitas adaptif masyarakatnya.

---

ABSTRACT
One of the sub districts that are vulnerable to toxic gas disasters is Batur Sub district, Banjarnegara District.For that people living in the vicinity of the crater should always be ready for the national disaster of toxic gas that had killed 149 people on February 20, 1979 did not happen again.The purpose of this research is to make the model of vulnerability of area to toxic gas disasters of CO2 Timbang crater in Batur Sub District by using Analytical Hierarchy Process.The population in this study is the entire head of the family located in Batur Sub District, Banjarnegara District, Central Java Province, amounting to 37 heads of household.To take the sample used Simple Random Sampling method. Data analysis techniques through weighting of the three aspects are exposure, sensitivity, and adaptive capacity.In each aspect the parameters are weighted using input from the experts by the AHP method.The vulnerability of the area to the toxic gas catastrophic CO2 is classified into three levels of vulnerability are, low, medium, and high.Based on the research result, the vulnerability level in Batur sub district is only divided into two classes, namely for the vulnerability class being found in 6 villages are, Pekasiran Village, Pesurenan, Sumberejo, Karang Tengah, Bakal, and Dieng Kulon. For the high grade, there are 2 villages Batur, Kepakisan. This happens because the level of exposure and sensitivity is much higher than the adaptive capacity of the community.

Abstrak :
Stunting adalah kondisi di mana balita memiliki panjang atau tinggi badan di bawah rata-rata yang diakibatkan oleh buruknya gizi yang didapatkan. Stunting berpotensi memperlambat perkembangan otak, dengan dampak jangka panjang berupa keterbelakangan mental, rendahnya kemampuan belajar, dan risiko serangan penyakit kronis (diabetes, hipertensi dan obesitas). Salah satu upaya untuk memitigasi dan mengurangi angka kejadian stunting adalah dengan menerapkan ilmu Data Science dalam mengevaluasi dan membuat model prediksi risiko dari faktor yang dianggap dominan dalam terjadinya stunting. Kerangka kerja CRISP-DM digunakan sebagai metodologi penelitian ini. Data yang digunakan adalah data sekunder dari Indonesia Family Life Survey (IFLS) tahun 2014-2015, yang dilakukan di 13 provinsi di Indonesia. Pemodelan dilakukan menggunakan bahasa pemrograman Python yang dikerjakan pada Jupyter Notebook. Dua metode sampling (Random Sampling dan Oversampling) digunakan untuk mengatasi masalah data imbalance. Empat algoritma classifier diujikan untuk mengetahui performa model. Hasil penelitian menunjukkan keempat algoritma dinyatakan model yang baik dengan performa rata-rata lebih dari 70%. Pada teknik undersampling, skor akurasi yang didapatkan Logistic Regression sebesar 98,31%, KNN sebesar 77,53%, SVC sebesar 97,48%, dan Decision Tree Classifier sebesar 80,76%. Sedangkan pada teknik oversampling, skor akurasi yang didapatkan Logistic Regression adalah 95%, KNN sebesar 71%, SVC sebesar 93%, dan Decision Tree Classifier sebesar 84%. Logistic Regression adalah algoritma klasifikasi terbaik yang dapat digunakan pada dataset ini dan hasil perbandingan skor Logistic Regression pada teknik undersampling (95,09%) dan oversampling (91,98%) setelah 10 kali percobaan menunjukkan bahwa meskipun teknik undersampling memiliki performa yang lebih baik, namun teknik oversampling memiliki hasil yang lebih konsisten. ......Stunting is a condition in which a toddler has a length or height below the average caused by poor nutrition. Stunting has the potential to slow down brain development, with long-term effects in the form of intellectual disability, low learning abilities, and the risk of developing chronic diseases (diabetes, hypertension and obesity). One of the efforts to mitigate and reduce the incidence of stunting is to apply Data Science in evaluating and making risk prediction models from factors that are considered dominant in the occurrence of stunting. The CRISP-DM framework was used as the methodology of this study. The data used is secondary data from the Indonesia Family Life Survey (IFLS) 2014-2015, which was conducted in 13 provinces in Indonesia. The modelling is made using the Python programming language which is done on Jupyter Notebook. Two sampling methods (Random Sampling and Oversampling) were used to overcome the problem of data imbalance. Four classifier algorithms were tested to determine the performance of the model. The research results showed four algorithms were declared good models with an average performance of more than 70%. In the undersampling technique, the accuracy score obtained by Logistic Regression is 98.31%, KNN is 77.53%, SVC is 97.48%, and Decision Tree Classifier is 80.76%. While in the oversampling technique, the accuracy score obtained by Logistics Regression is 95%, KNN is 71%, SVC is 93%, and Decision Tree Classifier is 84%. Logistic Regression is the best classification algorithm that can be used in this dataset and the results of the comparison of Logistic Regression scores on the undersampling (95.09%) and oversampling (91.98%) techniques after 10 experiments show that although the undersampling technique has better performance, oversampling technique has more consistent results.

Abstrak :
Businees caoching, UMKM, inventory control, benchmarking, stock opname, random sampling, FSN classification ini ditulis berdasarkan bagaimana sebuah proses business coaching dapat membantu UMKM untuk meningkatkan bagian apa yang perlu dilakukan perbaikan. Seperti bagian SDM, keuangan, operasional, atau marketing berdasarkan pengalaman pribadi pemilik dan berdasarkan pengamatan coach di perusahaan. ProQ adalah UMKM yang bergerak di bidang jasa perawatan dan perbaikan AC kendaraan bermotor. Di ProQ tidak terdapat sebuah proses inventory control sehingga mengganggu kegiatan operasionalnya. Tesis ini merupakan hasil dari penerapan inventory control bagi bengkel ProQ melalui proses identifikasi masalah, rekomendasi penyelesaian masalah, dan implementasi dari rekomendasi tersebut. Langkah yang di ambil yaitu melakukan proses benchmarking terhadap PT X yang sudah menjalankan inventory control dalam skala besar dan dengan jumlah inventory suku cadang yang sangat banyak. Dari benchmarking tersebut kemudian didapatkan langkah-langkah perbaikan yang dapat dilakukan ProQ dengan mengadaptasi inventory control dari PT X, yaitu pentingnya keberadaan partman dan SOPnya, kegiatan random sampling dan stock opname yang teratur dan memiliki berita acara yang jelas, dan pencatatan dari keluar masuknya suku cadang sudah sangat baik dan terorganisir. Dan PT. X juga mempunyai klasifikasi fast, slow, dan non moving inventory yang diketahui melalui umur suku cadang. ......This paper is written based on how a business coaching process can help SMEs to improve which area need an improvement. Such as the HR, finance, operational, or marketing section based on the personal experience of the owner and based on the coach observations to the company. ProQ is a SME engaged in maintenance services and repair of motor vehicle air conditioners. In ProQ there is no inventory control process so that its operational activities is disturbed. This paper is the result of applying inventory control for ProQ workshop through problem identification process, problem solving recommendations, and implementation of the recommendations. The step taken is to conduct a benchmarking process against PT.X which has run inventory control on a large scale and with a large inventory of spare parts. From the benchmarking, there are few steps that can be done by adapting the inventory control of PT.X, namely the importance of the existence of partman and its SOP, random sampling and stock operational activities are scheduled and have clear records and reports, and recording of the daily in and out of a sparepart from its inventory which is well organized. And PT. X also has a classification of fast, slow, and non-inventory known through age of a spare parts.

Abstrak :
Kebutuhan terhadap Internet sudah sangat dirasakan, namun, akibat kurangnya kontrol dalam mengawasi kegiatan berselancar di dunia maya ini, menjadikan konten yang dapat merusak moral tersebar dengan sangat cepat dan begitu leluasa untuk diakses oleh setiap orang. Penelitian ini membahas Analisa dan Rancang Bangun Sistem Deteksi Cepat Konten Web Negatif Berbasis Teks Menggunakan Random Sampling dan Latent Semantic Analysis dengan Algoritma Singular Value Decomposition yang bertujuan untuk mengklasifikasikan website-website berkonten negatif dengan langkah awal melakukan penelusuran terhadap link-link pada suatu website dengan teknik crawling oleh program web crawler untuk mengumpulkan konten website yang berupa teks. Seluruh konten teks yang telah dikumpulkan selanjutnya akan diklasifikasikan menggunakan metode Latent Semantic Analysis dengan menerapkan algoritma Singular Value Decomposition untuk menunjukkan hasil klasifikasi yang mampu membedakan antara website berkonten negatif dengan konten non-negatif. Pengujian dilakukan dengan menggunakan metode full sampling dan random sampling untuk menentukan cara pendeteksian website berkonten negatif yang lebih cepat. Hasil pengujian pada penelitian ini menunjukkan bahwa metode Latent Semantic Analysis dengan algoritma Singular Value Decomposition berhasil mengklasifikasikan website berkonten negatif dengan batas persentase hasil klasifikasi sebesar 70% sebagai indikatornya, dan metode random sampling dengan pengambilan sample hanya 30% dari total telah berhasil meningkatkan kecepatan eksekusi program rata-rata sebesar 507.01%, dengan penurunan akurasi rata-rata hanya sebesar 27.19% dibandingkan dengan metode full sampling untuk website berkonten negatif. ...... The need of the Internet has been keenly felt, however, due to a lack of control in monitoring the activities of surfing in this virtual world, making contents that will damage the morale spread very quickly and so freely accessible to everyone. This study discusses the Analysis and Design of Quick Detection System to Text-Based Negative Web Content Using Random Sampling and Latent Semantic Analysis with Singular Value Decomposition Algorithm which aims to classify negative content websites with the first step is to perform a search for links in a website using crawling technique by a web crawler program to gather website content in the text form. The entire text-based contents that have been collected will then be classified using Latent Semantic Analysis method by applying Singular Value Decomposition algorithm to show the result of classification that is able to distinguish the negative content and non-negative content website. The testing is performed using full sampling and random sampling method to determine which one is faster in doing the detection of negative content website. The results of this study showed that Latent Semantic Analysis method with Singular Value Decomposition algorithm successfully classifies the negative content websites with the percentage of classification result by 70% as the indicator, and the random sampling method with only 30% of total samples has been successful in increasing the speed of program execution by an average of 507.01%, with decreasing accuracy by an average of only 27.19% compared to full sampling method for negative content websites.

Abstrak :
ABSTRAK
Analisis cluster merupakan teknik multivariat yang digunakan untuk mengelompokkan objek berdasarkan karakteristik yang dimilikinya. Salah satu teknik dalam analisis cluster adalah metode Fuzzy K-Means lebih dikenal dengan Fuzzy C-Means , yang merupakan versi fuzzy dari metode K-Means clustering. Seperti pada metode K-Means, FCM juga sangat sensitif terhadap penentuan pusat-pusat awal cluster. Untuk mengatasi permasalahan tersebut, diusulkan modifikasi dari metode FCM dengan menggunakan metode sampling dengan probabilitas. Metode sampling digunakan untuk menaksir lokasi pusat-pusat awal cluster untuk digunakan ke dalam proses clustering. Dalam tugas akhir ini, metode sampling yang digunakan adalah simple random sampling dan ranked set sampling. Modifikasi dari metode FCM dengan menggunakan kedua metode sampling tersebut masing-masingnya disebut dengan SRS Fuzzy C-Means dan Ranked Fuzzy C-Means. Kedua metode tersebut kemudian diuji pada himpunan data pasien liver di India. Hasil eksperimen menunjukkan bahwa Ranked Fuzzy C-Means lebih efisien dibandingkan SRS Fuzzy C-Means dan FCM.

---

ABSTRACT Cluster analysis is a multivariate technique that is used to group objects based on characteristics. One technique in cluster analysis is a method Fuzzy C Means or better known as Fuzzy C Means , which is a fuzzy version of K Means clustering method. As the K Means method, FCM is also very sensitive to the determination of the initial cluster centers. To overcome these problems, the proposed modification of the FCM method using probability sampling methods. The sampling method is used to estimate the initial cluster centers to be used in the clustering process. In this thesis, the sampling method used was simple random sampling and ranked set sampling. Modifications of the FCM method using both the sampling method each being with SRS Fuzzy C Means and Ranked Fuzzy C Means. Both methods are then tested on a data set of liver patients in India. The experimental results showed that Ranked Fuzzy C Means is more efficient than SRS Fuzzy C Means and FCM.