Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kesehatan dan keselamatan kerja merupakan masalah utama di bidang manufaktur. Dari tahun 2019 hingga 2021 masih terdapat kasus kecelakaan dimana terjadi peningkatan kejadian kecelakaan kerja dari tahun 2019 hingga saat ini, sehingga perlu dilakukan investigasi faktor-faktor yang mempengaruhi kecelakaan untuk dapat melindungi pekerja. Penelitian ini bertujuan untuk menyelidiki banyaknya stressor yang mempengaruhi dua bentuk stres yang dialami oleh pekerja, stres fisik dan stres psikologis, untuk meningkatkan kinerja mereka dalam hal keselamatan di lingkungan kerja yang berbahaya. Dengan menggunakan model peralatan struktural, penelitian ini mengidentifikasi tuntutan pekerjaan, stres organisasi, stres lingkungan, perilaku keselamatan, stres fisik, stres psikologis, dan hasil keselamatan. Sampel penelitian sebanyak 153 pekerja yang mengisi kuesioner dikembangkan sesuai dengan hubungan stressor. Berdasarkan hasil penelitian, rekomendasi dibuat untuk pekerja tentang cara mengurangi risiko cedera atau kecelakaan.

---

ccupational health and safety are a major problem in manufacturing. From 2019 to 2021, there are still accident cases where there is an increase in the incidence of work accidents from 2019 until now, making it necessary to investigate factors that influence accidents to be able to protect workers. This research aims to investigate the many stressors affecting two forms of stress experienced by workers, physical stress and psychological stress, in order to enhance their performance in terms of safety in a hazardous working environment. Using a structural equipment model, this study identified job demand, organizational stress, environmental stress, safety behaviour, physical stress, psychological stress, and safety outcome. The study sample of 153 workers who completed questionnaires was developed according to the stressor relationship. Based on the result, recommendations are made to workers on how to reduce the risk of injury or accident."

"Sampai sekarang, sebagian besar orang masih menganggap kepemilikan rumah sebagai kebutuhan primer yang belum bisa ditandingi oleh pilihan hunian lain. Harga rumah biasanya ditentukan oleh berbagai faktor seperti lokasi, kondisi makro ekonomi, serta kondisi fisik rumah. Banyaknya faktor tersebut membuat penentuan valuasi rumah secara objektif menjadi sulit. Dalam beberapa tahun terakhir, penelitian mengenai estimasi harga rumah telah berkembang pesat, dengan metode machine learning menjadi yang paling sering digunakan. Oleh karena itu, penelitian ini menggunakan salah satu algoritma machine learning yang sudah terbukti dapat mendapatkan akurasi tinggi, yaitu stacked generalization. Penelitian ini menggabungkan beberapa variabel yang digunakan oleh penelitian-penelitian sebelumnya untuk memprediksi valuasi rumah. Model stacked generalization yang dibangun akan dibandingkan dengan algoritma lain yang juga sering digunakan dalam memprediksi valuasi rumah, diantaranya adalah regresi linear, random forest, gradient boosting machine, dan extreme gradient boosting. Hasil penelitian menunjukkan bahwa algoritma stacked generalization memiliki kemampuan prediksi yang lebih baik dibandingkan metode lainnya dengan hasil R2 sebesar 0,881, dan MAPE sebesar 0,21%. Selanjutnya dilakukan analisis terhadap faktor yang paling berpengaruh terhadap perubahan valuasi rumah menggunakan teknik permutation feature importance. Faktor-faktor yang paling berpengaruh adalah luas tanah, luas bangunan, jarak menuju pusat perbelanjaan, kapasitas listrik, dan Indeks Harga Perumahan Residensial.

---

In recent years, homeownership remains a primary need that other housing options have yet to match. House prices are typically determined by various factors such as location, macroeconomic conditions, and the physical state of the house. These numerous factors make objective house valuation challenging. Recently, research on house price estimation has advanced significantly, with machine learning methods being the most commonly used. Therefore, this study employs one proven machine learning algorithm with high accuracy, stacked generalization. This research incorporates several variables used by previous studies to predict house valuations. The stacked generalization model developed is compared with other frequently used algorithms for predicting house valuations, including linear regression, random forest, gradient boosting machine, and extreme gradient boosting. The results show that the stacked generalization algorithm has superior predictive ability compared to other methods, with an R2 of 0.881 and MAPE of 0.21%. Subsequently, an analysis of the factors most influencing changes in house valuation was conducted using permutation feature importance techniques. The most influential factors are land area, building area, distance to shopping centers, electricity capacity, and the Residential Property Price Index."

"Menggunakan dataset dari salah satu perusahaan cryptocurrency exchange di Indonesia, penelitian ini bertujuan untuk memprediksi churn di cryptocurrency exchange dan menganalisis faktor yang mempengaruhinya. Model yang dikembangkan dalam penelitian ini menggunakan decision tree dan random forest dengan dua kriteria churn yang berbeda. Kriteria churn pertama merupakan kombinasi dari recency dan saldo dalam dompet dan yang kedua hanya menggunakan recency namun lebih personal karena memperhitungkan riwayat jarak antar 2 transaksi dari masing-masing pengguna. Pada kiteria churn pertama, metode undersampling diterapkan sebelum pemodelan karena proporsi churn dan non-churn yang tidak seimbang. Hasilnya model yang dihasilkan dari data undersampling memiliki performa yang terbaik pada model decision tree maupun random forest dengan nilai AUC masing-masing sebesar 0,777 dan 0,787. Hasil dari kedua model juga menunjukkan bahwa penggunaan Google Authenticator dan frekuensi transaksi cryptocurrency merupakan faktor penting untuk menentukan apakah pelanggan akan mengalami churn.

---

Using datasets from one cryptocurrency exchange company in Indonesia, this study aims to predict churn in cryptocurrency exchange and analyze the factor that impacts it. The model developed in this work uses a decision tree and a random forest with 2 different churn criteria. The first criteria is combined the recency and wallet balance amount and the second is used personalized recency (calculate the days between 2 transactions). For the first criteria, the undersampling method is applied before modeling due to imbalanced data. As the result, models from the undersampling dataset have the best performance for the decision tree and the random forest with AUC value of 0,777 and 0,787. Results from both models suggested that the use of Google Authenticator and the frequency of cryptocurrency transactions are important factors to determine whether a customer will experience churn."

"Sistem produksi dalam industri manufaktur terbagi menjadi dua jenis, yaitu strategi Make-to-stock dan Make-to-order yang dibedakan berdasarkan waktu pesanan diterima dan pelaksanaan proses produksi. Dalam sistem MTO, pesanan pelanggan menjadi pemicu untuk terjadinya proses selanjutnya dan menjadi titik kritis dari sistem. Keputusan untuk menerima dan menolak pesanan yang masuk merupakan kegiatan yang paling penting karena akan berdampak jangka panjang terhadap profitabilitas dan reputasi perusahaan secara keseluruhan. Kegiatan ini merupakan keputusan yang sangat strategis, sehingga diperlukan dukungan dalam kegiatan ini. Penelitian ini menyelidiki bagaimana metode penerimaan pesanan dalam strategi MTO dilakukan dan merancang penilaian penerimaan pesanan menggunakan metode MCDA sehingga dapat digunakan sebagai pendukung dalam pengambilan keputusan penerimaan pesanan. Metode AHP digunakan untuk mendapatkan prioritas faktor penerimaan pesanan dengan data yang diperoleh dari hasil wawancara para pakar. Hasil AHP menunjukkan prioritas dalam menerima pesanan yaitu ketersediaan bahan baku, harga, kemampuan produksi, situasi pasar, pelanggan, target, pemenuhan pesanan, dan kondisi eksternal. EMV dihitung untuk setiap kriteria dan risiko yang selanjutnya digunakan untuk membantu membuat keputusan yang tepat dalam penerimaan pesanan. Seluruh metodelogi dalam penelitian ini dijelaskan dengan menggunakan studi di industri pelapisan baja di Indonesia. Studi tersebut menunjukkan EMV dan AHP dapat digunakan untuk memberikan penilaian kelayakan terhadap pesanan yang diterima.

---

The production system in the manufacturing industry is divided into two types, namely the Make-to-stock (MTS) and Make-to-order (MTO) strategies which are distinguished by the time orders are received and the execution of the production process. In the MTO system, the customer's order becomes a trigger for the next process and becomes a critical point of the system. The decision to accept and reject incoming orders is the most important activity because it will have a long-term impact on the overall profitability and reputation of the company. This activity is a very strategic action, so support is needed in this activity. This study investigates how the method of receiving orders in the MTO strategy is carried out and designs an assessment of order acceptance using the MCDA method so that it can be used as a support in making orders for acceptance decisions. The AHP method was used in this study to obtain priority order criteria with data obtained from expert interviews. The results of AHP show the order of importance in receiving orders, namely the availability of raw materials, prices, production capabilities, market situations, customers, targets, order fulfillment, and external conditions. EMV is calculated for each criterion and risk which is then used to help make the right decisions in accepting orders. The entire methodology in this study is explained by using cases in the steel coating industry in Indonesia. The case study shows that EMV and AHP can be used to provide a feasibility assessment of orders received."

"Pemerintah Indonesia menetapkan peta jalan menuju Net zero emissions tahun 2060, termasuk percepatan adopsi motor listrik. Pemerintah menugaskan PT PLN (Persero) sebagai lokomotif percepatan adopsi dengan cara mengoptimalkan potensi pengguna motor konvensional dan ride hailing, Skema battery swapping menjadi pilihan yang menarik bagi perusahaan untuk meningkatkan profit. Namun, pengguna masih mengalami ketidakpastian penukaran baterai di stasiun baterry swapping. Oleh karena itu, sangat penting untuk menerapkan strategi reservasi baterai untuk memudahkan pengguna motor listrik battery swapping dalam menukarkan baterai. Meski demikian, menerapkan strategi industri battery swapping merupakan sistem kompleks yang melibatkan banyak elemen yang saling terkait. Pengembangan strategi seperti ini memerlukan pandangan holistik untuk memahami proses dan mendefinisikan hubungan antar elemen. Penelitian ini bertujuan untuk mengembangkan strategi industri battery swapping dengan pendekatan pemodelan sistem dinamis dan langkah awal dalam mengembangkan produk menggunakan kerangka kerja businesss model canvas yang berfokus pada jumlah pengguna motor listrik battery swapping, pengurangan emisi CO2e dan profit. Terdapat tiga intervensi perusahaan tercapaianya objektif yaitu tarif listrik, biaya reservasi baterai dan pembangunan stasiun battery swapping. Intervensi perusahaan diuji kedalam tiga skenario berbeda. Hasil menunjukkan pembangunan stasiun battery swapping dan skema reservasi baterai berdampak signifikan pada jumlah pengguna motor listrik battery swapping dan pengurangan emisi CO2e. Selain itu, pemberian diskon tarif listrik memiliki dampak langsung pada profit industri battery swapping.

---

The Government of Indonesia has set a roadmap towards Net zero emissions by 2060, including accelerating the adoption of electric motorbikes. The government assigned PT PLN (Persero) as a locomotive to accelerate adoption by optimizing the potential of conventional motorcycle and ride hailing users. The battery swapping scheme is an attractive option for companies to increase profits. However, users still experience uncertainty in exchanging batteries at battery swapping stations. Therefore, it is very important to implement a battery reservation strategy to make it easier for battery swapping electric motorcycle users to exchange batteries. However, implementing a battery swapping industrial strategy is a complex system involving many interrelated elements. Developing a strategy like this requires a holistic view to understand the process and define relationships between elements. This research aims to develop a strategy for the battery swapping industry using a dynamic system modeling approach and initial steps in developing products using a business model canvas framework that focuses on the number of battery swapping electric motorcycle users, reducing CO2e emissions and profits. There are three company interventions to achieve objectives, namely electricity tariffs, battery reservation fees, and the construction of battery swapping stations. The company's intervention was tested in three different scenarios. The results show that the construction of battery swapping stations and battery reservation schemes have had a significant impact on the number of battery swapping electric motorcycle users and reduced CO2e emissions. Apart from that, providing discounts on electricity rates has a direct impact on the profits of the battery swapping industry."

"Untuk mengatasi COVID-19, vaksin perlu didistribusikan secara masif dan cepat. Pada kenyataannya, ditemukan beberapa permasalahan dalam pendistribusian vaksin COVID-19, antara lain manajemen pemesanan yang tidak efisien, birokrasi yang memakan waktu, dan ketinggalan penerbangan yang berujung pada penarikan vaksin ke pusat distribusi. Manajemen rantai pasokan memainkan peran penting dalam memastikan efisiensi distribusi vaksin COVID-19. Makalah ini bertujuan untuk merancang peningkatan distribusi outbound vaksin COVID-19 di Indonesia untuk meningkatkan kinerja logistik menggunakan Business Process Reengineering. Observasi dilakukan untuk memperoleh data primer penelitian ini, dan waktu diperoleh dari data historis. Proses tersebut dipetakan menggunakan Business Process Model and Notation (BPMN) dan disimulasikan menggunakan software iGrafx. Kajian ini menghasilkan peningkatan radikal pada distribusi outbound vaksin COVID-19, yang mengubah waktu proses dari 74,57 jam menjadi 35,81 jam, dengan penerapan Sistem Informasi dengan Integrasi API, QR Code, dan teknologi Sign on Glass.

---

To tackle COVID-19, the vaccine needs to be distributed massively and rapidly. In reality, some problems are found in COVID-19 vaccine distribution, including inefficient order management, time-consuming bureaucracy, and missed flights that lead to the withdrawal of vaccines to the distribution center. Supply chain management plays a significant role in ensuring the distribution efficiency of the COVID-19 vaccine. This paper aims to design the improved outbound distribution of the COVID-19 vaccine in Indonesia to increase logistics performance using Business Process Reengineering. Observation is conducted to gain primary data of this research, and time is obtained from historical data. The process is mapped using Business Process Model and Notation (BPMN) and simulated using iGrafx software. This study results in a radical improvement of the COVID-19 vaccines' outbound distribution, which changes the process time from 74,57 hours to 35,81 hours, with implementation Information Sistem with API Integration, QR Code, and Sign on Glass technology."