Institut Teknologi Sepuluh Nopember (ITS): Publikasi Ilmiah Online Mahasiswa ITS (POMITS)
Institut Teknologi Sepuluh Nopember (ITS): Publikasi Ilmiah Online Mahasiswa ITS (POMITS)Not a member yet
4139 research outputs found
Sort by
Analisis Partisipasi Masyarakat dalam Pengembangan Pariwisata di Desa Wisata Bangelan
Full text linkDesa Wisata Bangelan ditetapkan sebagai desa wisata sejak tahun 2023 di Kabupaten Malang, menawarkan kekayaan alam dan kebudayaan yang menarik bagi wisatawan pencari pengalaman autentik di pedesaan. Kementerian Pariwisata dan Ekonomi Kreatif dengan programnya Jejaring Desa Wisata (JADESTA) mengklasifikasikan Desa Bangelan sebagai desa rintisan. Partisipasi masyarakat memegang peranan krusial dalam pengembangan pariwisata, baik dalam aspek manajerial maupun aspek tingkat partisipasi masyarakat. Penelitian ini bertujuan untuk mengetahui partisipasi masyarakat dalam perencanaan, pelaksanaan, pengambilan manfaat, dan evaluasi, serta mengukur tingkat partisipasi masyarakat dalam pengembangan pariwisata Desa Wisata Bangelan. Metode penelitian deskriptif kuantitatif digunakan dengan mengumpulkan data melalui kuesioner. Hasil penelitian menunjukkan: pertama, partisipasi masyarakat Desa Bangelan berada di tingkat tinggi dalam semua tahapan aspek manajerial, perencanaan, pelaksanaan, pengambilan manfaat, dan evaluasi dengan tahap perencanaan dengan skor 3.01 dari 4.00, pelaksanaan dengan skor 2.8, pengambilan manfaat dengan skor 3.06, dan evaluasi dengan skor 2.96. Kedua, partisipasi masyarakat Desa Bangelan menunjukkan partisipasi tingkat tinggi dalam semua anak tangga tahapan tokenism dan citizen power. Temuan ini menunjukkan komitmen masyarakat dalam memajukan kegiatan pariwisata yang berkelanjutan, meningkatkan kesejahteraan lokal, dan melestarikan warisan budaya. Studi ini diharapkan memberikan pemahaman lebih dalam tentang kontribusi partisipasi masyarakat dalam pengembangan pariwisata pedesaan serta relevansinya dalam konteks pembangunan lokal dan pelestarian budaya
Penerapan Metode Hybrid Autoregressive Integrated Moving Average - Support Vector Regression (ARIMA-SVR) dalam Peramalan Harga Bitcoin
Full text linkPada era saat ini, kemajuan teknologi berkembang pesat, termasuk di sektor ekonomi dan keuangan. Salah satu inovasi penting adalah cryptocurrency seperti Bitcoin, yang di-dukung oleh teknologi blockchain yang meningkatkan trans-paransi dalam pelacakan pembayaran digital. Meskipun memi-liki risiko tinggi, Bitcoin juga menawarkan potensi keuntungan besar jika dikelola dengan baik. Dengan jumlah Bitcoin yang terbatas dan nilai tukarnya yang cenderung meningkat, analisis fluktuasi harga Bitcoin menjadi penting untuk mengurangi risiko investasi. Penelitian ini bertujuan untuk memodelkan dan meramalkan harga Bitcoin menggunakan model ARIMA untuk menangkap pola linear, SVR untuk menangkap pola non linear, dan model Hybrid ARIMA-SVR. Keakuratan model dievaluasi menggunakan RMSE dan MAPE. Hasil menunjukkan model ARIMA(1,1,1) menghasilkan RMSE 850,92 dan MAPE 1,559%, sementara SVR dengan kernel RBF menghasilkan RMSE 841,14 dan MAPE 1,516%. Model hybrid ARIMA-SVR dengan ARIMA(1,1,0) menghasilkan RMSE 832,90 dan MAPE 1,510%, menjadikannya yang terbaik untuk meramalkan harga Bitcoin selama 7 hari ke depan. Namun, masalah time lag yang terjadi perlu diperhatikan meskipun akurasi model tinggi, karena me-nyebabkan prediksi sering kali terlambat sehingga dapat me-ngurangi validitas peramalan
Pengukuran Value at Risk Portofolio Menggunakan ARIMA dengan Pendekatan Single Index Model dan Constant Correlation Model pada Saham Sektor Pariwisata
Full text linkPariwisata telah menjadi industri yang semakin populer di Indonesia, menarik minat investor untuk berinvestasi di sektor pariwisata. Namun, dampak pandemi COVID-19 sangat memengaruhi perusahaan-perusahaan dalam sektor ini, khususnya pasca pandemi. Sahamsaham sektor pariwisata sensitif terhadap kondisi industri pariwisata, termasuk pandemi. Penelitian ini bertujuan untuk menganalisis investasi saham sektor pariwisata di Bursa Efek Indonesia pasca pandemi COVID-19 menggunakan metode ARIMA dengan Single Index Model dan Constant Correlation Model untuk mengoptimalkan portofolio saham, serta Value at Risk (VaR) khususnya metode Historical Simulation untuk mengukur risiko. Penelitian ini melibatkan data saham sektor pariwisata periode 2019-2023. Hasil pembentukan portofolio optimal berdasarkan Single Index Model terbentuk dari tiga saham yaitu JIHD dengan bobot yaitu sebesar 3%, saham SHID dengan bobot sebesar 69%, dan saham PNSE dengan bobot sebesar 27%, Kemudian untuk hasil portofolio optimal berdasarkan Constant Correlation Model terbentuk dari empat saham dengan proporsi masing-masing diantara lain saham JIHD dengan nilai bobot sebesar 7%, saham MAPB dengan nilai bobot sebesar 22%, saham PANR dengan nilai bobot sebesar 48%, dan saham PNSE dengan nilai bobot sebesar 22%. Hasil terbaik dari estimasi return portofolio dari Single Index Model dan Constant Correlation Model didapatkan bahwa portofolio Constant Correlation Model lebih direkomendasikan untuk berinvestasi karena dari hasil return peramalan, metode Constant Correlation Model mempunyai return yang positif, sedangkan Single Index Model memiliki return negatif. Estimasi nilai Value at Risk Historical Simulation pada portofolio saham yang terbentuk dari Single Index Model pada tingkat kepercayaan 90%, 95%, dan 99% secara berurutan adalah sebesar -0,02829, -0,04695, dan -0,06506. Kemudian untuk estimasi nilai dari Constant Correlation Model pada tingkat kepercayaan 90%, 95%, dan 99% secara berurutan adalah sebesar -0,02759, -0,03399, dan -0,04871
Studi Pengaruh State of Charge dan C-Rate terhadap Karateristik Generasi Panas dan Disipasi Panas Menggunakan Phase Change Material pada Proses Discharging Baterai Li-Ion IFR 26650
Full text linkPenelitian ini didorong oleh masalah polusi udara dan keterbatasan bahan bakar minyak mendorong pemerintah terus meningkatkan jumlah kendaraan listrik. Litium-ion menjadi kandidat yang direkomendasikan karena memiliki densitas energi yang tinggi, tidak ada memory effect, dan efek self-discharge yang rendah. Namun, memiliki sensitivitas terhadap temperatur. Sistem manajemen termal menggunakan PCM menjadi salah satu solusi untuk mengontrol temperatur baterai. PCM bekerja dengan menyerap panas bangkitan baterai sebagai kalor sensibel dan kalor laten dengan ciri khas dapat menyerap kalor dalam jumlah besar dengan adanya perubahan fasa. Perbedaan laju pengosongan dan State of Charge (SOC) menjadi dua faktor yang mempengaruhi laju pembangkitan panas. State of Charge (SOC) sendiri adalah energi yang tersedia di dalam sel baterai, biasanya dinyatakan dalam presentase, dan laju pengosongan akan dinyatakan dalam C-Rate yaitu ukuran perbandingan arus relatif terhadap kapasitas. Penelitian ini akan mempelajari pengaruh kondisi SOC dan C-Rate pada karakteristik generasi panas baterai lithium-ion IFR 26650 dan perbandingan disipasi panas konveksi bebas dengan PCM. Metode yang digunakan untuk menganalisis pembangkitan panas baterai sekaligus disipasi panas secara konveksi bebas adalah eksperimen dengan konsep energy balance. Sedangkan untuk disipasi panas menggunakan PCM akan dilakukan secara numerik menggunakan ANSYS FLUENT dengan dilakukan Grid Independency Test, Meshing Quality Mesh, dan pengumpulan data material untuk mendekati fenomena fisik yang terjadi. Simulasi ini dilakukan dengan input pembangkitan panas dan koefisien konveksi yang didapatkan dari eksperimen untuk mengetahui temperatur tertinggi beserta kontur temperatur dan fraksi pelelehan apabila baterai menggunakan sistem pendinginan PCM. Kondisi State of Charge (SOC) menyebabkan perbedaan pola pembangkitan panas dan laju pengosongan menyebabkan perbedaan nilai pembangkitan panas secara signifikan. Efektivitas pendinginan diamati meningkat pada C-Rate rendah. Untuk laju pengosongan 1C, efektivitas pendinginan bernilai rata-rata 41,33%, di laju pengosongan 2C efektivitas pendinginan bernilai rata-rata 23,5%, dan di laju pengosongan 3C efektivitas pendinginan bernilai rata-rata 18,16%
Perancangan dan Pembuatan Aplikasi Fintech untuk Pengajuan Modal Usaha Kerja dalam Ruang Modal Double Track
Full text linkAplikasi fintech merupakan transformasi pada bidang ekonomi yang terjadi karena perkembangan teknologi. Perkembangan fintech di Indonesia ditandai dengan munculnya berbagai produk/jenis fintech sebagai platform layanan jasa keuangan. Salah satu produk fintech yang unik adalah crowdfunding, yaitu metode baru dalam pengumpulan dana yang melibatkan banyak orang/masyarakat. Metode tersebut dapat diterapkan dalam Ruang Model Double Track, untuk mengatasi permasalahan dari para lulusan program SMA Double Track. Permasalahan yang dimaksud adalah tidak semua lulusan program SMA Double Track mempunyai modal cukup untuk mendirikan/mengembangkan usaha yang dimiliki. Oleh karena itu diperlukan sebuah aplikasi web fintech crowdfunding dalam Ruang Modal Double Track untuk mewadahi para pemilik usaha di SMA Double Track memenuhi modal kerja yang dibutuhkan. Fitur utama aplikasi ini adalah pengajuan usaha oleh pengguna sebagai pemilik usaha dan pembayaran donasi ke usaha. Aplikasi tersebut dikembangkan dengan metode low code (Google Apps Script) dan memanfaatkan aplikasi pada Google Workspace untuk penyimpanan data. Selain itu, aplikasi menggunakan Midtrans sebagai sistem layanan pembayaran. Aplikasi tersebut diuji dengan metode blackbox dengan parameter kesesuaian fitur dengan kasus penggunaan dari kebutuhan pengguna. Hasil pengujian menunjukkan bahwa semua fitur dalam aplikasi Ruang Modal Double Track berfungsi dengan baik dan lancar, sesuai dengan kebutuhan pengguna
Pemodelan Tingkat Mortalitas Indonesia Menggunakan Bayesian Age-Period-Cohort Model dan Penerapannya pada Analisis Risiko Longevity
Full text linkAngka mortalitas atau angka kematian merupakan parameter dalam penghitungan demografi yang berfungsi untuk mengukur pengurangan jumlah penduduk. Tingkat mortalitas sendiri banyak digunakan pada bidang ekonomi maupun kesehatan. Model Bayesian Age-period-cohort adalah pendekatan statistik yang digunakan untuk memodelkan tingkat mortalitas yang dapat menjadi alat yang berguna untuk menganalisis risiko Longevity. Model ini menggunakan distribusi posterior tingkat kematian dari efek spesifik usia, periode, dan kohor untuk meramalkan tingkat mortalitas di masa depan, dan dapat diterapkan pada data historis dan data saat ini. Salah satu aplikasi dari model Bayesian APC adalah menganalisis risiko Longevity, yang mengacu pada risiko bahwa orang akan hidup lebih lama dari yang diharapkan, yang mengarah pada peningkatan biaya untuk program pensiun dan perusahaan asuransi. Model Bayesian APC digunakan untuk meramalkan tingkat kematian di masa depan agar entitas-entitas ini dapat mengelola risiko mereka dengan lebih baik dan membuat keputusan yang lebih tepat mengenai kewajiban mereka. Selain penerapannya dalam analisis risiko Longevity, model Bayesian APC juga dapat digunakan di bidang lain seperti meramalkan tingkat mortalitas di negara-negara berkembang dan menganalisis dampak tren yang ada terhadap tingkat mortalitas. Secara keseluruhan, model Bayesian APC adalah metode yang akurat untuk memodelkan tingkat mortalitas dan memiliki beberapa aplikasi di bidang ilmu aktuaria dan manajemen risiko. Pada penelitian ini dihitung estimasi tingkat mortalitas Indonesia menggunakan model Bayesian APC dan dilakukan analisis risiko Longevity dari hasil estimasi. Estimasi parameter yang dihasilkan pada penelitian ini dapat dikatakan akurat dan parameter yang diramalkan depan memiliki pola yang terus menurun
Barcoding Inventarisasi Tumbuhan Obat dan Studi Etnobotani di Kebon Omah Kedinding Lor, Kecamatan Kenjeran, Surabaya
Full text linkTanaman Obat Keluarga (TOGA) merupakan ramuan yang diekstrak dari berbagai bagian tanaman dan dapat digunakan sebagai ramuan tradisional. Keberadaan tanaman obat di lingkungan rumah sangatlah penting. Tanaman obat yang dipilih biasanya yang dapat digunakan untuk pertolongan pertama atau obat ringan seperti demam dan batuk. Penelitian ini menggunakan metode deskriptif dengan pendekatan kualitatif melalui pengumpulan data (Survey) dengan metode wawancara semi terstruktur dengan responden untuk mendokumentasikan, membuat kunci identifikasi berupa booklet dan QRcode. Parameter analisis data yang diamati dalam penelitian ini adalah inventarisasi morfologi yang teridentifikasi. Hasil penelitian menunjukkan bahwa ditemukan 11 spesies yang terbagi 8 familia jenis tumbuhan yang dimanfaatkan oleh masyarakat dan familia terbanyak terdapat pada familia Zingiberaceae sebesar 36.36% yang memiliki 4 spesies. Kemudian 7 familia lainnya hanya ditemukan 1 spesies perfamilianya dengan persentase sebesar 9.09%. Bagian tanaman yang paling sering dimanfaatkan yaitu bagian Daun (47%) dan cara pemanfaatan yang paling sering digunakan yaitu dengan cara Direbus (50%). Manfaat yang diperoleh dari semua tumbuhan obat yang telah diidentifikasi berguna untuk pertolongan pertama atau obat ringan seperti mengobati demam, batuk dan flu
Otomatisasi Pembuatan Storyboard Video Tutorial dengan Menggunakan ChatGPT pada Website Pelatihan Vokasi
Full text linkKemajuan teknologi Generative Artificial Intelligence telah membawa dampak signifikan dalam kehidupan sehari-hari. Salah satu contohnya adalah penggunaan ChatGPT, aplikasi Artificial Intelligence berbasis teks yang memung-kinkan pengguna untuk mendapatkan jawaban atas pertanyaan mereka dengan cepat berdasarkan data yang tersedia. Meski-pun demikian, para pengajar vokasi masih menghadapi tan-tangan dalam memanfaatkan ChatGPT untuk secara efektif untuk menjalankan tugas mereka. Penelitian ini bertujuan un-tuk membantu pengajar vokasi dalam pembuatan storyboard video tutorial dengan berfokus pada pengembangan prompt yang akan digunakan dalam ChatGPT. Prompt ini akan diran-cang dengan struktur yang meliputi konteks, tugas, instruksi, dan evaluasi untuk menghasilkan naskah video tutorial yang merupakan salah satu tahapan dalam pembuatan video tutorial. Website yang dikembangkan sebagai bagian dari penelitian ini akan memfasilitasi akses pengajar vokasi ke prompt yang sesuai dengan kebutuhan mereka dan menyediakan fitur-fitur lainnya yang memudahkan pengajar dalam proses pembuatan video tutorial. Hasil dari penggunaan prompt tersebut berhasil meng-otomatisasi tiga dari enam tahapan pembuatan video tutorial. Tahapan-tahapan yang berhasil diotomatisasi antara lain penyusunan naskah, pencarian asset, dan pengeditan video. Dengan demikian, penelitian ini dapat membantu para pengajar dalam pembuatan storyboard video tutorial dengan menggu-nakan ChatGPT
Pemilihan Tipe Saluran Pelimpah (Spillway) pada Bendungan Bagong Trenggalek
Full text linkSungai Bagong merupakan salah satu Sub-DAS Ngerowo-Ngasinan yang terletak di DAS Brantas. Sungai Bagong melintasi kecamatan Bendungan dan memiliki luas DAS sebesar 85,49 km2 dengan panjang sungai mencapai 20,44 km. Bendungan Bagong memiliki luas Daerah Tampungan Air (DTA) 39,95 km2 serta kemampuan mereduksi banjir yang dimiliki sebesar 18% dari inflow. Selain itu, Bendungan Bagong memiliki tampungan waduk sebesar 17,4 x 106 m3. Pelimpah adalah bangunan penting dalam bendungan, berfungsi untuk mengalirkan kelebihan air dari hulu ke hilir bendungan dan menjaga ketinggian air tetap dalam batas aman. Penelitian ini mengambil topik pemilihan tipe saluran pelimpah dengan 2 tipe yaitu overflow spillway dan side channel spillway. Metode yang digunakan dalam penelitian ini adalah analisis hidrologi, analisis hidrolis dan stabilitas bangunan pelimpah. Hasil analisis pada perhitungan Hidrolis dan Stabilitas, didapatkan hasil pemilihan tipe saluran pelimpah yang tepat pada Bendungan Bagong adalah Tipe Overflow Spillway lebar pelimpah 30 m dengan puncak pelimpah pada elevasi +325,00 serta tinggi maindam pada elevasi +330,00. Hasil penelusuran banjir didapatkan debit keluaran (outflow) Q1000Th = 210,350 m3/dt pada elevasi +326,968 dengan tinggi muka air 1,97 m, dan QPMF = 410,381 m3/dt pada elevasi +328,084 dengan tinggi muka air 3,08 m. Hasil analisis hidrolis tipe overflow spillway pada saluran pengarah dan pelimpah didapat kecepatan aliran tertinggi sebesar 18,1 m/dt dengan nilai Fr 6,6 < 9 (Super Kritis), sedangkan untuk saluran peluncur kecepatan aliran tertinggi terdapat pada peluncur 3 pada kala ulang QPMF sebesar 18,1 m/dt dengan nilai Fr 6,3 (Super Kritis). Dari hasil perhitungan pada kolam olak dengan kala ulang Q1000 terjadi loncatan air sepanjang 9,640 m dengan jenis loncatan tetap, sedangkan untuk QPMF terjadi loncatan air sepanjang 17,109 m dengan jenis loncatan tetap. Berdasarkan analisis stabilitas terhadap rembesan, geser dan guling menunjukkan hasil yang memenuhi persyaratan
Prediksi Nilai Tukar Dolar Amerika Serikat Terhadap Rupiah Menggunakan Metode Support Vector Regression Dengan Whale Optimization Algorithm
Full text linkSetiap negara melakukan perdagangan dengan nega-ra lain untuk memenuhi kebutuhan rakyatnya, termasuk In-donesia. Sayangnya, setiap negara memiliki mata uang yang berbeda-beda. Oleh karena itu, diperlukan nilai tukar mata uang untuk melakukan perdagangan dengan negara lain. Nilai tukar adalah harga mata uang suatu negara terhadap mata uang negara lain yang telah disepakati bersama. Setiap peru-bahan nilai tukar mata uang akan memberikan dampak ter-hadap perekonomian suatu negara. Oleh karena itu, penting untuk mengetahui nilai tukar yang akan datang. Untuk me-nyelesaikan permasalahan ini, dibutuhkan metode prediksi seperti Support Vector Regression (SVR). Akan tetapi, hasil prediksi SVR bergantung kepada pemilihan nilai hyper-parameter. Oleh karena itu, SVR akan dioptimasi menggunakan Whale Optimization Algorithm (WOA). Data nilai tukar mata uang yang digunakan adalah Dolar Amerika Serikat terhadap Rupiah yang berasal dari situs Yahoo Finance menggunakan harga penutupan harian mulai dari tanggal 27 Mei 2020 sampai dengan 2 Juni 2023. Penelitian ini berfokus untuk memprediksi harga penutupan harian berikutnya dengan menggunakan beberapa harga penutupan harian sebelumnya sebagai masuk-an. Metode Support Vector Regression yang dioptimasi dengan Whale Optimization Algorithm memiliki kinerja yang baik dalam memprediksi nilai tukar Dolar Amerika Serikat terhadap Rupiah dengan hyperparameter SVR, yaitu ε (epsilon) sebesar 1,00000605110973×10-12, C (penalty cost) sebesar 2,22663363867838, dan γ (gamma) sebesar 0,205687967011551 serta dengan jumlah lag variabel sebesar 5 mampu menghasilkan kinerja terbaik dengan nilai MAPE prediksi sebesar 0,238335527152796%