49971 research outputs found
Sort by
Ground Clutter Filtering Pada Radar Cuaca Manado
No full textRadar cuaca memainkan peran penting dalam memantau dan menganalisis fenomena atmosfer, terutama dalam mitigasi risiko bencana alam dan kegiatan operasional di sektor penerbangan, maritim, dan pertanian. Estimasi curah hujan berbasis radar dipengaruhi oleh beberapa faktor, seperti ground clutter, yang memengaruhi efektivitas pengamatan. Oleh karena itu, penting untuk mengurangi echo non-presipitasi (ground clutter) yang dapat menyebabkan kesalahan dalam interpretasi estimasi curah hujan (Nur Riska Lukita, dkk, 2019). Peningkatan kualitas data radar cuaca dapat dilakukan dengan menggunakan peta clutter pada pemrosesan awal (Muhammad Panji Rosyady, dkk, 2019).
Pada penelitian ini berfokus pada pengembangan dan penerapan teknik pemfilteran ground clutter pada data radar cuaca di Manado, Sulawesi Utara. Penelitian ini bertujuan untuk mengidentifikasi, mengurangi, dan memfilter sinyal ground clutter tanpa mengurangi sensitivitas deteksi fenomena cuaca yang signifikan pada radar tipe Gematronik dengan frekuensi C-Band. Hasil dari penelitian ini diharapkan mampu meningkatkan akurasi informasi cuaca yang diberikan oleh radar cuaca, memfasilitasi peringatan dini yang lebih tepat, serta mengoptimalkan kinerja radar dalam pemantauan kondisi cuaca di wilayah Sulawesi Utara. Teknik pemfilteran yang digunakan dalam penelitian ini adalah pendekatan thresholding untuk membuat peta clutter sehingga meningkatkan kecepatan waktu pengolahan data dan penyampaian informasi pemetaan citra radar cuaca kepada prakirawan dan publik. Untuk meningkatkan kemudahan penyampaian informasi spasial radar cuaca terkoreksi, peta ditampilkan dengan sistem web-GIS. Hasil filtering kemudian digunakan untuk mengestimasi curah hujan. Persamaan linier didapat secara empiris pada kondisi hujan lebat hingga sangat lebat berdasarkan data AWS (pengukuran interval 10 menit). Hasil persamaan diuji pada kondisi hujan lebat di Manado pada tanggal 30 Agustus 2024 dan menghasilkan korelasi 0.859 dan MAE dan RMSE sebesar 0.306 mm/10mnt dan 1.283 mm/10mnt.
========================================================================================================================
Weather radar plays a crucial role in monitoring and analyzing atmospheric phenomena, particularly in disaster risk mitigation and operational activities in the aviation, maritime, and agricultural sectors. Radar-based rainfall estimation is influenced by several factors, such as ground clutter, which affects the effectiveness of observations. Therefore, it is essential to reduce non-precipitation echoes (ground clutter) that can lead to errors in interpreting rainfall estimates (Nur Riska Lukita et al., 2019). Improving the quality of weather radar data can be achieved by using clutter maps in the initial processing stage (Muhammad Panji Rosyady et al., 2019). This study focuses on the development and implementation of ground clutter filtering techniques on weather radar data in Manado, North Sulawesi. The research aims to identify, reduce, and filter ground clutter signals without compromising the sensitivity of significant weather phenomenon detection on a Gematronik-type radar operating at C-Band frequency. The results of this study are expected to improve the accuracy of weather information provided by the weather radar, facilitate more accurate early warnings, and optimize radar performance in monitoring weather conditions in the North Sulawesi region. The filtering technique used in this study is a thresholding approach to generate a clutter map, thereby improving data processing speed and the delivery of weather radar imagery information to forecasters and the public. To enhance the accessibility of corrected spatial weather radar information, the map is displayed using a web-GIS system. The filtering results are then used to estimate rainfall. A linear equation was empirically derived under heavy to very heavy rain conditions based on AWS data (measured at 10-minute intervals). The equation was tested under heavy rain conditions in Manado on August 30, 2024, and resulted in a correlation of 0.859, with a Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) of 0.306 mm/10 minutes and 1.283 mm/10 minutes, respectively
Perancangan Dashboard Monitoring Proyek, Tangki, dan Kontrak pada Fungsi Supply and Distribution PT Pertamina Patra Niaga Regional Jawa Bagian Barat
No full textFungsi Supply and Distribution di PT Pertamina Patra Niaga Regional Jawa Bagian Barat menangani berbagai kegiatan yang membutuhkan monitoring data secara rutin, seperti proyek pekerjaan, status fasilitas tangki, dan kontrak. Untuk mendukung proses pemantauan tersebut, dibangun tiga dashboard interaktif menggunakan Google Looker Studio. Dashboard yang dikembangkan terdiri dari Dashboard Monitoring Proyek Pekerjaan, Monitoring Tangki, dan Monitoring Kontrak. Setiap dashboard dirancang dengan berbagai visualisasi serta komponen filter yang memudahkan pengguna dalam membaca dan menganalisis data. Hasil pengujian menunjukkan bahwa seluruh dashboard telah berfungsi sesuai dengan kebutuhan, mampu menampilkan data dengan baik, menyaring informasi menggunakan filter, memperbarui data secara otomatis, dan dapat diakses melalui perangkat mobile tanpa kendala. Implementasi sistem ini membantu tim dalam menyajikan informasi secara lebih efisien, akurat, dan terpusat.
=====================================================================================================================================
The Supply and Distribution function at PT Pertamina Patra Niaga Regional Jawa Bagian Barat, manages various activities that require routine data monitoring, such as project execution, tank facility status, and contracts. To support this monitoring process, three interactive dashboards were developed using Google Looker Studio. The dashboards consist of the Project Monitoring Dashboard, Tank Monitoring Dashboard, and Contract Monitoring Dashboard. Each dashboard is designed with various visualizations and filter components that facilitate data interpretation and analysis. Testing results show that all dashboards function as intended, effectively displaying data, filtering information, updating automatically, and being accessible via mobile devices without issues. The implementation of these dashboards helps the team present information more efficiently, accurately, and in a centralized manner
Analisis Dampak Pengembangan Kek Mandalika Terhadap Suhu Permukaan Darat Menggunakan Citra Satelit Landsat 8
No full textPenelitian ini bertujuan untuk mengkaji dampak pengembangan kawasan urban, khususnya Kawasan Ekonomi Khusus (KEK) Mandalika dan Sirkuit Mandalika, terhadap suhu permukaan darat (Land Surface Temperature/LST) dan dinamika vegetasi di Desa Kuta, Lombok Tengah, Nusa Tenggara Barat. Menggunakan citra satelit Landsat 8 selama periode 2014 hingga 2023, data diproses melalui platform Google Earth Engine untuk analisis efisien terhadap perubahan LST dan Indeks Vegetasi (Normalized Difference Vegetation Index/NDVI). Data LST dan NDVI diperoleh dari reflektansi permukaan (surface reflectance) dan saluran inframerah termal (thermal infrared band), dengan rata-rata tahunan dihitung setiap tahun. Analisis spasial dan temporal dilakukan untuk mengidentifikasi pola perubahan suhu permukaan dan kesehatan vegetasi di wilayah penelitian. Selain itu, analisis statistik korelasi Spearman digunakan untuk mengevaluasi hubungan antara NDVI dan LST, guna mengetahui sejauh mana perubahan vegetasi memengaruhi suhu permukaan. Uji statistik Mann-Kendall juga diterapkan untuk mendeteksi perubahan signifikan dalam data selama periode penelitian. Pendekatan ini dirancang untuk mengevaluasi potensi dampak fenomena urban heat island (UHI) akibat konversi lahan alami menjadi permukaan kedap air seperti aspal dan beton. Hasil penelitian diharapkan memberikan pemahaman yang lebih mendalam tentang dampak urbanisasi terhadap ekosistem lokal, serta menjadi dasar rekomendasi pengelolaan kota yang berkelanjutan, termasuk integrasi ruang terbuka hijau dalam perencanaan pembangunan, untuk mengurangi dampak negatif urbanisasi terhadap lingkungan
Sistem Kontrol Pintu Pintar Berbasis Pengenalan Wajah Serta Gestur Kepala Menggunakan LSTM
No full textSistem keamanan cerdas modern memerlukan mekanisme autentikasi adaptif untuk mengatasi ancaman spoofing yang terus berkembang. Penelitian ini memperkenalkan sistem akses pintu cerdas yang mensinergikan pengenalan wajah dan analisis gerakan kepala berbasis LSTM untuk membangun kerangka otentikasi dua faktor yang kuat. Sistem ini memanfaatkan alur sekuensial: pertama, fitur wajah diekstraksi melalui penyematan gradien berorientasi histogram untuk verifikasi identitas, diikuti oleh jaringan LSTM yang menguraikan pola pergerakan kepala temporal (mengangguk, dan mendongak) sebagai biometrik perilaku dinamis. Dengan mengintegrasikan atribut wajah statis dengan gerakan berbasis gerakan, sistem ini mengurangi kerentanan yang melekat pada sistem biometrik modal tunggal, khususnya terhadap serangan spoofing statis. Arsitektur LSTM, yang dilatih berdasarkan dataset custom yang dibuat secara mandiri oleh penulis menunjukkan performa yang cukup baik hingga mendekati akurasi 100%. Validasi eksperimental terhadap beberapa pengguna menunjukkan tingkat keberhasilan autentikasi keseluruhan yang mirip, mampu bersaing sistem pengenalan wajah konvensional degan persentase keberhasilan sebesar 91% dalam kemampuan anti-spoofing. Diimplementasikan pada platform smarthome hub yang dibuat secara mandiri juga, solusi ini beroperasi dengan biaya relatif lebih rendah dibandingkan alternatif komersial dengan tetap mempertahankan respons waktu nyata (kurang dari 50 ms). Karya ini memadukan sifat biometrik spasial dan temporal melalui LSTM, menawarkan cetak biru terukur untuk sistem pintu pintar yang aman namun dapat diakses di lingkungan perumahan dan IoT.
========================================================================================================================
Modern intelligent security systems require adaptive authentication mechanisms to counter the evolving threat of spoofing. This study introduces a smart door access system that synergizes facial recognition and LSTM-based head movement analysis to establish a robust two-factor authentication framework. The system utilizes a sequential workflow: first, facial features are extracted through histogram of oriented gradients embedding for identity verification, followed by an LSTM network that deciphers temporal head movement patterns (nodding and looking up) as dynamic behavioral biometrics. By integrating static facial attributes with motion-based gestures, the system reduces vulnerabilities inherent in single-modal biometric systems, particularly against static spoofing attacks. The LSTM architecture, trained on a custom dataset independently created by the author, demonstrates strong performance with accuracy approaching 100%. Experimental validation across multiple users shows a comparable overall authentication success rate, rivaling conventional facial recognition systems with an anti-spoofing success rate of 91%. Implemented on a self-built smart home hub platform, the solution operates at a relatively lower cost than commercial alternatives while maintaining real-time response (less than 50 ms). This work combines spatial and temporal biometric characteristics through LSTM, offering a scalable blueprint for secure yet accessible smart door systems in residential and IoT environments
Integrasi Efficient Transformer ke dalam Enhanced Group Convolutional Neural Network untuk Meningkatkan Kinerja Single Image Super-Resolution
No full textSingle Image Super-Resolution (SISR) merupakan salah satu tantangan krusial dalam pengolahan citra digital, di mana tujuan utamanya adalah mengubah citra beresolusi rendah menjadi citra beresolusi tinggi dengan detail yang tajam dan akurasi visual yang tinggi. Di era digital saat ini, kebutuhan akan citra berkualitas tinggi sangat mendesak di berbagai bidang, mulai dari diagnosa medis yang membutuhkan interpretasi detail citra MRI dan CT scan, hingga aplikasi pengawasan keamanan dan hiburan digital yang mengandalkan ketajaman visual. Meskipun banyak pendekatan telah dikembangkan dengan menggunakan Convolutional Neural Networks (CNN) seperti Enhanced Group Convolutional Neural Network (EGCNN), keterbatasan dalam menangkap hubungan jarak jauh antar piksel menjadi penghambat dalam mencapai hasil rekonstruksi yang optimal. Di sisi lain, perkembangan Transformer dengan mekanisme self-attention telah membuka peluang baru untuk memodelkan konteks global, namun kompleksitas komputasinya sering kali menjadi kendala. Untuk itu, penelitian ini mengusulkan integrasi Efficient Transformer (ET) ke dalam arsitektur EGCNN guna mengatasi kekurangan tersebut dan menghasilkan model SISR yang tidak hanya mampu merekonstruksi detail tekstur halus dan pola global, tetapi juga efisien secara komputasi. Pendekatan yang diusulkan memanfaatkan kekuatan EGCNN dalam mengekstraksi fitur lokal melalui group convolution, yang kemudian diperkaya dengan konteks global melalui mekanisme efficient self-attention pada ET. Output fitur yang telah diproses diubah menjadi bentuk spasial kembali melalui tahap rekonstruksi dan upsampling, sehingga menghasilkan citra beresolusi tinggi yang mendekati ground truth. Evaluasi dilakukan secara menyeluruh dengan menggunakan metrik kuantitatif seperti Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index (SSIM) pada dataset standar pengujian seperti Set5, Set14, BSD100, dan Urban100, serta didukung oleh analisis kualitatif. Hasil penelitian menunjukkan bahwa integrasi ET secara signifikan meningkatkan performa model dibandingkan dengan EGCNN baseline, khususnya pada skala pembesaran ×2, dan menawarkan alternatif kompetitif yang efisien dibandingkan model-model state-of-the-art seperti SwinIR.
============================================================================================================================================
Single Image Super-Resolution (SISR) is one of the critical challenges in digital image processing, aiming to transform low-resolution images into high-resolution images with sharp details and high visual accuracy. In today's digital era, the demand for high-quality images is increasingly urgent across various fields, from medical diagnosis which requires detailed interpretation of MRI and CT scan images to security surveillance and digital entertainment that rely on visual sharpness. Although many approaches have been developed using Convolutional Neural Networks (CNNs), such as the Enhanced Group Convolutional Neural Network (EGCNN), their limitation in capturing long-range pixel relationships has hindered achieving optimal reconstruction results. On the other hand, the advent of Transformers with self-attention mechanisms has opened new opportunities for modeling global context, although their computational complexity often poses challenges. Therefore, this research proposes the integration of Efficient Transformer (ET) into the EGCNN architecture to overcome these shortcomings and produce a SISR model that not only reconstructs fine texture details and global patterns but is also computationally efficient. The proposed approach leverages the strength of EGCNN in extracting local features through group convolution, which is then enriched with global context via the efficient self-attention mechanism in ET. The output features processed by ET are transformed back into a spatial representation through reconstruction and upsampling stages, resulting in high-resolution images that closely approximate the ground truth. The model is evaluated comprehensively using quantitative metrics such as Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) on standard testing datasets including Set5, Set14, BSD100, and Urban100, complemented by qualitative analysis. The research findings indicate that the integration of ET significantly enhances model performance compared to the baseline EGCNN, particularly at a scaling factor of ×2, and offers a competitive, efficient alternative to state-of-the-art models like SwinIR
Perumusan Isu Pada Uu Cipta Kerja Klaster Ketenagakerjaan Berdasarkan Analisis Sentimen Dan Social Network Analysis Di Media Sosial X
No full textUndang-Undang Cipta Kerja merupakan kebijakan berbasis omnibus law yang memicu pro dan kontra, khususnya dalam klaster ketenagakerjaan. Meskipun bertujuan meningkatkan iklim investasi dan membuka lapangan kerja, sebagian publik menilai sejumlah pasal justru merugikan pekerja karena tidak memberikan kepastian hukum. Respon atas kebijakan ini banyak disuarakan melalui media sosial yang berfungsi sebagai ruang diskursus publik terbuka dan partisipatif. Penelitian ini bertujuan menganalisis dinamika opini publik terhadap perumusan isu UU Cipta Kerja Klaster Ketenagakerjaan di media sosial X ditinjau berdasarkan analisis sentimen dan social network analysis (SNA). Metode yang digunakan adalah kuantitatif melalui analisis sentimen yang divalidasi dengan algoritma support vector machine (SVM) dan social network analysis (SNA) untuk menganalisis percakapan publik di media sosial X periode 2020-2023. Hasil analisis menunjukkan dominasi sentimen negatif, yaitu sebesar 73.16% dengan akurasi 96% pada isu pengupahan dan 69.20% sentimen negatif dengan akurasi 88% pada isu PHK. Isu yang disorot pada isu upah dengan 816 tweet dan 646 tweet pada isu PHK diantaranya meliputi: resistensi terhadap Pasal 88C dan 88D terkait formula pengupahan, penghapusan peran tripartit dalam Pasal 92, Pasal 154A, serta kritik terhadap pesangon dan skema Jaminan Kehilangan Pekerjaan. SNA mengidentifikasi aktor strategis seperti @NgilmuKantiLaku dan @jokowi, serta peran signifikan media arus utama dan kelompok sipil dalam penyebaran wacana. Temuan ini menunjukkan bahwa media sosial dapat berperan sebagai alat untuk menangkap ketidaksesuaian antara harapan publik dan substansi kebijakan dalam perumusan isu kebijakan. Oleh karena itu, pemanfaatan opini digital secara sistematis perlu didorong untuk mendukung pembentukan kebijakan ketenagakerjaan yang lebih inklusif dan berpihak pada pekerja.
===============================================================================================================================================
The Job Creation Law, formulated under the omnibus law framework, has generated considerable controversy, particularly within the employment cluster. While the policy is intended to enhance the investment climate and expand job opportunities, segments of the public argue that several provisions undermine workers' rights and fail to ensure legal protection. Public responses to the law have been extensively articulated on social media, which now functions as a dynamic and participatory arena for public discourse. This study investigates the dynamics of public opinion related to issue formulation within the employment cluster of the Job Creation Law on social media platform X. A quantitative approach is employed, combining sentiment analysis—validated using the support vector machine (SVM) algorithm—with social network analysis (SNA) to examine user-generated conversations between 2020 and 2023. Findings reveal a predominance of negative sentiment, with 73.16% of posts expressing dissatisfaction concerning wage-related provisions and 69.20% related to layoffs. Key issues raised by the public include opposition to Articles 88C and 88D on wage-setting mechanisms, the removal of the tripartite negotiation role in Article 92, as well as concerns surrounding Article 154A, severance pay, and the Job Loss Insurance scheme. SNA further identifies influential actors such as @NgilmuKantiLaku and @jokowi, alongside the pivotal roles played by mainstream media and civil society organizations in shaping and amplifying discourse. These results highlight the potential of social media as a valuable instrument for capturing the gap between public expectations and policy content during the agenda-setting phase. Consequently, integrating digital public opinion systematically into the policy process may contribute to the development of more inclusive, responsive, and worker-oriented labor policies
Pemodelan Prevalensi Balita Stunting Di Jawa Timur Menggunakan Regresi Spline Truncated
No full textDalam rangka mencapai tujuan kedua Sustainable Development Goals (SDGs) untuk mengakhiri kelaparan pada tahun 2030 serta mendukung target nasional dalam menurunkan prevalensi stunting, penting untuk mempertimbangkan bahwa stunting merupakan masalah gizi kronis yang dipengaruhi oleh berbagai faktor sosial, ekonomi, dan kesehatan, terutama sebelum dan setelah pandemi COVID-19. Meskipun prevalensi stunting menurun sebesar 7,6% dari tahun 2019 - 2022, angka tersebut masih belum mencapai target nasional sebesar 14%. Penelitian ini bertujuan untuk memodelkan prevalensi stunting di Jawa Timur dengan menggunakan regresi spline truncated, mempertimbangkan variabel-variabel prediktor sosial, ekonomi, dan kesehatan dalam periode tersebut. Metode ini dipilih untuk menangkap hubungan non-linear antara variabel prediktor dan prevalensi stunting. Data yang digunakan mencakup persentase kepemilikan BPJS kesehatan penerima bantuan iuran (PBI), persentase realisasi anggaran APBD untuk belanja bantuan sosial, persentase pengeluaran per kapita bulanan untuk makanan, persentase bayi di bawah usia 6 bulan yang diberi ASI eksklusif, persentase bayi lahir dengan berat badan lahir rendah (BBLR), dan persentase ibu hamil yang mendapatkan tablet tambah darah. Hasil penelitian ini menunjukkan model terbaik adalah menggunakan kombinasi titik knot 1,1,3,3,2,2 berdasarkan nilai GCV minimum dengan variabel yang berpengaruh signifikan adalah persentase pengeluaran per kapita bulanan untuk makanan dan persentase bayi lahir dengan berat badan lahir rendah (BBLR).
========================================================================================================================================
In order to achieve the second goal of the Sustainable Development Goals (SDGs) to end hunger by 2030 and support national targets in reducing stunting prevalence, it is important to consider that stunting is a chronic nutritional problem influenced by various social, economic, and health factors, particularly before and after the COVID-19 pandemic. Although the prevalence of stunting decreased by 7.6% from 2019 to 2022, this figure still falls short of the national target of 14%. This study aims to model the prevalence of stunting in East Java using truncated spline regression, taking into account social, economic, and health predictor variables during this period. This method is chosen to capture the non-linear relationships between predictor variables and stunting prevalence. The data used includes the percentage of BPJS health insurance ownership among beneficiaries, the percentage of APBD budget realization for social assistance spending, the percentage of monthly per capita food expenditure, the percentage of infants under 6 months given exclusive breastfeeding, the percentage of infants born with low birth weight (LBW), and the percentage of pregnant women receiving iron supplementation tablets. The results of this study indicate that the best model is to use a combination of knot points 1,1,3,3,2,2 based on the minimum GCV value with variables that have a significant influence being the percentage of monthly per capita expenditure on food and the percentage of babies born with low birth weight (LBW)
Identifikasi Ketebalan Dan Karakteristik Sedimen Menggunakan Metode Sub Bottom Profiler Pada Sungai Porong, Sidoarjo
No full textSungai Porong memiliki peran strategis sebagai jalur transportasi dan sumber penghidupan di Sidoarjo, namun bencana Lumpur Sidoarjo (LUSI) pada tahun 2006 mengubah morfologinya seperti pendangkalan seta runtuhnya dinding pada tepi sungai akibat pembuangan lumpur ke aliran sungai. Penelitian ini bertujuan memetakan batimetri dan profil Sungai Porong, serta menganalisis ketebalan dan karakteristik sedimen lunak melalui integrasi data sub-bottom profiler dan coring. Metode utama yang digunakan adalah sub-bottom profiler di mana metode ini menggunakan gelombang akustik untuk merekam bentuk dasar sungai dan lapisan sedimen di bawah dasar sungai tersebut. Metode sub-bottom profiler digunakan frekuensi 10 KHz dan didukung oleh data coring, analisis butiran sedimen serta kecepatan aliran. Hasil penelitian menunjukkan kedalaman Sungai Porong bervariasi antara 1 hingga 10 meter dengan ketebalan sedimen lunak di 0,53 hingga 5.5 meter. Sedimen Sungai Porong didominasi pasir, lempung, dan lanau sebagai material suspensi. Hasil penelitian ini menunjukkan bahwa perlu adanya perhatian pemerintah setempat terhadap titik-titik rawan longsoran tepi sungai dan kerusakan dinding tepi sungai akibat erosi sedimen lunak, sebagai dasar mitigasi pendangkalan dan banjir pasca-LUSI.
==========================================================================================================================================
The Porong River has a strategic role as a transportation route and source of livelihood in Sidoarjo, but the Sidoarjo Mud disaster (LUSI) in 2006 changed its morphology such as siltation and the collapse of the walls on the river bank due to the dumping of mud into the river flow. This study aims to map the bathymetry and profile of the Porong River, as well as analyze the thickness and characteristics of soft sediments through the integration of sub-bottom profiler and coring data. The main method used is the sub-bottom profiler where this method uses acoustic waves to record the shape of the riverbed and the sediment layer under the riverbed. The sub-bottom profiler method uses a frequency of 10 KHz and is supported by coring data, sediment granular analysis and flow velocity. The results showed that the depth of the Porong River varied between 1 to 10 meters with the thickness of soft sediment at 0.53 to 5.5 meters. The sediment of the Porong River is dominated by sand, clay, and silt as suspension material. The results of this study show that there is a need for local government attention to riverbank avalanche-prone points and riverbank wall damage due to soft sediment erosion, as a basis for mitigating siltation and flooding after LUSI
Dampak Digitalisasi UMKM sebagai Upaya Pengembangan Ekonomi Lokal (Studi Kasus Pedagang Darmo Trade Center (DTC) Kota Surabaya)
No full textPerkembangan digitalisasi yang semakin pesat menyebabkan pedagang UMKM yang masih menggunakan cara konvensional menjadi rentan tergeser oleh pedagang yang telah memanfaatkan teknologi digital. Penelitian ini bertujuan untuk mengetahui implementasi digitalisasi pada UMKM serta menganalisis dampaknya sebagai upaya Pengembangan Ekonomi Lokal di Darmo Trade Center (DTC) Kota Surabaya. DTC dipilih sebagai lokasi penelitian karena merupakan salah satu pusat perbelanjaan yang sedang beradaptasi dengan perubahan sistem digital. Dalam konteks Pengembangan Ekonomi Lokal, penelitian ini juga membahas sinergi antara pedagang, masyarakat lokal, dan pemerintah dalam memanfaatkan sumber daya lokal serta menciptakan peluang kerja yang berkelanjutan. Penelitian ini menggunakan metode kualitatif dengan pendekatan studi kasus. Analisis data dilakukan menggunakan model Miles dan Huberman melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Uji keabsahan data dilakukan dengan triangulasi sumber untuk memperoleh informasi yang valid dari berbagai pihak. Data dikumpulkan melalui wawancara mendalam, observasi, dan dokumentasi terhadap pedagang UMKM, pengelola, dan pelanggan. Hasil penelitian menunjukkan bahwa implementasi digitalisasi berada pada kategori tinggi, ditandai dengan penggunaan e-commerce dan QRIS oleh sebagian besar pedagang dan pelanggan. Dampak digitalisasi sebagai upaya Pengembangan Ekonomi Lokal juga terlihat nyata, sebagaimana dibuktikan oleh kontribusinya terhadap peningkatan pendapatan, perluasan akses pasar, efisiensi operasional melalui sistem pembayaran non-tunai, penguatan daya saing melalui promosi digital, serta terciptanya peluang kerja bagi masyarakat sekitar. Namun demikian, masih terdapat tantangan seperti rendahnya literasi digital dan minimnya dukungan dari pemerintah. Oleh karena itu, diperlukan sinergi antara pedagang UMKM, pengelola DTC, dan Pemerintah Kota Surabaya dalam memperluas akses serta literasi digital bagi pedagang UMKM sebagai upaya mewujudkan Pengembangan Ekonomi Lokal yang berkelanjutan.
=======================================================================================================================================
The rapid development of digitalisation causes UMKM traders who still use conventional methods to be vulnerable to being displaced by traders who have utilised digital technology. This research aims to find out the implementation of digitalisation in MSMEs and analyse the impact as an effort to Develop Local Economy in Darmo Trade Centre (DTC) Surabaya City. DTC was chosen as a research location because it is one of the shopping centres that is adapting to changes in the digital system. In the context of Local Economic Development, this research also discusses the synergy between traders, local communities, and the government in utilising local resources and creating sustainable job opportunities. This research uses a qualitative method with a case study approach. Data analysis is carried out using the Miles and Huberman model through the stages of data reduction, data presentation, and drawing conclusions. Data validity test is carried out by triangulation of sources to obtain valid information from various parties. Data is collected through in-depth interviews, observations, and documentation of UMKM traders, managers, and customers. Research results show that the implementation of digitalisation is in a high category, characterised by the use of e-commerce and QRIS by most merchants and customers. The impact of digitalisation as an effort to Develop the Local Economy is also visible, as evidenced by its contribution to increasing income, expanding market access, operational efficiency through non-cash payment systems, strengthening competitiveness through digital promotion, and creating job opportunities for the surrounding community. However, there are still challenges such as low digital literacy and lack of support from the government. Therefore, there is a need for synergy between UMKM traders, DTC managers, and the Surabaya City Government in expanding access and digital literacy for UMKM traders as an effort to realise sustainable Local Economic Development
Perancangan Dan Optimasi Sistem Monitoring Output Listrik Stirling Engine Menggunakan Arduino Atmega 2560, Sensor Suhu, RPM, dan Daya
No full textPenelitian ini mengevaluasi kinerja mesin Stirling dalam konteks penerapan energi berkelanjutan melalui monitoring dan analisis selama periode pengujian. Meskipun efisiensi maksimum yang dicapai hanya sebesar 6,75% dan efisiensi minimum sebesar 0,85%, mesin ini menunjukkan potensi signifikan dalam pemanfaatan berbagai sumber panas, termasuk limbah panas industri dan energi terbarukan. Hasil analisis biaya menunjukkan bahwa mesin Stirling memiliki biaya operasional rendah dan investasi awal yang cukup terjangkau, menjadikannya solusi hemat energi jangka panjang. Selain itu, mesin ini menghasilkan emisi yang jauh lebih rendah dibandingkan mesin konvensional, sehingga selaras dengan upaya dekarbonisasi global. Penerapan mesin Stirling pada sistem seperti pemanas air dan pembangkit listrik skala kecil memperlihatkan bahwa efisiensi yang rendah tetap dapat diterima bila diimbangi dengan keunggulan lain seperti keandalan, fleksibilitas, dan rendahnya polusi. Temuan ini menegaskan bahwa dengan pengembangan dan optimalisasi lanjutan, mesin Stirling berpotensi menjadi bagian integral dari transisi menuju sistem energi masa depan yang lebih hijau dan berkelanjutan.
=====================================================================================================================================
This study evaluates the performance of the Stirling engine in the context of sustainable energy applications through monitoring and analysis over a testing period. Despite achieving a maximum efficiency of only 6.75% and a minimum of 0.85%, the engine demonstrates considerable potential in utilizing various heat sources, including industrial waste heat and renewable energy. Cost analysis reveals that the Stirling engine features low operational expenses and relatively affordable initial investment, making it a viable long-term energy-saving solution. Furthermore, the engine produces significantly lower emissions compared to conventional engines, aligning with global decarbonization efforts. Its applications in water heating and small-scale electricity generation suggest that lower efficiency can be acceptable when balanced by advantages such as reliability, flexibility, and minimal pollution. These findings highlight the Stirling engine’s promising role in future green energy systems, especially with further development and optimization to enhance its performance and environmental benefits