49971 research outputs found
Sort by
Pengaruh Teknologi Informasi, Sistem Informasi, Dan Transfer Pengetahuan Terhadap Manajemen Perubahan Pada Industri Kreatif
No full textSalah satu modal penting industri kreatif adalah pengetahuan. Transfer pengetahuan merupakan salah satu cara untuk meningkatkan pengetahuan organisasi. Penelitian ini bertujuan untuk mengetahui pengaruh transfer pengetahuan terhadap manajemen perubahan dengan melibatkan variabel teknologi informasi, sistem informasi, dan budaya organisasi. Studi dilakukan di wilayah Jawa, Indonesia, melibatkan salah satu subsektor industri kreatif yaitu aplikasi dan game developer. Penelitian ini menggunakan metode kuantitatif. Dalam metode kuantitatif, dilakukan survei dengan 168 karyawan produksi dari lima perusahaan sebagai responden. Untuk mengkonfirmasi dan memahami variabel yang digunakan dalam penelitian (teknologi informasi, sistem informasi, budaya organisasi), wawancara dilakukan terhadap lima manajer produksi dari perusahaan aplikasi dan game developer. Penelitian ini menggunakan teknik pengambilan sampel acak proporsional. Guna memahami pengaruh antar variabel, digunakan aplikasi AMOS dalam pengolahan data. Hasil penelitian menemukan bahwa teknologi informasi dan sistem informasi memiliki pengaruh langsung terhadap transfer pengetahuan. Hasil temuan juga menunjukkan bahwa teknologi informasi, sistem informasi, transfer pengetahuan, dan budaya organisasi secara langsung mempengaruhi manajemen perubahan. Namun temuan menarik menyebutkan bahwa transfer pengetahuan hanya memediasi teknologi informasi dalam mencapai manajemen perubahan, dan tidak memediasi sistem informasi. Temuan penelitian ini dapat menjadi masukan bagi praktisi dalam merumuskan kebijakan dalam mengelola manajemen pengetahuan khususnya terkait dengan transfer pengetahuan yang dapat berdampak terhadap manajemen perubahan suatu organisasi.
======================================================================================================================================
One of the key assets in the creative industry is knowledge. Knowledge transfer is one way to enhance organizational knowledge. This study aims to examine the effect of knowledge transfer on change management by involving the variables of information technology, information systems, and organizational culture. The study was conducted in the Java region of Indonesia, focusing on one of the creative industry sub-sectors: application and game developers. A quantitative method was employed. In this method, a survey was conducted involving 168 production employees from five companies as respondents. To confirm and gain a deeper understanding of the variables used in the study (information technology, information systems, and organizational culture), interviews were conducted with five production managers from application and game development companies. This study applied a proportional random sampling technique. To analyze the relationships among variables, the AMOS software was used for data processing. The results revealed that information technology and information systems have a direct influence on knowledge transfer. The findings also indicate that information technology, information systems, knowledge transfer, and organizational culture directly affect change management. However, an interesting finding shows that knowledge transfer only mediates the relationship between information technology and change management, but does not mediate the relationship between information systems and change management. These findings can provide insights for practitioners in formulating policies for knowledge management, particularly regarding knowledge transfer that can impact organizational change management
Klasifikasi Kelulusan Mata Kuliah Dasar (Kalkulus) dengan Metode CART di Institut Teknologi Sepuluh Nopember
No full textMata kuliah dasar termasuk Kalkulus merupakan salah satu mata kuliah dasar yang wajib diambil oleh seluruh mahasiswa tahun pertama dan kedua di Institut Teknologi Sepuluh Nopember (ITS). Sebagai fondasi keilmuan di berbagai program studi, keberhasilan mahasiswa dalam mata kuliah dasar ini sangat penting. Namun, tingkat kelulusan mata kuliah dasar Kalkulus khususnya Kalkulus 1 mengalami penurunan dalam dua tahun terakhir, dengan 19,53% mahasiswa tahun angkatan 2023 dinyatakan tidak lulus. Penelitian ini bertujuan untuk mengeksplorasi dan menguji pengaruh faktor-faktor demografi, psikologi, perilaku, akademik, dan pendidikan terhadap kelulusan mahasiswa dalam mata kuliah Kalkulus dan memodelkannya menggunakan metode Classification and Regression Trees (CART). Hasil pendekatan dengan metode CART memberikan informasi bahwa faktor akademik seperti nilai TPA dan nilai TEFL, faktor psikologis seperti gaya belajar, dan faktor pendidikan seperti mata pelajaran peminatan dan jalur masuk berkontribusi signifikan pada keberhasilan mahasiswa di mata kuliah dasar Kalkulus. Sebaliknya, faktor perilaku dan demografi menunjukkan kontribusi rendah dalam model. Model klasifikasi CART yang dibangun menghasilkan akurasi sebesar 76,51%, dengan presisi 83,82%, sensitifitas 78,89%, dan spesifisitas 72,15%, menunjukkan performa yang cukup baik dalam memprediksi status kelulusan.
=========================================================================================================================================
Basic courses including Calculus are one of the basic courses that must be taken by all first and second year students at the Sepuluh Nopember Institute of Technology (ITS). As a foundation of knowledge in various study programs, student success in this basic course is very important. However, the pass rate for basic Calculus courses, especially Calculus 1, has decreased in the last two years, with 19.53% of students in the 2023 intake being declared to have failed. This study aims to explore and test the influence of demographic, psychological, behavioral, academic, and educational factors on student graduation in Calculus courses and model them using the Classification and Regression Trees (CART) method. The results of the CART method approach provide information that academic factors such as TPA scores and TEFL scores, psychological factors such as learning styles, and educational factors such as elective subjects and admission pathways contribute significantly to student success in basic Calculus courses. In contrast, behavioral and demographic factors show low contributions in the model. The CART classification model built produced an accuracy of 76.51%, with a precision of 83.82%, a sensitivity of 78.89%, and a specificity of 72.15%, indicating quite good performance in predicting graduation status
Pengembangan Model Prediksi Kelelahan Pekerja Turn Around Dengan Pendekatan Machine Learning : Studi Kasus PT Petrokimia Gresik
No full textKelelahan kerja merupakan tantangan utama dalam lingkungan industri berisiko tinggi seperti konstruksi, manufaktur, dan pertambangan, di mana penurunan kesiapan kerja (fit to work) dapat berdampak signifikan terhadap keselamatan dan produktivitas. Penelitian ini mengembangkan model prediksi kesiapan kerja menggunakan pendekatan machine learning berbasis data fisiologis, subjektif, dan kognitif. Data dikumpulkan secara sistematis melalui pengukuran Heart Rate (HR), kuesioner Multidimensional Fatigue Inventory (MFI-20), dan Psychomotor Vigilance Test (PVT-3) dari partisipan yang menjalani aktivitas intensif selama Turnaround (TA). Analisis statistik menunjukkan bahwa tingkat kelelahan mental partisipan meningkat secara signifikan setelah bekerja, dengan nilai p=0,000 dan R² sebesar 91,65%, mengindikasikan pengaruh waktu kerja terhadap fluktuasi kelelahan. Model machine learning dengan algoritma Random Forest menunjukkan performa prediksi paling tinggi terhadap skor MFI (R²=0,999; RMSE=0,065) dan cukup akurat dalam memprediksi HR (R²=0,800; RMSE=127,109), menjadikannya model unggulan dalam proses evaluasi. Pendekatan ini memungkinkan pemilihan instrumen yang lebih efisien tanpa harus mengandalkan seluruh kombinasi alat ukur. Hasil klasifikasi kesiapan kerja membagi partisipan ke dalam tiga kategori: Fit to Work, Fit with Note, dan Temporary Unfit, berdasarkan data HR, MFI, dan waktu reaksi. Sebagian besar partisipan berada pada kategori Temporary Unfit, menunjukkan akumulasi kelelahan yang menghambat kesiapan kerja optimal. Implementasi tiga algoritma utama Random Forest, Support Vector Machine, dan Linear Regression membuktikan bahwa integrasi metode machine learning dapat menghasilkan prediksi kelelahan yang akurat, sekaligus mendukung pengambilan keputusan strategis dalam manajemen risiko keselamatan kerja.
=========================================================================================================================================
Work related fatigue poses a significant risk in high-demand industrial sectors such as construction, manufacturing, and mining, where reduced fitness for duty can directly impact safety and productivity. This research introduces a predictive model for work readiness by integrating machine learning techniques with physiological, subjective, and cognitive data sources. Systematic measurements were conducted using Heart Rate (HR) monitors, standardized fatigue questionnaires (MFI-20), and the Psychomotor Vigilance Test (PVT-3), collected across intensive work conditions during a Turnaround (TA) process. Statistical analysis revealed a consistent increase in mental fatigue over the course of the workday, with significant variation across time points (p = 0.000, R² = 91.65%). The Random Forest algorithm emerged as the most robust predictive model, demonstrating excellent performance in estimating MFI scores (R² = 0.999; RMSE = 0.065) and reliable accuracy in HR prediction (R² = 0.800; RMSE = 127.109). The findings suggest that MFI scores can be accurately predicted without requiring full instrumentation, thereby increasing data collection efficiency. Work readiness was classified into three categories: Fit to Work, Fit with Note, and Temporary Unfit, based on combined HR, MFI, and reaction time data. Most participants fell under the Temporary Unfit classification, indicating fatigue accumulation that impacted optimal readiness. Machine learning implementation using Random Forest, Support Vector Machine, and Linear Regression confirmed the potential of data-driven models in identifying fatigue levels and supporting safety-related decision making in high-risk environments
Pengembangan Dashboard RShiny Untuk Evaluasi Laju Pemulihan Pasien Pascaoperasi Tumor Dengan Estimasi Baseline Hazard Di Rumah Sakit Nur Hidayah Bantul
No full textTumor adalah salah satu penyebab kematian tertinggi di Indonesia. Jumlah kematian yang disebabkan oleh tumor terus meningkat setiap tahunnya. Salah satu upaya yang dapat dilakukan adalah dengan melakukan operasi tumor. Akan tetapi, terdapat tantangan besar setelah operasi yaitu masa pemulihan pasien yang melibatkan aspek fisik, psikologis dan kualitas hidup pasien. Penelitian ini menggunakan model regresi Cox proportional hazard dengan pendekatan Breslow dan Efron untuk mengetahui faktor-faktor yang mempengaruhi laju pemulihan pasien pascaoperasi dan nilai baseline hazard. Hasil penelitian ini menunjukkan bahwa pemodelan Cox proportional hazard dengan pendekatan Efron lebih baik dibandingkan model Cox proportional hazard dengan pendekatan Breslow. Hal ini dibuktikan dengan nilai AIC terkecil pada model Cox proportional hazard dengan pendekatan Efron sebesar 926,864 dengan variabel yang signifikan yaitu jenis operasi tinggi, jenis anestesi dan status pernikahan. Berdasarkan nilai hazard ratio diketahui bahwa laju pemulihan pasien yang menjalani operasi sedang lebih cepat dibandingkan operasi lainnya. Nilai hazard ratio pada model ini juga menunjukkan bahwa variabel jenis anestesi umum memiliki laju pemulihan sebesar 1,9798 kali dibandingkan pasien yang menjalani operasi dengan anestesi umum. Selanjutnya diketahui juga bahwa nilai hazard ratio pada variabel status pernikahan menunjukkan bahwa pasien yang sudah menikah memiliki laju pemulihan sebesar 1,7848 kali dibandingkan pasien yang belum menikah. Didapatkan kesimpulan bahwa pasien yang menjalani operasi sedang, menerima anestesi spinal dan sudah menikah memiliki laju pemulihan yang lebih cepat. Estimasi baseline hazard pada model menunjukkan adanya variasi laju pemulihan pasien pascaoperasi tumor dari waktu ke waktu dengan nilai tertinggi pada waktu ke-14 sebesar 0,4744 dan nilai terkecil pada waktu ke-9 sebesar 00083. Dashboard Survival Care yang menggunakan RShiny menampilkan data, statistika deskriptif untuk setiap variabel, kurva kaplan meier dan laju pemulihan pasien. Dashboard Survival Care diharapkan dapat membantu tenaga medis dalam menganalisis data pasien pascaoperasi tumor di Rumah Sakit Nur Hidayah Bantul secara mudah, interaktif dan real time. =====================================================================================================================================
Tumors are one of the leading causes of death in Indonesia. The number of deaths caused by tumors continues to increase every year. One of the efforts that can be made is to perform tumor surgery. However, there is a major challenge after surgery, namely the patient's recovery period, which involves physical, psychological, and quality of life aspects. This study used the Cox proportional hazard regression model with the Breslow and Efron approaches to identify factors influencing the rate of post-surgery recovery and baseline hazard values. The results of this study indicate that the Cox proportional hazard model with the Efron approach is superior to the Cox proportional hazard model with the Breslow approach. This is evidenced by the smallest AIC value in the Cox proportional hazard model with the Efron approach, which is 926.864, with significant variables including high-risk surgery, type of anesthesia, and marital status. Based on the hazard ratio values, it was found that the recovery rate of patients undergoing moderate surgery was faster than that of other surgeries. The hazard ratio values in this model also showed that the general anesthesia type variable had a recovery rate of 1.9798 times compared to patients undergoing surgery with general anesthesia. Furthermore, it was also found that the hazard ratio value for the marital status variable indicates that married patients have a recovery risk 1.7848 times higher than unmarried patients. It was concluded that patients undergoing moderate surgery, receiving spinal anesthesia, and who are married have a faster recovery rate. The baseline hazard estimate in the model shows variations in the recovery risk of post-tumor surgery patients over time, with the highest value at time 14 being 0.4744 and the lowest value at time 9 being 0.00083. The Survival Care Dashboard, which uses RShiny, displays data, descriptive statistics for each variable, Kaplan-Meier curves, and patient recovery rates. The Survival Care Dashboard is expected to assist medical staff in analyzing post-operative tumor patient data at Nur Hidayah Bantul Hospital in an easy, interactive, and real-time manner
Rekonstruksi Sinyal Vital Sign Pada Sistem Monitoring Nonkontak Menggunakan Radar Berbasis BI-LSTM Untuk Mengurangi Efek Gerakan Tubuh Acak
No full textPemantauan vital sign tubuh secara tepat dan akurat, seperti respiration rate variability (RRV) dan heart rate variability (HRV), sangat penting dalam mendukung diagnosis penyakit serta deteksi dini penurunan kondisi pasien. Meskipun metode konvensional seperti electrocardiogram (ECG) dan photoplethysmograph (PPG) memiliki akurasi yang tinggi, metode ini membutuhkan kontak langsung dengan tubuh pasien, yang dapat menyebabkan ketidaknyamanan, terutama untuk pemantauan jangka panjang. Pendekatan nonkontak menggunakan radar continuous wave (CW) menawarkan solusi melalui deteksi gerakan mikro dari dada. Namun, gerakan tubuh acak (random body movement/RBM) menjadi tantangan utama karena radar CW sangat sensitif terhadap perubahan posisi. Penelitian ini mengusulkan metode rekonstruksi sinyal menggunakan regresi Bi-LSTM untuk memulihkan sinyal vital sign yang cacat akibat gangguan RBM, sehingga dapat meningkatkan akurasi pemantauan vital sign nonkontak berbasis radar. Tahapan pemrosesan sinyal melibatkan tiga tahapan utama, yaitu rekonstruksi sinyal, demodulasi sinyal, serta estimasi vital sign. Penelitian ini berhasil meningkatkan akurasi sistem pemantauan vital sign nonkontak, meskipun terdapat gangguan RBM. Hasil pengujian pada 15 subjek menunjukkan peningkatan akurasi estimasi setelah rekonstruksi sinyal menggunakan Bi-LSTM. Pada pemantauan RRV selama lima menit, rata-rata nilai eror AAPE menurun dari 35,03% sebelum rekonstruksi menjadi 11,37% setelah rekonstruksi, APPE dari 710,41 milidetik menjadi 69,86 milidetik, RMSE dari 2,256 detik menjadi 0,560 detik, dan P-RMSE dari 65,75% menjadi 17,07%. Untuk pemantauan HRV, AAPE menurun dari 9,06% menjadi 5,89%, APPE dari 27,68 milidetik menjadi 6,72 milidetik, RMSE dari 0,089 detik menjadi 0,058 detik, dan P-RMSE dari 11,78% menjadi 7,65%.
===================================================================================================================================
Accurate and precise monitoring of vital signs, such as respiration rate variability (RRV) and heart rate variability (HRV), is crucial for supporting disease diagnosis and the early detection of patient deterioration. Although conventional methods like electrocardiography (ECG) and photoplethysmography (PPG) offer high accuracy, they require direct physical contact, which can cause discomfort, particularly during long-term monitoring. A non-contact approach using continuous wave (CW) radar presents a viable alternative by detecting micro-motions of the chest wall. However, random body movements (RBM) pose a significant challenge as CW radar is highly sensitive to positional changes. This paper proposes a signal reconstruction method based on Bidirectional Long Short-Term Memory (Bi-LSTM) regression to restore vital sign signals corrupted by RBM artifacts, thereby enhancing the accuracy of non-contact radar-based vital sign monitoring. The signal processing pipeline consists of three main stages: signal reconstruction, signal demodulation, and vital sign estimation. This study successfully improves the accuracy of the non-contact vital sign monitoring system in the presence of RBM disturbances. Experimental results from 15 subjects demonstrate a significant improvement in estimation accuracy following signal reconstruction with the Bi-LSTM model. For five-minute RR monitoring, the mean Absolute Average Percentage Error (AAPE) decreased from 35.03% to 11.37%, the Absolute Peak-to-peak Error (APPE) from 710.41 ms to 69.86 ms, the Root Mean Square Error (RMSE) from 2.256 s to 0.560 s, and the Percentage RMSE (P-RMSE) from 65.75% to 17.07%. For HRV monitoring, the AAPE decreased from 9.06% to 5.89%, APPE from 27.68 ms to 6.72 ms, RMSE from 0.089 s to 0.058 s, and P-RMSE from 11.78% to 7.65%
Formulasi Insentif Dalam Pengendalian Pemanfaatan Kawasan Pertanian Pangan Berkelanjutan (KP2B) di Kabupaten Bojonegoro Berdasarkan Preferensi Petani
No full textKabupaten Bojonegoro sebagai Kawasan Strategis Provinsi dalam pengembangan Pertambangan Minyak dan Gas Bumi berdampak pada intensitas perubahan fungsi lahan pertanian menjadi ladang industri migas. Selain itu, pembangunan fasilitas publik secara gencar sebagai implementasi arahan dari RPJMD Kabupaten Bojonegoro tahun 2018 – 2023 juga merupakan faktor pendorong terjadinya alih fungsi lahan pertanian untuk kepentingan umum. Padahal, Kabupaten Bojonegoro merupakan daerah penyangga lumbung pangan nasional. Pemerintah Kabupaten Bojonegoro telah berupaya melindungi lahan pertanian produktif melalui penetapan Kawasan Pertanian Pangan Berkelanjutan (KP2B). Namun, hasil analisis overlay menunjukkan bahwa hingga tahun 2024, sekitar 663 hektar, atau 1,5% dari Kawasan Pemanfaatan Lahan Pertanian Berkelanjutan (KP2B), telah beralih fungsi menjadi lahan terbangun. Oleh sebab itu, dibutuhkan upaya pengendalian pemanfaatan Kawasan Pertanian Pangan Berkelanjutan salah satunya melalui pemberian insentif yang sesuai dengan preferensi petani pemilik lahan.
Tujuan dari analisis ini ialah untuk menentukan bentuk dan nilai insentif dalam pengendalian pemanfaatan Kawasan Pertanian Pangan Berkelanjutan (KP2B) di Kabupaten Bojonegoro berdasarkan preferensi petani yang dilakukan dengan beberapa tahap yaitu tahap pertama adalah menentukan faktor – faktor yang mempengaruhi alih fungsi pada Kawasan Pertanian Pangan Berkelanjutan (KP2B) di Kabupaten Bojonegoro menggunakan metode analisis Structural Equation Modeling (SEM) dan tahap kedua yaitu merumuskan bentuk dan nilai insentif dalam pengendalian pemanfaatan Kawasan Pertanian Pangan Berkelanjutan (KP2B) di Kabupaten Bojonegoro berdasarkan preferensi petani pemilik lahan menggunakan analisis regresi probit (probability unit).
Hasil dari penelitian ini menunjukkan bahwa terdapat terdapat 4 variabel dan 10 sub variabel berpengaruh terhadap indikator penelitian. Variabel yang paling mempengaruhi secara signifikan ialah akses pertanian dan sarana pertanian. Selain itu, penelitian ini menghasilkan 13 formulasi insentif dengan nilai yang bervariasi. Rata-rata nilai insentif yang terbentuk yaitu sebesar 55% dengan beberapa di antaranya memiliki dua opsi nilai yang menyesuaikan kondisi lahan pertanian, yaitu lahan di dataran rendah dan di dataran tinggi. Formulasi insentif yang memiliki dua opsi nilai tersebut terdiri dari bantuan peningkatan debit air serta penyediaan alat dan mesin pertanian.
===================================================================================================================================
Bojonegoro Regency, as a Strategic Area of the Province in the development of Oil and Gas Mining, has led to an increase in the conversion of agricultural land into oil and gas industrial fields. Additionally, the aggressive development of public facilities as part of the implementation of the Bojonegoro Regency Medium-Term Development Plan (RPJMD) for 2018–2023 is another factor driving the conversion of agricultural land for public use. However, Bojonegoro Regency is a key region supporting the national food supply. The Bojonegoro Regency Government has made efforts to protect productive agricultural land through the designation of Sustainable Food Agriculture Zones (KP2B). However, analysis results show that by 2024, approximately 663 hectares, or 1.5% of the Sustainable Agricultural Land Use Zone (KP2B), have been converted into developed land. Therefore, efforts are needed to control the utilization of the Sustainable Food Agriculture Zone, one of which is through the provision of incentives aligned with the preferences of land-owning farmers.
The purpose of this analysis is to determine the form and value of incentives in controlling the utilization of Sustainable Food Agricultural Areas (KP2B) in Bojonegoro Regency based on farmers' preferences, which is carried out in several stages. The first stage is to determine the factors that influence the conversion of Sustainable Food Agricultural Areas (KP2B) in Bojonegoro Regency using the Structural Equation Modeling (SEM) analysis method, and the second stage is to formulate the form and value of incentives in controlling the utilization of Sustainable Food Agriculture Areas (KP2B) in Bojonegoro Regency based on the preferences of landowner farmers using probit regression analysis (probability unit).
The results of this study indicate that there are 4 variables and 10 sub-variables influencing the research indicators. The variables most significantly influencing the indicators are agricultural access and agricultural infrastructure. Additionally, this study produced 13 incentive formulations with varying values. The average incentive value formed is 55%, with some of them having two value options that adjust to the conditions of the agricultural land, namely lowland and highland areas. The incentive formulations with two value options consist of assistance in increasing water flow and the provision of agricultural tools and machinery
Strategi Implementasi Konsep Zero Waste dalam Mengurangi Volume Sampah Organik di Kota Malang
No full textKota Malang menghadapi permasalahan pengelolaan sampah organik rumah tangga yang semakin kompleks, seiring meningkatnya volume timbulan sampah dan keterbatasan sistem pengelolaan yang ada. Berdasarkan data Dinas Lingkungan Hidup (DLH) Kota Malang tahun 2023, timbulan sampah di Kota Malang mencapai sekitar 622 ton per hari, di mana lebih dari 60% merupakan sampah organik rumah tangga. Namun demikian, hanya sekitar 55–60% sampah yang berhasil terangkut ke TPA Supit Urang, sementara sisanya tidak tertangani secara optimal atau berakhir di lingkungan sekitar. Konsep Zero Waste menjadi solusi yang ditawarkan dalam mengurangi volume sampah dari sumbernya. Namun, efektivitas penerapan konsep ini masih belum optimal akibat lemahnya integrasi kebijakan, rendahnya partisipasi masyarakat, dan keterbatasan infrastruktur pendukung seperti fasilitas kompos dan TPS3R. Oleh karena itu, penelitian ini dilakukan untuk menjawab permasalahan tentang sejauh mana kinerja faktor-faktor yang mempengaruhi penerapan Zero Waste, dan bagaimana strategi implementasi yang tepat untuk mengurangi volume sampah organik di Kota Malang.Tahap pertama yaitu mengukur kinerja faktor-faktor yang mempengaruhi dalam penerapan konsep Zero Waste dengan menggunakan analisis deskriptif dan skala likert. Pada tahap kedua, yaitu merumuskan strategi implementasi dengan menggunakan metode Importance Performance Analysis (IPA).
Dari hasil analisis menggunakan metode Importance Performance Analysis (IPA), diperoleh 27 variabel yang dipetakan ke dalam empat kuadran. Ditemukan bahwa terdapat sejumlah variabel yang masuk dalam Kuadran I, yaitu faktor yang memiliki tingkat kepentingan tinggi namun kinerjanya masih rendah. Faktor-faktor tersebut antara lain dukungan program edukasi masyarakat, ketersediaan fasilitas pengolahan sampah, tingkat pengomposan oleh rumah tangga, dan kolaborasi antara pemerintah dan masyarakat. Berdasarkan kondisi tersebut, strategi utama yang dirumuskan mencakup: (1) penguatan program edukasi dan sosialisasi berbasis komunitas, (2) pengembangan fasilitas pengolahan sampah terpadu, serta (3) peningkatan sinergi antar pemangku kepentingan melalui pembentukan forum kolaboratif pengelolaan sampah tingkat kota. Strategi ini diharapkan dapat menjadi prioritas intervensi untuk meningkatkan efektivitas penerapan konsep Zero Waste di Kota Malang.
============================================================
=========================================================================
The city of Malang is facing increasingly complex challenges in managing household organic waste, as the volume of waste generation continues to rise while existing waste management systems remain limited. According to data from the Malang City Environmental Agency (DLH) in 2023, the city generates approximately 622 tons of waste per day, with over 60% consisting of household organic waste. However, only about 55–60% of the total waste is transported to the Supit Urang landfill, while the remainder is either improperly managed or ends up polluting the surrounding environment. The Zero Waste concept has been proposed as a solution to reduce waste at its source. Nevertheless, its implementation remains suboptimal due to weak policy integration, low community participation, and limited supporting infrastructure such as composting facilities and TPS3R (Reduce, Reuse, Recycle, and Waste Proccessing Sites.
Therefore, this study aims to assess the performance of the factors influencing the implementation of Zero Waste and to formulate appropriate implementation strategies to reduce the volume of organic waste in Malang City. The first stage involves measuring the performance of the influencing factors using descriptive analysis and a Likert scale. The second stage focuses on formulating implementation strategies using the Importance Performance Analysis (IPA) method.
Based on the results of the IPA, 27 variables were identified and mapped into four quadrants. Several variables were found to fall into Quadrant I—those considered highly important but currently underperforming. These variables include support for community education programs, the availability of waste processing facilities, the level of household composting, and collaboration between the government and the community. Accordingly, the main strategies formulated include: (1) strengthening community-based education and awareness programs, (2) developing integrated waste processing facilities, and (3) enhancing stakeholder synergy through the establishment of a city-level collaborative waste management forum. These strategies are expected to become priority interventions to improve the effectiveness of Zero Waste implementation in Malang City
Asesmen Risiko Proyek Kerja Sama Pemerintah dan Badan Usaha: Studi Kasus Pembangkit Listrik Tenaga Sampah (PLTSa) Benowo, Surabaya
No full textPembangunan infrastruktur berkelanjutan di Indonesia merupakan upaya strategis untuk menjawab tantangan sosial, ekonomi, dan lingkungan. Skema Kerja Sama Pemerintah dan Badan Usaha (KPBU) menjadi salah satu pendekatan yang digunakan untuk mempercepat pembangunan tersebut. Namun, proyek KPBU menghadapi risiko kompleks akibat keterlibatan banyak pihak dan ketidakpastian lingkungan. Penelitian ini mengkaji proyek Pembangkit Listrik Tenaga Sampah (PLTSa) Benowo di Surabaya yang dilaksanakan dengan skema KPBU. Tujuan penelitian adalah mengidentifikasi risiko utama berdasarkan persepsi para pemangku kepentingan, mengkategorikan serta memeringkatkan risiko, dan menganalisis hubungan antar risiko menggunakan metode Probability Impact Matrix (PIM) dan MICMAC (Matrice d’Impacts Croisés Multiplication Appliquée à un Classement). Hasil PIM menunjukkan bahwa risiko dengan nilai gabungan tertinggi adalah Penyelesaian0 Sengketa Kontraktual (R8), Biaya Operasional dan Pemeliharaan yang Melebihi Anggaran (R2), serta Inflasi (R1). Risiko ini berdampak besar terhadap keberlanjutan proyek dari sisi waktu, biaya, dan kelayakan kontrak. Penanganannya memerlukan mekanisme kelembagaan, pengelolaan keuangan yang fleksibel, dan kontrak yang adaptif. Analisis MICMAC menunjukkan sebagian besar risiko berada pada kategori linkage, yaitu memiliki pengaruh dan keterpengaruhan tinggi. Risiko seperti Kepailitan Kontraktor, Keterlambatan Infrastruktur, dan Kebangkrutan Investor menjadi titik kritis. Risiko Korupsi (R11) juga diidentifikasi sebagai risiko sistemik yang memperburuk risiko lain jika tidak dikendalikan. Hasil penelitian menegaskan bahwa strategi mitigasi risiko dalam proyek KPBU PLTSa harus bersifat sistemik, preventif, dan terintegrasi. Temuan ini mendukung pencapaian TPB/SDGs, khususnya SDG 7, SDG 11, dan SDG 13.
=====================================================================================================================================================
Sustainable infrastructure development in Indonesia is a strategic effort to address social, economic, and environmental challenges. The Public-Private Partnership (PPP) scheme is one approach used to accelerate this development. However, PPP projects involve complex risks due to multi-stakeholder involvement and environmental uncertainties. This study examines the Benowo Waste-to-Energy (WTE) Power Plant project in Surabaya, implemented under a PPP scheme. The research aims to identify key risks perceived by stakeholders, categorize and rank them, and analyze their interrelationships using the Probability Impact Matrix (PIM) and MICMAC (Matrice d’Impacts Croisés Multiplication Appliquée à un Classement) methods. PIM analysis indicates that the highest combined risk scores are found in Contractual Dispute Resolution (R8), Operational and Maintenance Cost Overruns (R2), and Inflation (R1)—risks that significantly affect project timelines, budgets, and contractual feasibility. Effective mitigation requires institutional mechanisms, flexible financial strategies, and adaptive contract management. MICMAC results show that most risk variables are classified as linkage variables, meaning they have strong mutual influence. Critical risks include Contractor Insolvency, Infrastructure Delays, and Investor Bankruptcy, which can trigger cascading failures. Corruption (R11) also emerges as a systemic risk that can intensify others if not strictly controlled. The findings emphasize that risk mitigation in PPP-based WTE projects must be systemic, preventive, and integrated, focusing not only on risk magnitude but also on each variable’s structural role within the network. This study contributes to more effective planning and implementation of renewable energy infrastructure and supports SDG 7, SDG 11, and SDG 13
Studi Eksperimen Nozzle Diffuser Axial Flow Marine Turbine pada Skala Laboratorium
No full textPemanfaatan energi terbarukan di wilayah pesisir sangat penting untuk mendukung keberlanjutan lingkungan dan ekonomi masyarakat pesisir. Namun, implementasinya masih menghadapi tantangan besar, terutama terkait biaya investasi dan keterbatasan teknologi. Di sisi lain, emisi dari kapal nelayan terus meningkat akibat penggunaan bahan bakar fosil, sehingga diperlukan solusi yang ramah lingkungan dan efisien. Penelitian ini bertujuan untuk meningkatkan efisiensi konversi energi kinetik fluida menjadi energi listrik pada kapal nelayan melalui optimalisasi desain nozzle diffuser axial flow marine turbine. Eksperimen dilakukan pada skala laboratorium dengan merancang dan menguji berbagai konfigurasi nozzle dan diffuser. Variasi yang diuji meliputi jumlah bilah turbin (3, 4, dan 5), jarak penempatan turbin dari outlet, serta dimensi nozzle dan diffuser. Kecepatan aliran air yang digunakan 5 m/s berdasarkan kecepatan relatif gerak kapal yaitu 10 knot dan profil turbin yang dipakai adalah airfoil NACA 4418. Panjang nozzle diffuser yang digunakan adalah 70 cm. Hasil pengujian menunjukkan bahwa RPM yang dihasilkan pada setiap variasi berkisar antara 79 hingga 218, sedangkan beban maksimal yang dicapai berada pada rentang 0,411 kg hingga 0,689 kg. Analisis data memperlihatkan bahwa penambahan jumlah bilah turbin hingga empat bilah mampu meningkatkan torsi, kecepatan sudut, dan daya mekanik. Namun, penambahan bilah kelima justru menurunkan efisiensi sistem. Nilai coefficient of power (Cp) untuk turbin 3 bilah berkisar antara 0,01204 hingga 0,02350, turbin 4 bilah antara 0,01984 hingga 0,03704, dan turbin 5 bilah antara 0,01461 hingga 0,02168. Kombinasi optimal diperoleh pada konfigurasi nozzle 46 cm, diffuser 24 cm, jarak turbin 16 cm dari outlet, dan penggunaan turbin 4 bilah dengan nilai Cp tertinggi sebesar 0,03704.
======================================================================================================================================
Utilization of renewable energy in coastal regions is essential to support environmental sustainability and the economic well-being of coastal communities. However, its implementation still faces significant challenges, particularly regarding investment costs and technological limitations. Meanwhile, emissions from fishing vessels continue to rise due to the use of fossil fuels, necessitating environmentally friendly and efficient solutions. This research aims to improve the efficiency of converting fluid kinetic energy into electrical energy on fishing vessels by optimizing the nozzle diffuser design of an axial flow marine turbine. Laboratory-scale experiments were conducted by designing and testing various configurations of nozzles and diffusers. The tested variations included the number of turbine blades (3, 4, and 5), the placement distance of the turbine from the outlet, as well as nozzle and diffuser dimensions. The flow velocity used is 5 m/s that based on the ship's relative movement speed, which is 10 knots. The length of the nozzle diffuser used was 70 cm. Test results indicated that the generated RPM for each variation ranged from 79 to 218, while the maximum load achieved was between 0.411 kg and 0.689 kg. Data analysis revealed that increasing the number of turbine blades up to four improved torque, angular velocity, and mechanical power. However, the addition of a fifth blade reduced system efficiency. The coefficient of power (Cp) values for the 3-blade turbine ranged from 0.01204 to 0.02350, for the 4-blade turbine from 0.01984 to 0.03704, and for the 5-blade turbine from 0.01461 to 0.02168. The optimal configuration was obtained with a 46 cm nozzle, 24 cm diffuser, turbine placement at 16cm from the outlet, and the use of a 4-blade turbine, achieving the highest Cp value of 0.03704
Pemodelan Rasio Gini Provinsi di Pulau Jawa dengan Regresi Data Panel Dinamis Pendekatan Generalized Method of Moment Blundell-Bond
No full textKetimpangan distribusi pendapatan merupakan suatu kondisi dimana distribusi pendapatan yang diterima masyarakat tidak merata. Kondisi ketimpangan distribusi pendapatan yang ekstrem dapat menimbulkan persepsi ketidakadilan terhadap kesejahteraan masyarakat. Alat ukur yang digunakan untuk mengukur ketidakmerataan dari distribusi pendapatan adalah rasio gini. Pulau Jawa merupakan pulau yang memberikan kontribusi terhadap perekonomian tertinggi di Indonesia memiliki rasio gini yang tergolong tinggi pada setiap provinsinya di antara wilayah-wilayah lain di Indonesia. Penelitian ini bertujuan untuk mendapatkan model rasio gini di Pulau Jawa berdasarkan faktor-faktor yang diduga memengaruhinya seperti Produk Domestik Regional Bruto (PDRB), Persentase Penduduk Miskin (PPM), Tingkat Partisipasi Angkatan Kerja (TPAK), dan Angka Partisipasi Kasar SMA/Sederajat (APK). Metode yang digunakan adalah Regresi Data Panel Dinamis pendekatan Generalized Method of Moment (GMM) Blundell-Bond dengan pendekatan GMM Arellano-Bond sebagai pembanding. Sumber data dan variabel penelitian yang digunakan berasal dari website BPS dengan sampel enam provinsi di Pulau Jawa dengan periode pengamatan tahun 2015 hingga 2019. Berdasarkan hasil estimasi, GMM Arellano-Bond lebih dipilih sebagai model terbaik. Variabel yang berpengaruh signifikan adalah Rasio Gini (RG) tahun sebelumnya (positif), PDRB (negatif), PPM (positif), TPAK (positif), dan APK (positif). Hasil estimasi memiliki koefisien determinasi (R²) sebesar 80,57% Secara jangka pendek elastisitas untuk PDRB terhadap RG sebesar -0,0127 dan elastisitas jangka panjang sebesar -0,0442. Elastisitas jangka pendek untuk PPM terhadap RG sebesar 0,0325 dan elastisitas jangka panjang sebesar 0,1131. Elastisitas jangka pendek untuk TPAK terhadap RG sebesar 0,3951 dan elastisitas jangka panjang sebesar 1,3747. Elastisitas jangka pendek untuk APK SMA/sederajat terhadap RG sebesar 0,2227 dan elastisitas jangka panjang sebesar 0,7749.
=====================================================================================================================================
Income distribution inequality refers to a condition where income distribution within society is uneven. Extreme income inequality can create a perception of injustice regarding societal welfare. The Gini ratio is a commonly used measure to assess income distribution disparity. Java Island, which contributes the highest to Indonesia’s economy, has a relatively high gini ratio in each of its provinces compared to other regions in the country. This study aims to develop a model of gini ratio in Java Island based on suspected influencing factors such as Gross Regional Domestic Product (PDRB), Percentage of Poor Population (PPM), Labor Force Participation Rate (TPAK), and Senior High School Gross Enrollment Rate (APK). The method used is Dynamic Panel Data Regression with the Generalized Method of Moments (GMM) Blundell-Bond approach, using the GMM Arellano-Bond approach as a comparison. The data sources and research variables are obtained from the official BPS website, with a sample of six provinces in Java Island and an observation period from 2015 to 2019. Based on the estimation results, the Arellano-Bond GMM is selected as the best model. The variables that have a significant effect are the previous year's Gini Ratio (positive), PDRB (negative), PPM (positive), TPAK (positive), and APK (positive). The model has a coefficient of determination (R²) of 80.57%. In the short run, the elasticity of PDRB with respect to the Gini Ratio is -0.0127, and the long-run elasticity is -0.0442. The short-run elasticity of PPM with respect to the Gini Ratio is 0.0325, and the long-run elasticity is 0.1131. The short-run elasticity of TPAK with respect to the Gini Ratio is 0.3951, and the long-run elasticity is 1.3747. The short-run elasticity of APK with respect to the Gini Ratio is 0.2227, and the long-run elasticity is 0.7749