Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknologi Dense Wavelength Division Multiplexing (DWDM) telah mengalami perkembangan pesat, di mana beberapa vendor telah meningkatkan kapasitas per frekuensi hingga mencapai 1 Tbps (Tera Bit Per Second). Dalam tesis ini, penelitian dilakukan untuk menentukan pola data yang digunakan oleh engineer guna mencapai hasil yang optimal dengan menggunakan kecerdasan buatan. Penelitian ini berfokus pada simulasi jaringan DWDM di Microsoft di Amerika Utara, yang melibatkan beberapa repeater dan mempertimbangkan berbagai faktor yang terjadi dalam jaringan tersebut. Dengan menggunakan data hasil performansi lapangan, ditemukan data yang paling optimal untuk jaringan DWDM tersebut. Dengan mencapai kinerja Q-Factor yang baik, diperoleh juga margin pada jaringan berdasarkan perhitungan kabel optiknya. Estimasi kinerja Q-Factor dapat diperoleh melalui fungsi regresi linear yang bergantung pada perangkat yang dilalui dalam jaringan, seperti Transponder, EDFA, dan media transmisi berupa serat optik. Data hasil pengukuran merupakan data perubahan daya transmisi pada sisi penguat, yang menyebabkan perubahan daya per kanal pada setiap transponder di sisi penerima. Setiap perubahan nilai kinerja Q-Factor pada setiap kanal dianalisis polanya menggunakan machine learning. Data tersebut akan dilakukan proses pelatihan berulang kali guna meminimalkan kesalahan dan mencapai kinerja Q-Factor yang lebih baik. Secara keseluruhan, hasil yang dicapai dalam tesis ini membentuk dasar bagi skema pemodelan kinerja Q-Factor yang akurat serta mendapatkan nilai Q-Factor yang optimal. Hasil penelitian ini memberikan wawasan tentang penggunaan machine learning di masa depan dalam perencanaan jaringan optik DWDM.

---

This research investigates the development of Dense

Wavelength Division Multiplexing (DWDM) technology in

conjunction with 6G technology to meet the growing demands for

high-speed data transmission. Vendors have significantly

increased the capacity per channel enabling speeds of up to 1 Tera Bit Per Second. The Q-Factor is one of the indicators that

determines the quality of the optical system. Q-Factor plays a

crucial role in evaluating these technological advancements. In

actual practice, engineers need to conduct manual field tests to

obtain the Q-factor value. Engineers must calibrate the equipment

manually onsite. This procedure is time consuming and inefficient. Machine learning can be used to calculate and forecast the Qfactor quickly and automatically. This study designs a machine learning algorithm to forecast the Q-factor value based on the equipment parameters in the field. This study evaluates 4 machine learning algorithms. The data used is obtained from the Microsoft optical network in North America. The Decision tree model archives the best results with an impressive accuracy of 99.5% and low mean squared error (MSE) of 0,00104. The proposed algorithm achieved better results than the previous research."

"

Kulit kering merupakan salah satu masalah penuaan yang paling umum. Perubahan pada sistem integumen meningkatkan risiko peradangan dan infeksi kulit pada lansia. Peradangan dan infeksi kulit sering terjadi pada permukaan tubuh yang terlihat. Karya ilmiah ini bertujuan untuk menjelaskan asuhan keperawatan pada lansia dengan masalah gangguan integritas kulit melalui manajemen pruritus yaitu personal hygiene dan pemberian pelembab Tea Tree Oil di Panti Sosial Tresna Werdha Budi Mulia 4 Ciracas. Klien berusia 60 tahun merupakan salah satu lansia yang tinggal di wisma Merpati PSTW Budi Mulia 4 Ciracas. Klien mengalami penyakit kulit berupa eksim kering (xerosis) dan pruritus pada area kaki bagian bawah. Kulit kaki klien tampak kering, kasar, bersisik, terdapat eritema dan tampak kehitaman. Hasil akhir menunjukkan adanya peningkatakan pada rasa nyaman yang ditandai dengan berkurangnya gatal yang dirasakan oleh klien dan derajat eritema tampak berkurang setelah dilakukannya personal hygiene dan pemberian pelembab Tea Tree Oil. Pemberian pelembab Tea Tree Oil dapat dilalukan sebagai penyembuhan infeksi kulit yang disebabkan oleh mikroorganisme. Sehingga dalam hal ini, personal hygiene dan pelembab Tea Tree Oil dapat mengatasi masalah kulit kering dan meredakan pruritus. Panti Sosial Tresna Werdha diharapkan dapat mendukung ketersediaan alat dan bahan dalam perawatan personal hygiene, seperti sabun antiseptik atau sabun dengan pH balance, handuk bersih untuk masing-masing lansia, dan pelembab khusus yang dapat mengatasi masalah integritas kulit pada lansia.

 

---

Dry skin is one of the most common aging problems. Changes in the integumentary system increase the risk of skin inflammation and infection in the elderly. Skin inflammation and infection often occur on the visible surface of the body. This scientific work aims to explain nursing care for elderly with skin integrity problems through pruritus management, namely personal hygiene and tea tree oil moisturizer at Panti Sosial Tresna Werdha Budi Mulia 4 Ciracas. The 60 year old clien is one of the elderly who live in the Merpati guesthouse of PSTW Budi Mulia 4 Ciracas. The client experiences skin disease in the form of dry eczema (xerosis) and pruritus in the lower leg area. The client’s leg skin looked dry, rough, scaly, had erythema, and looked blackish. The final results showed an increase in confort which was marked by the reduction of itching felt by the client and the degree of erythema seemed to decrease after personal hygiene and the application of Tea Tree Oil moisturizer. Tea Tree Oil moisturizer can be applied as a treatment for skin infections caused by microorganisms. So in this case, personal hygiene and Tea Tree Oil moisturizer can overcome dry skin problems and relieve pruritus. Tresna Werdha Social Institutions are expected to support the availability of tools and materials in personal hygiene care, such as antiseptic soap or soap with a pH balance, clean towels for each elderly person, and special moisturizers that can overcome skin integrity problems in the elderly.

"

"Under The Hawthorn Tree karya sutradara Zhang Yimou (张艺谋) adalah film bergenre romansa drama yang dirilis pada tahun 2010 dengan latar waktu zaman Revolusi Kebudayaan Cina (1966-1976). Film ini diadaptasi dari novel dengan judul yang sama, karya Ai Mi yang diambil dari kisah nyata, yaitu cerita cinta teman Ai Mi pada masa Revolusi Kebudayaan Cina. Penelitian ini bertujuan untuk mengungkap penyebab citra perempuan tangguh yang muncul film UTHT melalui penokohan Jing Qiu dan ibu Zhang. Metode yang digunakan dalam penelitian ini adalah kualitatif analisis. Kesimpulan dalam penelitian ini adalah citra perempuan tangguh yang terlihat pada dua tokoh perempuan, yaitu Jing Qiu dan Ibu Zhang berkaitan dengan latar waktu film, yaitu pada masa Revolusi Kebudayaan. Melalui analisis dari adegan termasuk juga dialognya, penelitian ini menemukan ketangguhan tokoh Ibu dan anak disebabkan karena hidup pada masa Revolusi Kebudayaan yang penuh dengan kebijakan sepihak dari partai kepada masyarakat Cina.

---

Under The Hawthorn Tree is a 2010 romance drama film directed by Zhang Yimou (张艺谋) that takes place during the Chinese Cultural Revolution (1966-1976). The movie is adapted from the novel with the same title, by Ai Mi, which is taken from a true story of her friend during the Chinese Cultural Revolution. This study aims to reveal the causes of the image of a tough woman appearing in the UTHT film through the characterizations of Jing Qiu and Zhang's mother. The method used in this research is qualitative analysis. This study concludes that the image of a tough woman seen in the two female characters, Jing Qiu and Zhang Laoshi is related to the film's time setting, the Cultural Revolution period. Through analysis of the scenes, including the dialogues, this research finds the toughness of the mother and daughter characters was due to living during the Cultural Revolution which was full of unilateral from the party to people."

"COVID-19 adalah penyakit yang disebabkan oleh virus SARS-CoV-2 dan menyerang sistem pernapasan manusia. Selain menganggu kesehatan fisik, pandemi COVID-19 juga memberikan dampak psikologis, salah satunya adalah tingkat stres yang meningkat pada masyarakat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang berasosiasi dengan tingkat stres pada pandemi COVID-19. Dalam mencapai tujuan tersebut, penelitian ini menggunakan metode classification tree dan regresi logistik multinomial. Sebelum melakukan proses identifikasi faktor menggunakan classification tree, dilakukan penanganan masalah imbalance data menggunakan metode SMOTE. Selanjutnya, dilakukan kuantifikasi risiko faktor-faktor yang teridentifikasi pada classification tree menggunakan analisis regresi logistik multinomial. Kinerja model diukur menggunakan nilai precision, recall, F1-Score, dan AUC. Hasil yang diperoleh adalah model classification tree dengan penanganan imbalance data menggunakan SMOTE dapat meningkatkan kinerja model dengan nilai precision 0,5980, nilai recall 0,8653, nilai F1-Score 0,7072, dan AUC 0,702. Dengan model tersebut, didapatkan faktor-faktor yang teridentifikasi berasosiasi dengan tingkat stres pada pandemi COVID-19 adalah Total_OECDInsititutions, Total_CoronaConcerns, dan Age. Peningkatan nilai Corona Concerns cenderung memberikan risiko peningkatan tingkat stres, sedangkan peningkatan nilai OECDInsititutions dan Age cenderung memberikan risiko penurunan tingkat stres.

---

COVID-19 is a disease caused by the SARS-CoV-2 virus that attacks the human respiratory system. In addition to disrupting physical health, the COVID-19 pandemic also has psychological impacts, one of which is an increased level of stress. This study aims to identify factors associated with the level of stress during the COVID-19 pandemic. The study employs the classification tree method and multinomial logistic regression. Prior to the factor identification process using the classification tree, the issue of imbalanced data is addressed using the SMOTE method. Subsequently, the quantification of risk factors identified in the classification tree is conducted using multinomial logistic regression analysis. The model's performance is measured using precision, recall, F1-score, and AUC values. The results obtained indicate that the classification tree model with the handling of imbalanced data using SMOTE can improve model performance, with a precision value of 0,5980, recall value of 0,8653, F1-score value of 0,7072, and AUC value of 0,702. With this model, the identified factors associated with the level of stress during the COVID-19 pandemic are Total_OECDInstitutions, Total_CoronaConcerns, and Age. An increase in Corona Concerns tends to pose a risk of increased stress levels, while an increase in OECD Institutions and Age tends to pose a risk of decreased stress levels."

"Pandemi COVID-19 memberikan dampak pada persaingan bisnis yang menuntut perusahaan untuk dapat meningkatkan kinerjanya secara optimal. Perusahaan harus mampu mengelola sumber daya manusianya agar proses bisnis dapat berjalan dengan baik dan efektif. Salah satu faktor yang dapat mendorong kinerja organisasi ke arah yang lebih baik adalah work-life balance pekerjanya, sehingga hal ini penting untuk diperhatikan. Penelitian dilakukan di PT X Jakarta yang merupakan salah satu perusahaan yang bergerak di bidang pelayanan kepelabuhanan. Tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang signifikan menjelaskan tingkat work-life balance pada pegawai perusahaan jasa kepelabuhanan PT X Jakarta dan mengetahui profil dari pegawai yang memiliki tingkat work-life balance yang tinggi dan rendah. Metode analisis data yang digunakan guna mencapai tujuan tersebut adalah Regresi Linier Berganda dan Classification and Regression Tree (CRT). Penelitian ini menggunakan data primer yang diambil dengan cara purposive sampling dan didapatkan sampel yang terdiri dari 97 pegawai perusahaan jasa kepelabuhanan PT X Jakarta. Hasil penelitian menunjukkan faktor-faktor yang signifikan menjelaskan tingkat work-life balance pada Pegawai Jasa Kepelabuhanan PT X Jakarta adalah stres kerja, kesejahteraan psikologis, dukungan rekan kerja dan jenis kelamin pegawai. Profil pegawai yang memiliki tingkat work-life balance yang tinggi yaitu pegawai dengan stres kerja yang rendah, dukungan rekan kerja yang tinggi, dan berjenis kelamin laki-laki. Profil pegawai yang memiliki tingkat worklife balance yang rendah yaitu pegawai dengan stres kerja yang tinggi, kesejahteraan psikologis yang rendah, dan berjenis kelamin perempuan.

---

The COVID-19 pandemic has an impact on business competition which requires companies to be able to improve their performance optimally. Companies must be able to manage their human resources so that the business process can run well and effectively. One of the factors that can drive organizational performance towards a better direction is the work-life balance of its employees, so this is important to pay attention to. The research was conducted at PT X Jakarta, which is one of the companies engaged in port services. The purpose of this study was to determine the factors that significantly explain the level of work-life balance on the employees of the port service company, PT X Jakarta, and to determine the profile of employees who have high and low levels of worklife balance. The data analysis method used to achieve this goal is Multiple Linear Regression and Classification and Regression Tree (CRT). This study uses primary data taken by purposive sampling and obtained a sample consisting of 97 employees of the port service company on PT X Jakarta. The results showed that the factors that significantly explained the level of work-life balance in Port Service Employees of PT X Jakarta were work stress, psychological well-being, co-workers support and gender. Profiles of employees who have a high level of work-life balance are employees with low work stress, high support from co-workers, and male gender. Profiles of employees who have a low level of work-life balance are employees with high work stress, low psychological well-being, and female."

"Mahasiswa diharapkan untuk dapat menempuh jenjang pendidikan sarjananya dengan baik dan tentunya selesai tepat waktu. Sebagai mahasiswa, mempunyai aktivitas yang cukup banyak di luar rutinitas kuliah sudah menjadi hal yang lazim, misalnya seperti berorganisasi, berkegiatan di luar kampus, belum lagi ada mahasiswa yang sambil bekerja. Dengan banyaknya rutinitas, mahasiswa seringkali menunda belajar atau menyelesaikan tugas yang diberikan oleh dosennya. Inilah yang disebut dengan prokrastinasi akademik. Prokrastinasi akademik pada mahasiswa dapat berdampak pada penurunan prestasi akademiknya. Tujuan penelitian ini adalah untuk mengetahui variabel-variabel yang menjelaskan tingkat prokrastinasi akademik pada mahasiswa. Metode yang digunakan adalah metode Regresi Linier Berganda, sedangkan untuk mengetahui profil mahasiswa yang mempunyai tingkat prokrastinasi akademik yang tinggi menggunakan metode Classification and Regression Tree (CRT), dan juga ingin mengetahui perbedaan antara Regresi Linier Berganda dan Classification and Regression Tree (CRT) berdasarkan urutan variabel-variabel yang signifikan menjelaskan tingkat prokrastinasi akademik pada mahasiswa FMIPA Universitas Indonesia. Variabel yang diduga menjelaskan tingkat prokrastinasi akademik adalah jenis kelamin, tempat tinggal, kondisi fisik, kondisi psikologis, kondisi lingkungan, motivasi belajar, persepsi mahasiswa, dukungan sosial orang tua, dan dukungan sosial teman sebaya. Penelitian ini menggunakan data primer yaitu 660 mahasiswa FMIPA Universitas Indonesia yang diambil dengan cara purposive sampling. Hasil penelitian menunjukkan bahwa variabel-variabel yang secara signifikan menjelaskan tingkat prokrastinasi akademik mahasiswa FMIPA Universitas Indonesia adalah jenis kelamin, kondisi fisik, kondisi psikologis, motivasi belajar, persepsi mahasiswa, dukungan sosial orang tua, dan dukungan sosial teman sebaya. Profil mahasiswa yang memiliki tingkat prokrastinasi akademik yang tinggi yaitu mahasiswa dengan kondisi fisik dan kondisi psikologis yang buruk, serta dukungan sosial orang tua yang rendah. Selain itu, ada perbedaan dalam urutan variabel-variabel yang signifikan antara metode Regresi Linier Berganda dan CRT, namun keduanya memiliki satu kesamaan yaitu variabel tertinggi adalah kondisi fisik.

---

Students are expected to be able to undertake their undergraduate studies satisfactorily and graduate as scheduled. As a students, it is normal having with numerous activities outside academic routine, such as organizations, off-campus activities, not to mention students who are employed. Consequently, students often delay studying and completing the tasks given by their lecturers. This is called academic procrastination. Academic procrastination may lead to a declining academic achievement. This study aimed to determine variables that affect academic procrastination levels and to find out the profile of students with high levels of academic procrastination. The methods used are Multiple Linear Regression and Classification and Regression Tree (CRT), respectively. Furthermore, this study aims to the difference between Multiple Linear Regression and CRT based on the sequence of significant variables explains the level of academic procrastination of FMIPA students of University of Indonesia. The variables considered to affect the level of academic procrastination include gender, residence, physical conditions, psychological conditions, environmental conditions, learning motivation, student perception, parental support, and peer support. This study used primary data, namely 660 FMIPA students of University of Indonesia obtained through purposive sampling. The results showed that the variables that significantly affect the level of academic procrastination of FMIPA students of University of Indonesia include gender, physical conditions, psychological conditions, learning motivation, student perception, parental support, and peer support. Students who demonstrate a high level of academic procrastination are characterized by poor physical and psychological conditions, as well as low parental support. In addition, there is a significant difference in the sequence of variables between the Multiple Linear Regression method and CRT, but both have one thing in common, that is, the highest variable is physical condition."

"Data Center Network (DCN) adalah sebuah pendekatan populer dalam membangun jaringan dengan skala besar yang dapat melakukan pemrosesan data. Komponen-komponen yang ada pada DCN seperti server, switches, dan link dipandang sebagai sebuah kesatuan yang saling bekerja sama untuk dapat melayani permintaan proses data. Dalam operasinya, DCN membutuhkan topologi, dimana topologi tersebut adalah representasi bentuk jaringan dan bagaimana masing-masing komponen dalam DCN terhubung dan saling berkomunikasi. Beberapa topologi yang dapat dimplementasikan pada DCN diantaranya adalah topologi fat tree (yang paling sering digunakan) dan topologi BCube. Masing-masing topologi membutuhkan routing protocol yang dapat menentukan jalur terbaik bagi node server untuk dapat berkomunikasi. Pada penelitian ini mengusulkan penggunaan routing protocol XPath yang dapat meminimalisir penggunaan path berlebihan dengan cara melakukan kompresi menggunakan algoritma two step compression. Routing protocol XPath dimplementasikan pada masing-masing topologi dan disimulasikan menggunakan NS-3 Simulator untuk mendapatkan perbandingan hasil akhir berupa rata-rata throughput dan delay masing-masing topologi. Dari hasil penelitian dan pengujian didapat bahwa topologi BCube pada data center network yang mengimplementasikan routing protocol XPath menghasilkan nilai performansi yang lebih baik dibandingkan topologi Fat Tree. Implentasi routing protocol XPath juga secara signifikan meningkatkan throughput dan menurunkan delay masing-masing topologi.

---

Data Center Network (DCN) is a popular approach to build a big and scalable network, which process big data in its core. Each component in DCN such us node server, switches, and link are likely to be seen as one system working together to process request data from user. In its operation DCN need at least one topology in each manageable system. Topology is the representation of network communication, and how each component in DCN can connect to each other. There are many topology that can be implemented in DCN architecture such as Fat Tree topology which is commonly use in DCN architecture and also BCube topology. Each of that topology in DCN also need a routing protocol that can arrange and manage a best path or desired path for each node server to transfer data accros network. In this research, XPath routing protocol is proposed to be implemented in both Fat Tree based DCN and BCube based DCN. XPath routing protocol is choosen because its nature to compress excess possible path become desired path only, using two-step compression algorithm. XPath routing protocol are implemented in each topology using NS-3 Simulator as simulation framework. The purpose of the research is to get comparison result between Fat Tree and BCube using average throughput and average delay metrics. Result of this research and simulation indicating that BCube data center network which implement XPath routing protocol shows a better performance than Fat Tree. The implementation of XPath routing protocol in each topology also show throughput increase and delay decrease significantly, which make XPath routing protocol a good idea to be implemented in data center network."

"Penggunaan biogas dalam mendukung aktivitas pembangunan memiliki risiko kebakaran dan ledakan karena struktur komposisi penyusunnya. Tingkat kecelakaan karena biogas di Eropa tercatat cukup signifikan dalam rentang waktu tahun 2007 – 2014, yaitu sebanyak 144 kasus dimana 17 kasus di dalamnya mengakibatkan kematian. Tujuan penelitian ini adalah untuk menganalisis risiko kebakaran dan ledakan pada biogas plant di PT X dengan pendekatan kuantitatif melalui analisis tingkat kemungkinan, konsekuensi, serta mengestimasikan tingkat risiko kebakaran dan ledakan pada instalasi biogas PT X. Analisis kemungkinan risiko kebakaran dan ledakan menggunakan metode Event Tree Analysis (ETA) dan untuk analisis konsekuensi menggunakan perangkat lunak Areal Locations of Hazardous Atmosphere (ALOHA) v.5.4.7. Hasil penelitian ini adalah adanya skenario kebocoran gas dari pipa pada saat operasional biogas yang berdampak jet fire, flash fire dan ledakan dengan kemungkinan 1,08,E-06 untuk jet fire, 1,30,E-05 untuk flash fire, dan 8,64,E-06 untuk ledakan. Dampak kebakaran jet fire mencapai 20 meter, vapor cloud mencapai 63 meter, ledakan 26 meter, dan toxic threat zone kurang dari 10 meter. Risiko individu untuk pekerjaan dengan waktu kerja 10 jam seperti asisten operasional biogas adalah sebesar 6,935 x 10-9 dan untuk pekerjaan dengan waktu kerja 12 jam seperti operator biodigester, gas engine dan security adalah 8,322 x 10-9. Total Potential Loss of Life (PLL) adalah 1,304 x 10-7. Dengan demikian risiko individu dan sosial masih dalam level dapat terima. Rekomendasi yang dapat diberikan adalah menerapkan pengendalian preventif berbasis risiko, evaluasi sistem proteksi kebakaran, mengembangkan program manajemen krisis dan tanggap darurat baik dari segi sumber daya manusia dan fasilitas.

---

The use of biogas in supporting development activities has the risk of fire and explosion due to the structure of its constituent composition. The accident rate due to biogas in Europe was recorded quite significantly in the period 2007 – 2014, there are 144 cases of which 17 fatalities. This study aims to analyze the risk of fire and explosion at the biogas plant at PT X with a quantitative approach through analysis of the likelihood, consequence, and estimating the level of risk of fire and explosion at the biogas plant at PT X. Analysis of the possibility of fire and explosion risk using the Event Tree Analysis method (ETA) and for the analysis of consequences using the software Areal Locations of Hazardous Atmosphere (ALOHA) v.5.4.7. The result of this research is that there is a scenario of gas leakage from the pipeline during biogas operation which has an impact on jet fire, flash fire and explosion with a probability of 1.08, E-06 for jet fire, 1.30, E-05 for flash fire, and 8, 64,E-06 for explosion. The impact of the jet fire was 20 meters, the vapor cloud reached 63 meters, the explosion was 26 meters, and the toxic threat zone was less than 10 meters. The individual risk for a job with a working time of 10 hours such as a biogas operational assistant is 6.935 x 10-9 and for a job with a working time of 12 hours such as a biodigester, gas engine and security operator is 8.322 x 10-9. Total Potential Loss of Life (PLL) is 1,304 x 10-7. Thus, individual and social risks are still at an acceptable level. Recommendations that can be given are implementing risk-based preventive controls, evaluating fire protection systems, developing crisis management and emergency response programs both in terms of human resources and facilities."

"Hutan industri merupakan wilayah hutan dengan persentase paling banyak di Indonesia. Hutan industri juga menyumbang salah satu pemasukan yang cukup besar bagi negara. Untuk menghasilkan kualitas kayu yang konsisten diperlukan perawatan pada pohon yang menghasilkan kayu industri. Salah satu cara perawatan yang dapat dilakukan untuk menjaga kualitas hasil kayu adalah melalui pemangkasan ranting. Pemangkasan ranting merupakan hal yang cukup berbahaya untuk dilakukan seseorang. Resiko yang dihadapi oleh pekerja untuk melakukan perawatan pohon sangatlah besar. Jatuh dari ketinggian merupakan kecelakaan kerja terbesar bagi pekerja yang berada dalam bidang kehutanan. Untuk mengurangi resiko tersebut, dilakukanlah suatu perancangan alat untuk melakukan pemangkasan pada pohon yang dapat dilakukan tanpa perlu memanjat pohon. Alat yang dirancang disesuaikan dengan kebutuhan dari industri di Indonesia yang berfokus pada pohon jati dan pohon mahoni. Perancangan dilakukan dengan pemilihan komponen yang yang dapat dicari serta proses perakitan yang mudah untuk dilakukan. Perancangan dilakukan menggunakan perhitungan kinematika dan dinamika serta pengguanaan aplikasi CAD untuk melakukan proses desain.

---

Industrial forest is the forest area with the highest percentage in Indonesia. Industrial forests are also a fairly large source of income for the state. To produce consistent wood quality, care is needed on trees that produce industrial wood. One way of care that can be done to maintain the quality of wood products is through nagging pruning. Pruning nagging is a pretty dangerous thing for a person to do. risks faced by workers to carry out tree maintenance on big hills. Falling from a height is the biggest occupational accident for workers in forestry. To reduce this risk, a tool is designed for pruning trees that can be done without the need to climb trees. A tool designed according to the needs of the industry in Indonesia which focuses on teak and mahogany trees. The design is done by selecting components that can be searched and the assembly process is easy to do. The design is carried out using kinematics and dynamics calculations and the use of CAD applications to carry out the design process."

"Warung kopi atau coffee shop kian mengalami peningkatan dalam tren dan permintaan di Indonesia. Pandemi Covid-19 membuat pemberlakuan pembatasan sosial yang membuat penjualan dan permintaan menjadi susah diprediksi sehingga pengelolaan stok biji kopi menjadi masalah. Melakukan peprediksi menggunakan model machine learning dapat menjadi solusi untuk mengatasi masalah tersebut. Data yang digunakan adalah permintaan biji kopi yang didapatkan dari sistem POS (Point-of-Sales). Untuk membuat performa model yang lebih baik, ditambahkan beberapa variabel eksternal seperti cuaca, hari raya dan pembatasan sosial. Model prediksi yang digunakan adalah Multiple Linear Regression (MLR), Decision Tree (DT), Support Vector Regressor (SVR) dan Neural Network (NN). Hasil pelatihan model menunjukan model-model yang menggunakan semua variabel menghasilkan hasil prediksi yang lebih baik dibandingkan dengan model-model dengan menggunakan hanya variabel tanggal. Model DT menunjukan hasil prediksi yang terbaik berdasarkan pola prediksi dan error yang dihasilkan. Implementasi hasil prediksi dapat diterapkan dengan perhitungan Reorder Point (ROP) yang ditampilkan dalam dashboard, Expected Value Analysis untuk penentuan tingkat pemesanan, danpencatatan pemesanan bahan baku untuk perkiraan biaya yang dibutuhkan dihitung menggunakan metode FIFO (First in First Out).

---

The trend of Coffee shops in Indonesia keeps increasing as well as its. COVID-19 pandemic has caused the establishment of social restriction which creates hindrance in predicting the sales and demand, as a result disrupts the coffee beans inventory management. Forecasting using machine learning models could offer a solution to overcome those problems. The data used in this research is the coffee beans demand from POS (Point-of-Sales) system. Various external variables such as weather, event and social restrictions are added to increase model performance. Predictions models used are Multiple Linear Regression (MLR), Decision Tree (DT), Support Vector Regressor (SVR) and Neural Network (NN). The result of model training shows that models that use all variables produce better prediction than models that use date variables only. DT model generates the best prediction based on its pattern and error measurement. The prediction result from the chosen model is implemented to calculate the Reorder Point (ROP)  and visualized using  dashboard, Expected Value Analysis to determine the stock level estimation. Subsequently, material stock register calculated using FIFO (First in First Out). "