Banjir merupakan bencana alam yang sering terjadi di Indonesia, menimbulkan kerusakan dan mengakibatkan kerugian ekonomi. Hingga saat ini pun, ibukota negara, Jakarta, tak lepas dari banjir akibat luapan dari Sungai Ciliwung. Untuk itu, diperlukan langkah preventif seperti peringatan dini banjir untuk mengurangi kerugian akibat banjir. Namun, sistem peringatan dini banjir yang saat ini dimiliki oleh Balai Besar Wilayah Sungai Ciliwung-Cisadane masih memiliki beberapa kekurangan, seperti model hidrologi yang tidak cocok untuk prediksi jangka pendek dan akurasinya yang belum optimal dan waktu yang belum efisien untuk tahap simulasi berikutnya. Untuk mengatasi kekurangan tersebut, pendekatan machine learning dikembangkan untuk mendapatkan model prediksi tinggi muka air dengan tingkat galat yang rendah dan waktu komputasi yang efisien. Model prediksi banjir diwakilkan oleh tinggi muka air berdasarkan limpasan air hujan dan limpasan dari aliran air ruas hulunya melalui 4 ruas Sungai Ciliwung. Dilakukan perbandingan dua metode berbasis neural network, yaitu Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Recurrent Neural Network-Long Short Term Memory (RNN-LSTM). Model yang unggul secara umum adalah RNN-LSTM dengan tingkat galat yang lebih rendah dan waktu komputasi yang lebih cepat. Pada RMSE dan MAPE, RNN-LSTM unggul pada 3 dari 4 ruas. Waktu komputasi RNN-LSTM selalu lebih cepat dibandingkan dengan ANFIS. Sedangkan dilihat dari R2, baik ANFIS maupun RNN-LSTM memiliki kemampuan yang cukup baik kecuali untuk RNN-LSTM pada ruas ketiga. Sehingga secara keseluruhan RNN-LSTM lebih unggul dalam memprediksi tinggi muka air Sungai Ciliwung dilihat dari tingkat galatnya yang lebih rendah dan efisiensi waktunya. RNN-LSTM juga lebih unggul dalam memprediksi tinggi muka air yang fluktuasi dan standar deviasinya lebih besar.
Pembayaran digital di Indonesia dari tahun 2016 hingga 2021 diproyeksikan akan bertumbuh sebesar 788%. Penggunaan sistem pembayaran digital yang sesuai dengan kebutuhan masyarakat Indonesia akan memberikan pertumbuhan inklusif, kemudahan, dan kenyamanan yang akan membuat akselerasi transaksi di Indonesia. Data penelitian diperoleh dari hasil pengumpulan kuesioner online serta didapatkan 356 responden dengan 42% dari Pulau Jawa-Bali, 19% dari Pulau Sumatera, 16% dari Pulau Kalimantan, dan 22% dari Pulau Sulawesi. Pengujian hipotesis dalam penelitian ini menggunakan metode Structural Equation Modeling alternatif yang berbasis varians, yaitu Partial Least Square. Faktor yang digunakan dalam penelitian ini adalah trust (kepercayaan pengguna), perceived ease of use (kepercayaan pengguna terhadap pemberi layanan), perceived usefulness(kegunaan yang dirasakan oleh pengguna), perceived risk (persepsi kerusakan yang mungkin dialami pelanggan saat menggunakan layanan),convenience (kenyamanan), attitude towards service (sikap pengguna terhadap layanan yang diberikan), social influence (pengaruh sosial), dan behavioral intention. Dari penelitian ini didapatkan bahwa faktor yang mempengaruhi penggunaan layanan pembayaran digital di Indonesia menggunakan model adopsi Technology Acceptance Model (TAM) adalah perceived usefulness (kegunaan yang dirasakan oleh pengguna), trust(kepercayaan pengguna), social influence (pengaruh sosial), dan attitude towards service (sikap pengguna terhadap layanan). Kelima dari faktor tersebut secara empiris berpengaruh dalam keinginan pengguna untuk menggunakan pembayaran digital di Indonesia.
Digital payments in Indonesia predicted from 2016 to 2021 will grow by 788%. The use of a digital payment system that is in accordance with the needs of the Indonesian people will provide inclusive growth, convenience, and comfort that will accelerate transactions in Indonesia. The research data was obtained from an online survey collection and obtained 356 respondents with 42% from Java-Bali Island, 19% from Sumatra Island, 16% from Kalimantan Island, and 22% from Sulawesi Island. Hypothesis testing in this study uses an alternative Structural Equation Modeling method based on variance, namely Partial Least Square. The factors used in this study are trust, perceived ease of use, perceived usefulness, perceived risk, convenience, attitudes towards services, social influence, and behavioral intentions. From this study it was found that the factors that affect the intention to use digital payment services in Indonesia using the Technology Acceptance Model (TAM) adoption model are the perceived usefulness, trust, social influence, and attitudes towards the service. These five factors empirically influence the desire of users to use digital payments in Indonesia.
"