Publication Search

Shipping safety is an essential prerequisite in global and domestic maritime operations. However, ship accident incidents remain an annual vulnerability, often caused by suboptimal safety systems. This study aims to analyze the partial effects of the Implementation of the International Safety Management (ISM) Code (X1), the Implementation of Shipping Navigation Aids (SBNP) (X2), Master's Responsibility (X3), and Crewing (X4) on Shipping Safety (Y) at Gresik Public Port, East Jawa. The method used is descriptive and quantitative analysis with multiple linear regression. The research population consists of ship crew members at Gresik Port, with a sample of 100 respondents selected through the Quota Sampling technique. The results of the regression analysis show the equation Y = -1.480 + 0.293X1 + 0.314X2 + 0.187X3 + 0.311X4 + \mu. The partial hypothesis test (t-test) confirms that all independent variables have a positive and significant effect on Shipping Safety. The most dominant variable influencing Shipping Safety is SBNP Implementation (X2) with a coefficient of 0.314, followed closely by Crewing (X4) with a coefficient of 0.311. The Coefficient of Determination (R^2) is 0.685, indicating that 68.5% of the variation in Shipping Safety is influenced by these four variables. These findings underscore the importance of investing in technology-based navigation infrastructure and enhancing the competence of maritime human resources in high-traffic operational areas.

Kegiatan perawatan pelampung suar di wilayah kerja Distrik Navigasi Tipe A Kelas I Tanjung Perak memiliki tingkat risiko kecelakaan kerja yang tinggi, mengingat aktivitas ini melibatkan pekerjaan fisik berat serta kondisi lapangan yang dinamis. Penelitian ini bertujuan untuk menganalisis risiko kecelakaan kerja menggunakan metode Job Safety Analysis (JSA), yang berfungsi untuk mengidentifikasi potensi bahaya serta menetapkan langkah pengendalian yang sesuai. Penelitian ini menggunakan pendekatan kuantitatif dengan metode deskriptif observasional. Teknik pengumpulan data dilakukan melalui observasi lapangan dan penyebaran kuesioner kepada 40 responden, yang dipilih berdasarkan teori Arikunto. Hasil penelitian menunjukkan bahwa terdapat 13 jenis potensi kecelakaan kerja selama proses perawatan pelampung suar berlangsung. Dari jumlah tersebut, 9 termasuk dalam kategori risiko tidak diinginkan dan 4 lainnya dalam kategori dapat diterima dengan kontrol. Pengendalian risiko dilakukan melalui penerapan rekayasa teknik, pendekatan administratif, penggunaan alat pelindung diri (APD), serta eliminasi bahaya langsung dari sumbernya. Hasil ini menunjukkan bahwa analisis risiko merupakan bagian penting dalam sistem manajemen keselamatan kerja di bidang navigasi laut.

To effectively comprehend human actions, we have developed a Deep Neural Network (DNN) that utilizes inner spatiotemporal non-locality to capture meaningful semantic context for efficient action identification. This work introduces the Top-Heavy CapsNet as a novel approach for video analysis, incorporating a 3D Convolutional Neural Network (3DCNN) to apply the thematic actions of local classifiers for effective classification based on motion from the spatiotemporal context in videos. This DNN comprises multiple layers, including 3D Convolutional Neural Network (3DCNN), Spatial Depth-Based Non-Local (SBN) layer, and Deep Capsule (DCapsNet). Firstly, the 3DCNN extracts structured and semantic information from RGB and optical flow streams. Secondly, the SBN layer processes feature blocks with spatial depth to emphasize visually advantageous cues, potentially aiding in action differentiation. Finally, DCapsNet is more effective in exploiting vectorized prominent features to represent objects and various action features for the ultimate label determination. Experimental results demonstrate that the proposed DNN achieves an average accuracy of 97.6%, surpassing conventional DNNs on the traffic police dataset. Furthermore, the proposed DNN attains average accuracies of 98.3% and 80.7% on the UCF101 and HMDB51 datasets, respectively. This underscores the applicability of the proposed DNN for effectively recognizing diverse actions performed by subjects in videos.

Surat berharga negara (SBN) adalah surat berharga yang diterbitkan oleh pemerintah pusat. Dalam penerbitan SBN tersebut, pemerintah menjamin pembayaran keuntungan secara berkala dan pengembalian nilai pokok investasi pada saat jatuh tempo. Adanya aplikasi yang mempermudah transaksi di pasar modal menjadi kan banyak investor memulai trading dipasar modal SBN berhasil menggaet beragam profesi dan generasi yaitu tingkat risiko yang rendah karena minimnya risiko gagal bayar.  Kelebihan SBN yaitu imbal hasil yang lebih tinggi dan pengenaan pajak yang lebih rendah dari bunga deposito.Keteledoran pihak pengelola SBN yang menerbitkan SBN di internet menjadikan peluang pihak yang tak bertanggungjawab untuk memalsukan SBN demi kepentingan pribadi.Pihak pengelola SBN menyatakan bahwa SBN yang asli diterbitkan dalam bentuk perdagangan tanpa warkat yang artinya tidak ada bentuk fisik berupa surat sertifikat saham atau obligasi atau hardcopy lainnya. SBN yang asli hanya diterbitkan oleh Pemerintah melalui Kementerian Keuangan (@KemenkeuRI) dan kepemilikan SBN dapat diketahui melalui Mitra Distribusi (Midis).