David Try Liputra
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
David Try Liputra has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Vivi Arisandhy
Program Sarjana Teknik Industri, Fakultas Teknologi dan Rekayasa Cerdas, Universitas Kristen Maranatha, Bandung, Indonesia
3 shared publications - Angga Yesaya
Program Sarjana Teknik Industri, Fakultas Teknologi dan Rekayasa Cerdas, Universitas Kristen Maranatha, Bandung, Indonesia
1 shared publication - Hapnes Toba
Maranatha Christian University
1 shared publication - Jahja Hamdani Widjaja1 shared publication
- Ninda Nurseha Amalina
Universitas Kristen Maranatha
1 shared publication - Oscar Karnalim
Maranatha Christian University, Bandung, West Java, Indonesia
1 shared publication
Latest Publications
- Open Access
- 19 December 2025
- Published by Vilnius University Press in Informatics in Education
- Vol. 24 (4) , 781-802
GenAI-Assisted Data Science Course to Promote GenAI Literacy for Non-Computing Students
Given the emergence of GenAI, students should develop GenAI literacy to promote its benefits and mitigate its drawbacks. However, many studies focus on enhancing their learning experience with GenAI, not understanding GenAI literacy. Two studies are dedicated to GenAI literacy, but they either require additional sessions or focus on overly specific tasks. We integrate GenAI into a data science course and its assessments to specifically promote GenAI literacy for non-computing students. The course design expects students to learn from their direct experience with GenAI, especially regarding GenAI usability, reliability, ethics, and privacy. Students are encouraged to use and acknowledge GenAI for some assessments and to align GenAI-generated programs to their own styles. Our evaluation involving 113 students showed that the course design might help students to understand GenAI characteristics and change their behaviour. Students are unlikely to be involved in GenAI misuse. Further, they align GenAI-generated programs and acknowledge their use. From the educational viewpoint, students could also achieve the course learning objectives.
- 19 December 2025
- Published by Vilnius University Press in Informatics in Education
- Vol. 24 (4) , 781-802
Open AccessGenAI-Assisted Data Science Course to Promote GenAI Literacy for Non-Computing Students
Given the emergence of GenAI, students should develop GenAI literacy to promote its benefits and mitigate its drawbacks. However, many studies focus on enhancing their learning experience with GenAI, not understanding GenAI literacy. Two studies are dedicated to GenAI literacy, but they either require additional sessions or focus on overly specific tasks. We integrate GenAI into a data science course and its assessments to specifically promote GenAI literacy for non-computing students. The course design expects students to learn from their direct experience with GenAI, especially regarding GenAI usability, reliability, ethics, and privacy. Students are encouraged to use and acknowledge GenAI for some assessments and to align GenAI-generated programs to their own styles. Our evaluation involving 113 students showed that the course design might help students to understand GenAI characteristics and change their behaviour. Students are unlikely to be involved in GenAI misuse. Further, they align GenAI-generated programs and acknowledge their use. From the educational viewpoint, students could also achieve the course learning objectives.
- Open Access
- 12 June 2025
- Published by Universitas Islam Kalimantan MAB Banjarmasin in Journal of Industrial Engineering and Operation Management
- Vol. 8 (1)
PENENTUAN SUPPLIER BAHAN BAKU UTAMA KASUR PEGAS MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION
Penelitian mengenai pemilihan atau penentuan supplier dengan menggunakan metode AHP maupun kombinasinya dengan metode TOPSIS dalam penentuan supplier di industri penghasil kasur pegas belum banyak dilakukan. Penelitian ini akan membahas penerapan gabungan metode AHP dan TOPSIS dalam penentuan supplier di industri penghasil kasur pegas sehingga diharapkan hasil yang diperoleh lebih akurat dibandingkan jika hanya menggunakan salah satu metode. PT XYZ melakukan pemesanan bahan baku kawat kepada 4 supplier dan mengalokasikan pesanan dengan jumlah yang sama rata. Langkah pertama yang dilakukan adalah penentuan kriteria dan subkriteria untuk pemilihan supplier dan penyusunan hierarki. Selanjutnya dilakukan penyusunan kuesioner perbandingan berpasangan untuk menentukan tingkat kepentingan kriteria dan subkriteria. Setelah dilakukan perhitungan dengan metode AHP, diperoleh bobot kriteria dan subkriteria yang menjadi input untuk metode TOPSIS. TOPSIS digunakan untuk mengetahui supplier yang memiliki kinerja terbaik. Hasil yang diperoleh adalah kriteria Price dan subkriteria Harga Bahan Baku mempunyai tingkat kepentingan tertinggi dalam penilaian kinerja supplier kawat karena memiliki bobot tertinggi. Perusahaan dapat tetap menggunakan kebijakan multi-supplier dengan memprioritaskan supplier 1, namun ada beberapa kriteria dari kinerja supplier 1 yang perlu ditingkatkan jika dibandingkan dengan supplier lainnya.Kata Kunci: AHP, Bahan Baku Utama, Kasur Pegas, Supplier, TOPSIS.
- 12 June 2025
- Published by Universitas Islam Kalimantan MAB Banjarmasin in Journal of Industrial Engineering and Operation Management
- Vol. 8 (1)
Open AccessPENENTUAN SUPPLIER BAHAN BAKU UTAMA KASUR PEGAS MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION
Penelitian mengenai pemilihan atau penentuan supplier dengan menggunakan metode AHP maupun kombinasinya dengan metode TOPSIS dalam penentuan supplier di industri penghasil kasur pegas belum banyak dilakukan. Penelitian ini akan membahas penerapan gabungan metode AHP dan TOPSIS dalam penentuan supplier di industri penghasil kasur pegas sehingga diharapkan hasil yang diperoleh lebih akurat dibandingkan jika hanya menggunakan salah satu metode. PT XYZ melakukan pemesanan bahan baku kawat kepada 4 supplier dan mengalokasikan pesanan dengan jumlah yang sama rata. Langkah pertama yang dilakukan adalah penentuan kriteria dan subkriteria untuk pemilihan supplier dan penyusunan hierarki. Selanjutnya dilakukan penyusunan kuesioner perbandingan berpasangan untuk menentukan tingkat kepentingan kriteria dan subkriteria. Setelah dilakukan perhitungan dengan metode AHP, diperoleh bobot kriteria dan subkriteria yang menjadi input untuk metode TOPSIS. TOPSIS digunakan untuk mengetahui supplier yang memiliki kinerja terbaik. Hasil yang diperoleh adalah kriteria Price dan subkriteria Harga Bahan Baku mempunyai tingkat kepentingan tertinggi dalam penilaian kinerja supplier kawat karena memiliki bobot tertinggi. Perusahaan dapat tetap menggunakan kebijakan multi-supplier dengan memprioritaskan supplier 1, namun ada beberapa kriteria dari kinerja supplier 1 yang perlu ditingkatkan jika dibandingkan dengan supplier lainnya.Kata Kunci: AHP, Bahan Baku Utama, Kasur Pegas, Supplier, TOPSIS.
- Open Access
- 22 October 2024
- Published by LPPM UNPAR in Jurnal Rekayasa Sistem Industri
- Vol. 13 (2) , 143-156
Desain Mitigasi Risiko Rantai Pasok Darah Menggunakan Pendekatan Baru
Darah merupakan salah satu komponen penting bagi tubuh dan berperan dalam kelangsungan hidup manusia. Bank darah rumah sakit (BDRS) bertanggung jawab atas ketersediaan dan keamanan darah di suatu wilayah tertentu. Risiko-risiko yang terjadi pada rantai pasok darah di BDRS perlu mendapatkan perhatian penuh khususnya apabila terjadi wabah atau bencana agar aktivitas dan arus informasi, produk, dan uang dapat berjalan dengan lancar. Tujuan dari penelitian ini adalah membuat desain mitigasi risiko rantai pasok darah. Penelitian ini menggunakan studi kasus pada sebuah BDRS di Kota Bandung dan produk yang diamati adalah sel darah merah kemasan. Pendekatan baru yang digunakan dalam penelitian ini dimulai dengan pengumpulan mengenai risiko-risiko yang dapat terjadi dengan mendefinisikan dan mengklasifikasikan dalam model supply chain operation reference (SCOR). Setelah itu dilakukan penyebaran kuesioner sebagai input untuk menghitung bobot menggunakan analytical hierarchy process (AHP). Langkah berikutnya adalah mencari akar penyebab risiko menggunakan fault tree analysis (FTA) dan melakukan analisis untuk mencari penyebab risiko yang paling berpengaruh menggunakan failure mode effect and analysis (FMEA). Langkah akhir adalah merancang mitigasi risiko rantai pasok darah. Melalui penelitian ini diharapkan BDRS di suatu wilayah dapat mengetahui risiko yang perlu mendapatkan prioritas penanganan dan juga strategi yang dapat dilakukan agar risiko minimum. Berdasarkan hasil AHP, risiko yang memiliki bobot tertinggi sebesar 0,173 adalah tidak tersedianya stok darah di Palang Merah Indonesia (PMI) yang disebabkan oleh berkurangnya pendonor. Penyebab risiko ini dapat diatasi dengan menambahkan kegiatan donor darah di instansi dan BDRS. Pendekatan baru yang digunakan dalam penelitian dapat memetakan risiko rantai pasok darah lebih rinci.
- 22 October 2024
- Published by LPPM UNPAR in Jurnal Rekayasa Sistem Industri
- Vol. 13 (2) , 143-156
Open AccessDesain Mitigasi Risiko Rantai Pasok Darah Menggunakan Pendekatan Baru
Darah merupakan salah satu komponen penting bagi tubuh dan berperan dalam kelangsungan hidup manusia. Bank darah rumah sakit (BDRS) bertanggung jawab atas ketersediaan dan keamanan darah di suatu wilayah tertentu. Risiko-risiko yang terjadi pada rantai pasok darah di BDRS perlu mendapatkan perhatian penuh khususnya apabila terjadi wabah atau bencana agar aktivitas dan arus informasi, produk, dan uang dapat berjalan dengan lancar. Tujuan dari penelitian ini adalah membuat desain mitigasi risiko rantai pasok darah. Penelitian ini menggunakan studi kasus pada sebuah BDRS di Kota Bandung dan produk yang diamati adalah sel darah merah kemasan. Pendekatan baru yang digunakan dalam penelitian ini dimulai dengan pengumpulan mengenai risiko-risiko yang dapat terjadi dengan mendefinisikan dan mengklasifikasikan dalam model supply chain operation reference (SCOR). Setelah itu dilakukan penyebaran kuesioner sebagai input untuk menghitung bobot menggunakan analytical hierarchy process (AHP). Langkah berikutnya adalah mencari akar penyebab risiko menggunakan fault tree analysis (FTA) dan melakukan analisis untuk mencari penyebab risiko yang paling berpengaruh menggunakan failure mode effect and analysis (FMEA). Langkah akhir adalah merancang mitigasi risiko rantai pasok darah. Melalui penelitian ini diharapkan BDRS di suatu wilayah dapat mengetahui risiko yang perlu mendapatkan prioritas penanganan dan juga strategi yang dapat dilakukan agar risiko minimum. Berdasarkan hasil AHP, risiko yang memiliki bobot tertinggi sebesar 0,173 adalah tidak tersedianya stok darah di Palang Merah Indonesia (PMI) yang disebabkan oleh berkurangnya pendonor. Penyebab risiko ini dapat diatasi dengan menambahkan kegiatan donor darah di instansi dan BDRS. Pendekatan baru yang digunakan dalam penelitian dapat memetakan risiko rantai pasok darah lebih rinci.
- Open Access
- 25 October 2023
- Published by LPPM UNPAR in Jurnal Rekayasa Sistem Industri
- Vol. 12 (2) , 273-280
Pemecahan Asymmetric Capacitated Vehicle Routing Problem with Time Windows (ACVRPTW) dengan Algoritma Ant Colony Optimization (ACO)
Salah satu aspek utama yang menentukan keberhasilan pengelolaan suatu sistem rantai pasokan atau supply chain management (SCM) adalah perencanaan transportasi. Permasalahan tentang penentuan rute kendaraan atau yang biasa dikenal dengan vehicle routing problem (VRP) merupakan salah satu kajian penting dalam perencanaan transportasi pada tingkat operasional. Penentuan rute kendaraan yang tepat dapat meningkatkan efektivitas dan efisiensi dari sebuah sistem transportasi maupun sistem rantai pasokan yang terkait. Penelitian ini berfokus pada asymmetric capacitated vehicle routing problem with time windows (ACVRPTW), yaitu masalah rute kendaraan yang mempertimbangkan kapasitas kendaraan, jarak bolak-balik antar pelanggan yang tidak simetris, dan batasan waktu pengiriman. Sebuah model matematis dirumuskan dengan berbasis pada tujuan penelitian yang ingin dicapai, yaitu meminimumkan total biaya pengiriman yang terdiri dari biaya perjalanan, biaya lembur pengiriman, biaya kompensasi keterlambatan pengiriman, dan biaya pengiriman kembali. Terdapat dua alternatif algoritma solusi yang dikembangkan, yaitu sequential insertion (SI) dan ant colony optimization (ACO). Sebuah contoh numerik diberikan untuk menunjukkan hasil penelitian pada sebuah industri konveksi pakaian, dimana algoritma ACO terbukti mampu menghasilkan solusi yang lebih baik dibandingkan dengan algoritma SI.
- 25 October 2023
- Published by LPPM UNPAR in Jurnal Rekayasa Sistem Industri
- Vol. 12 (2) , 273-280
Open AccessPemecahan Asymmetric Capacitated Vehicle Routing Problem with Time Windows (ACVRPTW) dengan Algoritma Ant Colony Optimization (ACO)
Salah satu aspek utama yang menentukan keberhasilan pengelolaan suatu sistem rantai pasokan atau supply chain management (SCM) adalah perencanaan transportasi. Permasalahan tentang penentuan rute kendaraan atau yang biasa dikenal dengan vehicle routing problem (VRP) merupakan salah satu kajian penting dalam perencanaan transportasi pada tingkat operasional. Penentuan rute kendaraan yang tepat dapat meningkatkan efektivitas dan efisiensi dari sebuah sistem transportasi maupun sistem rantai pasokan yang terkait. Penelitian ini berfokus pada asymmetric capacitated vehicle routing problem with time windows (ACVRPTW), yaitu masalah rute kendaraan yang mempertimbangkan kapasitas kendaraan, jarak bolak-balik antar pelanggan yang tidak simetris, dan batasan waktu pengiriman. Sebuah model matematis dirumuskan dengan berbasis pada tujuan penelitian yang ingin dicapai, yaitu meminimumkan total biaya pengiriman yang terdiri dari biaya perjalanan, biaya lembur pengiriman, biaya kompensasi keterlambatan pengiriman, dan biaya pengiriman kembali. Terdapat dua alternatif algoritma solusi yang dikembangkan, yaitu sequential insertion (SI) dan ant colony optimization (ACO). Sebuah contoh numerik diberikan untuk menunjukkan hasil penelitian pada sebuah industri konveksi pakaian, dimana algoritma ACO terbukti mampu menghasilkan solusi yang lebih baik dibandingkan dengan algoritma SI.