49971 research outputs found
Sort by
Penilaian Risiko pada Persiapan Overhaul sebagai Mitigasi Awal untuk Optimalisasi Manajemen Outage di PLTU Rembang
No full textPLTU Rembang, dengan daya terpasang 2x315 MW, adalah unit pembangkit strategis di Kabupaten Rembang yang mendukung stabilitas sistem kelistrikan Jawa bagian utara melalui IBT 150 kV. Tingkat keandalan pembangkit ini sangat penting, tetapi data Equivalent Availability Factor (EAF), Equivalent Forced Outage Rate (EFOR), Net Plant Heat Rate (NPHR), dan Capacity Factor (CF) menunjukkan bahwa proses overhaul terjadwal menghadapi tantangan signifikan, termasuk gangguan peralatan pasca overhaul. Hal ini berdampak pada penurunan keandalan operasi, kerugian produksi, dan risiko terhadap stabilitas kelistrikan. Penelitian ini bertujuan mengidentifikasi dan memetakan risiko utama operasional yang harus teridentifikasi saat persiapan overhaul, serta menganalisis penyebab dan dampaknya untuk mengembangkan langkah mitigasi yang komprehensif. Metode Failure Mode and Effects Analysis (FMEA) digunakan untuk mengidentifikasi mode kegagalan, sedangkan Risk Priority Number (RPN) membantu memprioritaskan risiko berdasarkan keparahan, frekuensi, dan deteksi. Untuk analisis mendalam, digunakan Fault Tree Analysis (FTA) untuk penyebab risiko dan Event Tree Analysis (ETA) untuk dampaknya. Risiko utama dipetakan menggunakan Risk Matrix berdasarkan pedoman Edaran Direksi PLN Nusantara Power Nomor: 0012.E/DIR/2024. Hasil penelitian menunjukkan bahwa risiko dominan yang teridentifikasi melalui Risk Matrix memiliki potensi signifikan terhadap penurunan keandalan unit dan gangguan operasional. Risiko-risiko ini perlu mendapat tindak lanjut berupa pemeriksaan lebih lanjut dalam siklus overhaul, guna memastikan kondisi peralatan tetap optimal.Sebagai langkah mitigasi, penelitian ini mengusulkan strategi berbasis pembobotan Analytic Hierarchy Process (AHP) untuk menentukan prioritas mitigasi yang paling efektif. Strategi mitigasi yang diusulkan mencakup pengujian dan asesmen, perbaikan atau penggantian peralatan kritis, untuk mendeteksi potensi kegagalan tersembunyi. Dengan metodologi yang diterapkan, penelitian ini memberikan rekomendasi strategis yang dapat diterapkan dalam perencanaan overhaul di PLTU Rembang, sekaligus menjadi referensi bagi pembangkit listrik lainnya dalam mengelola risiko operasional dan meningkatkan efektivitas manajemen outage.
==================================================================================================================================
PLTU Rembang, with an installed capacity of 2×315 MW, is a strategic power generation unit that plays a vital role in maintaining the stability of the northern Java electricity system through the 150 kV IBT network. One of the critical processes in ensuring the reliability of the unit is the overhaul, which functions as a scheduled intervention to maintain optimal equipment performance. However, historical data indicate that despite being conducted on schedule, post-overhaul operational disturbances still occur, as reflected in the decline of key reliability indicators such as the Equivalent Availability Factor (EAF), Equivalent Forced Outage Rate (EFOR), Net Plant Heat Rate (NPHR), and Capacity Factor (CF). This condition highlights the presence of risks that have either not been identified or not effectively mitigated during the overhaul planning stage. This study aims to identify and map the main operational risks that arise during the overhaul planning phase, and to analyse their root causes and impacts in order to develop a more comprehensive mitigation strategy. The Failure Mode and Effects Analysis (FMEA) method is employed to identify failure modes, while the Risk Priority Number (RPN) is used to prioritize risks based on severity, occurrence, and detectability. Further analysis is conducted using Fault Tree Analysis (FTA) to trace the root causes of risk, and Event Tree Analysis (ETA) to model potential impacts. The identified risks are then mapped using a Risk Matrix based on the PLN Nusantara Power Board Circular No. 0012.E/DIR/2024.The findings of this research include a mapping of critical risks that can serve as a basis for developing a risk checklist for the overhaul planning stage, along with prioritized mitigation strategies formulated using the Analytic Hierarchy Process (AHP) weighting approach. These strategies comprise advanced testing, pre-overhaul condition assessments, and repair or replacement of critical equipment during the overhaul execution. The contribution of this study lies in its integration of quantitative methods (FMEA, FTA, ETA, and AHP) into a single, comprehensive, and practical risk analysis model that enhances outage risk management effectiveness and serves as a reference for other power plants in planning and executing more reliable overhauls
Peningkatan Usability Dashboard Customer Profitability Analysis Menggunakan Quality Function Deployment dengan Metode PIECES dan IPA: Studi Kasus di Bank Rakyat Indonesia
No full textBank Rakyat Indonesia sebagai salah satu pelaku bisnis wholesale telah memiliki Dashboard CPA, sebuah aplikasi sebagai alat analisa deskriptif dan monitoring kontribusi nasabah korporasi. Dashboard CPA telah mengalami penyempurnaan sebanyak tujuh kali dengan fokus pada penambahan fitur pada segi komponen finansial. Namun demikian, data yang bersumber dari unique user log hit aplikasi menunjukkan bahwa hanya sekitar 57% dari seluruh user terdaftar yang melakukan akses ke aplikasi. Hal ini disinyalir bahwa proses improvement yang selama ini telah dilakukan belum mengakomodasi harapan dan kebutuhan user bisnis. Penelitian ini bertujuan menjembatani kebutuhan dan harapan user untuk diterjemahkan menjadi aspek iterasi pengembangan berikutnya. Kebutuhan dan harapan user aplikasi dihimpun menggunakan framework PIECES dan dianalisa perbandingannya menggunakan framework Importance Performance Analysis (IPA). Hasil dari analisa ini disusun menjadi input pada House of Quality pada model Quality Function Deployment (QFD). Framework PIECES digunakan karena memiliki aspek kekhususan yang cocok diterapkan pada analisa sistem pada industri perbankan, sementara IPA dipilih karena dapat memberikan identifikasi perbandingan tingkat performa sistem dan harapan user, selain itu model QFD digunakan untuk membentuk landasan terstruktur sebagai dasar proses perbaikan berkelanjutan. Hasil penelitian ini dapat digunakan sebagai dasar pembentukan dokumen development business requirement pada iterasi pengembangan selanjutnya sehingga dapat meningkatkan penggunaan aplikasi Dashboard CPA.
==================================================================================================================================
As one of nation’s leading wholesale business actor, Bank Rakyat Indonesia already have a descriptive analytics and monitoring tools in form of CPA Dashboard. On its journey, CPA Dashboard has already been improved seven times, in which focused only on financial component aspects. However, the application’s unique user log hit data shows that only about 57% of registered users were actively accessed the system. It is suspected that the improvement process carried out have not yet fulfill business user needs. This research aims to break the gap between user’s experience and expectations. The application user needs collected with PIECES framework and analyzed with the Importance Performance Analysis (IPA) framework. The result of this analysis will be created as an input of Quality Function Deployment (QFD) model. The PIECES framework is used because of its specific aspects that suitable to be implemented on system analysis on banking industry, while IPA framework is chosen because its capability to compare the system performance against user needs, on the other hand the QFD model is used to build a structured foundation of continuous improvement process. All and all, the resulting output of this research could be used as a development business requirement document for the upcoming improvement iteration journey to elevate the usage of CPA Dashboard
Sistem Pencatatan Pelanggaran Kendaraan Overdimension Berbasis Multi Kamera Menggunakan Deep Learning
No full textTruk merupakan moda utama angkutan barang di Indonesia, namun tingginya permintaan sering memicu pelanggaran kelebihan dimensi (overdimension), yang merusak infrastruktur dan membahayakan keselamatan. Penelitian ini mengembangkan sistem deteksi otomatis berbasis deep learning dengan pendekatan multi-kamera untuk mendeteksi pelanggaran overdimension secara real-time. Model YOLOv8n-segmentasi digunakan untuk klasifikasi jenis dan bagian truk, serta pengukuran dimensi kendaraan. Hasil pelatihan model menunjukkan mAP50 untuk bounding box sebesar 0,90 dan mAP50 untuk mask segmentation sebesar 0,78. Sistem diuji pada perangkat Coral Dev Board dengan rata-rata FPS sebesar 9,19 untuk video pertama dan 9,14 untuk video kedua dalam skema satu perangkat dua input, serta 14,87 FPS dan 14,60 FPS dalam skema dua perangkat dua input. Sistem multi-kamera mampu mencapai tingkat konsistensi pelacakan objek sebesar 90% dan pencocokan fitur antar kamera dengan tingkat keberhasilan 96,67%. Dengan dukungan pelacakan objek dan pencocokan antar kamera, sistem mampu mendeteksi pelanggaran secara objektif dan ditampilkan melalui platform pemantauan berbasis web.
==================================================================================================================================
Trucks are the primary mode of freight transportation in Indonesia, but high demand often leads to overdimension violations, which damage infrastructure and pose safety risks. This study develops an automated detection system based on deep learning with a multi-camera approach to detect overdimension violations in real-time. The YOLOv8n-segmentation model is used to classify truck types and parts, as well as to measure vehicle dimensions. The model training results show an mAP50 for bounding boxes of 0,9 and an mAP50 for mask segmentation of 0,78. The system was tested on a Coral Dev Board with an average FPS of 9.19 for the first video and 9.14 for the second video in a single device, two-input configuration, and 14.87 FPS and 14.60 FPS in a two-device, two-input configuration. The multi-camera system achieved a tracking consistency of 90% and feature matching accuracy of 96.67%. With object tracking and cross-camera matching, the system can objectively detect violations, displayed through a web-based monitoring platform
Transformasi Energi Bersih: Kontribusi PLTS di Lahan Parkir PLTU MT 2x660 MW Terhadap Target Net Zero Emission di Indonesia
No full textSalah satu cara untuk mengurangi emisi gas karbon pada Pembangkit Listrik Tenaga Uap Mulut Tambang (PLTU MT) adalah dengan memanfaatkan energi terbarukan yang dihasilkan setiap hari. Pada PLTU MT terdapat lahan parkir mobil yang dapat dimanfaatkan sebagai area pemasangan Pembangkit Listrik Tenaga Surya (PLTS) seluas 746,46 m2 dengan potensi iradiasi 2,907 Wh/m2. Sehingga hal ini sangat memungkinkan untuk membangun PLTS pada lahan atap parkir mobil. Perencanaan pembangunan PLTS di lahan parkir ini diimplementasikan pada penelitian untuk berkontribusi pada pemanfaatan energi terbarukan dan penurunan emisi gas karbon. Metode yang digunakan dalam penelitian ini menggunakan perhitungan emisi gas rumah kaca The Intergovernmental Panel on Climate Change (IPCC) Guideline tahun 2006. Proyek Pembangunan PLTS di PLTU MT ini dianalisis melalui studi empiris dan kelayakan investasi dari aspek ekonomi dengan menggunakan metode Capital Budgeting. Berdasarkan hasil perencanaan, PLTS Atap Lahan Parkir berkapasitas 162,25 kWp dapat menghasilkan energi listrik sebesar 172.150 kWh per tahun dengan memanfaatkan 275 unit modul surya yang terbagi dalam 3 rangkaian. Potensi pengurangan emisi karbon dioksida dengan pemasangan PLTS ini diperkirakan sebesar 12.025,8 tonCO2e per tahun. Hal ini berdampak surplus sebesar 0,24% dari jumlah total emisi karbon 4.958.861,82 tonCO2e PLTU MT 2x660 MW yang dihasilkan pada fase pertama implementasi perdagangan pajak karbon di sektor Pembangkit Listrik. Hasil yang diperoleh dari penelitian ini adalah rancangan teknis yang dapat dijadikan sebagai acuan untuk perhitungan penurunan emisi gas rumah kaca (GRK) terhadap kebijakan perdagangan karbon di Indonesia dan sebagai langkah transformasi energi bersih menuju Net Zero Emission.
===================================================================================================================================
One way to reduce carbon emissions in the Mine Mouth Coal Fired Power Plant (MMCFPP) is to utilize renewable energy produced every day. In MMCFPP there is a car parking area that can be used as a Solar Power Plant (PLTS) installation area of 746,46 m2 with an irradiation potential of 2,907 kWh/m2. So it is very possible to build a PLTS on the roof of the car parking lot. The planning for the construction of PLTS in this parking area is implemented in research to contribute to the utilization of renewable energy and reduce carbon gas emissions. The method used in this study uses the calculation of Green House Gas emissions from The Intergovernmental Panel on Climate Change (IPCC) Guideline in 2006. The PLTS development plan at the MT PLTU was analyzed through empirical studies and investment feasibility from an economic aspect using the Capital Budgeting method. Based on the planning results, the PLTS Rooftop Parking Area with a capacity of 162.25 kWp can produce 172.150 kWh of electrical energy per year by utilizing 275 solar modules divided into 3 series. The potential reduction in carbon dioxide emissions with the installation of this PLTS is estimated at 12.025,8 tonCO2e per year. This resulted in a surplus of 0,24% of the total carbon emissions is 4.958.861,82 tonCO2e of the MT 2x660 MW PLTU produced in the first phase of carbon tax trading implementation in the Power Generation sector. The expected results of this study is technical design that can be used as a reference for calculating the reduction of greenhouse gas (GHG) emissions against to carbon trading policies in Indonesia and as a step in the transformation of clean energy towards Net Zero Emission
Sistem Pencatatan Pelanggaran Kecepatan Kendaraan Berbasis Multikamera Menggunakan Deep Learning
No full textPelanggaran kecepatan kendaraan menjadi salah satu penyebab utama kecelakaan di jalan raya. Sistem pemantauan manual seringkali tidak efektif karena keterbatasan sumber daya dan kondisi lalu lintas yang padat. Penelitian ini bertujuan merancang sistem pencatatan pelanggaran kecepatan kendaraan yang lebih unggul dengan mengintegrasikan teknologi multikamera dan deep learning. Sistem ini dirancang untuk mendeteksi, melacak, dan menghitung kecepatan kendaraan secara akurat, serta mengatasi keterbatasan cakupan area dan oklusi pada sistem konvensional. Dengan memanfaatkan algoritma deep learning untuk deteksi objek dan pemrosesan data paralel dari beberapa kamera, sistem ini diharapkan dapat meningkatkan akurasi deteksi. Hasil yang diharapkan menunjukkan bahwa pendekatan multikamera dan deep learning mampu mendeteksi pelanggaran kecepatan dengan akurasi tinggi. Sistem ini berpotensi membantu pihak berwenang dalam penegakan hukum yang lebih efektif, meningkatkan keselamatan jalan, dan menjadi dasar pengembangan teknologi pemantauan lalu lintas di masa depan.
==================================================================================================================================
Vehicle speed violations are one of the main causes of road accidents. Manual monitoring systems are often ineffective due to limited resources and heavy traffic conditions. This research aims to design a superior vehicle speed violation recording system by integrating multicamera technology and deep learning. The system is designed to accurately detect, track and calculate vehicle speed, while overcoming the area coverage and occlusion limitations of conventional systems. By utilizing deep learning algorithms for object detection and parallel data processing from multiple cameras, the system is expected to improve detection accuracy. The expected results show that the multicamera and deep learning approach is able to detect speed violations with high accuracy. The system has the potential to assist authorities in more effective law enforcement, improve road safety, and form the basis for the development of future traffic monitoring technologies
Implementasi Automatic Test Call Generator (ATCG) untuk Pemantauan Sistem End-to-End pada Layanan IoT Satelit OGx
No full textSeiring dengan berkembangnya teknologi Internet of Things (IoT), kebutuhan terhadap layanan IoT berbasis satelit juga mengalami peningkatan, terutama karena semakin banyak pengguna yang beralih ke solusi digital. Menanggapi kebutuhan tersebut, hadir layanan IoT satelit generasi terbaru dari ORBCOMM dan INMARSAT yang dikenal dengan nama OGx, yang menawarkan berbagai fitur unggulan. Untuk keperluan pemantauan layanan ini, dibutuhkan sebuah alat bantu berupa Automatic Test Call Generator (ATCG). ATCG yang diimplementasikan dalam bentuk controller berbasis Raspberry Pi ini dirancang untuk dapat melakukan panggilan atau pengiriman pesan secara otomatis dengan konfigurasi yang disesuaikan berdasarkan tujuan serta jadwal tertentu. Selain berfungsi untuk pengambilan data, sistem scripting juga memungkinkan ATCG untuk mengirimkan perintah langsung melalui terminal ke jaringan. Hasil pengujian menunjukkan bahwa implementasi ATCG berhasil pada perangkat IDP dan OGx, dengan OGx menunjukkan performa transmisi data yang jauh lebih cepat dibanding IDP, terutama pada ukuran data besar. Perbandingan waktu pengiriman menunjukkan bahwa OGx mampu mengirimkan data 20 hingga 47 kali lebih cepat dari IDP, dan tetap stabil untuk berbagai ukuran data. Selain itu, pengujian sinyal pada dua kondisi cuaca menunjukkan kestabilan performa, sesuai karakteristik satelit L-band yang tahan terhadap gangguan atmosfer.
==================================================================================================================================
With the advancement of Internet of Things (IoT) technology, the demand for satellite based IoT services has also increased, especially as more users transition to digital solutions. In response to this demand, the latest generation of satellite IoT services from ORBCOMM and INMARSAT, known as OGx, has been introduced, offering various advanced features. To monitor these services, a supporting tool called the Automatic Test Call Generator (ATCG) is required. Implemented as a Raspberry Pi-based controller, the ATCG is designed to automatically perform calls or send messages according to configurable objectives and schedules. In addition to data collection, the scripting system also enables the ATCG to send direct commands through the terminal to the network. Test results show that the ATCG was successfully implemented on both IDP and OGx devices, with OGx demonstrating significantly faster data transmission performance compared to IDP, particularly with larger data sizes. A comparison of transmission times shows that OGx is capable of delivering data 20 to 47 times faster than IDP, and maintains stable performance across different data sizes. Furthermore, signal testing under two weather conditions confirmed stable performance, in line with the L-band satellite characteristics known for their resistance to atmospheric disturbances
Forensik Malware dengan Yara Rules
No full textSerangan malware merupakan ancaman dalam sistem keamanan digital di era modern. Kurangnya perhatian dalam keamanan pada sistem dapat membuat hal itu terjadi. Oleh sebab itu, peretas dengan mudah menyusupkan malware ke dalam sistem. Malware jika sudah dijalankan di dalam sistem dapat merusak sistem bahkan mengambil data penting yang ada pada sistem. Maka dari itu, malware harus segera dideteksi dan dihapus dari sistem. Malware dapat dideteksi dengan menggunakan teknik forensik, yaitu dengan cara mencocokkan string pada representasi hex file. Untuk mencocokkan string tersebut dapat dibantu dengan menggunakan Yara Rules. Penelitian ini bertujuan untuk mendeteksi malware dengan menggunakan Yara Rules. Yara Rules yang tersedia di publik akan dioptimasi agar dapat mendeteksi lebih banyak malware sesuai dengan klasifikasi famili malware.
Untuk mengoptimasi Yara Rules dilakukan dengan cara menguraikan string dari file malware menggunakan Yargen, alat Hex Viewer, dan menggunakan script Python. Penelitian ini membuat tiga jenis Yara Rules, yaitu famili Agent Telsa, Amadey, dan Vidar. Setelah dilakukan optimasi Yara Rules dilakukan pengujian dan evaluasi. Pengujian dilakukan terhadap data uji yang terdiri dari lima kategori file. Kategori tersebut yaitu malware Agent Tesla, Amadey, Vidar, Cobalt Strike, dan file non-malware. Yara Rules yang telah dioptimasi kemudian dibandingkan dengan Virus Total. Hasil dari pengujian mendapatkan akurasi 85%. Akurasi tersebut lebih baik dari Yara Rules publik yang memiliki akurasi 52,86% dan akurasi Virus Total yaitu 75,71%. Yara Rules yang telah dioptimasi memiliki akurasi yang lebih baik daripada pembandingnya yaitu Virus Total karena dapat mengklasifikasikan malware sesuai dengan familinya dan dapat mendeteksi file non-malware lebih baik.
===========================================================================================================================================
Malware attacks pose a significant threat to digital security systems in the modern era. A lack of attention to system security often allows attackers to easily infiltrate malware into target systems. Once executed, malware can damage the system and even steal sensitive data. Therefore, malware must be promptly detected and removed. One effective forensic technique for malware detection involves identifying matching strings within the file's hexadecimal representation. This process can be facilitated using Yara Rules. This study aims to detect malware using Yara Rules, by optimizing publicly available rules to improve detection accuracy and classify malware according to their respective families.
To optimize Yara Rules, this research utilizes string extraction techniques from malware files through Yargen, a Hex Viewer tool, and Python scripting. Three families of malware are targeted in this study Agent Tesla, Amadey, and Vidar. The optimized Yara Rules were then evaluated using a test dataset categorized into five groups Agent Tesla malware, Amadey malware, Vidar malware, Cobalt Strike malware, and non-malware. The performance of the optimized Yara Rules was compared against Virus Total. Experimental results show that the optimized Yara Rules achieved an accuracy of 85%, an improvement over the public Yara Rules 52,86% and better than Virus Total 75,71%. The optimized YARA Rules demonstrate better accuracy compared to the benchmark, Virus Total, as they are able to classify malware according to its specific family and more effectively detect non-malicious files
Analisis Kekuatan Tarik Dan Struktur Metalografi Pada Pengelasan Smaw Sambungan ASTM A36 Dengan Variasi Heat Input Dan Groove Angle
Get PDFIndustri maritim menggunakan material logam yang kuat karenanya diperlukan dalam aplikasi struktur lepas pantai. Salah satu contoh materialnya adalah baja ASTM A36. Baja ASTM A36 banyak digunakan dalam struktur lepas pantai karena kekuatan dan ketahannya terhadap beban, namun sifat material logam ini rentan terkena kelelahan atau fatigue akibat dari lingkungan di lepas pantai. Penelitian ini bertujuan untuk menganalisis variasi heat input dan groove angle pada kekuatan tarik dan struktur metalografi dari material baja ASTM A36. Pengujian ini akan dilakukan dengan variasi masukan panas batasan arus listrik rendah (90A), sedang (120A), dan tinggi (160A) dikombinasikan dengan variasi sudut umum (60°), lebar (75°), dan eksperimental (90°) pada kampuh pengelasan. Dengan variasi tersebut, akan dilakukan uji kekuatan tarik dan uji struktur metalografi. Hasil penelitian ini dapat memberi pemahaman lebih mendalam tentang optimalisasi teknik pengelasan pada struktur baja di lingkungan maritim, sehingga dapat meningkatkan efisiensi dalam aplikasi struktur lepas pantai baik dunia akademisi institusi maupun hasil observasi lapangan.
===================================================================================================================================================
The maritime industry uses strong metallic materials hence required in offshore structural applications. One example of the material is ASTM A36 steel. ASTM A36 steel is widely used in offshore structures due to its strength and resistance to loads, but the nature of this metal material is susceptible to fatigue due to the offshore environment. This research aims to analyze the variation of heat input and groove angle on the tensile strength and metallographic structure of ASTM A36 steel material. This test will be conducted with heat input variations of low (90A), medium (120A), and high (160A) electric current limitation combined with generic (60°), wide (75°), and experimental (90°) angle variations on the welding seam. Upon these variations, tensile strength tests and metallographic structure tests will be carried out. The results of this research are to provide a deeper understanding of the optimization of welding techniques on steel structures in the maritime environment, so as to increase efficiency in the application of offshore structures both in the world of academic institutions and field observations
Kontrol Pergerakan Kursi Roda Berbasis Lip Gesture Menggunakan Long Short-Term Memory (LSTM)
No full textKemajuan teknologi telah memberikan dampak yang signifikan dalam berbagai aspek kehidupan, termasuk sektor kesehatan. Salah satu inovasi teknologi yang berkembang pesat adalah penggunaan alat bantu bagi penyandang disabilitas untuk meningkatkan mobilitas mereka. Penelitian ini berfokus pada pengembangan sistem kontrol kursi roda yang dioperasikan menggunakan lip gesture bagi penderita quadriplegia, yaitu kondisi kelumpuhan yang memengaruhi empat anggota tubuh (lengan dan kaki). Sistem ini memanfaatkan teknologi Long Short‑Term Memory (LSTM) yang dikenal unggul dalam pengolahan data sekuensial seperti gerakan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan bibir yang dapat mengenali perintah maju, mundur, belok kiri, belok kanan, dan berhenti, yang kemudian diterjemahkan menjadi kontrol pergerakan kursi roda secara akurat. Dengan menggunakan kamera dan teknologi MediaPipe, sistem ini mampu mendeteksi gerakan bibir secara real‑time
Sistem Pakar Dan Naïve Bayes Classifier Untuk Diagnosis Penyakit Pada Ayam Broiler Dalam Rangka Meningkatkan Performa Peternak Plasma Di Pt Xyz
No full textAyam broiler sebagai salah satu sumber utama daging segar yang dikonsumsi oleh masyarakat memiliki peran strategis dalam memenuhi kebutuhan protein hewani dengan harga terjangkau. Data konsumsi nasional per kapita pada periode 2016 hingga 2020 menunjukkan bahwa ayam broiler menyumbang sekitar 76,03% dari total konsumsi daging segar perkapita di Indonesia. Salah satu masalah utama adalah peternak plasma secara konsisten menghadapi risiko penyakit setiap periodenya. Keterlambatan penanganan penyakit yang menyerang unggas secara massal dapat menyebabkan penurunan populasi karena kematian dan penurunan volume penjualan. Hal ini dikarenakan belum adanya pengetahuan yang cukup tentang penanganan penyakit ayam broiler dengan benar. Penelitian ini bertujuan untuk mengembangkan sistem pakar yang dapat digunakan untuk mendiagnosis penyakit pada ayam broiler secara efisien dan akurat. Sistem ini dirancang untuk membantu peternak dalam mengidentifikasi gejala penyakit pada ayam dengan cepat, sehingga penanganan yang tepat dapat dilakukan secara lebih efektif. Data yang digunakan pada penelitian ini adalah data primer yang didapatkan dari wawancara terhadap pakar dan observasi lapang dan data sekunder yang didapatkan dari studi literatur mengenai penyakit dan gejala ayam broiler. Data yang diperoleh yaitu penyakit ayam broiler yang sering terjadi dari peternak plasma sebanyak 7 penyakit dengan 23 gejala. Aplikasi sistem pakar untuk diagnosis penyakit ayam broiler dikembangkan menggunakan metode Naive Bayes untuk klasifikasi penyakit dan metode certainty factor untuk menghitung tingkat kepercayaan terhadap diagnosis penyakit tersebut. Uji akurasi sistem dilakukan dengan menghitung nilai probabilitas antara gejala dan penyakit. Berdasarkan uji coba yang dilakukan, hasil menunjukkan tingkat akurasi sebesar 93,3% antara diagnosis manual oleh pakar dan diagnosis yang dihasilkan oleh sistem. Hasil survei terhadap 30 peternak ayam broiler di PT XYZ menunjukkan bahwa sistem ini dinilai memberikan dampak positif yang signifikan, seperti kemudahan penggunaan, pengurangan waktu diagnosis, peningkatan akurasi informasi, dan pengetahuan peternak, serta mendukung pengambilan keputusan yang lebih baik. Selain itu, sistem pakar terbukti meningkatkan kepercayaan diri peternak, profitabilitas usaha, dan memperoleh tingkat kepuasan yang tinggi, dengan sebagian besar peternak merekomendasikan penggunaannya.
=============================================================================================================================================
Broiler chickens serve as one of the primary sources of fresh meat consumed by the
public, playing a strategic role in meeting affordable animal protein needs. National per
capita consumption data from 2016 to 2020 indicates that broiler chickens accounted for
approximately 76.03% of Indonesia's total per capita fresh meat consumption. One of the
major challenges is that plasma farmers (contract growers) consistently face disease
risks in every production cycle. Delayed responses to poultry disease outbreaks can lead
to population decline due to mortality and reduced sales volume. This issue stems from
insufficient knowledge about proper broiler disease management. This research aims to
develop an expert system capable of efficiently and accurately diagnosing diseases in
broiler chickens. The system is designed to assist farmers in quickly identifying disease
symptoms, enabling more effective and timely interventions. The study utilizes primary
data obtained from expert interviews and field observations, as well as secondary
data derived from literature reviews on broiler diseases and symptoms. The collected
data covers 7 common broiler diseases and 23 associated symptoms reported by plasma
farmers. The expert system application for diagnosing broiler chicken diseases was
developed using the Naive Bayes method for disease classification and the certainty
factor method to calculate the confidence level in the disease diagnosis. System accuracy
testing was conducted by calculating probability values between symptoms and diseases.
Based on trials, the results showed a 93.3% accuracy rate between manual diagnosis by
experts and system-generated diagnosis. . A survey of 30 broiler chicken farmers at PT
XYZ revealed that the system significantly impacted positively, such as ease of use,
reduced diagnosis time, improved information accuracy, increased farmer knowledge,
and better decision-making support. Additionally, the expert system was proven to
enhance farmers' confidence, business profitability, and satisfaction levels, with the
majority of farmers recommending its use