49971 research outputs found
Sort by
Asesmen Kemampuan Transfer Daya Pada Sistem Kelistrikan Sulbagsel Menggunakan Rekayasa Kecerdasan Artifisial
No full textSeiring dengan peningkatan jumlah penduduk Indonesia, permintaan listrik pada sistem kelistrikan di Indonesia juga mengalami peningkatan. Salah satu sistem kelistrikan yang mengalami peningkatan permintaan listrik adalah sistem kelistrikan Sulawesi Bagian Selatan (Sulbagsel), khususnya di Provinsi Sulawesi Barat dan Selatan. Untuk memenuhi permintaan tersebut, diperlukan asesmen Available Transfer Capability (ATC) yang optimal dan akurat agar sistem kelistrikan Sulbagsel dapat berjalan dengan optimal. Dalam penelitian ini, Firefly Algorithm (FA) digunakan untuk menghitung ATC pada sistem kelistrikan Sulbagsel. Saluran yang akan diobservasi adalah saluran antara Kota Parepare dan Sidrap serta Balusu, dan saluran antara Kota Palopo dan Makale serta Belopa. Berdasarkan hasil penelitian, FA berhasil memperoleh peningkatan rata-rata sebesar 2,33 MW untuk Total Transfer Capability (TTC) dan ATC. Hal ini sama dengan peningkatan TTC rata-rata sebesar 1,38% dan peningkatan ATC sebesar 80,37% dibandingkan dengan metode konvensional seperti Repeated Power Flow (RPF). Berdasarkan validasi sistem daya, hasil ATC yang lebih akurat dan optimal dapat dihasilkan oleh FA tanpa melanggar batasan tegangan dan termal dengan menyesuaikan pembangkitan daya aktif dan beban daya.
=======================================================================================================================================
In accordance with the rise in population in Indonesia, demand for electricity in the country’s power system has also increased. One of these power systems experiencing an upward trend in electricity demand is the Southern Sulawesi (Sulawesi Bagian Selatan, Sulbagsel) electricity system, particularly in the West and South Sulawesi province in Indonesia. Due to this problem, optimal and accurate Available Transfer Capability (ATC) assessment must be conducted to ensure that the Sulbagsel electricity system runs optimally. In this paper, Firefly Algorithm (FA) is used to assess ATC in the Sulbagsel electricity system. The observed transmission line is between the city of Parepare, Sidrap, and Balusu, and transmission line between the city of Palopo, Makale and Belopa. Based on the results, FA achieved an average improvement of 2.33 MW in both Total Transfer Capability (TTC) and ATC. This corresponds to a 1.38% increase in TTC and a 80.37% increase in ATC compared to conventional methods like Repeated Power Flow (RPF). Based on the power system validation, more accurate and optimal ATC results are able to be produced by FA without violating voltage and thermal constraints by adjusting real power generation and power load
Pembangkitan Deskripsi Gambar Fashion Berbahasa Inggris Dengan Metode Bootstrapping Language-Image Pre-Training
No full textPembangkitan deskripsi gambar otomatis adalah proses menghasilkan teks dari gambar. Tugas akhir ini mengatasi keterbatasan model multimodal Bootstrapping Language-Image Pre-training (BLIP-2) yang, meskipun akurat setelah dilatih ulang pada Fashion Captioning Dataset (FACAD), hanya mampu mendeskripsikan satu objek pakaian per gambar. Untuk menghasilkan deskripsi yang komprehensif, tugas akhir ini mengusulkan alur kerja multi-tahap: pertama, mengisolasi setiap objek pakaian menggunakan model segmentasi Mask R-CNN; kedua, menghasilkan deskripsi individual untuk setiap objek dengan BLIP-2; dan terakhir, memadukan beberapa hasil caption menjadi sebuah kalimat yang koheren dan natural menggunakan Large Language Model (LLM). Saat dievaluasi, model yang diusulkan menunjukkan skor rendah pada metrik kuantitatif standar (ROUGE, BLEU, CIDEr, dan SPICE), yang teridentifikasi bukan akibat kinerja model, melainkan karena ketidakselarasan fundamental data uji, meliputi domain shift, perbedaan kosakata, dan anotasi ground-truth yang tidak dirancang untuk deskripsi multi-objek. Mengingat metrik otomatis tidak andal, bukti efektivitas utama model dibuktikan melalui evaluasi subjektif, di mana 76,9% respons partisipan kuesioner secara signifikan lebih memilih deskripsi yang dihasilkan model usulan dibandingkan ground-truth dan model BLIP-2 dasar. Tugas akhir ini berhasil mendemonstrasikan efektivitas metode yang diusulkan untuk menghasilkan deskripsi fashion yang komprehensif dan, yang lebih penting, menyoroti kebutuhan krusial akan benchmark evaluasi baru dengan anotasi ground-truth yang konsisten dan secara spesifik dirancang untuk mengukur kualitas deskripsi multi-objek yang komprehensif.
=======================================================================================================================================
Automatic image captioning is the process of generating text from an image. This thesis addresses the limitation of the multimodal model, Bootstrapping Language-Image Pre-training (BLIP-2), which, despite being accurate after fine-tuning on the Fashion Captioning Dataset (FACAD), can only describe a single clothing item per image. To generate comprehensive descriptions, this study proposes a multi-stage workflow: first, isolating each clothing item using the Mask R-CNN segmentation model; second, generating an individual description for each item with BLIP-2; and finally, fusing these descriptions into a coherent and natural sentence using a Large Language Model (LLM). When evaluated, the proposed model achieved low scores on standard quantitative metrics (ROUGE, BLEU, CIDEr, and SPICE), which was found not to be caused by the model’s performance but by a fundamental misalignment in the test data, including a domain shift, vocabulary mismatches, and ground-truth annotations not designed for multi-object descriptions. Given that automated metrics proved unreliable, the primary proof of effectiveness was demonstrated through subjective evaluation, where 76.9% of questionnaire responses significantly favored the descriptions generated by the proposed model over both the ground-truth and the baseline BLIP-2 model. This thesis successfully demonstrates the effectiveness of the proposed method for generating comprehensive fashion descriptions and, more importantly, highlights the crucial need for new evaluation benchmarks with consistent ground-truth annotations specifically designed to measure the quality of comprehensive, multi-object descriptions
Studi Numerik Pendinginan Photovoltaic Terintegrasi dengan Porous Material
No full textSalah satu solusi utama untuk memenuhi kebutuhan listrik adalah penggunaan panel surya (PV), yang menjadi pilihan dalam transisi menuju energi bersih dan berkelanjutan. Namun, efisiensi panel surya sering menurun akibat peningkatan temperatur yang disebabkan oleh paparan sinar matahari, sehingga mengurangi konversi energi hingga 0,4% per derajat celcius. Penelitian ini bertujuan untuk menganalisis pengaruh sistem pendinginan berbasis fluida air dan media berpori alami, yaitu serat pisang dan serat kelapa sawit, terhadap distribusi temperatur dan efektivitas pendinginan panel surya pada variasi kecepatan aliran fluida. Hasil simulasi menunjukkan bahwa sistem pendinginan dengan air dan material berpori secara signifikan dapat menurunkan temperatur permukaan panel surya dibandingkan dengan panel tanpa sistem pendingin. Penerapan sistem pendinginan berbasis air menurunkan temperatur menjadi 49,83°C, sedangkan penurunan lebih besar terjadi saat menggunakan material berpori, dengan serat pisang mencatatkan temperatur sebesar 42,52°C dan serat kelapa sawit menunjukkan nilai terendah yaitu 42,11°C. Secara umum, efektivitas pendinginan meningkat seiring bertambahnya kecepatan fluida, dengan rata-rata peningkatan efektivitas berkisar antara 8% hingga 15% di setiap kenaikan kecepatan. Serat kelapa sawit menunjukkan efektivitas pendinginan tertinggi dibandingkan air dan serat pisang, sehingga dapat menjadi alternatif yang lebih baik dalam menurunkan dan menstabilkan temperatur panel surya.
=======================================================================================================================================
One of the main solutions to meet electricity demand is the use of solar panels (PV), which has become a preferred option in the transition toward clean and sustainable energy. However, the efficiency of solar panels often decreases due to temperature increases caused by sunlight exposure, reducing energy conversion by up to 0,4% per degree Celsius. This study aims to analyze the effect of a cooling system based on water fluid and natural porous media, namely banana fiber and oil palm fiber, on the temperature distribution and cooling effectiveness of solar panels at varying fluid flow rates. The simulation results show that cooling systems using water and porous materials can significantly reduce the surface temperature of solar panels compared to those without cooling systems. The implementation of a water-based cooling system lowers the temperature to 49,83°C, while a greater reduction occurs when using porous materials, with banana fiber recording a temperature of 42,52°C, and oil palm fiber showing the lowest value at 42,11°C. In general, cooling effectiveness increases with higher fluid velocity, with an average improvement ranging from 8% to 15% at each velocity increment. Oil palm fiber demonstrates the highest cooling effectiveness compared to water and banana fiber, making it a better alternative for lowering and stabilizing solar panel temperatures
Optimalisasi Penentuan Jumlah Internal Truck Berdasarkan Alokasi Dermaga dan Penugasan Quay Crane pada Terminal Peti Kemas
No full textPeningkatan perdagangan internasional dan otomatisasi produksi telah menyebabkan lonjakan arus peti kemas di pelabuhan secara global, termasuk Terminal Peti Kemas Nilam sebagai salah satu terminal domestik utama di Pelabuhan Tanjung Perak, Surabaya. Kondisi ini menuntut pengelolaan peralatan penanganan yang lebih efektif dan efisien, khususnya internal truck yang berfungsi sebagai penghubung antara dermaga dan lapangan penumpukan, guna menghindari kemacetan serta keterlambatan operasional. Namun, kinerja bongkar muat dan pelayanan kapal di terminal ini belum optimal akibat fluktuatif arus peti kemas dan penugasan peralatan yang kurang ideal, terutama pada quay crane (QC) dan internal truck (IT). Penelitian ini bertujuan untuk mengoptimalkan jumlah internal truck berdasarkan alokasi dermaga dan penugasan quay crane yang disesuaikan dengan volume peti kemas bongkar dan muat menggunakan simulasi kejadian diskrit sebagai pendekatan utama. Kinerja diukur dengan dua indikator utama, yaitu box/crane/hours (BCH) dan turn round time (TRT) kapal. Pada kondisi eksisting diperoleh nilai BCH dan TRT kapal sebesar 23.43 box dan 15.24 jam. Beberapa skenario perbaikan dikembangkan melalui variasi jumlah atau rasio penugasan quay crane dan internal truck, tanpa penambahan peralatan baru. Dari analisis skenario diperoleh bahwa skenario terbaik memiliki konfigurasi volume peti kemas 150 box dilakukan penugasan 2 QC dan 11 IT. Konfigurasi ini mampu meningkatkan BCH menjadi 25.33 box dan menurunkan TRT menjadi 11.82 jam. Temuan ini menunjukkan bahwa pendekatan ini efektif dalam meningkatkan kinerja sistem secara signifikan.
======================================================================================================================================
The increase in international trade and production automation has led to a surge in container traffic at ports globally, including the Nilam Container Terminal, one of the main domestic terminals at Tanjung Perak Port in Surabaya. This situation requires more effective and efficient management of handling equipment, particularly internal trucks that link the dock and the container yard, to avoid congestion and operational delays. However, the loading and unloading performance and vessel service at this terminal are not optimal due to fluctuating container flows and suboptimal equipment allocation, particularly for quay cranes (QC) and internal trucks (IT). This study aims to optimize the number of internal trucks based on quay allocation and quay crane assignment tailored to the volume of containers being loaded and unloaded, using discrete event simulation as the primary approach. Performance is measured using two leading indicators: box/crane/hours (BCH) and vessel turnaround time (TRT). Under existing conditions, the BCH and TRT values are 23.43 boxes and 15.24 hours, respectively. Several improvement scenarios were developed by varying the number or ratio of quay crane and internal truck assignments, without adding new equipment. The scenario analysis found that the best scenario has a container volume configuration of 150 boxes has 2 QC and 11 IT assignments. This configuration can increase BCH to 25.33 boxes and reduce TRT to 11.82 hours. These findings indicate that this approach is practical in significantly improving system performance
Implementasi Generative Artificial Intelligence dalam Pengambilan Keputusan Maintenance menggunakan Metode Large Language Model
No full textComputerized Maintenance Management System (CMMS) umumnya hanya dimanfaatkan sebagai alat pencatatan aktivitas pemeliharaan tanpa digunakan secara optimal sebagai dasar pengambilan keputusan. Padahal, data historis gangguan dan pekerjaan pemeliharaan yang tercatat dalam CMMS menyimpan potensi besar untuk membentuk basis pengetahuan yang dapat mendukung knowledge management dalam sistem pemeliharaan. Penelitian ini mengusulkan pendekatan Generative AI dengan memanfaatkan language model seperti LLaMA 2–7B, GPT Neo 1.3B, dan Flan-T5 untuk menghasilkan rekomendasi tindakan pemeliharaan berdasarkan data historis. Dataset yang digunakan mencakup laporan Failure Mode, Effects, and Criticality Analysis (FMECA) dari platform CMMS SAP dan JDE dalam rentang waktu 2016 hingga 2023. Ketiga model diintegrasikan ke dalam sistem Retrieval-Augmented Generation (RAG) berbasis gradio chatbot guna menyediakan saran tindakan pemeliharaan yang kontekstual, relevan, dan mendukung pengambilan keputusan secara cepat dan berbasis data di lingkungan industri. Evaluasi performa model dilakukan menggunakan metrik BLEU, ROUGE, dan BERTScore, serta dilengkapi perhitungan confidence interval pada tingkat kepercayaan 95% untuk menilai konsistensi serta signifikansi hasil. Hasil menunjukkan bahwa LLaMA 2–7B memberikan performa terbaik dengan skor BLEU sebesar 0.16, ROUGE-1 F sebesar 0.19, dan BERTScore sebesar 0.52, serta memiliki rentang confidence interval yang tidak bersinggungan dengan model lainnya, mengindikasikan keunggulan yang signifikan secara statistik.
=================================================================================================================================
Computerized Maintenance Management Systems (CMMS) are generally used merely as tools for recording maintenance activities, without being optimally utilized as a basis for decision-making. In fact, historical data on failures and maintenance tasks recorded in CMMS hold significant potential to form a knowledge base that can support knowledge management within maintenance systems. This study proposes a Generative AI approach by utilizing language models such as LLaMA 2–7B, GPT Neo 1.3B, and Flan-T5 to generate maintenance action recommendations based on historical data. The dataset used includes Failure Mode, Effects, and Criticality Analysis (FMECA) reports from CMMS platforms SAP and JDE, covering the period from 2016 to 2023. All three models are integrated into a RetrievalAugmented Generation (RAG) system deployed through a Gradio-based chatbot to provide contextual and relevant maintenance suggestions that support fast, data-driven decision-making in industrial environments. The performance of each model is evaluated using automated metrics such as BLEU, ROUGE, and BERTScore, and further assessed through confidence interval calculations at a 95% confidence level to examine the consistency and statistical significance of the results. The findings show that LLaMA 2–7B achieved the best performance, with a BLEU score of 0.16, ROUGE-1 F of 0.19, and BERTScore of 0.52, along with
confidence intervals that do not overlap with those of the other models, indicating a statistically significant advantage
Pengaruh Paparan Sinar Ultraviolet-C (UV-C) terhadap Pertumbuhan Jamur Ganoderma boninense
No full textGanoderma boninense merupakan jamur patogen penyebab penyakit tanaman. Salah satu tanaman yang menjadi inang utamanya adalah kelapa sawit (Elaeis guineensis Jacq.) yang dapat menimbulkan penyakit Busuk Pangkal Batang (BPB). Penyakit ini menurunkan produksi kelapa sawit sebesar 15 ton dengan kerugian mencapai USD 500 juta per tahun. Sinar ultraviolet-C (UV-C) adalah sinar radiasi spektrum elektromagnetik dengan panjang gelombang 200-280 nm yang bersifat fungistatic atau menghambat pertumbuhan jamur, juga memiliki efek germisidal pada panjang gelombang 253,7 nm yang efektif menghambat pertumbuhan mikroorganisme. Efektivitas sinar UV-C dipengaruhi oleh beberapa faktor antara lain posisi alat, durasi, dan jumlah paparan sinar UV-C. Penelitian ini bertujuan untuk mengetahui pengaruh posisi alat, durasi, dan jumlah paparan sinar UV-C dalam menghambat pertumbuhan jamur G. boninense. Isolat jamur G. boninense usia 3 hari di medium PDA dipapar sinar UV-C dengan posisi alat horizontal dan vertikal selama 10, 20, 30, 40, 50, dan 100 detik. Setelah pemaparan, isolat diinkubasi selama 3 hari dan setiap hari diukur diameter koloninya. Selanjutnya, pada usia 6 hari isolat dipapar kembali untuk paparan dua kali kemudian diinkubasi. Inkubasi dihentikan setelah pertumbuhan salah satu isolat telah memenuhi medium PDA di cawan petri. Parameter yang diamati adalah nilai pertumbuhan jamur, persentase penghambatan pertumbuhan jamur, dan morfologi mikroskopis. Hasil menunjukkan bahwa posisi alat horizontal merupakan posisi paling efektif dalam menghambat pertumbuhan G. boninense dibandingkan posisi vertikal. Durasi 100 detik memberikan penghambatan tertinggi dibandingkan durasi yang lebih pendek. Selain itu, jumlah paparan dua kali lebih efektif dibandingkan paparan satu kali. Perlakuan dengan kombinasi posisi horizontal, durasi 100 detik, dan jumlah paparan dua kali menghasilkan penghambatan pertumbuhan paling tinggi baik secara makroskopis dan kerusakan struktur hifa mikroskopis.
========================================================================================================================================
Ganoderma boninense is a pathogenic fungus that causes plant diseases. One of the main hosts is oil palm (Elaeis guineensis Jacq.) which can cause Stem Base Decay Disease (BPB). This disease decreases oil palm production by 15 tons with losses reaching USD 500 million per year. Ultraviolet-C (UV-C) light is a radiation from the electromagnetic spectrum with a wavelength of 200-280 nm that is fungistatic or inhibits fungal growth, and also has a germicidal effect at a wavelength of 253.7 nm that effectively inhibits the growth of microorganisms. The effectiveness of UV-C light is influenced by several factors including the position of the equipment, duration, and amount of UV-C exposure. This study aims to determine the effect of the position of the equipment, duration, and amount of UV-C exposure in inhibiting the growth of G. boninense. Isolate of G. boninense aged 3 days on PDA medium was exposed to UV-C light in both horizontal and vertical positions for 10, 20, 30, 40, 50, and 100 seconds. After exposure, the isolate was incubated for 3 days and the diameter of the colonies was measured daily. Subsequently, on day 6, the isolate was exposed again for two more exposures and then incubated. The incubation was stopped after the growth of one of any isolate had filled the PDA medium in the Petri dish. The observed parameters were fungal growth value, percentage of inhibition of fungal growth, and microscopic morphology. The results show that the horizontal position of the tool is the most effective position in inhibiting the growth of G. boninense compared to the vertical position. A duration of 100 seconds provides the highest inhibition compared to shorter durations. Furthermore, exposure twice is more effective than single exposure. Treatment with a combination of horizontal position, 100 seconds duration, and double exposure results in the highest growth inhibition both macroscopically and in causing damage to the microscopic hyphal structure
Study on The Potential of Domestic Rainwater Harvesting in Several Cities in Kalimantan
No full textPulau Kalimantan merupakan wilayah dengan curah hujan tinggi sepanjang tahun, namun masih menghadapi tantangan dalam penyediaan air bersih. Ketidakseimbangan antara intensitas curah hujan dan ketersediaan air bersih disebabkan oleh variasi kondisi geografis dan aktivitas pertambangan. Hal ini menunjukkan perlunya solusi pengelolaan air yang berkelanjutan. Salah satu pendekatan yang berpotensi diterapkan adalah sistem pemanenan air hujan (PAH) skala rumah tangga yang dapat mendukung kebutuhan air domestik sekaligus mengurangi limpasan air hujan yang menyebabkan banjir. Penelitian ini mengevaluasi kelayakan sistem PAH di lima kota di Kalimantan: Tanjung Selor, Pontianak, Palangkaraya, Samarinda, dan Banjarbaru. Data curah hujan harian diperoleh dari satelit TRMM, dikombinasikan dengan perhitungan kebutuhan air berdasarkan jumlah penghuni rumah, serta perancangan dan simulasi waduk dengan kedalaman yang bervariasi (1 m, 1,5 m, dan 2 m). Analisis harian dilakukan untuk menilai kemampuan sistem dalam memenuhi setidaknya 90% kebutuhan air serta potensi pengurangan limpasan air hujan. Hasil menunjukkan bahwa Tanjung Selor dengan kedalaman waduk 2 m dan Pontianak dengan kedalaman 1,5 m mampu memenuhi setidaknya 90% kebutuhan air domestik dengan debit 60 L/orang/hari. Palangkaraya dan Samarinda mencapai target tersebut pada debit 20 L/orang/hari dengan kedalaman 1 meter. Sementara itu, Banjarbaru belum mencapai batas tersebut dalam konfigurasi yang diuji. Dalam hal pengurangan banjir, Tanjung Selor mencatat rata-rata tertinggi sebesar 42,08%, diikuti oleh Pontianak (30,54%), Samarinda (17,64%), Banjarbaru (13,39%), dan Palangkaraya (10,15%). Temuan ini menunjukkan bahwa sistem PAH memiliki potensi sebagai solusi praktis dan berkelanjutan untuk penyediaan air bersih dan pengendalian banjir di Pulau Kalimantan.
=====================================================================================================================================
The island of Kalimantan is an island with high rainfall throughout the year, but still faces challenges in clean water supply. The imbalance between rainfall intensity and clean water availability is caused by variations in geographical conditions and mining activities. This suggests the need for sustainable water management solutions. One potential approach is the implementation of domestic scale rainwater harvesting (RWH) systems that can support domestic water needs and reduce surface runoff that causes flooding. This study evaluated the feasibility of RWH systems in five cities in Kalimantan: Tanjung Selor, Pontianak, Palangkaraya, Samarinda, and Banjarbaru. Daily rainfall data was obtained from the TRMM satellite, combined with the calculation of water demand based on the number of house occupants, as well as the design and simulation of reservoirs with various depths (1 m, 1.5 m, and 2 m). Daily analysis was conducted to assess the ability of the system to meet at least 90% of water demand as well as the potential for reducing rainwater runoff. Results showed that Tanjung Selor with reservoir depth of 2 m and Pontianak with 1,5 m met at least 90% of domestic water demand at a discharge of 60 L/person/day. Palangkaraya and Samarinda achieved the target at a discharge of 20 L/person/day with a depth of 1 meter. Meanwhile, Banjarbaru has not met this limit in the tested configuration. In terms of flood reduction, Tanjung Selor recorded the highest average of 42.08%, followed by Pontianak (30.54%), Samarinda (17.64%), Banjarbaru (13.39%), and Palangkaraya (10.15%). These findings suggest PAH systems have the potential to be a practical and sustainable solution for clean water supply and flood control in island of Kalimantan
Formulasi Roadmap Smart City Partisipatif Dalam Manajemen Risiko Bencana Banjir Kota Surabaya
No full textSelama dekade terakhir, pengelolaan risiko banjir dengan pendekatan kota pintar telah menjadi alternatif strategis dalam memperkuat ketahanan kota terhadap bencana hidrometeorologi. Selain teknologi, partisipasi multipihak, termasuk masyarakat, menjadi elemen kunci dalam optimasi pengelolaan risiko banjir cerdas Kota Surabaya, dengan risiko tinggi terhadap bencana banjir genangan pada musim
hujan, menghadapi tantangan besar meskipun telah memiliki dokumen Surabaya Drainage Master Plan (SDMP) 2018–2038 sebagai acuan. Tantangan tersebut meliputi lemahnya penerapan konsep smart city dalam penanganan banjir, rendahnya partisipasi publik, serta berbagai kritik terhadap sistem pengelolaan bencana yang ada. Tujuan dari penelitian ini adalah menyusun roadmap pengelolaan banjir partisipatif berbasis smart flood risk management, dengan tiga sasaran utama: 1) mengevaluasi implementasi smart flood risk management di Kota Surabaya menggunakan metode content analysis melalui wawancara mendalam; 2) mengidentifikasi hambatan dan permasalahan menggunakan metode content
analysis dan MICMAC; 3) menyusun roadmap berdasarkan hasil evaluasi dan referensi kebijakan maupun best practices. Hasil studi menunjukkan bahwa pengelolaan banjir di Surabaya berada pada tingkat kematangan level 2, dengan variasi partisipasi masyarakat mulai dari sekadar dilibatkan hingga menjadi mitra. Ditemukan sepuluh isu utama, dengan isu kebijakan sebagai prioritas utama karena dampaknya yang signifikan. Peta jalan yang disusun mengacu pada rencana
pembangunan kota dan menargetkan pencapaian level 3 secara bertahap, dengan penjadwalan sesuai tingkat urgensi. Rekomendasi kebijakan dan rencana tindak lanjut dirancang agar selaras dengan kebijakan nasional dan praktik terbaik,
sehingga dapat diimplementasikan secara efektif dan berkelanjutan
=========================================================================================================================================
Over the past decade, flood risk management through smart city approaches has emerged as a strategic alternative for strengthening urban resilience against hydrometeorological disasters. Beyond technological advancements, multi-stakeholder participationincluding community involvement plays a vital role in optimizing smart flood risk management. Surabaya, a city facing high risk of flood inundation during the rainy season, continues to experience major challenges despite the existence of the Surabaya Drainage Master Plan (SDMP) 2018–2038 as a guiding document. These challenges include the weak implementation of smart city principles in flood control, low levels of public participation, and criticism of the existing disaster management system. This study aims to develop a participatory flood management roadmap based on a smart flood risk management framework. It focuses on three main objectives: 1) Evaluating the current implementation of smart flood risk management in Surabaya through content analysis of in-depth interviews; 2) Identifying key barriers and challenges using content analysis and the MICMAC method; 3) Formulating a roadmap based on the evaluation results and relevant policy references, including best practices. The findings indicate that Surabaya's flood management system is currently at a maturity level of 2, with public participation ranging from token involvement to active partnerships. Ten major issues were identified, with policy direction emerging as the top priority due to its significant impact. The proposed roadmap is aligned with the city’s development plans and targets a realistic progression to level 3, with an implementation schedule based on the urgency of each issue. Policy recommendations and action plans are designed to be in line with national policies and established best practices to ensure effective and sustainable implementatio
Pendekatan Berbasis Jaringan Saraf dan Graf untuk Memahami Daya Tarik Visual Foto Makanan
Get PDFDi era digital, foto makanan telah menjadi elemen penting dalam pemasaran kuliner, terutama melalui media sosial. Namun, estetika foto makanan seringkali bersifat subjektif dan sulit dievaluasi secara otomatis. Tugas Akhir ini bertujuan untuk mengatasi masalah evaluasi estetika foto makanan dengan fokus pada pemahaman daya tarik visual secara keseluruhan. Metode Graph Convolutional Network (GCN) dan Graph Attention Network (GAT) diterapkan untuk menganalisis hubungan kompleks antar elemen visual dalam gambar. Metodologi Tugas Akhir mencakup ekstraksi fitur gambar menggunakan Convolutional Neural Network (CNN) yaitu InceptionResNet-V2, serta pemanfaatan fitur tambahan berupa layout dan layout. Seluruh fitur tersebut direpresentasikan dalam bentuk graf, kemudian diolah menggunakan model GCN untuk proses klasifikasi. Evaluasi model dilakukan menggunakan metrik seperti akurasi, precision, recall, dan F1-score. Dataset yang digunakan berasal dari Gourmet Photography Dataset (GPD) yang terdiri dari 24.000 gambar makanan. Hasil percobaan menunjukkan bahwa proporsi data latih 90% dan data uji 10% secara keseluruhan memberikan performa yang lebih unggul. Dari hasil ablasi fitur, diketahui bahwa kombinasi fitur CNN dengan layout memberikan performa terbaik, baik pada model GCN maupun GAT. Secara keseluruhan, model GAT menunjukkan hasil yang lebih baik dibandingkan GCN, dengan nilai akurasi sebesar 0,9075, precision 0,9388, recall 0,8886, dan F1-score sebesar 0,913. Temuan ini memperkuat bahwa fitur tekstur dari CNN berpengaruh besar dalam penilaian estetika, sementara fitur tambahan seperti layout dan color moments berfungsi sebagai pelengkap yang membantu meningkatkan performa model. Pendekatan ini menunjukkan bahwa integrasi antara jaringan saraf dan struktur graf dapat digunakan untuk menilai daya tarik visual gambar secara lebih objektif, terukur, dan sistematis.
========================================================================================================================================
In the digital era, food photography has become an important element in culinary marketing, especially through social media. However, the aesthetics of food photography are often subjective and difficult to evaluate automatically. This final project aims to address the problem of aesthetic evaluation of food photography by focusing on understanding the overall visual appeal. Graph Convolutional Network (GCN) and Graph Attention Network (GAT) methods are applied to analyze the complex relationships between visual elements in the image. The final project methodology includes image feature extraction using a Convolutional Neural Network (CNN), namely InceptionResNetV2, as well as the utilization of additional features in the form of layout and color moments. All these features are represented in graph form, then processed using a GCN model for the classification process. Model evaluation is carried out using metrics such as accuracy, precision, recall, and F1-score. The dataset used comes from the Gourmet Photography Dataset (GPD) which consists of 24,000 food images. The experimental results show that the proportion of 90% training data and 10% test data overall provides superior performance. From the feature ablation results, it is known that the combination of CNN features with layout provides the best performance, both in the GCN and GAT models. Overall, the GAT model shows better results than GCN, with an accuracy value of 0.9075, a precision of 0.9388, a recall of 0.8886, and an F1-score of 0.913. These findings confirm that texture features from CNN have a significant influence on aesthetic assessment, while additional features such as layout and color moments function as complements that help improve model performance. This approach shows that the integration between neural networks and graph structures can be used to assess the visual appeal of images in a more objective, measurable, and systematic manner
Perancangan Sistem Powertrain Pada Kendaraan Hibrida Seri Menggunakan Genetic Algorithm
No full textTantangan adopsi kendaraan listrik di Indonesia, seperti infrastruktur pengisian daya yang belum merata dan tingginya biaya baterai, mendorong pengembangan solusi alternatif yang efisien. Kendaraan hibrida seri (series hybrid) menawarkan solusi yang menjanjikan untuk mengatasi keterbatasan. Penelitian ini bertujuan untuk menentukan ukuran (sizing) optimal dari komponen sistem Powertrain yang terdiri dari mesin (ICE) sebagai generator dan baterai pack, dengan fungsi tujuan utama untuk menemukan biaya paling minimum gabungan dari biaya kapital (CC) dan biaya operasional (CO).Metodologi penelitian ini menggunakan Genetik Algoritma (GA) yang diimplementasikan dalam MATLAB untuk melakukan optimisasi multi-variabel. Sebuah model simulasi dinamika kendaraan dikembangkan terlebih dahulu di Simulink untuk mengevaluasi kebutuhan daya dan torsi berdasarkan siklus kemudi standar US06 yang agresif. Fungsi tujuan (objective function) dirancang secara komprehensif untuk meminimalkan biaya total dengan menormalisasi dan membobotkan CC dan CO, serta menerapkan fungsi penalti untuk menangani berbagai batasan teknis, termasuk daya total minimum, batas biaya, tegangan, arus, dan kapasitas energi minimum. Penelitian ini mengusulkan optimasi ukuran komponen Powertrain terdiri dari mesin pembakaran internal (ICE) sebagai generator dan baterai pack menggunakan Genetik Algoritma (GA) untuk meminimalkan total biaya, yang mencakup biaya kapital (CC) dan biaya operasional (CO). Hasil menunjukkan bahwa konfigurasi optimal 115s2p dan mesin 86 kW, generator 33.53 kW menghasilkan total cost capital lebih hemat 24% dibanding sistem baterai-saja dan 7% cost operational lebih hemat dibanding sistem mesin+generator. Penelitian ini membuktikan efektivitas GA dalam menentukan desain sistem penggerak (powertrain) yang ekonomis dan efisien secara biaya.
======================================================================================================================================
Challenges in the adoption of electric vehicles in Indonesia such as uneven charging infrastructure and the high cost of batteries have driven the development of efficient alternative solutions. Series hybrid vehicles offer a promising approach to overcoming these limitations. This study aims to determine the optimal sizing of Powertrain components, consisting of an internal combustion engine (ICE) acting as a generator and a battery pack, with the primary objective of minimizing the total cost, combining capital cost (CC) and operational cost (CO). The research methodology utilizes a Genetic Algorithm (GA) implemented in MATLAB to perform multi-variable optimization. A dynamic vehicle simulation model was first developed in Simulink to evaluate power and torque requirements based on the aggressive US06 driving cycle. The objective function was comprehensively designed to minimize the total cost by normalizing and weighting CC and CO, while also applying a penalty function to address various technical constraints, including minimum total power, cost limits, voltage, current, and minimum energy capacity. This study proposes Powertrain component sizing optimization for series hybrid vehicles using GA to minimize total cost. The optimal configuration 115s2p battery pack and an 86 kW engine also generator 33.53 kW results in the lowest total cost capital 24% lower than a battery-only system and cost operational 7% lower than an engine+generator system. The findings demonstrate the effectiveness of GA in designing a cost-efficient and economically optimized hybrid Powertrain system