49971 research outputs found
Sort by
Identifikasi Faktor-Faktor Yang Berpengaruh Pada Pengembangan Wisata Mengare, Kecamatan Bungah, Kabupaten Gresik
No full textKawasan Wisata Mengare Merupakan Salah Satu Aset Potensial Yang Dimiliki Kabupaten Gresik Dalam Sektor Pariwisata. Penelitian Ini Bertujuan Untuk Mengidentifikasi Serta Menganalisis Faktor-Faktor Yang Memengaruhi Pengembangan Kawasan Wisata Mengare Di Kecamatan Bungah, Kabupaten Gresik. Mengare Memiliki Kekayaan Sumber Daya Alam Yang Besar Dan Berpotensi Untuk Dikembangkan Sebagai Destinasi Wisata Unggulan. Namun, Pengembangannya Masih Menghadapi Berbagai Tantangan. Penelitian Ini Menggunakan Pendekatan Deskriptif Kualitatif Dengan Teknik Pengumpulan Data Melalui Observasi Lapangan Dan Studi Dokumentasi. Hasil Penelitian Mengungkapkan Bahwa Pengembangan Wisata Mengare Dipengaruhi Oleh Beberapa Faktor Utama, Antara Lain Potensi Alam Dan Keindahan Lingkungan Pesisir, Ketersediaan Infrastruktur, Partisipasi Masyarakat, Kebijakan Pemerintah Daerah, Serta Strategi Promosi Pariwisata. Di Samping Itu, Terdapat Kendala Yang Signifikan Seperti Aksesibilitas Yang Terbatas, Rendahnya Kapasitas Sumber Daya Manusia Di Bidang Pariwisata, Dan Kurangnya Investasi Dari Pihak Luar. Penelitian Ini Merumuskan Faktor-Faktor Yang Berpengaruh Dalam Pengembangan Wisata Mengare Dalam Pengembangan Wisata Yang Berkelanjutan Dan Berwawasan Lingkungan, Guna Meningkatkan Daya Tarik Serta Kontribusi Kawasan Wisata Mengare Terhadap Perekonomian Lokal
===================================================================================================================================
The Mengare Tourism Area Is One Of The Potential Assets Owned By Gresik Regency In The Tourism Sector. This Study Aims To Identify And Analyze The Factors That Influence The Development Of The Mengare Tourism Area In Bungah District, Gresik Regency. Mengare Has A Wealth Of Natural Resources And Has The Potential To Be Developed As A Leading Tourist Destination. However, Its Development Still Faces Various Challenges. This Study Uses A Qualitative Descriptive Approach With Data Collection Techniques Through Field Observation And Documentation Studies. The Results Of The Study Reveal That The Development Of Mengare Tourism Is Influenced By Several Main Factors, Including The Natural Potential And Beauty Of The Coastal Environment, Infrastructure Availability, Community Participation, Local Government Policies, And Tourism Promotion Strategies. In Addition, There Are Significant Obstacles Such As Limited Accessibility, Low Human Resource Capacity In The Tourism Sector, And Lack Of Investment From External Parties. This Study Formulates Factors That Influence The Development Of Mengare Tourism In The Development Of Sustainable And Environmentally Conscious Tourism, In Order To Increase The Attractiveness And Contribution Of The Mengare Tourism Area To The Local Econom
Sistem Inspeksi Visual Untuk Kondisi Kelengkapan Isi Folding Box Pada Proses Angkat Obat Dengan Metode Convolutional Neural Network (CNN)
No full textProses pengemasan di industri seringkali menghadapi masalah ketidaklengkapan isi "folding box", terutama pada tahap angkat obat yang masih mengandalkan tenaga manusia. Hal ini terbukti dari data September 2023 hingga September 2024, di mana terjadi 16,6% kasus isi kardus kurang akibat error mesin counting atau kelalaian pergantian shift. Untuk meminimalisir masalah ini, penelitian ini mengembangkan sistem inspeksi visual otomatis menggunakan metode Convolutional Neural Network (CNN) dengan algoritma You Only Look Once (YOLO). Sistem ini terintegrasi dengan Mini PC Nvidia Jetson Orin Nano, kamera, dan buzzer. Sistem bekerja kerjanya melibatkan pengambilan citra folding box di dalam kardus oleh kamera, kemudian dianalisis oleh Mini PC untuk klasifikasi kondisi: "Isi-Penuh", "Kurang-10-Folding-Box", "Kurang-20-Folding-Box", dan "Kurang-30-Folding-Box". Jika terdeteksi kondisi "kurang", buzzer akan aktif sebagai peringatan dini bagi operator. Hasil pengujian menunjukkan efektivitas dan keandalan sistem. Model YOLOv5s dan YOLOv5m memiliki kinerja lokalisasi bounding box dan klasifikasi objek yang lebih stabil dan unggul. Meskipun semua model YOLO mencapai metrik Precision, Recall, dan mAP tinggi (di atas 90-95%), strategi anotasi sangat memengaruhi performa; Anotasi Volume 1 unggul dalam mendeteksi "Isi-Penuh" (99%) dan "Kurang-30-Folding-Box" (100%), sementara Anotasi Volume 2 menunjukkan penurunan signifikan pada "Kurang-20-Folding-Box" namun sangat baik untuk "Kurang-10-Folding-Box". Penempatan kamera optimal adalah 90 cm, mencapai recall 100% untuk semua kelas. Secara keseluruhan, sistem ini berpotensi besar meminimalkan isu isi kardus kurang dan meningkatkan efisiensi proses pengemasan
=====================================================================================================================================
Industrial packaging processes often face issues with incomplete "folding box" contents, particularly in the drug lifting stage, which still relies on human labor. This is evidenced by data from September 2023 to September 2024, showing 16.6% of cases with insufficient box contents due to counting machine errors or oversight during shift changes. To mitigate this problem, this research develops an automatic visual inspection system using the Convolutional Neural Network (CNN) method with the You Only Look Once (YOLO) algorithm. The system integrates an Nvidia Jetson Orin Nano Mini PC, a camera, and a buzzer. Its operation involves the camera capturing images of the folding boxes inside the cartons, which are then analyzed by the Mini PC for classification into four conditions: "Full-Content”, " Less-10-Boxes, "Less-20-Boxes”, and "Less-30-Boxes”. If an "insufficient" condition is detected, the buzzer activates as an early warning for the operator. Test results demonstrate the system's effectiveness and reliability. YOLOv5s and YOLOv5m models showed superior and more stable performance in bounding box localization and object classification. Although all YOLO models (YOLOv8s, YOLOv8m, YOLOv5s, and YOLOv5m) achieved high precision, recall, and mAP metrics (often above 90-95%), the annotation strategy significantly impacted performance. Annotation Volume 1 excelled in detecting "Full-Content" (99%) and "Less-30-Boxes" (100%), while Annotation Volume 2 showed a significant drop in "Kurang-20-Folding-Box" performance (F1-score only 67.96%) but was very effective for "Less-30-Boxes" (F1-score 96.96%, recall 98.48%, precision 95.58%). Optimal camera placement was determined to be 90 cm, achieving a consistent 100% recall for all classes. Overall, this system holds significant potential to minimize issues of insufficient carton contents and enhance packaging process efficienc
Rancang Bangun Simulator Automatic Transfer Switch (ATS) dan Manual Transfer Switch (MTS) dengan Sistem Transisi antar Supply Daya pada Pengujian Panel Low Voltage Sivacon S8
No full textPT Siemens Indonesia adalah perusahaan manufaktur panel listrik tegangan rendah dan menengah, dimana proses Factory Acceptance Test (FAT) pada divisi Quality Control (QC) berperan penting untuk memastikan sistem Automatic Transfer Switch / Manual Transfer Switch (ATS/MTS) berfungsi saat terjadi gangguan sumber tegangan. Pengujian saat ini mempunyai beberapa kendala yaitu keterbatasan alat CMC Omicron 356, tidak adanya pemantauan secara realtime, serta sistem wiring manual yang kurang aman dan belum efisien. Solusi dari permasalahan ini adalah merancang simulator ATS/MTS menggunakan PLC SIMATIC S7-1500 dan HMI, yang mampu menginjeksikan tegangan tiga fasa ke dua konfigurasi panel (2 incoming 1 bustie dan 2 incoming tanpa bustie) hanya dengan satu CMC. Pengujian dilakukan dengan metode injeksi tegangan ke terminal busbar yang terhubung dengan VT dan melakukan simulasi blackout melalui HMI, lalu sistem merespons otomatis atau manual sesuai logika ladder diagram di PLC. Hasil pengujian menunjukkan bahwa sistem ATS/MTS mampu berfungsi sesuai truthtable pada setiap kondisi gangguan sumber tegangan, baik dalam mode otomatis maupun manual. Verifikasi menggunakan truthtable menunjukkan kesesuaian 100% antara logika program dan hasil aktual. Hasil injeksi input tegangan (phase to phase) 400VAC dan (phase to neutral) 230 VAC sesuai dengan output tegangan pada panel uji. Pengujian performa menunjukkan efisiensi waktu pengujian meningkat hingga 50%, dari 2 jam menjadi 1 jam per line- up. Hasil uji skenario blackout dan restore berhasil dijalankan dengan tingkat keberhasilan 97%, waktu switching otomatis rata-rata ≤3 detik, dan switching manual <1 detik, tidak ditemukan eror logika, delay, atau anomali switching. Sementara itu, hasil feedback dari customer saat FAT menunjukkan tingkat kepuasan 98% terhadap keandalan sistem, tampilan antarmuka, dan keamanan penggunaan alat. Kesimpulan dari penelitian ini adalah bahwa simulator ATS/MTS yang dirancang berhasil memenuhi fungsi transisi daya dengan baik, meningkatkan efisiensi dan akurasi pengujian panel, serta layak digunakan sebagai alat bantu uji dalam FAT oleh Quality Control PT Siemens Indonesia
=================================================================================================================================
PT Siemens Indonesia is a manufacturer of low and medium voltage electrical panels, where the Factory Acceptance Test (FAT) process in the Quality Control (QC) division plays an important role in ensuring that the Automatic Transfer Switch/Manual Transfer Switch (ATS/MTS) system functions during power Supply disruptions. The current testing process faces several challenges, including limitations of the CMC Omicron 356 device, lack of real-time monitoring, and an unsafe and inefficient manual wiring system. The solution to this problem is to design an ATS/MTS simulator using the SIMATIC S7-1500 PLC and HMI, which can inject three-phase voltage into two panel configurations (2 incoming with 1 bus tie and 2 incoming without bustie) using only one CMC. Testing was conducted by injecting voltage into the busbar terminals connected to the VT and simulating a blackout via the HMI, after which the system responded automatically or manually according to the ladder diagram logic in the PLC. Test results showed that the ATS/MTS system functioned in accordance with the truth table under all voltage source disturbance conditions, both in automatic and manual modes. Verification using the truth table showed 100% consistency between the program logic and actual results. The voltage input injection results (phase to phase) 400VAC and (phase to neutral) 230 VAC matched the voltage output on the test panel. Performance testing showed a 50% increase in testing efficiency, from 2 hours to 1 hour per lineup. Blackout and restore scenario tests were successfully executed with a 97% success rate, an average automatic switching time of ≤3 seconds, and manual switching <1 second, with no logic errors, delays, or switching anomalies detected. Meanwhile, customer feedback during the FAT indicated a 98% satisfaction rate regarding system reliability, interface display, and tool usage safety. The conclusion of this study is that the designed ATS/MTS simulator successfully fulfills power transition functions effectively, enhances testing efficiency and accuracy of the panel, and is suitable for use as a testing aid during FAT by Quality Control at PT Siemens Indonesia
Pengembangan Frontend untuk Dashboard Performance BSI Region Office VIII Surabaya
No full textDashboard merupakan alat visualisasi data yang sangat berguna dalam mendukung proses pengambilan keputusan berbasis data. PT Bank Syariah Indonesia, Tbk. Region Office VIII Surabaya memerlukan sistem dashboard yang modern, responsif, dan efisien untuk memantau performa kinerja kantor cabang. Dalam kerja praktik ini, dilakukan pengembangan frontend untuk web dashboard performance menggunakan kerangka kerja Laravel dengan pola arsitektur Model-View-Controller (MVC). Fokus utama pengembangan berada pada bagian pembiayaan (funding), meliputi fitur filter data berdasarkan area, cabang, dan periode, visualisasi performa cabang dalam bentuk grafik dan tabel, serta kemampuan unggah file Excel untuk memperbarui data. Proses pengembangan dilakukan mulai dari perumusan masalah, studi literatur, analisis dan perancangan sistem, implementasi antarmuka pengguna, hingga tahap pengujian dan evaluasi. Hasil evaluasi menunjukkan bahwa dashboard yang dikembangkan telah memenuhi seluruh kebutuhan fungsional dan non-fungsional, serta memberikan kemudahan dalam penggunaan dan pemeliharaan.
===================================================================================================================================
A dashboard is a highly useful data visualisation tool that supports data-driven decision-making processes. PT Bank Syariah Indonesia, Tbk. Region Office VIII Surabaya requires a modern, responsive, and efficient dashboard system to monitor the performance of its branch offices. In this internship project, frontend development for a web-based performance dashboard was conducted using the Laravel framework with a Model-View-Controller (MVC) architectural pattern. The primary focus of development was on the funding section, including features such as data filtering by area, branch, and period, visualisation of branch performance in the form of graphs and tables, and the ability to upload Excel files to update data. The development process was carried out from problem formulation, literature review, system analysis and design, user interface implementation, to testing and evaluation stages. The evaluation results showed that the developed dashboard met all functional and non-functional requirements and provided ease of use and maintenance
Analisis Kepuasan Pelanggan Terhadap Pelayanan Jasa Cuci Sepatu Di Sepatuku.sub
No full textLaundry lebih dikenal umumnya sebagai jasa pencucian pakaian. Namun kali ini, laundry bukan lagi mencuci pakaian saja, melainkan juga merambah ke sepatu, yang disebut jasa cuci sepatu, dengan menggunakan sabun-sabun yang khusus hanya untuk sepatu, maka hasil akan lebih optimal bersih, tren penggunaan jasa cuci sepatu mulai diganderungi banyak orang dalam kurun tiga tahun terakhir, Berdasarkan data penjualan jasa cuci sepatu di SEPATUKU.SUB cenderung memiliki penjualan yang stabil karena sepatu merupakan barang yang digunakan secara luas oleh banyak orang, sehingga permintaan untuk jasa cuci sepatu cenderung stabil sepanjang tahun, jasa cuci sepatu bisa menjangkau banyak kalangan, dari anak-anak hingga dewasa, serta dari berbagai lapisan Masyarakat. Oleh karena itu pengembangan jasa cuci sepatu ini perlu dilakukan, salah satu caranya melalui peningkatan kualitas pelayanan pelanggan yang diukur dengan menggunakan metode Customer Satisfaction Index dan Importance Performance Analysis. Tujuan dilakukan penelitian ini yaitu mengetahui kepuasan pelanggan terhadap pelayanan yang di berikan serta faktor- faktor yang perlu diperbaiki oleh pemilik unit bisnis untuk meningkatkan kepuasan pelanggan terhadap jasa cuci sepatu di SEPATUKU.SUB. Hasil dari penelitian didapatkan bahwa Nilai CSI pada mengetahui jasa cuci Sepatu di SEPATUKU.SUB dari social media maupun dari teman/saudara merasa sangat puas terhadap pelayanan yang di berikan. Untuk meningkatkan kepuasan pelanggan terdapat beberapa faktor-faktor yang perlu ditingkatkan kinerjanya. Hal ini dapat dilihat dengan melakukan importance performance analysis. Faktor-faktor yang perlu ditingkatkan untuk meningkatkan kepuasan pelayanan jasa cuci sepatu di SEPATUKU.SUB yang mengetahui dari social media berdasarkan importance performance analysis yaitu karyawan SEPATUKU.SUB selalu memperhatikan dengan baik setiap keluhan para konsumen, kesopanan dan keramahan karyawan SEPATU.SUB dalam memberikan pelayanan kepada konsumen, karyawan SEPATUKU.SUB memiliki pengetahuan dalam menjawab pertanyaan pelanggan dan alat-alat cuci sepatu yang memadai dan cukup lengkap, yang dimana dapat di simpulkan bahwa kurang berpengalaman karyawan dan kepahaman terhadap alat alat cuci sepatu, sedangkan untuk pelanggan jasa cuci sepatu yang mengetahui dari rekomendasi teman/saudara faktor-faktor yang perlu ditingkatkan yaitu toko SEPATUKU.SUB memiliki lokasi yang strategis dan Kenyamanan dan keamanan yang selama menggunakan jasa yang diberikan, yang dimana dapat disimpulkan bahwasanya toko offline SEPATUKU.SUB kurang nyaman.
=========================================================================================================================================
Laundry is generally known as a garment cleaning service. However, laundry services have now expanded beyond clothing to include shoe cleaning, commonly referred to as shoe laundry. Using specialized detergents designed specifically for shoes results in optimal cleaning outcomes. Over the past three years, the trend of using shoe cleaning services has gained popularity among the public. Based on sales data from SEPATUKU.SUB, the demand for shoe cleaning services has remained relatively stable, as shoes are widely used by people of all ages and social backgrounds. Therefore, the development of this service is necessary, one of which can be done by improving customer service quality, measured using the Customer Satisfaction Index (CSI) and Importance Performance Analysis (IPA) methods. The purpose of this study is to determine customer satisfaction with the services provided and to identify the factors that need improvement by the business owner to enhance customer satisfaction with the shoe cleaning services at SEPATUKU.SUB. The results showed that the CSI value indicates that customers who discovered the SEPATUKU.SUB service via social media or through friends/family were very satisfied with the service provided. However, there are several performance aspects that need to be improved to further enhance customer satisfaction. Based on the importance performance analysis, the key areas for improvement among customers who learned about the service via social media include: employees' attentiveness to customer complaints, the politeness and friendliness of employees when serving customers, employee knowledge in answering customer inquiries, and the adequacy and completeness of shoe cleaning equipment. This indicates a lack of employee experience and understanding of shoe cleaning tools. Meanwhile, for customers who became aware of the service through recommendations from friends or family, the factors that need improvement include the store's strategic location and the comfort and safety experienced during service usage. This suggests that the SEPATUKU.SUB offline store is perceived as lacking in comfort
Perancangan dan Implementasi Infrastruktur Sistem Prediksi Remaining Useful Life Tube Boiler PT PLN Nusantara Power
No full textPT PLN Nusantara Power merupakan anak perusahaan PT PLN (Persero) yang mengelola pembangkit listrik. Pada kerja praktik ini dikembangkan sistem prediksi Remaining Useful Life (RUL) untuk pipa boiler yang berfungsi memantau umur pakai sisa komponen secara real-time. Data operasional seperti tekanan dan temperatur diambil melalui API Historian, disimpan ke PostgreSQL, diproses dengan menggunakan metode hoop stress dan Larson-Miller Parameter, dan ditampilkan melalui Ignition. Sistem yang dibangun mampu mengambil data periodik, tanpa duplikasi, serta menghasilkan prediksi RUL yang konsisten. Metode clip digunakan agar hasil lebih stabil saat terjadi fluktuasi suhu. Hasil perhitungan dan visualisasi berjalan real-time. Dengan implementasi ini, perusahaan dapat mendukung pemeliharaan prediktif, mengurangi risiko kegagalan mendadak, dan memperkuat transformasi digital power plant.
===================================================================================================================================
PT PLN Nusantara Power is a subsidiary of PT PLN (Persero) that manages power plants. In this internship, a Remaining Useful Life (RUL) prediction system was developed for boiler pipes to monitor the remaining service life of components in real time. Operational data such as pressure and temperature are collected via the API Historian, stored in PostgreSQL, processed using the hoop stress method and Larson-Miller Parameters, and displayed through Ignition. The system is capable of collecting periodic data without duplication and producing consistent RUL predictions. The clip method is used to stabilize results during temperature fluctuations. Calculations and visualizations are performed in real-time. With this implementation, the company can support predictive maintenance, reduce the risk of sudden failures, and strengthen the digital transformation of power plants
Preparasi dan Karakterisasi Membran HDPE/TiO₂/KKZ untuk Fotodegradasi Limbah Zat Warna Kationik dan Anionik
No full textPencemaran air akibat limbah zat warna sintetis dari industri tekstil merupakan isu serius karena bersifat toksik, persisten, dan sulit terdegradasi. Pengolahan limbah zat warna dapat dilakukan melalui teknologi membran. Salah satu material yang berpotensi digunakan sebagai bahan dasar membran adalah high-density polyethylene (HDPE). HDPE merupakan polimer yang banyak dijumpai pada produk plastik sehari-hari, sehingga memiliki kontribusi besar terhadap timbulan limbah plastik. Untuk meningkatkan kinerja membran, ditambahkan titanium dioksida (TiO₂) yang memiliki aktivitas fotokatalitik tinggi dan stabilitas termal baik. Selain itu, komposit karbon zeolit (KKZ) digunakan sebagai material pengisi berpori dengan luas permukaan dan porositas tinggi, yang berperan dalam meningkatkan hidrofilisitas, kapasitas adsorpsi, serta fluks permeasi membran. Oleh karena itu, penelitian ini bertujuan untuk menentukan komposisi optimum TiO₂ dan KKZ pada membran HDPE serta menganalisis filtrasi dan fotodegradasi terhadap zat warna kationik (crystal violet) dan anionik (congo red) dari larutan air. Membran disintesis menggunakan metode thermally induced phase separation (TIPS) dalam bentuk flat sheet dengan variasi TiO₂ (0,5; 1,25; 2,5; 3,75% b/b) serta KKZ (0,5; 0,75; 1% b/b). Karakterisasi dilakukan melalui uji porositas, sudut kontak, FTIR, XRD, dan SEM-EDX, sedangkan pengujian kinerja meliputi fluks air, rejeksi zat warna kationik (crystal violet, CV) dan anionik (congo red, CR) pada konsentrasi 10 ppm, serta uji fotodegradasi di bawah sinar UV. Membran dengan komposisi 0,5% HTK (HDPE/1,25% TiO₂/0,5% KKZ) dengan penyinaran UV memberikan performa paling optimal yaitu untuk CV sebesar (rejeksi 94,43%; fluks 172,23 L/m²h) serta untuk zat warna CR diperoleh (rejeksi 3,29%; fluks 97,60 L/m²h). Hal ini menunjukkan bahwa membran lebih efektif untuk pemisahan zat warna kationik. Sementara itu, untuk zat warna anionik CR, kondisi lebih optimal dicapai pada membran 1,25% HT (HDPE/1,25% TiO₂) dengan penyinaran UV, yang menghasilkan rejeksi sebesar 55,93% meskipun dengan fluks relatif kecil (3,75 L/m²h). Membran HDPE/TiO₂/KKZ tidak hanya berfungsi sebagai pemisah fisik, tetapi juga sebagai sistem fotokatalitik aktif melalui kemampuan self-cleaning ditandai degradasi warna pada permukaan membran disertai penurunan dan pergeseran biru panjang gelombang maksimum zat warna CV dan CR di bawah radiasi UV dengan membran 1,25% HT (HDPE/1,25% TiO₂) menunjukkan kinerja fotokatalitik paling optimal.
====================================================================================================================================
Water pollution caused by synthetic dye effluents from the textile industry is a serious environmental issue due to their toxic, persistent, and hardly degradable nature. Dye wastewater treatment can be effectively carried out using membrane technology. One of the potential base materials for membrane fabrication is high-density polyethylene (HDPE), a polymer commonly found in daily plastic products that significantly contributes to plastic waste accumulation. To enhance membrane performance, titanium dioxide (TiO₂) is added because of its high photocatalytic activity and good thermal stability. In addition, the zeolite–carbon composite (ZCC) is used as a porous filler with a large surface area and high porosity, which improves hydrophilicity, adsorption capacity, and permeation flux of the membrane. Therefore, this study aims to determine the optimum composition of TiO₂ and ZCC in HDPE membranes and to analyze their filtration and photodegradation performance against cationic dye (crystal violet, CV) and anionic dye (congo red, CR) from aqueous solutions. The membranes were synthesized using the thermally induced phase separation (TIPS) method in flat-sheet form with varying TiO₂ contents of (0,5; 1,25; 2,5; and 3,75 %wt) and ZCC contents of (0,5; 0,75; and 1 %wt). Characterization was performed through porosity, contact angle, FTIR, XRD, and SEM-EDX analyses, while performance tests included water flux, dye rejection for CV and CR at 10 ppm concentration, and photodegradation under UV irradiation. The membrane with the composition 0,5% HTZ (HDPE/1,25% TiO₂/0,5% ZCC) under UV illumination exhibited the best performance, achieving (94,43% rejection and 172,23 L/m²h flux) for CV, while for CR, the same membrane achieved (3,29% rejection and 97,60 L/m²h flux), indicating that the membrane was more effective in separating cationic dyes. Meanwhile, for the anionic dye CR, the optimal condition was obtained with the 1,25% HT (HDPE/1,25% TiO₂) membrane under UV irradiation, which achieved 55,93% rejection despite a relatively low flux of 3,75 L/m²h. The HDPE/TiO₂/ZCC membrane functions not only as a physical separator but also as an active photocatalytic system through its self-cleaning ability, indicated by color degradation on the membrane surface accompanied by a decrease and blue shift in the maximum wavelength of CV and CR dyes under UV irradiation, with the 1,25% HT (HDPE/1,25% TiO₂) membrane exhibiting the most optimal photocatalytic performance
Pengembangan Model Prediksi Kunjungan Lokasi Operasional Menggunakan Pendekatan Supervised Learning untuk Meningkatkan Efisiensi Operasional pada PT Aplikanusa Lintasarta
No full textPT Aplikanusa Lintasarta, sebagai salah satu perusahaan penyedia layanan Teknologi Informasi dan Komunikasi (TIK), menghadapi tantangan dalam optimalisasi kunjungan lokasi operasional. Tingginya frekuensi kunjungan yang tidak efisien dapat merugikan perusahaan dari segi biaya operasional, waktu, dan tenaga kerja. Tujuan dari Kerja Praktik ini adalah untuk mengembangkan Model Prediksi Sitevisit dengan menggunakan pendekatan supervised machine learning guna meningkatkan efisiensi operasional perusahaan.
Metodologi pengembangan model mencakup beberapa tahapan utama, dimulai dari analisis kebutuhan, Exploratory Data Analysis (EDA), data preprocessing untuk menangani missing value dan outlier, serta feature engineering untuk menciptakan fitur-fitur yang relevan. Proses ini diimplementasikan menggunakan KNIME Analytics Platform untuk membangun alur kerja (workflow) dan Python untuk analisis data. Beberapa algoritma klasifikasi dievaluasi, meliputi Decision Tree, Random Forest, Gradient Boosting, dan XGBoost.
====================================================================================================================================
PT Aplikanusa Lintasarta, as one of the Information and Communication Technology (ICT) service providers, faces challenges in optimizing operational site visits. The high frequency of inefficient visits can be detrimental to the company in terms of operational costs, time, and labor. The objective of this internship is to develop a Site Visit Prediction Model using a supervised machine learning approach to improve the company's operational efficiency.
The model development methodology includes several key stages, starting with needs analysis, Exploratory Data Analysis (EDA), data preprocessing to handle missing values and outliers, and feature engineering to create relevant features. This process is implemented using the KNIME Analytics Platform to build workflows and Python for data analysis. Several classification algorithms are evaluated, including Decision Tree, Random Forest, Gradient Boosting, and XGBoost
Sistem Deteksi Keamanan Pekerja Di Area Translator Menggunakan Metode Convolutional Neural Network (CNN)
No full textKeselamatan kerja merupakan aspek krusial di lingkungan industri, terutama di area dengan aktivitas mesin berat seperti gudang Phonska IV. Area translator menjadi titik rawan karena intensitas aktivitas pemindahan pupuk dari conveyor ke hopper yang berlangsung secara terus-menerus, sehingga berpotensi menimbulkan kecelakaan kerja. Untuk mengatasi hal tersebut, proyek ini mengembangkan sistem deteksi keamanan pekerja berbasis Convolutional Neural Network (CNN) yang terintegrasi dengan alarm otomatis guna memberikan peringatan dini ketika pekerja memasuki zona bahaya. Arsitektur CNN yang digunakan adalah You Only Look Once versi 7 (YOLOv7) sebagai model utama, dan YOLOv8 sebagai pembanding. Sistem ini menganalisis rekaman CCTV untuk mendeteksi keberadaan pekerja secara real-time berdasarkan fitur visual dan pola pergerakan. Pengujian dilakukan pada 20 frame uji dengan tiga kelas: Aman, Bahaya, dan Kosong. Hasil menunjukkan kedua model mencatatkan nilai Precision sebesar 100% untuk kelas Aman dan Bahaya. Namun, YOLOv8 unggul dalam metrik Recall dan F1-Score (100%) untuk kedua kelas, sementara YOLOv7 memperoleh Recall sebesar 85% (Aman) dan 90% (Bahaya), serta F1-Score sebesar 91,89% dan 94,73%. Tingkat akurasi keseluruhan YOLOv7 adalah 91,67%, sedangkan YOLOv8 mencapai 98,34%. Temuan ini menunjukkan bahwa YOLOv8 lebih konsisten dan akurat dalam skenario uji terbatas, serta lebih menjanjikan untuk diimplementasikan dalam sistem deteksi keselamatan kerja berbasis Industrial Internet of Things (IIoT) guna meningkatkan efisiensi dan keberlanjutan operasional perusahaan.
=====================================================================================================================================
Occupational safety is a crucial aspect in industrial environments, especially in areas with heavy machinery activity such as the Phonska IV warehouse. The translator area is a vulnerable point due to the intensity of the continuous activity of transferring fertilizer from the conveyor to the hopper, which has the potential to cause work accidents. To address this, this project developed a worker safety detection system based on a Convolutional Neural Network (CNN) integrated with an automatic alarm to provide early warnings when workers enter a danger zone. The CNN architecture used is You Only Look Once version 7 (YOLOv7) as the main model, and YOLOv8 as a comparison. This system analyzes CCTV footage to detect the presence of workers in real-time based on visual features and movement patterns. Testing was carried out on 20 test frames with three classes: Safe, Danger, and Empty. The results show that both models recorded a Precision value of 100% for the Safe and Danger classes. However, YOLOv8 excelled in Recall and F1-Score (100%) for both classes, while YOLOv7 achieved Recall of 85% (Safe) and 90% (Danger), and F1-Score of 91.89% and 94.73%. The overall accuracy rate of YOLOv7 was 91.67%, while YOLOv8 achieved 98.34%. These findings indicate that YOLOv8 is more consistent and accurate in limited test scenarios, and is more promising for implementation in Industrial Internet of Things (IIoT)-based occupational safety detection systems to improve the efficiency and sustainability of company operations
Pengembangan Model Anomaly Detection untuk Monitoring Amine Pump Pada Proyek LEADS di PT Pertamina EP Cepu
No full textProyek ini berfokus pada implementasi teknologi anomaly detection untuk memantau kinerja amine pump di fasilitas Matindok guna meningkatkan efisiensi operasional dan mencegah kerusakan peralatan, menggunakan data deret waktu dari sistem LEADS milik Pertamina EP Cepu – Matindok Field yang memantau aktivitas dua unit pompa amina, 340P1001 dan 340P1002, mencakup parameter operasional seperti tekanan, suhu, laju aliran, serta posisi katup. Metodologi CRISP-DM diterapkan, dengan pemilihan algoritma Long Short-Term Memory (LSTM) Autoencoder dalam tahap pemodelan karena efektivitasnya dalam menangani data deret waktu dan mendeteksi anomali, di mana model dilatih menggunakan data operasi normal dan anomali terdeteksi ketika nilai reconstruction error meningkat secara signifikan. Hasil deteksi anomali ini kemudian divisualisasikan menggunakan platform Business Intelligence Power BI untuk menampilkan laporan dan dasbor interaktif, bertujuan memberikan peringatan dini mengenai potensi kegagalan pompa, meningkatkan keandalan peralatan, memperpanjang umur aset, meningkatkan keselamatan, dan meminimalkan kerugian akibat downtime yang tidak terduga.
=====================================================================================================================================
This project focuses on the implementation of anomaly detection technology to monitor the performance of amine pumps at the Matindok facility to improve operational efficiency and prevent equipment damage, using time-series data from the LEADS system owned by Pertamina EP Cepu – Matindok Field which monitors the activity of two amine pump units, 340P1001 and 340P1002, covering operational parameters such as pressure, temperature, flow rate, and valve position. The CRISP-DM methodology is applied, with the selection of the Long Short-Term Memory (LSTM) Autoencoder algorithm in the modeling stage due to its effectiveness in handling time-series data and detecting anomalies, where the model is trained using normal operation data and anomalies are detected when the reconstruction error value increases significantly. These anomaly detection results are then visualized using the Power BI Business Intelligence platform to display reports and interactive dashboards, aiming to provide early warnings regarding potential pump failures, improve equipment reliability, extend asset life, enhance safety, and minimize losses due to unexpected downtime