49971 research outputs found
Sort by
Pengembangan Sistem Automasi Surat RfQ dan Sistem Turnamen Pingpong menggunakan Framework Laravel, Blade Templating Engine, dan Framework Vue.js
Full text linkPT Max Solusindo Jaya memiliki layanan manajemen pendataan request for quotation, berupa automasi pencatatan penawaran RfQ ke dalam Google Sheets tracking. Namun, pembuatan surat penawaran RfQ untuk penawaran RfQ ini masih dilakukan secara manual oleh manusia. Selain layanan ini, PT. Max Solusindo Jaya juga mendapatkan permintaan sistem untuk mengelola data turnamen pingpong yang dapat membuat file daftar nilai berformat XLSX. Kegiatan magang dilakukan secara online dari 26 Juli 2024 sampai 26 Oktober 2024. Penulis merumuskan masalah dengan melihat existing system dan menggali kebutuhan sistem. Dari analisis, penulis mendapatkan bahwa kebutuhan dari Sistem Automasi Surat RfQ adalah integrasi dengan Google Sheets tracking, pengelolaan data penawaran vendor dan admin, dan pembuatan surat RfQ dengan Google Sheets API. Sedangkan, untuk Sistem Turnamen Pingpong, penulis mendapatkan kebutuhannya adalah manajemen data-data turnamen dan pembuat lembar nilai turnamen berformat .xlsx. Kedua sistem dibangun menggunakan framework Laravel. Sistem Automasi Surat RfQ menggunakan Blade Templating Engine sebagai pembangun front-end, SQLite sebagai basis data sederhana, dan Google Workspace API untuk mengakses dan membuat Google Sheets. Di lain sisi, Sistem Turnamen Pingpong menggunakan Vue.js untuk pendukung pembangunan front-end yang lebih kompleks dan MySQL untuk penyimpanan dat di basis data. Dari hasil pengujian dengan cara membandingkan sistem yang telah dibuat dengan kebutuhan yang sudah ditentukan, penulis memperoleh hasil bahwa kedua sistem sudah berhasil diimplementasikan dengan baik. Di masa depan, penulis berharap sistem notifikasi pada Sistem Automasi Surat RfQ dapat dikembangkan menjadi lebih baik dan fitur bracketing dan proses manajemen turnamen lainnya dapat diintegrasikan ke Sistem Turnamen Pingpong.
=================================================================================================================================
PT Max Solusindo Jaya provides a request for quotation (RfQ) data management service for a client, in the form of automation of recording RfQ offers into a tracking Google Sheets. However, the issuing of the RfQ offer letters is still done manually by humans. In addition to this service, PT. Max Solusindo Jaya also received a request for a system to manage pingpong (table tennis) tournament data that can create a score sheet with .xlsx format. The internship was carried out online from July 26, 2024 to October 26, 2024. The author formulated the problem by analyzing the existing system and exploring system needs. From the analysis, the author found that the needs of the RfQ Letter Automation System were integration with the tracking Google Sheets, management of vendor and admin RfQ offer data, and creation of RfQ letters with Google Sheets API. Meanwhile, the Pingpong Tournament System needed management of tournament data and the creation of tournament score sheets in .xlsx format. Both systems were built using the Laravel framework. The RfQ Letter Automation System used the Blade Templating Engine for its front-end builder, SQLite for its simple database, and the Google Workspace API to access and create Google Sheets. On the other hand, the Pingpong Tournament System uses Vue.js to support more complex front-end development and MySQL for storing data in the database. From the test results obtained by comparing the systems that have been created with the specified needs, the author found that both systems have been successfully implemented. In the future, the author hopes that the notification system in the RfQ Letter Automation System can be developed to be more advanced with the bracketing features, and other tournament management processes can be integrated into the Pingpong Tournament System
Analisis Tingkat Kepuasan Pengunjung Terhadap Industri Pariwisata Pulau Merah Kabupaten Banyuwangi 2023 – 2024
No full textSektor pariwisata memiliki peran strategis dalam mendorong pembangunan ekonomi daerah, khususnya di Kabupaten Banyuwangi yang telah memposisikan diri sebagai destinasi wisata unggulan melalui branding "Banyuwangi Kota Wisata." Salah satu objek wisata andalan dalam strategi "The Diamond Triangle" adalah Pantai Pulau Merah, yang telah menarik perhatian wisatawan lokal maupun mancanegara sejak pelaksanaan International Surfing Competition pada tahun 2013. Meskipun demikian, pada tahun 2024, Pantai Pulau Merah menghadapi sejumlah tantangan signifikan, di antaranya adalah masalah infrastruktur seperti fasilitas parkir yang kurang memadai dan kondisi mushola yang tidak terawat, turut memperburuk citra destinasi tersebut di mata pengunjung. Penelitian ini bertujuan untuk mengevaluasi kualitas layanan pariwisata di Pantai Pulau Merah dan tingkat kepuasan pengunjung melalui penerapan metode Informance Performance Analysis (IPA) dan Customer Satisfaction Index (CSI). Metode IPA digunakan untuk mengidentifikasi atribut-atribut layanan yang memerlukan peningkatan, sementara CSI bertujuan untuk mengukur tingkat kepuasan pengunjung secara keseluruhan berdasarkan kinerja dan harapan mereka terhadap layanan yang diberikan. Hasil analisis menunjukkan mayoritas pengunjung Pantai Pulau Merah adalah perempuan berusia 17–25 tahun, berpendidikan terakhir SMA, dan berasal dari kalangan pelajar, mahasiswa, atau pekerja swasta. Indeks kepuasan pengunjung terhadap pariwisata di Pantai Pulau Merah pada 2023–2024 berada dalam kategori puas, dengan skor tertinggi pada dimensi Atraksi (77,44%), Aksesibilitas (75,52%), Amenitas (76,65%), Keamanan (66,15%), dan Fasilitas Pendukung (72,38%). Akan tetapi, Fasilitas Pendukung masih perlu ditingkatkan karena indeks kepuasan baru mencapai cukup puas (66,15%), namun faktor utama yang menjadi prioritas perbaikan adalah Kondisi Rambu Lalu Lintas menuju lokasi wisata serta Ketersediaan Petugas Keamanan untuk meningkatkan kenyamanan pengunjung
===================================================================================================================================
The tourism sector has a strategic role in driving regional economic development, especially in Banyuwangi Regency which has positioned itself as a leading tourist destination through the branding “Banyuwangi Kota Wisata.” One of the mainstay tourist attractions in “The Diamond Triangle” strategy is Red Island Beach, which has attracted the attention of local and foreign tourists since the implementation of the International Surfing Competition in 2013. However, by 2024, Pulau Merah Beach faces a number of significant challenges, including infrastructure issues such as inadequate parking facilities and the unkempt condition of the musholla, which contribute to worsening the destination's image in the eyes of visitors. This study aims to evaluate the quality of tourism services at Pulau Merah Beach and the level of visitor satisfaction through the application of the Informance Performance Analysis (IPA) and Customer Satisfaction Index (CSI) methods. The IPA method is used to identify service attributes that require improvement, while CSI aims to measure the overall level of visitor satisfaction based on their performance and expectations of the services provided. The results of the analysis show that the majority of visitors to Red Island Beach are women aged 17-25 years, have a high school education, and come from students, college students, or private workers. The visitor satisfaction index for tourism on Red Island Beach a
Pemanfaatan Energi Getaran Akibat Aliran Udara Dalam Saluran Sebagai Sumber Energi Listrik Alternatif
No full textMasalah energi telah menjadi perhatian global yang serius. Banyak peneliti berusaha keras untuk mengembangkan pemanen energi yang inovatif. Salah satu pemanen energi yang masih sedikit pemanfaatankan sebagai pemanen energi getaran adalah elektromagnetik. hal ini perlu mengeksplorasi efektivitas dan aplikasi potensialnya di berbagai lingkungan. Salah satu aplikasi yang paling potensial dengan memanfaatkan getaran yang disebabkan oleh aliran fluida pada Heating, Ventilation, dan Air-Conditioning (HVAC) sebagai sumber energi baru terbarukan. Penelitian ini dilakukan dengan simulasi numerik dan eksperimen pada sistem circular cylinder/aerofoil yang ditopang oleh duabuah beam elastik. Simulasi numerik menggunakan perangkat lunak ANSYS FLUENT 2021 R2. Dengan model turbulen k-ω SST. Pada simulasi pertama-tama dilakukan pada model circular cylinder dengan variasi permukaan yang berbeda, yaitu Smooth Circular cylinder (SC), Concave Dimple Half Circular cylinder Forward (CVDHCF), dan Convex Dimple Half Circular cylinder Forward (CXDHCF), dengan sudut serang yang berbeda. Selanjutnya dilakukan pula simulasi dengan model benda uji berupa aerofoil simetris dan circular cylinder pada sudut serang yang sama. Ekperiment dilakukan pada sistem circular cylinder/aerofoil yang ditopang oleh duabuah beam elastik dengan menggunakan wind tunnel SLST WT-400 dengan vareasi kecepatan angin vareasi kecepatan angin, U (m/s) dari mulai 0,5 m/s ≤ U ≤ 4,5 m/s, dengan kenaikkan sebesar 0.5 m/s. Selanjutnya dilakukan identifikasi sistem dengan metoda getaran dan analisis menggunakan Hilbert dan Wavelet Transform. Dalam ekperiment energi getaran akibat aliran udara dalam saluran sebagai sumber energi listrik alternatif dilakukan vareasi beban resistance yang digunakan adalah 1 Ω ≤ R ≤ 9000Ω terhadap vareasi kecepatan angin.
Dari penelitian yang dilakukan, diketahui bahwa pada sistem circular cylinder/aerofoil yang ditopang oleh duabuah beam elastik tanpa kawat akan menghasilkan sistem getaran linear yang cocok dengan desain pemenen energi elektromanetik. Dalam desain pemanen energi elektromagntik perlu diminimalkan adanya pengaruh stroke agar tidak terdapat noise dan rentang frequency yang lebih tinggi. Kenaikkan Lift coef. (CL) dan penurunan koefisien hambat (CD). Hal ini sesuai dengan sudut stall aerofoil . Sebelum stall, aliran di atas aerofoil tetap menempel yang berarti bahwa sedikit atau tidak ada pemisahan yang terjadi. Aerofoil berperilaku kira-kira sesuai dengan teori aerofoil tipis, yang mengasumsikan aliran tak kental, dan menyatakan bahwa kemiringan kurva gaya angkat. Hal ini menyebabkan aerofoil menghasilkan tegangan dan daya yang dihasilkan pada bentuk smooth aerofoil (SA) lebih tinggi dibandingkan dengan smooth circular cylinder (SC).
==================================================================================================================================
Energi issues have become a serious global concern. Many researchers are striving to develop innovative energi harvesters. One of the energi harvesters that is still little utilized as a vibration energi harvester is elektromagnetik. It is necessary to explore its effectiveness and potential applications in various environments. One of the most potential applications is by utilizing vibration caused by fluid flow in Heating, Ventilation, and Air-Conditioning (HVAC) as a new renewable energi source. This research was conducted with numerical simulations and experiments on a circular cylinder/aerofoil system supported by two elastic beams. Numerical simulation using ANSYS FLUENT 2021 R2 software with turbulent model k-ω SST. The simulations were first performed on circular cylinder models with different surface variations, namely Smooth Circular cylinder (SC), Concave Dimple Half Circular cylinder Forward (CVDHCF), and Convex Dimple Half Circular cylinder Forward (CXDHCF), with different angles of attack. Furthermore, simulations were also conducted with symmetrical aerofoil and circular cylinder models at the same angle of attack. Experiments were conducted on the circular cylinder/aerofoil system supported by two elastic beams using the SLST WT-400 wind tunnel with wind speed variations, U (m/s) from 0.5 m/s ≤ U ≤ 4.5 m/s, with an increase of 0.5 m/s. Furthermore, system identification is done by vibration method and analysis using Hilbert and Wavelet Transform. In the vi | Page experiment of vibration energi due to airflow in the channel as a source of alternative electrical energi, the load resistance variation used is 1 Ω ≤ R ≤ 9000Ω against wind speed variation. From the research conducted, it is known that the circular cylinder/aerofoil system supported by two elastic beams without wires will produce a linear vibration system that matches the elektromagnetik energi harvester design. In the design of elektromagnetik energi harvesters, it is necessary to minimize the influence of stroke so that there is no noise and a higher frequency range. Increase in lift coefficient (CL) and decrease in drag coefficient (CD). This corresponds to the stall angle of the aerofoil . Before stall, the flow over the aerofoil remains attached which means that little or no separation occurs. The aerofoil behaves approximately according to the thin aerofoil theory, which assumes a viscous flow, and states that the slope of the lift curve. This causes the aerofoil to produce higher volt and power generated in the smooth aerofoil (SA)
Laporan Kerja Praktek Refactoring Sistem Informasi Manajemen Pengawas Ujian
No full textRefactoring Sistem Informasi Manajemen Pengawas Ujian bertujuan untuk meningkatkan efisiensi dan efektivitas dalam pengelolaan pengawas ujian di Institut Teknologi Sepuluh Nopember (ITS). Sistem ini dirancang untuk mempermudah pencatatan data pengawas, mengotomatiskan distribusi jadwal, serta menyediakan laporan administrasi yang lebih akurat dan terstruktur. Dalam kerja praktek ini, dilakukan perancangan ulang sistem menggunakan arsitektur union, yang membagi sistem ke dalam beberapa lapisan, yaitu core, infrastructure, presentation, dan provider. Proses refactoring mencakup analisis kebutuhan, perancangan infrastruktur sistem, implementasi backend menggunakan Laravel, serta pengujian dan evaluasi. Hasil dari refactoring ini menunjukkan peningkatan dalam performa sistem, kemudahan penggunaan, serta fleksibilitas dalam pengelolaan pengawas UTBK. Diharapkan dengan adanya pengembangan ini, sistem dapat mendukung pelaksanaan UTBK di ITS secara lebih optimal, meminimalkan kesalahan administratif, serta meningkatkan koordinasi antara pengawas dan tim pendukung.
================================================================================================================================
Refactoring the Exam Supervisor Management Information System aims to increase efficiency and effectiveness in managing exam supervisors at the Sepuluh Nopember Institute of Technology (ITS). This system is designed to make it easier to record supervisory data, automate schedule distribution, and provide more accurate and structured administrative reports. In this practical work, a system redesign was carried out using a union architecture, which divides the system into several layers, namely core, infrastructure, presentation, and provider. The refactoring process includes requirements analysis, system infrastructure design, backend implementation using Laravel, as well as testing and evaluation. The results of this refactoring show improvements in system performance, ease of use, and flexibility in managing UTBK supervisors. It is hoped that with this development, the system can support the implementation of UTBK at ITS more optimally, minimize administrative errors, and improve coordination between supervisors and support teams
Perancangan Energy Management Unit (EMU) Pada Sistem Daya Hybrid Proton Exchange Membrane Fuel Cell (PEMFC)
No full textEnergy Management Unit (EMU) dikembangkan untuk sistem daya hibrida yang mengintegrasikan Proton Exchange Membrane Fuel Cell (PEMFC), baterai litium-ion, superkapasitor 15.6 F, dan photovoltaic (PV) Trina Solar TSM-250PA05. EMU dirancang untuk mengatur distribusi daya secara efisien, mengurangi beban pada PEMFC, serta meningkatkan efisiensi dan keandalan operasional. Penggunaan sumber energi disesuaikan secara otomatis berdasarkan kondisi seperti state of charge (SOC) baterai, perubahan beban, dan ketersediaan energi dari PV. Superkapasitor digunakan untuk menangani lonjakan beban, mengoptimalkan konsumsi hidrogen, dan meningkatkan stabilitas daya. Dua algoritma pengaturan, yaitu Proportional Integral (PI) dan External Energy Management Strategy (EEMS), dibandingkan, dengan hasil yang menunjukkan bahwa EEMS lebih stabil dan efisien, mencapai efisiensi rata-rata 88,78%, sementara PI mencapai efisiensi 86,93%. Untuk meningkatkan performa, sistem kontrol EEMS disempurnakan dengan pendekatan Modified EEMS, yang memperbaiki respons terhadap variasi beban dengan mengurangi overshoot dan mempercepat waktu respons, mencapai efisiensi 89,05%. Penelitian ini dapat dikembangkan menjadi pembangkit listrik mini grid yang efisien untuk daerah-daerah terpencil yang belum terhubung dengan jaringan listrik.
====================================================================================================================================
An Energy Management Unit (EMU) has been developed for a hybrid power system that integrates Proton Exchange Membrane Fuel Cell (PEMFC), lithium-ion battery, 15.6 F supercapacitor, and Trina Solar TSM-250PA05 photovoltaic (PV). The EMU is designed to manage power distribution efficiently, reduce the load on the PEMFC, and enhance operational efficiency and reliability. The use of energy sources is automatically adjusted based on conditions such as the state of charge (SOC) of the battery, load changes, and PV energy availability. Supercapacitors are used to handle load surges, optimize hydrogen consumption, and improve power stability. Two control algorithms, Proportional Integral (PI) and External Energy Management Strategy (EEMS), are compared, with results showing that EEMS is more stable and efficient, achieving an average efficiency of 88.78%, while PI reaches 86.93%. To further enhance performance, the EEMS control system is improved with a Modified EEMS approach, which improves response to load variations by reducing overshoot and accelerating response time, achieving an efficiency of 89.05%. This research can be developed into an efficient mini-grid power generation system for remote areas not connected to the electrical grid
Studi Penanganan Muatan Kendaraan Listrik: Studi Kasus Panduan 8 Institusi Kemaritiman
No full textPeningkatan populasi kendaraan listrik membawa risiko baru bagi industri pelayaran, khususnya kapal RoRo yang berkaitan langsung dengan pengangkutan kendaraan ini. Risiko pada kendaraan listrik adalah bobotnya yang lebih berat, yang dapat memengaruhi stabilitas kapal, serta bahaya thermal runaway yang dapat menyebabkan kebakaran sulit dikendalikan. Adanya risiko ini menuntut penyesuaian penanganan oleh industri pelayaran. Namun karena kendaraan listrik merupakan teknologi yang cukup baru, kajian mengenai risikonya bagi kapal RoRo masih terbatas. Hingga saat ini, belum ada regulasi resmi mengenai penanganan kendaraan listrik di kapal, baik dari pemerintah nasional maupun internasional (IMO). Karena urgensitas isu ini, beberapa institusi maritim internasional (Biro Klasifikasi dan Lembaga Pemerintah) telah menerbitkan panduan penanganan kendaraan listrik di kapal, namun masih bersifat umum dan belum mencakup aspek praktis. Penelitian ini mengkaji risiko kendaraan listrik bagi kapal RoRo serta penanganannya yang paling optimal dan praktikal secara teknis dan biaya. Penelitian ini dilakukan dalam kerangka utama manajemen risiko, serta menggunakan metode perhitungan berbasis model excel, simulasi berbasis komputer, dan analisis biaya manfaat (CBA). Hasil penelitian ini menunjukkan bahwa kendaraan listrik memiliki risiko tinggi (high risk) menyebabkan overdraft pada kapal RoRo kecil (GT ~868), sementara risiko kebakaran masih tergolong menengah (medium risk). Namun, risiko kebakaran akan meningkat seiring waktu karena bertambahnya jumlah muatan kendaraan listrik berumur tua (~8 tahun) di kapal. Penanganan kendaraan listrik di kapal RoRo yang direkomendasikan adalah mencakup penggunaan Loading Computer untuk mitigasi risiko overdraft, serta penyediaan Designated Stowage Area (DSA) khusus kendaraan listrik dan Portable Water Curtain Hoses untuk mitigasi risiko kebakaran.
===================================================================================================================================
The increasing population of electric vehicles introduces new risks to the maritime industry, particularly for RoRo ships that are directly involved in transporting these vehicles. The primary risks associated with electric vehicles is their heavier weight, which can affect the ship’s stability, and the hazard of thermal runaway, which can lead to fires that are difficult to control. These risks necessitate adjustments in handling practices within the maritime industry. However, as electric vehicles remain a relatively new technology, studies on their risks to RoRo ships are still limited.As of now, no official regulations exist for handling electric vehicles on ships, either at the national level or from international bodies such as the IMO. Due to the urgency of this issue, several international maritime institutions, including classification societies and government agencies, have issued guidelines for handling electric vehicles on ships. However, these guidelines remain general and lack practical implementation details.This study examines the risks posed by electric vehicles to RoRo ships and identifies the most optimal and practical handling strategies from both technical and cost perspectives. The research is conducted within the framework of risk management and utilizes Excel-based modeling, computer simulations, and cost-benefit analysis (CBA). The findings indicate that electric vehicles pose a High Risk of causing overdraft on small RoRo ships (GT ~868), while the risk of fire remains moderate (Medium Risk). However, the risk of fire will increase over time as the number of older electric vehicles cargoes (~8 years old) on board grows. The recommended handling measures for electric vehicles on RoRo ships is using a Loading Computer to mitigate the risk of overdraft, and providing a Designated Stowage Area (DSA) specifically for electric vehicles, along with Portable Water Curtain Hoses to address fire hazards
Studi Seismotektonik Untuk Menentukan Perulangan Gempa Bumi Dangkal Mw ≥ 6,5 Di Provinsi Maluku
No full textProvinsi Maluku merupakan salah satu kawasan di Indonesia Timur dengan kondisi geologi yang kompleks. Keberadaan Busur Banda (Banda Arc) dan pertemuan beberapa lempeng mengakibatkan Provinsi Maluku memiliki seismisitas yang tinggi dan berpotensi untuk terjadi gempa bumi dengan magnitudo besar di masa mendatang. Oleh karena itu, analisis kerentanan dan waktu ulang (recurrence time) gempa bumi di wilayah Maluku diperlukan untuk mitigasi bencana gempa bumi secara berurutan dilakukan melalui pendekatan Gutenberg-Richter dan metode statistik melalui pendekatan distribusi Weibull, Gamma, dan Lognormal. Pada penelitian ini, data gempa bumi tahun 1970-2023 dengan Mw ≥ 6,5 diseleksi dan dikumpulkan untuk dilakukan declustering. Selanjutnya, estimasi parameter-parameter Gutenberg-Richter dan parameter-parameter yang dihasilkan melalui distribusi Weibull, Gamma, dan Lognormal dilakukan. Parameter Gutenberg-Richter yang dihasilkan dari penelitian ini ialah nilai a sebesar 8,39 dan nilai b sebesar 1,01 ± 0,02. Selain itu, nilai a dan b secara spasial mengindikasikan bahwa wilayah Pulau Buru dan Pulau Seram rentan terhadap gempa bumi dengan magnitudo besar, sedangkan nilai b secara temporal menunjukkan bahwa penurunan nilai b berkaitan dengan peningkatan stress sebelum terjadinya gempa bumi. Selanjutnya, berdasarkan tiga uji statistik (lnL, AIC, dan K-S) pada ketiga distribusi statistik (Weibull, Gamma, dan Lognormal) mengindikasikan bahwa distribusi Weibull merupakan distribusi yang paling sesuai untuk menentukan probabilitas gempa bumi di Provinsi Maluku. Hasil penentuan waktu ulang (recurrence time) gempa bumi di Provinsi Maluku dengan Mw ≥ 6,5 dan d ≤ 60 km ini adalah sebesar 4 tahun untuk probabilitas > 0,8 dan 6 tahun untuk probabilitas > 0,9 dihitung sejak kejadian gempa bumi terakhir pada tahun 2023.
=================================================================================================================================
Maluku Province is one of Eastern Indonesia region which have complex geological condition. Banda Arc and convergence of several active plates contribute on high seismicity and large magnitude earthquake could potentially occur in the future. Thus, vulnerability analysis and earthquake recurrence time on Maluku are required for earthquake mitigation by Gutenberg-Richter relationship and statistic method from Weibull, Gamma, and Lognormal distribution, respectively. In this research, earthquake data in 1970-2023 with Mw ≥ 6.5 is collected and declustered. Gutenberg-Richter parameters and model parameters of Weibull, Gamma, and Lognormal distribution are estimated. Based on Gutenberg-Richter Law calculation, a-value is 8.39 and b-value is 1.01 ± 0.02. Spatial calculation on both a and b-value indicate that area around Buru Island and Seram Island are vulnerable to large magnitude earthquake, meanwhile temporal calculation on b-value shows that b value dropping is related to stress accumulation before earthquake occur. On the other side, based on three statistical testing (lnL, AIC, dan K-S) applied on three distributions (Weibull, Gamma, and Lognormal), Weibull distribution is the most suitable to determine earthquake probability in Maluku Province. Earthquake probability calculation result shows recurrence time in Maluku Province with Mw ≥ 6.5 and depth d ≤ 60 km is 4 years with probability > 0.8 and 6 years for probability > 0.9 from last earthquake on 2023
Optimasi Hyperparameter Autoencoder sebagai Ekstraksi Fitur dan XGBoost untuk Deteksi Keausan dan Tingkat Keparahan pada Roda Gigi
No full textKeausan pada roda gigi umum terjadi akibat meshing yang terus-menerus antar gigi. Untuk mengurangi downtime, deteksi keausan menggunakan machine learning diterapkan dengan pendekatan data-driven vibration analysis. Selain itu, supaya perawatan lebih sesuai dengan kondisi aktual, deteksi tingkat keparahannya juga diterapkan. Namun, ekstraksi fitur sering kali menjadi tantangan, karena korelasi antar fitur yang tidak lagi linier. Autoencoder semakin populer karena kemampuannya mengekstrak fitur dari data yang lebih kompleks. Sementara itu, untuk menangani data yang tidak seimbang dan klasifikasi multi kelas, XGBoost dapat memberikan hasil yang lebih baik tanpa memerlukan normalisasi. Oleh karenanya penelitian ini bertujuan untuk memvalidasi model algoritma Autoencoder-XGBoost dengan mengoptimalkan hiperparameter-nya melalui tuning dengan Random Search. Tuning pada setiap algoritma dilakukan untuk menemukan kombinasi hiperparameter terbaik guna mengurangi overfitting dan underfitting. Dataset open source dari Tsinghua University digunakan, dengan fokus pada empat kondisi: keausan rendah, keausan sedang, keausan tinggi, dan gear sehat pada kecepatan poros input 1000 RPM. Setiap dataset memiliki jumlah sampel 1500 sampel, sehingga total sampel untuk deteksi keausan adalah 6000 sampel, sedangkan untuk deteksi tingkat keparahan terdapat 4500 dengan sampel yang sama, namun sampel gear sehat tidak digunakan. Data uji sebesar 20% dari total sampel yang digunakan untuk evaluasi. Latent space Autoencoder juga diterapkan pada Logistic Regression, KNN, Naive Bayes, dan Random Forest, lalu dibandingkan dengan performa XGBoost. Hasilnya menunjukkan bahwa model yang diusulkan dapat mendeteksi keausan dan tingkat keparahan lebih baik dibandingkan model lainnya yaitu dengan akurasi pada deteksi keausan adalah 92% serta presisi, recall, dan F-1 score yaitu 89%. Sementara itu semua metrik evaluasi pada deteksi tingkat keparahan mencapai 77%. Performa multi-class classification lebih rendah daripada binary-class classification, karena meningkatnya kompleksitas yang menyebabkan kesulitan dalam generalisasi. Namun, model yang diajukan tetap mampu membedakan kelas dengan baik, sebagaimana ditunjukkan oleh grafik AUC pada tugas kelas biner mencapai 96% dan 92% untuk tugas klasifikasi multi kelas. Performa yang lebih rendah disebabkan oleh keputusan hasil prediksi yang meleset sebab threshold yang digunakan masih default yaitu 0.5, yang dalam model ini menjadi kurang optimal. Oleh karenanya, penelitian selanjutnya threshold penting untuk dilibatkan dalam melakukan optimasi model.
=====================================================================================================================================
Gear Wear commonly occurs due to the frequent meshing between teeth. To minimize downtime, wear detection using machine learning is applied using a data driven vibration approach. Additionally, to ensure that the applied maintenance strategy aligns with the actual condition, severity detection is incorporated. Feature extraction can be challenging to handle, as the feature correlation is no longer linear. Autoencoder has gained popularity due to its capability to extract meaningful features from complex data. To handle unbalanced data and multi-class classification, XGBoost can provide better results without requiring normalization. Therefore, this study aims to validate the Autoencoder-XGBoost model by optimizing its hyperparameters through Random Search. Tuning on each algorithm is conducted to identify the optimal combination of hyperparameters that can reduce overfitting and underfitting. An open source dataset from Tsinghua University is utilized, specifically focusing on: low wear, medium wear, high wear, and healthy gear datasets at an input shaft speed of 1000 RPM. Each dataset consists of a meaningful sample size of 1500 samples, resulting in a total of 6000 samples for wear detection and 4500 samples for severity detection with the same samples, excluding healthy gear samples. The test data comprises 20% of the total samples. To further evaluate performance, the latent space of Autoencoder is also applied to Logistic Regression, KNN, Naive Bayes, and Random Forest, which are then compared against XGBoost. The results demonstrate that the proposed model can detect wear and severity better than other models, with an accuracy of 92% in wear detection, and precision, recall, F-1 score of 89%. While severity detection achieves 77% across all metrics. The performance of multi-class classification is lower than binary-class classification, due to its increased complexity, making generalization more challenging. However, the proposed model effectively differentiates between classes, as evidenced by the AUC graph of 96% for the binary-class classification and 92% for multi-class classification. The lower performance is attributed to misclassification caused by the default threshold of 0.5, which is not yet optimized for this model. Therefore, further research should focus on optimizing the threshold to improve model performance
Studi Numerik Analisis Kebocoran Gas Buang (Co dan CO₂) pada Ruang Mesin Kapal Perang Jenis Landing Ship Tank (LST)
No full textKapal LST (Landing Ship Tank) merupakan jenis kapal Angkatan laut yang berfungsi sebagai berfungsi sebagai kapal angkut tank tempur utama milik TNI Angkatan Darat jenis Leopard dan Tank BMP 3F milik Marinir dalam suatu operasi amphibi (pendaratan). Paparan panas (heat exposure) yang berlebihan pada ruang mesin kapal KRI jenis Landing Ship Tank (LST) menyebabkan ketidaknyamanan pada awak kapal yang bekerja pada ruang. Kebocoran CO dan CO₂ dapat menyebabkan peningkatan suhu di ruang mesin, yang tidak hanya mempengaruhi kinerja mesin tetapi juga kondisi kerja yang aman bagi awak kapal. Perubahan suhu ini juga dapat berdampak pada tingkat kelembapan di ruang mesin. Kebocoran CO dan CO₂ menyebabkan awak kapal mengalami gangguan pernafasan, pusing, lemas, mual. Dampak yang paling parah jika lama terpapar karbon monoxida secara berlebihan akan mengakibatkan kematian. Tidak hanya dari sisi kesehatan, pada kinerja mesin Kebocoran gas buang hasil pembakaran (CO dan CO₂) dapat mengurangi efisiensi pembakaran pada mesin karena kedua gas ini dapat mengurangi konsentrasi oksigen yang tersedia untuk pembakaran. Hal ini dapat menyebabkan penurunan efisiensi mesin dan meningkatkan konsumsi bahan bakar. Dengan mempertimbangkan studi literatur yang telah disebutkan sebelumnya, studi numerik dalam penelitian ini menggunakan geometri ruang mesin KRI jenis LST. Penelitian ini menerapkan variasi beban mesin 50%, 75%, dan 100% untuk mengetahui persebaran dari carbon dioxida dan carbon monoxida yang mengalir pada ruang mesin kapal LST. Geometri ruangan yang di simulasikan menggunakan ANSYS Fluent 2019 ini berukuran 17.3m x 20.5m x 4.45m. Simulasi ini menggunakan dimensi 3D unsteady flow dengan model turbulensi k-ε realizable, 3-D unsteady. Penelitian ini menganalisis distribusi CO₂ dan CO di ruang mesin kapal LST pada beban mesin 50%, 75%, dan 100%. Pada beban penuh, konsentrasi CO₂ mencapai 23402.5 ppm dan CO sebesar 225 ppm, melebihi batas aman dengan risiko kesehatan serius seperti heat stress. Analisis streamline menunjukkan aliran sekunder yang menciptakan zona pusaran (recirculation zones), menyebabkan gas terperangkap lebih lama akibat sirkulasi udara yang tidak optimal. Kondisi ini meningkatkan konsentrasi gas di area kritis, terutama di dekat sumber kebocoran, sehingga awak kapal di area tersebut menghadapi paparan lebih tinggi. Penelitian ini menekankan pentingnya desain ventilasi yang optimal, pemantauan gas yang cermat, dan langkah mitigasi yang efektif untuk mengurangi risiko paparan gas beracun dan panas bagi keselamatan awak kapal.
================================================================================================================================
The LST (Landing Ship Tank) is a type of naval vessel designed to transport the main battle tanks of the Indonesian Army, such as the Leopard tank, and the Marine Corps' BMP 3F tanks during amphibious operations (landings). Excessive heat exposure in the engine room of KRI Landing Ship Tank (LST) class vessels causes discomfort for the crew working in the space. CO and CO₂ leaks can increase temperatures in the engine room, affecting not only engine performance but also safe working conditions for the crew. These temperature changes may also impact humidity levels in the engine room. CO and CO₂ leaks can cause respiratory problems, dizziness, fatigue, and nausea among the crew. Prolonged excessive exposure to carbon monoxide can result in fatal consequences. Beyond health impacts, CO and CO₂ leaks also reduce engine combustion efficiency, as these gases lower the oxygen concentration available for combustion. This can lead to decreased engine efficiency and increased fuel consumption. Based on the aforementioned literature, this numerical study utilizes the geometry of the KRI LST-class engine room. The study applies engine load variations of 50%, 75%, and 100%, respectively to analyze the distribution of carbon dioxide and carbon monoxide in the LST engine room. The simulated geometry, modeled using ANSYS Fluent 2019, measures 17.3 m x 20.5 m x 4.45 m. The simulation employs a 3D unsteady flow with a realizable k-ε turbulence model. This study analyzes the distribution of CO₂ and CO in the engine room of LST vessels at engine loads of 50%, 75%, and 100%, respectively. At full load, CO₂ concentration reaches 23402.5 ppm and CO reaches 225 ppm, exceeding safety thresholds and posing serious health risks, such as heat stress. Streamline analysis shows secondary flows creating recirculation zones, where gases remain trapped longer due to inefficient air circulation. This condition increases gas concentration in critical areas, particularly near the leak source, exposing crew in those areas to higher risks. This study emphasizes the importance of optimal ventilation design, accurate gas monitoring, and effective mitigation measures to minimize the risks of toxic gas and heat exposure for crew safety
Studi Analisis Performa Model Machine Learning Forecasting untuk Prediksi Kegagalan Peralatan Coal Mill pada PT PLN Nusantara Power Unit Pembangkit Indramayu
No full textPT PLN Nusantara Power terus mendorong penerapan teknologi Industri 4.0, termasuk digitalisasi dan otomatisasi sistem pembangkit listrik, untuk meningkatkan efisiensi dan keandalan operasional. Salah satu tantangan utama di Unit Pembangkit Indramayu adalah kegagalan pada Coal Mill, yang menjadi penyumbang utama kerugian output berdasarkan analisis Pareto Loss Output (PLO) tahun 2021. Kegagalan ini menyebabkan downtime signifikan dan menurunkan nilai Mean Time Between Failure (MTBF) peralatan secara keseluruhan.
Model machine learning berbasis algoritma Long Short-Term Memory (LSTM) dan Gradient Boosting Classifier diterapkan untuk memprediksi potensi plugging (penyumbatan) pada Coal Mill. Data historis dari 14 sensor utama, yang mencakup parameter seperti arus motor, suhu, dan rasio bahan bakar terhadap udara, digunakan sebagai input. Model LSTM dirancang untuk memberikan prediksi numerik terkait kondisi operasi Coal Mill serta memberikan peringatan dini. Gradient Boosting Classifier memverifikasi hasil prediksi LSTM dengan mengklasifikasikan kondisi operasional menjadi normal atau potensi plugging.
Model diuji dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian. Validasi dilakukan menggunakan metrik Root Mean Square Error (RMSE) untuk LSTM, yang menghasilkan nilai 0,88, dan F1 Score untuk Gradient Boosting Classifier, yang mencapai 0,99. Nilai R² (R Square) sebesar 0,89 menunjukkan bahwa model LSTM mampu menjelaskan 89% variabilitas data. Hasil pengujian menunjukkan bahwa model dapat memberikan peringatan dini sekitar 20 menit sebelum kegagalan terjadi, membantu meningkatkan nilai MTBF dan mengurangi risiko downtime. Implementasi model ini mengidentifikasi variabel sensor yang berkontribusi signifikan, dan memvalidasi akurasi prediksi. Model ini diharapkan dapat meningkatkan keandalan dan efisiensi operasional Coal Mill di PLTU Indramayu.
==================================================================================================================================
PT PLN Nusantara Power continues to promote the implementation of Industry 4.0 technologies, including the digitalization and automation of power plant systems, to enhance operational efficiency and reliability. One of the main challenges faced by the Indramayu Power Plant Unit is failures in the Coal Mill, which significantly contribute to output losses based on the Pareto Loss Output (PLO) analysis in 2021. These failures result in substantial downtime and reduce the Mean Time Between Failure (MTBF) of the equipment overall.
A machine learning model based on Long Short-Term Memory (LSTM) and Gradient Boosting Classifier algorithms was applied to predict potential plugging (blockage) in the Coal Mill. Historical data from 14 key sensors, capturing parameters such as motor current, temperature, and fuel-to-air ratio, were used as input. The LSTM model was designed to provide numerical predictions related to Coal Mill operational conditions and deliver early warnings. The Gradient Boosting Classifier verified LSTM predictions by classifying operational conditions as either normal or indicative of potential plugging.
The model was tested with an 80% data split for training and 20% for testing. Validation was conducted using the Root Mean Square Error (RMSE) metric for LSTM, which yielded a value of 0.88, and the F1 Score for Gradient Boosting Classifier, which reached 0.99. An R² (R Square) value of 0.89 indicated that the LSTM model could explain 89% of data variability. Test results showed that the model could provide early warnings approximately 20 minutes before a failure occurred, enhancing MTBF values and reducing downtime risks. The model implementation identified key sensor variables contributing significantly, validated prediction accuracy, and is expected to improve the reliability and operational efficiency of the Coal Mill at the Indramayu Power Plant