📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6,268 dokumenANALISIS FATIGUE LOKAL PADA KOMPONEN KRITIS BLADE TURBOPROP PROPELLER KOMPOSIT DENGAN STRUKTUR SPAR REINFORCEMENT
Struktur komposit pada propeller blade pesawat turboprop rentan terhadap kegagalan lelah (fatigue) akibat pembebanan dinamis yang berpusat pada komponen struktural utamanya. Penelitian ini bertujuan mengevaluasi umur lelah pada dua komponen model blade tiruan Hamilton Standard 568F, yaitu struktur skin dan spar reinforcement. Analisis dilakukan menggunakan Metode Elemen Hingga (FEM) dengan pendekatan sub-modeling. Beban operasional yang diaplikasikan pada model merupakan kombinasi dari gaya aerodinamika, gaya sentrifugal, dan gaya gravitasi. Karena keterbatasan data empiris fluktuasi tegangan bawah pada saat operasional, evaluasi umur komponen dilakukan melalui studi parametrik menggunakan variasi stress ratio. Evaluasi degradasi material dihitung secara analitik menggunakan kriteria tegangan searah serat, koreksi tegangan rata-rata Goodman, model estimasi siklus lelah Basquin Power Law, serta akumulasi kerusakan Palmgren-Miner sesuai profil misi penerbangan. Untuk memungkinkan prediksi umur menggunakan kriteria Palmgren-Miner tersebut, material komposit pada penelitian ini diasumsikan berperilaku layaknya material isotropik seperti logam. Penelitian ini murni merupakan preliminary study, sehingga proyeksi rentang umur aman operasional, safe-life, yang dihasilkan tidak dapat dijadikan acuan untuk perancangan maupun perawatan struktur propeller di masa mendatang.
EBSTAT: POTENSIOSTAT BERBASIS AFE LMP91000 UNTUK READER RESOLUSI TINGGI PADA SENSOR ELEKTROKIMIA
Metode biosensor elektrokimia menjadi salah satu alternatif diagnostik point-ofcare (POCT) karena sifatnya yang cepat dan hasilnya yng bersifat kuantitatif. Penelitian ini mengembangkan dan memvalidasi EBstat, sebuah instrumen potensiostat custom-built berbasis mikrokontroler nRF52840 dan IC analog frontend (AFE) LMP91000, dengan antarmuka pengguna berbasis aplikasi Android. EBstat dirancang untuk melakukan lima teknik voltametri, yaitu chronoamperometry (CA), cyclic voltammetry (CV), normal pulse voltammetry (NPV), differential pulse voltammetry (DPV), dan square ware voltammetry (SWV). Validasi dilakukan melalui pengukuran dummy cell, pengukuran larutan standar kalium ferisianida (K3[Fe(CN)6]) pada elektroda screen-printed carbon (SPCE). Performa EBstat dibandingkan dengan potensiostat komersial PalmSens4 dengan menggunakan analisis Bland-Altman, serta ditentukan resolusi pembacaannnya dalam bentuk limit of detection (LoD) dan limit of quantification (LoQ). Hasil pengukuran menunjukkan bahwa EBstat mampu mengukur arus puncak pada metode CV, DPV, NPV, dan SWV dengan linearitas R2 sebesar 0.97- 0.99, sesuai dengan persamaan Randles–Šev?ík. Akan tetapi, pengukuran metode CA masih belum menyerupai performa PalmSens4 dan metode NPV tidak dapat dilakukan analisis Bland-Altman karena parameter yang digunakan membatasi profilnya pada PalmSens4. Analisis Bland-Altman menunjukkan bias pengukuran sebesar 0.66 ?A (LoA: -12.04 hingga 13.36 ?A) pada CV, bias persentase -119.11% (LoA: -102.57% hingga -135.65%) pada DPV yang mengindikasikan overestimasi arus secara konsisten, dan bias logaritmik sebesar -0.04 (setara rasio EBstat/PalmSens4 ? 0,96) pada SWV dengan rentang LoA yang cukup lebar. Nilai LoD dan LoQ EBstat pada metode DPV masing-masing sebesar 26.94 ?M dan 75.62 ?M, sedangkan pada SWV sebesar 89.81 ?M dan 252.07 ?M, menunjukkan DPV memberikan sensitivitas deteksi yang lebih baik dibandingkan dengan SWV. Secara keseluruhan, EBstat berpotensi menjadi alternatif potensiostat yang murah dan portabel untuk aplikasi POCT, dengan mekanisme pemilihan resistansi transimpedans (RTIA) yang diduga menjadi sumber utama bias pengukuran dan menjadi target perbaikan pada pengembangan selanjutnya.
USULAN KEBIJAKAN JEDA ANTARDINASAN MASINIS: KAJIAN DI PT KERETA API INDONESIA (PERSERO)
Kelelahan merupakan salah satu faktor risiko utama yang mengancam keselamatan operasional perkeretaapian yang dapat dikendalikan melalui penentuan durasi jeda antardinasan yang tepat. Namun, PT Kereta Api Indonesia (Persero) hingga saat ini belum memiliki kebijakan jeda antardinasan yang didasarkan pada bukti empiris memadai. Penelitian ini bertujuan mengevaluasi tingkat kelelahan masinis, menentukan rekomendasi durasi jeda antardinasan yang optimal, serta mengusulkan strategi mitigasi risiko kelelahan masinis PT KAI. Pendekatan campuran (mixed methods) digunakan, meliputi pengukuran kuantitatif menggunakan instrumen objektif untuk mengukur kecepatan reaksi dan durasi kedipan mata (Psychomotor Vigilance Task/PVT dan Blink Duration) dan subjektif untuk mengukur tingkat kantuk dan kelelahan, serta beban mental yang dirasakan masinis selama dinasan (KSS, VAS, NASA-TLX, dan RSME) pada kru kedudukan dan kru tamu dengan jeda ?12 jam dan >12 jam, serta Focus Group Discussion (FGD) yang dianalisis secara tematik. Hasil menunjukkan seluruh instrumen konsisten mengindikasikan peningkatan kelelahan yang bermakna setelah dinasan pada kedua kru, dengan kelompok jeda ?12 jam mencatatkan akumulasi kelelahan yang lebih tinggi; durasi jeda berkorelasi negatif signifikan dengan Blink Duration. Temuan kualitatif mengidentifikasi enam tema penyebab kelelahan, meliputi ketidakcukupan jeda antardinasan, pola dinasan, fasilitas istirahat, kondisi kabin, faktor organisasional, serta dukungan manajemen. Berdasarkan temuan tersebut, penelitian ini merekomendasikan jeda antardinasan minimal >12 jam sebagai kebijakan baku, dengan rentang 10–12 jam untuk kru tamu dan 12–14 jam untuk kru kedudukan. Rekomendasi ini telah disepakati bersama PT KAI dan bersifat adaptif selama tidur efektif minimal 7 jam dan fasilitas istirahat kondusif terpenuhi. Implementasi rekomendasi ini didukung oleh strategi mitigasi berbasis model Fatigue Risk Control (Williamson) yang disusun secara berjenjang: pencegahan kelelahan sebelum dinasan melalui standardisasi jeda dan fasilitas istirahat, pengelolaan performa selama dinasan melalui perbaikan ergonomi kabin dan protokol pelaporan kelelahan, hingga mitigasi insiden sebagai jaring pengaman terakhir melalui kalibrasi sistem pemantauan dan optimalisasi perangkat keselamatan. Kajian lanjutan disarankan dilakukan secara longitudinal untuk memantau perubahan tingkat kelelahan masinis seiring implementasi kebijakan.
PENGEMBANGAN PROCESS-SUPERVISED MULTI-AGENT RETRIEVAL-AUGMENTED GENERATION UNTUK PEMENUHAN CONSTRAINT PADA SISTEM REKOMENDASI ITINERARY WISATA STUDI KASUS: WILAYAH BANDUNG
Perencanaan itinerary wisata melibatkan pemilihan destinasi, penyusunan urutan kunjungan, serta pemenuhan batasan anggaran, waktu, jam operasional, dan preferensi pengguna. Persoalan ini dikenal dalam literatur sebagai Tourist Trip Design Problem (TTDP), sebuah persoalan NP-hard. Large Language Model (LLM) memungkinkan pengguna menyampaikan kebutuhan dalam bahasa alami, tetapi pendekatan berbasis prompt tunggal masih rentan menghasilkan rekomendasi yang tidak didukung data atau tidak layak secara logistik. Tugas akhir ini mengembangkan arsitektur Process-Supervised Multi-Agent Retrieval-Augmented Generation (RAG) untuk sistem rekomendasi itinerary wisata Bandung, yang membagi proses perencanaan ke beberapa agen dan menerapkan process supervision melalui gate, validator, dan evaluator pada setiap tahap. Evaluasi terhadap 20 skenario menunjukkan sistem mengungguli Naïve RAG, Single-Agent RAG, dan Multi-Agent RAG tanpa process supervision pada sebagian besar metrik, dengan Constraint Fulfillment 0,858, Faithfulness 0,990, Answer Relevance 0,595, Context Precision 0,675, Micro Pass Rate 0,844, Macro Pass Rate 0,700, dan Delivery Rate 1,000, meskipun pemenuhan preferensi semantik khusus masih terbatas.
PREDIKSI HANDOVER VERTIKAL PADA JARINGAN TERINTEGRASI NTN-TN MENGGUNAKAN ALGORITMA KLASIFIKASI BERBASIS ENSEMBLE TREE
Integrasi Non-Terrestrial Network (NTN) dengan Terrestrial Network (TN) menjadi salah satu arah pengembangan jaringan 5G/6G untuk memperluas cakupan layanan, terutama pada wilayah terpencil dan kondisi pascabencana. High Altitude Platform Station (HAPS) menjadi pelengkap BTS TN karena mampu menyediakan footprint yang luas dengan latensi dan path loss yang lebih rendah dibandingkan satelit. Namun, integrasi ini menimbulkan tantangan baru pada mekanisme handover (HO) vertikal antara sel HAPS dan gNB terrestrial, karena mekanisme HO konvensional berbasis threshold bersifat reaktif dan kurang adaptif terhadap heterogenitas kanal lintas domain, sehingga rentan terhadap kegagalan HO, ping-pong effect, dan late HO. Penelitian terdahulu yang mengusulkan solusi berbasis Artificial Intelligence (AI) umumnya masih berfokus pada optimasi akurasi prediksi tanpa menyediakan platform evaluasi yang memungkinkan perbandingan langsung dengan metode konvensional, serta belum banyak memanfaatkan dataset yang merepresentasikan skenario HO vertikal antara TN dan HAPS. Penelitian ini bertujuan merancang dan menghasilkan mekanisme prediksi HO vertikal otomatis berbasis AI pada jaringan heterogen HAPS dan 5G New Radio (NR) yang mampu memprediksi keberhasilan HO ke target cell secara adaptif terhadap perubahan kondisi kanal dan mobilitas pengguna, sekaligus dievaluasi performanya terhadap metode konvensional berbasis A3-event. Sistem dikembangkan melalui tiga subsistem yang terintegrasi, yaitu subsistem simulasi dan generasi dataset, subsistem pengolahan data dan visualisasi, serta subsistem AI. Simulasi jaringan heterogen yang terdiri atas satu HAPS dan tiga gNB dibangun menggunakan NS-3 untuk menghasilkan dataset sintetik berisi parameter sinyal radio sebelum HO (pre-HO). Model klasifikasi Random Forest kemudian dilatih menggunakan fitur margin sinyal antarsel, nilai RSRP terbaik, rentang RSRP, serta representasi target cell untuk memprediksi keberhasilan HO, dengan pembagian data berbasis simulation run guna mencegah data leakage. Hasil prediksi divisualisasikan melalui dashboard yang menampilkan label prediksi, tingkat confidence, serta metrik performa model. Pengujian terhadap 15.000 sampel hasil 500 kali simulasi menunjukkan bahwa model Random Forest yang dikembangkan mencapai akurasi sebesar 90,91%, F1-macro sebesar 88,80%, dan ROC-AUC sebesar 94,48% pada test set, dengan selisih F1-score antara data latih dan validasi sebesar 2,18%, yang menunjukkan model tidak mengalami overfitting yang signifikan. Pada pengujian Download Successful Rate (DSR) terhadap 50 skenario, mekanisme HO proaktif berbasis Random Forest menghasilkan DSR sebesar 88%, lebih tinggi 18 poin persentase dibandingkan mekanisme HO reaktif konvensional berbasis A3-event yang memperoleh DSR sebesar 70%. Hasil ini membuktikan hipotesis penelitian bahwa model AI yang dilatih pada fitur parameter radio pre-HO mampu memprediksi keberhasilan HO secara akurat sekaligus meningkatkan kontinuitas layanan dibandingkan pendekatan konvensional. Kebaruan penelitian ini terletak pada penyediaan platform evaluasi yang memungkinkan perbandingan langsung dan setara antara mekanisme HO prediktif berbasis AI dengan mekanisme HO konvensional berbasis threshold pada jaringan heterogen HAPS-TN, serta penyediaan dataset sintetik HO vertikal yang masih jarang tersedia pada penelitian sebelumnya. Penelitian ini diharapkan dapat menyumbangkan kontribusi pada pengembangan mekanisme mobilitas cerdas berbasis AI untuk arsitektur jaringan 5G/6G yang lebih heterogen dan adaptif, mendukung resiliensi komunikasi pada kondisi darurat dan pascabencana, serta menjadi acuan dan testbed bagi penelitian lanjutan mengenai prediksi HO pada jaringan NTN-TN.
APLIKASI CYBER KILL CHAIN DALAM PREDIKSI ENTITY UNDER THREAT PADA TON IOT NETWORK DATASET MENGGUNAKAN ALGORITMA MACHINE LEARNING BOOSTING TREE
abstrak bisa dilihat di filenya
APLIKASI CYBER KILL CHAIN DALAM PREDIKSI ENTITY UNDER THREAT PADA TON IOT NETWORK DATASET MENGGUNAKAN ALGORITMA MACHINE LEARNING BAGGING
Di era digital, serangan siber telah menjadi salah satu perhatian utama bagi hampir seluruh institusi. Di antara berbagai jenis serangan tersebut, serangan bertahap (multi-stage attack) merupakan salah satu kelompok serangan yang paling berbahaya. Serangan ini dilakukan melalui serangkaian tahapan sebelum mencapai tujuan akhirnya, bahkan tujuan tersebut dapat dicapai melalui beberapa tahap lanjutan. Karakteristik tersebut memberikan peluang bagi Security Operations Centre (SOC) untuk memanfaatkan informasi dari tahapan awal serangan guna memprediksi serangan pada tahap berikutnya. Dalam praktiknya, deteksi berbasis MITRE ATT&CK dan deteksi berbasis anomali merupakan dua pendekatan yang umum digunakan untuk mendeteksi serangan siber. Meskipun demikian, kedua pendekatan tersebut memiliki keterbatasan. MITRE ATT&CK membutuhkan sumber daya yang relatif besar untuk diimplementasikan, sedangkan model berbasis anomali umumnya belum memanfaatkan informasi dari tahapan serangan sebelumnya secara optimal. Di sisi lain, Cyber Kill Chain (CKC) dari Lockheed Martin memodelkan serangan bertahap sebagai rangkaian tahapan yang dilakukan secara sekuensial. Pada penelitian ini, tujuh tahapan CKC disederhanakan menjadi tiga tahap operasional, yaitu reconnaissance, privilege escalation, dan exploitation. Penyederhanaan tersebut menghasilkan kerangka kerja yang tetap mampu memanfaatkan informasi historis dari tahapan serangan dengan kebutuhan sumber daya yang relatif lebih rendah dibandingkan implementasi MITRE ATT&CK. Berdasarkan pendekatan tersebut, penelitian ini bertujuan untuk merancang dan mengembangkan arsitektur machine learning yang mampu memprediksi entitas yang berada dalam bahaya berdasarkan hasil deteksi serangan pada tahapan sebelumnya, beserta dashboard untuk memvisualisasikan hasil prediksi tersebut. Untuk memenuhi tujuan penelitian, telah dirumuskan empat persyaratan desain. Pertama, sistem harus mampu mendeteksi serangan tahap 1 dan tahap 2 dengan nilai recall minimal sebesar 80%. Kedua, sistem harus mampu memprediksi entitas yang berpotensi menjadi target serangan tahap 3 dengan nilai recall minimal sebesar 70%. Ketiga, sistem harus memperoleh System Usability Score (SUS) minimal sebesar 80%. Keempat, seluruh data dan visualisasi pada dashboard harus dapat ditampilkan tanpa kegagalan Sistem yang dikembangkan terdiri atas dua subsistem yang saling terintegrasi, yaitu Subsistem 1: Machine Learning Models dan Subsistem 2: User Interface. Subsistem 1: Machine Learning Models dibangun dalam dua level, yaitu level aktivitas jaringan dan level entitas. Level aktivitas jaringan bertugas mendeteksi serangan tahap 1 dan tahap 2 serta menghasilkan probabilitas terjadinya serangan. Selanjutnya, level entitas memanfaatkan informasi tersebut untuk memprediksi dst_ip yang berpotensi menjadi target serangan tahap 3. Di sisi lain, Subsistem 2: User Interface menerima keluaran dari setiap model beserta data network flow untuk ditampilkan dalam bentuk dashboard interaktif. Hasil pengujian menunjukkan bahwa objektif pada Subsistem 1: Machine Learning Models berhasil dipenuhi. Pada level aktivitas jaringan, model Random Forest menghasilkan recall sebesar 88% untuk deteksi serangan tahap 1 dan 82% untuk deteksi serangan tahap 2. Sementara itu, pada level entitas, arsitektur Random Forest to XGBoost, yaitu Random Forest sebagai stage probability generator dan XGBoost sebagai model prediksi utama, memperoleh recall sebesar 78%. Selain itu, penelitian ini juga membandingkan performa arsitektur tersebut dengan pendekatan prediksi langsung tanpa memanfaatkan informasi serangan historis sebagai sinyal tambahan untuk membantu prediksi. Pendekatan tersebut menghasilkan performa terbaik sebesar 67% recall menggunakan model XGBoost. Hasil ini menunjukkan bahwa penerapan CKC sebagai dasar penyusunan arsitektur prediksi mampu meningkatkan performa prediksi entitas dalam bahaya dibandingkan pendekatan prediksi langsung, dengan peningkatan kebutuhan komputasi yang relatif tidak signifikan. Pengujian terhadap Subsistem 2: User Interface juga menunjukkan bahwa seluruh objektif telah terpenuhi. Hasil evaluasi menghasilkan nilai System Usability Score sebesar 86%, sementara seluruh data dan visualisasi pada dashboard berhasil ditampilkan dengan baik tanpa mengalami kegagalan.
PERANCANGAN SISTEM PASCAPANEN FILLET IKAN PATIN (PANGASIUS SP.) DENGAN EDIBLE COATING KITOSAN DAN CARBOXYMETHYL CELLULOSE (CMC) UNTUK MEMPERTAHANKAN KUALITAS DAN MEMPERPANJANG UMUR SIMPAN
Industri pengolahan ikan patin (Pangasius sp.) saat ini menghadapi tantangan kritis berupa kehilangan pangan (food loss) pascapanen yang mencapai 35%, akibat degradasi mikrobiologis dan oksidatif yang berlangsung selama proses penanganan dan penyimpanan. Kondisi ini secara langsung menurunkan efisiensi rantai pasok sekaligus membatasi daya saing produk Fillet patin di pasar yang menuntut standar mutu dan keamanan pangan tinggi. Menjawab tantangan tersebut, dirancang sebuah fasilitas pengolahan Fillet patin berkapasitas 120.000 kg/tahun yang secara menyeluruh mengintegrasikan standar Good Manufacturing Practices (GMP), ISO 22000, dan sistem HACCP guna memastikan keamanan, mutu, dan daya saing produk secara berkelanjutan. Sebagai inovasi utama, sistem ini menerapkan active packaging berbasis Edible Coating kitosan–Carboxymethyl Cellulose (CMC). Terpilih melalui analisis matriks keputusan sebagai solusi paling optimal, formulasi ini menghadirkan sinergi antara sifat antimikroba kitosan dan stabilitas mekanik CMC. Efektivitas formulasi ini dibuktikan melalui aktivitas antibakteri sebesar 12,7 mm terhadap Staphylococcus aureus dan 12,6 mm terhadap Escherichia coli, yang mengindikasikan laju deteriorasi produk dapat berjalan lebih lambat sehingga mutu dan daya simpan produk lebih terjaga. Komitmen terhadap keberlanjutan lingkungan turut diwujudkan melalui penerapan prinsip zero waste industry, di mana seluruh hasil samping produksi dikonversi menjadi produk bernilai tambah, yaitu tepung ikan (fish meal) dan minyak ikan (crude fish oil). Kelayakan finansial perancangan ditentukan melalui analisis investasi dengan total Capital Expenditure (CAPEX) sebesar Rp8.843.085.472. Hasil analisis menunjukkan bahwa perancangan ini layak untuk diimplementasikan, ditunjukkan oleh Net Present Value (NPV) bernilai positif sebesar Rp4.656.760.761, Internal Rate of Return (IRR) sebesar 15,11% yang berada di atas BI-Rate acuan sebesar 5,25%, serta Benefit-Cost Ratio (BCR) sebesar 1,527. Selain itu, diperoleh Gross Profit Margin (GPM) sebesar 33,93%, Return on Investment (ROI) sebesar 10,85%, dan periode pengembalian modal (Payback Period) selama 5 tahun dari total umur proyek 10 tahun. Secara keseluruhan, perancangan sistem ini menunjukkan proposisi bisnis yang teruji secara teknis, berwawasan lingkungan, dan stabil secara finansial, sekaligus menjadi model modernisasi rantai pasok perikanan lokal yang- berkelanjutan dan berstandar internasional. Mengingat analisis sensitivitas menunjukkan harga jual produk dan harga bahan baku ikan patin segar sebagai parameter paling kritis terhadap kelayakan proyek, disarankan penerapan strategi mitigasi risiko harga melalui kontrak jangka panjang dengan mitra distribusi dan pemasok, serta validasi lanjutan performa coating pada skala produksi komersial sebelum implementasi penuh.
DINAMIKA TUTUPAN LAHAN, DEFORESTASI, DAN CARBON LOSS PROVINSI KALIMANTAN BARAT (1990–2040) BERBASIS SKENARIO
Industrialisasi dan perkembangan ekonomi dalam beberapa dekade terakhir menyebabkan percepatan laju perubahan iklim dan pemanasan global, menempatkan hutan tropis sebagai objek vital mitigasi karena kemampuannya menyimpan dan menyerap karbon dalam jumlah besar. Kalimantan Barat merupakan salah satu wilayah strategis dalam pencapaian target emisi nasional yang berkontribusi terhadap 12% target penyerapan karbon nasional. Penelitian ini menganalisis dinamika tutupan lahan dan deforestasi periode 1990–2020, mengestimasi simpanan dan kehilangan karbon pada periode tersebut, membangun model prediksi tutupan lahan tahun 2030 dan 2040 melalui tiga skenario, serta menentukan skenario terbaik berdasarkan kehilangan karbon paling rendah. Analisis LUCC menggunakan peta tutupan lahan KLHK, sementara estimasi karbon menggunakan metode Look Up Table dengan pendetailan kerapatan vegetasi melalui NDVI. Model prediksi dibangun menggunakan Land Change Modeler berbasis Cellular Automata dan Rantai Markov dengan tujuh faktor pendorong (elevasi, kemiringan lahan, jenis tanah, jarak dari jalan, jarak dari perkebunan, jarak dari permukiman, dan kepadatan penduduk), divalidasi melalui uji Kappa, kemudian diproyeksikan pada tiga skenario: Business as Usual (BAU), Conservation Forest Protection (CFP), dan Oil Palm Expansion (OPE). Hasil menunjukkan hutan alam sebagai tutupan lahan paling dominan di Kalimantan Barat periode 1990–2020, namun mengalami deforestasi seluas 2,08 juta ha (27,5% dari luas awal), sementara perkebunan mencatat perubahan luas paling masif dengan penambahan 2,1 juta ha (866% dari luas awal). Sebagian besar lahan terdeforestasi dikonversi menjadi perkebunan (42%), semak dan padang rumput (25%), serta permukiman (24%), dengan total kehilangan karbon mencapai 244 juta ton karbon (?898,6 juta ton CO?e) selama tiga dekade. Model prediksi menghasilkan nilai Kappa 0,85, dinilai layak untuk memproyeksikan peta tahun 2030 dan 2040. Skenario BAU diproyeksikan menghasilkan kehilangan hutan 383 ribu ha (2030) dan 374 ribu ha (2040), dengan kehilangan karbon 113 dan 163 juta ton karbon. Skenario OPE memperburuk kondisi dengan kehilangan karbon 134 dan 174 juta ton karbon pada kedua tahun, sementara skenario CFP justru menghasilkan penambahan luas hutan 372 ribu ha (2030) dan 381 ribu ha (2040), dengan kehilangan karbon paling rendah sebesar 88 dan 140 juta ton karbon. Skenario CFP teridentifikasi sebagai skenario terbaik dan paling relevan dengan target penurunan emisi sektor kehutanan Provinsi Kalimantan Barat pada tahun 2030.
PERANCANGAN SISTEM PRODUKSI BERKELANJUTAN KOPI ARABIKA (COFFEA ARABICA) DENGAN INOVASI FERMENTASI L.PLANTARUM DAN PENGERINGAN SCREEN HOUSE,
Maurelya Jayanti, Audy Callysta Tsabitah, Sellya, 2026, Perancangan Sistem Produksi Berkelanjutan Kopi Arabika (Coffea arabica) dengan Inovasi Fermentasi L.plantarum dan Pengeringan Screen House, dibimbing oleh Isty Adhitya Purwasena, Dzulianur Mutsla Kopi merupakan salah satu komoditas unggulan Indonesia dengan nilai ekonomi tinggi, baik di pasar domestik maupun internasional, dan menempatkan Indonesia pada posisi ke-4 sebagai produsen kopi terbesar dunia (USDA, 2024). Produksi kopi nasional bahkan mengalami kenaikan sebesar 6,44% menjadi 807.580 ton pada tahun 2024, jumlah tertinggi selama sepuluh tahun terakhir menurut Badan Pusat Statistik. Di antara berbagai jenis kopi, kopi arabika (Coffea arabica) kategori specialty, menjadi komoditas unggulan yang sangat diminati pasar global dengan pertumbuhan nilai jual dan konsumsi yang tinggi. Namun, metode pascapanen natural process yang umum digunakan masih mengandalkan fermentasi spontan selama pengeringan, sehingga mutunya cenderung tidak seragam dan tidak stabil antar kelompok pengeringan. Tahap pengeringan terbuka di bawah sinar matahari secara langsung juga sangat bergantung pada cuaca serta rentan terhadap pertumbuhan jamur, kontaminasi debu, dan serangan hama yang menurunkan mutu produk akhir. Selain itu, pengolahan buah kopi menghasilkan produk samping berupa kulit dan daging buah (cascara) dalam jumlah besar yang berpotensi dikembangkan menjadi produk bernilai tambah. Oleh karena itu, PT MAS Jaya merancang industri pengolahan kopi arabika dengan inovasi kultur starter bakteri L.plantarum pada proses fermentasi dan penggunaan screen house pada proses pengeringan. Inovasi kultur starter bakteri L.plantarum bertujuan mengendalikan proses fermentasi, menstabilkan komunitas mikroba, menekan kontaminan, dan meningkatkan pembentukan senyawa volatil aromatik. Pengeringan dengan screen house dapat menghasilkan pengeringan kopi yang lebih seragam, higienis, dan terlindung dari paparan debu, serangga, dan curah hujan. Dengan inovasi tersebut, produk yang dihasilkan memiliki keunggulan berupa mutu specialty yang konsisten, profil sensori yang kompleks, tingkat higienitas dan keamanan yang lebih tinggi serta nilai tambah dan keberlanjutan melalui pemanfaatan cascara. Perancangan industri produk roasted bean dan teh cascara kopi arabika memiliki kapasitas produksi sebesar 1.000 kg ceri per batch. Produk yang dihasilkan berupa 172,58 kg roasted bean sebagai produk utama dan 69,22 kg cascara sebagai produk samping bernilai tambah. Tahap produksi kopi arabika roasted bean terdiri dari penerimaan, sortasi, pulping, fermentasi, pengeringan, hulling, penyimpanan green bean, roasting, dan penyimpanan produk akhir. Tahap produksi teh cascara terdiri dari penerimaan, sortasi, pulping, pengeringan cascara, sortasi cascara, dan penyimpanan produk akhir. Perusahaan dirancang memenuhi sertifikasi SNI, Sertifikat Halal, Good Manufacturing Practices (GMP), ISO 9001, ISO 22000, ISO 17025:2017, dan Hazard Analysis and Critical Control Point (HACCP). Perancangan industri ini layak dijalankan karena hasil analisis kelayakan usaha yang didapatkan menunjukan nilai Net Profit Margin (NPM) sebesar 30,334%, Net Present Value (NPV) sebesar Rp1.212.283.722, Internal Rate of Return (IRR) sebesar 36%, dengan waktu pengembalian modal yaitu 2,17 tahun. Berdasarkan hal tersebut, dapat disimpulkan bahwa usaha ini layak untuk dilakukan.
ANALISIS KINERJA HIDRODINAMIKA STRUKTUR PENTACONE UNTUK MEMPREDIKSI NILAI RUN-UP GELOMBANG DAN TURBULENSI ENERGI KINETIK MENGHADAPI VARIASI SKENARIO GELOMBANG: PENDEKATAN SIMULASI FLOW-3D
Bangunan pemecah gelombang (breakwater) membutuhkan unit lapis lindung yang efektif untuk meredam energi gelombang datang demi menjamin stabilitas area pelabuhan dan pesisir. Pentacone merupakan unit lapis lindung yang memiliki karakteristik kuncian (interlocking) dan porositas struktural yang unik. Penelitian ini bertujuan untuk menginvestigasi kinerja hidrodinamika, secara spesifik mengkaji fenomena rayapan gelombang (wave run-up) dan pelepasan energi turbulensi kinetik (turbulent kinetic energy), pada struktur lapis lindung Pentacone dalam tinjauan skala model laboratorium. Pemodelan numerik dilakukan menggunakan metode Computational Fluid Dynamics (CFD) tiga dimensi melalui perangkat lunak FLOW-3D HYDRO. Simulasi dilakukan pada tiga skenario dengan memvariasikan tinggi gelombang insiden (????) dan periode gelombang (????) untuk mendapatkan spektrum Bilangan Iribarren (????????) yang merepresentasikan kondisi fisis interaksi fluida terhadap struktur lereng. Hasil simulasi numerik menunjukkan bahwa hubungan antara rasio rayapan relatif (????????/????) terhadap Bilangan Iribarren (????????) membentuk fungsi kuadratik yang sangat presisi, direpresentasikan melalui persamaan regresi empiris ????=?0,1595????2+1,0605???? dengan koefisien determinasi ????2=0,9962. Analisis deret waktu energi turbulensi membuktikan bahwa geometri Pentacone sangat efektif mendisipasikan energi kinetik dari gelombang berfrekuensi tinggi melalui friksi dan turbulensi mikro di dalam rongga antar-unit. Karakteristik laju rayapannya dapat diprediksi secara matematis pada pengujian skala model.
PERANCANGAN SISTEM PRODUCTION ACTIVITY CONTROL (PAC) BERBASIS DIGITAL MODEL PADA PROSES INTEGRASI FUSELAGE CN-235 DI PT DIRGANTARA INDONESIA
PT Dirgantara Indonesia (PT DI) memproduksi pesawat CN-235 melalui proses integrasi fuselage yang melibatkan banyak aktivitas kompleks seperti perakitan, inspeksi, serta penanganan defect dan rework. Proses ini mengalami deviasi jadwal yang signifikan, ditandai dengan keterlambatan mulainya task sebesar 183 hari dan keterlambatan penyelesaian hingga 97 hari dari target yang ditetapkan. Kondisi ini disebabkan oleh rendahnya granularitas pencatatan aktivitas produksi yang hanya dilakukan pada level operasi tanpa merekam kejadian pada level job ticket, serta pengambilan keputusan pengendalian produksi yang bersifat reaktif akibat rendahnya visibilitas kondisi aktual shop floor dan penanganan defect yang tidak terdokumentasi. Penelitian ini bertujuan merancang sistem Production Activity Control (PAC) berbasis digital model untuk menjawab permasalahan operasional yang ada pada proses integrasi fuselage CN-235. Sistem dikembangkan menggunakan metodologi Rapid Application Development (RAD), yang mencakup identifikasi kebutuhan pengguna, perancangan proses bisnis usulan, pengembangan modul, serta verifikasi, validasi, dan user testing. PAC yang dirancang terdiri atas empat modul, yaitu Shop Floor Data Collection (SFDC), Digital Reporting System, dashboard berbasis digital model, dan simulasi berbasis Discrete Event Simulation (DES). SFDC mencatat aktivitas produksi pada level job ticket, sedangkan Digital Reporting System mengelola findings, NCR, dan tindak lanjut defect. Dashboard menyediakan visibilitas produksi melalui enam KPI utama, yaitu schedule adherence, utilization efficiency, quality ratio, reject ratio, rework ratio, dan worker efficiency, serta visualisasi spasial status pekerjaan dan NCR pada representasi digital pesawat CN-235. Modul simulasi digunakan untuk mengevaluasi skenario produksi dan mendukung keputusan perencanaan. Hasil verifikasi dan validasi menunjukkan bahwa seluruh kebutuhan fungsional serta kebutuhan nonfungsional yang termasuk dalam ruang lingkup penelitian telah terpenuhi. Secara finansial, proyek ini layak diimplementasikan dengan nilai NPV sebesar Rp62.493.452, IRR sebesar 17,4%, dan payback period selama 3,27 tahun. Sistem PAC yang dirancang diharapkan dapat meningkatkan visibilitas proses produksi, mempercepat penanganan defect, serta mendukung pengambilan keputusan yang lebih responsif dan berbasis data pada lingkungan manufaktur kedirgantaraan dengan kompleksitas tinggi.
PENGEMBANGAN PROGRAM KOMPUTASI UNTUK LEG PENETRATION ANALYSIS (LPA) SPUDCAN BERDASARKAN ISO 19905-1/2016 MENGGUNAKAN PYTHON
Leg Penetration Analysis (LPA) merupakan analisis geoteknik yang digunakan untuk mengevaluasi kapasitas dukung fondasi spudcan selama proses penetrasi pada jack-up rig. Implementasi metode semi-empiris berdasarkan ISO 19905-1 umumnya masih dilakukan secara manual menggunakan spreadsheet atau perangkat lunak komersial yang bersifat tertutup (closed-source). Penelitian ini bertujuan melakukan pengembangan awal pada program berbasis Python yang mengimplementasikan metode LPA berdasarkan ISO 19905-1. Program dikembangkan menggunakan arsitektur modular yang mencakup identifikasi mekanisme kegagalan, perhitungan bearing capacity, penentuan governing bearing capacity, dan visualisasi hasil. Validasi dilakukan dengan membandingkan hasil program terhadap perhitungan manual pada enam studi kasus yang berasal dari Hossain, ISSMGE (1994), dan FUGRO Report (2008). Selain itu, dilakukan evaluasi terhadap hasil referensi melalui kajian pengaruh shape factor dan depth factor pada perhitungan kapasitas dukung. Hasil penelitian menunjukkan bahwa program mampu menghasilkan kurva kapasitas dukung yang sangat mendekati hasil perhitungan manual pada seluruh studi kasus. Evaluasi juga menunjukkan bahwa shape factor dan depth factor memberikan pengaruh signifikan terhadap hasil perhitungan, meskipun masih terdapat perbedaan dengan kurva referensi akibat parameter atau asumsi yang tidak dipublikasikan secara lengkap. Program yang dikembangkan diharapkan menjadi alternatif analisis LPA yang lebih efisien, transparan, dan mudah dikembangkan.
ANALISIS RESPONS DINAMIK DAN IDENTIFIKASI HOTSPOT STRUKTUR BILAH PROPELER KOMPOSIT TURBOPROP AKIBAT BEBAN ROTASI DAN EKSITASI HARMONIK
Penelitian ini menganalisis respons dinamik dan mengidentifikasi hotspot struktur pada satu bilah propeler komposit Hamilton Standard Model 568F pada pesawat ATR 72-600 akibat beban rotasi dan eksitasi harmonik. Model elemen hingga dikembangkan menggunakan SIMULIA Abaqus sebagai struktur sandwich dengan skin dan spar Carbon/Epoxy AS4/3501-6 serta foam core Polyurethane FR-3708. Analisis dilakukan melalui pre-stressed modal analysis, Campbell Diagram, dan Steady-State Dynamics, Modal dengan beban harmonik CF2 = 1 sehingga hasilnya ditafsirkan sebagai respons relatif per satuan beban. Hasil analisis modal menunjukkan fenomena centrifugal stiffening hingga 1,200 RPM, dengan kenaikan frekuensi Mode 1, Mode 2, dan Mode 3 masing-masing sebesar 12.671%, 3.597%, dan 2.540%. Mode 2 menjadi fokus utama karena berada pada rentang 69-72 Hz dan berdekatan dengan engine order 4P dan 5P. Titik crossing Mode 2×5P terjadi pada 844.263 RPM, sedangkan Mode 2×4P terjadi pada 1,066.300 RPM. Nilai separation margin minimum sebesar 0.489% diperoleh pada kondisi 840 RPM/5P. Analisis respons harmonik menunjukkan peningkatan respons relatif di sekitar Mode 2, dengan hotspot perpindahan pada tip bilah serta hotspot tegangan pada spar dan foam core dekat root.
LIFE CYCLE ASSESSMENT PROSES KONSTRUKSI BETON PADA PEKERJAAN STRUKTUR ATAS GEDUNG BERTINGKAT
Sektor bangunan dan konstruksi merupakan salah satu penyumbang emisi gas rumah kaca terbesar sehingga diperlukan evaluasi dampak lingkungan untuk mengidentifikasi hotspot dalam proses konstruksi. Penelitian ini bertujuan mengevaluasi potensi dampak lingkungan dari proses konstruksi beton pada pekerjaan struktur atas gedung bertingkat menggunakan pendekatan Life Cycle Assessment (LCA). Ruang lingkup penelitian dibatasi pada manufaktur beton segar di batching plant (A3), transportasi beton segar ke lokasi proyek (A4), dan instalasi beton di lokasi proyek (A5) dengan unit fungsional 1 m² luas bangunan. Volume beton diperoleh melalui quantity take-off berbasis Building Information Modeling (BIM), sedangkan inventori energi disusun menggunakan data primer hasil wawancara dan data sekunder dari literatur serta basis data LCA. Analisis dilakukan menggunakan OpenLCA dengan metode CML-IA Baseline pada kategori Global Warming Potential (GWP), Acidification Potential (AP), dan Eutrophication Potential (EP). Hasil penelitian menunjukkan potensi dampak sebesar 4,813 kgCO?-eq/m² (GWP), 0,020 kgSO?-eq/m² (AP), dan 0,0035 kgPO?³?-eq/m² (EP), dengan proses transportasi (A4) dan instalasi vertikal (A5) sebagai environmental hotspot. Analisis sensitivitas menunjukkan bahwa pengurangan jarak transportasi sebesar 20% dan peningkatan produktivitas tower crane sebesar 20% mampu menurunkan emisi masing-masing sekitar 5,7 tCO?-eq dan 4,4 tCO?-eq. Temuan ini menunjukkan bahwa optimalisasi logistik dan peningkatan efisiensi pelaksanaan konstruksi merupakan strategi dekarbonisasi yang efektif serta menegaskan bahwa penerapan LCA dapat mendukung pengambilan keputusan berkelanjutan.