📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6,268 dokumenPENGEMBANGAN MODEL MACHINE LEARNING UNTUK GENERALISASI PERANGKAT KERAS RADAR SEBAGAI DOMAIN PADA KLASIFIKASI AKTIVITAS MANUSIA BERBASIS RADAR
Klasifikasi aktivitas manusia menggunakan radar telah meningkat dalam popularitas karena potensi aplikasinya dalam bidang kesehatan, terutama ambient assisted living (AAL) yang bertujuan untuk membantu manusia lanjut usia (manula) dalam kehidupan sehari-hari. Salah satu masalah dalam implementasi praktis teknologi tersebut adalah variasi karakteristik perangkat keras radar. Variasi ini banyak berpengaruh terhadap keluaran gambar radar hasil pengolahan data mentah radar. Penelitian ini bertujuan mengukur besar dampak dari variabilitas tersebut terhadap akurasi klasifikasi aktivitas manusia dengan menggunakan data 17 subjek dan 10 kelas aktivitas yang diukur oleh 4 jenis radar berbeda: Texas Instruments FMCW IWR1843, Infineon BGT60TR13C, Novelda UWB XeThru X4M03, dan Walabot Developer. Model VGG-19 dilatih menggunakan skema pelatihan pendekatan naif, yaitu model dilatihkan terhadap data dari tiga jenis radar sebagai data latih dan diuji terhadap satu jenis radar sebagai data uji, dan skema pelatihan pakar domain, yaitu model dilatihkan terhadap data dari satu jenis radar saja sebagai data latih dan diuji terhadap setiap jenis radar secara terpisah. Selain itu, skema pelatihan Deep CORAL juga diimplementasikan untuk mengukur performa generalisasi domain radar dengan metode ini dibandingkan dengan pendekatan naif dan pakar domain. Hasil eksperimen menunjukkan bahwa keempat perangkat keras radar tidak dapat digeneralisasi ke radar lainnya yang digunakan. Selain itu, ditemukan terdapat kesamaan dan ketidaksamaan signifikan antara jenis radar yang dapat menjadi dasar penelitian lebih lanjut. Terakhir, Deep CORAL yang diimplementasikan tidak menunjukkan kenaikan performa dibandingkan dengan pendekatan naif. Hasil tersebut mengindikasikan bahwa terdapat pergeseran domain berarti antara jenis perangkat keras radar yang tidak dapat diselesaikan hanya dengan melakukan covariate alignment.
REKONSTRUKSI SINYAL ECG BERBASIS CITRA KERTAS MENGGUNAKAN TRANSFORMER
Digitasi sinyal electrocardiogram (ECG) dari citra kertas merupakan tantangan penting dalam pengolahan sinyal medis, terutama untuk mempertahankan integritas morfologi dan konsistensi temporal sinyal yang bernilai klinis. Variasi kualitas citra akibat distorsi visual, degradasi kertas, dan perbedaan metode akuisisi sering menyebabkan penurunan akurasi rekonstruksi pada pendekatan konvensional. Penelitian ini mengembangkan sistem digitasi ECG berbasis arsitektur Transformer untuk merekonstruksi sinyal ECG digital langsung dari citra kertas. Tiga arsitektur dibandingkan secara sistematis, yaitu Transformer konvensional, Transformer dengan mekanisme Dynamic Tanh, dan Temporal Convolutional Network (TCN). Evaluasi kuantitatif dilakukan pada test set terkontrol yang mencakup kondisi acuan serta berbagai distorsi visual, menggunakan metrik Pearson Correlation Coefficient (PCC), Root Mean Square Error (RMSE), dan Signal-to-Noise Ratio (SNR). Hasil menunjukkan bahwa Transformer konvensional memberikan kualitas rekonstruksi paling konsisten dengan nilai rata-rata PCC 0.9419, RMSE 4.1567 mV, dan SNR 10.7089 dB, melampaui arsitektur pembanding. Analisis visual pada variasi kondisi distorsi mengonfirmasi ketahanan Transformer dalam mempertahankan struktur morfologi global sinyal. Temuan ini menegaskan bahwa arsitektur Transformer merupakan pendekatan yang paling andal untuk digitasi ECG berbasis citra ketika kualitas rekonstruksi menjadi prioritas utama.
OPTIMASI EKSTRAKSI VITEXIN DARI LANDOLTIA PUNCTATA YANG DIELISITASI KITOSAN MENGGUNAKAN METODE MASERASI DENGAN PELARUT DEEP EUTECTIC SOLVENT (DES) KOLIN KLORIDA : UREA
Viteksin adalah senyawa flavonoid dengan banyak manfaat kesehatan bagi manusia. Senyawa C-glikosil dan trihidroksiflavon yang memiliki rumus molekuler C21H20O10 ini memiliki banyak manfaat kesehatan bagi manusia, seperti sifat bioaktif viteksin yang meliputi antioksidan, anti-inflamasi, antikanker, perlindungan saraf, dan perlindungan kardiovaskular. Penelitian ini bertujuan untuk melakukan ekstraksi viteksin dari tanaman L. punctata yang dielsitasi kitosan dengan menggunakan DES ChCl:Urea. Proses kultivasi L. punctata pada penelitian ini berjalan selama 21 hari menggunakan medium AB Mix yang ditambahkan dengan 50 mg/L elisitor kitosan. Ekstraksi viteksin dilakukan dengan metode maserasi dengan perancangan Response Surface Methodology (RSM). Parameter maserasi yang dioptimasi melalui RSM adalah kadar air DES yang digunakan, rasio pelarut DES dengan biomassa, dan temperatur maserasi. Penelitian ini juga melakukan penentuan perolehan viteksin dengan parameter maserasi optimal serta penentuan parameter kinetika maserasi viteksin. Hasil penelitian menunjukkan bahwa kadar air DES paling optimal untuk maserasi adalah 33,73%, rasio pelarut DES dengan dry mass Landoltia punctata (RPB) paling optimal untuk maserasi adalah 56,66 mL/g dry mass, dan temperatur maserasi paling optimal adalah 49,5?. Penelitian juga menunjukkan bahwa maserasi dengan parameter optimal tersebut memberikan yield viteksin saat ekstraksi mencapai fasa equilibrium sebesar 0,255 µg/mg dan konstanta transfer massa zat viteksin saat proses ekstraksi dijalankan sebesar 0,133 µg/min.
PENGEMBANGAN MODEL MATURITAS MANAJEMEN PERUBAHAN DALAM TRANSFORMASI DIGITAL PADA UMKM
Transformasi digital merupakan keharusan bagi setiap industri untuk meningkatkan daya saing, namun tingginya tingkat kegagalan implementasi menjadi masalah krusial yang seringkali disebabkan oleh kelemahan manajerial. Dalam konteks transformasi digital pada Usaha Mikro Kecil Menengah (UMKM), banyak penelitian yang berfokus pada adopsi teknologi, tetapi masih terdapat celah pada ketersediaan alat ukur yang dapat menilai kematangan proses manajemen perubahan itu sendiri. Penelitian ini bertujuan untuk mengembangkan sebuah model maturitas manajemen perubahan dalam konteks transformasi digital pada UMKM dengan mengintegrasikan teori manajemen perubahan Kotter dan faktor-faktor keberhasilan kritis, serta menguji validitas dan reliabilitas model yang dikembangkan. Penelitian ini menggunakan pendekatan kualitatif dengan metodologi pengembangan model maturitas dari De Bruin dkk. (2005). Indikator model dieksplorasi melalui Tinjauan Literatur Sistematis terhadap Faktor Keberhasilan Kritis manajemen perubahan dalam transformasi digital. Model yang dihasilkan kemudian divalidasi melalui wawancara semi-terstruktur pada tiga perusahaan di Kota Bandung dengan menguji validitas isi dan validitas tampang untuk memastikan relavansi dengan UMKM. Hasil penelitian ini adalah sebuah model maturitas yang terdiri 26 faktor keberhasilan yang dipetakan pada 8 tahapan perubahan Kotter dengan 5 level kematangan. Model ini terbukti memiliki validitas konten yang sangat tinggi (CVI = 1.0). Hasil penilaian kematangan tahap perubahan menunjukkan bahwa UMKM umumnya berada pada level kematangan awal (Informal dan Systematic) yang mengindikasikan perlunya formalisasi proses perubahan. UMKM disarankan untuk menggunakan model ini sebagai alat diagnostik untuk menyusun peta jalan perbaikan secara bertahap. Penelitian selanjutnya direkomendasikan untuk melakukan validasi kuantitatif dengan sampel yang lebih luas dan memperkaya model dengan pemangku kepentingan eksternal.
EKSPLORASI PREFERENSI PRODUK MINUMAN HERBAL DAN JENIS MEDIA SOSIAL DALAM MENINGKATKAN PENERIMAAN PASAR
Minuman herbal memiliki potensi pasar yang terus meningkat seiring dengan meningkatnya kesadaran masyarakat terhadap kesehatan. Namun, penerimaan pasar terhadap produk minuman herbal di Indonesia masih dipengaruhi berbagai faktor yang belum banyak di kaji pada penelitian meliputi tingkat pengetahuan konsumen, pola konsumsi, preferensi atribut produk, efektivitas pemasaran melalui media sosial, serta distribusi produk minuman herbal. Penelitian ini bertujuan untuk melakukan eksplorasi preferensi konsumen terhadap produk minuman herbal dan peran jenis media sosial dalam meningkatkan penerimaan pasar di Indonesia. Penelitian ini dilakukan menggunakan pendekatan kuantitatif cross-sectional. Data dikumpulkan melalui survei daring di platform Populix (lembaga survei independen) pada 386 responden ?18 tahun yang telah menyetujui informed consent di Indonesia. Analisis preferensi atribut produk dilakukan menggunakan metode choice-based conjoint (CBC) dengan estimasi model multinomial logit (MNL) untuk mengukur nilai utilitas, kepentingan relatif, kesediaan membayar (willingness to pay), simulasi pangsa pasar, dan elastisitas harga. Atribut produk yang dianalisis meliputi harga, kepemilikan merek, informasi pada label, tipe kantong teh, dan rasa. Selain itu, dilakukan analisis tingkat pengetahuan, pola konsumsi, preferensi media sosial sebagai sarana pemasaran, serta preferensi tempat memperolah produk minuman herbal berdasarkan kelompok umur. iii Hasil penelitian menunjukkan bahwa tingkat pengetahuan responden terhadap produk minuman herbal sangat tinggi (99,74%), namun pola konsumsi produk minuman herbal masih tergolong rendah pada semua kelompok umur berada pada tangka konsumsi ringan (<1 gelas/bulan dan 1-3 gelas/bulan). Atribut produk yang paling memengaruhi preferensi konsumen adalah harga, diikuti oleh kepemilikan merek dan tipe kantong teh. Harga Rp20.000,- per kemasan merupakan tingkat harga yang paling disukai, sementara kepemilikan merek yang telah dikenal luas memberikan nilai utilitas dan kesediaan membayar tertinggi. Tipe kantoh teh dengan tali serta pencantuman informasi komposisi pada label meningkatkan preferensi konsumen. Sedangkan rasa original cenderung kurang disukai dibandingkan varian rasa buah. Media sosial, khususnya TikTok, berperan penting dalam meningkatkan pengenalan produk, membangun kepercayaan, dan memengaruhi keputusan pembelian konsumen pada produk minuman herbal. Toko organik menjadi saluran distribusi yang paling diminati oleh seluruh kelompok usia. Secara keseluruhan, penelitian ini menggambarkan penerimaan pasar minuman herbal dapat ditingkatkan melalui kombinasi atribut produk yang sesuai dengan preferensi konsumen, strategi harga yang tepat, pemanfaatan media sosial secara efektif, serta pemilihan saluran distribusi yang dipercaya konsumen. Temuan ini diharapkan dapat menjadi dasar bagi pengembangan strategi pemasaran dan inovasi produk minuman herbal di Indonesia.
PENGEMBANGAN SISTEM MONITORING DAN PREDIKSI PANEL SURYA TERKONEKSI INTERNET OF THINGS DENGAN METODA LONG SHORT TERM MEMORY UNTUK MEMPERKUAT SUSTAINABILITAS PANEL SURYA ATAP
Penelitian ini mengembangkan sistem monitoring, prediksi daya, dan analisis kesehatan operasional panel surya berbasis Internet of Things (IoT) dan Long Short-Term Memory (LSTM) untuk mendukung aplikasi stasiun pengisian kendaraan listrik. Sistem IoT digunakan untuk mengakuisisi data tegangan, arus, dan daya panel surya secara real time dan membentuk data deret waktu yang andal. Model LSTM diterapkan untuk merekonstruksi data yang hilang serta melakukan prediksi daya, kemudian dibandingkan dengan metode regresi linear dan ARIMA. Hasil pengujian menunjukkan bahwa LSTM memberikan akurasi prediksi yang lebih baik berdasarkan nilai RMSE dan mampu menangkap pola nonlinier serta dinamika temporal data fotovoltaik. Selain itu, penelitian ini mengusulkan metode analisis kesehatan operasional panel surya berbasis multi-indikator dan rule-based dengan memanfaatkan parameter daya maksimum harian, energi harian, waktu operasi efektif (uptime), kejadian dropout, dan kestabilan daya untuk mengklasifikasikan kondisi panel ke dalam kategori OK, WARNING, dan PROBLEM. Hasil analisis menunjukkan bahwa panel surya secara umum masih beroperasi dengan baik, meskipun terdapat variasi kestabilan pada beberapa periode, sehingga menegaskan pentingnya pemantauan dan evaluasi kesehatan panel surya secara berkelanjutan.
KLASIFIKASI FRAME LINTAS BAHASA UNTUK BERITA BERBAHASA INDONESIA MENGGUNAKAN MODEL BAHASA BERBASIS TRANSFORMER
Penggunaan frame atau pembingkaian dalam artikel berita merupakan strategi penulis berita dalam mengarahkan sudut pandang pembaca yang dapat bersifat subjektif dan memengaruhi opini pembaca. Frame berperan sebagai lensa atau dimensi yang membatasi penulis dalam menyajikan berita, berbeda dengan topik yang merupakan subjek atau bahasan di dalam berita. Kategori yang ada di dalam frame juga berbeda dengan kategori topik pada berita yang bersifat sangat umum. Meskipun telah dilakukan penelitian topik pada berita berbahasa Indonesia, namun belum ada penelitian yang terfokus pada klasifikasi frame pada berita. Oleh karena itu, penelitian ini bertujuan untuk mengadaptasi penelitian klasifikasi frame lintas bahasa untuk berita berbahasa Indonesia. Penelitian ini dilakukan dengan membangun korpus data berita beserta dengan label frame yang ada di dalamnya dan menganalisis perbandingan kinerja model bahasa berbasis Transformer beserta dengan strategi penanganan ketidakseimbangan data. Metodologi penelitian mencakup pembangunan korpus data sebanyak 150 artikel berita dari portal detik.com dan kompas.com yang dianotasi oleh ahli linguistik yang digunakan sebagai data uji, serta eksperimen dengan model diskriminatif dan generatif. Penggunaan model diskriminatif XLM-RoBERTa-base dilakukan dengan berbagai skenario eksperimen seperti Task-Adaptive Pre-Training (TAPT), penggunaan Binary Cross Entropy (BCE) dan Focal Loss, serta oversampling dengan bantuan machine translation. Penggunaan model generatif SeaLLM-v3- 7B dan Qwen3-8B dilakukan dengan metode zero shot prompting dan few shot prompting. Hasil penelitian menunjukkan bahwa performa terbaik dicapai oleh model yang menggunakan strategi TAPT dengan probabilitas masking 20% dan fungsi kerugian BCE dengan penggunaan classweights, menghasilkan nilai F1 Macro sebesar 0,474 dan F1 Micro sebesar 0,571 pada data uji bahasa Indonesia. Model terbukti sangat efektif dalam mendeteksi frame konkret seperti Health_and_safety (F1 Score = 0,906), namun masih menghadapi tantangan pada frame yang bersifat abstrak atau memiliki data terbatas seperti Morality dan Fairness_and_equality. Penelitian ini menyimpulkan bahwa kombinasi metode adaptive pre-training dan costsensitive learning merupakan pendekatan yang andal untuk klasifikasi frame pada berita meskipun terdapat distribusi data yang tidak seimbang secara ekstrem. Pada kedua strategi prompting, zero shot dan few shot, model Qwen3-8B memberikan kinerja yang lebih baik daripada model SeaLLM-v3-7B, namun tidak sebagus kinerja model diskriminatif.
MODEL DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK UNTUK DATA TERENKRIPSI OLEH SKEMA CHEON-KIM-KIM-SONG (CKKS)
sistem pembelajaran mesin menjadi topik yang marak dibicarakan. Salah satu solusi untuk mengembangkan sistem pembelajaran mesin yang aman adalah dengan mengimplementasikan enkripsi homomorfik penuh ke dalam proses pembelajaran mesin tersebut. Terdapat beberapa algoritma enkripsi homomorfik penuh yang dapat digunakan di dalam kasus ini, seperti skema enkripsi Cheon-Kim-Kim-Song (CKKS). Terdapat beberapa penelitian sebelumnya yang telah membahas kegunaan skema enkripsi CKKS pada model pembelajaran mesin, namun hingga saat ini, belum terdapat penelitian yang membahas penggunaan model convolutional neural network (CNN) untuk data yang terenkripsi oleh skema CKKS. Pada Tugas Akhir ini telah dilakukan pengembangan model convolutional neural network yang dapat memproses data yang terenkripsi oleh skema CKKS. Terdapat lima layer yang dikembangkan, yaitu convolutional layer, pooling layer, fullyconnected layer, activation layer, dan loss layer. Beberapa operasi dari layer tersebut tidak dapat didukung oleh skema CKKS yang hanya dapat melakukan operasi pertambahan dan perkalian. Oleh karena itu, terlebih dahulu dilakukan aproksimasi dari fungsi – fungsi tersebut dengan menggunakan metode minimax dan least-squares. Hasil eksperimen menunjukkan bahwa model convolutional neural network dapat direplikasi pada skema CKKS. Namun, terdapat beberapa fungsi dan layer yang memiliki nilai galat yang dapat mengubah hasil klasifikasi dari model convolutional neural network, meskipun hal tersebut sangat jarang terjadi pada implementasinya.
PENGEMBANGAN DASHBOARD WEBSITE SISTEM PENDUKUNG KEPUTUSAN REKRUTMEN PEKERJA BERDASARKAN DIGITAL FOOTPRINT MEDIA SOSIAL
Perkembangan teknologi informasi dan media sosial mengubah proses rekrutmen, terutama pada tahap screening awal yang menuntut efisiensi dan kualitas informasi kandidat yang lebih baik. Tugas akhir ini mengembangkan aplikasi dashboard web Sociafoot sebagai sistem pendukung keputusan rekrutmen yang memanfaatkan digital footprint kandidat dari LinkedIn, Twitter, dan Instagram untuk membantu HR menilai profesionalisme, etika bermedia sosial, dan kesesuaian nilai kandidat dengan kebutuhan serta budaya perusahaan. Analisis pada Bab III menunjukkan bahwa proses rekrutmen yang hanya mengandalkan CV dan wawancara menimbulkan beban kerja tinggi bagi HR, kualitas informasi yang terbatas, serta belum adanya integrasi data dari berbagai media sosial. Untuk menjawab masalah tersebut, dirancang arsitektur sistem berbasis web dengan pendekatan user-centered design yang mendefinisikan kebutuhan pengguna (HR dan hiring manager), kebutuhan fungsional dan nonfungsional, serta pemilihan teknologi seperti arsitektur backend berbasis layanan, basis data non-relasional, dan integrasi dua model machine learning (profile matching dan user profiling) yang dikembangkan anggota tim lain. Implementasi menghasilkan aplikasi dashboard Sociafoot yang terdiri atas antarmuka pengguna berbasis web dan serangkaian endpoint backend untuk mengelola kandidat dan deskripsi pekerjaan, melakukan scraping media sosial, serta menampilkan hasil pemodelan machine learning dalam bentuk visualisasi. Aplikasi diuji melalui black box testing, integration testing layanan backend, pengujian kinerja dengan metrik Core Web Vitals, serta usability testing untuk menilai kegunaan antarmuka. Hasil pengujian menunjukkan bahwa Sociafoot mampu menyajikan informasi kandidat berbasis digital footprint secara lebih komprehensif dan mendukung proses screening yang lebih efektif dibanding pendekatan yang hanya bergantung pada CV, meskipun masih terdapat keterbatasan seperti ketergantungan pada tiga platform media sosial dan waktu respons saat scraping yang perlu dioptimalkan .
INDEKS PERSAHABATAN DARI GRAF BARBEL
Teori pelabelan graf merupakan salah satu topik penting dalam teori graf yang mengkaji keseimbangan struktur graf melalui pemberian label pada titik dan sisi. Salah satu konsep awalnya adalah pelabelan kordial yang diperkenalkan oleh Cahit, yang kemudian dikembangkan oleh Lee dan Zhang melalui pelabelan persahabatan dan indeks persahabatan, di mana keseimbangan disyaratkan pada label titik, sedangkan ketidakseimbangan label sisi diukur menggunakan suatu indeks numerik. Secara formal, misalkan G adalah graf sederhana dengan himpunan titik V (G) dan himpunan sisi E(G). Suatu pelabelan titik f : V (G) ? Z2 menginduksi pelabelan sisi f? : E(G) ? Z2 yang didefinisikan oleh f?(uv) = |f(u) ? f(v)| untuk setiap uv ? E(G). Pelabelan f disebut pelabelan persahabatan apabila selisih banyaknya titik berlabel 0 dan 1 paling banyak satu. Pada pelabelan persahabatan f, indeks persahabatan didefinisikan sebagai FI(f) = |e0(f) ? e1(f)|, dengan ei(f) menyatakan banyaknya sisi berlabel i. Himpunan semua nilai FI(f) pada graf G dinotasikan dengan FI(G). Penelitian ini berfokus pada kajian indeks persahabatan dari graf barbel. Graf barbel B(G,H) dibentuk dengan menghubungkan dua graf terhubung melalui tepat satu sisi penghubung. Struktur ini menarik karena nilai indeks persahabatan sangat dipengaruhi oleh interaksi pelabelan pada graf penyusunnya dan label sisi penghubung. Tujuan tesis ini adalah menentukan himpunan indeks persahabatan dari graf barbel, khususnya ketika salah satu atau kedua graf penyusunnya merupakan graf bintang. Kajian difokuskan pada hubungan antara indeks persahabatan graf barbel dan graf penyusunnya, serta pengaruh paritas jumlah titik dan struktur graf terhadap nilai indeks yang dihasilkan. Hasil penelitian ini diharapkan dapat berkontribusi pada pengembangan teori pelabelan graf dan menjadi dasar bagi penelitian lanjutan pada graf hasil operasi lainnya.
NUMERICAL STUDY OF AMMONIA-COAL CO-FIRING USING DETAILED KINETIC MECHANISMS
Meningkatnya kebutuhan listrik dan ketergantungan pada pembangkit listrik tenaga uap (PLTU) batu bara merupakan tantangan signifikan dalam upaya pengurangan emisi gas rumah kaca. Amonia muncul sebagai alternatif yang menjanjikan sebagai bahan bakar dalam pembakaran bersama dengan batu bara karena sifatnya yang merupakan bahan bakar bebas karbon dan nilai kalor yang sebanding dengan batu bara peringkat rendah. Meskipun demikian, injeksi amonia menghasilkan emisi NOx. Prediksi pembentukan NOx secara akurat merupakan tantangan besar karena metode konvensional umumnya memberikan hasil yang kurang akurat ketika terdapat NH3. Studi ini berfokus pada investigasi numerik pembakaran bersama amonia-batu bara menggunakan mekanisme kinetik terperinci untuk meningkatkan akurasi prediksi NOx. Studi dilakukan menggunakan OpenFOAM dengan model coalChemistryFoam yang dimodifikasi untuk menyertakan model oksidasi nitrogen pada batu bara. Sementara itu, proses devolatilisasi pada batu bara dimodelkan menggunakan pendekatan chemical percolation devolatilization (CPD). Beberapa mekanisme kinetik terperinci yang digunakan dalam studi ini adalah GRI-Mech 3.0, Okafor et al., San Diego, serta Mendiara dan Glarborg. Mekanisme tersebut dievaluasi pada berbagai rasio pembakaran bersama mulai 0% hingga 100% NH3. Hasil penelitian menunjukkan bahwa metode yang diterapkan memberikan stabilitas numerik yang sangat baik, di mana mekanisme yang cocok dalam pemodelan co-firing bergantung pada jumlah NH3 yang diinjeksikan ke dalam sistem. Untuk 0% NH3, mekanisme GRI-Mech 3.0 dan San Diego memberikan hasil yang lebih akurat dibandingkan mekanisme lainnya. Untuk 10% NH3, mekanisme Mendiara dan Glarborg menunjukkan prediksi terbaik, namun memerlukan waktu komputasi yang lama. Untuk 20% dan 30% NH3, mekanisme yang diusulkan oleh Okafor et al. memberikan hasil yang sangat baik. Untuk 50% hingga 100% NH3, belum ditemukan mekanisme yang sesuai untuk memprediksi konsentrasi NO secara akurat.
ANALISIS PENGARUH IMPLAN TULANG TERHADAP DISTRIBUSI DOSIS PADA TERAPI PROTON BERBASIS SIMULASI MONTE CARLO PARTICLE AND HEAVY ION TRANSPORT CODE SYSTEM (PHITS) 3.34
Implan tulang pada kasus fraktur patologis pasien kanker dapat memodifikasi distribusi dosis dalam terapi proton akibat interaksi material dengan berkas partikel. Penelitian ini bertujuan menganalisis efek material implan tulang terhadap distribusi dosis proton menggunakan simulasi Monte Carlo. Simulasi menggunakan program Particle and Heavy Ion Transport Code System (PHITS) 3.34. Simulasi dilakukan pada fantom berukuran 30×30×30 cm³ yang diirradiasi dengan berkas proton monoenergetik 140 MeV. Variasi material fantom meliputi: (1) air (?=1.0 g/cm³), (2) tulang (?=1.85 g/cm³), dan (3) tiga jenis implan Ti Alloy (?=4.43 g/cm³), CoCr Alloy (?=8.47 g/cm³), dan PEEK (?=1.32 g/cm³). Lima konfigurasi geometri dimodelkan: (i) fantom A= air homogen, (ii) fantom B= air-tulang-air, (iii) fantom C=air-tulang-implan-tulang-air, (iv) fantom D=air-implan-tulang-air, dan (v) fantom E=air-tulang-implan-air, dengan ketebalan tulang 1.5 cm dan implan 0.3 cm. Hasil simulasi menunjukkan bahwa keberadaan implan memberikan pengaruh signifikan terhadap distribusi dosis kedalaman proton. Secara kuantitatif, setiap penurunan densitas material implan sebesar 1% menyebabkan pergeseran kedalaman dosis maksimum sekitar 0,14% ke arah yang lebih dalam. Selain itu, variasi konfigurasi fantom memengaruhi pelebaran FWHM dan penumbra lateral, pengaruh dari efek range straggling dan akumulasi hamburan sepanjang lintasan proton. Analisis distribusi sudut menunjukkan penurunan fraksi proton dengan sudut ? 3° pada wilayah inhomogen yang melibatkan implan, dengan fraksi proton menurun dari 92,10% menjadi 59,91% untuk Ti Alloy, 49,95% untuk CoCr Alloy, dan 73,82% untuk PEEK. Tren ini mengindikasikan bahwa peningkatan densitas material implan menyebabkan peningkatan hamburan sudut proton. Penelitian ini menegaskan bahwa material dan konfigurasi geometris implan tulang berperan penting dalam memodifikasi distribusi dosis proton, baik secara longitudinal maupun lateral.
ANALISIS KARAKTERISTIK KEBERTERIMAAN UJI TAK RUSAK RADIOGRAFI INDUSTRI MENGGUNAKAN SINAR-X DAN GAMMA PADA LOGAM DAN NON-LOGAM
Penelitian ini mengevaluasi dan inspeksi karakterisik uji radiografi industri pada logam dan non-logam untuk optimisasi hasil yang dilakukan di KST. B.J. Habibie, KST. G.A. Siwabessy dan Politeknik Teknologi Nuklir Indonesia. Tujuan riset adalah analisis keberterimaan dari parameter-parameter atau karakteristik uji radiografi, baik dari sumber radiasi, spesimen uji dan peralatan untuk menghasilkan gambar atau citra yang dapat diterima sesuai dengan ketentuan standar ASME, ISO dan ASTM. Beberapa sampel berupa logam berbentuk pelat dan pipa serta beberapa non-logam (beton, plastik, buah, batu, kayu) diuji menggunakan radiografi konvensional, computed radiography, dan digital detector array. Hasil penelitian menunjukkan kebutuhan standardisasi desain ruang sinar-X dan/atau sinar gamma, perlunya kompetensi personel tersertifikasi, harmonisasi hasil interpretasi film atau citra digital. Dari hasil pengukuran dosis pekerja radiasi, dosis kerja tahunan tertinggi sebesar 3,32 mSv, yang mewakili 16,6% dari nilai batas dosis yang diizinkan. Parameter-parameter seperti energi atau kV, jenis material, jarak penyinaran, merk dan jenis film, jenis dan tebal screen, kondisi pemrosesan (jenis developer, temperatur dan waktu), densitas, dan noise sangat menentukan hasil akhir untuk interpretasi apakah hasilnya diterima atau ditolak. Keberterimaan hasil pada radiografi konvensional dengan terpenuhinya sistem identifikasi, marker lokasi, cacat film pada daerah baca, penampakan kawat indikator kualitas bayangan, citra huruf B, densitas radiograf, dan variasi densitas, sedangkan pada digital radiografi seperti CR dan DDA terpenuhinya grey value, resolusi spasial dasar, signal-tonoise ratio dan contrast-to-noise ratio. Penggunaan teknologi seperti machine learning dilakukan untuk mendukung studi dan memberikan dampak positif bagi operator dalam memprediksi dini jenis cacat pada logam. Penelitian uji tak rusak radiografi industri dapat digunakan baik pada logam dan non-logam.
PENGARUH STRUKTUR TERHADAP RESONANSI GELOMBANG
Fenomena resonansi gelombang pada basin setengah tertutup dapat menyebabkan kenaikan amplitudo gelombang secara signifikan yang berpotensi merusak pantai. Penelitian ini mengkaji efektivitas struktur pelindung kombinasi, yaitu pagar kayu dan gabion, dalam meredam fenomena tersebut menggunakan dua pendekatan model matematika: modifikasi Persamaan Air Dangkal Linear satu lapisan dan Persamaan Air Dangkal Linear dua lapisan. Simulasi numerik dilakukan menggunakan Metode Volume Hingga pada Grid Setengahan. Berdasarkan analisis model satu lapisan, diperoleh bahwa model yang dimodifikasi untuk mengakomodasi gaya gesek dan porositas ini terbukti dapat menentukan nilai periode alami basin dengan sangat baik, ditunjukkan oleh tingginya tingkat kesesuaian validasi terhadap penelitian terdahulu dan data eksperimen. Hasil simulasi menunjukkan bahwa parameter konfigurasi dimensi dan porositas, serta nilai koefisien kekasaran tertentu, dapat dipilih untuk mereduksi elevasi gelombang dan mencegah resonansi. Namun, ditemukan pula kasus ekstrim di mana struktur pagar kayu bertindak sebagai tembok keras yang memantulkan gelombang, sehingga justru memicu resonansi di daerah hulu sebelum adanya struktur. Selanjutnya, pengembangan analisis menggunakan model dua lapisan berhasil mensimulasikan elevasi gelombang yang terverifikasi kebenarannya secara fisis, khususnya terkait distribusi energi kinetik di mana mayoritas energi diredam di lapisan bawah oleh gabion dan sisa energi diredam di permukaan oleh pagar kayu. Studi ini menemukan bahwa nilai koefisien kekasaran yang dibutuhkan untuk mencegah resonansi pada model dua lapisan berbeda dan lebih rendah dibandingkan model satu lapisan. Hal ini dikarenakan adanya fenomena yang tidak dapat ditangkap oleh model satu lapisan, yaitu aliran fluida di atas gabion yang menyebabkan tumbukan hidrodinamis, tetapi berhasil diperlihatkan oleh model dua lapisan sehingga redaman energi menjadi lebih efektif.
STUDI PENGARUH ATMOSFER SERTA KARAKTERISTIK COAL TAR DALAM PROSES PEMBUATAN MESOCARBON MICROBEADS DARI SEMICOKE - COAL TAR
Mesocarbon microbeads (MCMB) merupakan salah satu material prekursor grafit sintetik anoda karbon menjanjikan untuk baterai LiB yang dapat dipersiapkan dari coal tar pitch (CTP) karena ukurannya yang seragam, morfologi yang bulat, mikrostruktur yang unik, serta dalam pengaplikasiannya sebagai anoda memiliki kapasitas yang tinggi serta daya siklus yang baik. Penelitian ini bertujuan untuk mempelajari pengaruh variasi atmosfer gas pada metode heat treatment muffle furnace CTP terhadap hasil akhir MCMB, serta perbandingan karakteristik MCMB hasil dengan prekursor semicoke - CTP dan coke - CTP. Penelitian dimulai dengan distilasi konvensional semicoke - coal tar untuk membentuk CTP. Selanjutnya, heat treatment dilakukan menggunakan muffle furnace menggunakan CTP sebagai sampel pada suhu 280oC dengan waktu tahan 4 jam, laju pemanasan 5oC/menit dengan variasi atmosfer yaitu N2 (99,5%) dan udara (21% O2 dan 79% N2 v/v). Produk hasil dari heat treatment berupa mesophase pitch (MP) yang kemudian dicampur dan dipanaskan dengan toluena pada 110 - 120oC selama 2 jam dan setelahnya dengan quinoline pada 220 - 230oC selama 2 jam, serta dilanjutkan dengan filtrasi dalam kedua proses. MCMB kemudian dikeringkan dan dikarbonisasi pada suhu 900oC selama 2 jam dalam kondisi inert N2 (99,5%) untuk menghasilkan carbonized MCMB. MCMB yang dihasilkan dikarakterisasi morfologinya menggunakan scanning electron microscope (SEM), struktur kristalinitas menggunakan X-Ray diffractogram (XRD) dengan parameter interlayer spacing (d002), stacking height (Lc), dan stacking layers number (N), serta gugus fungsi menggunakan fourier transform infra red (FTIR). Hasil percobaan menunjukkan bahwa semicoke - coal tar memiliki komponen volatil yang lebih banyak dan senyawa aromatik berat yang lebih sedikit dibandingkan coke - coal tar sehingga menghasilkan CTP dengan softening point, kadar abu, kadar toluene insoluble (TI), dan kadar quinoline insoluble (QI) lebih tinggi dibandingkan coke - CTP. MCMB berbasis semicoke - CTP dengan parameter terbaik (SK-CBN) belum memenuhi kriteria untuk menjadi prekursor anoda baterai dikarenakan morfologinya belum berbentuk spherical dan struktur kristalnya belum optimal dengan nilai d002 sebesar 0,364 nm dan Lc sebesar 1,15 nm yang masih lebih besar dari grafit komersial yaitu d002 sebesar 0,3359 nm serta Lc sebesar 50 - 60 nm. Namun, berdasarkan analisis morfologi, MCMB berbasis semicoke - CTP yang dihasilkan dengan atmosfer udara (SK-CBA) memiliki morfologi yang lebih baik dibandingkan MCMB yang dihasilkan dengan atmosfer nitrogen (SK-CBN) dikarenakan tidak adanya micropores yang terbentuk. Kedua MCMB yang disintesis menggunakan semicoke - CTP tidak menghasilkan MCMB dengan karakteristik yang lebih baik dibandingkan MCMB berbasis coke - CTP (KCBA).