📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6,268 dokumenPENGEMBANGAN FRAMEWORK UNTUK MENILAI KELAYAKAN PROSES OTOMATISASI MENGGUNAKAN ROBOTIC PROCESS AUTOMATION (RPA) SEBAGAI PELENGKAP TEKNOLOGI SENSING PADA SISTEM CERDAS
Dalam era transformasi digital, Robotic Process Automation (RPA) semakin dimanfaatkan untuk meningkatkan efisiensi dan akurasi operasional, khususnya dalam mengotomatisasi tugas-tugas repetitif berbasis antarmuka pengguna, seperti ekstraksi data dari file semi-terstruktur (PDF, Excel) serta integrasi data ke dalam sistem cerdas. Dalam konteks ini, RPA diposisikan sebagai teknologi pelengkap (complementary technology) terhadap teknologi sensing utama seperti Internet of Things (IoT) dan Application Programming Interface (API), terutama pada kondisi di mana integrasi langsung melalui sensor fisik atau API tidak tersedia, tidak ekonomis, atau menghadapi keterbatasan sistem legacy. Penelitian ini bertujuan untuk mengembangkan sebuah kerangka kerja (framework) yang dapat digunakan untuk menilai kelayakan proses yang paling sesuai untuk diotomatisasi menggunakan RPA, dibandingkan dengan solusi berbasis IoT atau API, sehingga setiap teknologi digunakan secara proporsional sesuai karakteristik prosesnya. Framework yang diusulkan dibangun berdasarkan empat dimensi utama, yaitu kompleksitas proses, frekuensi dan volume tugas, aksesibilitas teknologi, serta manfaat bisnis, dan menggunakan pendekatan penilaian berbasis skor untuk menentukan kombinasi teknologi otomasi yang paling tepat. Penerapan framework dilakukan pada dua studi kasus, yaitu Integrated Smart System Platform (ISSP) Kota Semarang untuk mendukung prediksi banjir melalui otomasi pengumpulan dan pengolahan data cuaca, serta prototype Smart Waste Management System yang mengombinasikan sensor fisik dan RPA untuk pengelolaan data operasional secara real-time. Hasil penerapan menunjukkan bahwa RPA berperan strategis dalam menjembatani keterbatasan sensing langsung, sekaligus memperkuat kinerja sistem cerdas tanpa menggantikan peran utama IoT atau API.
MODEL VALUE INDEX UNTUK REKAYASA PRODUK FINANSIAL DENGAN PENERAPANNYA PADA DIGITAL LOAN
Penelitian ini mengatasi tantangan sosio teknis yang kompleks dalam ekosistem keuangan digital, khususnya digital loan, yang disebabkan oleh asimetri informasi dan model evaluasi yang tidak memadai, seperti credit scoring konvensional. Model credit scoring tradisional dianggap statis, hanya berfokus pada riwayat borrower dan gagal merepresentasikan nilai kontrak pinjaman secara holistik dan dinamis, yang berkontribusi pada tingginya angka kredit bermasalah Non-Performing Loan (NPL) serta terhambatnya inklusi keuangan yang adil dan berkelanjutan. Sebagai respons terhadap permasalahan tersebut, penelitian ini merancang dan membangun sistem rekayasa finansial bernama Smart Loan Arranger. Inti dari sistem ini adalah Model Value Index, sebuah artefak rekayasa desain yang mereformulasi kontrak pinjaman melalui pendekatan Value Engineering dan paradigma Smart Engineering. Model tersebut mengukur nilai intrinsik berdasarkan rasio antara fungsi dan biaya dari perspektif multi stakeholder, baik peminjam maupun pemberi pinjaman. Penelitian ini menggunakan pendekatan Design Science Research Methodology (DSRM), yang meliputi tahapan identifikasi masalah, penentuan tujuan solusi, perancangan dan pengembangan, demonstrasi, evaluasi, serta komunikasi hasil. Penerapan metode ini menghasilkan peningkatan akurasi evaluasi, di mana model Value Index dengan AHP pada awalnya terbukti mampu meningkatkan tingkat akurasi dari 64% pada metode konvensional menjadi 76,44% dan kemudian meningkat kembali menjadi 84,05% ketika bobot evaluasi diperoleh melalui integrasi Value Index dan machine learning. Simulasi berbasis Agent-Based Model (ABM) juga memperlihatkan adanya potensi penurunan rata-rata NPL sebesar 16,3% di berbagai skenario ekonomi (kondisi baik, normal, maupun krisis). Lebih lanjut analisis statistik menunjukkan adanya korelasi negatif yang kuat antara Value Index berbasis machine learning dengan NPL riil, dengan koefisien Pearson sebesar 0,787 dan nilai P sebesar 0,0069, yang menegaskan signifikansi temuan tersebut. Kontribusi utama disertasi ini adalah penyediaan kerangka kerja rekayasa nilai berbasis teknologi yang sistematis dan aplikatif. Kerangka ini mendukung pengambilan keputusan finansial yang lebih cerdas, adaptif, dan inklusif, khususnya untuk pembiayaan produktif sektor UMKM. Selain itu, disertasi ini berkontribusi pada pengembangan model Value Index pada produk finansial ii (digital loan), serta strategi peningkatan akurasi pengukuran nilai Value Index dengan menggunakan machine learning. Secara keseluruhan, Model Value Index yang dikembangkan terbukti mampu meningkatkan akurasi dan performa dalam evaluasi kontrak pinjaman digital, sekaligus menjaga stabilitas arus kas pada berbagai skenario ekonomi.
MODEL PREDIKSI DEGRADASI GEOMETRI TRACK BERBASIS DATA-DRIVEN DENGAN PENDEKATAN EXPLAINABLE AI.
Industri perkeretaapian modern menghadapi tantangan krusial dalam menyeimbangkan keselamatan operasional dengan efisiensi biaya pemeliharaan. Integritas geometri track, sebagai pilar utama keselamatan, secara tradisional dipantau melalui inspeksi periodik yang menyisakan celah pemantauan (monitoring gap) dan seringkali berujung pada pemeliharaan reaktif yang tidak efisien. Penelitian ini mengatasi tantangan tersebut dengan mengusulkan dan mengimplementasikan sebuah framework prediktif end-to-end yang inovatif, yang tidak hanya memprediksi degradasi geometri track secara akurat tetapi juga memberikan penjelasan yang dapat ditindaklanjuti (actionable explanation) mengenai akar penyebabnya. Metodologi pada penelitian ini berpusat pada pengembangan arsitektur fusi data quad-modal yang mengintegrasikan data dari empat sumber heterogen: data pengukuran kereta ukur/track recording vehicle (TRV), data getaran dinamis dari sensor akselerometer yang dipasang di kereta penumpang, sebelah kiri dan kanan, serta data historis laporan kerusakan (exception reports). Dataset terpadu ini kemudian digunakan untuk melatih sebuah model prediksi Hierarchical Attention Network (HAN), sebuah arsitektur deep learning yang dirancang untuk menangkap hubungan hirarkis yang kompleks dalam data dan secara inheren mendukung interpretabilitas. Sebagai puncak dari penelitian ini, sebuah framework Explainable Artificial Intelligence (XAI) dikembangkan untuk menerjemahkan output black box dari model HAN menjadi diagnosis yang dapat dipahami. Framework ini memperkenalkan metrik baru, yaitu skor kontribusi (Contribution Score), yang secara kuantitatif mengukur dampak setiap parameter terhadap prediksi degradasi. Skor ini menjadi dasar bagi sistem pendukung keputusan (decision support system) yang mampu memprioritaskan tindakan pemeliharaan dan memberikan rekomendasi perbaikan yang spesifik. Hasil implementasi menunjukkan bahwa pendekatan fusi data multi-modal secara signifikan meningkatkan akurasi prediksi, dengan penurunan Mean Absolute Error (MAE) sebesar 39.2% dibandingkan dengan model single-modal (Hipotesis 1 terbukti). Analisis feature importance juga mengkonfirmasi bahwa fitur diferensial dari data akselerometer merupakan prediktor signifikan untuk anomali asimetris (Hipotesis 2 terbukti). Lebih lanjut, framework XAI yang diusulkan berhasil divalidasi secara konseptual dan kuantitatif, dengan mencapai akurasi atribusi sebesar 75% dalam mengidentifikasi akar penyebab degradasi yang sesuai dengan laporan kerusakan geometri track (Hipotesis 3 sebagian terbukti). Disertasi ini memberikan kontribusi utama berupa sebuah framework diagnostik prediktif yang state-of-the-art, yang menjembatani kesenjangan antara kemampuan prediksi model AI terkini dan kebutuhan praktis di lapangan akan transparansi dan interpretabilitas. Dengan menyediakan prediksi yang akurat sekaligus penjelasan yang logis, framework ini membuka jalan bagi transformasi strategi pemeliharaan rel kereta api dari reaktif menjadi prediktif berbasis kondisi (condition-based) yang sesungguhnya, dengan potensi peningkatan keselamatan, keandalan, dan efisiensi biaya secara signifikan.
EVALUASI KINERJA KOTAK PENDINGIN YANG MENGGUNAKAN SISTEM KOMPRESI UAP DENGAN ANALISIS EKSPERIMENTAL
Indonesia dikenal dengan negara kepulauan yang menghasilkan tangkapan ikannya terbanyak di dunia. Food and Agriculture Organization (FAO) mencatat pada tahun 2021 Indonesia mencapai hasil tangkapan terbanyak no.2 di dunia dengan hasil tangkapan 21.718.023 ton. Pada kenyataan hasil tangkapan ikan ini memiliki nilai Penyusutan sebesar hampir 12% akibat dari penjagaan suhu ikan yang tidak baik. Penelitian ini bertujuan untuk mengevaluasi kinerja dari kotak pendingin yang menggunakan sistem kompresi uap dengan analisis eksperimental. Pengujian dilakukan secara eksperimental dengan berpatokan kepada ISO 916 dan IEC62552 melalui mengukur parameter operasional utama berupa temperatur dan konsumsi daya menggunakan termokopel type – dan watt meter. Data hasil pengukuran kemudian dianalisis menggunakan perangkat lunak coolprop untuk memperoleh sifat termodinamika seperti entalpi dan entropi dari fluida refrigerant, yang selanjutnya digunakan untuk menghitung Coefficient of Performance (COP) dan efisiensi kompresor dari kotak pendingin TAFFWARE CX40. Hasil penelitian menunjukkan bahwa nilai COP aktual yang diperoleh oleh kotak pendingin Taffware CX 40 pada konsisi tanpa beban steady-state sebesar 2,688 ± 0,0455 dan dengan beban sebesar 2,657 ± 0,0445. Data hasil analisis juga menunjukan bahwa efisiensi dari kompresor tanpa beban sebesar 28,9% ± 4,6% dan efisiensi kompresor dengan penambahan beban sebesar 29,59% ± 4,6% yang mana nilai-nilai dari hasil analisis tersebut umum untuk kotak pendingin dibawah 40 L dan akan lebih efektif nantinya jika digunakan sebagai distribusi ikan apabila ditambahkan komponen pendukung seperti tambahan rangkaian kapasitor, penambahan difusser serta fluida refrigerant campuran.
DEVELOPMENT OF A WEB TOOL NAVORA FOR AUTOMATED RISK ASSESSMENT IN SPECIFIC DRONE OPERATIONS USING THE SORA FRAMEWORK
Badan Keselamatan Penerbangan Eropa (EASA) menetapkan peraturan untuk kendaraan udara tak berawak (UAV). Peraturan ini mencakup kategori risiko untuk operasi. Kategori risiko “Specific” melibatkan penilaian risiko operasi komprehensif yang dikenal sebagai Specific Operations Risk Assessment (SORA), yang dikembangkan oleh Otoritas Bersama untuk Pembuatan Peraturan Sistem Tak Berawak. Mereka menghasilkan proses sistematis untuk integrasi aman operasi Sistem Udara Tak Berawak (UAS) dengan ruang udara sipil dengan mengidentifikasi, menganalisis, dan mengurangi risiko operasi. Meskipun metode ini sangat penting, saat ini masih kompleks dan memakan waktu. Hal ini ditambah dengan persyaratan pengetahuan ahli yang dapat menjadi hambatan bagi adopsi, terutama bagi operator skala kecil dan lembaga penelitian. Studi ini memperkenalkan NAVORA, platform berbasis web yang dirancang untuk mengotomatisasi dan menyederhanakan proses SORA. Alat ini memandu pengguna melalui setiap langkah penilaian, secara otomatis menentukan Kelas Risiko Darat (GRC), Kelas Risiko Udara (ARC), dan Tingkat Jaminan dan Integritas Spesifik (SAIL), sambil menghasilkan dokumen pendukung seperti Konsep Operasi (ConOps). Dua studi kasus dilakukan, yaitu misi logistik BVLOS yang dilaksanakan oleh DHL Parcelcopter 3.0 antara Reit im Winkl dan Winklmoosalm, Jerman, serta demonstrasi pengantaran BVLOS menggunakan JD.ID JDrone Y3 antara Pasar Parung Panjang, Banten, dan MIS Nurul Falah Leles, Jawa Barat, Indonesia, yang menunjukkan penerapan praktis platform ini. Melalui otomatisasi dan penilaian interaktif, NAVORA menjembatani kesenjangan antara kepatuhan regulasi dan efisiensi operasional, mendorong misi drone yang lebih aman dan terstandarisasi di berbagai lingkungan.
BICEPS BRACHII FORCE PREDICTION FOR ISOMETRIC AND DYNAMIC ELBOW MOVEMENTS
Kelemahan otot ekstremitas atas dapat mengganggu aktivitas sehari-hari, tetapi penilaian kekuatan masih banyak dilakukan pada kondisi statik. Tugas akhir ini menggabungkan elektromiografi permukaan, penangkapan gerak, dan pemodelan muskuloskeletal untuk mengestimasi gaya otot biseps selama gerak fleksi-ekstensi siku secara isometrik dan dinamik. Penelitian ini memeriksa kesesuaian gaya otot hasil OpenSim terhadap perhitungan beban eksternal dan menyusun persamaan sederhana untuk memprediksi gaya biseps dari sinyal elektromiografi permukaan dan momen eksternal. Sepuluh partisipan laki-laki melakukan maximal voluntary contraction, tahanan isometrik pada beban submaksimal, dan gerak fleksi-ekstensi siku dinamik sambil mengangkat massa eksternal. Sinyal elektromiografi permukaan satu kanal pada otot biceps disaring, dinormalisasi, dan disinkronkan dengan lintasan marker dari sistem motion capture optik. Data kinematika dan beban eksternal kemudian diproses di OpenSim menggunakan inverse kinematics, inverse dynamics, dan static optimization untuk memperoleh gaya otot biseps. Validitas hasil dinilai dari kesesuaian antara momen inverse dynamics, momen eksternal terhitung, dan momen otot teroptimasi, serta nilai korelasi Pearson dan root mean square error. Untuk kondisi isometrik, diperoleh rasio yang hampir konstan antara gaya biseps dan momen siku eksternal sehingga model prediksi proporsional menunjukkan kesesuaian tinggi dengan gaya otot OpenSim. Untuk kondisi dinamik, hubungan linier yang berubah terhadap waktu antara elektromiografi permukaan ternormalisasi dan gaya biseps ternormalisasi memberikan korelasi yang baik dengan galat prediksi kecil. Hasil ini mendukung laporan sebelumnya tentang perilaku hampir linier pada kasus isometrik dan mengusulkan kerangka prediksi yang praktis untuk gerak siku isometrik dan dinamik yang dapat mendukung penilaian kuantitatif pada rehabilitasi ekstremitas atas.
PREDIKSI STRESS RATIO TANAH LEMPUNG JENUH PADA UJI TRIAXIAL CU MENGGUNAKAN DUAL-MODEL LSTM
Penelitian ini mengembangkan dual-model berbasis Long Short-Term Memory (LSTM) untuk memprediksi stress ratio (rasio tegangan deviatorik terhadap tekanan overburden efektif) tanah lempung jenuh dari data uji triaxial Consolidated Undrained (CU). Model menggunakan regangan aksial dan sepuluh parameter karakteristik tanah sebagai input. Dataset terdiri dari 105 kurva yang dipisahkan menjadi dua kelompok berdasarkan nilai maksimum tegangan deviatorik: Kelompok I (? 0,9 kg/cm²) dengan 73 kurva dan Kelompok II (< 0,9 kg/cm²) dengan 32 kurva. Kelompok I dimodelkan menggunakan Bi-LSTM dengan mekanisme attention yang dioptimasi melalui Bayesian Optimization dan 3-fold cross-validation, menghasilkan MAE 0,073, RMSE 0,11, dan R² 0,942. Kelompok II menggunakan LSTM sederhana dengan regularisasi ketat dan augmentasi data (menjadi 96 kurva), mencapai MAE 0,035, RMSE 0,072, dan R² 0,948. Studi ablasi mengungkapkan bahwa kadar air merupakan parameter paling krusial, di mana penghilangannya menyebabkan peningkatan MAE dari 0,059 menjadi 0,089 dan penurunan R² dari 0,959 menjadi 0,926. Penelitian ini memberikan panduan efektif untuk pemilihan fitur dalam pengembangan model prediktif geoteknik.
IDENTIFIKASI POTENSI RISIKO LINGKUNGAN DARI EFLUEN INDUSTRI FARMASI TERHADAP DAPHNIA MAGNA
Industri farmasi merupakan salah satu kontributor yang menyebabkan adanya pelepasan bahan aktif farmasi di lingkungan. Keberadaan bahan aktif farmasi di lingkungan tergolong sebagai emerging contaminant karena memiliki potensi pencemaran lingkungan yang besar dan dicurigai memiliki dampak kesehatan terhadap manusia, namun belum dilakukan monitoring secara rutin. Diketahui, bahwa saat ini bahan aktif Parasetamol telah terdeteksi di efluen air limbah, air permukaan, air sumur, dan air minum. Paparan bahan aktif Parasetamol memiliki dampak terhadap hewan akuatik seperti Daphnia magna, dimana paparan sub-kronik mampu menurunkan perilaku berenang. Penelitian ini dilakukan untuk mengetahui hubungan konsentrasi air limbah yang mengandung Parasetamol terhadap Daphnia magna. Penelitian ini dilakukan di industri farmasi yang menggunakan bahan aktif Parasetamol, dengan menggunakan desain penelitian ekologi eksperimental. Diketahui bahwa industri A memiliki nilai LC50-96 jam (19,5%), yang lebih besar dibandingkan industri B sebesar 12,1%, sehingga menyebabkan industri B memiliki potensi keracunan akut lebih besar. Selain itu, industri A memiliki panjang lintasan renang lebih pendek (12 cm) dibandingkan dengan industri B (21,5 cm), dimana penurunan lintasan renang pada efluen industri B dimulai lebih awal yaitu pada konsentrasi >12,5%, jika dibandingkan dengan industri A yaitu pada konsentrasi >30%.
STUDI PENGARUH RASIO [CU²?]/[MN²?], WAKTUELEKTRODEPOSISI, DAN RAPAT ARUS TERHADAPBERAT DEPOSIT DAN SIFAT KETERBASAHAN LAPISANCU-MN HASIL ONE-STEP ELECTRODEPOSITION PADABAJA
Pengembangan permukaan superhidrofobik pada material logam menjadi topik penting dalam bidang rekayasa permukaan karena berkaitan dengan pengendalian sifat keterbasahan melalui rekayasa struktur mikro–nano. Salah satu metode yang banyak dikembangkan untuk menghasilkan lapisan superhidrofobik adalah onestep electrodeposition, karena mampu membentuk struktur permukaan dan sifat hidrofobik secara simultan dalam satu tahap proses. Penelitian ini bertujuan untuk mempelajari pengaruh variasi rapat arus, rasio ion [Cu²?]/[Mn²?], dan waktu elektrodeposisi terhadap berat deposit serta sifat keterbasahan lapisan superhidrofobik Cu–Mn yang difabrikasi pada baja API 5L Grade X52M. Cakupan penelitian meliputi fabrikasi lapisan dengan metode one-step electrodeposition, pengujian sudut kontak air, pengukuran berat deposit, perhitungan persen kontribusi masing-masing faktor, serta analisis pengaruh dan signifikansi faktor proses menggunakan metode ANOVA. Sampel baja API 5L Grade X52M dipreparasi melalui proses pemotongan, pengamplasan bertahap, pembersihan menggunakan ultrasonic cleaner, proses degreasing, electrolytic polishing, dan aktivasi permukaan. Proses one-step electrodeposition dilakukan menggunakan larutan elektrolit yang mengandung CuCl?·2H?O, MnCl?, asam miristat, Sodium Dodecyl Sulfate (SDS) dan asam borat, dengan dua batang grafit sebagai anoda dan baja sebagai katoda. Variabel yang divariasikan meliputi rasio [Cu²?]/[Mn²?] (0,1:1 dan 0,4:1), waktu elektrodeposisi (5 dan 15 menit), serta rapat arus (3 dan 7 A/dm²) yang disusun dalam desain percobaan 2? factorial design dengan dua kali replikasi. Sampel hasil deposisi kemudian diteteskan air dan diukur sudut kontaknya serta dihitung berat deposit yang dihasilkan. Hasil penelitian menunjukkan bahwa lapisan superhidrofobik Cu–Mn berhasil terbentuk pada hampir seluruh variasi parameter dengan nilai sudut kontak air di atas 150°. Nilai sudut kontak tertinggi yang diperoleh pada penelitian ini adalah sebesar 157,7°, yang dicapai pada variasi rasio [Cu²?]/[Mn²?] = 0,4:1, waktu elektrodeposisi 5 menit, dan rapat arus 7 A/dm². Berdasarkan analisis, seluruh faktor utama dan interaksi dinyatakan signifikan terhadap sudut kontak air, dengan interaksi waktu dan rapat arus memberikan persen kontribusi terbesar. Sementara itu, rapat arus menjadi faktor paling dominan yang mempengaruhi berat deposit. Hasil karakterisasi Scanning Electron Microscope-Energy Dispersive Spectroscopy menunjukkan bahwa lapisan yang terbentuk memiliki mikrostruktur yang homogen dengan struktur mikro–nano berbentuk cauliflower, yang berperan penting dalam pembentukan sudut kontak air yang tinggi.
PEMANFAATAN PANAS BUANG DARI PLTP UNTUK PENGERINGAN HASIL PANEN MASYARAKAT SEKITAR SEBAGAI BENTUK CORPORATE SOCIAL RENSPONSBILITY (CSR) DARI PENGELOLA WILAYAH KERJA PANAS BUMI.STUDI KASUS: PLTP KAMOJANG
Pengembangan PLTP tidak jarang memunculkan tantangan sosial, terutama persepsi terkait manfaat langsung bagi masyarakat sekitar. Uap dari sumur produksi sering melebihi kebutuhan pembangkit, kelebihan uap ini dibuang ke lingkungan sebagai panas buang. Uap berlebih ini dapat dimanfaatkan untuk pengeringan. Buah kopi yang tidak segera diproses kurang dari 24 jam akan mengalami penurunan mutu, sementara pengeringan tradisional yang mengandalkan panas matahari sangat dipengaruhi kondisi cuaca. Tantangan ini yang menjadi dasar sistem pengering berbasis panas buang sebagai bentuk CSR bersifat berkelanjutan. Penelitian ini bertujuan menganalisis kelayakan teknis dan ekonomi pemanfaatan panas buang PLTP Kamojang untuk pengeringan kopi pada tiga kelompok tani terdekat dari Unit II Indonesia Power. Penelitian dimulai dengan menganalisis perpindahan panas uap sepanjang pipa, merancang konfigurasi penukar panas yang menghasilkan udara pengering sesuai kebutuhan operasi pengering. Kedua, kinerja pengering menggunakan perangkat lunak CFD dan memvalidasinya terhadap model numerik pengeringan lapis tipis yang telah dilakukan pada studi terdahulu. Ketiga, menentukan Kelompok Tani yang paling sesuai untuk penerapan sistem ini melalui analisa multi kriteria. Hasil penelitian menunjukkan bahwa temperatur akhir uap pada Kelompok Tani Wanoja, Gunung Kamojang, dan Bersama Harapan Warga berturut-turut adalah 138,3°C (5,64 bar), 126,9°C (5,18 bar), dan 121,8°C (4,97 bar). Simulasi CFD metode natural, dryer mampu menampung 185,29 kg buah kopi dengan waktu pengeringan 30,53 jam, sedangkan metode full wash dapat menampung 183,65 kg dengan waktu pengeringan 24,53 jam. Hasil analisa multi kriteria menunjukkan Kelompok Tani Wanoja menjadi kandidat paling layak, kemudian Kelompok Tani Bersama Harapan Warga dan Gunung Kamojang. Pemanfaatan panas buang PLTP untuk pengeringan kopi bagi masyarakat sekitar dapat menjadi model CSR berkelanjutan energi terbarukan dengan pemberdayaan ekonomi masyarakat lokal.
PENGEMBANGAN MODEL EMPIRIS KECEPATAN GELOMBANG AKUSTIK BAWAH LAUT DI PERAIRAN SAMUDERA INDONESIA MENGGUNAKAN MODEL HYBRID LINEAR DAN NON LINEAR
Ada berbagai penelitian di bidang kelautan yang menggunakan profil kecepatan suara, atau sound speed profile (SSP) sebagai basis dalam menentukan karakteristik perairan, hanya saja ketersediaan data dalam lingkup spasial dan secara real time sangat terbatas. Rumus ‘Empiris’ membantu memperoleh profil kecepatan suara secara praktis, menyebabkan banyak bermunculan penelitian-penelitian yang mengembangkan model empiris kecepatan suara berdasarkan data Atlantik atau Pasifik—seperti Medwin, Leroy, Mackenzie, Coppens, dan Del Grosso. Sayangnya untuk saat ini belum ada rumus empiris kecepatan suara akustik bawah laut khusus yang dirancang untuk penggunaan di Indonesia, terutama di Perairan Samudera Indonesia, yang memiliki stratifikasi perairan lebih spesifik daripada perairan sub tropis. Sejauh ini, Medwin, Leroy, Mackenzie, Coppens, dan Del Grosso masih banyak digunakan secara praktis untuk wilayah perairan Indonesia apabila ditinjau dari range input parameter lingkungan, yang masih bisa menghasilkan kecepatan suara (C) dan SSP di perairan Indonesia. Maka, menggunakan data 14 stasiun yang didapatkan dari wilayah Perairan Samudera Indonesia yang memiliki data C hasil ukur lapangan disertai dengan data salinitas (S), suhu (T) dan kedalaman (D) yang mewakili parameter lingkungan penyusun kecepatan suara akustik bawah laut. Hal yang pertama-tama dianalisa adalah pembagian lapisan kedalaman menjadi Mixed Layer, Termoklin, dan Deep Layer untuk melihat korelasi parameter lingkungan terhadap stratifikasi gradien parameter, terutama di T untuk melihat karakteristik masing-masing perairan pada stasiun uji. Lalu, memastikan 5 rumus yang disebutkan apakah masih relevan digunakan pada perairan Indonesia, dilihat dari segi residual dan Root Mean Square (RMSE) terhadap C data yang ada. Kemudian, dilaksanakan penelitian yang menggunakanlah metode Hybrid yang menggabungkan aspek linear dan Non-Linear. Metode tersebut terbagi dalam aspek linear, dimana lima rumus referensi milik Medwin, Leroy, Mackenzie, Coppens, dan Del Grosso diregresi berdasarkan parameter lingkungan S,T,dan D, kemudian dikombinasikan dengan korektor Non-Linear sesuai dengan pemberatan (w) layer iii kedalaman berdasarkan gradien serupa setiap segmen geometrik yang dilihat dari grafik SSP dan parameter lingkungan S,T dan D. Didapatkan rumus akhir ???????????????? ???? ????????~???? ???? ????????????~???????? , dimana t merupakan term linear dari regresi 5 rumus referensi terhadap parameter lingkungan S, T, dan D. Kemudian terdapat term et berupa korektor Non-Linear 16 w per kluster gradien kedalaman. Pengujian akhir dilakukan sebagai bentuk validasi untuk melihat apakah Rumus baru ???????????????? relevan digunakan untuk Indonesia dibandingkan dengan rumus empiris kecepatan suara yang sudah ada. Setelah dihitung ulang nilai C masing-masing rumus, ???????????????? memiliki RMSE dan residual tidak melebihi 1m/s pada tiap stasiun uji pada setiap lapisan Mixed Layer, Termoklin, dan Deep Layer. Angka 1m/s menandakan rumus baru CABA memiliki kinerja yang baik tanpa adanya performance bias pada karakteristik laut spesifik, karena bisa menangkap ketidakpastian apabila digunakan di perairan samudera Indonesia.Rumus ???????????????? memiliki kinerja baik dibandingkan dengan rumus existing yang digunakan sebagai rumus referensi pada lapisan kedalaman Termoklin dan Deep Layer, menandakan rumus ini bisa mewakili stratifikasi tipikal yang terjadi di Perairan Samudera Indonesia akibat iklim tropis dan efek Indonesian Throughflow (ITF).
STUDI PERBANDINGAN ANALISIS PUSHOVER PERFECLTY PLASTIC DAN MATERIAL NONLINEAR PADA STRUKTUR BAJA SEDERHANA SEBAGAI REPERESENTASI PERILAKU DASAR ANJUNGAN LEPAS PANTAI
Keamanan operasional anjungan lepas pantai tipe fixed platform sangat bergantung pada integritas struktural dalam mempertahankan stabilitas lateral saat menghadapi beban lingkungan ekstrem. Penelitian ini bertujuan untuk melakukan verifikasi analisis pushover hingga titik leleh (yield) melalui studi komparatif antara perangkat lunak SACS dan ABAQUS. Fokus utama penelitian ini adalah menginvestigasi pengaruh parameter kelangsingan (KL/r) dan mekanisme nonlinieritas geometri terhadap kapasitas beban ultimat serta mekanisme keruntuhan pada model kantilever dan portal sederhana. Metodologi yang diterapkan melibatkan pemodelan elemen hingga dengan mempertimbangkan aspek Geometric Nonlinearity, yang mencakup efek P-? (global) dan P-???? (lokal). Efek P-? dianalisis sebagai konsekuensi dari simpangan lateral global yang menghasilkan momen sekunder tambahan, sementara efek P-???? dikaji sebagai fenomena kelengkungan lokal elemen yang mempercepat instabilitas tekuk (buckling). Hasil perhitungan menunjukkan sensitivitas yang signifikan pada nilai KL/r, reduksi diameter luar (Outer Diameter) tiang dari 0,6128 m menjadi 0,5012 m menyebabkan kenaikan rasio kelangsingan dari 76,39 menjadi 131,31. Hal ini membuktikan bahwa penurunan kekakuan penampang secara simultan meningkatkan kerentanan struktur terhadap instabilitas orde kedua. Hasil simulasi numerik menunjukkan bahwa degradasi kekakuan awal dan distribusi plastisitas pada penampang pipa lingkaran (Circular Hollow Section) bermula dari serat terluar yang mencapai tegangan leleh maksimum sebelum terjadi Studi Perbandingan Analisis Pushover Perfectly Plastic dan Material Nonlinear pada Struktur Baja Sederhana sebagai Representasi Perilaku Dasar Struktur Anjungan Lepas Pantai plastisitas penuh di seluruh penampang. Verifikasi menunjukkan bahwa tumpuan jepit pada kolom fixed-free merupakan titik paling kritis akibat akumulasi momen sekunder maksimum. Penelitian ini memformulasikan batasan parameter KL/r sebagai kriteria untuk membedakan antara fenomena immediate collapse dan progressive collapse. Validasi menggunakan ABAQUS memberikan referensi analisis material nonlinier yang lebih realistis dibandingkan SACS dalam menangkap perilaku deformasi besar. Implikasi dari penelitian ini memberikan kontribusi pada evaluasi kapasitas ultimate desain anjungan lepas pantai, memastikan mekanisme keruntuhan yang diprediksi sesuai dengan perilaku struktural aktual di lapangan.
PEMODELAN BIOMASSA KARBON DINAMIS DAN VALUASI POTENSI EKONOMI KARBON BERBASIS DATA PENGINDRAAN JAUH DAN MACHINE LEARNING DI ASIA TENGGARA
Hutan merupakan penyimpan biomassa terbesar di ekosistem daratan yang mampu menyerap dua pertiga emisi karbon setiap tahunnya. Asia Tenggara memiliki 15% hutan hujan tropis dunia yang dapat menyimpan biomassa serta stok karbon, sehingga berpotensi mendukung mitigasi perubahan iklim global. Namun, kawasan ini menghadapi ancaman serius terhadap eksistensi hutan, dikarenakan tingginya tingkat deforestasi, ekspansi lahan pertanian, dan kelapa sawit. Tantangan lain muncul terkait pengukuran biomassa hutan pada temporal dan skala spasial yang luas, sementara pengukuran secara langsung membutuhkan waktu yang lama, tenaga besar, akses yang terbatas ke wilayah terpencil, dan biaya yang mahal. Selain itu, informasi terkait biomassa karbon hutan masih terbatas dan bersifat statis, yaitu tersedia untuk tahun dan wilayah tertentu saja, sehingga belum memadai untuk menggambarkan dinamika perubahan biomassa karbon secara temporal yang diperlukan untuk perencanaan konservasi dan mitigasi. Penelitian ini mengatasi keterbatasan tersebut dengan tujuan utama mengembangkan model biomassa karbon dinamis pada tahun 2000 hingga 2020 di Asia Tenggara dengan memanfaatkan data pengindraan jauh dan teknik Machine Learning (ML) serta mengestimasi potensi nilai ekonomi karbon berdasarkan model biomassa karbon dinamis tersebut. Tujuan pendukung penelitian ini, yaitu memetakan distribusi spasio-temporal tutupan hutan di Asia Tenggara. Metodologi penelitian ini mengintegrasikan berbagai dataset dan parameter pengindraan jauh—meliputi parameter indeks vegetasi, produktivitas vegetasi, biofisik, parameter iklim, dan topografi—dengan algoritma ML Random Forest (RF) untuk membuat model biomassa karbon, mencakup Aboveground (AGBC) dan Belowground (BGBC) Biomass Carbon yang bersifat dinamis dan lebih akurat. Kebaruan penelitian ini menekankan pada integrasi spasio-temporal antara area tutupan hutan dan biomassa karbon dinamis, serta pendekatan valuasi nilai ekonomi berbasis model biomassa karbon di skala regional Asia Tenggara. Analisis hasil penelitian ini menunjukkan terjadi penurunan luas hutan sebesar ~1,29 juta km2 (59,35%) selama dua dekade ini yang diakibatkan oleh aktivitas deforestasi, ekspansi lahan pertanian, dan kelapa sawit. Temuan utama pada penelitian ini menunjukkan penurunan AGBC dan BGBC berturut-turut sebesar, 26.177,36 ± 5,93 Mega Ton Carbon (MtC) tahun 2000 menjadi 15.957,03 ± 4,09 MtC tahun 2020 dan sebesar 6.609,37 ± 1,65 MtC tahun 2000 menjadi 3.956,9 ± 1,07 MtC tahun 2020. Secara spasial, penurunan biomassa karbon dominan terjadi di wilayah Indonesia dan Malaysia di mana wilayah-wilayah ini memiliki tingkat deforestasi dan ekspansi lahan sawit yang sangat tinggi. Selain itu, di beberapa wilayah ekspansi lahan pertanian juga telah berkontribusi signifikan terhadap konversi tutupan hutan, seperti di Thailand dan Myanmar. Kemudian, Penelitian ini juga memvaluasi potensi ekonomi yang dapat dihasilkan oleh biomassa karbon hutan. Valuasi ekonomi potensial dilakukan dengan mengonversi biomassa karbon menjadi total emisi ekuivalen karbon dioksida (CO?e). Potensi nilai ekonomi karbon diestimasi berdasarkan dua skenario harga, yaitu harga rata-rata di kawasan ASEAN plus China, Jepang, dan Korea Selatan (ASEAN+3) dan harga rekomendasi global. Estimasi menunjukkan terjadi penurunan potensi ekonomi karbon hutan antara tahun 2000 dan 2020, yaitu sebesar USD 776 miliar menjadi USD 471 miliar untuk skenario harga ASEAN+3, sedangkan untuk skenario harga rekomendasi global terjadi penurunan dari USD 9,02 triliun menjadi USD 5,48 triliun. Penelitian ini telah berhasil menganalisis penurunan tutupan hutan, mengembangkan model biomassa karbon dinamis, dan memvaluasi potensi ekonomi ekonomi karbon di Asia Tenggara selama 2000 sampai 2020. Berdasarkan hasil dan analisis, penelitian ini menegaskan bahwa penurunan hutan yang terjadi selama dua dekade terakhir berdampak signifikan terhadap berkurangnya biomassa karbon hutan dan potensi ekonomi yang dapat dihasilkan—dengan kerugian mencapai USD 305 miliar hingga USD 3,54 triliun. Temuan ini menyoroti tingginya urgensi dalam upaya konservasi, pengelolaan hutan berkelanjutan, serta pengembangan kebijakan ekonomi berbasis hutan guna mendukung mitigasi perubahan iklim dan optimalisasi perdagangan karbon berbasis hutan di Asia Tenggara.
STRATEGI PENGUATAN SISTEM PENGENDALIAN PEKERJAAN PROCESS HAZARD ANALYSIS (PHA) UNTUK MENGATASI KETERLAMBATAN DAN MENCAPAI ZERO OVERDUE: STUDI KASUS DALAM TECHNICAL ENGINEERING PT PERMONO RAKIN
Penelitian ini membahas mengenai kajian efektivitas sistem pengendalian pemantauan item pekerjaan Process Hazard Analysis (PHA) pada PT Permono Rakin yang belum konsisten mencapai target perusahaan Zero Overdue, di mana 12 dari 73 pekerjaan PHA dalam dua tahun terakhir mengalami keterlambatan atau overdue. Penggunaan kerangka Management Control System (MCS) Anthony dan Govindarajan yang memiliki empat elemen utama (Perencanaan, Pengukuran, Evaluasi, dan Tanggung Jawab) dalam studi ini, mendorong adanya identifikasi terhadap akar masalah yang meliputi penjadwalan yang tidak berbasis kapasitas, pengukuran yang reaktif dan bulanan, serta kurangnya feedback control yang efektif. Untuk meresponi teori MCS, pendekatan kualitatif dengan metode analisis Control Adequacy, Feedback Control Effectiveness, Gap Analysis, dan RACI Matrix diterapkan sebagai bahan evaluasi elemen MCS yang ada dan memverifikasi akar masalah. Sebagai solusi, strategi penguatan MCS diusulkan, berfokus pada transisi dari Action Control ke Results Control melalui implementasi sistem perencanaan yang diselaraskan dengan kapasitas, pengukuran mingguan berbasis milestone, dan learning integration untuk peningkatan berkelanjutan. Implementasi strategi terhadap system monitoring PHA ini diharapkan dapat menguatkan sistem pengendalian manajerial, secara fundamental mengatasi masalah keterlambatan PHA, dan membantu PT Permono Rakin agar dapat mencapai target Zero Overdue.
DENOISING CITRA GALAKSI MENGGUNAKAN PENDEKATAN DEEP LEARNING BERBASIS NEURAL NETWORK
Citra astronomi (astronomical image) memiliki peran yang krusial dalam pengamatan astronomi (baik untuk identifikasi, analisis, maupun visualisasi). Namun, kualitas citra sering terdegradasi oleh berbagai masalah, salah satunya distraksi derau noise. Derau noise dapat muncul akibat berbagai faktor, seperti sifat intrinsik dan proses elektronik instrumen observasi, kondisi atmosfer, fluktuasi latar belakang, dan lain sebagainya. Oleh karena itu, diperlukan pendekatan untuk mengurangi noise pada citra astronomi agar dihasilkan citra yang lebih baik. Neural network merupakan subset dari pembelajaran mesin (machine learning) dan inti dari algoritma pembelajaran mesing mendalam (deep learning). Cara kerja neural network yaitu dengan mereplikasi cara kerja otak manusia yang terdiri dari berbagai neuron untuk mempelajari serta memahami suatu hal, termasuk identifikasi noise pada gambar. Secara garis besar, cara kerja model berbasis neural network dalam mengurangi noise adalah dengan mengidentifikasi noise pada citra dan menghasilkan citra yang lebih bersih. Pada tugas akhir ini, dilakukan proses denoising pada citra gugus galaksi Stephan’s Quintet (koordinat ? 22:36:07.99 dan ? +33:57:53.1) dari Hubble Space Telescope (HST) menggunakan metode Denoising Convolutional Neural Network (DnCNN) dengan data training set berasal dari pemodelan GALFIT. Hasil denoising tersebut kemudian dibandingkan dengan citra galaksi yang sama dari instrumen yang lebih canggih, yaitu James Webb Space Telescope (JWST). Tujuan perbandingan ini adalah untuk mengevaluasi kemampuan metode DnCNN dalam meningkatkan kualitas citra melalui pengurangan noise. Evaluasi ini dilakukan secara kuantitatif dengan melakukan estimasi nilai Peak Signal-to-Noise Ratio (PSNR), Naturalness Image Quality Evaluator (NIQE), dan analisis profil S´ersic. Selain itu, dilakukan juga peninjauan tingkat kesalah error dari model yang sudah dilatih menggunakan loss function Mean Squared Error. Lalu, dilakukan juga evaluasi kualitatif performa model melalui perbandingan residual dan perbandingan visual melalui detektor alami (mata pengamat) berdasarkan hasil inferensi model.