📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 18 dokumenPERANCANGAN DAN IMPLEMENTASI KONTROL ADAPTIF KASKADE MRAC DAN GAIN SCHEDULING PID BERBASIS PEMODELAN NARX DAN DIGITAL TWIN PADA MINIPLANT PASTEURISASI ARMFIELD PCT23MKII
Proses pasteurisasi High-Temperature Short-Time (HTST) memerlukan kontrol temperatur yang akurat untuk menjaga kualitas dan keamanan produk. Pada miniplant Armfield PCT23MKII, kontrol temperatur menjadi tantangan karena adanya waktu tunda, inersia termal, serta karakteristik nonlinear yang dipengaruhi oleh proses perpindahan panas, laju aliran, dan dinamika pemanas. Penelitian ini bertujuan membangun model dinamika plant berbasis data, merancang kontrol adaptif berbasis model NARX, serta mengembangkan digital twin sebagai media monitor, simulasi, dan evaluasi kontrol pada plant pasteurisasi secara real time. Pemodelan plant dilakukan menggunakan Nonlinear AutoRegressive with eXogenous input (NARX) dengan estimator nonlinear berbasis wavenet untuk merepresentasikan temperatur produk ????1 dan temperatur tangki pemanas ????2. Pemilihan parameter model dilakukan melalui sweep search terhadap orde keluaran, orde masukan, delay masukan, dan jumlah unit wavenet. Model ????1 terbaik menghasilkan fit sebesar 83,36% dengan RMSE 1,194°C, sedangkan model ????2 menghasilkan fit sebesar 82,24% dengan RMSE 2,734°C. Berdasarkan model tersebut, dirancang dua strategi kontrol temperatur, yaitu NARX Kaskade MRAC dan NARX Gain Scheduling PID. Kontrol NARX Kaskade MRAC menghasilkan RMSE 5,2315°C, MAE 3,2606°C, steady-state error 0,1226°C, overshoot 13,542%, rise time 285,23 s, dan settling time 785,188 s, sedangkan kontrol NARX Gain Scheduling PID menghasilkan RMSE 3,669°C, MAE 1,938°C, steady-state error 0,552°C, overshoot 3,316%, rise time 207,14 s, dan settling time 575 s. Hasil ini menyimpulkan bahwa Gain Scheduling PID memiliki respons transien yang lebih cepat dan overshoot lebih rendah, sementara Kaskade MRAC menghasilkan galat tunak yang lebih kecil. Digital twin berbasis model yang telah diturunkan berhasil dikembangkan sebagai HMI berbasis web yang terhubung dengan PLC melalui KepServer dan broker MQTT. Sistem mampu menerima data aktual plant, menampilkan visualisasi 2D, mengirimkan perintah dari HMI menuju PLC, menjalankan model NARX sebagai pembanding terhadap data aktual, serta menampilkan mode kontrol dan sinyal aktuator. Pemantauan secara online juga dapat diakses melalui beberapa perangkat dalam satu jaringan. Dengan demikian, sistem yang dikembangkan mampu menjalankan pengontrolan secara real time dengan mengintegrasikan pemodelan NARX, kontrol adaptif, dan digital twin untuk mendukung proses pemantauan serta evaluasi kontrol pada miniplant pasteurisasi Armfield PCT23MKII.
PERANCANGAN GAIN-SCHEDULED MODEL PREDICTIVE CONTROL (MPC) BERBASIS DISCRETE KALMAN FILTER DAN KEMBARAN DIGITAL PADA MINIPLANT PASTEURISASI ARMFIELD PCT23MKII
Dalam industri pengolahan susu, pasteurisasi dengan metode High Temperature Short Time (HTST) merupakan proses kritis yang mensyaratkan pengontrolan temperatur presisi, yaitu sekitar 72°C selama 15 detik untuk menjamin keamanan susu tanpa merusak kandungan gizi. Namun, pengontrolan pada miniplant Armfield PCT23MKII menghadapi tantangan berupa waktu tunda yang signifikan serta sifat nonlinearitas sistem yang kuat. Penggunaan pengontrol Model Predictive Control (MPC) linear tunggal ditemukan tidak efektif karena mengalami kegagalan stabilitas dan memiliki steady-state error (SSE) yang besar saat beroperasi di atas suhu 40°C, sehingga diperlukan pendekatan kontrol yang lebih adaptif untuk mencakup seluruh rentang operasional. Penelitian ini mengusulkan perancangan sistem kembaran digital (digital twin) yang mengintegrasikan Gain-Scheduled Model Predictive Control dengan state estimator berbasis Discrete Kalman Filter (DKF) pada miniplant pasteurisasi Armfield. Strategi Gain-Scheduling diterapkan dengan membagi rentang operasi menjadi dua daerah kerja, yaitu 27°C–40°C dan 40°C–54°C, berdasarkan model First-Order Plus Time Delay (FOPTD) dan Second-Order Plus Time Delay (SOPTD), sehingga karakteristik nonlinear proses dapat direpresentasikan dengan lebih akurat. Kembaran digital dirancang sebagai representasi virtual proses fisik yang terhubung secara real-time melalui jaringan komunikasi industri, sehingga memungkinkan pemantauan, evaluasi performa pengontrol, serta pengendalian jarak jauh melalui antarmuka berbasis web. Sementara itu, Discrete Kalman Filter digunakan untuk mereduksi derau pengukuran dan fluktuasi temperatur akibat variasi laju alir produk, sehingga menghasilkan sinyal umpan balik yang lebih bersih dan meningkatkan stabilitas proses optimasi pada MPC. Hasil pengujian menunjukkan bahwa integrasi Gain-Scheduled Model Predictive Control dengan dan DKF mampu meningkatkan performa sistem dengan rata-rata perbaikan sebesar 5,52% pada metrik steady-state error (SSE), maximum overshoot, dan root mean square error (RMSE), serta berhasil mempertahankan kemampuan penjejakan setpoint dan penolakan gangguan secara andal pada operasi waktu nyata. Validasi kembaran digital juga menunjukkan tingkat kesesuaian yang baik terhadap plant aktual dengan nilai RMSE sebesar 4,73°C sepanjang durasi pengujian.
ARSITEKTUR SISTEM DIGITAL TWIN JEMBATAN KERETA API BERBASIS SENSOR GETARAN UNTUK DETEKSI ANOMALI KONDISI STRUKTURAL
Pemantauan kondisi jembatan kereta api di Indonesia hingga saat ini masih didominasi oleh inspeksi visual periodik, yang memiliki keterbatasan dalam menyediakan data kontinu mengenai perilaku dinamis struktur. Kondisi tersebut menyulitkan deteksi dini penyimpangan respons struktur akibat beban dinamis berulang dari lalu lintas kereta api, khususnya pada jembatan yang berada di lokasi dengan keterbatasan konektivitas jaringan. Dalam konteks Structural Health Monitoring (SHM) berbasis getaran, penelitian ini bertujuan merancang dan mendemonstrasikan prototipe sistem Digital Twin berbasis edge computing untuk pemantauan kondisi jembatan kereta api menggunakan data getaran. Sistem yang dikembangkan terdiri dari node sensor akselerometer Micro-Electro-Mechanical Systems (MEMS) yang bekerja secara event-based, serta sebuah gateway edge yang menjalankan seluruh pipeline analitik secara lokal. Event pada penelitian ini didefinisikan sebagai satu kejadian lintasan kereta api, di mana data getaran direkam secara simultan oleh beberapa node sensor selama periode eksitasi dinamis struktur. Data getaran hasil setiap event diproses melalui tahapan pra-pengolahan sinyal, analisis modal menggunakan pendekatan Operational Modal Analysis (OMA), serta analisis penyimpangan perilaku dinamis menggunakan metode unsupervised. Model elemen hingga (Finite Element Method/FEM) dikembangkan secara terpisah dan digunakan sebagai baseline interpretasi kualitatif, untuk membantu pemahaman kesesuaian pola frekuensi alami dan mode shape hasil identifikasi modal berbasis data lapangan, tanpa digunakan sebagai alat diagnosis kerusakan struktural. Demonstrasi sistem dilakukan menggunakan data getaran jembatan BH-1085 yang direkam oleh empat node sensor. Hasil demonstrasi menunjukkan bahwa pipeline analitik mampu dijalankan secara stabil pada lingkungan komputasi terbatas, menghasilkan indikator dinamis struktur berupa frekuensi alami dan mode shape sederhana, serta mengidentifikasi event dengan pola respons dinamis yang menyimpang terhadap baseline perilaku dominan. Sistem yang dikembangkan tidak dimaksudkan sebagai alat diagnosis kerusakan struktural otomatis, melainkan sebagai sistem pemantauan kondisi berbasis indikator dinamis yang mendukung proses risk assessment dan pengambilan keputusan oleh expert judgement. Penelitian ini memberikan kontribusi berupa rancangan dan demonstrasi prototipe sistem Digital Twin berbasis edge computing yang ringan dan skalabel untuk konteks pemantauan jembatan kereta api di Indonesia, khususnya pada lokasi dengan keterbatasan jaringan.
VISUALISASI DATA DIGITAL TWIN UNTUK MENINGKATKAN INTERAKTIVITAS DAN AKURASI
Digital twin telah menjadi teknologi yang berkembang pesat, memungkinkan pembuatan model digital yang merepresentasikan objek fisik, yang dapat digunakan untuk monitoring, simulasi kondisi, dan mendukung pengambilan keputusan berbasis data realtime. Untuk meningkatkan pengalaman visualisasi data, digital twin sering dikombinasikan dengan model 3D dan teknologi imersif seperti augmented reality, yang memungkinkan interaksi lebih realistis dan dapat meningkatkan situational awareness. Dalam konteks smart city, teknologi ini membantu mengelola data dari berbagai sumber seperti lalu lintas, transportasi, dan manajemen air serta limbah, yang sering kali menggunakan protokol berbeda. Digital twin berperan penting dalam mengintegrasikan data tersebut ke dalam satu platform yang dapat menyediakan informasi secara real-time, sehingga mendukung pengambilan keputusan dalam pengembangan kota ke depan. Penelitian ini bertujuan membangun framework visualisasi data digital twin yang dapat mengkomunikasikan informasi dengan mudah dan jelas, meningkatkan interaktivitas, dan akurasi. Model digital twin yang dikembangkan merupakan representasi digital dari objek fisik, dengan platform yang memungkinkan pembuatan, pengelolaan, dan interaksi dengan model, serta simulasi kondisi terkini dan rencana pengembangan. Data diperoleh dari sensor IoT, CCTV, dan data geospasial diintegrasikan dengan memperhatikan aspek akurasi dan kelengkapan data. Pengukuran interaktivitas dilakukan terhadap platform digital twin yang dihasilkan dengan studi kasus manajemen pengolahan air pada Kampus ITB Jatinangor yang dilakukan selama satu bulan dengan 107 responden, menunjukkan bahwa platform meningkatkan interaktivitas dan memberikan pengalaman telepresence yang memuaskan, serta efektif meningkatkan situational awareness, di mana membantu pengguna memahami dan memproyeksikan kondisi sekitar. Untuk mengukur akurasi informasi, digunakan model Softmax Regression, yang menghasilkan akurasi 91,87% pada klasifikasi kualitas air dan 92,80% pada klasifikasi jenis kebocoran pipa. Model ini menunjukkan efisiensi tinggi dengan waktu pelatihan 12,4 detik dan inferensi 0,8 ms per sampel. Penggunaan model ini menjadi pilihan terbaik untuk implementasi digital twin, dengan fokus pada efisiensi komputasi, interpretabilitas, dan akurasi dalam mendukung pengambilan keputusan.
PENGEMBANGAN ALGORITMA OPTIMASI MULTI-OBJECTIVE ADAPTIVE FUZZY UNTUK KENYAMANAN TERMAL DAN EFISIENSI ENERGI PADA BANGUNAN GEDUNG CERDAS DENGAN PENDEKATAN DIGITAL TWIN
Penelitian ini bertujuan untuk mengembangkan dan menguji model optimasi multi-objektif berbasis pendekatan evolusioner dalam rangka mengoptimalkan penghematan energi HVAC dan kenyamanan penghuni di Bangunan Gedung Cerdas (BGC). Dengan mengadopsi model Digital twin dan sensor IoT real-time, penelitian ini menghadirkan solusi inovatif dalam pengelolaan energi dinamis di gedung cerdas, dengan fokus pada efisiensi operasional sistem Heating, Ventilation, and Air Conditioning (HVAC). Tiga metode optimasi diuji, yaitu NSGA-II, MOPSO, dan formulasi berbasis adaptive Fuzzy, yang masing-masing bertujuan mencapai solusi Pareto-optimal antara dua tujuan utama: minimisasi konsumsi energi dan maksimisasi kenyamanan termal. Evaluasi dilakukan menggunakan data real-time dari platform Simulator Smart Building di Gd. ITB Innovation Park lantai 9. Hasil menunjukkan bahwa pendekatan Fuzzy mampu menghasilkan efisiensi energi HVAC hingga 25% dibandingkan metode lain, sambil mempertahankan kenyamanan dengan skor di atas 83%. Digital twin yang dibangun mengintegrasikan data sensor aktual, simulasi EnergyPlus, dan pengambilan keputusan otomatis berbasis model Fuzzy. Sistem ini mampu merespons perubahan lingkungan secara real-time dan menyesuaikan pengaturan HVAC secara adaptif. Model ini menunjukkan potensi besar untuk diimplementasikan pada sistem manajemen energi bangunan secara otonom dan berkelanjutan.
OTOMASI REKONSTRUKSI 3D JALAN DENGAN INTEGRASI DATA COMPUTER-AIDED DESIGN (CAD) DAN DIGITAL ELEVATION MODEL (DEM)
Penerapan Digital Twin dalam infrastruktur transportasi jalan semakin krusial untuk menunjang kegiatan pemantauan, perencanaan, hingga pengambilan keputusan berbasis data. Salah satu elemen fundamental dalam Digital Twin adalah ketersediaan model 3D jalan yang representatif dan mutakhir. Namun, proses rekonstruksi 3D secara manual masih memerlukan keahlian teknis tinggi serta membutuhkan waktu lama untuk diterapkan dalam skala besar. Kondisi ini mendorong perlunya pengembangan sistem otomasi untuk merekonstruksi model 3D jalan dari data yang telah tersedia. Penelitian ini berfokus pada pengembangan sebuah pipeline otomasi rekonstruksi 3D jalan yang mengintegrasikan data desain teknik (Computer-Aided Design/CAD) dan data topografi (Digital Elevation Model/DEM). Pipeline yang dirancang bersifat modular dan komprehensif, meliputi lima tahapan utama: (1) akuisisi dan pra-pemrosesan data, (2) ekstraksi fitur geometris penting jalan, (3) integrasi data CAD dan DEM menjadi point cloud, (4) rekonstruksi permukaan 3D, dan (5) evaluasi model hasil rekonstruksi. Dalam tahap rekonstruksi, penelitian ini secara komparatif mengkaji dua pendekatan: metode berbasis kecerdasan buatan (AI), yaitu PPSurf (Patch and Point Convolution Surfacing), dan metode matematis klasik, Poisson Surface Reconstruction (PSR). PPSurf dianalisis karena kemampuannya menghasilkan permukaan 3D yang halus dan detail dari point cloud, sementara PSR digunakan sebagai pembanding karena keunggulannya dalam menjamin kontinuitas topologis model. Perbandingan ini bertujuan untuk memahami trade-off antara visual fidelity dari metode AI dan structural robustness dari pendekatan konvensional. Untuk mengevaluasi kinerja pipeline serta membandingkan kedua metode, digunakan pendekatan evaluasi ganda. Pertama, evaluasi kuantitatif dilakukan untuk mengukur akurasi geometrik menggunakan metrik Chamfer Distance. Kedua, evaluasi kualitatif dilakukan melalui expert judgement, dengan melibatkan pakar di bidang rekayasa jalan dan geospasial untuk menilai kualitas visual, kesesuaian bentuk, kelengkapan permukaan, serta potensi pemanfaatan model dalam skenario Digital Twin. Sebagai pelengkap, dikembangkan sebuah antarmuka ii web interaktif untuk mendemonstrasikan fungsionalitas dan aksesibilitas dari keseluruhan pipeline otomasi. Kontribusi utama dari penelitian ini adalah perancangan dan implementasi pipeline otomasi yang mampu merekonstruksi model 3D jalan dengan cepat dengan memanfaatkan data yang tersedia secara umum. Selain itu, penelitian ini memberikan pemahaman mendalam mengenai trade-off antara visual fidelity metode AI dan jaminan kontinuitas topologis metode konvensional, serta memberikan panduan praktis dalam pemilihan pendekatan rekonstruksi. Diharapkan, pendekatan ini dapat menjadi fondasi bagi sistem rekonstruksi digital jalan yang dapat diperluas ke skala kota maupun nasional, serta mendukung pemanfaatan Digital Twin dalam pengelolaan infrastruktur secara modern, real- time, dan berkelanjutan.
MODEL DATA UNTUK PEMELIHARAAN DAN PEMBANGUNAN JALAN (STUDI KASUS: DINAS BINA MARGA DAN PENATAAN RUANG PROVINSI JAWA BARAT)
Jalan merupakan infrastruktur vital yang menopang pertumbuhan ekonomi dan sosial. Pengelolaannya, yang mencakup siklus kompleks mulai dari survei kondisi, perencanaan, hingga implementasi, menuntut ketersediaan data yang akurat dan terintegrasi. Namun, instansi pengelola seperti Dinas Bina Marga dan Penataan Ruang (DBMPR) Provinsi Jawa Barat menghadapi tantangan fundamental berupa data yang terfragmentasi, tersimpan dalam format terisolasi (silo), dan seringkali tidak terstandar. Ketergantungan pada spreadsheet untuk pencatatan data teknis seperti leger jalan terbukti rentan terhadap inkonsistensi, duplikasi, dan kesalahan manusiawi, serta tidak mampu mendukung otomatisasi dan analisis data skala besar. Selain itu, data yang dibutuhkan bersifat heterogen, berasal dari berbagai sumber seperti Geographic Information System (GIS), Building Information Modeling (BIM), dan sensor Internet of Things (IoT), yang sulit untuk digabungkan menjadi satu pandangan utuh. Permasalahan utamanya bukanlah ketiadaan data, melainkan ketiadaan sebuah infrastruktur data yang kokoh sebagai fondasi untuk integrasi. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah model data terstandar yang dapat menjadi fondasi bagi infrastruktur data untuk manajemen jalan di lingkungan DBMPR. Model data ini dirancang untuk mampu mengintegrasikan data heterogen dari berbagai sumber guna mendukung seluruh siklus pemeliharaan dan pembangunan jalan secara efektif. Untuk mencapai tujuan tersebut, penelitian ini mengadopsi Design Science Research Methodology (DSRM) sebagai kerangka kerja. Proses perancangan artefak model data dilakukan melalui tiga tahapan pemodelan, yaitu konseptual, logis, dan fisik, dengan mengacu pada panduan dari DAMA-DMBOK dan kebutuhan spesifik dari data leger jalan serta parameter lain yang relevan. Hasil dari penelitian ini adalah sebuah artefak berupa model data fisik yang diimplementasikan dalam sistem basis data PostgreSQL dengan ekstensi PostGIS. Untuk memvalidasi kapabilitas dan kinerja model data tersebut, sebuah prototipe arsitektur infrastruktur data lengkap dibangun, terdiri dari backend API yang dikembangkan menggunakan Node.js Express dan frontend yang dibangun dengan React. Sistem ini kemudian dievaluasi melalui skenario pengujian beban (load testing) yang menyimulasikan 10.000 pengguna serentak. Hasil evaluasi menunjukkan bahwa arsitektur yang dibangun di atas model data yang diusulkan memiliki performa yang sangat andal, dengan tingkat kesalahan (error rate) di bawah 1%, waktu respons median di bawah 800 milidetik, dan throughput yang stabil hingga 33 transaksi per detik. Kesimpulannya, model data yang dihasilkan terbukti valid dan memiliki kinerja tinggi, sehingga dapat berfungsi sebagai komponen fundamental yang kokoh dan terukur untuk modernisasi pengelolaan data infrastruktur jalan serta menjadi landasan bagi penerapan teknologi canggih seperti Digital Twin di masa depan.
PERANCANGAN SISTEM PENJADWALAN PRODUKSI TERDESENTRALISASI BERBASIS FORWARD SCHEDULING DENGAN IMPLEMENTASI CVWS DAN DIGITAL TWIN PADA SISTEM PRODUKSI JOB SHOP
Industri padat karya memiliki peran besar dalam penyerapan tenaga kerja di Indonesia. Namun, industri ini sering menghadapi tantangan dalam hal fleksibilitas dan efisiensi penjadwalan produksi. Untuk merespons kebutuhan pasar yang dinamis dan bervariasi, diperlukan sistem produksi yang mampu menangani pesanan kecil dengan variasi tinggi. Sistem produksi Job Shop menjadi pendekatan yang relevan, meskipun kompleks dalam hal penjadwalan. Penelitian ini bertujuan untuk terwujudnya sistem penjadwalan manufaktur berbasis forward scheduling yang fleksibel untuk sistem Job Shop, dengan menggabungkan konsep desentralisasi, Configurable Virtual Workstation (CVWS), dan Digital Twin. Sistem dikembangkan dengan arsitektur basis data bertingkat serta algoritma lokal pada setiap stasiun kerja dan mesin. Komunikasi antar elemen dilakukan menggunakan protokol MQTT dengan mekanisme publish–subscribe secara waktu nyata. Sistem diuji melalui dua studi kasus, yaitu saat tanpa beban produksi dan saat memproses pesanan sebelumnya. Hasilnya menunjukkan bahwa sistem mampu menjadwalkan seluruh proses dengan memperhatikan urutan produksi, jam dan hari kerja, serta ketersediaan jadwal mesin. Keunggulan utama sistem ini terletak pada penjadwalan desentralisasi penuh hingga tingkat mesin. Proses tersebut dilakukan melalui dua tahap pelelangan. Pendekatan ini berbeda dengan sistem sebelumnya yang menjadwalkan secara terpusat dan hanya mendistribusikan hasil ke stasiun kerja. Pendekatan ini menunjukkan potensi tinggi dalam industri padat karya di Indonesia.
PEMUTAKHIRAN BASIS DATA GEOSPASIAL 3D SECARA PARSIAL SEBAGAI UPAYA PEMELIHARAAN INFORMASI SPASIAL DINAS CIPTA KARYA, BINA KONSTRUKSI DAN TATA RUANG KOTA BANDUNG
Pertumbuhan pembangunan yang pesat di Kota Bandung, khususnya pada sektor infrastruktur dan tata ruang, mendorong kebutuhan akan basis data geospasial tiga dimensi (3D) yang akurat dan terkini. Namun, proses pembuatan peta baru secara keseluruhan memerlukan biaya, waktu, dan sumber daya yang besar. Oleh karena itu, pemutakhiran parsial basis data geospasial menjadi solusi yang efisien dan strategis untuk pemeliharaan informasi geospasial yang berkelanjutan. Penelitian ini mengusulkan metode pemutakhiran berbasis deteksi perubahan spasial menggunakan analisis multitemporal citra satelit Sentinel-2 dengan pendekatan Normalized Difference Time Series (NDTS), yang digunakan untuk mengidentifikasi kemunculan objek bangunan baru. Setelah area perubahan terdeteksi, survei terestris dilakukan secara selektif pada area tersebut menggunakan instrumen pengukuran seperti Global Navigation Satellite System (GNSS) dan Electronic Total Station (ETS). Produk yang dihasilkan berupa model 3D gedung Laboratorium Teknik XVII dan Teras FTMD ITB dengan tingkat kedetailan Level of Detail (LoD) 3.3. Model ini dikembangkan dalam format Geodatabase (.gdb) dan menggunakan sistem referensi koordinat SRGI 2013 (Sistem Referensi Geospasial Indonesia) sesuai dengan standar Open Geospatial Consortium (OGC). Hasil akhir berupa basis data 3D yang mutakhir, lengkap dengan atribut semantik dan elemen arsitektural, memungkinkan visualisasi dan analisis spasial yang presisi. Pada hasil penelitian ini, diperoleh luaran berupa model 3D untuk dua bangunan dengan masing-masing nilai RMSE sebesar 0,0850 untuk Laboratorium Teknik XVII dan nilai RMSE sebesar 0,1207 untuk Teras FTMD ITB. Selain itu, pemutakhiran ini dapat menjadi fondasi implementasi digital twin cities dan mendukung integrasi lintas sektor instansi pemerintah. Prosedur yang digunakan pada pengolahan data dapat menjadi acuan teknis awal untuk mendukung regulasi yang sedang disusun oleh Pemerintah Kota Bandung terkait pemeliharaan basis data geospasial 3D.
OPTIMASI KINERJA MIKROGRID CERDAS DENGAN ALGORITMA DEEP Q-NETWORK BERBASIS KERANGKA KERJA DIGITAL TWIN
Perkembangan konsep digital twin (DT) membuka ranah penelitian baru yaitu microgrid digital twin (MGDT). DT dapat dimanfaatkan sebagai lingkungan pengujian kontrol sebelum diimplementasikan secara langsung di sistem Mikrogrid (MG) yang sedang berproduksi. Hal tersebut dimungkinkan karena DT dapat memberikan representasi digital sistem fisik secara akurat, terkini, dan dinamis. Hingga saat ini belum ada yang mengimplementasikan konsep MGDT untuk pengujian Energy Management System (EMS). Bahkan belum ada pengembangan kerangka kerja DT spesifik untuk aplikasi MG. Melihat kondisi tersebut, penelitian ini berkontribusi pada tiga hal: (1) pengembangan kerangka kerja MGDT, (2) pemodelan MG dengan metode informed machine learning (IML), dan (3) desain serta implementasi EMS menggunakan metode Deep Q-Network (DQN) dengan konsep MGDT. EMS mempunyai objektif untuk mengoptimalkan penggunaan energi terbarukan yang diindikasikan dengan nilai renewable fraction (RF). Kerangka kerja MGDT yang diusulkan menyediakan arsitektur dan peralatan yang memungkinkan pengembangan MGDT. Selanjutnya, sistem MG direpresentasikan dalam tiga state (digital model) yang meliputi produksi daya PV (P_PV), kondisi muatan BESS (SOC), dan daya yang dibutuhkan beban listrik (P_Load). Model dibangun dengan metode informed machine learning (IML) yang mengintegrasikan kaidah fisika ke dalam machine learning (ML). Peningkatan level integrasi dari digital model menjadi digital shadow dilakukan dengan mengimplementasikan model MG pada platform MGDT. Hasil evaluasi model MG berdasarkan indikator kinerja MAE dan RMSE untuk P_PV, SOC, dan P_Load berturut-turut adalah (140,39W; 265,71W), (0,59%; 0,69%) dan (42,50W; 60,97W). Akurasi digital shadow MG tersebut sudah memadai karena masih dalam batas toleransi galat yang diperbolehkan. Digital twin MG dicapai melalui implementasi EMS dengan metode DQN pada platform MGDT. Hasil implementasi EMS-DQN menunjukkan peningkatan battery utilization rata-rata 52% dibandingkan dengan EMS existing yang berbasis rule-based (RB). EMS-DQN mampu meningkatkan renewable fraction rata-rata 7,10% dibandingkan dengan EMS-RB.
PEMUTAKHIRAN BASIS DATA GEOSPASIAL 3D SECARA PARSIAL SEBAGAI UPAYA PEMELIHARAAN INFORMASI SPASIAL DINAS CIPTA KARYA, BINA KONSTRUKSI DAN TATA RUANG KOTA BANDUNG
Pertumbuhan pembangunan yang pesat di Kota Bandung, khususnya pada sektor infrastruktur dan tata ruang, mendorong kebutuhan akan basis data geospasial tiga dimensi (3D) yang akurat dan terkini. Namun, proses pembuatan peta baru secara keseluruhan memerlukan biaya, waktu, dan sumber daya yang besar. Oleh karena itu, pemutakhiran parsial basis data geospasial menjadi solusi yang efisien dan strategis untuk pemeliharaan informasi geospasial yang berkelanjutan. Penelitian ini mengusulkan metode pemutakhiran berbasis deteksi perubahan spasial menggunakan analisis multitemporal citra satelit Sentinel-2 dengan pendekatan Normalized Difference Time Series (NDTS), yang digunakan untuk mengidentifikasi kemunculan objek bangunan baru. Setelah area perubahan terdeteksi, survei terestris dilakukan secara selektif pada area tersebut menggunakan instrumen pengukuran seperti Global Navigation Satellite System (GNSS) dan Electronic Total Station (ETS). Produk yang dihasilkan berupa model 3D gedung Laboratorium Teknik XVII dan Teras FTMD ITB dengan tingkat kedetailan Level of Detail (LoD) 3.3. Model ini dikembangkan dalam format Geodatabase (.gdb) dan menggunakan sistem referensi koordinat SRGI 2013 (Sistem Referensi Geospasial Indonesia) sesuai dengan standar Open Geospatial Consortium (OGC). Hasil akhir berupa basis data 3D yang mutakhir, lengkap dengan atribut semantik dan elemen arsitektural, memungkinkan visualisasi dan analisis spasial yang presisi. Pada hasil penelitian ini, diperoleh luaran berupa model 3D untuk dua bangunan dengan masing-masing nilai RMSE sebesar 0,0850 untuk Laboratorium Teknik XVII dan nilai RMSE sebesar 0,1207 untuk Teras FTMD ITB. Selain itu, pemutakhiran ini dapat menjadi fondasi implementasi digital twin cities dan mendukung integrasi lintas sektor instansi pemerintah. Prosedur yang digunakan pada pengolahan data dapat menjadi acuan teknis awal untuk mendukung regulasi yang sedang disusun oleh Pemerintah Kota Bandung terkait pemeliharaan basis data geospasial 3D.
PEMUTAKHIRAN BASIS DATA GEOSPASIAL 3D SECARA PARSIAL SEBAGAI UPAYA PEMELIHARAAN INFORMASI GEOSPASIAL DINAS CIPTA KARYA, BINA KONSTRUKSI, DAN TATA RUANG KOTA BANDUNG
Pertumbuhan pembangunan yang pesat di Kota Bandung, khususnya pada sektor infrastruktur dan tata ruang, mendorong kebutuhan akan basis data geospasial tiga dimensi (3D) yang akurat dan terkini. Namun, proses pembuatan peta baru secara keseluruhan memerlukan biaya, waktu, dan sumber daya yang besar. Oleh karena itu, pemutakhiran parsial basis data geospasial menjadi solusi yang efisien dan strategis untuk pemeliharaan informasi geospasial yang berkelanjutan. Penelitian ini mengusulkan metode pemutakhiran berbasis deteksi perubahan spasial menggunakan analisis multitemporal citra satelit Sentinel-2 dengan pendekatan Normalized Difference Time Series (NDTS), yang digunakan untuk mengidentifikasi kemunculan objek bangunan baru. Setelah area perubahan terdeteksi, survei terestris dilakukan secara selektif pada area tersebut menggunakan instrumen pengukuran seperti Global Navigation Satellite System (GNSS) dan Electronic Total Station (ETS). Produk yang dihasilkan berupa model 3D gedung Laboratorium Teknik XVII dan Teras FTMD ITB dengan tingkat kedetailan Level of Detail (LoD) 3.3. Model ini dikembangkan dalam format Geodatabase (.gdb) dan menggunakan sistem referensi koordinat SRGI 2013 (Sistem Referensi Geospasial Indonesia) sesuai dengan standar Open Geospatial Consortium (OGC). Hasil akhir berupa basis data 3D yang mutakhir, lengkap dengan atribut semantik dan elemen arsitektural, memungkinkan visualisasi dan analisis spasial yang presisi. Pada hasil penelitian ini, diperoleh luaran berupa model 3D untuk dua bangunan dengan masing-masing nilai RMSE sebesar 0,0850 untuk Laboratorium Teknik XVII dan nilai RMSE sebesar 0,1207 untuk Teras FTMD ITB. Selain itu, pemutakhiran ini dapat menjadi fondasi implementasi digital twin cities dan mendukung integrasi lintas sektor instansi pemerintah. Prosedur yang digunakan pada pengolahan data dapat menjadi acuan teknis awal untuk mendukung regulasi yang sedang disusun oleh Pemerintah Kota Bandung terkait pemeliharaan basis data geospasial 3D.
IMPLEMENTASI DIGITAL TWIN UNTUK PENDETEKSIAN KONDISI OPERASIONAL DAN PENGAKTIFAN PENGONTROL UMPAN MAJU SERTA REPETITIVE CONTROL DALAM MENANGGAPI PERUBAHAN KONDISI OPERASIONAL AKIBAT BEBAN TIDAK SEIMBANG
Pengontrolan motor Brushless DC (BLDC) dalam sistem industri dan robotika sering menghadapi tantangan ketika terjadi perubahan kondisi operasional, khususnya akibat beban tidak seimbang yang menyebabkan osilasi pada kecepatan sudut. Penelitian ini bertujuan untuk mengembangkan sistem kontrol berbasis data yang mampu mendeteksi dan menanggapi gangguan secara adaptif dengan pendekatan digital twin. Sistem digital twin yang dikembangkan merepresentasikan perilaku dinamis motor BLDC secara real-time dan terintegrasi dengan proses klasifikasi kondisi serta aktivasi pengontrol otomatis. Purwarupa sistem menggunakan motor BLDC berkekuatan 850 W yang dikontrol melalui driver BLDC dan dipasangkan dengan sensor kecepatan sudut. Model digital twin dibangun secara data-driven menggunakan data eksperimen, dan digunakan untuk memodelkan respons sistem serta gangguan harmonik akibat beban tidak seimbang. Untuk klasifikasi kondisi operasional, digunakan model Convolutional Neural Network (CNN) yang dilatih untuk membedakan antara kondisi normal dan gangguan secara real-time. Setelah kondisi gangguan terdeteksi, sistem secara otomatis mengaktifkan pengontrol berbasis data, yaitu repetitive control atau kombinasi kontrol feedforward dan PID, untuk meredam osilasi dan menjaga kestabilan sistem. Hasil evaluasi menunjukkan bahwa sistem klasifikasi berbasis CNN mampu mendeteksi kondisi gangguan secara akurat setelah sistem mencapai kestabilan, dengan akurasi klasifikasi sebesar 98%, presisi 100%, dan F1-score 97,9% pada pengujian luring. Aktivasi pengontrol berbasis data menghasilkan penurunan amplitudo osilasi secara signifikan, yaitu dari 39,3 RPM menjadi 24,4 RPM dengan metode feedforward-PID, dan dari 37,9 RPM menjadi 33,9 RPM dengan metode repetitive control. Temuan ini membuktikan bahwa integrasi antara klasifikasi kondisi, kontrol adaptif, dan representasi sistem melalui digital twin dapat meningkatkan kecepatan respons dan keandalan kontrol motor BLDC terhadap gangguan periodik. Kata kunci: digital twin, kontrol berbasis data, motor BLDC, kontrol adaptif, beban tidak seimbang, machine learning, real-time.
DIGITAL TWIN DALAM JARINGAN INDUSTRI: ANALISIS BIAYA-MANFAAT DALAM TEKNOLOGI OPERASIONAL
Keamanan dalam jaringan Teknologi Operasional (OT) memiliki tantangan yang berbeda dibandingkan dengan jaringan tradisional. Ketersediaan dan visibilitas lebih penting daripada integritas data, dan masalah dalam keamanan siber menghadapi tantangan yang berbeda. Start-up Narrowin menawarkan solusi perangkat lunak digital twin yang memungkinkan perusahaan memindai topologi jaringan yang ada. Dengan visibilitas ini, mereka dapat mengoptimalkan dan memantau infrastruktur mereka serta memastikan ketersediaan jaringan OT. Namun, meskipun manfaat perangkat lunak digital twin sudah dikenal, penggunaannya di industri masih terbatas. Penelitian ini bertujuan untuk mengidentifikasi alasan mendasar dari adopsi yang terbatas ini dengan memahami kebutuhan pelanggan menggunakan pendekatan yang baru dikembangkan. Selain itu, sebuah roadmap berdasarkan studi kasus dibuat untuk mengembangkan perangkat lunak lebih lanjut. Tinjauan literatur yang mendalam mengidentifikasi tantangan yang dihadapi perusahaan dalam lingkungan OT dan mengidentifikasi penelitian sebelumnya di bidang ini. Perbedaan antara bidang IT dan OT ditunjukkan, dan dampak dari konvergensi IT/OT disorot. Untuk mengidentifikasi kebutuhan pelanggan, metodologi manajemen produk, khususnya pendekatan studi kasus, diteliti. Proses penelitian terdiri dari wawancara dan lokakarya dengan para ahli yang aktif dalam lingkungan jaringan OT. Wawasan dari wawancara ini digunakan untuk mengidentifikasi fitur produk, menyoroti kekurangan dalam implementasi digital twin saat ini. Sebuah CBA yang komprehensif mengevaluasi fitur produk dan bersama dengan temuan wawancara, sebuah persona yang sesuai dibuat, yang menargetkan kekurangan dalam solusi digital twin saat ini. Temuan penelitian menunjukkan bahwa dengan menyelaraskan perangkat lunak digital twin dengan kebutuhan pelanggan melalui implementasi fitur persona yang disetujui CBA, adopsi yang lebih luas dapat dicapai. Sebagai kesimpulan, tesis ini memberikan wawasan tentang bagaimana tantangan spesifik pelanggan dari perangkat lunak digital twin dapat diatasi. Penelitian ini berkontribusi pada tujuan untuk meningkatkan keamanan siber dan keunggulan operasional di lingkungan industri.
DIGITAL TWIN SMART INDOOR FARMING SYSTEM MENGGUNAKAN ALGORITMA L-SYSTEM
Perkembangan teknologi modern telah menghadirkan berbagai inovasi dalam dunia simulasi, salah satunya adalah konsep Digital Twin, yang merupakan inovasi lanjut dari simulator tradisional. Digital Twin mampu mereplikasi aset fisik atau sistem secara realtime, dengan integrasi teknologi IoT, AI, dan Big Data. Aplikasi dari Digital Twin sangat relevan dalam bidang precision farming, yang membutuhkan data terukur untuk meningkatkan efisiensi dan akurasi dalam pertanian. Namun, simulasi pertanian presisi saat ini masih kurang interaktif karena hanya menyajikan data mentah. Oleh karena itu, penting untuk mengembangkan metode procedural generation yang mampu menggambarkan pertumbuhan tanaman dalam berbagai kondisi lingkungan yang berbeda secara spesifik. Penelitian ini juga berfokus pada integrasi faktor lingkungan kunci pada dunia nyata menggunakan sensor seperti pH, intensitas cahaya, suhu udara, suhu air, kelembapan, dan nutrisi terlarut ke dalam model procedural generation untuk menghasilkan bentuk komunikasi yang lebih baik dan interaktif. Dengan gamifikasi, aspek interaktif ditingkatkan melalui penerapan elemen permainan dalam sistem, seperti skenario what-if, yang dapat meningkatkan keterlibatan pengguna. Prosedural generation memungkinkan visualisasi interaktif yang menggambarkan tanaman secara otomatis, memberikan solusi baru dalam menggambarkan pertumbuhan tanaman secara realistis sesuai dengan faktor lingkungan dunia nyata.