Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu mode kerusakan yang cukup penting di dalam komposit adalah delaminasi. Karena delaminasi akan berakibat penurunan kekakuan yang merupakan salah satu pertimbangan penting dalam design. Ketika komposit ini dibebani, delaminasi yang berupa retak (crack) ini akan merambat. Kerusakan awal ini kecil dan dapat timbul karena pemotongan yang tidak sempurna karena manufaktur. Oleh karena itu dilakukan prediksi tingkat pelepasan energi elastisitas untuk kasus dan dan bentuk pembebanan tertentu. Penentuan tingkat pelepasan energi elastisitas dapat dilakukan dengan metode analitik, numerik, elemen hingga maupun eksperimental. Pada penelitian ini digunakan metode analitis dengan material yang digunakan adalah komposit jenis SMC-R50 dan tipe pembebanan adalah three point bending dengan notch (takik). Retak (crack) yang terjadi di interlaminat dianalisis dengan mekanika fracture elastis linier .Dengan menganggap beban yang terkena di ujung retak uniform sepanjang lebar retak, dan akan memberikan kondisi yang uniform di ujung retak. Tingkat pelepasan energi elastisitas diperoleh dengan melakukan perhitungan terhadap momen lentur pada lamina bagian bawah retak dan lamina bagian atas retak untuk menghitung kerja luar yang dihasilkan karena pertumbuhan retak dan energi elastisitas total yang dimiliki oleh benda pada saat mengalami deformasi dengan menggunakan teori balok konvensional. Tingkat pelepasan energi elastisitas yang dianalisa adalah tingkat pelepasan energi elastisitas mode I (G1)untuk perambatan retak yang tegak lurus arah takik dimana bentuk perambatan seperti ini dapat terjadi ketika bentuk takik adalah tegak lurus fiber. Kemudian dengan membandingktan tingkat pelepasan energi elastisitas mode l ((Gi)dengan tingkat pelepasan energi elastisitas kritis yang di dapat dari eksperiniental (Gtc) maka akan dapat diprediksi pertumbuhan retak ini. Hasil yang didapat bahwaGt, dari perhitungan memiliki kecenderungan menurun sesuai dengan pertambahan retak dan perambatan retak terjadi di tepi dari kumpulan fiber. "

"Boron triazin dengan doping lithium serta karbon nitride merupakan material modifikasi dari CNT, lebih baik dari massa zat maupun kemampuan mengadsorp hidrogen. Penelitian mengenai adsorpsi hidrogen oleh material nanostruktur seperti CNT yang dilakukan secara eksperimental serta simulasi memilki banyak kekurangan. Artificial Neural Network dimodelkan sebagai alat prediksi kapasitas adsorpsi hidrogen yang menjadi solusi kekurangan metode penelitian yang ada. Tujuan penelitian ini mencari pengkonfigurasian terbaik untuk ANN sehingga dapat menjadi alat prediksi yang presisi dan teruji jalan cepat mendapatkan data adsorpsi hidrogen tanpa melakukan simulasi. Goal dari penelitian ini ialah mendukung percepatan pengimplementasian hidrogen sebagai renewable energy untuk kapal masa depan. Penelitian dilakukan dengan simulasi struktur nano pada ruang penyebaran hidrogen (VMD, Packmol, Lammps), pengolahan data banyak (Ms.Excel), dan training data (NN). Pemodelan fungsi prediksi ANN pada adsorpsi Hidrogen oleh Boron triazin dengan doping Lithium menghasilkan konfigurasi nn terbaik yakni pada varian pemilihan pertama dengan neuron 10. Sementara untuk Material Triazin pada temperature 77 menghasilkan konfigurasi nn terbaik pada skala 100-1000, pemilihan pertama, neuron 10. Sedangkan pada temperature 233 konfigurasi nn terbaik ditunjukan pada 100-10000 dengan neuron yang sama yakni 10.

---

Boron triazine with lithium doping and carbon nitride is a material modification of the CNT, better than the mass of a substance as well as the ability adsorbing hydrogen. Research on hydrogen adsorption by nanostructured materials such as CNT conducted experimental and simulation has many shortcomings. Artificial Neural Network is modeled as predictors of hydrogen adsorption capacity of the solution to be no shortage of research methods.

The purpose of this study look for the best configuration to ANN that can be a predictor of precision and proven fast way to get hydrogen adsorption data without doing simulations. Goal of this study is to support the accelerated implementation of hydrogen as a renewable energy for future ships. The study was conducted with a simulation of nanostructures in space deployment of hydrogen (VMD, Packmol, Lammps), many data processing (Ms.Excel), and the training of data (NN).

ANN predictive modeling function on hydrogen adsorption by Boron doping triazine with Lithium produce the best nn configuration variant first election to the neuron 10. While for Material Triazines at temperatures of 77 to produce the best nn configuration on a scale of 100-1000, the first election, the neuron 10. Meanwhile, at temperatures of 233 nn configuration best shown in 100-10000 the same neurons that is 10."

"Riset ini bertujuan untuk memanfaatkan energi terbarukan di daerah pedesaan dengan menggunakan konsep Energi Bangunan nol (ZEB) dan analisis kelayakan, terkait dengan alternatif pembangkit listrik berbasis energi terbarukan dalam penggunaan energi di daerah pedesaan. Langkah pertama, adalah untuk mengetahui jumlah energi terbarukan di setiap kota atau kabupaten dengan melihat jumlah rata-rata curah hujan, kecepatan angin rata-rata, dan rasio elektrifikasi di setiap kabupaten atau kota di setiap provinsi, langkah kedua adalah studi literatur terkait dengan teknologi energi terbarukan, dan langkah terakhir dalam riset ini adalah menentukan analisis kelayakan terkait dengan teknologi energi terbarukan yang digunakan dengan menghitung nilai bersih sekarang (NPV) dan rasio biaya manfaat (BCR). Semua alternatif memiliki nilai NPV < 0, dan semua alternatif memiliki nilai BCR < 1, mengartikan bahwa investasi tidak menguntungkan. Analisis sensitivitas menunjukan bahwa dengan mengubah parameter investasi dan biaya tahunan, dan melakukan pengurangan jarak perubahan sebesar 90 % dari kasus utama, alternatif 1 mampu memiliki NPV Rp 137,589. Dengan jarak perubahan sebesar 93 %, alternatif 2 memiliki NPV Rp 199,817, dan dengan jarak perubahan sebesar 94 %, alternatif 3 memiliki NPV Rp 434,364. Studi ini juga membandingkan beberapa alternatif teknologi energi terbarukan (yaitu panel surya, dan turbin angin) yang dapat digunakan untuk memenuhi kebutuhan konsumsi listrik di daerah pedesaan, dikombinasikan dengan menggunakan konsep penangkap air hujan pico-hydro, yang menggunakan air hujan sebagai sumber energi alternatif.

---

This study aims to utilize renewable energy in rural areas using zero energy building (ZEB) concept and feasibility analysis, related to alternative renewable energy-based electricity generation in the use of energy in rural area. The first step, is to find out the amount of renewable energy in each city or district by looking at the average amount of rainfall, average wind speed, and the electrification ratio in each district or city in each province, the second step is a literature study related to renewable energy technology, and the final step in this study is to determine the feasibility analysis related to the technology of renewable energy resources used by calculating the net present value (NPV) and benefit cost ratio (BCR). All alternatives have a value of NPV < 0, and all alternatives have a value of BCR < 1, meaning that investment is unprofitable.

Sensitivity analysis shows that by changing investment parameters and annual costs, and reducing the the parameters by 90% from the main case, alternative 1 is able to have NPV of Rp. 137,589. With a 93 %, alternative 2 have NPV of Rp. 199,817, and with a 94 %, alternative 3 have NPV of Rp 434,364. The study also compares several alternative renewable energy technologies (ie solar panels and wind turbines) that can be used to meet electricity consumption needs in rural areas, combined with the concept of using pico-hydro rainwater harvesting, which use rain water as an alternative energy source."

"Burnout mengacu pada reaksi psikologis terhadap stres kerja kronis. Fenomena burnout merupakan fenomena yang harus diatasi oleh perusahaan karena membawa pengaruh negatif terhadap produktivitas dan keinginan karyawan untuk resign. Penelitian ini bertujuan untuk memprediksi karyawan dengan tingkat burnout yang tinggi dan menganalisis faktor yang mempengaruhi burnout karyawan di tengah pandemi COVID-19. Beberapa faktor yang dianalisis diantaranya tipe perusahaan, jabatan, skema work from home (WFH), tingkat kelelahan mental, dan jam kerja per hari. Berdasarkan penerapan metode neural network, sebanyak 92.2% varians burnout dapat dijelaskan oleh variabel input dengan tingkat kelelahan mental dan jam kerja per hari merupakan variabel yang memberi pengaruh yang signifikan terhadap tingkat burnout. Neural network kembali diterapkan dengan dua variabel tersebut dan masih dapat menjelaskan 91.9% varians burnout. Penelitian ini dapat digunakan employer dalam memprediksi tingkat burnout rate yang dihadapi karyawan sekaligus memperkaya penelitian-penelitian sebelumnya mengenai prediksi burnout.

---

Burnout refers to a psychological reaction to chronic work stress. The phenomenon of burnout is undoubtedly a phenomenon that companies must overcome because it may adversely affect productivity and employees' desire to resign from their job. This study aims to predict employees with high burn rates and analyze all the possible factors influencing employee burnout amid the COVID-19 pandemic. Several factors were analyzed, including the type of company, job positions, work-from-home (WFH) schemes, mental fatigue score, and working hours per day. Based on the application of the neural network method, 92.2% of the burnout variance can be explained by the input variable, with the level of mental fatigue and working hours per day variables significantly influencing burnout. The neural network is re-applied with these two variables and can still explain 91.9% of the burnout variance. Employers can use this research to predict the burnout rate faced by employees and enrich previous studies regarding burnout prediction."

"Pipa transmisi adalah cara teraman dan paling efektif untuk mengangkut gas alam dalam jumlah besar dalam jarak jauh. Meskipun transportasi menggunakan pipa adalah yang paling aman, kegagalan pipa transmisi dapat menyebabkan kerusakan, kerugian finansial, dan cedera. Kegagalan pipa perlu diprediksi untuk untuk menentukan prioritas pemeliharaan pipa sebagai salah satu strategi membuat jadwal pemeliharaan prefentif yang tepat sasaran dan efisien agar pipa dapat diperbarui atau direhabilitasi pipa sebelum terjadi kegagalan. Metode yang ditawarkan pada studi ini adalah machine learning, dimana metode merupakan bagian dari insiatif transformasi digital (Hajisadeh, 2019). Model dikembangkan berdasarkan data kegagalan historis dari jaringan pipa transmisi gas darat sekitar 2010-2020 yang dirilis oleh Departemen Transportasi AS dengan karakteristik data yang tidak terstruktur dan kompleks. Proses pembelajaran mesin dapat dibagi menjadi beberapa langkah: pra-pemrosesan data, pelatihan model, pengujian model, pengukuran kinerja, dan prediksi kegagalan. Pengembangan model pada studi ini dilakukan menggunakan dua algoritma yaitu regresi logistik dan random forest. Pola perilaku dari faktor-faktor yang paling berpengaruh adalah usia dan panjang segmen pipa meiliki korelasi positif terhadap kegagalan pipa. Kedalaman pipa, ketebalan, dan diameter pipa memiliki korelasi negatif. Kegagalan pipa paling sering terjadi pada pipa dengan class location 1 dan class location 4, pipa yang ditempatkan di bawah tanah, serta pipa dengan tipe pelapis coal tar. Hasil pengembangan model menggunakan machine learning menunjukan hasil performa model akurasi prediksi 0.949 dan AUC 0.950 untuk model dengan algoritma regresi logistik. Sedangkan akurasi prediksi 0.913 dan AUC 0.916 untuk model dengan algoritma random forest. Berdasrkan hasil uji performa kita dapat menyimpulkan bahwa machine learning adalah metode yang efektif untuk memprediksi kegagalan pipa. Berdasarkan model yang dilatih pada dataset nyata pipa transmisi gas, hasil prediksi pada studi kasus dapat menghindari 29% dari kegagalan pipa pada 2025, 53% kegagalan pipa pada tahun 2030, dan 64% pada tahun 2035.

---

Transmission pipe is the safest and most effective way to transport large amounts of natural gas over long distances. Although transportation using pipelines is the safest, transmission pipeline failures can cause damage, financial losses, and injuries. Pipeline failures need to be predicted to determine the priority of pipeline maintenance as one of the strategies to create a schedule of maintenance targets that is right on target and efficient so that the pipeline can be rehabilitated before a failure occur. The method offered in this study is machine learning, where the method is part of the digital transformation initiative (Hajisadeh, 2019). The model was developed based on historical failure data from the onshore gas transmission pipeline around 2010-2020 released by the US Department of Transportation with unstructured and complex data characteristics. The machine learning process can be divided into several steps: data pre-processing, model training, model testing, performance measurement, and failure prediction. The development of the model in this study was carried out using two algorithms namely logistic regression and random forest. The correaltion of the factors that most influence the failure of an onshore gas transmission pipeline is the age and length of the pipe segment has a positive correlation with pipe failure. Depth of cover, thickness, and diameter of pipes have a negative correlation with pipe failures. Pipe failures most often occur in pipes with class location 1 and class location 4, undersoil, and pipes with coal tar coating types. The results of the development of the model using machine learning showed the results of the model performance prediction accuracy is 0.949 and AUC is 0.950 for models with logistic regression algorithms. Whereas the accuracy of prediction is 0.913 and AUC is 0.916 for models using the random forest algorithm. Based on the results of performance tests we can conclude that machine learning is an effective method for predicting pipe failures. Based on the model trained on a real dataset of gas transmission pipelines, the prediction results in case studies can avoid 29% of pipe failures in 2025, 53% of pipe failures in 2030, and 64% in 2035. "

"Latar belakang: Berat badan lahir rendah (BBLR) merupakan salah satu bentuk gangguan pertumbuhan janin yang terbagi menjadi pertumbuhan janin terhambat dan pertumbuhan kecil masa kehamilan. Sebanyak 6,2% anak di Indonesia lahir dengan BBLR setiap tahunnya. Evaluasi pertumbuhan janin dapat dilakukan dengan berbagai cara, namun penggunaan indeks pertumbuhan jarang diteliti meskipun dapat mendiagnosis lebih dini masalah tersebut. Penelitian ini bertujuan untuk menggunakan indeks pertumbuhan untuk memprediksi kejadian kecil masa kehamilan pada janin.Metode: Penelitian ini merupakan penelitian analitik observasional dengan metode Nested case control yang membandingkan indeks pertumbuhan antara bayi sesuai masa kehamilan dan kecil masa kehamilan. Subjek dari penelitian ini merupakan bayi yang dilahirkan di RSUPN dr. Cipto Mangunkusumo pada Januari 2015 hingga Desember 2019 dan telah dilakukan pemeriksaan USG dua kali dengan interval 3-6 minggu. Janin dengan kelainan kongenital atau kehamilan ganda dieksklusi dari penelitian. Berat badan lahir dibagi menjadi kecil masa kehamilan dan sesuai masa kehamilan.Hasil: Dalam penelitian ini didapatkan 38 bayi kecil masa kehamilan dan 152 bayi sesuai masa kehamilan. Hasil penelitian ini menunjukkan korelasi positif antara pertambahan diameter biparietal, lingkar kepala, lingkar perut dan panjang femur selama masa gestasi dengan kejadian pertumbuhan kecil masa kehamilan (p < 0,05). Kejadian kecil masa kehamilan dapat diprediksi dengan perubahan HC < 4,9 mm/minggu dan perubahan AC < 6,9 mm/minggu.Kesimpulan: Kejadian kecil masa kehamilan pada janin dapat diprediksi dengan pertumbuhan lingkar kepala < 4,9 mm/minggu dan pertumbuhan lingkar perut < 6,9 mm/minggu.

---

Background: Low birth weight (LBW) is one a form of growth disturbance, divided into fetal growth restriction and small gestational age. About 6.2% of all children in Indonesia were born with LBW. Evaluation of growth restriction can be utilized using various methods. However, use of ultrasound growth index is understudied despite its usefulness in early diagnosis of fetal growth restriction. This study aims to utilize growth index for predicting small gestational age babies.

Method: This study was a observational analytic study using nested case control method comparing fetal growth index between small gestational age and appropriate gestational age babies. Subjects of this study were babies born in Cipto Mangunkusumo National General Hospital on January 2015 to December 2019 and had been examined twice using ultrasound examination, three to six weeks apart. Fetus with congenital abnormalities or twin pregnancy were excluded from this study. Birth weight was divided into small gestational age and appropriate gestational age.

Result: There were 38 small gestational age subjects and 152 appropriate gestational age subjects included in this study. There was positive correlation between growth of biparietal diameter, head circumference, abdominal circumference, femur length, and incidence of small gestational age birth weight. (p < 0.05). Incidence of small gestational age birth weight was predicted using head circumference growth < 4,9 mm/weeks and abdominal circumference growth < 6,9 mm/weeks.

Conclusion: Small gestational age fetus could be predicted using head circumference growth < 4,9 mm/weeks and abdominal circumference growth < 6,9 mm/weeks."

"Tujuan: Beberapa istilah telah digunakan untuk menggambarkan bayi dengan berat badan lahir rendah (BBLR) untuk usia kehamilannya, yaitu kecil untuk usia kehamilan (KMK) dan pertumbuhan janin terhambat (PJT). Sebanyak 6,2% anak di Indonesia lahir dengan BBLR setiap tahunnya. Evaluasi pertumbuhan janin dapat dilakukan dengan berbagai cara, namun penggunaan indeks pertumbuhan jarang diteliti meskipun dapat mendiagnosis lebih dini masalah tersebut. Penelitian ini bertujuan untuk menggunakan indeks pertumbuhan untuk memprediksi kejadian kecil masa kehamilan pada janin. Metode: Penelitian ini merupakan penelitian analitik observasional dengan metode Nested case control yang membandingkan indeks pertumbuhan antara bayi sesuai masa kehamilan dan kecil masa kehamilan. Subjek dari penelitian ini merupakan bayi yang dilahirkan di RSUPN dr. Cipto Mangunkusumo pada Januari 2015 hingga Desember 2019 dan telah dilakukan pemeriksaan USG dua kali dengan interval 3-6 minggu. Janin dengan kelainan kongenital atau kehamilan ganda dieksklusi dari penelitian. Berat badan lahir dibagi menjadi kecil masa kehamilan dan sesuai masa kehamilan.Hasil: Didapatkan 38 bayi kecil masa kehamilan dan 152 bayi sesuai masa kehamilan. Berdasarkan hasil penelitian ini, didapatkan pertambahan diameter biparietal, lingkar kepala, lingkar perut dan panjang femur yang lebih tinggi secara statistik pada kelompok berat badan lahir kecil masa kehamilan dibandingkan kelompok berat badan lahir sesuai masa kehamilan (p < 0,05). Kejadian kecil masa kehamilan dapat diprediksi dengan perubahan HC < 4,9 mm/minggu (sensitivitas 66.5%, spesifisitas 57,9%) dan perubahan AC < 6,9 mm/minggu. (sensitivitas 65.1%, spesifisitas 65,8%). Kesimpulan: Kejadian kecil masa kehamilan pada janin dapat diprediksi dengan pertumbuhan lingkar kepala < 4,9 mm/minggu dan pertumbuhan lingkar perut < 6,9 mm/minggu.

---

Background: Several terms have been used to describe infants with low birth weights (BW) for their gestational age. These include small for gestational age (SGA) and fetal growth restriction (FGR). About 6.2% of all children in Indonesia were born with LBW. Evaluation of growth impairment can be utilized using various methods. However, use of ultrasound growth index is understudied despite it’s usefulness in early diagnosis of low birth weight infants. This study aims to utilize growth index for predicting low birth weight infants.

Method: This study was an observational analytic study using nested case-control method comparing fetal growth index between small gestational age and appropriate gestational age babies. Subjects of this study were babies born in Cipto Mangunkusumo National General Hospital on January 2015 to December 2019 and had been examined twice using ultrasound examination, three to six weeks apart. Fetus with congenital abnormalities or twin pregnancy were excluded from this study. Birth weight was divided into small gestational age and appropriate gestational age.

Result: There were 38 small gestational age subjects and 152 appropriate gestational age subjects included in this study. Growth of biparietal diameter, head circumference, abdominal circumference, and femur length was higher on smallfor- gestational-age birth weight group than on appropriate-for-gestational-age group (p < 0.05). Incidence of small gestational age birth weight can be predicted using head circumference growth < 4,9 mm/weeks (sensitivity 66.5%, specificity 57,9%) and abdominal circumference growth < 6,9 mm/weeks. (sensitivity 65.1%, specificity 65,8%)

Conclusion: Small gestational age fetus could be predicted using head circumference growth < 4,9 mm/weeks and abdominal circumference growth < 6,9 mm/weeks."

"Dalam rentang 2009-2018 konsumsi litrik Indonesia meningkat 63%, menjadi 1.06 MWH/kapita pada tahun 2018. Dengan pertumbuhan konsumsi listrik dan pembangkit yang membuat sistem semakin kompleks, tentunya tidak menutup kemungkinan adanya gangguan pada sistem tenaga listrik yang dapat menyebabkan adanya ketidakstabilan sistem, bahkan dapat menyebabkan pemadaman total atau blackout. Untuk memitigasi blackout diperlukan adanya skema pertahanan agar sistem dapat segera kembali jika terjadi gangguan. Salah satu skema pertahanan adalah dengan menggunakan pelepasan beban dengan Under Frequency Relay (UFR). Dengan konsumsi listrik yang terus bertambah steiap tahunnya, perlu dilakukan studi mengenai kemampuan skema pelepasan beban yang ada untuk melindungi sistem tersebut seiring waktu. Salah sistem Indonesia di bagian timur, yang memiliki pertumbuhan rata-rata konsumsi listrik sebesar 8.81% pertahun dan baru dihubungkan dengan Pembangkit Listrik Tenaga Panas Bumi (PLTP). Sistem ini akan diuji ketahanan sistem pelepasan bebannya terhadap berbagai gangguan dengan prediksi pertumbuhan beban pada tahun 2022-2024. Sistem akan diberikan gangguan dengan analisa stabilitas menggunakan perangkat lunak DIgSILENT PowerFactory. Setelah dilakukan simulasi gangguan, beberapa studi kasus terdapat frekuensi maupun tegangan yang tidak stabil, sehingga perlu ada penyesuaian seperti menggunakan tap changer dan pengoperasian PLTMG.

---

In 2009-2018, Indonesia's electricity consumption increased by 63%, to 1.06 MWH/capita in 2018. With the growth in electricity consumption and power plants that make the system more complex, of course, there is the possibility of a disturbance in the electrical power system which can cause system instability, even causing a complete blackout or blackout., it can even cause a complete blackout or blackout. To mitigate blackout, it is necessary to have a defense scheme so that the system can return immediately in the event of a disturbance. One of the defense schemes is to use load shedding with Under Frequency Relay (UFR). With electricity consumption increasing every year, it is necessary to study the ability of existing load shedding schemes to protect the system over time. One of East Indonesia power system, which has an average growth in electricity consumption of 8.81% per year and is only connected to Geothermal Power Plants. This system will be tested for the resistance of the load shedding system to various disturbances with a prediction of load growth in 2022-2024. The system will be disturbed by stability analysis using the DIgSILENT PowerFactory software. After the disturbance simulation is carried out, several case studies have unstable frequency and voltage, so that adjustments need to be made such as using a tap changer and operating Gas Power Plant."