Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada masa pandemi COVID-19, banyak orang kehilangan pekerjaan karena perusahaan tidak mampu meraih keuntungan seperti pada kondisi normal dan terpaksa mengurangi jumlah pekerjanya. Kondisi ini bisa meningkatkan tingkat kejahatan terutama karena banyak orang tidak memiliki pendapatan. Salah satu metode efektif untuk mencegah terjadinya tindak kejahatan adalah dengan memasang sistem keamanan rumah (home security), dengan salah satu metode yang mudah dilakukan adalah memasang sistem pengawasan (surveillance). Penelitian ini bertujuan membuat sistem pengawasan yang memanfaatkan metode pelacakan wajah dan identifikasi wajah. Sistem ini menggabungkan 3 modul, yaitu pelacak Discriminative Single-Shot Segmentation (D3S), pendeteksi wajah MTCNN, dan pengenal wajah VGGFace2 untuk membuat sistem yang mampu melacak wajah orang yang tertangkap di kamera pengawasan. Sistem yang diusulkan juga memiliki fitur notifikasi untuk memberitahu jika ada orang asing yang terlalu lama berada di area pengawasan. Sistem ini akan mengevaluasi video bacaan dari Raspberry Pi dan PiCamera selaku alat penangkap citra. Sistem ini dievaluasi menggunakan metrik precision, recall, F-score untuk deteksi dan pelacakan, fps untuk evaluasi kecepatan komputasi, dan confusion matrix dengan akurasi untuk evaluasi identifikasi wajah. Dari hasil uji coba, sistem berjalan dengan kecepatan komputasi rata- rata sebesar 2.64 fps. Hasil pendeteksian dan pelacakan menunjukkan performa dengan nilai F-score 0.541 untuk dataset yang dikumpulkan sendiri. Akurasi identifikasi wajah memberikan hasil sebesar 50 persen.

---

During the COVID-19 pandemic, many people lost their jobs because companies were unable to make profits as normal conditions and were forced to reduce the number of workers. This condition could lead to increase of crime rate, especially because many people do not have any income. One way to prevent crime effectively is to install a safe home security system, in which a surveillance system is the most basic and effective. This study aims to create a surveillance system using face detection, face identification and face tracking method. This system combines 3 modules, namely Discriminative Single- Shot Segmentation (D3S) tracker, MTCNN face detector, and VGGFace2 face recognizer to create a system capable of tracking the faces of people caught on surveillance camera(s). The proposed system also have a notification feature to tell the house owner if a stranger have been staying in surveillance area for too long. This system will evaluate video readings from the Raspberry Pi as the camera capture tool. The system is evaluated using metrics such as precision, recall, F-score for detection and tracking, fps for computational speed evaluation, and confusion matrix with accuracy for evaluating the facial identification. From the test result, the system runs with a computation speed of 2.64 fps. The detection and tracking results show the performance with an F-score of 0.541. Facial identification accuracy gave a result of 50 percent."

"Dengan berkembangnya teknologi pada saat sekarang, kemampuan mesin terutama pada bidang deteksi wajah semakin berkembang. Kemampuan deteksi wajah ini dapat diimplemenentasikan dalam beberapa bidang seperti camera cctv, absensi automatis, dll. Kemampuan deteksi wajah dapat juga memprediksi emosi yang terlihat pada wajah.Kemampuan-kemampuan tersebut muncul dari hasil penelitian banyak orang. Peneliatan tersebut menghasilkan suatu algoritma yang berfungsi untuk mendeteksi wajah dan mengenali wajah serperti Haarcascade, MTCNN, dan RetinaFace. Dalam tahap implementasiannya, ketiga algoritma tersebut masih membutuhkan teknisi khusus untuk menghubungkannya. Untuk mengatasi masalah tersebut, dibuatlah suatu framework bernama DeepFace. Algoritma Haarcascade, MTCNN dan RetinaFace diterintergrasi kedalam framework DeepFace. Di bahas pada skripsi ini bagaimana cara kerja algoritma-algoritma tersebut dan bagaimana perbandingan performa antara algoritma-algoritma yang ada. Setelah melakukan percobaan, diketahui algoritma Retinaface dengan nilai precision 56.05% merupakan algoritma yang terbaik dalam mendeteksi wajah.

---

With the development of technology at this time, machine capabilities, especially in the field of face detection, are growing. This face detection capability can be implemented in several fields such as CCTV cameras, automatic attendance, etc. Face detection capabilities can also predict the emotions shown on faces. These abilities emerged

"Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari sistem keamanan di berbagai bidang. Teknologi biometrik yang ada di sekitar kita ada berbagai macam seperti sistem identifikasi retina, iris mata, telapak tangan, sidik jari dan wajah. Banyak komputer atau laptop yang dilengkapi oleh kamera digital atau webcam yang terintegrasi dengan sistem yang ada di komputer itu sendiri. Teknologi camera digital semakin hari juga semakin canggih dalam pengambilan gambar yang dapat disesuaikan dengan situasi apapun contohnya seperti didalam ruangan atau diluar ruangan. Hal ini memungkinkan untuk pengaplikasian pngenalan wajah sebagai sistem autentikasi pengganti password selain fingerprint. Penelitian ini difokuskan pada perancangan aplikasi system pengenalan wajah menggabungkan dua metode yakni jaringan saraf tiruan dan metode pencocokan pola. Input dari sistem pengenalan wajah ini diambil dari webcam yang sudah melalui proses pre-processing dan sudah difokuskan ke bagian wajah dengan sistem pendeteksi wajah dengan metode pattern matching. Selain itu hasil dari pre-processing juga digunakan sebagai data training atau pelatihan. Gambar wajah hasil dari preprocessing ini kemudian masuk ke proses pengenalan menggunakan algoritma jaringan saraf tiruan. Hasil dari proses pengenalan wajah adalah berupa nama dari wajah orang yang dikenali. Sistem ini telah diuji pada lebih dari 36 sampel wajah yang diambil dari 12 orang.Hasil akhir menunjukan bahwa sistem ini berhasil mengidentifikasi sampel-sampel wajah tersebut dengan tingkat keberhasilan mencapai 86%.

---

Biometric is one of the modern technology features that is used mostly as a part of security system in many types of application. There are so many biometric technology options this day such as retina identification, iris, eye, hand, finger print, and face. Many computers such as laptop are completed with digital camera or webcam which integrated with in the system computer it self. Camera technology is getting more sophisticated in nowadays in capturing image from many situations such as indoor or outdoor environmental. This technology allows the possibility to develop face recognition as an option to authentication system in computer, other than the most popular fingerprint. This final project focuses on the design of face identification application using combination of two methods, neural network method and pattern matching method. The input of the system is taken from face detection algorithm with pattern matching method on webcam images which focused on human face area and already pass preprocessing first. The digital images from preprocessing are also used as a training data. The preprocessed image is then passed into the recognition process using neural network algorithm.The result of the recognition process is the person?s credential which in this case the name. This system has been tested over 36 samples taken from 12 people. Result show that the system has identified the samples with 86% success rate."

"Penggunaan internet terus meningkat dengan penggunaan untuk kepentingan yang makin beragam pula, termasuk dalam sebuah bisnis. Hal ini menyebabkan makin banyaknya pula data yang tersimpan dan terekspos di internet. Banyaknya data tersebut tidak diiringi dengan kesadaran terhadap seberapa penting kerahasiaan dan keamanannya. Ini menimbulkan potensi kejahatan yang biasa dikenal dengan cybercrime. Korban dari kejahatan siber dapat mengalami kerugian, mencakup rusaknya reputasi perusahaan atau organisasi hingga kerugian finansial. Untuk itu, penelitian ini bertujuan untuk mengidentifikasi kerentanan yang dimiliki oleh sebuah web application yang menjadi sistem pelacakan dan pemantauan aset. Penelitian ini dilakukan dengan pendekatan uji penetrasi menggunakan kerangka kerja dari OWASP (Open Worldwide Application Security Project). Framework ini berfokus pada keamanan dari web application sehingga sesuai dengan target pengujian dari penelitian ini. Penelitian ini mencakup information gathering dan 3 (tiga) metode pengujian mengacu pada OWASP WSTG, yaitu authentication testing, authorization testing, dan input validation testing dengan total 8 (delapan) metode pengujian yang dipilih. Dari hasil uji penetrasi yang dilakukan, ditemukan 4 kerentanan yang berhasil dieksploitasi. Keempat kerentanan tersebut kemudian dianalisis menggunakan OWASP Risk Rating Methodology dengan hasil akhir poin likelihood 6,5 (HIGH) dan impact 3,21 (MEDIUM). Hasil ini menunjukkan overall risk severity dari web application target yang diuji memiliki tingkat kerentanan tinggi.

---

The increasing use of the internet for a wide range of purposes, including business, has led to a significant growth in the amount of data stored and exposed online. However, this increase in data is not matched by an awareness of the importance of its confidentiality and security. This situation creates the potential for cybercrime, which can cause substantial harm, including damage to the reputation of a company or organization and financial losses. Therefore, this research aims to identify vulnerabilities in a web application used as an asset tracking and monitoring system. The study employs a penetration testing approach using the OWASP (Open Worldwide Application Security Project) framework. This framework focuses on web application security, making it suitable for the research's testing targets. The study involves information gathering and three testing methods from the OWASP WSTG: authentication testing, authorization testing, and input validation testing, using a total of eight selected testing methods. The penetration testing results revealed four exploitable vulnerabilities. These vulnerabilities were analyzed using the OWASP Risk Rating Methodology, resulting in a final likelihood score of 6.5 (HIGH) and an impact score of 3.21 (MEDIUM). These results indicate that the overall risk severity of the tested web application has a high level of vulnerability."

"Ketergantungan bahan bakar fosil di Indonesia memicu penggunaan biosolar dari CPO sebagai campuran bahan bakar fosil. Kebijakan ambisius pencampuran biosolar ditetapkan sebesar 20% namun hingga saat ini belum terpenuhi (12,7%) karena kualitas dari B20 yang memiliki kandungan air tinggi sehingga dapat merusak mesin kendaraan sedangkan pencampuran bioethanol belum diterapkan sama sekali dikarenakan aspek biaya. Oleh sebab itu, dibutuhkan alternatif lainnya agar dapat menaikkan penggunaan bahan bakar bersih sesuai yang diinginkan. Pada penelitian ini, dilakukan optimisasi sistem bahan bakar jangka panjang dengan minimum total biaya sistem hingga tahun 2050 menggunakan TIMES-VEDA pada spesifikasi kualitas bahan bakar tertentu yang dipengaruhi oleh ketersediaan suplai bahan baku sehingga diperoleh campuran bahan bakar yang optimum.Teknologi biofuel yang ditinjau adalah FAME, HVO, FT-Diesel, Bioethanol generasi pertama dan kedua. Hasil yang diperoleh untuk skenario IND-EURO adalah campuran FAME 50% di tahun 2020-2030 dan campuran FAME 47%-HVOSMR 53% di tahun 2035-2050. Untuk skenario EURO-SULPHUR IND di tahun 2020 adalah HVOSMR 30% sedangkan FAME 20% untuk tahun 2025-2030 dan campuran FAME 47%-HVOSMR 53% di tahun 2035-2050. Untuk skenario EURO adalah campuran FAME 47%-HVOSMR 53% di tahun 2020-2030 dan FAME 20% di tahun 2035-2050. Untuk campuran bensin semua skenario di tahun 2020 adalah Ethanol 5% dan Ethanol-Ethanol2G 20% ditahun 2035-2050. Perbedaan campuran Ethanol terjadi di skenario EURO untuk tahun 2025-2030 yaitu lebih rendah 5% sehingga pengurangan bahan bakar minyak masing-masing skenario secara berurut adalah 79%, 67% dan 55% untuk solar sedangkan 19%, 19% dan 17% untuk bensin.

---

Renewable fuel as a mix with petroleum fuel is one of solution to decrease the use of fossil fuels in Indonesia. The ambitious policy is to mix 20% of biosolar from CPO but until now still not meet the target (12.7%) due to the poor quality of B20 and for mix of bioethanol has not been implemented due to lack of financial support. Therefore, alternative renewable fuels are needed in order to meet the target. In this study, we apply optimization with a minimum total system cost up to 2050 using TIMES-VEDA on certain fuel quality specifications that are affected by the availability of raw material supply so that the optimum fuel blending is obtained. The biofuel technology reviewed is FAME, HVO, FT Diesel, Bioethanol first and second generation. The results obtained for the IND-EURO scenario are a blend of FAME 50% in 2020-2030 and blend of FAME 47% -HVOSMR 53% in 2035-2050. The scenario of EURO-SULPHUR IND has fuel mix HVOSMR 30% in 2020, FAME 20% for 2025-2030 and have same percentage of blend with scenario IND-EURO for 2035-2050. The EURO scenario has fuel blending of FAME 47%-HVOSMR 53% in 2020-2030 and FAME20% in 2035-2050. For all scenario gasoline blends are Ethanol 5% in 2020 and combination Ethanol-Ethanol2G 20% in the 2035-2050. Ethanol blend for scenario of EURO has 5% lower rather than other scenario in 2035-2050. Biofuel mix can reduce consumption diesel and gasoline respectively for each scenario are 79%, 67% and 55% and 19%, 19% and 17%."

"Penelitian dilakukan untuk mengembangkan sistem keamanan rumah dengan webcam yang sudah ada saat ini. Sistem keamanan saat ini menggunakan webcam hanya untuk merekam dan menyimpan kejadian dalam bentuk video file. Hal tersebut dirasa kurang cukup aman dikarenakan saat kejadian berlangsung seperti perampokan tidak ada notifikasi kepada pemilik rumah. Maka pada penelitian ini ditambahkan sebuah fitur pada sistem untuk mendeteksi wajah penghuni rumah dan akan memberikan notifikasi ketika ada wajah yang tidak dikenal. Sistem ini juga akan digabungkan dengan akses pintu otomatis menggunakan solenoid door lock. Metode yang digunakan adalah Deep Learning Matric untuk implementasi pada face recognition yang digunakan untuk akses kunci pintu rumah.Hasil yang didapatkan dari pengujian sistem cukup baik, dimana sistem dapat membedakan penghuni rumah dengan orang asing dengan beberapa kriteria pengujian, diantaranya dengan pengujian jarak webcam dengan orang pada siang sekitar pukul 12.00 sampai 13.00 dan malam hari sekitar pukul 19.00 sampai 20.00 dengan menghadap kearah webcam, pengujian banyaknya wajah yang terdeteksi webcam dalam satu frame, dan notifikasi kepada penghuni rumah. Berdasarkan hasil pengujian dan analisis, banyaknya wajah yang tertangkap bisa lebih dari 3 orang dan untuk persentase akurasi pada pengujian siang hari didapatkan sebesar 91.11% sedangkan pada malam hari sebesar 80%. Dari persentase yang didapatkan, pendeteksian pada siang hari lebih baik dan akurat dibandingkan pada malam hari dikarenakan intensitas cahaya yang mempengaruhi kerja dari algoritma face recognition.

---

The study was conducted to develop a home security system with a webcam that already exists today. The current security system only uses the camera to record and save events in the form of video files. This is not enough safe because when the incident took place such as a robbery there was no notification to the homeowner. Therefore, in this study added some feature for a system to recognize faces of homeowner and will provide notifications when there are faces that are not known. This system will also be combined with automatic door access using solenoid door lock. The method used is the Deep Learning Matric for the implementation of face recognition which will used for door lock access.

The results obtained from the testing of the system are quite good where the system can distinguish between homeowner and strangers with several testing criteria, including testing the distance of the camera with people at noon around 12:00 to 13:00 and the night around 19:00 to 20:00 by facing the camera, testing the number of faces detected by cameras, and notifications to residents. Based on the results of testing and analysis, many faces can be caught more than 3 people and for the percentage of accurated in daytime testing obtained by 91.11% while at night by 80%. From the percentage obtained, the detection during the day is better and more accurate than at night due to the light intensity that affects the work of the face recognition algorithm.

"

"Bengkel XYZ adalah salah satu UMKM bengkel yang berlokasi di Depok yang memiliki tujuan untuk mengembangkan bisnisnya dan memperluas jangkauan layanannya. Dalam menjalankan sistem manajemennya terdapat kesulitan dalam manajemen keuangan. Bengkel XYZ belum memiliki perencanaan keuangan jangka panjang. Dengan demikian diperlukan perencaanan keuangan jangka panjang dengan menggunkanan analisis kinerja keuangan dan prospective analysis. Tujuan dari business coaching ini adalah membuat perencanaan keuangan jangka panjang untuk Bengkel XYZ.

---

Workshop XYZ is a SME based in Depok and have a mission to expand their business and scope. The workshop having a difficuty in their financial management. Workshop XYZ not having a long term financial planning. Therefore, the workshop needs to construct long term financial planning using financial performance analysis and prospective analysis. The purpose of this business coaching is to help Bengkel XYZ create their long term fiancial planning."

"Pada pembentukannya ETF ditujukan untuk mereplikasi pergerakan indeks acuannya sehingga perlu adanya sebuah penelitian apakah pergerakan harga ETF XIIC, RLQ45 dan XIJI sesuai dengan tujuannya yaitu mereplika indeks acuan. Pada penelitian ini pergerakan harga ETF di uji menggunakan uji johansen dan VECM agar mengetahui pergerakan harganya apakah mengikuti indeks acuanya. Pada penelitian ini ditemukan bahwa ETF RLQ45 dan XIJI memiliki kointegrasi jangka panjang dengan indeks acuannya dan IHSG namun ETF XIIC hanya memiliki kointegrasi jangka panjang dengan indeks acuannya saja dan tidak terkointegrasi jangka panjang dengan IHSG. Pada penelitian ini juga ditemukan bahwa pergerakan jangka pendek XIIC tidak dipengaruhi oleh indeks acuannya namun lebih dipengaruhi oleh IHSG.

---

ETF aimed to replicate the benchmark index movement so that the need for a study of whether the ETF price movements XIIC, RLQ45 and Xiji accordance with the objective being to replicate the benchmark index. In this study, the ETF price movement in a test using Johansen test and VECM in order to determine whether price movements follow acuanya index. This study found that ETF RLQ45 and Xiji has a long-term cointegration with benchmark index and stock index ETF XIIC but only have a long-term co integration with its benchmark index only and is not a long-term cointegrated with JCI. In this study also found that short-term movements XIIC not influenced by the benchmark index but more influenced by JCI."

"Pola beban sistem tenaga listrik yaitu pola permintaan beban puncak dan kurva lama beban (KLB) sangat berpengaruh dalam perencanaan pengembangan sistem pembangkitan jangka panjang. Pola beban tersebut mempengaruhi: nilai total biaya kumulanf pengembangan sxstem koniigurasn optnmum vanabel kandidat pembangkit, total tambahan kapasitas pembangkit terpasang, Jumlah energi yang diproduksi dan keandalan sistem (indeks LOLP (Loss Of Load Probability) & ENS (Energy Not Served)). Beberapa model telah digunakan untuk peramalan permintaan beban puncak dan untuk merepresentasikan KLB. KLB merupakan parameter yang sangat penting untuk analisis sistem ketenagalistrikan seperti estimasi biaya operasi sistem pembangkitan prediksi jumlah energi yang diproduksi dan untuk perhitungan tingkat keandalan. Dalam disertasi ini telah dikembangkan model peramalan beban puncak jangka panjang dan model KLB dengan menggunakan metode Jaringan Syaraf Tiruan (JST). Model yang dikembangkan mampu melakukan komputasi secara paralel melalul pembelajaran dari pola pola yang diajarkan sehingga mampu menemukan hubungan non-linear antara beban dan faktor-faktor ekonomi populasi, konsumsi energi listrik dan faktor faktor Iainnya serta dapat melakukan penyesuaian terhadap perubahan-perubahan yang terjadi. Model tersebut diaplikasikan pada sistem ketenagalistrikan Jawa-Madura-Bali (Jamali) dan hasil output peramalan beban puncak dan KLB nya digunakan sebagai masukan dalam optimasi perencanaan pengembangan sistem pembangkltan dengan program WASP (Wien Automatic System Planning). Selanjutnya dilakukan analisis keandalan sistem berdasarkan hasil optimasi. Untuk mengetahui keakuratan model yang dikembangkan maka output hasil dan model yang dikembangkan dibandingkan dengan model lain. Hasil ramalan beban puncak pada tahun 2025 dengan metode JST tidak berbeda jauh dengan model ekonometrik Simple E yang digunakan untuk Rencana Umum Ketenagalistrikan Nasional (Simple E-RUKN) yaitu masing-masing sebesar 57.030 MW dan 59.107 MW (perbedaannya sekitar 3,58%). Berdasarkan metode JST, laju pertumbuhan beban tahunan rata-rata sekitar 7,1 % selama periode tahun studi 2006-2025, sementara itu menurut Simple E-RUKN laju pertumbuhan diperkirakan sekitar 7,3%per tahun. Representasi pola model KLB-RJST yang dikembangkan lebih mendekati pola KLB-Aktual, dibandingkan dengan pola model KLB-Synder. Berdasarkan hasil analisis keandalan dalam optimasi perencanaan pengembangan sistem pembangkitan diperoleh kesimpulan bahwa perbedaan hasil perhitungan keandalan antara model KLB-JST dibandingkan pola KLB-Aktul mempunyai perbedaan yang relatif kecil (sekitar 0,94% untuk perbedaan LOLP dan 4,44% untuk perbedaan ENS). Untuk model proyeksi KLB berdasarkan metode JST, hasilnya cukup bagus.

---

Load pattern on the electricity system (i. e. demand pattern of peak load and load duration curve (LDC)) has an effect on the long term generating system expansion planning The load pattern affects of' cumulative total cost value of system development, optimum configuration of generating candidate variable, total addition of generating installed capacity amount of energy produced and system realibility (index of LOLP (Loss Of Load Probability) & ENS (Energy Not Served)) Several models have been used to forecast peak load demand and to express LDC An LDC is one of the most important parameters to analyze the electric power systems. It is used in estimating the operating cost of a power system predicting the amount of energy delivered by each unit, and calculating reliability measures. In this dissertation an intelligence model to forecast long-load and to express LDC using Artificial Neural Networks (ANN) method has been developed The model has ability to conduct parallel computing through training from taught patterns so that it is able to find non-linear relations between load economic thetors population electric energy consumption and other factors. The model can also conduct adjustment in response to any changes that happenes. The model is applied on the Jawa Madura Bali (Jamali) electricity system and the output result of the forecasted peak load and its LDC are used as input on the optimazation of expansion planning for electrical generating system using WASP (Wien Automatic System Planning) program. Hercinafter the system reliability is analyzed based on the optimization result. The developed model output is compared to other model output to verify the accuracy. The result of the forecasted peak load in 2025 by ANN method does not differ far from that of Simple E model used National Electricity General Planning (Simple E-NEGP) of which 57.030 MW and 59.107 MW respectively(its difference about 3,58%) Based in the ANN model, mean annual load growth rate is about 7,1% during study period of 2006-2025, meanwhile according to Simple E-NEGP, the growth rate is estimated about 7,3 % per year. The develop LDC model based on ANN approximates the actual-LDC, if compared to LDC model based on the Synder. Based on the reliability analysis on the optimization of generating system expansion planning, the reliability calculation result by LDC-ANN model is almost similar to LDC-Actual model (differs about 0,94% or LOLP and about 4,44% for ENS). Meanwhile for LDC projection based on ANN, the result is fine."

"Penelitian ini mengeksplorasi kelayakan investasi proyek hidrogen hijau dari listrik panas bumi menggunakan sistem elektrolisis. Analisis ini mempertimbangkan dampak berbagai faktor terhadap metrik ekonomi utama, termasuk Net Present Value (NPV), Internal Rate of Return (IRR), dan Payback Period (PP). Temuan kami menunjukkan bahwa kapasitas produksi dan biaya listrik merupakan faktor penting, dengan produksi yang lebih tinggi menghasilkan nilai NPV, IRR, dan PP yang lebih positif. Oleh karena itu, disarankan untuk menemukan elektroliser alternatif yang mampu melebihi 100 kg produksi hidrogen harian. Biaya transportasi juga merupakan pertimbangan penting lainnya, karena skenario tanpa biaya transportasi menunjukkan NPV yang lebih tinggi dibandingkan dengan skenario yang menyertakan biaya transportasi. Makalah ini memberikan wawasan berharga bagi investor dan pemangku kepentingan yang mempertimbangkan proyek produksi hidrogen ramah lingkungan. Hal ini menekankan pentingnya mengoptimalkan kapasitas produksi, meminimalkan konsumsi listrik, dan mengelola biaya transportasi untuk meningkatkan kelayakan finansial. Penelitian lebih lanjut disarankan untuk mengeksplorasi dampak lingkungan dan sosial dari produksi hidrogen hijau serta pertimbangan finansial.

---

This research explores the investment feasibility of green hydrogen projects from geothermal electricity using an electrolysis system. The analysis considers the impact of various factors on key economic metrics, including Net Present Value (NPV), Internal Rate of Return (IRR), and Payback Period (PP). Our findings reveal that production capacity and electricity cost is a crucial factor, with higher production leading to more positive NPV, IRR, and PP values. Consequently, the finding of alternative electrolyzers capable of exceeding 100 kg of daily hydrogen production is recommended. Transportation cost is another key consideration, as scenarios without transportation costs exhibit a higher NPV compared to those with transportation costs included. This paper provides valuable insights for investors and stakeholders considering green hydrogen production projects. It emphasizes the importance of optimizing production capacity, minimizing electricity consumption, and managing transportation costs for improved financial viability. Further research is recommended to explore the environmental and social impact of green hydrogen production alongside the financial considerations."