Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Skripsi ini bertujuan mengembangkan model konsumsi bahan bakar dump truck menggunakan machine learning untuk mengoptimalkan efisiensi dan mengurangi biaya operasional pada tahapan hauling dalam industri pertambangan dan penggalian batubara. Tahapan hauling merupakan sumber biaya terbesar, terutama dalam pengoperasian dump truck, di mana pembelian bahan bakar menjadi faktor biaya yang paling signifikan. Penelitian ini menggunakan algoritma Linear Regression (LR), Random Forest (RF), dan Support Vector Machine (SVM) untuk membangun model konsumsi bahan bakar dump truck. Data historis konsumsi bahan bakar dump truck diambil dari 6 area penambangan Perusahaan Kontraktor Penambangan. Hasil penelitian menunjukkan bahwa algoritma Random Forest (RF) memberikan performa terbaik dengan R² sebesar 0,9004, MAE sebesar 0,1909, dan RMSE sebesar 0,3159, serta tingkat akurasi yang lebih tinggi dibandingkan dengan algoritma lainnya. Selanjutnya, penelitian menganalisis variabel input yang paling berpengaruh terhadap model konsumsi bahan bakar dump truck menggunakan teknik permutation feature importance. Hasilnya, variabel input yang paling berpengaruh adalah "accel_pos" atau percepatan atau perlambatan gerakan (acceleration) dump truck yang menunjukkan pentingnya perilaku dan gaya mengemudi dump truck dalam mempengaruhi efisiensi penggunaan bahan bakar.

---

This thesis aims to develop a dump truck fuel consumption model using machine learning to optimize efficiency and reduce operational costs at the hauling stage in the coal mining and quarrying industry. The hauling stages are the largest source of expenses, especially in the operation of dump trucks, where fuel purchases are the most significant cost factor. This research uses Linear Regression (LR), Random Forest (RF), and Support Vector Machine (SVM) algorithms to build a fuel consumption model for dump trucks. Historical data on dump truck fuel consumption was taken from 6 mining areas of the Mining Contractor Company. The results showed that the Random Forest (RF) algorithm provided the best performance with R² of 0.9004, MAE of 0.1909, and RMSE of 0.3159, as well as a higher accuracy rate compared to other algorithms. Furthermore, the researchers analysed the most influential input variables on the dump truck fuel consumption model using the permutation feature importance technique. As a result, the most influential input variable is "accel_pos" or the acceleration or deceleration of the dump truck, which shows the importance of the dump truck's driving behaviour and style in influencing the efficiency of fuel use."

"Dalam menghadapi meningkatnya permintaan transportasi muatan curah kargo di era transisi energi, efisiensi operasional menjadi krusial untuk mengelola biaya operasional harian kapal bulk carrier, di mana bahan bakar mencakup 60%-70% dari total biaya operasional. Penelitian ini mengusulkan pendekatan menggunakan model Random Forest (RF) untuk memprediksi konsumsi bahan bakar kapal, mengatasi keterbatasan metode empiris statistik konvensional dalam memodelkan faktor eksternal seperti kondisi cuaca. Ordinary Least Squares (OLS) digunakan untuk mengevaluasi signifikansi variabel independen setelah normalisasi data dengan metode min-max, dengan pembagian data training dan testing sebesar 70% dan 30%. Pendekatan baru diterapkan untuk validasi data guna mengevaluasi sejauh mana model dapat membaca dataset dengan variasi jumlah subset data kapal, dan menggunakan analisis histogram untuk mengkaji pergeseran nilai error dalam persebaran data seiring bertambahnya jumlah data yang digunakan. Evaluasi dilakukan menggunakan empat metrik, yaitu MSE, RMSE, MAE, dan MAPE, yang menunjukkan bahwa model RF mencapai akurasi tinggi sebesar 95%-98% dengan kesalahan rata-rata sangat rendah di bawah 0,1 pada semua metrik. Penelitian ini tidak hanya memberikan solusi efektif untuk mengoptimalkan konsumsi bahan bakar dan meminimalkan biaya operasional, tetapi juga mendukung pengambilan keputusan yang lebih cepat dan tepat dalam operasional kapal.

---

In response to the increasing demand for bulk cargo transportation in the energy transition era, operational efficiency is crucial to managing the daily operational costs of bulk carrier vessels, with fuel accounting for 60%-70% of total operational expenses. This study proposes an approach utilizing the Random Forest (RF) model to predict ship fuel consumption, addressing the limitations of conventional empirical statistical methods in modeling external factors such as weather conditions. Ordinary Least Squares (OLS) was employed to evaluate the significance of independent variables after data normalization using the min-max method, with a 70% and 30% split for training and testing data, respectively. A novel approach was implemented for data validation to assess the extent to which the model can interpret datasets with varying subsets of ship data, using histogram analysis to examine the shift in error distribution as the dataset size increases. The evaluation was conducted using four metrics, namely MSE, RMSE, MAE, and MAPE, demonstrating that the RF model achieved high accuracy between 95% and 98%, with extremely low average errors below 0.1 across all metrics. This study not only provides an effective solution to optimize fuel consumption and minimize operational costs but also supports faster and more accurate decision-making in ship operations."

"ABSTRAKPermasalahan penugasan truk pada area tambang memiliki kontribusi sebesar 50% dari biaya operasi berdasarkan literatur yang ada. Efisiensi pada permasalahan tersebut perlu dilakukan agar bisa mendapatkan aturan penugasan terbaik dalam pengalokasian truk dan loader untuk menjawab pertanyaan kemana seharusnya sebuah truk pergi agar mampu untuk memaksimalkan jumlah produksi dan memberikan penghematan biaya operasi yang signifikan pada industri yang bergerak di bidang pertambangan. Pendekatan terhadap look-ahead algorithm belum pernah dilakukan sebelumnya pada area pertambangan dalam menyelesaikan permasalahan penugasan dump truck. Riset ini mengembangkan sebuah model simulasi dan optimasi dalam menyelesaikan permasalahan penugasan dump truck dengan menggunakan data real-situation. Penelitian ini menggunakan discrete event simulation untuk menguji beberapa metode skenario penugasan truk diantaranya LP-Gap, persentase LP-Gap, multi-stage algorithm dan look-ahead algorithm. Hasil penelitian menunjukkan bahwa metode skenario look-ahead algorithm memberikan jumlah produksi, produktivitas loader, produktifitas truk dengan blok dan tanpa blok yang terbaik sebesar 43,533 ton, 64.44%, 80.53% dan 63.47%.

---

ABSTRACTThe truck dispatching problem in open-pit mines area has a contribution of 50% of the operating costs according to the literature. Efficiency on the problem needs to be done in order to get the best dispatching rules for the allocation of truck and loader to answer the question where should a truck go to be able to maximize the number of production and provide significant operating cost savings to the industry engaged in mining. This approach to the look-ahead algorithm has never been done before in a mining area in solving the truck dispatching problem. This research developed a simulation and optimization model in solving the problems of assignment dump truck by using real data-situation. This study uses a discrete event simulation to test several scenarios methods of truck dispatching, including LP-Gap, the percentage of LP-Gap, multi-stage algorithm and look-ahead algorithm. The results of the study, show that a look-ahead algorithm scenario method gives the number of production, productivity of loaders, productivity of trucks with block and without block are the highest; 43,533 ton, 64.44%, 80.53% and 63.47%."

"Ada berbagai pilihan alat angkut material batubara disesuaikan dengan target produksi, kondisi kerja dan pertimbangan biaya produksi. Banyak pertimbangan bagi perusahaan kontraktor batubara yang fokus pekerjaannya adalah pengangkutan batubara. Pilihan alat angkut batubara khususnya dari stockpile crusher menuju ke port adalah menggunakan dump truck. Tipe dump truck yang dapat digunakan adalah Rigid Dump Truck, Single Trailer Truck, dan Double Trailer Truck. Dalam penelitian kegiatan praktek keinsinyuran ini berfokus untuk membandingkan antara Rigid Dump Truck dan Single Trailer Truck untuk aplikasi pengangkutan batubara dilihat dari aspek Keselamatan, Produktivitas, Dan Efisiensi Biaya.

---

There are various choices of coal material conveyance that are adjusted to production targets, working conditions and production cost considerations. There are many considerations for coal contractor companies whose work focus is coal transportation. The choice of means of transporting coal, especially from the stockpile crusher to the port, is to use a dump truck. The types of dump trucks that can be used are Rigid Dump Trucks, Single Trailer Trucks, and Double Trailer Trucks. In this engineering practice research activity focuses on comparing Rigid Dump Trucks and Single Trailer Trucks for coal hauling applications from the aspects of Safety, Productivity and Cost Efficiency."

"Penurunan harga batu bara menyebabkan perusahaan pertambangan mengalami kesulitan untuk meningkatkan keuntungan. Salah satu cara yang dapat dilakukan untuk dapat mengambil keuntungan adalah dengan menurunkan biaya operasional. Pada proyek pertambangan, alat produksi pengantar material berkontribusi besar dalam tingginya biaya operasional, terutama dump truck sebagai alat yang berperan penting dalam transportasi material. Namun, upaya menurunkan biaya penggunaan dump truck mengalami kendala akibat dari penjadwalan operasi dump truck yang belum optimal dan masih menggunakan cara konvensional. Sehingga, penelitian ini bertujuan untuk mengoptimalkan kerja dump truck dengan menentukan jumlah dan jenis dump truck yang digunakan serta alokasi waktu operasi pada masing-masing dump truck setiap bulannya. Optimalisasi pekerjaan dump truck dilakukan dengan membentuk model matematis untuk meminimumkan biaya penggunaan dump truck. Metode yang digunakan dalam penelitian ini adalah Mixed Integer Linear Programming (MILP) dengan bantuan perangkat lunak LINGO 18. Hasil penelitian berupa penjadwalan dump truck selama satu tahun dalam bentuk alokasi waktu operasi setiap bulannya. Optimasi model penjadwalan dump truck dapat meminimumkan biaya sebesar Rp2.530.490.039,51 atau melakukan penghematan sebesar 3,19%.

---

The degradation of coal prices caused the mining industry to face difficulty in increasing its profit. Reducing operational costs is a way a company could do to gain profit while the revenue is stagnant. In a mining project, material haulage equipment has a big contribution on operational cost, especially dump truck that plays a significant role in transporting material. However, the conventional method of scheduling the dump truck operation interferes the effort to reduce dump truck operational costs. Thus, the study aims to optimize dump truck operation by deciding the number and types of dump trucks, also the monthly allocation of dump truck operation time. A mathematical model was developed to optimize dump truck operation that leads to minimizing dump truck operation cost. This research method is Mixed Integer Linear Programming (MILP) with the support of LINGO 18 software. The result of this study is a one-year schedule of dump truck operation in the form of monthly allocation time operation. The optimization of the dump truck operational schedule reduced cost by Rp2.530.490.039,51 or save money by 3,19%."

"Tujuan akhir penelitian ini untuk mendapatkan gambaran produksi yang optimal yang akan terjadi. Sebelum melakukan pendekatan dengan analisa ekonomi teknik, penelitian diawali dengan melakukan analisa terhadap produksi unit perhari. Produksi batubara pada umumnya dilakakukan berdasarkan besarnya permintaan dari pembeli yang Ielah melakukan kontrak dengan perusahaan. Metode penelitian bersifat kuantitatif yang mengacu pada rencana investasi pengadaan unit tambahan. Data yang didapat merupakan data sekunder yang didapat dari perusahaan sebagai tempat meneliti. Selanjutnya data diolah dengan menggunakan spreedsheet untuk mendapatkan produksi unit perhari, pengeluaran unit serta nilai sisa unit. Penambahan unit sangat bergantung dari ketiga hal tersebut. Hasil pengurangan dari total pendapatan dengan total pengeluaran merupakan hasil yang menunjukkan kelayakan atas penambahan peralatan tersebut. Analisa basil dapat dipakai sebagai alternatif investasi untuk mendapatkan hasil yang produktif.

---

Final purpose of this research is to get an overview of optimum production that happen. Before using approach of economy technique analysis, this research was begin with analytical production unit each day. Coal production is in general done as according to level of request of coal by the buyer according to the contract with company. The research method is quantitative, which refer to strategic plans of investment a back up unit as supplement. The collected data is the history data getting from a company place of researchment. Then Calculated data used the spreedsheet to get the production unit each day, excretion unit and book value of unit. An embankment of unit depend on that situation. Results of deduction between total income and total excretion show the worthiness of embankment unit. Result analysis is used as alternative investment to get the optimum production."

"Dump truck kelas 160 ton Adalah alat berat yang digunakan sebagai komponen utama dalam industri pertambangan transportasi batubara atau mineral tanah. Akan tetapi situasi saat ini harga batubara tidak menentu, harga naik dan jatuh seketika, membuat pemilik usaha mengambil tindakan pemotongan biaya. Remanufaktur adalah salah satu pilihan untuk mengurangi biaya, Cylinder head dumptruck berpotensi untuk diremanufaktur karena menguntungkan jika cylinder head habis pakai dapat digunakan kembali, dalam satu engine dumptruck kelas 160 ton terdapat 12 silinder yang dipasang pada mesin. Penelitian ini mempelajari pengaruh perbaikan Cylinder Head Dump Truck (grey cast iron material) bila dilapisi dengan metode wire arc spray dengan berbagai opsi parameter yang dipilih. Sampel yang digunakan adalah bahan dari cylinder head yang dibentuk oleh mesin pemotong dan dibubut menjadi silinder kecil dengan diameter 22 mm dan ketebalan 15 mm. Sebelum pelapisan sampel diperlakukan proses blasting untuk mendapatkan kekasaran yang sama 6 ± 1μm kemudian dilapiskan dengan bond coat Ni5Al dengan variasi tekanan aliran udara 2, 3 dan 4 bar kemudian penyemprotan bahan lapisan atas 13% Cr atau Zo-26. Hasil kekerasan menunjukkan area bond coat adalah yang terendah dan material top coat adalah yang tertinggi. Morfologi lapisan air flow pressure bond coat yang lebih tinggi membuat persentase oksida semakin kecil, membuat kepadatan lapisan bond coat lebih rapat, membuat penetrasi bond coat yang lebih dalam terhadap lapisan based metal dan membuat penetrasi kedalaman top coat ke bond coat menurun. Metode FEM dengan beban fatigue digunakan untuk menentukan karakteristik kurva S-N dan berdasarkan variasi air pressure bond coat semakin tinggi nilainya membuat kurva kurva S-N lebih tinggi. Sebaliknya, jika variasi air pressure bond coat rendah membuat kurva S-N cenderung lebih rendah.

---

Dumptruck class 160 ton Is heavy equipment machinery as a main component in minning industrial for coal or soil mineral transportation. but in Current situation the coal price is going to uncertain, the price is rise and suddenly falling, make the owner neeed take some action such as cutting cost, remanufacturing is one option to reduce cost. Cylinder head dumptruck potential to analysis for remanufacture due to profitable if conduct reused cylinder head, the reason one engine dumptruck class 160 ton there are 12 cylinder installed on machine. This paper is study the effect of Cylinder Head Dump Truck (grey cast iron material) repairing by coating wire arc spray with selected option parameter. Sampel part is porepare directly from cylinder head material formed by cutting machines and lathe to be small cylinder with diameter 22 mm and thickness 15 mm. Before coating the sampel treated by blasting process to get same roughness 6±1µm then coating by bond coat Ni5Al with air flow pressure variation 2~4 bar then spraying top coat material 13%Cr or Zo-26. The hardness result show bond coat area is the lowest and top coat material is the highess. The morfology layer bond coat describe which result obtained higher bond coat air flow pressure make the smaller the percentage of oxide, denser bond coat density , depth penetration bond coat to based metal increases, penetration top coat to bond coat decreases. Finite element method by fatigue load was utilized to determine S-N curve characteristics and based on fatigue fem higher bond coat air flow pressure applied make the S-N curve curve is higher. Conversely, if the air pressure bond coat is low make the S-N curve tends to be lowertion top coat to bond coat."

"Inclining test merupakan proses untuk mengetahui titik berat kapal dengan memindahkan beban uji di atas kapal. Tujuan dari Inclining test pada kapal adalah untuk menentukan tinggi titik berat kapal dan metasentra kapal, yang menjadi dasar perhitungan stabilitas kapal dalam berbagai kondisi pemuatan (load case). Percobaan inclining test umumnya dilakukan dengan dua metode, yaitu langsung di kapal setelah pembangunan selesai dan melalui simulasi komputasi. Namun, metode ini seringkali memerlukan persiapan yang cukup lama. Dengan berkembangnya otomasi dan teknologi, penelitian ini bertujuan untuk mengoptimalkan pengukuran Inclining test dengan lebih cepat dan akurat tanpa menunggu kapal selesai dibangun. Pendekatan yang diambil dalam penelitian ini adalah dengan membuat model Inclining test kapal menggunakan metode Machine Learning. Machine Learning digunakan untuk mempelajari data yang dimasukkan ke dalam sistem, dan memungkinkan mesin menghasilkan output dari percobaan inclining test seperti jika dilakukan langsung di kapal. Penelitian dilakukann dengan menggunakan Google Spreadsheet untuk menyimpan data- data inclining test yang pernah dilakukan, Github sebagai tempat yang digunakan untuk menyiimpan kode pemograman mesin, dan Streamlit sebagai interface untuk data baru yang akan dimasukan, menjalankan kode mesin yang ada di Github dan memperlihatkan hasil prediksi yang dilakukan oleh mesin. Kemudian akan dilakukan pengujian tools dengan 2 tahap dimana mesin akan memprediksi data yang sudah pernah dipelajari dan data baru. Dari penelitian didapatkan bahwa mesin pada saat ini mampu memprediksi data yang pernah dipelajari dengan error MSE sebesar 0.521 namun masih kesulitan memprediksi data baru dengan error mse sebesar 16,88. Mesin menyimpulkan bahwa momen beban merupakan faktor terbesar dalam mempengaruhi kemiringan pada pegujian inclining test kapal.

---

The Inclining test is a process to determine the center of gravity of a ship by shifting a test load onto the ship. The purpose of the Inclining test on a ship is to establish the height of the ship's center of gravity and metacenter, which serves as the basis for calculating the ship's stability under various loading conditions (load cases). Inclining test experiments are generally conducted using two methods: directly on the ship after construction is completed and through computational simulations. However, these methods often require considerable preparation time. With the advancement of automation and technology, this research aims to optimize Inclining test measurements more quickly and accurately without waiting for the ship's construction to finish. The approach taken in this study involves creating a model of the ship's Inclining test using the Machine Learning method. Machine Learning is utilized to learn from the data entered into the system, allowing the machine to generate output from Inclining test experiments as if conducted directly on the ship. The research is conducted using Google Spreadsheet to store previously conducted Inclining test data, Github as a repository for machine programming code, and Streamlit as an interface for new data entry. It runs the machine code stored in Github and displays the prediction results. The testing of tools is performed in two stages, where the machine predicts data that has been previously learned and new data. From the research, it is found that the machine is currently able to predict previously learned data with an MSE error of 0.521 but faces difficulties in predicting new data with an MSE error of 16,88. Also machine concluded that Weight momen is the biggest factor during ship inclining test."

"Paper ini mengeksplorasi penerapan teknik machine learning (ML) untuk memproyeksikan konsumsi energi biosolar di Indonesia di masa depan, yang bertujuan untuk memberikan informasi dan memandu pengambilan kebijakan di sektor energi. Transisi ke sumber energi terbarukan sangat penting bagi pembangunan berkelanjutan, terutama di negara-negara berkembang seperti Indonesia, yang telah menunjukkan peningkatan minat terhadap energi biosolar. Metode penelitian ini menggunakan Penelitian Kuantitatif dengan pendekatan Regresi Linier dan Sarima. Kami menggunakan beberapa model ML, menggunakan Phyton yang menganalisis dengan Multiple Linear Regression, Lasso Regression, dan Sarima, untuk menganalisis data historis mengenai konsumsi energi, indikator ekonomi, perubahan demografi, dan kemajuan teknologi. Temuan kami menunjukkan bahwa model ml dapat secara efektif memprediksi tren konsumsi biosolar, menyoroti pengaruh pertumbuhan ekonomi, urbanisasi, dan inovasi teknologi terhadap adopsi energi terbarukan. Model-model tersebut menunjukkan adanya peningkatan konsumsi biosolar, didorong oleh insentif kebijakan, kemajuan teknologi, dan meningkatnya kesadaran akan isuisu lingkungan. Keakuratan prediksi ml bergantung pada ketersediaan dan kualitas data. Selain itu, proyeksi tersebut mungkin tidak memperhitungkan perubahan ekonomi atau teknologi yang tidak terduga. Penelitian di masa depan harus fokus pada penggabungan sumber data yang lebih dinamis dan mengeksplorasi dampak perubahan kebijakan terhadap penerapan energi terbarukan. Kesimpulannya, pemanfaatan pembelajaran mesin untuk proyeksi kebijakan menawarkan pendekatan yang menjanjikan untuk mendukung pertumbuhan konsumsi biosolar di Indonesia. Studi ini memberikan landasan untuk penelitian di masa depan dan menyoroti potensi ml dalam menyusun kebijakan energi yang terinformasi dan efektif.

---

This paper explores the application of machine learning (ML) techniques to project the future consumption of bio solar energy in indonesia, aiming to inform and guide policy decisions in the energy sector. The transition to re-newable energy sources is crucial for sustainable development, especially in emerging economies like indonesia, which has shown a growing interest in bio solar energy. This research method uses Quantitative Research with Linear Regression and Sarima approaches. We employed several ML models, using Phyton which analyse with Multiple Linear Regression, Lasso Regres- sion and Sarima, to analyze historical data on energy consumption, economic indicators, demographic changes, and technological advancements. Our findings indicate that ml models can effectively predict bio solar consumption trends, highlighting the influence of economic growth, urbanization, and technological innovation on renewable energy adoption. The models suggest an increasing trajectory in bio solar consumption, driven by policy incentives, technological advancements, and a growing awareness of environmental is- sues. The accuracy of ml predictions is contingent upon the availability and quality of data. Furthermore, the projections may not account for unforeseen economic or technological changes. Future research should focus on incor- porating more dynamic data sources and exploring the impact of policy changes on renewable energy adoption. In conclusion, leveraging machine learning for policy projection offers a promising approach to support the growth of bio solar consumption in indonesia. This study provides a foundation for future research and highlights the potential of ml in crafting informed, effective energy policies."

"The backs of dump trucks have transformed to not only as a transportation mechanism, but also as visual communication media. This phenomena goes along with the many advertisements that utilizes this kind of medium in promoting certain products. But the backs of dump trucks become a promotional medium because of the already many paintings painted on them, which they are originally plain on the right, left, and the back sides. Women become figures that many portray as their painted subjects. This article focuses more on the painting phenomena that uses the female figures through a gender study, to see whether woman representations in the paintings of the backs of trucks are signified a s having imbalanced gender relation."