Hasil Pencarian  ::  Simpan CSV :: Kembali

"Indonesia memiliki potensi geotermal yang sangat tinggi. Potensi ini muncul akibat aktifitas pergerakan lempeng bumi yang membuat Indonesia berada di zona "Ring of Fire". Zona ini menghasilkan geologi dan topografi permukaan yang kompleks, sehingga perlu pemanfaatan data remote sensing untuk meningkatkan efektifitas dan efisiensi eksplorasi. Metode gravity merupakan metode yang baik untuk delineasi struktur bawah permukaan daerah prospek geotermal berdasarkan variasi densitas batuan. Global Gravity Model plus (GGM+) adalah salah satu data gravity satelit yang mampu digunakan dalam eksplorasi panas bumi karena memiliki titik pengukuran yang cukup padat. Data gravity satelit diunduh untuk selanjutnya diolah hingga menghasilkan Complete Bouger Anomaly (CBA). Data hasil pengolahan diinterpretasi dengan metode filtering dengan bilangan gelombang yang beragam. Tahap-tahap yang sama juga dilakukan dengan data gravity darat dengan daerah pengukuran yang sesuai. Hasil perbandingan data gravity satelit dan gravity darat digunakan untuk validasi data gravity satelit untuk menilai sejauh mana kemampuannya dalam mendeteksi anomali batuan bawah permukaan. Hasil yang didapatkan adalah pada perbandingan peta gravity residual menghasilkan banyak kesamaan, sedangkan pada gravity regional memberikan perbedaan yang cukup signifikan. Kemampuan Gravity Satelit GGMplus memiliki tingkat validitas yang baik di kedalaman dangkal, namun tidak cukup baik di kedalaman dalam.

---

Indonesia has very high geothermal potential that arises from the activity of the movement of the earth's plates which makes it in the "Ring of Fire" zone. This zone produces complex geology and surface topography, so it is necessary to utilize remote sensing data to increase the effectivity and efficiency of exploration. Gravity method is a good method for delineation of subsurface structures in geothermal prospect areas based on variations in rock density. Global Gravity Model plus (GGM +) is one of the satellite gravity data that is able to be used in geothermal exploration because it has a fairly dense measurement point. Satellite gravity data is downloaded for further processing to produce a Complete Bouguer Anomaly (CBA). Data processing results are interpreted using filtering methods with various wave number. The same steps are carried out with field gravity data with the appropriate measurement area. Comparison results of satellite gravity data and ground gravity are used to validate satellite gravity data to assess the extent of its ability to detect subsurface rock anomalies. The results obtained are the comparison of the residual gravity map produces a lot of similarities, while the regional gravity gives a significant difference. The GGMplus Satellite Gravity capability has a good level of validity at shallow depths, but not good enough at deep depths."

"Penelitian ini mengintegrasikan dua pendekatan untuk meningkatkan efisiensi dan kualitas proses pengelasan logam. Studi pertama mengeksplorasi Micro Friction Stir Spot Welding (mFSSW) dengan fokus pada pengaruh profil alat terhadap hasil pengelasan menggunakan paduan aluminium AA1100 berketebalan 0,42 mm. Model Artificial Neural Network dilatih dengan konfigurasi bentuk dan ukuran pahat sebagai inputnya, dan hasil uji tarik sebagai output utamanya menggunakan Rapidminer. Studi kedua membandingkan teknik pengelasan hibrida Resistance Spot Welding (RSW) dan Micro Friction Stir Spot Welding (mFSSW) serta pendekatannya dalam metode hibrida RSW-mFSSW. Evaluasi parameter seperti arus pengelasan, waktu siklus, dan kedalaman plunging menunjukkan bahwa kombinasi arus 8 kVA dengan waktu siklus 4 dan kedalaman plunging 200-400 mikrometer memberikan kekuatan tarik tertinggi. Pendekatan hybrid RSW-mFSSW menunjukkan peningkatan signifikan dalam kekuatan sambungan. Perluasan pengetahuan melalui penggunaan Neural Network dalam optimasi parameter pengelasan dan penelitian awal pengelasan hibrida RSW-mFSSW ini mengkonfirmasi potensi Neural Network sebagai alat yang efektif dalam mendukung inovasi dan peningkatan kualitas dalam proses pengelasan logam.

---

This research integrates two approaches to enhance the efficiency and quality of metal welding processes. The first study explores Micro Friction Stir Spot Welding (mFSSW), focusing on the influence of tool profiles on welding outcomes using AA1100 aluminum alloy with a thickness of 0.42 mm. An Artificial Neural Network (ANN) model was trained with tool shape and size configurations as inputs and tensile test results as the primary output using RapidMiner. The second study compares hybrid welding techniques: Resistance Spot Welding (RSW) and Micro Friction Stir Spot Welding (mFSSW), and their approach in the hybrid RSW-mFSSW method. Evaluations of parameters such as welding current, cycle time, and plunging depth revealed that the combination of 8 kVA current with a 4-second cycle time and a plunging depth of 200-400 micrometers yielded the highest tensile strength. The hybrid RSW-mFSSW approach demonstrated a significant improvement in joint strength. The expansion of knowledge through the use of Neural Networks in welding parameter optimization and the preliminary research on hybrid RSW-mFSSW welding confirms the potential of Neural Networks as an effective tool in supporting innovation and quality enhancement in metal welding processes."