Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Data lifetime biasanya digunakan peneliti untuk mengetahui tingkat survival atau tingkat kegagalan suatu objek. Distribusi Weibull merupakan distribusi probabilitas yang sering digunakan untuk memodelkan data lifetime. Namun, distribusi Weibull hanya dapat memodelkan data lifetime dengan tingkat kegagalan atau hazard rate yang monoton. Sehingga dibutuhkan distribusi baru yang dapat memodelkan data lifetime dengan karakteristik tingkat kegagalan atau hazard rate yang beragam. Distribusi inverse Weibull adalah distribusi hasil transformasi inverse dari distribusi Weibull. Distribusi inverse Weibull merupakan distribusi yang dapat memodelkan data lifetime dengan hazard rate monoton (turun) maupun  non-monoton (upside-down bathtub shaped). Namun, untuk membuat kepadatan fleksibel dengan berbagai macam bentuk diperlukan generalisasi dari distribusi ini dengan menambahkan suatu parameter shape. Distribusi generalized inverse Weibull merupakan generalisasi dari distribusi inverse Weibull yaitu yang dibentuk dengan memangkatkan fungsi distribusi inverse Weibull dengan suatu parameter baru. Distribusi generalized inverse Weibull memiliki 2 parameter shape dan 1 parameter scale sehingga distribusi ini dapat menggambarkan shape dari fungsi hazard yang lebih beragam. Pada  skripsi ini, akan dibahas mengenai pembentukan distribusi inverse Weibull dan pembentukan distribusi generalized inverse Weibull, serta fungsi kepadatan probabilitas, fungsi distribusi, fungsi survival, fungsi hazard, dan karakteristik-karakteristik dari kedua distribusi tersebut. Penaksiran parameter dari distribusi generalized inverse Weibull menggunakan metode maksimum likelihood.

---

Lifetime data is usually used by researchers to determine the level of survival or failure rate of an object. Weibull distribution is a probability distribution that is often used to model the lifetime data. However, the Weibull distribution is only used to model the lifetime data with monotone failure rate or monotone hazard rate. So that, a new distribution is needed to model the lifetime data with varying characteristics of failure rates or hazard rates. Inverse Weibull distribution is a distribution that is formed from the inverse transformation of the Weibull distribution. Inverse Weibull distribution is a continued distribution which can model lifetime data with a monotone hazard rate (constant, increase, and decrease) or non-monotone hazard rate (upside-down bathtub shaped). However, to make a density flexible with wide variety of shapes the generalizations from this distribution are needed by adding a shape parameter. Generalized inverse Weibull distribution is derived from generalization of inverse Weibull distribution that is formed by raising the inverse Weibull distribution function with a new parameter. Generalized inverse Weibull distribution has two shape parameters and one scale parameter. So, this distribution can describe a more diverse shapes of hazard function. In this skripsi, we will discuss how to construct inverse Weibull distribution and Generalized inverse Weibull distribution, and probability distribution function, cumulative distribution function, survival function, hazard function, and characteristics of these distributions. Parameter estimation of the generalized inverse Weibull distribution is using the maximum likelihood method.

Abstrak :
Kebutuhan energi listrik dari segi ketersediaan, kapasitas, dan energi meningkat sangat tinggi seiring dengan rencana perkembangan dari sebuah negara. Energi panas bumi merupakan salah satu sumber energi bersih dan rendah karbon yang dapat dimanfaatkan menjadi energi listrik dengan menggunakan teknologi konversi energi (PLTP). Namun, penelitian yang membahas tentang PLTP sendiri masih belum banyak terkhusus yang membahas penilaiain keandalan (reliability assessment). Penilaian Keandalan menjadi hal sangat penting untuk menjamin operasi yang optimal dan pemeliharaan yang efektif. Sehingga, penelitian ini bertujuan untuk mendapatkan hasil dari nilai keandalan aktual yang mengacu pada data kegagalan sebuah PLTP dengan menggunakan beberapa metodologi yang berguna untuk menjadi sebuah acuan dalam mengoptimalkan kinerja dari operasi dan pemeliharaan PLTP.Penelitian mengkombinasikan beberapa metodologi (Weibull Distribution, FMEA, FTA, dan RBD) dalam prosesnya. Dari setiap metodologi akan mempengaruhi metodologi selanjutnya sehingga dapat dijadikan menjadi satu kesatuan metodologi dalam mendapatkan nilai keandalan dari PLTP.Metode Weibull Distribution menghasilkan nilai reliabilitas sebesar 0,315 atau setara dengan 31,5%. Metode FMEA menunjukkan bahwa hasil perhitungan yang perlu dijadikan acuan pada proses operasi dan pemeliharaan terdapat pada sistem Turbin dan Perangkat Lainnya. Sedangkan pada metode FTA-RBD menghasilkan nilai keandalan sebesar 0,435 atau setara dengan 43,5%. Perbedaan hasil nilai dikarenakan pada metode Weibull berfokus pada keseluruhan PLTP sedangkan pada metode FTA-RBD memiliki fokus kepada sistem yang terdapat pada PLTP.Setiap metode memberikan hasil yang berbeda - beda menyesuaikan dengan data kegagalan yang telah didapatkan dan pengolahan data yang dilakukan. Sehingga, setiap metode dapat dikembangkan agar menjadi sebuah metodologi yang baru atau dapat mengkombinasikan setiap metode untuk mendapatkan nilai yang aktual. ......The need for electrical energy in terms of availability, capacity, and energy increases very high along with the development plan of a country. Geothermal energy is one of the clean and low-carbon energy sources that can be utilized for electricity using energy conversion technology (PLTP). However, there are still not many studies that discuss PLTP itself, especially those that discuss reliability assessment. Reliability assessment is very important to ensure optimal operation and effective maintenance. So, this research aims to get the results of the actual reliability value that refers to the failure data of a GPP by using several methodologies that are useful to be a reference in optimizing the performance of PLTP operations and maintenance. The research combines several methodologies (Weibull Distribution, FMEA, FTA, and RBD) in the process. Each methodology will affect the next methodology so that it can be used as a unified methodology in obtaining the reliability value of GPP. Weibull Distribution method produces a reliability value of 0.315 or equivalent to 31.5%. The FMEA method shows that the calculation results that need to be used as a reference in the operation and maintenance process are in the Turbine and Other Devices system. While the FTA-RBD method produces a reliability value of 0.435 or equivalent to 43.5%. The difference in value results is because the Weibull method focuses on the entire GPP while the FTA-RBD method focuses on the system contained in the PLTP. Each method provides different results according to the failure data that has been obtained and the data processing performed. So, each method can be developed into a new methodology or can combine each method to get the actual value.

Abstrak :
This paper is aimed towards analyzing and modeling earthquake interoccurence times in the Lesser Sunda Islands region using Weibull distribution. The data were classified into three categories, based on their magnitude; i.e. weak, medium, and strong earthquakes. Cumulative distribution functions and hazard rates are also explored in order to obtain the characteristics of earthquake inter-occurrences time data. Empirical results indicate the probability and rate of an earthquake recurrence time with a certain magnitude and in a certain time. Medium and weaker earthquakes have a higher chance of occurrence, reaching up to a 100% probability for the following 60 months. Meanwhile, the stronger earthquake has a 75.80% probability of occurrence. It can be seen that the earthquake occurrence probability increases together with the time increment factor.

Abstrak :
Turbin gas adalah suatu alat yang memanfaatkan gas sebagai fluida untuk memutar turbin dengan pembakaran internal sehingga mampu memutar generator untuk menghasilkan listrik. Turbin gas memiliki tingkat bahaya yang besar, sehingga perlu dilakukan penelitian untuk menganalisis seberapa besar potensi kegagalan komponen-komponennya. Jika sebuah mesin atau peralatan mengalami kerusakan, maka seluruh fungsi akan terhenti. Oleh karena itu, aktivitas preventive maintenace dibutuhkan untuk mencegah kerusakan dan meminimasi downtime. Tahapan penelitian ini dimulai dengan menentukan komponen kritis menggunakan diagram pareto. Kemudian memvisualisasikan data-data yang didapat. Lalu, menentukan nilai parameter shape (β), parameter scale (η), reabilitas, MTTF (Mean Time to Failure), dari komponen-komponen kritis. Terakhir merekomendasikan jadwal preventive maintenance. Dalam penelitian ini pengolahan dan analisis data dilakukan melalui Big Data Analytics menggunakan R Software diharapkan kedepannya dapat dikembangkan menjadi sebuat aplikasi yang terintegrasi untuk mengimpor dan menganalisis data historis (data base), memudahkan untuk memprediksi kegagalan secara real time, memprediksi kegagalan sebelum muncul, dan dapat mengawasi equipment secara run on live. Berdasarkan hasil pengolahan data yang telah dilakukan, ditemukan bahwa ada 8 komponen kritis, Penentuan keandalan yang dilakukan dengan bantuan R software dengan menggunakan distribusi weibull menunjukkan saat 43.830 jam operasional atau 5 tahun, komponen yang memiliki keandalan paling rendah adalah Actuator dengan nilai sebesar 0,799. Keandalan sistem pada saat 43.830 jam atau 5 tahun adalah 0,866, nilai ini digolongkan sebagai kuat. Hasil dari evaluasi nilai parameter shape (β), menunjukan 7 dari 8 komponen di kategorikan IFR (Increasing Failure Rate) kegagalan ini diakibatkan oleh beberapa faktor seperti penuaan, korosi, gesekan, sehingga di sebut fase pengausan (wearout), dan solusi yang tepat untuk membuat rekomendasi jadwal preventive maintenance dengan T=80%. ......Gas turbine is one tool that uses gas as a fluid to turn turbines with internal combustion so that it is able to turn generators to produce electricity. Gas turbines have a high level of danger, so research needs to be done to increase the high potential level of its components. If the machine is damaged, all functions will stop. Therefore, preventive activities are needed to prevent damage and minimize downtime. The stages of this research began by determining the critical components using pareto diagrams. Then visualize the data obtained. Then, determine the value of the form parameter (β), parameter scale (η), reliability, MTTF (Mean Time to Failure), from the critical components. Last scheduled preventative maintenance schedule. In this research, processing and analyzing data done through Big Data Analytics using R Software is expected to be developed in the future into an integrated application to facilitate and analyze historical data (databases), facilitate to predict in real time, predict changes before they appear, and Can keep running equipment directly. Based on the results of data processing that has been done, found that there are 8 critical components, Determination which is done with the help of R software using Weibull distribution shows when 43,830 operational hours or 5 years, the component that adds the lowest is the Actuator with a value of 0.799. The current system value of 43,830 hours or 5 years is 0.866, this value is classified as strong. The results of the evaluation of the form parameter values (β), showed 7 out of 8 components categorized as IFR (Increased Failure Rate) this improvement was caused by several factors such as aging, corrosion, friction, so it was called the wearout phase, and the solution needed for make a preventive maintenance schedule recommendation with T = 80%.

Abstrak :
Transformator adalah mesin listrik yang memiliki peran vital dan nilai yang paling tinggi dalam sistem tenaga listrik. Transformator sebagai jantung dari aliran daya listrik ke konsumen sehingga kegagalan operasi transformator merupakan hal yang sangat tidak diharapkan karena dapat menyebabkan pemadaman listrik. Oleh sebab itu dibutuhkan cara untuk memprediksi tingkat kegagalan transformator agar kegagalan transformator bisa diantisipasi untuk meningkatkan kontinuitas pelayanan listrik. Penelitian ini dilakukan untuk memprediksi tingkat kegagalan transformator dengan menggunakan data derajat polimerisasi isolasi kertas. Sebelum memperoleh data Derajat Polimerisasi DP isolasi kertas, terlebih dahulu dilakukan pengukuran kadar furan. Dengan menggunakan metode Distribusi Weibull, data derajat polimerisasi dapat dimanfaatkan untuk memprediksi tingkat kegagalan transformator. Transformator yang diteliti laju tingkat kegagalannya adalah transformator gardu induk distribusi 150/20 KV Senayan dan Kembangan dan transformator gardu induk distribusi 70/20 KV Gandaria. Dari prediksi laju tingkat kegagalan selama dua belas hari diperoleh hasil bahwa transformator 150/20 KV Kembangan memiliki laju tingkat kegagalan paling tinggi dengan parameter kerusakan parameter beta sebesar 3.3884. Hal tersebut disebabkan oleh spesifikasi operasi pembebanan transformator daya yang melebihi standar yakni 94 standar maksimal 80 . Selain itu transformator ini memiliki kandungan air dalam isolasi minyak paling banyak yang hampir mendekati batas toleransi yaitu sebesar 9,72 ppm batas toleransi 10 ppm. ......Transformer is an electric machine that has a vital role and the highest value in the power system. Transformer as the heart of the flow of electricity to the consumer so that the failure of the transformer operation is very unexpected because it can cause a power outage. Therefore, it is necessary to predict the failure rate of the transformer so that the failure of the transformer can be anticipated to increase the continuity of electricity services. This research was conducted to predict the failure rate of transformer by using data of degree of paper insulation polymerization. Before obtaining data Degrees of Polymerization DP paper isolation, firstly measured furan content. Using the Weibull Distribution method, polymerization degree data can be utilized to predict the failure rate of the transformer. Transformer under investigation rate of failure rate is transformer substation of 150 20 KV distribution Senayan and Kembangan and transformer substation distribution 70 20 KV Gandaria. From the predicted twelve day failure rate, the transformer 150 20 KV Kembangan has the highest failure rate with the parameter of damage beta parameter of 3.3884. This is due to the specification of power transformer charging operation that exceeds the standard of 94 maximum 80 standard . In addition, this transformer has a water content in the most oil isolation that almost approaches the tolerance limit of 9.72 ppm tolerance limit of 10 ppm .

Abstrak :
Di industri minyak bumi dan gas, pipa merupakan komponen utama yang ada dalam industri tersebut. Karena pipa merupakan komponen utama, maka pipa tersebut harus mendapatkan perhatian lebih dikarenakan kegagalan dalam sistem perpipaan, khususnya dalam industri minyak bumi dan gas, menjadi permasalahan yang sangat serius karena menimbulkan kerugian yang cukup besar. Salah satu cara untuk meminimalisir kegagalan tersebut adalah melalui inspeksi berbasis risiko. Dalam inspeksi berbasis risiko, digunakan simulasi Monte Carlo untuk mengetahui probabilitas komponen mengalami kegagalan. Pada umumnya, simulasi Monte Carlo menggunakan distribusi Normal dalam penentuan Random Variabel Generator. Namun, terdapat kemungkinan data yang dihasilkan adalah Bias, yaitu terdapat error sampling sehingga data tersebut menjadi kurang akurat dikarenakan nilai hasil dari distribusi Normal dapat bernilai negatif. Pada distribusi Normal, dihasilkan data yang sifatnya overestimation data. Maka dari itu, dibutuhkan metode lain untuk penentuan Random Variabel dimana data yang dihasilkan tidaklah bias sehingga akurasi hasil dari Inspeksi Berbasis Risiko meningkat. Metode Weibull dapat mengurangi biased data yang dihasilkan dari distribusi Normal.

---

Pipes are the main component in the oil and gas industries, and it needs a serious attention due to the high risk of the piping system failure. The failure of the piping system leads to a very serious consequence since it caused huge material losses, and the Risk-Based Inspection can minimize the failure. Risk-Based Inspection using the Monte Carlo Simulation for calculating the failure probabilities of the component. In general, Normal distribution is used in Monte carlo simulation for Random Variable Generator. However, it is possible that the generated data is called Bias, i.e. there is an error sampling, so the resulting data becomes inaccurate. In the Normal distribution, the result of the data produce an overestimation data because the result of the data can be negative on the corrosion rate. Therefore, we need another method for determining Random Variables where the generate data is not biased so the accuracy of the results of the Risk-Based Inspection increases, and the Weibull method can reduce the biased data generated from the Normal distribution.

Abstrak :
Preeklamsia menjadi penyebab kematian ibu hamil terbanyak kedua di Indonesia setelah pendarahan. Preeklamsia merupakan hipertensi dan proteinuria setelah usia kehamilan lebih dari 20 minggu pada wanita yang sebelumnya memiliki tekanan darah normal. Faktor risiko preeklamsia dapat dilihat berdasarkan karakteristik maternal, pengukuran biofisik, dan pengukuran biokimia. Preeklamsia umumnya terjadi pada trimester ketiga kehamilan. Namun kondisi ibu hamil tetap harus diamati pada setiap titik waktu kehamilan. Variabel dependen yang digunakan dalam penelitian ini adalah waktu kelahiran dengan kovariatnya adalah usia, Indeks Massa Tubuh (IMT), riwayat preeklamsia, Mean Arterial Pressure (MAP), dan Placental Growth Factor (PlGF). Adapun metode yang digunakan dalam penelitian ini adalah Proportional Hazard (PH) parametrik dimana diasumsikan efek yang multiplikatif terhadap nilai hazard. Metode parametrik lainnya yang dapat digunakan adalah Accelerated Failure Time (AFT) yang mengasumsikan bahwa efek multiplikatif terhadap waktu survival.  Kedua metode tersebut merupakan metode parametrik dimana baseline hazard dari model diasumsikan mengikuti bentuk suatu distribusi tertentu. Konstruksi model terdiri dari pemilihan baseline hazard yang sesuai dengan data preeklamsia dan proses menambahkan kovariat ke dalam model. Estimasi parameter dilakukan dengan metode Maximum Likelihood Estimation (MLE) yang menghasilkan persamaan kompleks dan harus diselesaikan secara numerik menggunakan bantuan software. Hasil dari penelitian ini diperoleh bahwa faktor-faktor yang berhubungan dengan preeklamsia adalah MAP dan PlGF. Perbandingan metode PH parametrik dan metode AFT menggunakan nilai AIC memberikan hasil bahwa model PH Gompertz memberikan fit yang lebih baik untuk data preeklamsia dengan nilai sebesar 328,2045. ......Preeclampsia is the second leading cause of death for pregnant women in Indonesia after bleeding. Preeclampsia is hypertension and proteinuria after gestational age of more than 20 weeks in women who previously had normal blood pressure. Risk factors for preeclampsia can be seen based on maternal characteristics, biophysical, and biochemical measurements. Preeclampsia generally occurs in the third trimester of pregnancy. However, the condition of pregnant women must still be observed at every point in time pregnancy. The dependent variable used in this study was the time of birth with the independent variables being age, Body Mass Index (BMI), history of preeclampsia, Mean Arterial Pressure (MAP), and Placental Growth Factor (PlGF). The method used in this research is parametric Proportional Hazard (PH) which is assumed to have a multiplicative effect on the hazard value. Another parametric method that can be used is  Accelerated Failure Time (AFT) which is assumed to have a multiplicative effect on survival time. Both methods are parametric methods where the baseline hazard of the model is assumed to follow the shape of a certain distribution. The construction of the model consists of selecting a baseline hazard that fits the preeclampsia data and the process of adding independent variables to the model. Parameter estimation is carried out using the Maximum Likelihood Estimation (MLE) method which produces complex equations and must be solved numerically using software. The results of this study obtain factors associated with preeclampsia are MAP and PlGF. Comparison of the parametric PH method and the AFT method using the AIC value gives the result that the Gompertz PH model provides a better fit for preeclampsia data with a value of 328.2045.

Abstrak :
Tingginya biaya pemeliharaan diantaranya disebabkan biaya akibat persediaan suku cadang. Penelitian ini bertujuan untuk mendapatkan jumlah pemesanan yang meminimumkan biaya-biaya yang terkait dengan pengadaan suku cadang kritis forklift. Berdasarkan distribusi weibull dua parameter dapat diketahui laju kerusakan suku cadang terhadap kelompok equipment yang sejenis sehingga kebutuhan suku cadang dapat diramalkan. Model Economic Order Quantity digunakan untuk mengoptimalkan jumlah pemesanan yang meminimumkan biaya inventori dan biaya pemesanan suku cadang. Hasilnya diperoleh suku cadang yang memiliki demand terbesar pertahun adalah Load Wheel 27631330/EJC-15G dengan ekspektasi kebutuhan sebanyak 16 unit, jumlah order quantity sebesar lima unit dan reorder point sebesar empat unit. ......High expenses spent by maintenance some of them are caused by expenses of spare parts inventory. The goal of this research is to minimize all the cost associated with the replenishment forklift critical spare parts. Based on twoparameter weibull distribution, the failure rate of spare parts in a group of identical equipments can be predicted, so that the needs of spare parts can be predicted. Economic Order Quantity model is used to optimize order quantity of spare parts which minimize the combination of inventory cost and purchasing cost of spare parts. The results obtained spare part that has the highest annually demand is Load Wheel 27631330/EJC-15G with the expected needs of as many as 16 units, total order quantity of five units and the reorder point for four units.