Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini mempelajari terkait analisis hambatan kapal bulk carrier pada skala model dan skala penuh menggunakan CFD NUMECA Fine/Marine dan formula empiris metode Holtrop-Mennen. Penelitian ini juga akan membandingkan perbedaan hambatan antara hasil simulasi CFD dan perhitungan formula empiris metode Holtrop-Mennen yang digunakan sebagai validasi hasil simulasi. Selanjutnya, penelitian ini menganalisis nilai koreksi (ΔCF) dari skala model dan skala penuh dengan menggunakan hasil dari simulasi CFD yang diharapkan dapat digunakan sebagai gambaran terkait ekstrapolasi dalam mencari nilai hambatan dengan ukuran kapal tertentu. Hasil penelitian dari kedua metode menunjukkan bahwa gaya yang dihasilkan meningkat signifikan seiring dengan peningkatan skala kapal, dimana tidak adanya perbedaan yang signifikan diantara kedua metode tersebut dengan nilai error dari 1,72% sampai dengan 13,30%. Selain itu, didapatkan bahwa nilai koreksi (ΔCF) yang lebih besar pada ukuran kapal kecil menunjukkan bahwa simulasi pada skala model memerlukan penyesuaian yang lebih signifikan untuk akurasi pada skala penuh dibandingkan ukuran kapal yang lebih.

---

This study analyses the correction value (ΔCF) of the model scale and full scale us using CFD NUMECA Fine/Marine and the empirical formula of the Holtrop-Mennen method. It will also compare the difference in drag between the CFD simulation results and the empirical formula calculation of the Holtrop-Mennen method, this serves as a validation for the simulation findings. The findings of the two techniques demonstrate that as the ship's scale rises, the forces generated increase significantly. Between the two approaches, there is no discernible difference in error levels, which range from 1,72% to 13,30%. Moreover, the greater correction value (ΔCF) for lower ship sizes implies that model-scale simulations need more substantial modifications to be accurate at full scale than do larger ship sizes."

"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."

"ABSTRAKPrevalensi BB lebih (27%) dan obesitas (36%) crew di PT. X lebih tinggi dariprevalensi nasional, menandakan terdapat masalah kesehatan pada PT. X. Tujuanpenelitian adalah untuk mengetahui faktor risiko perilaku kesehatan yangberkontribusi terhadap IMT. Desain penelitian ini adalah sequential dengan duatahap, tahap pertama menggunakan analisis kuantitatatif untuk melihat faktorrisiko perilaku kesehatan, tahap kedua dengan menggunakan content analysiskualitatif untuk melihat predisposing, enabling, dan reinforcing factors yangmelatarbelakangi perilaku kesehatan tersebut. Hasil penelitian menunjukkanterdapat perbedaan faktor risiko yang melatarbelakangi crew pada kebiasaanolahraga dan aktivitas fisik, pola makan dan keseimbangan energi, durasi tidur,serta stres kerja.

---

ABSTRACTPrevalence of overweight (27%) and obesity (36%) crew at PT. X are higher thanthe national prevalence, indicating health problems. The objective was todetermine the health behavior risk factors that contribute to BMI. The studydesign is sequential with two stages, the first using quantitative analysis to seehealth behavior risk factors, the second using qualitative content analysis to seethe predisposing, enabling, and reinforcing factors behind the health behavior. Theresults showed that there were differences in risk factors that led to crew onexercise habits and physical activity, diet and energy balance, sleep duration, andwork stress."