Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Teknologi, khususnya di bidang konstruksi, akhir-akhir ini berkembang dengan cukup pesat, diantaranya adalah Teknologi Advanced Material, Modularization, Automation, serta Smart Equipment. Penerapan teknologi di dunia industri konstruksi juga bermacam-macam, contohnya adalah 3D Printing, AI&ML, Big Data, Drones, Digital Twin, VR&AR, Modular Construction, dan Robotics. Adaptasi terhadap teknologi baru pada era digital sangat dibutuhkan untuk mampu berkompetisi di tengah perkembangan industri, khususnya pada produksi precast di Indonesia. Tujuan penelitian adalah mengintervensi proses produksi precast 3D printing dengan bantuan sistem robotik, khususnya dalam pengendalian kualitas. Hal ini sangat esensial dikarenakan penggunaan 3D printing akan sangat bergantung dengan material yang digunakan. Material yang digunakan pada 3D printing harus dijaga kualitasnya agar peralatan yang digunakan tidak mudah rusak dan hasil precast yang dihasilkan juga berkualitas baik. Produksi precast dengan 3D printing lebih baik dari sistem konvensional, baik dari segi kualitas, produktivitas, dan schedule. Namun, bukan berarti sistem pengendalian mutu tidak diperlukan pada proses produksi precast menggunakan 3D printing. Simulasi dilakukan terhadap model yang mengombinasikan teknologi 3D printing dari COBOD Company dan observasi yang dilakukan pada produksi precast concrete Proyek X oleh PT. Y, serta benchmark penggunaan sistem robotik. Diskusi dengan beberapa pakar pun dilakukan untuk memvalidasi hasil simulasi. ......Technology, especially in the field of construction, has recently developed quite rapidly, including Advanced Material Technology, Modularization, Automation, and Smart Equipment. The application of technology in the world of construction industry also varies, including 3D printing, AI & ML, Big Data, Drones, Digital twin, VR&AR, modular construction and robotics. Adaptation to new technologies in the digital era is urgently needed to be able to compete amid industrial developments, especially in precast production in Indonesia. The aim of the research is to intervene in the precast 3D printing production process with the help of a robotic system, especially in quality control. This is necessary because the use of 3D printing will very much depend on the material used. The quality of the material used in 3D printing must be maintained so that the 3D printing equipment is not easily damaged, and the resulting precast results also have a fairly good. We know that precast production with 3D printing is better than conventional systems in terms of both quality and productivity and schedule. But that doesn't mean there isn't a need for a quality control system in the precast production process using 3D printing. The simulation was carried out on a model that combines 3D printing technology from COBOD Company and observations made on Project X precast concrete production by PT. Y, as well as benchmarks for the use of robotic systems. Discussions with several experts were carried out to validate the simulation results.

Abstrak :
Teh (Camellia sinensis L.) merupakan salah satu komoditas perkebunan yang mempunyai peran cukup penting pada perekonomian di Indonesia. Namun, terlihat bahwa terdapat penurunan ekspor teh di Indonesia yang diiringi dengan penurunan produksi teh setiap tahunnya sehingga diperlukan penguatan dan peningkatan produktivitas. Penginderaan jauh dapat menjadi sumber informasi penting untuk manajemen produksi pertanian seperti untuk melihat kondisi produktivitas lahan teh. Penelitian ini bertujuan untuk membangun model estimasi produktivitas tanaman teh terbaik menggunakan analisis statistik dan regresi linear sederhana dengan memanfaatkan algoritma NDVI, ARVI dan SAVI yang diperoleh dari pengolahan citra Sentinel-2 serta melihat hubungan antara aspek fisik dengan estimasi produktivitas teh. Hasil uji akurasi menggunakan RMSE menunjukkan bahwa indeks SAVI memiliki akurasi yang paling baik dalam melakukan estimasi produktivitas teh di Perkebunan Cianten PTPN VIII. Terlihat bahwa aspek fisik curah hujan tidak memiliki pengaruh yang cukup signifikan terhadap pertumbuhan tanaman teh, kelas ketinggian 900 – 1000 menunjukkan produktivitas yang tinggi serta kelas lereng datar (0 – 8%) memiliki produktivitas yang tinggi di Perkebunan Cianten. Setiap bulan, Perkebunan Cianten memiliki blok tanam yang tidak berproduksi. Tahun pangkas pada suatu blok akan mengakibatkan terhambatnya pertumbuhan teh yang dapat berpengaruh pada produktivitas. ......Tea (Camellia sinensis L.) is one of the plantation commodities that has an important role in the economy in Indonesia. However, it can be seen that there is a decline in tea exports in Indonesia which is accompanied by a decrease in tea production every year so that it is necessary to strengthen and increase productivity. Remote sensing can be an important source of information for agricultural production management such as to see the condition of tea land productivity. This study aims to build the best tea plant productivity estimation model using statistical analysis and simple linear regression using the NDVI, ARVI and SAVI algorithms obtained from Sentinel-2 image processing and see the relationship between physical aspects and tea productivity estimates. The results of the accuracy test using RMSE show that the SAVI index has the best accuracy in estimating tea productivity at PTPN VIII's Perkebunan Cianten. Rainfall does not have a significant effect on the growth of tea plants, the altitude class 900 – 1000 shows high productivity and the flat slope class (0 – 8%) has high productivity in the Perkebunan Cianten. Every month, Perkebunan Cianten has planting blocks that are not producing. The year of pruning in a block will result in inhibition of tea growth which can affect productivity.

Abstrak :
Tanaman kelapa sawit merupakan salah satu komoditas yang tumbuh baik di Indonesia dengan nilai komersial tinggi yang membuat permintaan hasil olahan minyak tanaman kelapa sawit semakin meningkat, maka perlu adanya data dan teknologi untuk mengestimasi produktivitas tanaman kelapa sawit secara lebih efisien. Salah satunya dengan penginderaan jauh menggunakan citra Sentinel-2. Penelitian ini bertujuan untuk menganalisis tingkat akurasi algoritma NDVI, ARVI, dan SAVI, variasi spasial serta temporal, dan hubungan kondisi fisik wilayah terhadap estimasi produktivitas tanaman kelapa sawit di Kebun Cikasungka. Produktivitas tanaman kelapa sawit lapangan diregresikan dengan indeks vegetasi dan umur tanaman untuk menghasilkan pemodelan. Berdasarkan pemodelan dengan ketiga algoritma, akurasi model algoritma ARVI memiliki nilai RMSE lebih rendah, yaitu sebesar 421. Estimasi produktivitas tanaman kelapa sawit Kebun Cikasungka bervariasi di tiap bloknya dan tertinggi pada umur tanaman dewasa. Pada tahun 2022 estimasi produktivitas tanaman kelapa sawit bulanan mengalami penurunan dibandingkan tahun 2019 karena adanya alihfungsi lahan. Kondisi fisik wilayah penelitian didominasi oleh lereng curam, jenis tanah Kambisol, dan rata-rata curah hujan bulanan yang tinggi dengan estimasi produktivitas tanaman kelapa sawit sebesar 35.061 Kg/Ha/Bulan menggunakan algortima NDVI dan SAVI serta dengan algoritma ARVI sebesar 35.431 Kg/Ha/Bulan. ......Palm oil is one of the commodities that is growing well in Indonesia with a high commercial value which makes the demand for processed palm oil products increase, it is necessary to have data and technology to estimate the productivity of oil palm plants more efficiently. One of them is remote sensing using Sentinel-2 imagery. This study aims to analyze the accuracy of the NDVI, ARVI, and SAVI, spatial and temporal variations, and the relationship of the physical condition area to the estimated productivity of oil palm plants at the Cikasungka Plantation. Oil palm productivity was regressed by vegetation index and plant age to generate a model. Based on modeling, the accuracy of the ARVI model has a lower RMSE value. The estimated productivity of oil palm plants varies in each block with the highest at mature plant age. In 2022, it is estimated that the monthly productivity of oil palm plants will decrease compared to 2019 due to the conversion of land into residential areas. The physical condition reseach area is dominated by steep slopes, Kambisol soil type, and high average monthly rainfall with an estimated productivity of 35.061 Kg/Ha/Month using the NDVI and SAVI and the ARVI of 35.431 Kg /Ha/Month.