Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini merupakan bahasan hasil penelitian fabrikasi material nanokomposit dengan perbaikan pada proses fabrikasi. Penelitian ini bertujuan untuk meningkatkan sifat mekanik dan termal dari material nanokomposit nanoclaypolipropilena melalui peningkatan panjang screw dalam mesin twin screw extruder (TSE). Screw pendek yang digunakan memiliki panjang 300 mm, sedangkan screw panjang ukurannya 600 mm. Formulasi dari nanokomposit adalah 3,5 % nanoclay dalam matrik polipropilena dengan aditif kompatibiliser 5 % PP-g-MA. Hasil pengamatan struktur mikro nanokomposit menggunakan scanning electron microscope (SEM) dan scanning probe microscope (SPM) menunjukkan bahwa hasil fabrikasi nanokomposit menggunakan mesin pencampur TSE screw panjang memiliki sebaran/dispersi nanoclay yang lebih baik dibanding hasil fabrikasi menggunakan screw pendek. Dari hasil pengujian sifat mekanik nanokomposit yang dilakukan yang meliputi kekuatan tarik, modulus kekakuan, kekerasan, ketahanan aus dan ketangguhan menunjukkan bahwa nanokomposit hasil fabrikasi menggunakan screw panjang sifat mekaniknyalebih baik. Modulus kekakuan meningkat 34 %, ketangguhan dan kekerasan meningkat 1 %,. Dampak positif dari penelitian ini adalah meningkatnya sifat termal nanokomposit hasil fabrikasi menggunakan screw panjang dari pada hasil fabrikasi menggunakan screw pendek, sifat termal yang dianalisis meliputi: temperatur dekomposisi, temperatur defleksi, kecepatan bakar dan temperature leleh. Bila dibandingkan dengan polipropilena, maka nanokomposit memiliki peningkatan sifat sdiantaranya termal defleksi 7 %, termal dekomposisi 2 % dan ketahanan bakar 8 %.

---

This thesis is a discussion of material manufacturing nanocomposites with improvements in the manufacturing process. This research aims is to improve the mechanical and thermal properties of nanoclay-polypropylene nanocomposites material through the longer screw in the twin screw extruder (TSE) mixer machine. Short screw used own length of 300 mm, while the other screw length of 600 mm in size. Formulation of nanocomposites is 3.5% nanoclay in polypropylene matrix with compatibilizer of 5 % PP-g-MA. The results of micro structure of nanocomposites observed by scanning electron microscope (SEM) and scanning probe microscope (SPM) showed that the nanocomposites manufacturing using a long screw found that the dispersion of nanoclay in nanocomposites is better than fabricated using a short screw. The mechanical testing of nanocomposites materials includes a tensile strength, elastic modulus, hardness, impact, and wear resistance the results showed that the nanocomposites manufacturing use longer screw have increased of mechanical properties, elastic modulus improve 34 %, impact charpy and hardness improve 1 %,. The side effect of this research is thermal properties of nanocomposites manufacturing use long screw was increased compared nanocomposites manufacturing using short screw. The thermal properties has analysed by flammability, thermal decomposition, thermal deflection, and melting temperature. Compare to polypropylene, the nanokomposites as manufacture has improve thermal deflection 7 %, thermal decomposition 2 % and flame retardant 8 %."

"Sistem propulsi merupakan salah satu komponen utama dalam perancangan sebuah kapal. Kapal rescue merupakan kapal yang membutuhkan kecepatan tinggi dan olah gerak yang baik dalam operasionalnya sehingga pemilihan jumlah mesin dan propeller sangat berpengaruh terhadap performa kapal. Kapal ndash; kapal cepat pada umumnya menggunakan sistem propulsi bermesin ganda untuk dapat memperoleh kecepatan tinggi. Penelitian ini dilakukan untuk menganalisis sistem propulsi twin screw pada kapal rescue basarnas tipe 40 meter baik dari segi teknis maupun segi ekonomis tanpa mengubah bentuk lambung kapal. Hasil yang diperoleh menunjukkan bahwa mesin yang diperlukan untuk mencapai kecepatan kapal yang diinginkan adalah mesin dengan spesifikasi 2159 HP, 1610 kW, 1800 RPM dan propeller yang digunakan adalah propeller dengan 4 daun, diameter sebesar 1345,23 mm, pitch sebesar 1506,66 mm, pitch ratio sebesar 1,12, expanded area ratio sebesar 1,117 dan berat sebesar 265,4 kg. Secara ekonomis ditinjau dari konsumsi bahan bakar sistem propulsi twin screw memiliki efisiensi yang lebih tinggi dibandingkan dengan sistem propulsi triple screw.

---

Propulsion system is one of the main components in a ship designing process. Rescue boat is a ship that needs to have high speed and good maneuverability, therefore the main engine and propeller chosen for the ship is very influential to the ship's performance. High speed craft usually uses more than one engine to achieve high speed. The purpose of this research is to analyse the twin screw propulsion system for the Indonesian National Search and Rescue ship technically and economically without any changes in ship rsquo s hull. The results obtained shows that the engine required to achieve the desired velocity is two engines with specification of 2159 HP, 1610 kW, 1800 RPM and the propeller used is a 4 bladed propeller with diameter of 1345.23 mm, pitch of 1506.66 mm, pitch ratio of 1.12, expanded area ratio of 1.117, and approximate weight of 265.4 kg. Economically, reviewed from the fuel consumption, twin screw propulsion system is proven to be more efficient than triple screw propulsion system."

"ABSTRAKBeberapa peternak baik ternak kambing ataupun lembu kesulitan memberi pakan ternaknya dalam bentuk campuran atau hijauan dengan konsentrat, yang dikarenakan tidak memiliki alat pencampur pakan. Peternak memberi makan ternaknya dengan metode terpisah yaitu hijauan tersendiri setelah pemberian pakan konsentrat. Dengan demikian terjado ketidakseimbangan jumlah pakan yang diasup oleh ternak yang mengakibatkan ternak lambat berkembang. Penelitian ini dilakukan dengan tujuan untuk menghasilkan alat atau mesin pencampur pakan yang dapat mencampur pakan secara sempurna dalam waktu yang singkat. Metode yang dipakai dalam penelitian ini adalah metode eksperimen yang dilakukan berulang sebanyak empat ulangan dengan waktu lima menit 10 menit dan 15 menit dan 20 menit pada putara screw yang sama yaitu 60 rpm. Untuk kelompok percobaan I, sedangkan untuk kelompok percobaan II dilakukan lima kali pengulangan dengan waktu tetap dan kecepatan putar berubah dari 60 rp, 70 rpm, 80 rpm dan 90 rpm dan 100 rpm. Dari pengamatan visual diperoleh campuran terbaik pada penggunaan waktu 10 menit dan putaran 70 rpm."

"This open access book summarizes the results of the European research project Twin-model based virtual manufacturing for machine tool-process simulation and control (Twin-Control). The first part reviews the applications of ICTs in machine tools and manufacturing, from a scientific and industrial point of view, and introduces the Twin-Control approach, while Part 2 discusses the development of a digital twin of machine tools. The third part addresses the monitoring and data management infrastructure of machines and manufacturing processes and numerous applications of energy monitoring. Part 4 then highlights various features developed in the project by combining the developments covered in Parts 3 and 4 to control the manufacturing processes applying the so-called CPSs. Lastly, Part 5 presents a complete validation of Twin-Control features in two key industrial sectors: aerospace and automotive. The book offers a representative overview of the latest trends in the manufacturing industry, with a focus on machine tools."

"Kondisi fasilitas produksi atau mesin merupakan salah satu faktor penting yang perlu diperhatikan demi menjaga kelancaran proses produksi. Untuk mengurangi frekuensi kegagalan mesin dapat dilakukan dengan menerapkan pemeliharaan preventif. Penelitian ini dilakukan di Pabrik Kelapa Sawit yang memproduksi Crude Palm Oil (CPO) dengan objek penelitian pada mesin screw press pada stasiun pengempaan. Saat ini, perusahaan telah menerapkan pemeliharaan preventif tetapi dinilai belum efektif karena downtime mesin masih tinggi, sekitar 76% dari waktu beroperasi. Tujuan dari penelitian ini adalah menentukan interval waktu pemeliharaan preventif yang tepat untuk mesin screw press agar probabilitas mesin screw press beroperasi tanpa kegagalan dapat meningkat dengan analisis reliabilitas. Hasil penelitian menunjukkan bahwa komponen worm screw, coupling, van belt, dan gearbox merupakan komponen kritis dari mesin press 2 dan mesin press 4. Interval pemeliharaan preventif untuk komponen tersebut pada mesin press 2 agar mencapai reliabilitas 60% berturut-turut yaitu 725 jam, 820 jam, 770 jam, dan 820 jam. Sedangkan untuk mesin press 4, interval pemeliharaan preventif untuk empat komponen berturut-turut yaitu 790 jam, 970 jam, 960 jam, dan 860 jam.

---

The condition of production facilities or machine is one of the crucial factors that need to be considered to maintain the smoothness of the production process. To reduce the frequency of machine failures, preventive maintenance can be implemented. This research was conducted at a Crude Palm Oil (CPO) Processing Plant, with the research object being the screw press machine at the pressing station. Currently, the company has implemented preventive maintenance, but it is considered ineffective due to high machine downtime, approximately 76% of the operating time. The aim of this research is to determine the appropriate interval for preventive maintenance for the screw press machine to increase the probability of operation without failure through reliability analysis. The research results show that the worm screw, coupling, van belt, and gearbox components are critical components of press machines 2 and 4. The preventive maintenance intervals for these components on press machine 2 to achieve 60% reliability are 725 hours, 820 hours, 770 hours, and 820 hours, respectively. Meanwhile, for press machine 4, the preventive maintenance intervals for the four components are 790 hours, 970 hours, 960 hours, and 860 hours, respectively."

"

Kanker hati merupakan penyebab utama kematian akibat kanker di seluruh dunia. Di Indonesia, kanker hati menempati angka kejadian tertinggi kedua untuk laki laki yaitu sebesar 12,4 per 100.000 penduduk dengan rata-rata kematian 7,6 per 100.000 penduduk. Pada tugas akhir ini, dibahas mengenai kanker hati primer dengan jenis hepatocellular carcinoma. Metode Twin Support Vector Machines (Twin SVM) diimplementasikan untuk mengklasifikasikan data kanker hati berdasarkan hasil CT scan. Data yang digunakan adalah data numerik hasil CT scan pasien yang menderita kanker hati dan diperoleh dari Laboratorium Radiologi RSUPN Cipto Mangunkusumo. Metode Twin SVM adalah pengembangan dari metode SVM yang menggunakan dua hyperplane dalam mengklasifikasikan sampel. Pada tugas akhir ini, kernel yang digunakan pada metode Twin SVM adalah polinomial dan radial basis function (RBF). Berdasarkan hasil perbandingan, klasifikasi data kanker hati menggunakan metode Twin SVM dengan kernel Polinomial menghasilkan akurasi tertinggi sebesar 77,30% pada penggunaan data testing sebesar 10% dan data training 90%. Selain itu, nilai akurasi terendah terdapat pada kernel RBF menghasilkan sebesar 60,10% pada penggunaan data testing sebesar 90% dan data training 10% dan nilai parameter 𝐶 = 1. Jika dibandingkan, klasifikasi data kanker hati dengan menggunakan metode Twin SVM dengan kernel polinomial menghasilkan nilai akurasi yang lebih baik.

---

Liver cancer is the main cause of cancer death in the worldwide. In Indonesia, the incidence rate of liver cancer is the second highest for men, that is 12.4 per 100,000 population with the average death rate is 7.6 per 100,000 population. This final project discusses primary liver cancer with a type of hepatocellular carcinoma. The Twin Support Vector Machines (Twin SVM) method was implemented to classify liver cancer data based on CT scan results. The data used are numerical data from CT scan results of patients suffering from liver cancer and obtained from the Radiology Laboratory of Cipto Mangunkusumo Hospital. The Twin SVM method is the development of the SVM method that uses two hyperplane in classifying samples. In this final project, the kernel used in the Twin SVM method is polynomial and radial basis function (RBF). Based on the comparison results, the classification of liver cancer data using the Twin SVM method with a polynomial kernel produces the highest accuracy of 77.30% on the use of testing data of 10% and training data of 90%. In addition, the lowest accuracy value is found in the RBF kernel resulting in 60.10% on the use of testing data of 90% and training data of 10% and the parameter value of C=1. When compared, the classification of liver cancer data using the Twin SVM method with a polynomial kernel produces better accuracy values.

"

"Most of Indonesia resident which have profession as a farmer consume the phosphate fertilizer high enough about kurang lebih 2 million tons/year. The demand is supllied by PT. Petrokimia Gresik and some small of phosphate fertilizer industries..."

"ABSTRAKKanker merupakan salah satu penyebab kematian terbesar di seluruh dunia. Secara khusus, kanker otak adalah kanker yang terjadi pada sistem saraf pusat. Salah satu hal yang dapat dilakukan untuk penelitian kanker otak menggunakan machine learning adalah melakukan pendeteksian jenis kanker otak dengan memanfaatkan microarray data. Permasalahan tersebut merupakan masalah klasifikasi multikelas. Dengan menggunakan pendekatan one versus one, akan terbentuk sebanyak k k-1 /2 masalah dua kelas, di mana k menunjukkan jumlah kelas. Karena data kanker otak memiliki fitur yang sangat banyak, perlu dilakukan seleksi fitur. Pada penelitian ini, akan diimplementasikan metode Multiple Multiclass Support Vector Machine Recursive Feature Elimination MMSVM-RFE sebagai metode seleksi fitur, dan Twin Support Vector Machine TWSVM sebagai metode klasifikasi. Pada metode MMSVM-RFE dilakukan pelatihan SVM-RFE pada setiap masalah dua kelas, sehingga setiap masalah dua kelas memiliki pengurutan fitur masing-masing. Sebagai metode klasifikasi, TWSVM memiliki tujuan untuk mencari hyperplane masing ndash; masing kelas sedemikian sehingga data kelas satu sedekat mungkin terhadap suatu hyperplane namun sejauh mungkin dengan hyperplane lainnya. Rata-rata akurasi tertinggi pada simulasi menggunakan kernel linear pada MMSVM-RFE dan kernel linear pada TWSVM adalah 95,33 dengan menggunakan 200 fitur. Rata-rata akurasi tertinggi pada simulasi menggunakan kernel linear pada MMSVM-RFE dan kernel RBF pada TWSVM adalah 87 dengan 70 fitur. Sedangkan apabila proses validasi juga dilakukan pada seleksi fitur, rata-rata akurasi tertinggi yang diperoleh adalah 90,67 dengan menggunakan 90 fitur.

---

ABSTRACTCancer is one of main causes of death worldwide. Brain cancer is a type of cancer which occurs at central nervous system. Taking advantage from microarray data, machine learning methods can be applied to help brain cancer prediction according to its types. This problem can be referred as a multiclass classification problem. Using one versus one approach, the multiclass problem with k classes can be transformed into k k 1 2 binary class problems. The huge amount of features makes it necessary to use feature selection. In this research, Multiple Multiclass Support Vector Machine Recursive Feature Elimination MMSVM RFE method is implemented as the feature selection method, and Twin Support Vector Machine TWSVM method is implemented as the classification method. The main concept of MMSVM RFE is to train SVM RFE at each binary problem so that each binary problem will have their own arrangements of feature. As a classification method, TWSVM is trained to find two hyperplanes, each representative of its own class. The data of one class must be as near as possible from its representative hyperplane while also must be as far as possible from the other hyperplane. In the simulation which uses linear kernel on MMSVM RFE and linear kernel on TWSVM, the highest average accuracy is 95,33 , using 200 features. In the simulation which uses linear kernel on MMSVM RFE and RBF kernel on TWSVM, the highest average accuracy is 87 , using 70 features. In the case where the feature selection process is included in doing validation, the highest average accuracy is 90,67 , using 90 features."