Hasil Pencarian  ::  Simpan CSV :: Kembali

"[ABSTRAKPenelitian dengan judul Fire Load kamar asrama Y di Jakarta merupakan penelitiandeskriptif komparatif. Penelitian ini menggambarkan nilai fire load yang berasal daribahan perlengkapan di dalam ruangan (kamar) baik yang bersifat fixed seperti kusen danpintu maupun yang bersifat movable seperti kursi, tempat tidur dan lainnya. Perlengkapankamar kemudian dikategorikan menurut tipe pertumbuhan api, yaitu ultrafast, fast,medium dan slow. Waktu perkiraan evakuasi dihitung dengan menggunakan modelmatematis sederhana berdasarkan gambaran komponen sarana evakuasi gedung.Dari hasil penelitian terhadap 13 kamar asrama di asrama Y diketahui rata-rata nilai FireLoad adalah 356.0 MJ/m2. Hasil tersebut melebihi survey yang dilakukan oleh puslitkimPU pada tahun 1997. Menurut tipe pertumbuhan apinya 66.6 % perlengkapan asramamemiliki sifat pertumbuhan api medium, 26.9 % perlengkapan memiliki pertumbuhan apisifat fast namun 6.5% perlengkapan asrama memiliki sifat pertumbuhan api ultra fast(waktu tumbuh 75 detik). Hasil perhitungan waktu evakuasi tanpa hambatan adalah 15menit 48 detik pada siang hari dan 13 menit 31 detik pada malam hari

---

ABSTRACTThe fire load room estimations value of Y dormitory in Jakarta and fire evacuation is adescriptive and comparative research. This research calculated fire load derived fromroom facilities material either fixed fire load (siils, door etc) and movable Fire Load(chair, bed, etc). The material then categorized based on fire growth type,e g ultrafast, fast,medium and slow. The evacuation time has calculated using simple mathematics methodbased on evacuation means.From 13 room in Y boardinghouse, the mean of fire load is 356.0 MJ/m2. This result ishigher than fire load that calculated by PU in 1997. Refer to fire growth type, 66.6 %equipment have medium fire growth, 26.9 % equipment have fast fire growth and 6.5%have ultra fast fire growth (fire growth 75 s). Evacuation time is 15 minute 48 second inafternoon dan 13 minute 31 second at night.;The fire load room estimations value of Y dormitory in Jakarta and fire evacuation is adescriptive and comparative research. This research calculated fire load derived fromroom facilities material either fixed fire load (siils, door etc) and movable Fire Load(chair, bed, etc). The material then categorized based on fire growth type,e g ultrafast, fast,medium and slow. The evacuation time has calculated using simple mathematics methodbased on evacuation means.From 13 room in Y boardinghouse, the mean of fire load is 356.0 MJ/m2. This result ishigher than fire load that calculated by PU in 1997. Refer to fire growth type, 66.6 %equipment have medium fire growth, 26.9 % equipment have fast fire growth and 6.5%have ultra fast fire growth (fire growth 75 s). Evacuation time is 15 minute 48 second inafternoon dan 13 minute 31 second at night.;The fire load room estimations value of Y dormitory in Jakarta and fire evacuation is adescriptive and comparative research. This research calculated fire load derived fromroom facilities material either fixed fire load (siils, door etc) and movable Fire Load(chair, bed, etc). The material then categorized based on fire growth type,e g ultrafast, fast,medium and slow. The evacuation time has calculated using simple mathematics methodbased on evacuation means.From 13 room in Y boardinghouse, the mean of fire load is 356.0 MJ/m2. This result ishigher than fire load that calculated by PU in 1997. Refer to fire growth type, 66.6 %equipment have medium fire growth, 26.9 % equipment have fast fire growth and 6.5%have ultra fast fire growth (fire growth 75 s). Evacuation time is 15 minute 48 second inafternoon dan 13 minute 31 second at night., The fire load room estimations value of Y dormitory in Jakarta and fire evacuation is adescriptive and comparative research. This research calculated fire load derived fromroom facilities material either fixed fire load (siils, door etc) and movable Fire Load(chair, bed, etc). The material then categorized based on fire growth type,e g ultrafast, fast,medium and slow. The evacuation time has calculated using simple mathematics methodbased on evacuation means.From 13 room in Y boardinghouse, the mean of fire load is 356.0 MJ/m2. This result ishigher than fire load that calculated by PU in 1997. Refer to fire growth type, 66.6 %equipment have medium fire growth, 26.9 % equipment have fast fire growth and 6.5%have ultra fast fire growth (fire growth 75 s). Evacuation time is 15 minute 48 second inafternoon dan 13 minute 31 second at night.]"

"Selama beberapa waktu terakhir, Battery Energy Storage System (BESS) telah menjadi salah satu komponen penting dalam jaringan listrik pintar untuk meningkatkan kinerja dan keandalan sistem tenaga listrik di beberapa negara. Indonesia yang merupakan negara terpadat nomor empat di dunia tentunya membutuhkan juga teknologi ini untuk memaksimalkan kinerja sistem tenaga listriknya. Namun, harga investasi untuk BESS masih tergolong cukup tinggi untuk saat ini dan dibutuhkan metode yang tepat untuk menentukan kapasitas BESS tersebut. Oleh sebab itu, pendekatan feasibility study digunakan untuk memastikan pemasangan BESS pada jaringan sistem tenaga listrik bisa memberikan keuntungan dari sisi ekonomi. Makalah ini menyajikan metodologi pengukuran dan strategi optimasi biaya BESS untuk aplikasi Load Shifting di sistem tenaga listrik Sumatera Bagian Tengah dengan menggunakan perangkat lunak excel dan phyton serta data beban listrik yang diberikan PLN di wilayah tersebut pada tahun 2019. Energi BESS akan dilepas pada saat Waktu Beban Puncak (WBP) untuk menggantikan pembangkit listrik biaya mahal sehingga dapat megurangi biaya operasional. Hasil optimasi biaya BESS untuk load shifting di Sumbagteng mampu mengurangi PLTMG dan PLTD yang notabene menggunakan BBM sebesar 20% dari kondisi awalnya.

---

Over the past few years, the Battery Energy Storage System (BESS) has become one of the important components in smart power grids to improve the performance and reliability of electric power systems in several countries. Indonesia, which is the fourth most populous country in the world, certainly needs this technology to maximize the performance of its electric power system. However, the investment price for BESS is still quite high for now and an appropriate method is needed to determine the capacity of the BESS. Therefore, a feasibility study approach is used to ensure that the installation of BESS on the power system network can provide economic benefits. This paper presents the measurement methodology and cost optimization strategy of BESS for Load Shifting applications in the Central Sumatra electric power system using excel and python software as well as electricity load data provided by PLN in the region in 2019. BESS energy will be released at Load Time. The peak (WBP) to replace power plants is expensive so that it can reduce operational costs. The results of the optimization of BESS costs for load shifting in Central Sumatra were able to reduce PLTMG and PLTD which incidentally used fuel by 20% from their initial conditions."

"Sistem tenaga listrik Sumatra merupakan salah satu sistem tenaga listrik terbesar yang ada di Indonesia. Sistem tersebut terdiri dari gabungan 3 subsistem yaitu Sumatra Bagian Utara (Sumbagut), Sumatra Bagian Tengah (Sumbagteng), dan Sumatra Bagian Selatan (Sumbagsel). Salah satu subsistem tenaga listrik besar di Sumatra adalah sistem tenaga listrik Sumbagsel. Sistem tenaga listrik Sumbagsel disupply dayanya oleh berbagai jenis pembangkit listrik seperti PLTU, PLTA, PLTD, dll. Setiap pembangkit listrik tersebut memiliki BPP (Biaya Pokok Penyediaan) pembangkitan. Pembangkit listrik berbasis fosil dan gas memerlukan BPP yang cukup tinggi. Kemajuan teknologi khususnya teknologi baterai sebagai penyimpan energi memungkinkan pengurangan pengoperasian pembangkit berbasis fosil dan gas dengan menggunakan metode load shifting. Load shifting dilakukan untuk memindahkan daya yang dihasilkan oleh pembangkit listrik dengan BPP pembangkitan yang mahal menjadi daya yang dihasilkan oleh pembangkit listrik dengan BPP yang lebih murah sehingga optimalisasi biaya pun dapat dilakukan. Load shifting tersebut dilakukan dengan menggunakan BESS (Battery Energy Storage System) dimana charging akan dilakukan diluar WBP (Waktu Beban Puncak) dan discharging akan dilakukan pada saat waktu beban puncak. Oleh karena itu, studi BESS untuk load shifting sistem tenaga listrik Sumatra Bagian Selatan perlu dilakukan.

---

The Sumatran electric power system is one of the largest electric power systems in Indonesia. The system consists of a combination of 3 subsystems, namely Northern Sumatra (Sumbagut), Central Sumatra (Sumbagteng), and Southern Sumatra (Sumbagsel). One of the major power subsystems in Sumatra is the South Sumatra electric power system. The South Sumatra electric power system provides its power by various types of power plants such as PLTU, PLTA, PLTD, etc. Each of these power plants has a BPP (Cost of Provision) generation. Fossil and gas based power plants require a fairly high BPP. Technological advances, especially battery technology as an energy store, allow the reduction of fossil and gas-based operations using load transfer methods. Load transfer is carried out to transfer the power produced by power plants with an expensive generation BPP, while power plants with BPP can be cheaper so that cost optimization is carried out. The load transfer is carried out using BESS (Battery Energy Storage System) where charging will be done outside the WBP (Peak Load Time) and emptying will be carried out during peak load times. Therefore, it is necessary to conduct a BESS study for the Southern Sumatra electric load transfer system."

"Load Transfer adalah sebuah komponen yang diletakkan di antara balok beton eksisting dan balok baja tambahan yang bertujuan membuat mekanisme penyaluran beban dari balok beton menuju balok baja menjadi aktif. Cara kerja komponen ini seperti dongkrak hidrolik yang memberikan tekanan yang sama ke permukaan bawah balok beton dan permukaan atas balok baja pada tengah bentang sehingga penyaluran beban sudah berjalan sebelum beban tambahan diberikan. Dengan menggunakan komponen ini, gaya dalam momen dan geser pada daerah tumpuan dan lapangan balok beton dapat direduksi dan mencegah terjadinya kegagalan pada balok beton eksisting tersebut. Hasil penelitian ini menunjukkan bahwa perkuatan dengan menggunakan komponen Load Transfer lebih efektif daripada perkuatan dengan grouting. Besar gaya dalam yang dapat direduksi oleh komponen ini sama antara analisa menggunakan pembebanan gravitasi dengan analisa menggunakan kombinasi pembebanan gravitasi dan gempa bumi. Semakin besar gaya Load Transfer yang diberikan, semakin besar gaya dalam momen dan geser pada balok beton eksisting yang dapat direduksi sehingga menjadi semakin efektif. Selain itu, balok beton ekisting juga lebih kaku sehingga lendutan yang terjadi akibat beban baru dapat direduksi. Namun, komponen Load Transfer tidak mempengaruhi gaya dalam aksial dan momen pada kolom.

---

Load Transfer is a component placed in between existing concrete beam and additional steel beam, which aims to create mechanism for allocating loads from concrete beam to steel beam to be active. This component?s performance is similar with hydraulic jack, which gives equal pressure to the lower surface of concrete beam and upper surface of steel beam in the midspan so that distribution of loads will start before additional loads are given. By using this component, moment and shear force on the pedestal and field can be reduced, which will prevent failure on existing concrete beam. This result indicates that strengthening by using load transfer component is more effective than strengthening with grouting. The value of internal force that can be reduced by this component using analysis using gravity load is the same with analysis using the combination of gravity and earthquake loading. As the load transfer force given increase, greater moment and shear force on the existing concrete beam can be reduced so itu becomes more effective. In addition, existing concrete beam also become more rigid, causing deflection caused by additional load can be reduced. However, load transfer component does not affect the axial and moment force on the column."

"ABSTRAKPada kondisi saat ini, jika beban puncak dibandingkan dengan daya mampupembangkit pada sistem kelistrikan wilayah Sumatera dengan menerapkan kriteriacadangan 35%, maka diperkirakan terjadi kekurangan sekitar 2.000 MW. Sumbergas bumi di wilayah Jambi dapat dipertimbangkan karena tersedia cadangan gasdan dapat digunakan sebagai energi untuk memenuhi kebutuhan listrik. Gas tidakmudah untuk disimpan dibandingkan dengan Bahan Bakar Minyak (BBM) yangbanyak digunakan sebagai bahan bakar pemenuhan beban puncak saat ini.Compressed Natural Gas (CNG) dapat menjadi salah satu alternatif metodepenyimpanan gas. Kajian CNG Plant meliputi kajian keekonomian berupa NPV,IRR dan Payback Period serta analisis sensitivitas yang menggambarkansensitivitas proyek terhadap faktor-faktor yang berpengaruh. Analisis teknik dariCNG Plant juga dikaji untuk mendapatkan tekanan optimum pada CNG Plantserta analisis perbandingan keekonomian antara CNG dan BBM jenis HSD. Darihasil perhitungan keekonomian didapatkan harga jual gas dari CNG Plant sebesarUS$ 10,4/MMBTU dengan tekanan optimum CNG sebesar 3215 psia.Berdasarkan perhitungan didapatkan biaya pembangkit listrik tenaga gas dariCNG plant yaitu sebesar Rp. 1.735,34/kWh, sedangkan biaya pembangkit listriktenaga diesel sebesar Rp. 2.765,55/kWh sehingga ada penghematan sebesar Rp.1.030/kWh apabila digunakan gas CNG pada beban puncak. Potensi penghematandari sisi PLN apabila menggunakan gas CNG pada saat beban puncak adalahsebesar Rp. 530 Juta/hari

---

ABSTRACTIn the current conditions, when compared the peak load with capable powergenerator in Sumatera area electricity system, when applying the 35% reservedcriteria, it is predicted that there is a shortage of around 2,000 MW. Sources ofnatural gas in Jambi region can be considered as available gas reserves and can beutilized as energy to meet the electricity needs. Gas is not easy to be storedcompared with fuel oil which is widely used as fuel for the fulfillment of the peakload now. Compressed Natural Gas (CNG) can be an alternative method of gasstorage. Study of CNG Plant was included the study of economics in the form ofNPV, IRR and Payback Period as well as a sensitivity analysis that illustrates thesensitivity of the project on the factors that influence. Technical Analysis of CNGalso examined to obtain optimum pressure on the CNG Plant as well as theeconomics of comparative analysis between CNG and fuel oil types HSD. Fromthe calculation results obtained economical gas price of CNG Plant amounted toUS $ 10.4/MMBTU with CNG optimum pressure of 3215 psia. Based on thecalculation, the cost of gas power plant of CNG plant is Rp. 1735.34/kWh, whilethe cost of diesel power plant is Rp. 2765.55/kWh so that there is a savings of Rp.1.030/kWh when used CNG gas at peak loads. Potential savings of PLN sidewhen using CNG gas during peak load is Rp. 530 Million/day"

"Pada Standar Nasional Indonesia (SNI) Jembatan dan ACSE-24 mengenai Flood Resistant Design Construction disebutkan bahwa adanya pengaruh scouring terhadap desain jembatan, namun belum ada langkah-langkah yang jelas untuk menghitungnya. Penelitian ini akan membahas mengenai langkah perhitungan scouring yang terjadi di sekitar pondasi menggunakan metode California State University (CSU) dan bagaimana pengaruhnya terhadap beban hidrodinamika yang terjadi pada pondasi menggunakan persamaan hukum kekekalan momentum dan hukum kekekalan massa. Penelitian ini menggunakan alat bantu aplikasi SAP2000 untuk mengetahui besarnya defleksi yang terjadi serta dibandingkan dengan defleksi izin agar tidak terjadi kegagalan struktur pondasi jembatan. Variabel yang diuji coba pada penelitian ini diantaranya massa jenis, curve number, periode ulang, durasi terjadinya hujan, koefisien Manning, dan tinggi inflow. Data variabel tersebut divariasikan untuk mengetahui variabel mana yang paling sensitif terhadap scouring dan defleksi yang terjadi dengan melakukan sensitivity analysis menggunakan metode korelasi Pearson. Hasil penelitian menunjukkan adanya pembesaran luas kontak gaya yang bekerja sehingga perlu diperhitungkan debit kritis yang menghasilkan defleksi maksimum yang terjadi pada pondasi.

---

In the Standar Nasional Indonesia (SNI) for Bridge and ACSE-24 about Flood Resistant Design Construction, it is mentioned that there is a scouring effect on the bridge design, but there are no clear steps to calculate it. This study will discuss the steps of scouring calculation that occur around the foundation using the California State University (CSU) method and how they affect the hydrodynamic load that occurs on the foundation using the law of conservation of momentum and the law of conservation of mass. This study uses SAP2000 application tools to determine the magnitude of the deflection that occurred and compared with permit deflection so that the bridge foundation structure doesn’t fail. The variables tested in this study include density, curve number, return period, duration of rainfall, Manning coefficient, and inflow height. The variable data is varied to find out which variable is most sensitive to scouring and deflection that occurs by conducting sensitivity analysis using the Pearson correlation method. The results showed an enlargement of the area of ​​contact force that worked so it was necessary to calculate the critical discharge which produced the maximum deflection that occurred at the foundation."

"Tesis ini membahas beban kerja dan kebutuhan tenaga verifikator klaim kontrak di Unit Penyelenggara Jamkesda Pemerintah Daerah DKI Jakarta Tahun 2012 dengan melakukan observasi dan data klaim rumah sakit tahun 2011. Penelitian ini adalah penelitian kuantitatif dan kualitatif dengan desain deskriptif dan cross sectional. Metode yang digunakan dalam penelitian ini menggunakan Metode Ilyas yaitu dengan pendekatan demand, dimana metode ini menghitung beban kerja yang harus dikerjakan atas dasar permintaan untuk menghasilkan unit produksi atau jasa per waktu yang dibutuhkan. Hasil penelitian ini adalah beban kerja tenaga verifikator klaim adalah 132 jam/unit/hari, sedangkan kebutuhan tenaga sebanyak 23 orang/hari. Hasil penelitian menyarankan bahwa Unit Penyelenggara Jamkesda Propinsi DKI Jakarta perlu menambah tenaga verifikator klaim; meningkatkan kemampuan dan keterampilan dalam verifikasi klaim; menggunakan teknologi dan sistem informasi; dan menerapkan Standard Operational Procedure (SOP) dalam proses verifikasi klaim.

---

The focus of this study is to analysis of workload and to count of contract staff needed claim verification on Health Insurance Administration Unit of The Government DKI Jakarta Province in 2012. The purpose of this study is to know how much the workload, staff needed, and the barrier factors of claim verification. Knowing this will help the administration unit to identify changes that should be made to improve the quality services. This research is qualitative and quantitative descriptive interpretive. The data were collected by means of deep interview and use claim data. The method used in this study using the Ilyas?s Method which is a demand approach, where the method is to calculate the workload to be done on the basis of a request for production or services produced per unit of time is needed.

The result of this study is the workload of verifier claim personnel is 132hours/unit/day, while the staff needed is 23person/day. The researcher suggests that The Health Insurance Administration Unit should add the verifier claim staff; improve the knowledge and the skill of verifier claim staff; use the technology and information system; and administer Standard Operational Procedure (SOP) in the process of verification of claims."

"Teknik NILM (Non-Intrusive Load Monitoring) digunakan dalam pemantauan konsumsi energi. Penerapan NILM digunakan untuk energi efisiensi, manajemen energi, dan diagnosa peralatan di rumah tangga, industri atau penyedia energi. Variabel pengukuran yang digunakan yaitu daya aktif dan daya reaktif. Namun, data pengukuran sering kali terpengaruh oleh noise. Berbgai macam metode digunakan dalam NILM. Metode K-NN adalah salah satu metode machine learning yang banyak digunakan untuk klasifikasi beban listrik dalam teknik NILM dengan performa yang baik dan bersaing dengan metode lain yang lebih kompleks. Penelitian ini bertujuan untuk menganalisis pengaruh noise terhadap performa algoritma k- Nearest Neighbors (K-NN) dalam klasifikasi beban listrik. Berbagai tingkat noise secara rundom diberikan pada data pengukuran yang diperoleh sebesar 1% hingga 20%. Selanjutnya, model K-NN dilatih dan dievaluasi dengan nilai k = 1 sampai 25 dan menggunakan 15 variasi jarak. Dalam penelitian ini bahasa pemograman python digunakan untuk mengevaluasi performa K-NN. Hasil eksperimen menunjukkan bahwa penambahan noise pada data pengukuran secara signifikan mempengaruhi performa algoritma K-NN dalam mengklasifikasikan beban listrik. Pengaruh ini terlihat pada nilai akurasi, presisi dan recall. Performa K-NN menurun hingga 15% yang didapatkan dari perbandingan nilai akurasi untuk data yang diberikan noise 20%. Nilai k yang memberikan akurasi maksimal k = 25 untuk data yang diberikan noise. Nilai k yang memberikan presisi dan recall maksimal bernilai k = 3 untuk data yang diberikan noise. Dari ke 15 jenis jarak yang dipakai di metode K-NN pada penelitian ini, jarak Clark dan Divergence yang memiliki nilai akurasi diatas ratarata, jarak Camberra memiliki nilai presisi di atas rata-rata dan jarak Neyman Chi Squared memiliki nilai recall diatas rata-rata. Perbandingan performa antara metode K-NN dengan Random Forest dan Extra Trees Classifier juga telah dilakukan. Dari hasil pengujian dan penelitian didapatkan bahwa dengan metode K-NN memberikan performa yang baik untuk mendisaggregasi data yang diberikan noise besar dibandingkan dengan metode Random Forest dan Extra Trees Classifier. metode K-NN memiliki nilai akurasi lebih tinggi dibandingkan dengan metode Random Forest dan Extra Trees Classifier, Selisih yang dihasilkan mencapai 15%.

---

The NILM (Non-Intrusive Load Monitoring) technique is used in monitoring energy consumption. NILM applications include energy efficiency, energy management, and appliance diagnostics in households, industries, or energy providers. Measurement variables used are Real Power and Reactive Power. However, measurement data are often affected by noise. Appliance diagnosis uses various machine learning methods. The K-NN method is one of the widely used machine learning methods for classifying electrical loads with good performance, competing even with more complex methods. Python has become a mainstay in data science. This programming language enables data analysis to perform machine learning algorithms. This study aims to analyze the impact of noise on the performance of the k-Nearest Neighbors (K-NN) algorithm in classifying electrical loads. Various noise levels, ranging from 1% to 20%, were randomly added to the measurement data obtained. Subsequently, the K-NN model was trained and evaluated with k values ranging from 1 to 25, using 15 distance variations. Experimental results showed that the addition of noise to the measurement data significantly affected the performance of the K-NN algorithm in classifying electrical loads. This impact is reflected in the values of accuracy, precision, and recall. K-NN performance decreased by up to 15%, as indicated by the accuracy comparison for data with 20% noise. The k value providing maximum accuracy was k = 25 for both low and high noise data. The k value providing maximum precision and recall was k = 3 for both low and high noise data. Among the 15 types of distances used in the K-NN method in this study, Clark and Divergence distances had above-average accuracy values, Camberra distance had above-average precision values, and Neyman Chi-Squared distance had above-average recall values. Testing and research results showed that the K-NN method performs well in disaggregating data with high noise compared to the Random Forest and Extra Trees Classifier methods."

"Heating load calculations are essential to optimize energy use in buildings during the winter season. Instantaneous heating loads are determined by the outdoor weather conditions. It is intended to develop a method to predict instantaneous building heating loads, depending on various combinations of current input parameters so as to apply HVAC equipment operations. Heating loads have been calculated in a representative apartment building for one month in Seoul using Energy Plus. The datasets obtained are used to train artificial neural networks. Dry bulb temperature, dew point temperature, global horizontal radiation, direct normal radiation and wind speed are selected as the input parameters for training, while heating loads are the output. The design of experiments is used to investigate the effect of individual input parameters on the heating loads. The results of this study show the feasibility of using a machine learning technique to predict instantaneous heating loads for optimal building operations."