Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSalah satu pendorong perkembangan industri penerbangan di Indonesia adalah meningkatnya pertumbuhan ekonomi di kawasan Asia Pasifik sebesar 7,4% setahun yang diperkirakan akan berlangsung sampai tahun 2009. Kondisi ini juga mempengaruhi pertumbuhan transportasi udara di Indonesia di mana pertumbuhan transportasi udara domestik untuk empat tahun mendatang diproyeksikan sebesar 6,9 % pertahun dan 8,8% per tahun untuk pertumbuhan transportasi udara internasional. Hal ini akan mengakibatkan frekuensi maupun jalur penerbangan dalam dan luar negeri bertambah yang akan berdampak pada penambahan jumlah pesawat terbang yang dioperasikan untuk melayani jalur-jalur tersebut.Posisi perusahaan penerbangan dalam industri dapat dibagi dalam dua karakteristik yang berbeda yaitu 1) perusahaan penerbangan sebagai pemasok dalam sistem transportasi yaitu berperan sebagai penyedia jasa transportasi udara dan 2) perusahaan penerbangan sebagai pelanggan yaitu berperan sebagai pelanggan dari pabrik pembuat pesawat terbang, bengkel perawatan/perbaikan pesawat terbang.Di Indonesia telah dioperasikan 624 jenis pesawat bersayap tetap yang memiliki tingkat pemakaian (utilization) rata-rata 1790 jam per tahunnya. Seiring dengan semakin bertambahnya jumlah pesawat terbang yang dioperasikan dan semakin tua umur pesawatpesawat terbang tersebut maka semakin meningkat pula kebutuhan akan jasa perawatan pesawat.Keberadaan perusahaan perbengkelan/perawatan pesawat terbang dalam negeri saat ini belum dapat menampung/mendukung pengoperasian penerbangan dalam negeri. Sebagai contoh, masih banyaknya pesawat dan komponennya yang dikirim keluar negeri untuk perawatannya. Penyebabnya adalah selain kapabilitas bengkel dalam negeri yang kurang dan belum dikenalnya bengkel tersebut, juga disebabkan oleh kurangnya motivasi para operator untuk memakai fasilitas perawatan pesawat terbang dalam negeri. Dilihat dari kapabilitasnya, sebenarnya GMF sudah dapat bersaing dengan fasilitas perawatan pesawat terbang luar negeri. Hal ini terbukti dengan diakuinya GMF oleh Federal Aviation Administration (FAA). Saat ini kapasitas terpakai GMF baru 30% dari kapasitas terpasangnya, berarti untuk pasar pelayanan jasa perawatan pesawat dalam negeri saja peluang GMF cukup besar.Di dalam penulisan karya akhir ini, akan dibahas rencana strategis pemasaran perawatan pesawat terbang dalam rangka meraup pangsa pasar khususnya pasar dalam negeri yang memberi peluang dan prospek yang cukup besar bagi GMF.Penyelenggaraan suatu kegiatan jasa pelayanan perawatan pesawat terbang harus dilakukan secara profesional berdasarkan misi dan visi perusahaan, dengan penekanan pada 1) strategi lingkungan luar yang dikonsentrasikan pada lingkungan industri suatu perusahaan dan kedudukan kompetitifnya terhadap pesaingnya seperti diteliti dan dikembangkan oleh Michael Porter dari Harvard maupun oleh Boston Consulting Group dan 2) strategi lingkungan internal perusahaan yang belum digali dan dikembangkan yang secara umum dikaitkan dengan permasalahan internal perusahaan.Sifat usaha dan komoditi jasa mempunyai karakteristik yang khas dibandingkan barang-barang hasil produksi. Karakteristik jasa tersebut adalah: ketidaknyataan (intangibility), tidak terpisahkan antara produksi dan konsumsinya (inseparability), tidak tahan lama (perishability) dan keragaman (variability). Karena adanya empat karakteristik yang khas tersebut maka umumnya kegagalan dari usaha jasa adalah karena adanya perbedaan persepsi antara jasa yang diharapkan oleh pelanggan dan yang disampaikan oleh penyedia jasa. Untuk menghindari kegagalan tersebut maka strategi pemasaran GMF harus meliputi pemasaran eksternal, pemasaran internal, dan pemasaran interaktif.Pemasaran eksternal adalah menggambarkan kerja normal yang dilakukan oleh GMF melalui strategi-strategi: mempersiapkan jasa, menentukan harga, mendistribusikan jasa dan mengkomunikasikan jasa kepada pelanggan.Pemasaran internal adalah menggambarkan pekerjaan yang hares dilakukan oleh manajemen GMF untuk mendorong karyawan penghubung pelanggan dan karyawan pendukung pelayanan agar tercipta budaya melayani dan semua karyawan mempunyai orientasi terhadap pemuasan pelayanan kepada pelanggan. Seharusnya pemasaran internal dilakukan terlebih dahulu sebelum dilakukan pemasaran eksternal sehingga seluruh karyawan akan siap menyediakan jasa ke pelanggan sesuai dengan keinginan pelanggan dan kebijaksanaan perusahaan.Pemasaran interaktif adalah hubungan interaktif antara karyawan dengan pelanggan. Hal ini sangat penting karena diperlukan keahlian dari karyawan dalam menangani hubungan dengan pelanggan. Oleh karena itu, mutu pelayanan baik "mutu teknis" dan juga "mutu fungsional" harus sebaik mungkin.Sifat keragaman dari jasa memerlukan fleksibilitas perusahaan yang tinggi. Pemisahan organisasi GMF dari PT Garuda Indonesia merupakan salah satu alternatif untuk mengurangi birokrasi agar GMF lebih fleksibel terhadap permintaan jasa pelanggan yang beraneka ragam. "

"Tungsten Inert Gas (TIG) adalah proses pengelasan dimana busur listrik ditimbulkan oleh elektroda tungsten dengan benda kerja dan daerah pengelasannya dilindungi oleh gas pelindung. Sejak pertama kali ditemukan, TIG sudah menjadi bagian penting dalam industri manufaktur. Pengelasan ini banyak diaplikasikan pada baja stainless steel, alumunium, logam reaktif seperti magnesium dan titanium. Karena banyaknya aplikasi pengelasan TIG, pada studi kali ini dilakukan sebuah simulasi pengelasan pada plat stainless steel untuk memprediksi lebarnya manik las yang terbentuk dan kedalaman penetrasi pengelasan dengan memvariasikan besarnya arus yaitu 80, 90, dan 100 A dan besarnya kecepatan pengelasan yaitu 2, 3, dan 4 mm/s. Simulasi pengelasan menunjukan hasil yang hampir sama dengan pengelasan secara eksperimen, dimana untuk lebar manik atas pada variasi arus dan kecepatan didapatkan error rata-rata berturut-turut 8.3% dan 6.7%, dan untuk lebar manik bawah pada variasi arus dan kecepatan didapatkan error rata-rata bertururt-turut 4.9% dan 3.0%. Sementara, untuk penetrasi pengelasan error rata-ratanya 0%.

---

Tungsten Inert Gas (TIG) welding is a process which an electric arc generated by the tungsten electrode to the workpiece and the welding area protected by a protective gas. First, since TIG had been discover, it become an important part in manufacturing industry. TIG is widely applied to stainless steel, aluminum, reactive metals such as magnesium and titanium. Therefore, this study carried out a simulation of welding in stainless steel plate to predict the bead width and the depth of penetration were formed by varying the welding current as 80, 90, and 100 A and varying the welding speed as 2, 3, and 4 mm/s. Welding simulation showed almost the same results with the experimental welding, where for the top bead width over the current and velocity variations obtained an average error of 8.3 % and 6.7 % respectively. And for the back bead width over the current and velocity variations obtained average error of 4.9 % and 3.0 % respectively. While, for the depth of penetration obtained an average error of 0 %."

"Pada era digital ini kebutuhan manusia dalam teknologi semakin berkembang pesat. Teknologi selalu dituntut untuk berkembang untuk memudahkan manusia dalam memenuhi segala aktivitas dan kebutuhannya. Teknologi proses manufaktur adalah salah satunya. Proses manufaktur yang paling banyak digunakan dalam industri saat ini adalah pengelasan. Salah satu contoh teknologi yang berkembang adalah pengelasan otomatis TIG (Tungsten Inert Gas). Pada penelitian ini, dilakukan pengelasan aluminium paduan AA1100 dengan menggunakan pengelasan Tungsten Inert Gas (TIG) otomatis untuk mendapatkan data training neural network sebagai bahan pengklasifikasian hasil pengelasan. Dimensi spesimen yang digunakan dalam penelitian ini yaitu panjang 14 cm, lebar 7 cm serta ketebalan 3,8 mm. Penelitian ini bertujuan untuk membuat sistem pengklasifikasian hasil las yang baik dan buruk (ada cacat) menggunakan machine vision dan neural network sebagai tahap awal dalam penerapan CNN dalam automatic TIG welding serta untuk mengetahui akurasi, presisi dan loss dari sistem vision tersebut dari pre-trained model ResNet-50 dan YOLOv5n. Penelitian ini dimulai dengan mempelajari segala sesuatu tentang metode pengelasan TIG, mempelajari pengaruh-pengaruh apa saja yang dapat menyebabkan pengelasan gagal serta mempelajari metode machine learning untuk mengklasifikasikan hasil pengelasan yang baik maupun hasil pengelasan yang gagal pada material Aluminium AA1100. Selanjutnya dilakukan pengelasan untuk mengambil data acuan sebagai bahan dasar klasifikasi hasil pengelasan, lalu dataset tersebut dilakukan labelling dan di training menggunakan pre-trained model ResNet-50 dan YOLOv5n. Dua model yang terbuat dari hasil training tersebut kemudian di uji coba menggunakan 70 data test. Hasil dari tes tersebut yaitu: Pada tes dengan model YOLOv5s (epoch 50, batch 16 dan learning rate 0.001) menghasilkan nilai akurasi sebesar 88,57% dengan nilai item yang benar 45/50 dan 17/20. Model ini juga menghasilkan loss sebesar 11,42% dan precision sebesar 90%. Pada tes dengan model YOLOv5s dengan hyperparameter (epoch 100, batch 32 dan learning rate 0.001) menghasilkan nilai akurasi sebesar 97,14% dengan nilai item yang benar 49/50 dan 19/20, model ini juga menghasilkan loss sebesar 2,8% dan nilai precision sebesar 98%. Pada tes dengan model yang menggunakan architecture ResNet-50 dengan (epoch 50, batch 16 dan learning rate 0.001) menghasilkan nilai benar 43/50 dan 16/20 dengan nilai accuracy sebesar 84,28%, nilai loss 15,7% dan precision 86%. Untuk model ResNet-50 dengan hyperparameter (epoch 100, batch 32 dan learning rate 0.001) menghasilkan nilai akurasi sebesar 94,28% dengan nilai item yang benar 47/50 dan 19/20, model ini juga menghasilkan loss sebesar 5,71% dan nilai precision sebesar 94%.

---

In this digital era, human needs in technology are growing rapidly. Technology is always required to develop to make it easier for humans to fulfill all their activities and needs. Manufacturing process technology is one of them. The most widely used manufacturing process in industry today is welding. One example of a developing technology is TIG (Tungsten Inert Gas) automatic welding. In this study, welding of aluminum alloy AA1100 was carried out using automatic Tungsten Inert Gas (TIG) welding to obtain neural network training data as a material for classifying welding results. The dimensions of the specimens used in this study were 14 cm long, 7 cm wide and 3.8 mm thick. Welding is carried out with a fixed current, namely 120A and using filler ER5356. This study aims to create a classification system for good and bad (defective) welds using machine vision and neural networks as an initial step in applying CNN in automatic TIG welding and to determine the accuracy, precision and loss of the vision system from pre-trained models ResNet-50 and YOLOv5n. This research began by learning everything about the TIG welding method, learning what influences can cause welding to fail and studying the machine learning method to classify good welding results and failed welding results on Aluminum AA1100 material. Next, welding is carried out to retrieve reference data as the basis for the classification of welding results, then the dataset is labeled and trained using the pre-trained ResNet-50 and YOLOv5n models. The two models made from the results of the training were then tested using 70 test data. The results of the test are: The test with the YOLOv5s model (epoch 50, batch 16 and learning rate 0.001) produces an accuracy value of 88.57% with correct item values 45/50 and 17/20. This model also produces a loss of 11.42% and a precision of 90%. In tests with the YOLOv5s model with hyperparameters (epoch 100, batch 32 and learning rate 0.001) it produces an accuracy value of 97.14% with correct item values 49/50 and 19/20, this model also produces a loss of 2.8% and precision value of 98%. In the test with a model that uses architecture ResNet-50 with (epoch 50, batch 16 and learning rate 0.001) it produces a correct score of 43/50 and 16/20 with an accuracy value of 84.28%, a loss value of 15.7% and a precision of 86 %. For the ResNet-50 model with hyperparameters (epoch 100, batch 32 and learning rate 0.001) it produces an accuracy value of 94.28% with correct item values 47/50 and 19/20, this model also produces a loss of 5.71% and precision value of 94%."

"

Skripsi ini membahas mengenai faktor-faktor apa saja yang mempengaruhi engagement pekerja yang berada pada perusahaan PT Garuda Maintenance Facility AeroAsia Tbk. Penelitian ini dibuat karena terdapat pernyataan penelitian sebelumnya yang mengatakan bahwa komunikasi tidak memiliki pengaruh yang signifikan terhadap engagement pekerja. Tujuan dari penelitian ini yaitu untuk mengetahui faktor-faktor apa saja yang mempengaruhi engagement pekerja. Pada penelitian ini terdapat 8 variabel independen atau faktor yang diujikan yaitu; komunikasi, kecocokan lingkungan kerja, tantangan pekerjaan, kemandirian, keberagaman, kepemimpinan, penghargaan pengakuan, dan pembelajaran pengembangan. Penelitian ini menggunakan pendekatan kuantitatif dengan cara menyebarkan kuisioner kepada seluruh pekerja perusahaan tersebut. Hasil penelitian yang ada menunjukan bahwa hanya terdapat 3 faktor yang mempengaruhi engagement pekerja yaitu kecocokan lingkungan kerja, penghargaan pengakuan, dan pembelajaran pengembangan. Kesimpulannya yang dapat diambil adalah tidak seluruh faktor mempengaruhi engagement pekerja dan hanya 3 faktor tersebut yang mempengaruhi engagement pekerja.

---

This Study discusses what factors influence the engagement of workers in the PT Garuda Maintenance Facility AeroAsia Tbk. This research was made because there was a statement of previous research which said that communication did not have a significant effect on employee engagement. The purpose of this study is to find out what factors influence employee engagement. In this study, there were 8 independent variabels or factors that were tested, namely communication, the fit of the work environment, challenges of work, independence, diversity, leadership, reward recognition, and development learning. This study uses a quantitative approach by distributing questionnaires to all of the employees. The results of the existing research show that there are only 3 factors that influence employee engagement, namely the fit of the work environment, reward recognition, and development learning. The conclusion that can be taken is that not all factors influence employee engagement and only 3 of these factors influence employee engagement.

"