Hasil Pencarian  ::  Simpan CSV :: Kembali

"Indonesia sebagai negara berkembang sedang mengalami masa pembangunan infrastruktur yang besar. Masalah keselamatan kerja tidak terpisahkan dari berbagai masalah yang sering terjadi dalam proyek konstruksi. Implementasi desain untuk keselamatan (DfS) adalah salah satu strategi terpenting untuk mencegah kecelakaan kerja. Studi ini bertujuan untuk menganalisis beberapa faktor yang mempengaruhi implementasi desain keselamatan kerja menggunakan dua pendekatan statistik, yaitu pemodelan persamaan struktural (SEM) dan jaringan syaraf tiruan (ANN). SEM menganalisis pola hubungan antara variabel dan indikatornya, sementara ANN memetakan berbagai pola serupa untuk membuat prediksi tentang variabel yang mempengaruhi implementasi DfS. Sebagai hasilnya, desainer, pemilik, kebijakan, alat/peralatan, pengetahuan, dan dokumen kontrak secara positif mempengaruhi implementasi DfS dengan desainer dan dokumen kontrak sebagai variabel yang paling signifikan. Oleh karena itu, industri dan lembaga pemerintah disarankan untuk memprioritaskan faktor dokumen kontrak dan desainer dengan variabel lain sebagai faktor pendukung dalam program mereka untuk mempercepat implementasi DfS di Indonesia.

---

Indonesia as a developing country is experiencing a period of massive infrastructure development. Problems regarding work safety are inseparable from various issues that often occur in construction projects. Implementing design for safety (DfS) is one of the most important strategies to prevent work accidents. This study aims to analyze multiple factors that influence the implementation of work safety design using two statistical approaches, namely structural equation modeling (SEM) and artificial neural network (ANN). SEM analyzes the relationship pattern between variables and their indicators and ANN maps various similar patterns to make predictions on variables that influence DfS implementation. As a result, designer, owner, policy, tools/equipment, knowledge, and contract document are positively affect DfS implementation with designer and contract document as the most significant variables. Accordingly, the industry and government agencies are advised to prioritize contract document and designer factors with other variables as supporting factors in their program to accelerate DfS implementation in Indonesia."

"Investors form their expectations by reacting to new information. As technology advances, social media plays an increasingly important role in investor decision-making by providing large volumes of information quickly. Previous studies have noted a relationship between sentiment on social media and stock market volatility. Therefore, in many studies, Twitter is widely used as a source of public sentiment to predict the stock market. Furthermore, since macroeconomic variables definitively affect investor expectations and stock prices, this study aims to predict the daily movement of the JCI using Twitter sentiment on the Indonesian economy and macroeconomic variables. Our results show that Twitter sentiment on the Indonesian economy is positively correlated with the movement of the JCI, although weak. Then, we use the Multilayer Perceptron algorithm to predict the movement of the JCI which is able to achieve an accuracy of 63.11%. This figure is 8.19% higher than the model that only uses macroeconomic variables.

---

Investor membentuk ekspektasi mereka dengan bereaksi terhadap informasi baru. Seiring berkembangnya teknologi, media sosial memainkan peran yang semakin penting dalam pengambilan keputusan investor dengan menyediakan informasi bervolume yang besar dan cepat. Studi sebelumnya mencatat hubungan antara sentiment di media sosial dan volatilitas pasar saham. Oleh karena itu, dalam banyak penelitian, Twitter banyak digunakan sebagai sumber sentimen publik untuk memprediksi pasar saham. Selanjutnya, karena variabel makroekonomi secara definitif mempengaruhi ekspektasi investor dan harga saham, penelitian ini bertujuan untuk memprediksi pergerakan harian IHSG dengan menggunakan sentimen Twitter pada ekonomi Indonesia dan variable makroekonomi. Hasil penelitian kami menunjukkan bahwa sentimen Twitter terhadap perekonomian Indonesia berkorelasi positif terhadap pergerakan IHSG walau lemah. Lalu, kami menggunakan algoritma Multilayer Perceptron untuk memprediksi pergerakan IHSG yang mampu mencapai akurasi 63,11%. Angka tersebut 8,19% lebih tinggi daripada model yang hanya menggunakan variabel makroekonomi."

"Separator siklon memainkan peran penting dalam berbagai aplikasi industri, terutama dalam penyaringan partikel untuk perlindungan lingkungan dan kesehatan. Selama beberapa tahun terakhir, telah terjadi proses modifikasi pada berbagai sistem separator, termasuk desain siklon inovatif yang menarik perhatian karena mampu meningkatkan efisiensi pemisahan. Studi ini menggunakan Response Surface Methodology (RSM), Artificial Neural Network (ANN), dan Multi Objective Genetic Algorithm (MOGA) untuk mengoptimalkan kinerja separator siklon tipe double-inlet dan lapple. Melalui simulasi dan analisis statistik, studi ini menyelidiki pengaruh tipe siklon dan kecepatan aliran masuk terhadap efisiensi total, efisiensi pemisahan per fraksi (grade removal efficiency), dan penurunan tekanan. Hasil penelitian menunjukkan keunggulan desain siklon lapple dibandingkan separator siklon double-inlet. Model RSM dan ANN menunjukkan tingkat akurasi prediksi yang tinggi, dengan nilai R² yang mengindikasikan korelasi kuat terhadap data aktual. Kondisi operasi optimal yang diidentifikasi adalah penggunaan siklon tipe lapple dengan kecepatan aliran masuk 18,52 m/s, menghasilkan efisiensi total sebesar 88,89%, penurunan tekanan sebesar 1771,39 Pa, dan efisiensi pemisahan per fraksi sebesar 82,44%. Hasil ini memberikan wawasan untuk meningkatkan kinerja separator siklon. Penelitian ini menegaskan efektivitas RSM, ANN, dan MOGA dalam optimalisasi separator siklon.

---

Cyclone separators play a crucial role in various industrial applications, particularly in particle filtration for environmental and health protection. Over the past few years, the process of modifying different systems has been taking place of cyclones, such as the innovative cyclone design, has garnered attention for enhancing separation efficiency. This study used Response Surface Methodology (RSM), Artificial Neural Network (ANN), and Multi Objective Genetic Algorithm (MOGA) for optimizing the performance of both double-inlet and lapple cyclone separators. Through simultion and statistical analysis, the study investigates the impacts of cyclone type and inlet velocity on total efficiency, grade removal efficiency, and pressure drop. The results demonstrate the superiority of the lapple cyclone design over the double inlet cyclone separator. The RSM and ANN models exhibit high predictive accuracy, with R² values indicating strong correlations with actual data. Optimal operating conditions for the cyclone have been identified with the cyclone type is lapple cyclone and the inlet velocity 18.52 m/s, resulting total efficiency of 88.89%, pressure drop of 1771.39 Pa, and grade removal efficiency of 82.44%, providing insights for improving cyclone separator performance. This research highlights the effectiveness of RSM, ANN, and MOGA in optimizing cyclone separators."

"Perencanaan produksi pada sebuah industri, membutuhkan keputusan yang tepat untuk menentukan jumlah produksi agar dapat memenuhi permintaan konsumen tanpa menghasilkan stok berlebih. Peramalan permintaan merupakan salah satu faktor penting dalam perencanaan produksi yang mampu membantu menghasilkan keputusan produksi yang tepat. Pada industri otomotif mobil, peramalan yang akurat sangat dibutuhkan untuk mengatasi permintaan yang tidak menentu, khususnya untuk produk service parts, yang pada kenyataannya memiliki permintaan yang tidak menentu dari konsumen dan seringkali membuat perusahaan mobil yang memproduksinya mengalami kerugian karena backorder atau overstock. Artificial neural network ANN merupakan suatu metode berbasis machine learning dengan cara kerja seperti otak manusia yang juga mampu melakukan peramalan untuk data dengan pola non-linier. Pada penelitian kali ini, dilakukan peramalan dengan objek 10 jenis service parts berbeda dengan menggunakan metode artificial neural network yang kemudian dilakukan perbandingan dengan peramalan metode single exponential smoothing dan croston rsquo;s method untuk dapat membandingkan tingkat akurasi dari peramalan tersebut dan menghasilkan peramalan dengan metode yang paling akurat. Hasil perhitungan pada penelitian ini menunjukkan peramalan metode artifcial neural network mampu menghasilkan peramalan yang lebih akurat dibanding dua metode lain.

---

Production planning in an industry, required precise decisions to made in order to determine the amount of product that will be produced to fulfill the customer's demand without produce excess stock. Demand forecasting is one of the most important factor in production planning process that able to generate precise production decision.

The automotive industry like car manufacturer, always need an accurate demand forecast serve the uncertain demand of their products, especially the service parts product, that in fact always has uncertainity in it's demand and frequently causing the manufacturer company lose their profit due to tha backorder and overstock occurence. Artificial neural network is a machine learning computation method that could work similarly like human brain that also can forecast a non linier data.

In this research, the data is gained from the demand of 10 car's service parts in a car manufacturer and forecasted with artificial neural network and also two other methods, single exponential smoothing and croston's method to generate a forecasting with the most accurate method. The result of the calculation in this research shows that forecasting with artificial neural networks produce the most accurate forecast for the car's service parts demand."

"PT.X telah memiliki pengalaman operasional dan reputasi yang balk selama berpuluh tahun dalam menggeluti bidang bisnis Percetakan Security khususnya uang kertas yang sangat vital dan memiliki pasar yang captive.PT.X secara teoritis memiliki kapasitas produksi diatas permintaan, namun masih memiliki permasalahan dalam hal ketepatan penyerahan produknya. Perrnasalahan ini diakibatkan terjadinya penyimpangan performa standar dari unit Flokulasi ( pengolah limbah tinta ) yang berdampak pada menurunnya kinerja permesinan di unit cetak Intaglio. Disisi lain PT.X berupaya untuk meningkatkan kemampulabaan dan kemamputumbuhan , oleh karena itu upaya yang diambil PT.X adalah memperbaiki sekaligus meningkatkan kinerja sistim produksinya.Untuk mengatasi permasalahan tersebut, maka dikembangkan suatu bentuk Strategi Manufaktur yang diimplementasikan melalui langkah - langkah perbaikan pada sistim pengendalian proses Flokulasi. Adapun langkah pertama yang dilakukan adalah untuk mengetahui kondisi aktual perusahaan termasuk kinerja dari lini permesinannya, dimana metode yang dipakai adalah analisa kuantitative atas laporan keuangan dan analisa kinerja bisnis yaitu analisa SWOT.Sedangkan kondisi kinerja Manufaktur dari unit Produksi diukur dengan memakai rasio MCE (Manufacturing Cycle Effectiveness) , rasio Machine Effectiveness dan sebagai pembanding dilakukan analisa Benchmarking atas dua Industri sejenis.Metode yang dipakai untuk meningkatkan mutu sistim pengendalian proses Flokulasi adalah dengan mengembangkan suatu bentuk teknologi berberbasis Artificial Neural Network, yang memiliki kemampuan untuk memprediksi hasil akhir/output dari proses Flokulasi yang sedang berlangsung.Semua ini akan menunjang usaha peningkatan kemampulabaan ,kemamputumbuhan terutama dari segi mutu produk dan ketepatan waktu penyerahan produk sesuai dengan tuntutan konsumen.

---

PT.X has many years of operational experience and a good reputation in the business of Security Printing especially paper money and has a Captive market.Theoretically PT.X has a production capacity exceeding the demand , but has problem in the delivery time. This in turn lowers the machinery performance in the Intaglio printing section, which is basically due to the deviation of the performance standard of the Flocculation unit from the water treatment plant.PT.X expect to increase profitability and growth by enhancing the performance of the production system.To solve this problem by developing a form of Manufacturing Strategy implemented through remedial steps taken in the process control system of the Flocculation unit. The first step is to know the actual condition of the company including the production line machinery . This is done through the quantitative analysis from the financial reports and qualitative analysis of business performances using a SWOT analysis. The next step is to measures the manufacturing performance from the capability of production facility by Manufacturing Cycle Effectiveness ratio, Machine Effectiveness ratio and Benchmarking analysis .The method used in order to enhance quality of the Flocculation process is through the development of technology based on Artificial Neural Network, which is to predict the output of Flocullation process.We concluded that new system will be useful to help improvement effort for the company to increase profitability and growth, such as product quality and delivery time in accordance with the requirement."

"Pelaksanaan proyek sesuai anggaran, jadwal dan kualitas yang direncanakan, memerlukan proses pengendalian mencakup: pengukuran, evaluasi dan tindakan koreksi. Pengendalian biaya terdiri atas enam komponen yaitu: material, tenaga kerja, alat, subkontraktor, overhead dan kondisi umum yang sangat kompleks dan masing-masing mempunyai kemungkinan terjadi cost overrun yang mengakibatkan penurunan kinerja biaya kontraktor. Untuk mengatasi hal tersebut diperlukan suatu sistem yang dapat mendukung pengambilan keputusan berupa tindakan koreksi yang dapat dilakukan berdasarkan identifikasi penyebab penyimpangan yang terjadi. Sistem ini diperoleh dari pengalaman para pakar dan dikembangkan menjadi suatu program komputer.Penelitian ini menggunakan pendekatan pattern recognition driven Hybrid Statistik-Artificial Neural Network untuk menyusun sistem pengendalian biaya subkontraktor dengan urutan indikator-dampak-penyebab-tindakan koreksi. Program yang dihasilkan pada penelitian ini merupakan pengembangan program DSS dengan penambahan fasilitas neural mode, dimana didalamnya digunakan proses Artificial Neural Network (ANN) dampak-penyebab dan proses model regresi dan probabilitas keberhasilan tindakan koreksi yang ditampilkan secara grafik.Hasil penelitian ini yaitu: pertama, pattern recognition membentuk knowledge base pengendalian biaya subkontraktor; kedua, proses ANN memiliki kemampuan analisis nonlinear dampak-penyebab penyimpangan biaya dengan lebih akurat; ketiga, 94 model tindakan koreksi dapat meningkatkan kinerja kembali normal dengan peluang keberhasilan 53.90-85.13% dengan usaha 3.49-7.09%; keempat, hasil validasi program dengan fasilitas Neural Mode menunjukkan hasil baik, tampilan grafik memperjelas tindakan koreksi dan analisis pattern membentuk pemahaman lebih baik."

"Artificial neural network (ANN) inspered from biological science...."

"The feed forward neural network (FFANN) model has been the most popular form of artificial neural network model used for forecasting, particularly in economics and finance. In this paper, we elucidate the application of FFANN as a means of modeling financial data. We particularly focus on the model building of FFANN as time series model and use inflation rates in Indonesia as a case study. A comparison is drawn between FFANN model and the best existing models based on traditional econometrics time series approach. The best models are selected on forecasting ability by using the MSE, particularly on the dynamic forecast. The results show that FFANN models outperform the traditional econometric time series model."

"Energi pasang surut adalah sumber daya energi yang bersih dan dapat diprediksi yang umumnya dimanfaatkan dengan menggunakan turbin pasang surut sumbu horizontal. Proses pembangkit listrik dari turbin pasang surut dipengaruhi oleh berbagai elemen, salah satunya adalah kinerja hydrofoil. Ini termasuk lift coefficient, drag coefficient, dan lift-to-drag ratio. Studi ini memperkenalkan penggunaan hidrofoil Orcinus Orca untuk turbin pasang surut sumbu horizontal. Geometri Orca Original Hydrofoil diperoleh dengan memodifikasi airfoil NACA0021. Selanjutnya, parameterisasi kurva Bezier digunakan untuk membuat profil hydrofoil yang halus. Studi ini juga menggunakan Artificial Neural Network yang dikombinasikan dengan Multi Objective Genetic Algorithm, khususnya untuk mengoptimalkan bentuk hydrofoil pada kecepatan aliran rendah, yaitu pada kecepatan fluida 0.5 m/s. Tujuan dari optimasi ini adalah untuk meningkatkan lift coefficient dan mengurangi drag coefficient untuk meningkatkan lift to drag ratio. Temuan menunjukkan peningkatan kinerja yang signifikan, karena hydrofoil Orcinus Orca yang dioptimalkan menunjukkan peningkatan yang luar biasa sebesar 42.78% dan 27.93% dibandingkan dengan Orca Original dan hydrofoil Orccinus Orca yang dimodifikasi dengan Bezier. Dalam simulasi lain, ditunjukkan bahwa Orca Optimized Hydrofoil memiliki potensi untuk dapat berfungsi sebagai turbin pasang surut, dengan Power Coefficient sebesar 0.323, yang meningkat menjadi 0.666 dengan penambahan Lobed Ejector V10. Lobed Ejector sendiri memberikan peningkatan Power Coefficient sebesar 106.2% dibandingkan dengan turbin yang beroperasi tanpanya.

---

Tidal energy is a clean and predictable power source that is commonly harnessed by using horizontal axis tidal turbines. The power generating process of tidal turbines is influenced by various elements, one of which is the hydrofoil performance. This includes the lift coefficient, drag coefficient, and lift-to-drag ratio. This study introduces the utilization of the Orcinus Orca hydrofoil for horizontal axis tidal turbines. Orca Original Hydrofoil geometry is obtained by modified the NACA0021 airfoil. Subsequently, Bezier curve parameterization is employed to make a smooth hydrofoil profile. The study further deploy an Artificial Neural Network coupled with a Multi-Objective Genetic Algorithm, specifically targeting optimization of the hydrofoil shape optimization at a low flow velocity, specifically at an inlet velocity of 0.5 m/s. The aim of this optimization is to augment the lift coefficient and diminish the drag coefficient to amplify the lift to drag ratio. The findings reveal a significant enhancement in performance, as the optimized Orcinus Orca hydrofoil exhibits a remarkable increase of 42.78% and 27.93% compared to the original Orcinus Orca and the Bezier-modified Orcinus Orca hydrofoils, respectively. In another simulation, it was demonstrated that the Orca Optimized Hydrofoil has the potential to function as a tidal turbine, exhibiting a Power Coefficient of 0.323, which increases to 0.666 with the addition of the Lobed Ejector V10. The Lobed Ejector alone accounts for a 106.2% increase in Power Coefficient compared to the turbine blade operating without it."