Hadi Sutanto Saragi
Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudarto, SH. Kampus UNDIP Tembalang, Semarang 50275, Indonesia

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kV JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Saragi, Hadi Sutanto; Hermawan, Hermawan; Handoko, Susatyo
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 2, NO. 3, SEPTEMBER 2013
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (672.269 KB) | DOI: 10.14710/transient.2.3.614-620

Abstract

Abstrak Penjadwalan pembebanan merupakan hal penting untuk mengoptimalkan transmisi daya pada sistem. Salah satu cara untuk menghasilkan sistem transmisi energi listrik yang lebih optimal adalah dengan meminimalkan rugi-rugi sistem transmisi (transmission losses) menggunakan perhitungan faktor penalti (penalty factor). Faktor penalti merupakan gambaran rugi-rugi daya pada saluran transmisi yang dihasilkan saat pembangkit mengirim daya ke beban. Mentransfer daya dari pembangkit yang losses tinggi ke pembangkit yang losses rendah (penjadwalan pembangkit) dapat meminimalkan rugi-rugi sistem transmisi.Untuk perhitungan penjadwalan pembangkit menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) dengan menggunakan software MATLAB. Dari penelitian ini didapat penjadwalan optimal pada sistem transmisi 500 kV Jawa-Bali dengan pengurangan losses pada 13 waktu pembebanan.  Kata kunci : losses, faktor penalti, ANFIS, penjadwalan pembebanan  Abstract Plant loading schedule is an important part to find optimal power flow. One kind of method to generate more optimum electrical energy transmission system is to minimize the transmission system losses using the calculation of the penalty factor. Penalty factor is a characteristic of power loss in the transmission line that is produced when plants send power to the load. Transfering power from high losses plant to low losses (plant loading schedule) could minimize losses in the network. The calculation of plant loading schedule is using Adaptive Neuro Fuzzy Inference System (ANFIS) in MATLAB software. This research obtained optimal scheduling on the 500 kV transmission system Java-Bali with losses reducing at the 13 loading time. Keyword : losses, penalty factor, ANFIS, plant loading schedule
Analisis Risiko Keterlambatan Material dan Komponen pada Proyek Pembangunan Kapal dengan Metode House of Risk (HOR) Studi Kasus: Pembangunan Kapal Ro-Ro 300 GT Danau Toba Sibuea, Maria Elfrida; Saragi, Hadi Sutanto
Jurnal Sistem Teknik Industri Vol. 21 No. 2 (2019): JSTI Volume 21 Number 2 July 2019
Publisher : TALENTA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1243.605 KB) | DOI: 10.32734/jsti.v21i2.1217

Abstract

Proses pelaksanaan proyek yang sesuai dengan kontrak merupakan hal yang sangat penting dalam pembangunan kapal Ro-Ro 300 GT Danau Toba, milik Kementerian Perhubungan Republik Indonesia. Proses pelaksanaan proyek pembangunan kapal Ro-Ro 300 GT Danau Toba tidak terhindar dari risiko baik skala kecil maupun besar yang menimbulkan kerugian berupa tambahan waktu, pembengkakan biaya dari rencana awal, bahkan mempengaruhi kualitas baik buruknya konstruksi kapal. Salah satu risiko yang mempengaruhi ketepatan waktu penyelesaian proyek pembangunan kapal Ro-Ro 300 GT Danau Toba adalah keterlambatan material dan komponen. Tujuan penelitian ini, menentukan material dan komponen yang memiliki risiko ekstrim, mengidentifikasi risiko keterlambatan material dan komponen dan memberikan rekomendasi berupa tindakan pencegahan terhadap keterlambatan material dan komponen pada pelaksanaan pembangunan kapal Ro-Ro 300 GT Danau Toba. Metode yang digunakan adalah House of Risk (HOR), dengan hasil yang diharapkan dapat menentukan prioritas tindakan pencegahan yang diusulkan. Hasil penelitian menunjukkan bahwa material dan komponen dengan risiko ekstrim adalah pelat geladak utama tepi 8 mm, pelat geladak utama tipikal 12 mm dan gading utama (main frame). Dari hasil HOR I, pelat geladak utama tepi 8 mm dan pelat geladak utama tipikal 12 mm didapatkan dari 22 penyebab risiko terdapat 14 penyebab risiko, sedangkan gading utama (main frame) didapatkan dari 17 penyebab risiko terdapat 11 penyebab risiko yang perlu diberikan penanganan. Hasil HOR II, menunjukkan pelat geladak utama tepi 8 mm dan pelat geladak utama tipikal 12 mm dari 20 tindakan pencegahan terdapat 11 tindakan pencegahan dan gading utama (main frame) dari 14 tindakan pencegahan terdapat 8 tindakan pencegahan yang perlu dilakukan terlebih dahulu
PELLET PRODUCTION MACHINE DESIGN USING THE AXIOMATIC HOUSE OF QUALITY (AHOQ) METHOD AT NABOLAK FISHERY Saragi, Hadi Sutanto; Sihaloho, Iswanti; Mauliate, Isak; M., Wesly
Jurnal Ilmiah Teknik Industri Vol. 12 No. 1 (2024): Jurnal Ilmiah Teknik Industri : Jurnal Keilmuan Teknik dan Manajemen Industri
Publisher : Program Studi Teknik Industri, Fakultas Teknik Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jitiuntar.v12i1.26357

Abstract

In fish farming, the most significant operational cost is the cost of feed or pellets. Nabolak Fisheries is one of the fish farms in Toba Regency. Nabolak Fisheries can process fish harvests directly into packaged derivative products such as fish meat processed into nuggets, fish bones processed into crackers, and dregs from processing residues used as catfish feed. Nabolak fisheries have the potential to produce fish pellets to reduce operational costs and increase revenue. With their own pellet production machine, fish farmers in the Nabolak Fishery can produce their feed and add derivative products. The design of pellet production machines that are effective, efficient, and follow the needs of fish farmers in order to increase farmer productivity. The Axiomatic House of Quality (AHOQ) method is an effective method for solving pellet machine design problems. This method determines what machine specifications are needed by involving customer requirements, functional requirements, and other elements. After obtaining the design and specifications, modeling was carried out using Solidwork software. Solidwork will feature a three-dimensional design. The three-dimensional design produced by SolidWorks is then given to the blacksmith to make the pellet production machine.