Claim Missing Document
Check
Articles

Found 4 Documents
Search

Studi Experimen Mula: Analisa Kekasaran Permukaan Baja ST 37 Terhadap Variasi Kuat Arus Listrik Ita Wijayanti; Rahman Hakim; Widodo Widodo
Jurnal Teknologi dan Riset Terapan (JATRA) Vol 1 No 2 (2019): Jurnal Teknologi dan Riset Terapan (JATRA) - December 2019
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (734.114 KB) | DOI: 10.30871/jatra.v1i2.1781

Abstract

Proses pemesinan konvensional tidak mampu mengakomodasi pembuatan produk yang memiliki desain kompleks dan membutuhkan tingkat ketelitian yang tinggi. Teknologi electrical discharge machining (EDM) merupakan proses pemesinan nonkonvensional yang mampu mengakomodasi kebutuhan-kebutuhan tersebut. Dengan EDM maka stres mekanis, chatter dan masalah getaran saat proses pemesinan dapat dikurangi. Penelitian ini bertujuan untuk mengetahui pengaruh variasi arus listrik yang berbeda (3A, 6A dan 12A) saat pemesinan EDM terhadap nilai kekasaran (Ra) permukaan benda kerja (baja ST37). Elektroda yang digunakan yaitu berbahan baku tembaga. Hasil penelitian menunjukkan bahwa Ra terkecil (3,452 μm) diperoleh pada variasi arus 3A, sedang pada arus listrik 6A diperoleh Ra sebesar 4,789 μm dan Ra sebesar 7,313 μm pada arus listrik 12A. Semakin besar arus listrik yang digunakan selama pemesinan EDM maka semakin kasar permukaan benda kerja yang dihasilkan. Kata Kunci: EDM, Nilai Kekasaran, Tembaga, ST37
ANALISIS PENGARUH SUDUT MASUK HALUAN TERHADAP HAMBATAN KAPAL MENGGUNAKAN SOFTWARE MAXSURF Perkasa, Veryawan Nanda; Ita Wijayanti; Hanifah Widiastuti; Meschac Timothee Silalahi
Device Vol. 15 No. 2 (2025): Bulan November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/6f2scr33

Abstract

Optimasi geometri lambung kapal merupakan strategi krusial untuk meningkatkan efisiensi hidrodinamis dan mengurangi konsumsi bahan bakar dalam industri maritim modern. Penelitian ini menginvestigasi pengaruh variasi sudut masuk haluan (entrance angle) terhadap karakteristik hambatan kapal displacement melalui simulasi numerik sistematis menggunakan Maxsurf Resistance dengan metode slenderbody. Empat model kapal dengan sudut masuk 15°, 20°, 25°, dan 30° dianalisis secara komprehensif pada rentang kecepatan operasional 15-25 knot (bilangan Froude 0,45-0,75), mencakup 44 kondisi simulasi. Model kapal memiliki panjang keseluruhan 30 meter, lebar 8 meter, sarat 2,5 meter, displacement 319 ton, dan koefisien blok 0,52, merepresentasikan kapal patroli dan kapal penyeberangan cepat yang beroperasi di perairan Indonesia. Hasil penelitian menunjukkan bahwa sudut masuk haluan memiliki pengaruh sangat signifikan terhadap total hambatan, dengan magnitude pengaruh yang meningkat pada kecepatan tinggi. Model dengan sudut masuk 15° menghasilkan hambatan terendah secara konsisten di seluruh rentang kecepatan yang diuji. Pada kecepatan 20 knot, model 15° menghasilkan hambatan 193,7 kN dibandingkan 285,0 kN untuk model 30°, menunjukkan perbedaan substansial sebesar 47,1% atau 91,3 kN. Analisis mekanisme fisika mengungkapkan bahwa sudut masuk yang lebih tajam menghasilkan karakteristik pembentukan gelombang yang lebih efisien dengan amplitudo bow wave lebih rendah, sistem gelombang yang lebih terorganisir, dan interferensi gelombang yang menguntungkan. Sensitivitas hambatan terhadap sudut masuk meningkat pada kecepatan tinggi (Fn > 0,60) dimana hambatan gelombang menjadi komponen dominan. Untuk kapal cepat dengan kecepatan operasional 20-25 knot, sudut masuk 15-20° direkomendasikan untuk minimisasi hambatan dan optimisasi efisiensi bahan bakar, dengan potensi penghematan operasional jutaan dollar selama lifecycle kapal
PRODUCTIVITY IMPROVEMENT LAPPING POT PADA MESIN AUTO CONTOUR LAPPING Novebriantika; Agung Handi Wibowo; Nurul Fadilah; Rahman Hakim; Yusuf Nurhuda; Ita Wijayanti
Jurnal Teknologi Dan Riset Terapan (JATRA) Vol. 7 No. 2 (2025): Jurnal Teknologi dan Riset Terapan (JATRA) - December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jatra.v7i2.9487

Abstract

Improving seal production output requires productivity enhancements that increase the efficiency and effectiveness of both machinery and tooling. One of the main issues was identified in the auto contour lapping machine, particularly in the lapping pot, which was considered ineffective and inefficient in its application. This condition resulted in low production output, longer processing times, and increased material waste due to the use of rubber-based lapping pots. To overcome these limitations, an improved lapping pot was designed and manufactured using 3D printing technology, replacing rubber with filament material to reduce production waste. This study focuses on the design, fabrication, and feasibility evaluation of the improved lapping pot through direct implementation in the production process. Performance evaluation included visual inspection, free height measurement, and surface quality inspection of the seals. The results show that the improved lapping pot is suitable for production use and significantly enhances productivity. By accommodating four seals in a single lapping pot, the processing time was reduced by a total of 75 seconds per cycle. Consequently, production output increased fourfold from 144 seals per hour to 576 seals per hour, while the seal quality remained consistent and met customer-required dimensions and specifications.
Predictive Maintenance pada Kapal Tanker Mid-Range Menggunakan Machine Learning (XGBoost Algorithm) Meschac Timothee Silalahi; Veryawan Nanda Perkasa; Ita Wijayanti; Hanifah Widiastuti
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study develops a machine learning-based predictive maintenance model for chemical tankers with capacities of 11,000–25,000 DWT using synthetic log-book data representing manual engine-room records without additional sensors. The XGBoost model predicts potential system failures within 14 days, achieving an Area Under Curve (AUC) of 0.9, recall of 0.82, and precision of 0.87. SHAP interpretability analysis identifies exhaust gas temperature differentials between cylinders, scavenge air pressure, and iron content in lubricating oil as the most influential predictors of failure. Implementation of the predictive system improves Mean Time Between Failure (MTBF) by 25.5% and system availability from 94.6% to 97.8%. Economic evaluation yields a Net Present Value (NPV) of USD 2.45 million per vessel with a Payback Period of 11 months. The findings confirm the reliability of machine learning-based predictive maintenance using operational data without expensive sensor infrastructure, supporting both efficiency gains and digital transformation within the maritime industry.