Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISIS BIAYA MANPOWER MENGGUNAKAN METODE CRASHING PADA REPLATING REPARASI KAPAL DI PT. DAYA RADAR UTAMA LAMPUNG Rahman, Taufik
Inaque : Journal of Industrial and Quality Engineering Vol 10 No 2 (2022): Inaque Agustus 2022
Publisher : Teknik Industri Unikom

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (474.774 KB) | DOI: 10.34010/iqe.v10i2.8188

Abstract

Kapal laut telah dikenal lama sebagai alat transportasi yang menghubungkan antar pelabuhan. Pada saat ini bagian kapal sebagian besar terbuat dari logam yang disebabkan oleh faktor usian kapal atau akibat benturan menyebabkan korosi dan kerusakan pada bagian kapal. Untuk menjaga agar kapal tetap dapat beroperasi melayani penumpang, barang dan kendaraan maka kapal harus melakukan pemeliharaan dan perawatan. Kegiatan pemeliharaan dan perawatan salah satunya adalah replating yaitu proses pergantian dan pembaharuan pelat besi maupun plat baja yang baru untuk menggantikan pelat lama уаng telah mengalami penipisan diakibatkan korosi maupun deformasi terhadap air laut atau terkena benturan. Aktivitas replating ini memerlukan waktu sehingga diperlukan suatu perencanaan kebutuhan manpower untuk reparasi kapal. Harus dilakukan analisis terhadap banyaknya manpower yang dibutuhkan dan menghitung penambahan biaya dengan digunakannya metode crashing. Dari hasil perhitungan biaya manpower untuk pekerjaan di replating pada proyek reparasi kapal KMP. Jatra III, di dapatkan jumlah manpower saat kondisi normal adalah 10 orang dan setelah menggunakan metode crashing memerlukan manpower 14 orang dengan total selisih biaya pada durasi normal dengan durasi crashing yaitu Rp.480.000,- Dengan demikian presentase kenaikan biaya manpower akibat adanya penambahan tenaga kerja adalah 1,8 % dari biaya normal yang di perlukan. Kata Kunci : manpower, crashing, replating, kapal.
IoT-enabled digital twin with renewable energy for sustainable mudless eel aquaculture Muhammad Ferdiansyah; Lika Mariya; Taufik Rahman; Sugeng Dwiono
Indonesian Journal of Electrical Engineering and Computer Science Vol 41, No 3: March 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v41.i3.pp912-923

Abstract

This research develops and tests a digital twin (DT)-based smart aquaculture system for mud-free eel farming through the integration of IoT sensing, artificial intelligence (AI)-based prediction, edge computing, and solar energy-based automation. The approach used is experimental systems engineering, which includes system design, hardware and software implementation, virtual replication, and physical-digital two-way synchronization. The system utilizes ESP32-based pH, temperature, dissolved oxygen (DO), ammonia (NH₃), and turbidity sensors, MQTT communication, and Raspberry Pi edge computing. Water quality prediction is performed using long short-term memory (LSTM) and random forest regression. The dataset consists of 30 days of real-time data covering water quality, actuator activity (aerator, pump, feeder), and energy production and consumption by IoT sensors and energy meters. Results show that LSTM excels by R² = 0.94; RMSE = 0.14; MAPE <5% and synchronization latency <1.5 seconds. Solar energy integration reduces energy consumption by 54 67%, whilst automation increases eel survival rate by 78% to 91%. The novelty of this research lies in the first integrated implementation of DT, AIoT, and solar energy-based automation in mud-free eel farming. The proposed framework provides a precise, scalable, and sustainable solution for the development of modern aquaculture.