Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal INTECH Teknik Industri Universitas Serang Raya Engineering Science Letter
Moh. Nurudduja
Universitas Bojonegoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Digital Human Modeling sebagai Evaluasi dan Perancangan Meja Kerja Pengelasan untuk Pembelajaran Praktikum Mahasiswa Eko Wahyu Abryandoko; Ardana Putri Farahdiansari; Ahmad Ridho Ramadhani; Moh. Nurudduja
Jurnal INTECH Teknik Industri Universitas Serang Raya Vol. 10 No. 1 (2024): Juni
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/intech.v10i1.8368

Abstract

Perancangan konsep meja kerja pengelasan untuk proses pembelajaran perlu memper­timbangkan resiko Work-related musculoskeletal disorders (WMSDs). Perancangan konsep meja kerja pengelasan dilakukan dengan tujuan meminimalisir risiko EFPs, khususnya jenis gerakan fleksi ke depan pada leher dan posisi lengan yang terangkat saat melakukan pengelasan dalam posisi berdiri dengan estimasi welding selama 360 menit. Penelitian ini bertujuan untuk merancang konsep desain meja kerja pengelasan yang ergonomis, dengan penilaian menggunakan beberapa parameter yang disimulasi­kan menggunakan Digital Human Modeling. Metode yang digunakan untuk merancang konsep meja kerja pengelasan adalah metode Pugh concept Selection, yang kemudian disimulasikan menggunakan perangkat lunak Catia V5 R21 untuk menganalisis nilai LBA dan RULA. Parameter postur tubuh model manusia disesuaikan dengan tiga subjek yang diuji menggunakan meja kerja sebelum dimodifikasi. Hasil identifikasi pada konsep desain, ditemukan alternatif konsep desain I untuk meja kerja pengelasan. Konsep ini men­cakup beberapa parameter spesifikasi, ter­masuk kemampuan meja untuk disesuai­kan secara langsung, penjepit komponen penge­lasan yang dibuat secara permanen, penggunaan manual tanpa alat bantu setup, kemampuan penyesuaian sudut kemiringan meja, dan ketinggian meja yang dapat disesuaikan menggunakan sistem ulir. Setelah mendapatkan konsep desain tersebut, dilakukan pengujian simulasi pada konsep desain terpilih. Hasil pengujian simulasi didapatkan nilai LBA pada konsep desain meja pengelasan dengan ketinggian 70 cm dan 100 cm (tinggi meja dapat menyesuaikan postur tubuh) lebih aman dan nyaman dibandingkan dengan desain meja pengelasan sebelum dimodifikasi (50 cm). Hal ini juga terjadi pada penilaian RULA, Dimana desain meja kerja pengelasan baru mampu meningkatkan nilai yang semula 7 menjadi 3. Berdasarkan temuan tersebut, pengem­bangan konsep meja kerja pengelasan terbukti efektif untuk digunakan dalam proses pembelajaran, karena mahasiswa dapat mempelajari secara langsung penggunaan meja yang tepat dengan memperhitungkan kesejahteraan ergonomis operator untuk mengurangi risiko cedera WMSDs pada pekerjaan pengelasan.
Optimization of Concrete Mix Composition Containing Fly Ash and Slag Using a Machine Learning Algorithm for Compressive Strength Prediction Ichwan Hadi Saputra; Eko wahyu Abryandoko; Moh. Nurudduja
Engineering Science Letter Vol. 5 No. 02 (2026): In Press - Engineering Science Letter
Publisher : The Indonesian Institute of Science and Technology Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56741/IISTR.esl.002300

Abstract

The modern construction industry faces significant challenges in developing sustainable concrete materials while maintaining structural quality requirements. Conventional trial-and-error methods for concrete mix design are time-consuming, costly, and often result in high variability in concrete quality. This study presents an integrated framework that combines machine learning techniques for concrete compressive strength prediction with genetic algorithm optimization to determine optimal mix compositions containing fly ash and blast furnace slag. Two predictive models were developed using the UCI Machine Learning Repository concrete dataset comprising 1,030 samples: Artificial Neural Network (ANN) Ensemble and Support Vector Regression (SVR). The ANN model demonstrated superior performance, achieving R² values ranging from 0.7475 to 0.8372, RMSE values between 6.11 and 7.94 MPa, and classification accuracy of 86.92% for concrete quality categorization across three classes (Class I: <20 MPa, Class II: 20-35 MPa, Class III: >35 MPa). In comparison, the SVR model achieved competitive but slightly lower performance with R² values of 0.7491-0.8378 and classification accuracy of 80.37%. The stability and generalizability of both models were confirmed through five-fold cross-validation. Subsequently, genetic algorithm optimization was applied to determine optimal mix compositions for each quality class while ensuring compliance with Indonesian National Standards (SNI 2847:2019, SNI 2461:2011, and SNI 8297:2016). The optimization process successfully produced concrete mix designs that achieved target compressive strengths of 14.95 MPa for Class I, 27.48 MPa for Class II, and 59.99 MPa for Class III. This framework demonstrates significant potential for developing sustainable concrete with optimal performance while meeting applicable technical standards, thereby contributing to a reduced carbon footprint in the construction industry through strategic utilization of supplementary cementitious materials.
Co-Authors Ahmad Ridho Ramadhani Ardana Putri Farahdiansari EKO WAHYU ABRYANDOKO Ichwan Hadi Saputra