cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arif Eko Wibawanto
Contact Email
arifeko@poliban.ac.id
Phone
-
Journal Mail Official
porosteknik@poliban.ac.id
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
POROS TEKNIK
Published by Politeknik Negeri Banjarmasin
ISSN : 20855761     EISSN : 24427764     DOI : -
Core Subject : Science, Engineering,
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Earth & Planetary Sciences Electrical & Electronics Engineering Engineering
Jurnal POROS TEKNIK, with a registered number ISSN 2085-5761(Print), 2442-7764 (Online) is a journal in Civil Engineering, Electrical Engineering, Mechanical Engineering.
Arjuna Subject : -
Articles 12 Documents
 1   2 
Search results for , issue "Vol. 6 No. 2 (2014)" : 12 Documents clear
PENGARUH PERBEDAAN MEDIA PENDINGIN TERHADAP STRUKTURMIKRO DAN KEKERASAN PEGAS DAUN DALAM PROSES HARDENING Rabiatul Adawiyah; Murdjani -; Ahmad Hendrawan
POROS TEKNIK Vol. 6 No. 2 (2014)
Publisher : P3M Politeknik Negeri Banjarmasin

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

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh perbedaan media pendingin terhadapstrukturmikro pegas daun dalam proses hardening. Proses penelitian adalah dengan jalanmemanasan pegas daun sampai suhu didaerah atau diatas daerah kritis disusul dengan pendinginanyang cepat. Bila kadar karbon diketahui, suhu pemanasannya dapat dibaca dari diagram fasa besicarbida. Akan tetapi bila komposisi baja tidak diketahui, perlu diadakn percobaan untuk mengetahuidaerah pemanasannya. Cara yang terbaik ialah memanaskan dan mencelup beberapa potonganbaja berbagai suhu disusul dengan pengujian kekerasan atau pengamatan mikroskop optik. Bila suhuyang tepat telah diperoleh akan terjadi perubahan dalam kekerasan dan sifat lainnya.Hardening dilakukan untuk memperoleh sifat tahan aus yang tinggi, kekuatan dan fatigue limit/strength yang lebih baik, dan untuk mendapatkan kekerasan yang tinggi.Setelah di lakukan hardeninglangkah selanjutnya yaitu melakukan uji mikrostruktur untuk mengetahui struktur yang ada didalambaja tersebut, jadi setelah didapat hasil kekerasan dan mikrostrukturnya maka dapat dibandingkanhasil kekerasan dari empat sampel dan diambil struktur yang lebih dominan atau kekerasan yangpaling tinggi.Setelah pengujian kekerasan dan mikrostruktur dilakukan maka didapatkan hasil kekerasan dariberbagai variasi media pendingin yaitu media oli HRC 97,2 kg/mm2, media air garam HRC 99,13kg/mm2, media air biasa HRC 96,5 kg/mm2, dan pembanding HRC 94,7 kg/mm2 , jadi dapat disimpulkanbahwa media air garam lebih tinggi harga kekerasannya di bandingkan dengan media lainnya.kekerasan baja tersebut akan bertambah setelah melalui proses perlakuan panas dan denganpendinginan yang tiba – tiba (celup cepat)
PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin Nurmahaludin
POROS TEKNIK Vol. 6 No. 2 (2014)
Publisher : P3M Politeknik Negeri Banjarmasin

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

Abstract

Peramalan beban listrik jangka pendek menjadi penting untuk menjamin ketersediaan daya listrik dalam memenuhi kebutuhan masyarakat sehari-hari. Salah satu metode untuk peramalan beban listrik jangka pendek adalah menggunakan jaringan syaraf tiruan. Pada penelitian ini digunakan algoritma Particle Swarm Optimization (PSO) sebagai algoritma pelatihan jaringan syaraf tiruan untuk meramalkan waktu beban puncak. Algoritma Backpropagation dan Regresi Linear Berganda diujikanuntuk kemudian digunakan sebagai pembanding dengan PSO.Arsitektur jaringan syaraf tiruan dibangun dengan tiga lapisan, yaitu lapisan input, sebuah lapisan tersembunyi, dan lapisan output. Lapisan input menggunakan dua buah neuron, lima neuron pada lapisan tersembunyi, dan satu neuron pada lapisan output. Karena merupakan aplikasi peramalan time series, maka input yang digunakan adalah beban listrik pada hari ini t(h) dan hari sebelumnya t(h-1). Sedangkan output adalah prakiraan beban pada keesokan harinya t(h+1) pada jam yangsama.Hasil pengujian menunjukkan bahwa algoritma pelatihan PSO memberikan rata-rata kesalahan peramalan yang lebih kecil yaitu sebesar 2.492% dibandingkan dengan Backpropagation sebesar 2.504%. Sedangkan penggunaan jaringan syaraf tiruan baik dengan PSO maupun Backpropagation, memberikan hasil yang lebih baik dibandingkan dengan metode regresi liner berganda dengan rata-rata error 2.492% dan 2.504%. berbanding 3.754% jika menggunakan regresi liner berganda

Page 2 of 2 | Total Record : 12

 1   2 

Filter by Year

2014 2014


Reset
Filter By Issues
All Issue Vol 15 No 1 (2023) Vol 14 No 2 (2022) Vol 14 No 1 (2022) Vol. 13 No. 2 (2021) Vol. 13 No. 1 (2021) Vol. 12 No. 2 (2020) Vol. 12 No. 1 (2020) Vol. 11 No. 2 (2019) Vol. 11 No. 1 (2019) Vol. 10 No. 2 (2018) Vol. 10 No. 1 (2018) Vol. 9 No. 2 (2017) Vol. 9 No. 1 (2017) Vol. 8 No. 2 (2016) Vol. 8 No. 1 (2016) Vol 7, No 2 (2015) Vol. 7 No. 2 (2015) Vol. 7 No. 1 (2015) Vol 7, No 1 (2015) Vol. 6 No. 2 (2014) Vol 6, No 2 (2014) Vol. 6 No. 1 (2014) Vol 6, No 1 (2014) Vol 5, No 2 (2013) Vol. 5 No. 2 (2013) Vol 5, No 1 (2013) Vol. 5 No. 1 (2013) Vol 4, No 2 (2012) Vol. 4 No. 2 (2012) Vol 4, No 1 (2012) Vol. 4 No. 1 (2012) Vol 3, No 2 (2011) Vol. 3 No. 2 (2011) Vol 3, No 1 (2011) Vol. 3 No. 1 (2011) More Issue