Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology)
MY Teguh Sulistyono
Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Perangkat Peremajaan dan Perawatan Alat Berat Container Crane Wahibullah, Wahibullah; Adi, Derry Pramono; Wibowo, Achmad Teguh; Sulistyono, MY Teguh; Gumelar, Agustinus Bimo
MATICS Vol 13, No 1 (2021): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v13i1.11597

Abstract

Proses perbaikan dan perencanaan perawatan pada container crane yang di pelabuhan sering dianggap kurang efektif karena kurangnya perencanaan dalam pengelolaan yang berpengaruh dalam penentuan jadwal perawatan. Terminal Nilam PELINDO III Surabaya merupakan perusahaan yang bergerak dalam bidang jasa bongkar muat container crane. Proses bongkar muat ditentukan oleh beberapa faktor, seperti banyaknya container dan berat muatan yang dikelola, maupun kualitas dan kuantitas alat yang digunakan. Proses secara terus-menerus tersebut mempengaruhi usia container crane. Kurang tepatnya penentuan perawatan bisa berdampak pada performa container crane. Untuk menjawab permasalahan ini, dibutuhkan perencanaan sehingga mampu menentukan waktu perawatan yang tepat dalam kurun waktu tertentu. Pada penelitian ini, kami mengimplementasikan perencanaan perawatan dengan implementasi aplikasi berbasis web menggunakan bahasa pemrograman PHP dan database MariaDB. Kami menggunakan data operasional pada PT. BIMA PELINDO III Surabaya yang meliputi produksi terjadwal, penjagaan terjadwal, aktivitas pemeliharaan dan perkiraan terjadwal. Kami menentukan variabel input berdasarkan data operasional, yang dilanjutkan dengan permodelan metode perencanaan. Berdasarkan variabel input tersebut, akan diperoleh variabel output berupa kluster ringan dan berat, dengan setiap class diberi pembobotan prediksi perencanaan perawatan container crane yang ditampilkan ke aplikasi. Hasil dari aplikasi perencanaan perawatan ini diharapkan dapat menentukan perkiraan aktivitas pemeliharaan, perawatan terjadwal agar berjalan dengan baik, pemakaian bahan bakar dan sumber daya operasional container crane yang lain menjadi lebih efisien.
Klasifikasi Jenis Pemeliharaan dan Perawatan Container Crane menggunakan Algoritma Machine Learning Nugroho, Via Ardianto; Adi, Derry Pramono; Wibowo, Achmad Teguh; Sulistyono, MY Teguh; Gumelar, Agustinus Bimo
MATICS Vol 13, No 1 (2021): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v13i1.11525

Abstract

Pada industri jasa pelayanan peti kemas, Terminal Nilam merupakan pelanggan dari PT. BIMA, yang secara khusus bergerak dibidang jasa perbaikan dan perawatan alat berat. Terminal ini menjadi sentral tempat untuk melakukan aktifitas bongkar muat peti kemas domestik yang memiliki empat buah container crane untuk melayani dua kapal. Proses perawatan alat berat seperti container crane yang selama ini beroperasi, agaknya kurang memperhatikan data pengelompokkan atau klasifikasi jenis perawatan yang dibutuhkan oleh alat berat tersebut. Di kemudian hari, alat berat dapat menunjukkan kinerja yang tidak maksimal bahkan dapat berujung pada kecelakaan kerja. Selain itu, kelalaian perawatan container crane juga dapat menyebabkan pembengkakan biaya perawatan lanjut. Target produksi bongkar muat dapat berkurang dan juga keterlambatan jadwal kapal sandar sangat mungkin terjadi. Metode pembelajaran menggunakan mesin atau biasa disebut dengan Machine Learning (ML), dengan mudah dapat melenyapkan kemungkinan-kemungkinan tersebut. ML dalam penelitian ini, kami rancang agar bekerja dengan mengidentifikasi lalu mengelompokkan jenis perawatan container crane yang sesuai, yaitu ringan atau berat. Metode ML yang pilih untuk digunakan dalam penelitian ini yaitu Random Forest, Support Vector Machine, k-Nearest Neighbor, Naïve Bayes, Logistic Regression, J48, dan Decision Tree. Penelitian ini menunjukkan keberhasilan ML model tree dalam melakukan pembelajaran jenis data perawatan container crane (numerik dan kategoris), dengan J48 menunjukkan performa terbaik dengan nilai akurasi dan nilai ROC-AUC mencapai 99,1%. Pertimbangan klasifikasi kami lakukan dengan mengacu kepada tanggal terakhir perawatan, hour meter, breakdown, shutdown, dan sparepart.
Co-Authors Achmad Teguh Wibowo Adi, Derry Pramono Agustinus Bimo Gumelar Nugroho, Via Ardianto Wahibullah, Wahibullah