Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Meningkatnya kebutuhan alat transportasi sepeda khususnya sepeda lipat harus diikuti dengan penelitian terhadap kekuatan rangka utama dan engselnya. Masalah stress konsentrasi akibat adanya engsel pada rangka sepeda lipat menjadi fokus penelitian ini. Pengujian yang dilakukan melingkupi pengujian statis dan dinamis menggunakan strain gage serta simulasi menggunakan Finite Element Method. Jenis pengujian dinamis dilakukan untuk melihat karakteristik desain terhadap pembebanan dalam suatu fungsi waktu, sekaligus memasukkan variabel pembebanan kejut dan berulang. Konfigurasi strain gage yang dipilih yaitu konfigurasi 2-gage dan 4-gage yang diharapkan bisa menghasilkan bending stress dan axial stress dengan tingkat sensitifitas 2 dan 2(1+_) kali daripada menggunakan konfigurasi 1-gage. Hasil pengolahan data dari pengujian statis pada strain gage dan simulasi FEM menghasilkan dimensi rancangan penampang engsel berupa persegi dengan sisi 10,91cm. Selanjutnya, hasil pengolahan data dari pengujian dinamis menggunakan strain gage pada rangka utama di dekat engsel menghasilkan nilai ekuivalen stress maksimum sebesar 141,487 Mpa dan faktor keamanan minimum sebesar 1,463.

---

Growth of bicycle transportation demand, especially folding bike must be followed by a research of the main frame and hinges strenght. Stress consentration problem due to existence of hinges in main frame is our research focus. The test include static and dynamic tests using a strain gage as well as simulations using the Finite Element Method. Dynamic test is used to know the characteristic of design to load in time function, moreover including impact and cyclic load variables. Strain gage configuration which used is 2-gage configuration and 4-gage configuration. Both configurations can measure bending and axial stress in level sensitifity of 2 and 2(1+_) times bigger than 1-gage configuration. From strain gage and FEM data can be resulted the dimension cross section of hinges and the cross section is a square with 10,91cm of length. In addition, data analysis for dynamic test which use strain gagein main frame near hinges resulting value of maximum equivalent stress is 141,487 Mpa with minimum safety factor is 1,463.

Abstrak :
Kegiatan pada proses gas sweetening berkontribusi pada pelepasan emisi ke udara. Penelitian ini menekankan pengaruh parameter proses terhadap emisi yang dihasilkan dengan pengembangan alat komputasi untuk perhitungan greenhouse gas (GHG) dan polusi udara berbasis UNISIM. Alat komputasi ini memungkinkan kalkulasi emisi udara (berdasarkan standar dan peraturan yang berlaku) yang terintegrasi dengan simulasi rekayasa proses pada unit natural gas sweetening. Simulasi base case untuk menghasilkan spesifikasi sales gas menggunakan pelarut MDEA menghasilkan beban emisi sebesar 1.527 tonne CO2e/day dan 0,348 tonne SO2e/day. Pada penurunan tekanan sour gas, beban emisi meningkat menjadi 1.554 tonne CO2e/day dan 0,368 tonne SO2e/day, sebagai konsekuensi penambahan sistem kompresi. Penggunaan DEA sebagai pelarut memberikan konsekuensi emisi yang tidak berbeda jauh dengan simulasi base case, yaitu sebesar 1.522 tonne CO2e/day dan 0,338 tonne SO2e/day, akibat dari peningkatan laju alir acid gas dan penurunan duty reboiler karena konsentrasi lean amine yang didominasi oleh air pada penggunaan solvent DEA. Variasi kapasitas gas menghasilkan emisi yang tidak linier, dimana penurunan kapasitas gas akan menghasilkan emisi acid gas yang semakin menurun akibat dari laju alir acid gas yang lebih rendah, disisi lain pada penurunan kapasitas gas akan terdapat titik minimum penggunaan laju alir lean amine sehingga akan terdapat titik minimum pada emisi yang dihasilkan dari unit reboiler. Untuk menghasilkan sweet gas sesuai spesifikasi LNG menggunakan pelarut DEA, beban emisi naik secara signifikan menjadi 2.652 tonne CO2e/day dan 0,747 tonne SO2e/day karena penyerapan CO2 yang lebih optimal oleh lean amine akan mengakibatkan pelepasan emisi CO2 yang lebih tinggi, selain itu penggunaan laju alir lean amine yang tinggi akan meningkatkan emisi dari unit reboiler ......Activities in gas sweetening process contribute to release emissions into the air. This research emphasizes the effect of process parameters on emissions generated by the development of computational tools for the calculation of greenhouse gas (GHG) and air pollution based on UNISIM. This computational tool enables to calculate of air emissions (based on standards and regulations) that are integrated with process engineering simulations on natural gas sweetening units. Base case simulation to produce sales gas specifications using MDEA solvent produces an emissions to 1,527 tonne CO2e/day and 0.348 tonne SO2e/day. Decrease in sour gas pressure, increases emissions to 1,554 tonne CO2e/day and 0.368 tonne SO2e/day as a consequence of the addition of the compression system. Using DEA as a solvent produces emissions of 1,522 tonne CO2e/day and 0.338 tonne SO2e/day, because an increase in acid gas flow rate and a decrease in duty reboiler due to the concentration of lean amine which is dominated by water. Variation of gas capacity produces non-linear emissions, where a decreased in gas capacity will produce acid gas emissions that decreased due to lower acid gas flow rates, on the other hand on decreasing gas capacity there will be a minimum point of lean amine flow rates so that there will be a minimum emissions from reboiler units. To produce sweet gas according to the LNG specifications using a DEA solvent, the emission rises significantly to 2,652 tonne CO2e/day and 0,747 tonne SO2e/day because absorption by lean amine will higher due to result in higher CO2 emissions, on the other hand higher of lean amine flow will increase emissions from reboiler units.

Abstrak :
Perhitungan cadangan klaim merupakan salah satu hal yang penting bagi setiap perusahaan asuransi agar dapat memenuhi kewajibannya untuk menutup kerugian akibat terjadinya loss. Umumnya, prediksi cadangan klaim dilakukan dengan menggunakan metode Chain-Ladder. Tetapi, karena metode ini tidak memerlukan asumsi distribusi, nilai prediksi hanya bergantung pada besar klaim sebelumnya dan besar development factor saja sehingga apabila terdapat outlier pada data sebelumnya maka, hasil prediksi menjadi kurang akurat. Oleh karena itu, pada penulisan tugas akhir ini, diusulkan dua model perhitungan prediksi cadangan klaim dengan pendekatan Generalized Linear Model (GLM). Kedua model tersebut dibedakan berdasarkan distribusi yang akan digunakan yaitu distribusi log normal dan distribusi Over-dispersed Poisson (ODP). Pada Generalized Linear Model ini, variabel dependen yaitu cadangan klaim diasumsikan berdistribusi log normal dan Over-dispersed Poisson (ODP) serta perhitungannya didasarkan pada waktu terjadinya loss (accident year) dan waktu jeda (development year) sebagai variabel eksplanatori. Pada penulisan tugas akhir ini, data yang digunakan adalah incurred but not reported (IBNR) dari laporan Statistical Compilation of Annual Statement Information for Property/Casualty Insurance Companies in 2019 yang kemudian diubah bentuknya menjadi bentuk run-off triangle. Hasil prediksi cadangan klaim kemudian akan dibandingkan menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE). Dari nilai MSE dan MAPE yang diperoleh dapat disimpulkan bahwa perhitungan prediksi cadangan klaim menggunakan pendekatan Generalized Linear Model (GLM) dengan distribusi log normal lebih baik daripada dengan distribusi Over-dispersed Poisson. Hal ini dikarenakan nilai MAPE untuk Generalized Linear Model (GLM) dengan distribusi log normal lebih rendah yaitu sebesar 6,22%. ...... The calculation of claim reserves is one of the important elements in fulfilling each insurance company’s obligation to cover losses. Claim reserves are generally predicted using the Chain-Ladder method. However, the expected value can only be determined by the value of the previous claims and by the development factor, as this method is a non-distribution method. This means that if there are outliers in the previous data, the prediction results will be less accurate. Therefore, in this final paper, claim reserves predictions will be calculated using two models of the Generalized Linear Model (GLM) approach, namely the log normal distribution and the Overdispersed Poisson (ODP) distribution. It is assumed that both distributions predict the value of claims reserve as a dependent variable and the calculations is based on the accident year and the development year as explanatory variables. The Incurred but Not Reported (IBNR) data from “Statistical Compilation of Annual Statement Information for Property/Casualty Insurance Companies” in 2019 will be used in the calculation, which will then be converted into a run-off triangle form. The prediction of claim reserves results will then be compared by Mean Squared Error (MSE) and Mean Absolute Percentage Error (MAPE) and it showed that the Generalized Linear Model with log normal distribution approach is better than the Over-dispersed Poisson approach with the MAPE value is 6,22.