Hasil Pencarian  ::  Simpan CSV :: Kembali

"Risk-Based Inspection (RBI) adalah metodologi untuk menentukan risiko pada peralatan sesuai dengan siklus hidupnya untuk mengoptimalkan rencana inspeksi yang membutuhkan penilaian kualitatif atau kuantitatif terhadap probabilitas kegagalan (POF) dan konsekuensi dari kegagalan (COF) yang terkait dengan masing-masing item peralatan, termasuk perpipaan, dalam unit proses tertentu dengan tujuan meningkatkan keselamatan operasional dan kehandalan fasilitas industri. Penelitian ini bertujuan untuk mengetahui prediksi risiko dataset infrastruktur transmisi gas di PT PGN Tbk, analisis perbandingan antara hasil penilaian risiko dengan machine learning dan penilaian RBI secara manual, serta optimalisasi program inspeksi RBI. Tahapan penelitian adalah pengumpulan data, rekayasa fitur, pelatihan model, evaluasi model, peningkatan model, analisis perbandingan, analisis risiko biaya dan optimalisasi program inspeksi. Hasil analisis perbandingan adalah dengan logistic regression (LR) sesuai 89,84%, support vector machine (SVM) sesuai 98,53%, k nearest neighbours (K-NN) sesuai 97,79%, decision tree (DT) sesuai 99,26% dan random forests (RF) sesuai 99,85% yang merupakan algoritma machine learning yang terbaik dengan menggunakan ukuran data test sebesar 10%. Berdasarkan analisis risiko biaya, biaya inspeksi dengan teknik RBI secara manual dan menggunakan machine learning memperoleh pengurangan biaya sebesar 60,83% daripada program inspeksi tidak berbasis risiko. Hasilnya menunjukkan bahwa dengan menggunakan machine learning dapat memprediksi tingkat risiko inspeksi berbasis risiko, mengoptimalkan rencana inspeksi, dan menurunkan biaya inspeksi.

---

Risk-Based Inspection (RBI) is a methodology for determining risks on equipment in accordance with its life cycle to optimize inspection plan that requires qualitative or quantitative assessment of the probability of failure (POF) and the consequences of failure (COF) associated with each item equipment, including piping, within a certain process unit with the aim of increasing the operational safety and reliability of industrial facilities. This study aims to determine the risk prediction of gas transmission infrastructure dataset at PT PGN Tbk, a comparison analysis between the results of the risk assessment of machine learning and the RBI assessment manually, as well as an optimization of RBI inspection program. Stages of research are data collection, feature engineering, model training, model evaluation, model enhancements, comparison analysis, cost risk analysis and optimization of inspection program. The results of comparison analysis are with logistic regression (LR) match 89.84%, support vector machine (SVM) match 98.53%, k-nearest neighbours (k-NN) match 97.79%, decision tree (DT) match 99.26% and random forests (RF) match 99.85% which is the best machine learning algorithm by using a data test size equal to 10%. Based on cost risk analysis, inspection costs with RBI techniques manually and using machine learning obtain a reduction in costs by 60.83% than inspection program not risk based. The result shows that using machine learning, it could predict the risk level of risk-based inspection, optimize the inspection plan, and lower the inspection cost."

"Indonesia sebagai negara kepulauan memiliki banyak potensi energi baru terbarukan. Salah satu energi baru terbarukan yang potensial di Indonesia adalah energi tenaga air. Potensi energi tenaga air di Indonesia diperkirakan mencapai 75MW. Dengan potensi tenaga air yang besar banyak pengembang ingin menginvestasikan modalnya untuk membangun pembangkit listrik tenaga air. Dibalik potensi tenaga air yang besar, di Indonesia pun memiliki risiko yang beragam salah satunya bencana geologi. Bencana geologi perlu diperhitungkan dan dinilai dalam sebuah perencanaan investasi. Dalam proses analisa investasi untuk menangulangi risiko perlu ditambahkan dana cadangan. Biaya kontingensi adalah biaya yang ditambahkan pada suatu perkiraan nilai investasi untuk menghadapi ketidakpastian atau risiko. Hasil analisis risiko menunjukan risiko bencana geologi akibat pergerakan tanah dan berdampak pada kerusakan struktural bangunan mempunyai tingkat pengaruh sebesar 61.9% terhadap biaya penangulangannya dan membutuhkan biaya kontingensi sebesar 12% dari nilai investasinya. Studi kasus yang dilakukan peneliti menunjukan dampak bencana geologi pada pembangkit listrik tenaga air menurunkan nilai NPV sebesar 20% dari nilai rencana dan menurunkan nilai IRR sebesar 0.3% berdasarkan analisa finansial.

---

Indonesia as an archipelagic country has a lot of renewable energy potential. One of the potential renewable energies in Indonesia is hydropower. The hydropower potential in Indonesia is estimated at 75MW. With great potential, many developers want to invest their capital to build hydropower plants. Behind the large hydropower potential, Indonesia also has various risks, one of which is geohazard. Geohazard need to be taken into account and assessed in an investment plan. In the process of investment analysis to overcome risks, it is necessary to add reserve funds. Contingency costs are costs added to an investment to deal with uncertainty or risk. The results of the risk analysis show that the risk of geological disasters due to soil movement and the impact on structural damage to buildings has an influence level of 61.9% on the cost of handling and requires a contingency cost of 12% of the investment value. A case study conducted by researchers shows that the impact of geological disasters on hydropower plants reduces the NPV value by 20% from the planned value and decreases the IRR value by 0.3% based on financial analysis. "