Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rata-rata setiap orang di DKI Jakarta menghasilkan 3.4004-liter atau 0.69 Kg sampah per orang per hari. Dengan 10.748.230 jiwa pada 2022, sampah DKI Jakarta mencapai 7.416.278 kg/hari atau 7416,3 ton/hari. Angka ini menjadi 175.000-ton sampah per hari secara nasional. Karena minimnya penanganan sampah yang baik, berbagai kota mengalami darurat sampah, termasuk Jakarta. Salah satu inisiatif yang diharapkan dapat menjadi solusi adalah pembangunan Fasilitas Pengolahan Sampah Antara (FPSA)/Intermediate Treatment Facility (ITF) II DKI Jakarta Wilayah barat yang akan menjadi fasilitas Pengolahan 2000 ton per hari Sampah menjadi Energi Listrik (PSEL). Laporan Praktik Keinsinyuran ini membahas perancangan pembangunan fasilitas ini dalam peran dan fungsi penulis sebagai Solution Architect dan Project Manager. Laporan ini disusun secara komprehensif memperhatikan kondisi persampahan secara nasional, perhatian pemerintah, tata aturan perundangan, kedaruratan penanganan sampah dan solusinya, proyek yang dijalankan, paradigma penyusunan teknologi, rancangan solusi hingga desain termasuk pemenuhan standar teknologi nasional dan global. Berdasarkan analisis yang dilakukan kegiatan praktik keinsinyuran yang dilaporkan telah dilaksanakan dengan memperhatikan aspek Profesionalisme, Kode Etik Insinyur (KEI) serta Keselamatan, Kesehatan Kerja, dan Lindung Lingkungan (K3LL).

---

On average, each person in DKI Jakarta produces 3,4004 liters or 0.69 kg of waste per person per day. With 10,748,230 people in 2022, DKI Jakarta's waste will reach 7,416,278 kg/day or 7416.3 tons/day. This figure is 175,000 tons of waste per day nationally. Due to the lack of proper waste management, various cities are experiencing waste emergencies, including Jakarta. One of the initiatives that is expected to be a solution is the construction of an Intermediate Treatment Facility (ITF) II DKI Jakarta on West Region which will become a facility for processing 2000 tons per day of Waste into Electricity/Waste to Energy (WtE). This Engineering Practice Report discusses the design of the construction of this facility in the author's role and function as Solution Architect and Project Manager. This report was prepared comprehensively taking into account national waste conditions, government attention, legal regulations, waste handling emergencies and solutions, projects being implemented, technology development paradigms, solution plans and designs including compliance with national and global technology standards. Based on the analysis carried out, the reported engineering practice activities have been carried out taking into account aspects of Professionalism, the Engineer's Code of Ethics and also Safety, Occupational Health and Environmental Protection."

"Microwave Link System adalah salah satu sistem komunikasi yang menggunakan gelombang radio sebagai medium menyampaikan data dari satu titik ke titik lain nya. Umum nya, untuk mendapatkan jangakauan jarak yang jauh, antenna dari Microwave Link dipasang di tempat yang lebih tinggi menggunakan tower. Hal ini membuat antena rawan akan gangguan petir terutama dalam keadaan cuaca hujan. Seringkali terdengar bahwa banyak terjadi kerusakan alat elektronik akibat adanya petir. Salah satu yang menjadi penyebabnya adalah grounding system yang tidak baik.Tower telekomunikasi tidak lepas dari potensi permasalahan ini. Sistem proteksi petir adalah alat yang paling utama dalam menghadapi petir, dimana petir akan dialirkan ke tanah dari beberapa titik proteksi. Selain ini, grounding system juga harus diperhatikan terhadap peralatan elektronik baik di tower maupun di dalam Gedung, termasuk untuk Sistem Microwave Link.Permasalah grounding yang buruk terjadi di salah satu tower telekomunikasi di Handil Kalimantan Timur, yang menyebabkan adanya kerusakan rusaknya beberapa perangkat Microwave Link. Sehingga diperlukan upaya menyeluruh dalam perbaikan grounding system nya. Dalam pelaksanaan ditemukan bahwa buruk nya instalasi grounding serta kurang nya perawatan (maintenance) adalah penyebab utama. Perbaikan dimulai dengan survei terhadap keadaan yang ada (existing), dilanjutkan dengan rencana serta pelaksanaan perbaikan.

---

Microwave Link System is a communication system that uses radio waves as a medium to convey data from one point to another. In generally, to get a long-distance range, the antenna from the Microwave Link is installed at a higher place using a tower. It makes the antenna prone to lightning interference, especially in rainy conditions. It’s quite common shown in news that a lot of damage to electronic equipment due to lightning. One of the causes is a bad grounding system.

The telecommunication tower cannot be separated from this potential problem. Lightning protection system is the most important tool in dealing with lightning, where lightning will be grounded to the ground(earth) from several points of protection. In addition, the grounding system must also be considered for electronic equipment both in the tower and inside the building, including for the Microwave Link System.

A poor grounding problem occurred in one of the telecommunications towers in Handil, East Kalimantan, which caused damage to several Microwave Link devices. It’s needed to improve the grounding system in holistic manners. In the implementation, it was found that poor grounding installation and lack of maintenance were the main causes. Improvements begin with a survey of the existing conditions, followed by plans and implementation of improvements"

"Passive Optical Network atau biasa disingkat PON merupakan salah satu teknologi dalam penerapan fiber optik yang banyak dipakai saat ini. Saat ini terdiri beberapa jenis PON yang tersedia dan ada beberapa yang masih dalam tahap pengembangan, salah satunya yakni XG-PON. XG-PON merupakan salah satu jenis PON hasil pengembangan dari G-PON, yang merupakan teknologi fiber optik yang kita pakai saat ini. Pada penelitian ini membahas mengenai teknologi atau konfigurasi XG-PON untuk FTTH dan perbandingannya dengan G-PON. Penelitian ini menggunakan perangkat lunak Optisystem untuk menguji konfigurasi dari G-PON dan XG-PON sekaligus mengetahui performa XG-PON melalui nilai Q Factor dan BER dari hasil simulasi XG-PON yang dilakukan. Penelitian ini memperhitungkan konfigurasi XG-PON Downstream dan Upstream dengan menggunakan rasio splitter 1:32 dan 1:64. Dari simulasi yang telah dilakukan, didapat hasil untuk FTTH XG-PON 1:32 Downstream efektif pada jarak 40-41 km, FTTH XG-PON 1:64 Downstream efektif pada jarak 23 – 24 km, FTTH XG-PON 1:32 Upstream pada jarak 38 – 39 km, dan FTTH XG-PON 1:64 Upstream pada jarak 23-24 km. Dari hasil yang di dapat, ditemukan bahwa Q Factor terhadap penambahan jarak untuk XG-PON berbanding terbalik, sedangkan BER berbanding lurus terhadap penambahan jarak.

---

Passive Optical Network or commonly abbreviated as PON is one of the technologies in the application of optical fiber that is widely used today. Currently, there are several types of PON available and some are still in the development stage, one of which is XG-PON. XG-PON is a type of PON developed from G-PON, which is the optical fiber technology that we use today. This study discusses the technology or configuration of XG-PON for FTTH and its comparison with G-PON. This study uses Optisystem software to test the configuration of G-PON and XG-PON as well as to determine the performance of XG-PON through the Q Factor and BER values ​​from the XG-PON simulation results. This study takes into account the XG-PON Downstream and Upstream configurations using a 1:32 and 1:64 splitter ratio. From the simulations that have been carried out, the results obtained for FTTH XG-PON 1:32 Downstream effective at a distance of 40-41 km, FTTH XG-PON 1:64 Downstream effective at a distance of 23 – 24 km, FTTH XG-PON 1:32 Upstream at distance of 38 – 39 km, and FTTH XG-PON 1:64 Upstream at a distance of 23-24 km. From the results obtained, it is found that the Q Factor for the addition of distance for XG-PON is inversely proportional, while BER is directly proportional to the addition of distance"

"Jaringan optik adalah jaringan telekomunikasi berkapasitas tinggi dengan menggunakan teknologi dan komponen optik. Di Indonesia, CWDM biasanya digunakan pada jaringan optik di daerah urban, hal ini dikarenakan CWDM memiliki bandwidth yang lebar dan sesuai dengan kebutuhan daerah urban yang hanya butuh jarak yang pendek. Machine learning (ML) merupakan salah satu cabang kecerdasan buatan yang sangat cocok untuk menangani masalah kompleks yang sulit dijawab dalam waktu yang wajar. Prediksi Quality of Transmission (QoT) yang akurat sebelum pembentukan koneksi sangat penting untuk penyediaan layanan dan pemanfaatan sumber daya jaringan. Model Coarse Wavelength Division Multiplexing (CWDM) yang digunakan jaringan sesuai dengan standar ITU-T G.694.2 yaitu splitting sebesar 20nm, pada wavelength yang terdaftar pada standar yaitu 1551 nm, 1571 nm, 1591 nm, dan 1611 nm. Pendekatan yang digunakan adalah algoritma jenis linear regression dengan akurasi 82,47%, k-nearest neighbor regression dengan akurasi 77,18%, support vector regression dengan akurasi 83,88%, random forest regression 91,44%, dan deep learning ANN regression dengan akurasi 94,52%. Algoritma machine learning yang paling baik dalam memprediksi kualitas transmisi adalah random forest regressor. Algoritma ini tidak lebih baik dari deep learning yaitu, ANN regression. Namun waktu komputasi pada ANN regression cenderung lebih lama yaitu 12,451 ms sedangkan pada random forest regression hanya 1,9098 ms.

---

An optical network is a high-capacity telecommunications network using optical technology and components. In Indonesia, CWDM is usually used on optical networks in urban areas, this is because CWDM has a wide bandwidth and is in accordance with the needs of urban areas that only need a short distance. Machine learning (ML) is a branch of artificial intelligence that is very suitable for dealing with complex problems that are difficult to answer in a reasonable time. Accurate Quality of Transmission (QoT) prediction prior to connection establishment is critical for service provision and utilization of network resources. The Coarse Wavelength Division Multiplexing (CWDM) model used by the network complies with the ITU-T G.694.2 standard, which is 20nm splitting, the wavelengths registered in the standard are 1551 nm, 1571 nm, 1591 nm, and 1611 nm. The approach used is a linear regression type algorithm with an accuracy of 82.47%, k-nearest neighbor regression with an accuracy of 77.18%, support vector regression with an accuracy of 83.88%, random forest regression of 91.44%, and ANN deep learning regression. With an accuracy of 94.52%. The best machine learning algorithm for predicting transmission quality is the random forest regressor. This algorithm is no better than deep learning i.e., ANN regression. However, the computational time for ANN regression tends to be longer, namely 12.451 ms, while for random forest regression it is only 1.9098 ms. "