CYBER-TECHN
https://jurnal.stt-pomosda.ac.id/index.php/cybertechn
<p>CYBER-TECHN adalah Jurnal Nasional yang menyajikan sejumlah tulisan yang berkaitan dengan Teknik Industri dan Teknik Informatika dengan memanfaatkan perkembangan teknologi informasi dan informatika, teknik dan manajemen industri berdasarkan hasil penelitian dengan didukung data yang besifat kuantitatif dan kualitatif, yang dapat memberikan solusi, mempermudah, membantu dan menjadi katalisator dalam meningkatkan analisa, pemikiran umat manusia khsusnya lingkungan akademisi</p>Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)en-USCYBER-TECHN1907-9044ANALISIS PENGENDALIAN KUALITAS PLYWOOD DENGAN METODE LEAN SIX SIGMA DAN MULTI ATTRIBUTE FAILURE MODE ANALYSIS (STUDI KASUS: PT. MANUNGGAL INDOWOOD INVESTINDO)
https://jurnal.stt-pomosda.ac.id/index.php/cybertechn/article/view/320
<p>Dunia industri mengalami perkembangan yang semakin pesat, menyebabkan perusahaan harus menghadapi persaingan yang ketat di pasar global yang terus berubah. Hal ini membuat setiap perusahaan akan senantiasa berusaha untuk mencapai keunggulan, salah satunya yaitu melalui produk. Produk berkualitas tinggi tidak hanya menjadi penentu kesuksesan di pasar, tetapi juga menjadi cerminan dari reputasi dan komitmen perusahaan terhadap kepuasan pelanggan. PT. Manunggal Indowood Investindo merupakan entitas yang beroperasi dalam bidang industri manufaktur dan memproduksi produk <em>plywood</em>. Saat ini, perusahaan menghadapi masalah dengan tingginya tingkat <em>waste</em> jenis <em>defect </em>dalam proses produksi. Untuk mengatasi hal ini, perlu dilakukan analisis pengendalian kualitas produk guna mengidentifikasi dan mengkategorikan pemborosan yang terjadi selama produksi menggunakan metode <em>lean six sigma</em>. Selain itu, metode <em>Multi Attribute Failure Mode Analysis </em>(MAFMA) digunakan untuk mengidentifikasi penyebab potensial kecacatan produk dan langkah-langkah perbaikan yang diperlukan. Melalui penerapan <em>lean six sigma</em>, diketahui bahwa <em>waste </em>paling signifikan dalam produksi <em>plywood </em>adalah <em>defect</em>, dengan jenis <em>defect</em> tertinggi yaitu <em>ripping,</em> mencapai 5.530 lembar (24,03%). Sementara itu, dengan menggunakan MAFMA, penyebab potensial <em>defect</em> yang paling berpengaruh adalah faktor mesin, khususnya suhu <em>plate</em> yang terlalu panas, dengan bobot nilai 0,345. Untuk mengatasi penyebab utama ini, direkomendasikan bagi perusahaan untuk menetapkan standar waktu yang tepat untuk proses pengepresan, sehingga dapat dilakukan dengan lebih konsisten dan efisien, serta mengurangi risiko suhu <em>plate</em> mencapai tingkat yang terlalu tinggi.</p>Siti Ila MaufirohYustina Suhandini TjahjaningsihMustakim
Copyright (c) 2025 Siti Ila Maufiroh (Author); Yustina Suhandini Tjahjaningsih, Mustakim
https://creativecommons.org/licenses/by/4.0
2025-04-152025-04-1519010110PREDIKSI LUAS AREA KEBAKARAN HUTAN DI PORTUGAL BERDASARKAN KONDISI CUACA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION
https://jurnal.stt-pomosda.ac.id/index.php/cybertechn/article/view/321
<p>Bencana kebakaran hutan merupakan suatu peristiwa serius yang sering terjadi dan perlu diwaspadai. Selain ekosistem kawasan hutan itu sendiri, pemukiman yang berada di dekat area terbakar juga akan merasakan dampaknya. Pada kasus ini ada beberapa faktor yang memicu tingkat luasnya area kebakaran seperti suhu, angin, kelembapan, dll. Penelitian ini menerapkan metode Jaringan Syaraf Tiruan (JST) dan algoritma Backpropagation untuk memprediksi luas area yang terbakar agar dapat dilakukan pencegahan serta mitigasi kebakaran hutan. Data yang digunakan berasal dari UCI Machine Learning Repository, berisi 517 data yang memuat informasi seperti suhu, kelembaban, kecepatan angin, dan lainnya. Langkah awal dilakukan praproses seperti normalisasi data dan mengubah data angka menjadi kategori, lalu data dibagi menjadi data latih dan uji. Dilakukan metode algoritma backpropagation dengan menyesuaikan bobot dalam jaringan berdasarkan yang terjadi untuk memahami pola yang ada. Kemudian pengujian data, hasilnya menunjukkan bahwa metode JST mampu memberikan prediksi yang cukup akurat, dan kinerja model dinilai menggunakan nilai RMSE dan korelasi.</p>Ardath Prahara SetyanLilis NurAnnissa
Copyright (c) 2025 Ardath Prahara Setyan (Author); Lilis NurAnnissa
https://creativecommons.org/licenses/by/4.0
2025-04-152025-04-1519011117