Hasil Pencarian  ::  Simpan CSV :: Kembali

"PT. IPTN sebagai salah satu-sahmya induslri pesawat terbang di Indonesia pada waldn-waldu mendatmg alcan meninglrallmn jumlah produlcsinyn, yang artinya alum meninglmtlmn beban kerja produlmi. Dengan meninglmmya beban kelja pada semuamesin produlcsi, hal ini alum memberllum 2 alternatif dalam pencapaian target produksi, yaitu penambahan mesin bam atm: menyerahlmn kelebihan beban kemja pads pihalc lain (vendor). Sebelum alternatifyang ada dipilih masih terdapat cara lain lllllllk mengurmgi kelebihan beban kenjaternobut yaitu dengan mengoptinmlkzm mana rnesin yang ada. Yang dimalmud menu main dalam tulism ini adalah semuajenis alat (pahat potong, fixture dm material) yang dipasanglcan alan digunakan oleh suatu mesin.Penelitian dan pembahasan pada tulisan ini berisilum studi literatur dan sludi kmus dari prosedur pembuatan menu mesin. Dalam proses penulisamya telah dilakulmn langkah-lmgkah pengumpulan inibrmasi mengenai wnldu setup, pahat potong, ixture dm produksi pesawat terbang dalam periode tertenlu. Pengolahan data d.ll!8SB1'l(2ll pada label standar ymg diperoleh dari pengalaman dan telah ada pada number referensi.Untuk menganalisia pemhuaian menu bam, perlu dibuat kelompok-kelormok ddadan diinformasiknn dalam bentnk label dan graiik. Data-data tersebut selanjuinya diolah dan digmalum oleh penulis nmluk mendapallmn hubmgan antafa lcapasitns wnktu pemesinan dengan beban ke1ja sebagai dasar pembuatan menu bam yang optimal sekaligns meminimalisasikanjumlah pahat potozg yang digunalrnn.Dengan memilih mesin TOSHIBA BMC 100(5) sebagai pilot project, hasil aldrir dari optimalisasi pemesinan ini akan diteraplmn umtuk semua mesin prodnl-mi dengan perlakuan yang sama."

"ABSTRAKBeberapa peternak baik ternak kambing ataupun lembu kesulitan memberi pakan ternaknya dalam bentuk campuran atau hijauan dengan konsentrat, yang dikarenakan tidak memiliki alat pencampur pakan. Peternak memberi makan ternaknya dengan metode terpisah yaitu hijauan tersendiri setelah pemberian pakan konsentrat. Dengan demikian terjado ketidakseimbangan jumlah pakan yang diasup oleh ternak yang mengakibatkan ternak lambat berkembang. Penelitian ini dilakukan dengan tujuan untuk menghasilkan alat atau mesin pencampur pakan yang dapat mencampur pakan secara sempurna dalam waktu yang singkat. Metode yang dipakai dalam penelitian ini adalah metode eksperimen yang dilakukan berulang sebanyak empat ulangan dengan waktu lima menit 10 menit dan 15 menit dan 20 menit pada putara screw yang sama yaitu 60 rpm. Untuk kelompok percobaan I, sedangkan untuk kelompok percobaan II dilakukan lima kali pengulangan dengan waktu tetap dan kecepatan putar berubah dari 60 rp, 70 rpm, 80 rpm dan 90 rpm dan 100 rpm. Dari pengamatan visual diperoleh campuran terbaik pada penggunaan waktu 10 menit dan putaran 70 rpm."

"Mesin Penerjemah (MP) adalah sebuah sub-bagian dari computational linguistics yang menggunakan komputer untuk menerjemahkan teks dari sebuah bahasa ke bahasa yang lain. Sementara Mesin Penerjemah Statistik (MPS) adalah sebuah pendekatan MP dimana hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks dwibahasa (yang paralel). Pada tugas akhir ini, penerjemahan teks Indonesia-Inggris dilakukan dengan menggunakan MPS berdasarkan frase dimana penerjemahan dilakukan dengan menggunakan prinsip penerjemahan berdasarkan frase. Korpus dwibahasa Indonesia-Inggris yang digunakan terdiri dari kategori berita, kitab suci, novel dan percakapan. Jumlah korpus pelatihan yang digunakan adalah 40779 kalimat, yaitu 704 berita, 4025 percakapan, 16050 novel dan 20000 kitab suci. Sementara korpus pengujian yang digunakan adalah 20300 kalimat, yaitu 300 berita, 2000 percakapan, 8000 novel dan 10000 kitab suci. Percobaan penerjemahan ini dilakukan, dievaluasi dan dianalisis dari dua aspek yaitu penggunaan perangkat bahasa tambahan (yang meliputi Part-of-Speech Tagging dan lema) dan n-gram yang digunakan dalam membentuk model bahasa. Hasil percobaan yang didapat adalah nilai akurasi tertinggi dicapai oleh penerjemahan korpus dwibahasa biasa (tidak menggunakan Part-of-Speech Tagging maupun lema) pada kategori novel dengan menggunakan model bahasa 5-gram, yaitu 0,2696.

---

Machine Translation (MT) is a sub-field of computational linguistics that uses a computer to translate text or speech from one natural language to another. Meanwhile Statistical Machine Translation (SMT) is a paradigm of MT where translations are generated on the basis of statistical models whose parameters are derived from the analysis of bilingual text corpora (parallel). The Indonesian-English text translation is done using a phrase-based SMT in which the translation is carried out using phrase-based Translation. We use Indonesian and English bilingual corpora which consists of news, holy writings, fiction and daily conversation categories. We use training corpus of 40779 sentences which are 704 for news, 4025 for conversation, 16050 for fiction and 20000 for holy writings. Meanwhile the testing corpus consists of 20300 sentences which are 300 for news, 2000 for conversation, 8000 for fiction and 10000 for holy writings. Experiments have been done, evaluated and analyzed regarding two aspects, namely the use of factored-models (Part-of-Speech Tagging and lemma) and number of n-gram for generating the language model. In this thesis, we found that the translations of default bilingual corpora (without Part-of-Speech Tagging and lemma) for fiction category using 5-gram language model yield the highest accuracy of 0.2696."