Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pencacahan clique maksimal adalah suatu metode graph clustering yang bertujuan untuk mencari simpul mana saja yang memiliki peranan paling besar dalam suatu graf. Pencacahan clique maksimal ini telah banyak diaplikasikan, diantaranya analisis pada jaringan sosial, pendeteksian hierarki melalui jaringan email, analisis statistik jaringan finansial, clustering pada jaringan dinamis, dan komputasi biologi. Algoritma Bron-Kerbosch merupakan salah satu algoritma tercepat dalam pencarian clique maksimal, maka pada penelitian ini, digunakanlah algoritma Bron-Kerbosch. Dalam mencacah semua clique maksimal dari suatu graf, matriks yang biasa digunakan adalah matriks ketetanggaan dari graf tersebut, sehingga dapat diperoleh simpul mana saja pada graf yang memiliki peranan paling besar. Selain matriks ketetanggaan, penelitian ini juga menggunakan matriks komplemen dalam mencacah clique maksimal. Data yang digunakan dalam penelitian ini adalah graf yang merepresentasikan rute jalur penerbangan domestik dari salah satu maskapai penerbangan di Indonesia. Dengan menerapkan algoritma Bron-Kerbosch, semua clique maksimal dari graf terkait akan didaftar, sehingga dapat diperoleh simpul yang memiliki peranan paling besar dalam graf ini. Graf tersebut direpresentasikan dalam bentuk matriks ketetanggaan dan juga matriks komplemen. Hasil penerapan algoritma Bron-Kerbosch pada data, baik yang menggunakan matriks ketetanggaan maupun matriks komplemen, keduanya memberikan hasil yang sama dalam menentukan simpul yang memiliki peranan paling besar dari graf terkait. Selain itu, melalui hasil penerapan yang menggunakan matriks komplemen, dapat diketahui pula simpul-simpul yang hanya bertetangga langsung dengan simpul yang memiliki peranan paling besar.

---

Maximal clique enumeration is a graph clustering method for finding all vertices that have the most influence in a graph. This maximal clique enumeration has largely been applied, including social network analysis, hierarchy detection through email networks, statistical analysis of financial networks, clustering in dynamic networks, and computational biology. The Bron-Kerbosch algorithm is one of the fastest algorithms to find all maximal cliques, hence this research will focus on that algorithm to find all maximal cliques. Counting all maximal cliques of a graph usually uses an adjacency matrix of the graph to find all vertices in the graph that have the most influence. Other than adjacency matrix, this research will also use a complement matrix in counting all maximal cliques. This research uses a graph that represents a domestic flight route of one of the airlines in Indonesia. By using Bron-Kerbosch algorithm, all maximal cliques of the graph will be listed, so that it will come up with the vertices which are the most influential in this graph. The graph will be represented in an adjacency matrix as well as a complement matrix. The result of applying the Bron-Kerbosch algorithm both the adjacency and the complement matrix?will give the same result in determining vertices that have the most influence in the graph. Besides that, by using a complement matrix, the result gives more information on the vertices which are only connected to the vertices that have the most influence."

"Graf merupakan himpunan simpul dan busur dengan setiap busurnya menghubungkan dua simpul. Graf dapat direpresentasikan dalam sebuah matriks. Matriks representasi graf di antaranya yaitu matriks ketetanggaan, matriks jarak, matrik kehadiran, dan matriks Laplacian. Matriks ketetanggaan merepresentasikan ada tidaknya busur yang menghubungkan dua buah simpul. Matriks jarak merepresentasikan jarak lintasan terpendek antara dua simpul pada graf. Pada graf berdiameter dua, yaitu jarak terpanjang di antara dua simpul adalah dua. Graf berdiameter dua di antaranya yaitu graf bipartit, graf roda, dan graf kipas. Pada tesis ini akan dibahas hubungan antara matriks ketetanggaan dan matriks jarak dari suatu graf berdiameter dua, dan sifat-sifat matriks jarak pada graf berdiameter dua, serta polinomial karakteristik dari matriks jarak pada kelas graf khusus berdiameter dua yaitu graf bipartit lengkap 𝐾𝑛,𝑛.

---

Graph is the set of vertices and edges where each edge connects two vertices. The graph can be represented by a matrix. There are several matrix representation of graph, such as adjacency matrix, distance matrix, incidence matrix, and Laplacian matrix. The adjacency matrix represents the presence or absence of an arc connecting two vertices. Distance matrix represent the shortest path between two vertices on a graph. The example of two-diameter graphs are bipartite graphs, wheel graphs, and fan graphs. In this thesis we discuss the relationship between the adjacency matrix and the distance matrix of a two-diameter graph, and the properties of the distance matrix in the twodiameter graph, and the characteristic polynomial of the distance matrix of special family of two-diameter graph that is complete bipartite graph 𝐾𝑛,𝑛."

"ABSTRAKSecara umum penyembunyian data (steganografi) dengan media penampung citradigital terdiri dari dua teknik yaitu spasial domain dan frekuensi domain. Salahsatu metode yang menggunakan teknik spasial domain adalah pixel valuedifferencing (PVD). PVD menghitung selisih nilai pixel yang bersebelahan dengannon-overlapping. Misalkan data berhasil disisipkan tanpa menggunakan semuapixel dari cover image maka pada proses ekstraksi pesan mengalami penambahansehingga diperlukan suatu penanda untuk menjamin kesesuaian pesan. PVDmembutuhkan proses kuantisasi yang merepresentasikan prinsip kapabilitas visualmata manusia yaitu area kontras dan area mulus sehingga nilai selisih pixel yangbaru interval nilainya sama dengan interval selisih nilai pixel awal. Salah satumetode untuk kuantisasinya yakni menggunakan metode perfect square number.Pada skripsi ini mengimplementasikan PVD ditambahkan penanda dengan perfectsquare number dalam mengamankan data dengan citra digital. Hasil simulasiterhadap data uji dianalisis berdasarkan rata-rata waktu proses yang menunjukkansemakin besar ukuran media penampung maka semakin lama waktu yangdiperlukan dan nilai Peak Signal to Noise Ratio (PSNR) berada di interval 50 dBsampai 86 dB yang mengindikasikan bahwa pesan rahasia yang disembunyikansulit terdeteksi.

---

ABSTRACTIn general, data hiding with cover is image consists of two techniques; spatialdomain and frequency domain. One method using spatial domain technique is thepixel value differencing (PVD). PVD calculates the difference between pixels andnon-overlapping. If the data was able to be attached without using all the pixelsfrom cover image, then the message extraction process will expand, which makesthe sign is needed to guarantee the suitability of the message. PVD requiresquantitative processes representing the principal of human visual system capabilitywhich are contrast areas and smooth areas with the result that the new pixeldifference value has the same value interval as the initial pixel difference value.One of the methods for the quantitation is using perfect square number. Thisundergraduate thesis implements the PVD and perfect square number in securingdata by digital image. The simulation results of the test data analyzed based onaverage processing time shows that the bigger value of image pixel, the longertime required and the value of PSNR is in the interval 50 dB to 85 dB indicatingthe secret message that is hidden difficult to be detected."

"Graph clustering adalah pengelompokkan simpul-simpul pada suatu graf menjadi cluster-cluster. Ada berbagai macam algoritma graph clustering yang dapat diterapkan pada graf berbobot, di antaranya adalah algoritma yang berbasis MST (Minimum Spanning Tree). Kelebihan dari algoritma graph clustering yang berbasis MST adalah mampu mendeteksi bentuk cluster yang tidak beraturan. Algoritma graph clustering berbasis MST yang dibahas dalam penelitian ini adalah Maximum Standard Deviation Reduction atau disingkat MSDR. Algoritma tersebut bersifat unsupervised, yang artinya banyaknya cluster tidak ditetapkan oleh pengguna. MSDR memiliki dua tujuan. Tujuan yang pertama adalah membentuk cluster-cluster dimana pada masing-masing cluster, busur-busurnya memiliki nilai bobot yang serupa. Tujuan yang kedua adalah menjaga agar banyaknya cluster yang terbentuk, tidak terlalu banyak. Pada algoritma MSDR, tujuan yang kedua dipenuhi melalui suatu proses yang menggunakan regresi polinomial. Dalam penelitian ini, dilakukan modifikasi MSDR dengan menggantikan proses yang menggunakan regresi tersebut dengan suatu proses baru yang disebut "Loncatan Terbesar", sehingga dihasilkan algoritma baru yang disebut Modifikasi MSDR atau disingkat MMSDR. Dilakukan implementasi MMSDR pada beberapa graf lengkap Euclidean, yaitu graf lengkap yang setiap simpulnya adalah titik di suatu ruang Rn dan setiap busurnya diberi bobot yang berupa jarak Euclidean antara dua titik. Kemudian dilakukan implementasi MMSDR pada graf yang memodelkan rute penerbangan domestik di Indonesia oleh suatu maskapai X.

---

Graph clustering is the grouping of vertices in a graph into clusters. There are various clustering algorithms for weighted graphs, for example a graph clustering algorithm which is based on MST (minimum spanning tree). The advantage of MST-based clustering is that it allows the detection of clusters with irregular boundaries. An MST-based clustering known as MSDR (Maximum Standard Deviation Reduction) is studied in this research. MSDR is an unspervised clustering, in which the number of clusters is not dictated by the user. There are two goals of MSDR. The first goal is to produce clusters such that in each cluster the edges have similar weights. The second goal is to prevent the formation of too many clusters. In MSDR, the second goal is met through a process that uses polynomial regression. In this research, MSDR is modified by replacing the process that uses polynomial regression with a new process that is called "largest jump". A new algorithm is produced, which is called Modified MSDR (MMSDR). MMSDR is implemented on several complete Euclidean graphs, where a Euclidean graph is a graph whose vertices are points in a space Rn and the weight of an edge is the distance between the endpoints. MMSDR is also implemented on a graph that models domestic flight routes in Indonesia of an unidentified airline X. As a validation, MMSDR is tested on several Euclidean data, and the result is compared to visually-identified clusters. Afterwards, MMSDR is implemented on a graph that models the domestic flight routes of an airline in Indonesia."

" ABSTRAKClustering adalah salah satu topik penting pada bidang Data Mining. Teori graf dapat digunakan untuk membantu clustering dengan cara membuat graf yang mewakili data-data yang akan di-cluster. Salah satu metode graf clustering adalah k-way spectral clustering yang memanfaatkan sebanyak k nilai eigen dan vektor eigen pertama dari matriks Laplacian suatu graf untuk melakukan clustering dengan k adalah banyaknya cluster yang diinginkan. Pada skripsi ini dibahas mengenai algoritma k-way spectral clustering merujuk kepada Ng, Jordan, dan Weiss (2002) dan von Luxburg (2007).

---

ABSTRACT

Clustering is one of the most important topic in Data Mining. Graph can be used to do clustering by forming a representation graph data which is needed to be clustered. K-way spectral clustering is one of many methods of graph clustering. This method uses first-k eigen values and eigen vectors of a Laplacian matrix to cluster with k is the number of desired clusters. In this skripsi, it will be discussed a k-way spectral clustering algorithm by Ng, Jordan, and Weiss (2002) and von Luxburg (2007)."

"Tugas akhir ini membahas 2 algoritma untuk menentukan himpunan bebas maksimum pada graph busur sirkular. Algoritma tersebut adalab algoritma dari LEUNG dan algoritma dari MASUDA NAKAJIMA. Kemudian dilakukan perbandingan pada kedua algonitma tersebut untuk menentukan algoritma yang terbaik ditinjau dari sudut kompleksitas waktu."

"Suatu ruang metrik disebut ruang Atsuji jika untuk setiap fungsi bernilai real yang kontinu adalah kontinu seragam. Ruang metrik dikatakan memiliki Atsuji completion jika completion dari ruang metrik tersebut adalah ruang Atsuji. Dalam skripsi ini dibahas syarat subhimpunan lengkap di ruang metrik agar ruang metriknya memiliki Atsuji completion. Ruang metrik yang ditinjau adalah ruang metrik yang himpunan titik akumulasinya adalah himpunan yang terbatas total (totally bounded).

---

A metric space is called an Atsuji Space if every real-valued continuous function on it is uniformly continuous. A metric space is called to have an Atsuji completion if its completion is an Atsuji space. This skripsi discuss the conditions of complete subset in metric space in order to have an Atsuji completion. The metric space being considered is a metric space which has a totally bounded accumulation point set."

"Misalkan T adalah gelanggang matriks segitiga formal dan T[z; θ, d] adalah gelanggang polinomial miring atas T. Dengan mempelajari homomorfisma khusus dan derivasi miring pada gelanggang matriks segitiga formal, dapat dibuktikanbahwa gelanggang polinomial miring T[z; θ, d] memiliki representasi matriks segitiga formal.

---

Let T be a formal triangular matrix ring and T[z; θ, d] be a skew polynomial ring over T. By studying a particular ring homomorphism and skew derivation on formal triangular matrix ring, one can show that the skew polynomial ring T[z; θ, d] has formal triangular matrix representation."

"Suatu ruang metrik dikatakan ruang Atsuji jika setiap fungsi kontinu bernilai riil di ruang tersebut merupakan fungsi kontinu seragam. Ruang Atsuji merupakan ruang metrik yang lengkap. Ruang metrik dikatakan memiliki Atsuji completion jika completion-nya adalah ruang Atsuji. Tujuan skripsi ini adalah mempelajari dan menjelaskan syarat-syarat suatu barisan di ruang metrik yang memiliki Atsuji completion agar barisannya memiliki subbarisan Cauchy. Barisan yang ditinjau merupakan barisan pseudo-Cauchy, barisan asimtotik, barisan dari titik akumulasi, dan barisan dari pasangan titik terisolasi.

---

A metric space is called an Atsuji space if every real-valued continuous function on it is uniformly continuous. An Atsuji space is a complete space. A metric space is said to have an Atsuji completion if its completion is an Atsuji space. The aim of this undergraduate thesis is to study and explain the condition of sequences in metric space which has Atsuji completion in order to have a Cauchy subsequence. The sequences being considered are pseudo-Cauchy sequence, asymptotic sequence, sequence of accumulation points, and sequence of paired isolated points."

"Pesatnya perkembangan teknologi telah mengubah perdagangan konvensional menjadi sistem perdagangan modern. Agar e-commerce berhasil harus dikembangkan menggunakan sistem yang akurat. Salah satu metode pada pendekatan collaborative filtering yaitu latent variable models berdasarkan faktorisasi matriks. Jika setiap vector pu yang menyatakan ketertarikan pengguna ke-u terhadap variabel tersembunyi dan setiap vector qi yang menyatakan hubungan item i dengan variabel tersembunyi dapat ditentukan, maka tingkat ketertarikan antara semua pengguna u pada setiap item i dapat ditentukan. Untuk menghindari terjadinya overfitting proses update pu dan qi dilakukan menggunakan metode gradient descent dengan regularisasi. Penelitian ini menentukan parameter k (banyaknya variabel tersembunyi) dan parameter (nilai regularisasi) agar model optimal.

---

The rapid development of technology has changed the conventional trade into a modern trading system. In order for successful e-commerce must be developed using an accurate system. One method in collaborative filtering approach that is latent variable models based on matrix factorization. If any vector pu that expressed interest u user to a hidden variable and each qi vector expressing the relation item i with hidden variables can be determined, then the level of interest among all users u on every item i can be determined. To avoid overfitting the update process on pu vector and qi vector performed using gradient descent method with regularization. This study determines the parameter k (the number of hidden variables) and parameter (value regularization) that makes the model becomes optimal."