Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cekungan Air Tanah (CAT) Serang-Tangerang sebagai tempat terjadinya semua kejadian hidrogeologi tentunya tidak lepas dengan kontrol geologi, parameter fisika air tanah, dan parameter kimia air tanah. Analisis proses hidrogeokimia berdasarkan metode principal componenet analysis dilakukan untuk mengetahui bagaimana proses geologi mempengaruhi proses hidrokimia yang terjadi di Cekungan Air Tanah (CAT) Serang-Tangerang. Hasil penelitian menunjukkan bahwa daerah penelitian disusun oleh 4 formasi batuan, 13 batuan atau hasil gunung api dan 3 endapan, jenis air tanah berdasarkan nilai TDS dan DHL jenis air di cekungan Air Tanah (CAT) Serang-Tangerang merupakan air segar (72%) dan air payau (28%) serta air tanah segar (78%) dan air asin (22%) dengan fasies Na-HCO3, Mg-HCO3, Ca-HCO3, Ca-Cl, dan Na-Cl, DHL berkorelasi dengan K+ (r=0,681), Na+ (r=0.967), HCO3- (r=0.889), dan Cl- (r=0,891). Ca2+ berkorelasi HCO3- (r=0,600). Mg2+ berkorelasi dengan K+ (r=0,618) dan HCO3- (r=0,593). K+ berkorelasidengan Na+ (r=0.625), HCO3- (r=0,797). Na+ berkorelasi dengan HCO3- (r=0,858), Cl- (r=0,893). HCO3- berkorelasi dengan Cl- (r=0,638). Hubungan antara kondisi geologi dan proses hidrogeokimia air tanah yang terjadi di Cekungan Air Tanah (CAT) Serang-Tangerang dipengaruhi oleh 2 faktor yakni faktor litologi atau batuan (F1) dan lingkungan pengendapan atau intrusi air laut atau pengaruh penguapan (F2).

---

The Serang-Tangerang Groundwater Basin (CAT), where all hydrogeological events occur, cannot be separated from geological control, groundwater physics, and groundwater chemical parameters. Analysis of hydrogeochemical processes based on principal component analysis method was carried out to determine how geological processes affect hydrochemical processes in the Serang-Tangerang Groundwater Basin (CAT). The study area comprised 4 rock formations, 13 rocks or volcanic products, and 3 sediments. The type of groundwater based on TDS and DHL values, the type of water in the Serang-Tangerang Groundwater Basin is fresh water (72%) and brackish water (28%) and fresh groundwater (78%), and salt water (22%) with Na-HCO3, Mg-HCO3, Ca-HCO3, Ca-Cl, and Na-Cl facies, DHL correlated with K+ (r =0,681), Na+ (r=0.967), HCO3- (r=0,889), and Cl- (r=0,891). Ca2+ correlates with HCO3- (r=0,600). Mg2+ correlated with K+ (r=0,618) and HCO3- (r=0,593). K+ correlated with Na+ (r=0,625), HCO3- (r=0,797). Na+ correlated with HCO3- (r=0,858) and Cl- (r=0,893). HCO3- correlated with Cl- (r=0,638). The relationship between geological conditions and groundwater hydrogeochemical processes that occur in the Serang-Tangerang Groundwater Basin (CAT) is influenced by two factors, namely lithology or rock factors (F1) and depositional environment or seawater intrusion or the influence of evaporation (F2)."

"Dengan berkembangnya kegiatan di Provinsi Banten, bertambah pula kebutuhan air bersih setiap harinya mulai dari kegiatan domestik hingga perkantoran, dan bidang lainnya. Skripsi ini betujuan untuk mengetahui karakteristik dan pola aliran Cekungan Air Tanah (CAT) Serang-Tangerang sebagai salah satu sumber air utama bagi masyarakat Provinsi Banten dengan menggunakan kadar isotop dan hidrogeokimia air tanah untuk memetakan persebaran fasies air tanah dan pola aliran air tanah dengan menggunakan metode Inverse Distance Weighting (IDW) dengan bantuan software ArcGis. Dari hasil penelitian, didapat bahwa fasies dominan pada CAT Serang-Tangerang adalah Na-HCO3, diikuti dengan Ca-HCO3, Na-Cl, Ca-Cl, Na-SO4, Ca-SO4, Mg-HCO3, Na-HCO3­­-Cl, Mg-HCO3­­-Cl, Na-Cl-HCO3, dan HCO3­­-Cl. Berdasarkan Muka Air Tanah Absolut (MATa) serta kadar isotop stabil berupa δ18O dan δD, pola aliran air tanah mulai dari daerah imbuhan di bagian barat daya dari CAT, menuju ke arah utara, timur laut, dan timur, dengan air tanah yang dikelompokkan ke dalam tiga kelompok utama berdasarkan rasio isotopnya menggunakan metode pengelompokan Equal Interval, yaitu menjadi kelompok air tanah dengan rasio isotop tinggi, kelompok air tanah dengan rasio isotop sedang, dan kelompok air tanah dengan rasio isotop rendah. 

---

With the growth of activity in Banten Province, so does increase the need of daily clean water, from domestic activities to office activities, and many other economic sections. This thesis is made to understand the characteristics and groundwater flow of Serang-Tangerang Groundwater Basin as one of the main water sources for the citizens of Banten Province with the use of stable isotope ratios and groundwater hydrogeochemistry to map the groundwater facies distribution using Inverse Distance Weighting (IDW) method with the help of ArcGis software. The result of this study shows that the dominant facies for Serang-Tangerang Groundwater Basin is Na-HCO3, followed by Ca-HCO3, Na-Cl, Ca-Cl, Na-SO4, Ca-SO4, Mg-HCO3, Na-HCO3­­-Cl, Mg-HCO3­­-Cl, Na-Cl-HCO3, and HCO3­­-Cl. According to the Absolute Groundwater Level (AGL) and stable isotope ratios of δ18O and δD, groundwater flow starts from the recharge zone one the southwest area of the groundwater basin to the north, northeast, and east, and the groundwater is grouped into three different categories based on their isotopic ratios using Equal Interval classification method, which is classified into groundwater with high isotopic ratios, medium isotopic ratios, and low isotopic ratios."

"Dekomposisi spectral merupakan salah satu metoda analisis seismik lanjutan untuk memetakan benda geologi. Biasanya seorang interpreter akan menghasilkan sangat banyak komponen spektral yang di-scan setiap 1 Hz untuk mencari anomali tersebut. Komponen spektral tersebut saling berkorelasi dan berulang, suatu fitur yang sama dapat muncul di beberapa komponen tetapi dengan kualitas berbeda. Untuk mengurangi perulangan data spektral dan meningkatkan trend di dalam data, principal component analysis (PCA) diaplikasikan kepada komponen spektral. PCA adalah metode statistik multivariable yang bekerja dengan cara merotasi sumbu agar sejajar dengan arah penyebaran data dan mengurutkan principal component berdasarkan besar nilai varians.Dalam eksperimen pertama kepada model baji, PCA dapat memetakan seluruh bagian baji dengan menerus tidak peduli dengan ketebalannya. Semua fitur yang signifikan diplot pada principal component pertama yang mempunyai lebih dari 85% varians data. Kami juga memverifikasi algoritma ini pada data seismik Stratton, dengan target channel dimana citra yang diperoleh sebanding dengan hasil dekomposisi spektral. Tetapi kami juga memperhatikan ada beberapa bagian dari channel yang dicitrakan sedikit kurang bagus akibat dari kontaminasi noise dan juga kurang signifikannya data tersebut. PCA akan berfungsi dengan baik jika trend dalam data koeksis dalam komponen spektral yang lain dan tidak didominasi oleh noise. Dengan menggunakan teknik blending, kami menjumlahkan tiga principal component band pertama dan menunjukkan bahwa channel dapat dipetakan dengan lebih baik. Fitur-fitur yang kurang signifikan yang muncul pada principal component band dua dan tiga semua dipetakan dalam citra komposit.

---

Spectral decomposition is one of the method in advance seismic analyses to map geologic body. Usually, an interpreter will generate a lot of spectral components which are usually scanned every 1 Hz to look for anomalies. Those spectral components are highly correlated and redundant, same feature can occur in several components with different quality. To reduce the multiplicity of spectral data and enhance the most energetic trends inside the data, principal component analysis (PCA) is applied to the spectral components. PCA is a multivariate statistics method that works by rotating the axes to align with natural extension of the swarms of points and ordering the principal components by decreasing variance.In the first experiment to wedge model, PCA is very excellent in mapping all wedge body continuously regardless of the thickness. All significant features are plotted in the first principal component which accounts for more than 85% data variance. We also verify the algorithm to Stratton seismic data, target at channel which provide a comparable image from spectral decomposition. But we notice that some parts of the channel are slightly poorly imaged due to the contamination of noise and low significance of the data. PCA is robust when the trend in the data coexists in other spectral components and it doesn?t smeared by noise. By using blending technique, we sum up the first three principal component bands and shows that the channel is better imaged. Less significant features that show up in principal component bands two and three are all mapped to the composite image."

"Sebuah penelitian terdahulu menyebutkan bahwa internet banking memberikan dampak negatif terhadap kinerja bank di Indonesia. Penelitian ini merupakan tindakan lanjut untuk mengetahui pengaruh internet banking terhadap kinerja setiap bank penyedia layanan tersebut pada tahun 2013. Metode DEA digunakan untuk menghitung efisiensi yang menjadi indikator kinerja bank. Model DEA yang digunakan ialah model variable return to scale berorientasi input. Metode PCA digunakan untuk membuat component loading yang dapat memetakan kinerja setiap bank beserta pengaruh internet banking-nya. Hasil penelitian ini berupa pemetaan yang diharapkan dapat menjadi salah satu referensi bagi bank agar dapat menentukan keputusan dan strategi terkait dengan layanan internet banking-nya.

---

A previous study said that internet banking gave negative impact on Indonesian bank performance. This is a follow-up study to determine the impact of internet banking toward each bank performance in 2013. DEA is used to calculate efficiency which is used as indicator of bank performance. The DEA model used is variable returns to scale - input oriented model. PCA is used to generate component loading for depicting performance of each bank along with its internet banking impact. The result of this research is a mapping which is expected could be a reference for banks in order to determine the decisions and strategies related to its internet banking service."

"Stunting adalah kondisi dimana balita memiliki panjang atau tinggi badan yang kurang jika dibandingkan dengan anak seusianya. Balita stunting termasuk ke dalam masalah gizi kronik yang disebabkan oleh banyak faktor seperti kondisi sosial ekonomi, gizi ibu saat hamil, riwayat penyakit pada bayi, dan kurangnya asupan gizi pada bayi. Balita stunting di masa yang akan datang akan mengalami kesulitan dalam mencapai perkembangan fisik dan kognitif yang optimal. Penelitian ini bertujuan untuk menganalisis variabel atau faktor dominan yang mempengaruhi kejadian stunting di Indonesia. Penelitian ini menggunakan data sekunder dari Indonesia Family Life Survey (IFLS) tahun 2014-2015, yang dilakukan di 13 provinsi di Indonesia. Pengumpulan data disaring berdasarkan variabel yang diujikan menggunakan perangkat lunak analisis statistika (Stata). Data output yang dihasilkan kemudian diolah dengan menggunakan algoritma Principal Component Analysis untuk mengekstraksi faktor dominan yang akan dianalisa. Hasil penelitian menunjukkan bahwa faktor yang paling dominan pada kejadian stunting adalah faktor tinggi badan, pendidikan ayah, dan pengeluaran asupan protein.

---

Stunting is a medical term that refers to an abnormal condition of the baby's body. In term of height and weight of the body, stunting babies tend to have the smaller one instead of normal. In Indonesia, this issue is categorized as a cronical issue that is caused by many factors such as social-economic condition, the health condition especially nutrition intake of pregnant women, the baby's history of disease and the less of nutrition intake of baby. In the future, stunting baby will be difficult in getting the optimal growth physically and cognitively. This study aims

to analyze the dominant factors or variables that cause the occurance of stunting in Indonesia. It will use secondary data from Indonesia Family Life Survey (IFLS) 2014-2015 that is conducted in 13 provinces in Indonesia. The data was preprocessed by filtering based on some tested variables using statistics analysis software (Stata). Output data were processed by using Principal Component Analysis algorithm to extract dominant factors which will be analyzed. The result of study shows that the most dominant factors that caused stunting occurance are height of the body, education level of baby's father and cost for protein intake."

"Cekungan Air Tanah Jakarta merupakan daerah penyimpan air tanah yang memiliki manfaat sebagai sumber air baku pemenuhan segala kebutuhan air bersih di DKI Jakarta dan sekitarnya. Penggambaran kondisi potensi air tanah di CAT Jakarta perlu dilakukan untuk mengetahui potensi air yang tersimpan mengalami kondisi berlebih (surplus) atau mengalami kondisi kekurangan sumber daya air tanah (defisit). Dalam penelitian ini, dilakukan analisis potensi cadangan air tanah berdasarkan analisis menggunakan Metode Thiessen Polygon untuk memperoleh cakupan area luasan hujan, Metode Modifikasi Penman untuk mengetahui besar nilai evapotranspirasi potensial, dan Metode F.J. Mock untuk mengetahui besar nilai neraca air di CAT Jakarta. Data yang dipergunakan dalam penelitian ini yaitu data curah hujan, data klimatologi (data suhu udara, lama penyinaran matahari, kelembapan udara relatif, kecepatan angin rata-rata, dan letak stasiun pengukuran), data tutupan lahan, dan data kependudukan. Penelitian ini bertujuan untuk mengetahui pengaruh kondisi geologi (porositas) terhadap besar ketersediaan air tanah, mengetahui besar potensi debit ketersediaan air tanah di CAT Jakarta sebagai pemenuh kebutuhan air bersih di DKI Jakarta dan sekitarnya, dan mengetahui kondisi indeks kekritisan air tanah di CAT Jakarta. Penelitian ini diharapkan dapat menjadi rekomendasi untuk kondisi cadangan air tanah di CAT Jakarta sebagai upaya konservasi dan mengontrol penggunaan air tanah di CAT Jakarta. Berdasarkan hasil analisis perhitungan neraca air, diperoleh potensi air tanah di CAT Jakarta mengalami kondisi defisit/kekurangan sumber daya air dengan debit sebesar -875.330.761,41 m3/tahun pada tahun 2019. Debit kebutuhan air tanah untuk kebutuhan domestik di CAT Jakarta mencapai angka sebesar 1.031.257.969,5 m3/tahun pada tahun 2018. Kondisi air tanah di CAT Jakarta pada tahun 2016 – 2020 berada dalam kondisi indeks kekritisan air >100% yang terklasifikasi ke dalam kondisi sangat kritis. Disimpulkan bahwa potensi air tanah di CAT Jakarta tidak mampu memenuhi kebutuhan air domestik di DKI Jakarta dan sekitarnya serta kondisi di mana air tanah tidak dapat dimanfaatkan oleh masyarakat, sehingga membutuhkan sumber air bersih alternatif sebagai pemenuh kebutuhan air domestik.

---

The Jakarta Groundwater Basin is a groundwater storage area that has benefits as a source of raw water to meet all clean water needs in DKI Jakarta and its surroundings. It is necessary to describe the condition of groundwater potential at the Jakarta CAT to determine the potential for stored water to be in excess (surplus) or experiencing a shortage of groundwater resources (deficit). In this study, an analysis of the potential for groundwater reserves was carried out based on the analysis using the Thiessen Polygon Method to obtain the coverage area of the rain area, the Penman Modification Method to determine the potential evapotranspiration value, and the F.J. Mock method to find out the value of the water balance in the Jakarta CAT. The data used in this study are rainfall data, climatological data (air temperature data, duration of sunshine, relative humidity, average wind speed, and the location of the measurement station), land cover data, and population data. This study aims to determine the effect of geological conditions (porosity) on the availability of groundwater, to determine the potential discharge of groundwater availability in the Jakarta CAT as a source of clean water in DKI Jakarta and its surroundings, and to determine the condition of the groundwater criticality index in the Jakarta CAT. This research is expected to be a recommendation for the condition of groundwater reserves in the Jakarta CAT as an effort to conserve and control the use of groundwater in the Jakarta CAT. Based on the results of the analysis of the water balance calculation, it was found that the groundwater potential in the Jakarta CAT is in a state of deficit/lack of water resources with a discharge of -875,330,761.41 m3/year in 2019. The discharge of groundwater needs for domestic needs in the Jakarta CAT reached a number of 1,031,257,969.5 m3/year in 2018. Groundwater conditions in the Jakarta CAT in 2016 – 2020 are in a condition of water criticality index >100% which is classified into very critical condition. It is concluded that the groundwater potential in the Jakarta CAT is not able to meet the domestic water needs in DKI Jakarta and its surroundings and the conditions in which groundwater cannot be utilized by the community, thus requiring alternative sources of clean water to meet domestic water needs."

"Corona Virus Disease 2019 (COVID-19) adalah penyakit yang menyerang tubuh manusia melalui virus Severe Acute Respiratory atau SARS-CoV-2. Munculnya wabah COVID-19 menimbulkan setidaknya 16,6 juta penduduk di dunia meninggal dunia serta tidak sedikit dari penderitanya mengidap Community Acquired Pneumonia (CAP). CAP adalah infeksi akut parenkim paru pada orang yang telah mendapatkan infeksi di masyarakat. Menurut World Health Organization (WHO), pneumonia menjadi penyebab utama kematian nomor tiga di negara miskin dan berkembang. Dengan adanya pendeteksian serta diagnosis lebih dini, pengidap CAP akibat terpapar oleh virus COVID-19 ini dapat ditangani lebih cepat sebelum menyebar luas. Oleh karena itu, analisis gambar medis sangat penting dalam upaya pengobatan CAP sedini mungkin. Adanya pengembangan teknologi deep learning dan computer vision dapat membantu dokter dalam melakukan pendeteksian lebih cepat serta akurat. Maka dari itu, penelitian ini mengusulkan model Convolutional Neural Network (CNN) dengan arsitektur ensemble model Xception, InceptionV3, NASNet Large, dan Inception Resnet-V2 dengan menggunakan metode pre-processing Principal Component Analysis (PCA) dalam melakukan pendeteksian COVID-19 tiga kelas pada gambar chest xray. Penggunaan metode PCA pada data pre-processing dapat membantu mengembangkan model yang lebih efisien serta akurat. Para peneliti telah mencoba pemrosesan gambar baik menggunakan gambar rontgen dada dan juga Computerized Tomography (CT scan) khususnya CNN. Penelitian sebelumnya telah membuat model CNN dengan arsitektur ensemble model yang terdiri dari Xception, Inception-V3, NASNet Large, dan Inception Resnet-V2 berbasis ensemble model. Namun, hasil akurasi dalam pendeteksiannya masih belum optimal. Oleh karena itu, penelitian ini mengusulkan penggunaan metode PCA untuk meningkatkan akurasi pendeteksian menjadi 88,95%. Akurasi pendeteksian meningkat sebesar 3,14% dari penelitian sebelumnya.

---

Corona Virus Disease 2019 (COVID-19) is a disease that attacks the human body through the SARS-CoV-2 virus. The emergence of the COVID-19 outbreak has caused at least 16.6 million people worldwide to die, and many of them suffer from Community Acquired Pneumonia (CAP). CAP is an acute lung parenchyma infection in people who have been infected in the community. According to World Health Organization (WHO), pneumonia is the third leading cause of death in poor and developing countries. With earlier detection and diagnosis, CAP sufferers due to exposure to the COVID-19 virus can be treated more quickly before it spreads widely. Therefore, medical image analysis is crucial in the effort to treat CAP as early as possible. The development of deep learning and computer vision technology can help doctors to perform faster and more accurate detection. Hence, this research proposes a Convolutional Neural Network (CNN) model with ensemble architectures of Xception, InceptionV3, NASNet Large, and Inception Resnet-V2, using Principal Component Analysis (PCA) pre-processing method to perform three-class COVID-19 detection in chest x-ray images. The use of the PCA method in pre-processing data can help develop a more efficient and accurate model. Researchers have tried image processing using both chest X-ray images and also Computerized Tomography (CT scan), especially CNN. Previous research has created a CNN model with an ensemble model architecture consisting of Xception, Inception-V3, NASNet Large, and Inception Resnet-V2 based on the ensemble model. However, the results of the accuracy in the detection are still not optimal. Therefore, this study proposes the use of the PCA method to increase the detection accuracy to 88.95%. Detection accuracy increased by 3.14% from previous studies."

"Kebutuhan listrik yang senantiasa meningkat setiap tahunnya, wilayah yang sangat luas dan jumlah penduduk yang besar, maka harus mampu membangun dan melayani seluruh kebutuhan listrik masyarakat. Sebagai rangkaian menyeluruh terhadap seluruh kebutuhan energi dan daya listrik tersebut, maka perlu adanya perencanaan yang saling berkait dan terus-menerus. Dengan demikian perlu adanya peramalan terhadap perkembangan dan kebutuhan dimasa depan.Terbatasanya data yang tersedia juga menjadi kendala dalam membuat peramalan yang akurat. Oleh karena itu penelitian memiliki tujuan untuk memperbaiki metode peramalan beban listrik sehingga menjadi sederhana dan akurat dengan optimalisasi data, kemudian memodifikasi peramalan beban listrik berbasis spasial yang sesuai ciri wilayah dengan jumlah data dan variabel yang terbatas. Penelitian ini berbasis spasial dengan mengembangkan metode Analisis Klastering untuk memperoleh beberapa sel kecil yang disebut klaster. Klaster ini terbentuk berdasarkan kemiripan data yang dimiliki sesuai dengan variabel yang telah ditentukan. Kemudian untuk memperoleh hasil yang akurat, maka dilakukan peramalan menggunakan metode regresi linear dan menggabungkannya dengan metode Principal Component Analysis (PCA). PCA ini mampu memberikan hasil galat yang kecil pada tiap perhitungannnya.Struktur penyelesaian masalah dalam penelitian ini dengan membuat peramalan berdasarkan jumlah variabel dengan tetap mengacu pada jumlah klaster yang terbentuk. Setiap jumlah variabel juga akan dibedakan jenis variabelnya agar terlihat ciri yang dimiliki oleh tiap klaster tersebut.Berdasarkan hasil yang diperoleh, nilai MAPE pada setiap perhitungan umumnya bernilai sangat baik. Nilai MAPE terendah untuk daya terpasang berada pada nilai 0,397% dan hampir seluruh klaster nilai MAPE berada dibawah 1%. Sedangkan pada peramalan energi terjual, nilai MAPE masih berada di atas 1%. Jumlah variabel yang banyak umumnya memiliki nilai MAPE yang kecil, walaupun dibeberapa kejadian variabel yang sedikit nilai MAPE juga rendah.

---

The need for electricity that continues to increase every year, a very large area, and a large population make a government must be able to build and serve all the electricity needs of the community. As a comprehensive series of all these energy and electrical power needs, interrelated and continuous planning is needed. Thus, it is necessary to forecast the development and demand for electricity in the future.

However, the limited data available is an obstacle in making accurate forecasts. Therefore, this study aims to improve the electrical load forecasting method so that it becomes simpler and its accuracy increases with data optimization. Then, modification of the electrical load forecasting method using a spatial basis is carried out according to the characteristics of the area with a limited amount of data and variables. This research is spatially based by developing a clustering analysis method to obtain several small cells called clusters. This cluster is formed based on the similarity of the data held in accordance with the predetermined variables. Then to obtain more accurate results, forecasting is done using the linear regression method and combining it with the Principal Component Analysis (PCA) method. This PCA is able to provide results with small errors in each calculation.

The structure of problem solving in this study is to make forecasts based on the number of variables while still referring to the number of clusters formed. Each number of variables is distinguished by the type of variable so that the characteristics possessed by each cluster can be seen.

Based on the results obtained, the MAPE value in each calculation is generally very good. The lowest MAPE value for installed power is 0.397% and almost all clusters the MAPE value is below 1%. Then, in the forecast of energy sold, the MAPE value is still above 1%. A large number of variables, in general, has a small MAPE value, although in some cases, a small number of variables has a low MAPE value."

"Kementrian Kesehatan menyatakan Indonesia sudah memasuki kondisi ageing population, dimana kondisi tersebut ditandai dengan kenaikan persentase penduduk lanjut usia (lansia). Kondisi tersebut tentunya memerlukan perhatian khusus dari pemerintah. Demensia adalah istilah medis untuk menggambarkan gejala penurunan memori dan fungsi kognitif pada tubuh manusia. Indonesia termasuk sepuluh negara dengan jumlah penderita orang dengan demensia (ODD) tertinggi di dunia, dan pada tahun 2050 jumlahnya diprediksi mencapai empat juta jiwa. Prediksi tersebut dibuat berdasarkan perbandingan jumlah lansia di Indonesia dengan jumlah ODD di seluruh dunia. Penelitian bertujuan untuk mengetahui peran dari masing-masing uji klinis untuk mengidentifikasi penderita ODD dan mereduksi komponen uji klinis yang memiliki peran kontribusi rendah. Data yang digunakan adalah data uji klinis NIFD (Neuroimaging in Frontotemporal Dementia). Metode yang akan digunakan adalah Principal Component Analysis (PCA), dimana metode ini bertujuan untuk melihat komponen uji klinis yang memberikan peran kontribusi dalam mengidentifikasi penderita ODD. Selain itu, akan dilakukan proses imputasi missing value dengan menggunakan algoritma pengembangan dari PCA, yaitu SVD-Impute dan PPCA. Setelah dilakukan tiga kali iterasi, pengujian menunjukan bahwa metode PPCA lebih baik dalam melakukan imputasi missing value dibandingkan dengan metode SVDImpute berdasarkan nilai NRMSE dan koefisien korelasi Pearson.

---

The Ministry of Health stated that Indonesia had entered a condition of an aging population, where an increase in the proportion of older people marks this condition. This condition certainly requires special attention from the government. Dementia is a medical term to describe symptoms of decreased memory and cognitive function in the human body. Indonesia is one of the ten countries with the highest number of people with dementia in the world, and by 2050 it is predicted to reach four million people. This prediction was based on comparing the number of older people in Indonesia with those with dementia worldwide. The research aims to determine each clinical trial's role in identifying people with dementia and reducing the components of clinical trials with a low role contribution. The data used is NIFD (Neuroimaging in Frontotemporal Dementia) clinical trial data. The method used is Principal Component Analysis (PCA), which aims to see clinical component tests that contribute to identifying people with dementia. In addition, the missing value imputation process will be carried out using the development algorithm from PCA, SVD-Impute and PPCA. After three iterations, the test showed that the PPCA method was better at imputing missing values than the SVDImpute method based on the NRMSE value and Pearson's correlation coefficient."

"ABSTRAK

Kanker Payudara (KPD) merupakan salah satu penyakit penyebab kematian terbesar. Indonesia merupakan negara dengan jumlah KPD cukup besar. KPD ini merupakan benjolan. Benjolan ini dapat diperiksa menggunakan cara manual yaitu diraba bagian dekat dengan putting susu. Jika benjolan tidak kunjung mengecil dianjurkan untuk memeriksa ke dokter. Pendektesian KPD ini dapat dilakukan dengan menggunakan proses pencitraan. Data yang digunakan pada penelitian ini diambil dari website Pilot European Image Processing Archive (PEIPA) yaitu dataset Mammographic Image Analysis Society (MIAS). Pendektesian dilakukan dengan menganalisa gambar payudara (mammography) pasien dengan menggunakan metode Principal Component Analysis (PCA) mengubah gambar dalam bentuk matriks. Matriks ini akan digunakan sebagai data yang akan digunakan dalam Neural Network (jaringan saraf tiruan) dengan metode Backpropagation Neural Network (BNN). Dari hasil Percobaan dapat diketahui bahwa metode ini menghasilkan nilai akurasi pembelajaran dari deep learning supervised sebesar 98%.

---

ABSTRACTBreast Cancer is one of the biggest causes of death. Indonesia is a country with a large number of KPDs. This KPD is a lump. This lump can be examined using a manual method that is palpated near the nipple. If the lump does not go away it is recommended to see a doctor. This breast cancer assessment can be done using the imaging process. . The data used in this study was taken from the website of the Pilot European Image Processing Archive (PEIPA) namely the Mammographic Image Analysis Society (MIAS) dataset. The assessment is done by analyzing the breast image (mammography) of the patient using the Principal Component Analysis (PCA) method to change the image in the form of a matrix. This matrix will be used as data to be used in Neural Networks with the Backpropagation Neural Network (BNN) method. From the results of the Experiment it can be seen that this method produces the value of accuracy of learning from supervised deep learning about 98%.

"