Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam dunia teknik kimia, pemodelan proses merupakan suatu bagianyang cukup penting dalam menentukan neraca massa dan panas, menghimngukuran dan biaya suatu peralatan, dan mengoptimasi suatu proses kimia. Untuk itudiperlukan suatu perhitungan sifat-sifat termodinamika yang akurat dan eiisiensecara perhitungan. Metode . yang efektif dalam menentukan sifat-sifattemaodinamilca adalah dengan menggunakan suatu persamaan keadaan kubik yangpertama kali ditemukan oleh Van der Waals pada tahun 1873. Persamaan ini terusmengalami perkembangan dalam upaya untuk mencari persamaan keadaan yanglebih akurat.Beberapa persamaan telah dikembangkan untuk memperoleh tingkatakurasi yang tinggi dalam perhitungan sifat-sifat volumetrik campuran, antara laindengan cara mengopnmasi parameter persamaan keadaan kubik dan cara lainnyaadalah dengan translasi volume persamaan keadaan yang sudah ada.Perhitungan volume cair jenuh campuran biner dengan menggunakanpersamaan keadaan dengan parameter yang dioptimasi dan perhitungan dengantranslasi volume tentunya memiliki keunggulan dan kelemahan ditinjau dariperolehan hasil deviasi yang rendah terhadap data eksperimen.Dari perbandingan hasil perhitungan Persen Deviasi Absolut Rata-rata(PDAR) pada lima biner yang digunakan menunjukkan bahwa perhitunganvolume cair jenuh campuran biner dengan cara translasi volume umumnyamemberikan hasil perhitungan dengan akurasi yang lebih tinggi dibandingkandengan penggunaan parameter persamaan keadaan yang dioptimasi"

"Telah dilakukan investigasi akurasi kinerja sistem jejaring CT scan Siemens Somatom Sensation 4, TPS Philips Pinnacle3, dan Linac Siemens PRIMUS 2D Plus milik Rumah Sakit Pusat Pertamina, Jakarta. Untuk investigasi ml, telah dibuat fantom khusus untuk mengukur akurasi jarak, ukuran penampang, dan densitas massa obyek path citra tampilan CT dan TPS. Khusus untuk memperoleh hubungan antara bilangan CT (HU) dan densitas massa obyek digunakan material fantom air, udara, akrilik, nilon, teflon, gliserin, dan aluminium. Pengambilan data dilakukan dengan 2 metode scanning, metode I dengan kondisi 120 kVp, tebal irisan 10 mm dan kolimasi 1 mm, serta metode II dengan kondisi 120 kVp, tebal irisan 10 mm dan kolimasi 2.5 mm. Hasil pengukuran jarak menunjukkan deviasi dalàm rentang 0.00% - 0.19% untuk metode I yang diperoleh dan 50% data, dan rentang 0.20% - 0.39% untuk metode II yang diperoleh dan 40% data. Tampilan penampang obyek memiliki ukuran relatif lebih besar dibandingkan dengan penampang sebenarnya dengan rentang deviasi 0,38% sampai dengan 8.3 7%. Perbedaan tertinggi terjadi path material aluminium dengan densitas 2.7 g/cm3. Penentuan deviasi densitas massa diperoleh setelah dilakukan kalibrasi nilal bilangan CT menjadi data densitas massa path sistem TPS. Berdasarkan observasi dan 40% dan 77.8% data pada metode I dan II, diperoleh deviasi densitas massa kurang dan 1%. Dalam penelitian mi juga dilakukan investigasi terhadap akurasi sistem laser untuk penentuan variasi posisi. Sistem laser memiliki akurasi yang sangat tinggi yaitu mendekati 100% path ruang CT simulator dan 99% pada ruang linac.

---

Performance accuracy of a network system, which is consists of CT Scanner Siemens Somatom Sensation 4, Treatment Planning System Philips Pinnacle 3, and Linac Siemens PRIMUS 2D at Pertamina Central Hospital, Jakarta has been investigated A special phantom has been made for measurement in this work With this phantom, the accuracy of distance, diameter, and mass density of object were measured through the CT image and DRR as well. Data was collected by using 2 scanning method with operation condition 120 kVp, 10 mm slice thickness, 1 mm collimation for scanning method I, and 120 kVp, 10 mm slice thickness, 2.5 mm collimation for scanning method H. The measurement result indicated that the inaccuracy of reconstruction with scanning method! and II, for distance respectively in the range 0.00% - 0.19% and 0.20% - 0.39%, for diameter and mass density of both method respectively in the range 0,38% - 8.37% and less than 1016. Furthermore, the accuracy of laser system of CT and linac were also observea and the result of both laser systems were in a good accuracy."

"Jaminan mutu hasil pengujian laboratorium yang dapat menentukan kompetensi laboratorium, antara lain dari hasil uji banding antar laboratorium atau uji profesiensi. Tujuan penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi presisi dan akurasi data hasil uji dalam rangka penjaminan mutu laboratorium. Penelitian ini mengambil kasus penyelenggaraan uji profesiensi pelumas yaitu Asia Pacific Laboratory Accreditation Cooperation Proficiency Testing Programme yang diselenggarakan oleh Komite Akreditasi Nasional bekerjasama dengan PPPTMGB LEMIGAS pada tahun 2014 dengan parameter uji meliputi Viskositas Kinematik pada 40oC dan 100oC, Viskositas pada Suhu Rendah (Metode CCS), Angka Basa Total, serta Sifat Penguapan (Metode Noack). Hasil evaluasi menunjukkan bahwa data hasil uji yang tidak memuaskan untuk parameter viskositas 40°C dan 100°C masing-masing adalah 19,51% dan 10.26%, TBN 8,00%, CCS 5,56% dan untuk Sifat Penguapan (Metode Noack) seluruhnya memuaskan. Sedangkan %RSD paling rendah adalah viskositas kinematik pada 40°C sebesar 0,5516 dan %RSD paling tinggi yaitu sifat penguapan metode noack sebesar 7,048. Data hasil uji dengan nilai %RSD kecil mempunyai tingkat presisi dan akurasi yang lebih baik, sehingga kumpulan data tersebut sangat sensitif terhadap perbedaan nilai dan mudah masuk dalam kategori outlier. Faktor-faktor yang mempengaruhi presisi dan akurasi data adalah pemilihan metode uji, kompetensi personil, kalibrasi atau verifikasi alat uji serta penggunaan bahan kimia yang tepat. Presisi dan akurasi data hasil uji menentukan tingkat kompetensi laboratorium, hal ini dapat dicapai apabila sistem manajemen mutu telah diimplementasikan secara efektif dan konsisten."

"Kondisi pasca bencana adalah sebuah kondisi darurat yang membutuhkan pertolongan pertama dari tim penyelamat. Oleh karena itu, dikembangkan pemanfaatan radar yang digunakan untuk mendeteksi manusia dalam kondisi pasca-bencana. Sayangnya, banyaknya parameter yang mempengaruhi pengklasifikasian membatasi pemakaian radar 24 GHz seperti reruntuhan yang menutupi manusia. Oleh karena itu, radar dengan frekuensi yang lebih tinggi dimanfaatkan dengan frekuensi 77 GHz yaitu sinyal milimeter. Metode seperti deep learning dan backpropagation neural network sudah diterapkan pada penelitian-penelitian sebelumnya menggunakan radar sinyal milimeter. Namun, tingkat akurasi dari klasifikasi kelas dari makhluk hidup hanya mencapai 49% dengan jumlah klasifikasi 2 kelas dan 32% dengan jumlah klasifikasi 3 kelas. Oleh karena itu, dikembangkan kembali dengan metode Convolutional Neural Network. Akurasi yang didapatkan meningkat hingga mencapai 99% untuk klasifikasi 2 kelas dan 3 kelas. Namun akurasinya menurun untuk klasifikasi kelas yang lebih banyak hingga 68%. Skripsi ini mengajukan metode 3D-Convolutional Neural Network guna meningkatkan resolusi dari data yang diberikan dalam pelatihan dari model untuk meningkatkan akurasi pada klasifikasi kelas dengan model yang diajukan.

---

The post-disaster condition is an emergency that requires immediate first aid from rescue teams. Therefore, the use of radar has been developed to detect humans in post-disaster conditions. Unfortunately, the numerous parameters affecting classification, such as rubble covering humans, limit the use of 24 GHz radar. Consequently, higher frequency radar, specifically 77 GHz millimeter-wave signals, is utilized. Methods like deep learning and backpropagation neural networks have been applied in previous studies using millimeter-wave radar signals. However, the classification accuracy for living beings reached only 49% for two-class classification and 32% for three-class classification. Therefore, the method was further developed using Convolutional Neural Networks (CNN). The accuracy achieved improved to 99% for both two-class and three-class classifications, but it decreased to 68% for classifications with more classes. This thesis proposes the use of a 3D-Convolutional Neural Network method to enhance the resolution of the data used in model training, aiming to improve the accuracy of class classification with the proposed model."

"Harga saham selalu berfluktuasi setiap waktu. Hal ini merupakan salah satu bentuk ketidakpastian yang terjadi di pasar saham. Risiko akibat dari ketidakpastian ini dapat diminimalisir dengan peramalan harga saham yang dibentuk dengan model linier. Salah satu model linier yang dapat digunakan dalam peramalan harga saham adalah model hybrid ARFIMA-GARCH. Model ini merupakan gabungan dari model ARFIMA dan model GARCH yang sudah pernah digunakan oleh penelitian sebelumnya dan disinyalir memiliki kekurangan dan kelebihan masing-masing. Model ARFIMA baik digunakan untuk peramalan jangka panjang, namun memiliki kendala, yakni adanya volatilitas yang terjadi dalam jangka panjang. Hal ini dapat diatasi oleh model GARCH yang baik digunakan dalam volatilitas pada harga saham dalam jangka panjang. Model GARCH merupakan pengembangan dari model Autoregressive Conditional Heterocedastic (ARCH), di mana model ini menggunakan volatilitas pada data sebelumnya. Berikutnya, model ARFIMA dan GARCH yang digabungkan menjadi model hybrid ARFIMA-GARCH akan digunakan pada penelitian ini untuk peramalan harga saham LQ45. Pada penelitian ini, hanya dua saham dari indeks saham LQ45 yang akan diprediksi harga sahamnya, yakni saham dengan volatilitas harga terkecil dan terbesar. Data harga saham yang digunakan adalah harga penutupan harian saham BBCA (PT Bank Central Asia Tbk.) dan TKIM (PT Tjiwi Kimia Paper Factory Tbk.) pada periode tahun 2017-2021. Hasil peramalan dengan model ARFIMA-GARCH akan dievaluasi nilai erornya menggunakan Root Mean Square Error dan Mean Absolute Percentage Error. Berikutnya, nilai akurasi ini akan dibandingkan dengan nilai akurasi peramalan menggunakan model ARFIMA. Pada akhirnya, diperoleh hasil bahwa peramalan harga saham dengan model ARFIMA-GARCH lebih baik dibandingkan dengan model ARFIMA.

---

Stock price always fluctuate all the time. This is one form of buffer that occurs in the stock market. The risk resulting from this buffer can be minimized by forecasting stock prices using linear model. One of the linear model that can be used in stock price forecasting is the hybrid ARFIMA-GARCH model. This model is a combination of the ARFIMA model and GARCH model which have been used in previous studies and allegedly each models have advantages and disadvantages. ARFIMA model is good for long-term forecasting, but has a problem, which is the volatility that occurs in the long term. This can be resolved by GARCH model which is good for volatility in stock prices, even for a long term data. GARCH model is a development of Autoregressive Conditional Heterocedastic (ARCH) model, where this model uses volatility in previous data. Furthermore, the ARFIMA and GARCH models are combined into the hybrid ARFIMA-GARCH model which will be used in this study for forecasting LQ45 stock prices. In this study, only two stock prices from LQ45 stock index that will be forecast, stocks which have the smallest and largest price volatility. The price data used is the daily closing price of BBCA (PT Bank Central Asia Tbk.) and TKIM (PT Tjiwi Kimia Paper Factory Tbk.) in 2017- 2021. The ARFIMA-GARCH model forecasting results will be evaluated by using the Root Mean Square Error and Mean Absolute Percentage Error. Next, this error accuracy value will be compared with the forecasting accuracy value using ARFIMA model. In the end, our hypothesis is that the stock price forecasting with ARFIMA-GARCH model is better than ARFIMA model."

"Analisis sentimen adalah salah satu bidang dari Pemrosesan Bahasa Alami yang membangun sistem untuk mengenal opini dalam teks dan mengelompokkan ke dalam sentimen positif atau negatif. Banyak peneliti telah membangun model yang menghasilkan akurasi terbaik dalam melakukan analisis sentimen. Tiga diantaranya adalah Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU), yang merupakan bagian dari deep learning. CNN digunakan karena kemampuannya dalam mengekstrak fitur penting dalam penggalan kalimat, sedangkan LSTM dan GRU digunakan karena kemampuannya yang memiliki memori akan input yang telah diproses sebelumnya. GRU memiliki struktur yang lebih sederhana dibandingkan dengan LSTM. Ketiga model tersebut dapat digabungkan menjadi model gabungan LSTM-CNN, CNN-LSTM, GRU-CNN, dan CNN-GRU. Penelitian sebelumnya telah membuktikan bahwa model gabungan tersebut memiliki akurasi yang lebih baik dibandingkan dengan model dasar LSTM, GRU, dan CNN. Implementasi model dilakukan pada data ulasan aplikasi berbahasa Indonesia. Hasilnya, didapatkan bahwa hampir seluruh model gabungan memiliki akurasi yang lebih baik dibandingkan dengan model dasar.

---

Sentiment analysis is one of the fields of Natural Language Processing that builds a system to recognize and extract opinion in the form of text into positive or negative sentiment. Nowadays, many researchers have developed methods that yield the best accuracy in performing analysis sentiment. Three particular models are Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU), which are part of deep learning architectures. CNN is used because of its ability to extract important features from each sentence fragment, while LSTM and GRU are used because of their ability to have a memory of prior inputs. GRU has a simpler and more practical structure compared to LSTM. These models can be combined into combined LSTM-CNN, CNN-LSTM, GRU-CNN, and CNN-GRU model. Former researches have proved that these models have better accuracy compared to standard models. This research is focused on the performance of all the combined LSTM-CNN, CNN-LSTM, GRU-CNN, CNN-GRU models and will be compared to the standard LSTM, GRU, CNN models. Implementation of the model is performed on a collection of application review data in Indonesian text. As a result, almost all of the combined models have better accuracy than the standard models."

"Salah satu faktor penyebab kemacetan lalu lintas di perkotaan adalah banyaknya aktivitas keluar dan masuk pada rumah-rumah yang dibangun di sekitar ruas jalan raya. Permasalahan utamanya adalah waktu yang dibutuhkan untuk membukakan pintu gerbang rumah. Untuk itu perlu dikembangkan sebuah sistem gerbang otomatis yang dapat menghilangkan waktu delay kendaraan tersebut di jalan raya. Beberapa gerbang otomatis yang telah dikembangkan adalah sistem gerbang otomatis berbasis sensor ultrasonik dan kemudian sistem gerbang berbasis RFID. Gerbang dengan sistem sensor ultrasonik memiliki kelemahan pada sistem autentikasi kemudian pada sistem gerbang berbasis RFID rentan terganggu apabila ada perangkat yang beroperasi pada frekuensi yang sama di sekitar gerbang. Pada Skripsi ini akan dikembangkan gerbang otomatis yang dapat mengautentikasi pemilik kendaraan dan juga tidak dapat diganggu oleh gelombang radio seperti pada sistem RFID. Skema dari sistem gerbang otomatis ini adalah dengan mengintegrasikan aplikasi android berbasis GPS untuk mengirimkan gelolocation kendaraan ke web server. Dan data yang ada di web server akan diambil oleh mikrokontroler secara real-time.

---

In urban areas, the number of houses on the roadside causes congestion. The vehicles need a delay time when opening the gate by themself to enter the house. If the owner has to get out of the car to open the gate himself or wait for someone from inside of the house to open the door, it will cause disruption of the public road. For this reason, it is necessary to develop a gate system that can overcome this problem.

There are many methods to build this system. The first is the ultrasonic sensor-based automation system, where the gate can be opened if the coming object reflects the sound wave from the sensor and make it as trigger to open the gate. But the problem of this system is it can not authenticate approaching objects. Another system is RFID-based automatic gate that can provide a trigger to the microcontroller if the desired object is on a radius. And this system can authenticate the vehicle that will open the gate. But this system is susceptible to radio waves that being distributed by other devices that work on the same frequency as RFID receivers at the gate. In addition, this system requires additional RFID tags for each vehicle.

In this scientific work, an automatic gate will be designed that can open the gate automatically and can authenticate, but is not disturbed by radio waves. This system will utilize geolocation, android applications, web servers, and microcontrollers."

"ABSTRAKKeterangan saksi ;nnat dipercaya ojeh orang lain, dan Icjirenanya memiliki peran yangsangat peiiting. Nainun, saksi beiiLrokan antar agania sering niemberi keterangan yangberbeda satu sama lain, Perbedaan im dapat dijelaskan dengan teori ingatan sebagaiproses sosial, yaitu (eon yang meliliat mgalan bukan semata-mata pengeluaran infonnasiyang telali dialanii sebelumnya (seperti alat perekain), nielainkan suatu usaha aktif untukmerekonstruksi kejadiau, untuk uiembuatnya masuk akal. Dalam model ingatan semacamini skema memamkan peran yang sangat penting, yaitu sebagai patokan untukmengintegrasikan informasi ke ingatan. Skema yang digunakanyteraktifkan saat melihatbentrokan antar kelonipok lemiasuk ke dalam tipe role schema, yang karena proseskategorisasi dan perbandingan sosial bentuknya menjadi favoritisme kelompok-dalam(Penilaian yang lebiti positif teihadap ingroup dibandtng terhadap outgroup). Pengamhskema terhadap ingatan masih dip^debatkan. Ahli yang menganut schema viewmengatakan bahwa informasi yang konsisten dengan skema akan diingat, sementara yanginkonsisten akan terdistorsi/terlupa. Sedangkan alih yang menganut network viewpercaya bahwa justni informasi yang inkonsisten dengan skemalah yang akan lebihdungat dan yang konsisten. Peneliti cenderung menyetujui netwok view. Karenanyapenehtian ini bertujuan untuk melihat pengamh favontisme kelompok-dalam (sebagaiskema) terhadap ingatan episodik, dimana peneliti menduga bahwa pengaruhnya akan sesuai deiigan network view: senmkin tinggi favoritisme kelompok-dalam semakin tinggiakurasi ingatan akan cerita yang mendiskreditkan keloinpok-dalam (semakin inkonsistensemakin diingat), dan semakin tinggi favoritisme kelompok-dalam semakin rendahakurasi ingatan akan cerita yang mendiskreditkan kelompok-luar (semakin konsistensemakm tidak diingat). Hasil penelitian, yang menggunakan metode kuantitatif denganregresi majemuk sebagai metode pengolahan datanya, tidak mendulomg hipotesa diatas.Walaupun ada kecenderungan data mendukung network view, namun pengaruhfavoritisme kelompok-dalam terhadap akurasi ingatan episodik sangat kecU. Favoritismekelompok-dalam hanya dapat memprediksi 22,5% akurasi ingflfan akan cerita yanginkonsisten dengan skema, dan 6% untuk cerita yang konsisten. Karenanya, imtukpenelitian selanjutnya disarankan untuk mencari faktor-faktor lain yang berpengamliterhadap ingatan. Disamping itu juga disarankan untuk meneliti kesalalian ingatan, gunameliliat bentuk-bentuk kesalahan yang teijadi pada ingatan bentrokan antar agama, danmenggunakan metode eksperimental."

"ABSTRAKTesis ini bertujuan untuk mengetahui pengaruh dari perubahan frekuensi pada transformator arus instrumen yang digunakan untuk tagihan pengukuran energi listrik. Seiring perkembangan teknologi, penggunaan beban non-linear meningkat. Hal ini menimbulkan suatu permasalahan kualitas daya dari system kelistrikan. Salah satu hal kualitas daya yang terpengaruh adalah frekuensi kerja dari system kelistrikan. Transformator arus sebagai salah satu peralatan yang terdapat pada system, maka ketika arus primer dari transformator mengalami distorsi atau gangguan, maka dapat mempengaruhi sisi sekunder transformator tersebut. Hasil pengujian menunjukan bahwa perubahan frekuensi memiliki pengaruh terhadap persentase kesalahan dan pergeseran fasa dari transformator arus kelas 0.5s, dimana ketika frekuensi meningkat maka persentase kesalahan dan pergeseran fasa menurun, namun penurunan nilai ini masih dalam batas standar yang telah ditetapkan. Perubahan frekuensi juga memiliki pengaruh terhadap faktor keamanan peralatan, nilai keamanan peralatan tersebut akan meningkat seiring meningkatnya frekuensi. Sehingga, sangatlah penting untuk menjaga frekuensi tetap bekerja pada frekuensi dasar.

---

ABSTRACTThis paper is aiming the frequency changing effect to an instrument current transformer, which is used in a measurement of an energy billing. As a technology is developing, the usage of non-linear load is increase. This will cause a problem in a power quality of an electrical system. This disturbance of power quality effected the working frequency on electrical system. As current transformer is one of the equipment in the system, when the primary of a current transformer is disturbed, it could also affected the secondary side. The result shows that the frequency changing has an effect to error ratio and phase displacement on a current transformer class 0.5s which will decrease while the frequency is increase but still within the standard limit. Frequency changing also has an effect on Security Factor on an instrument, which will increase when the frequency is increase. So, it is important to keep frequency within the fundamental frequency."