Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian biologi dengan menggunakan teknologi microarray menghasilkan data ekspresi gen berbentuk matriks di mana baris adalah gen dan kolom adalah kondisi. Analisis lanjutan dalam data ekspresi gen membutuhkan data yang lengkap. Namun, data ekspresi gen sering kali mengandung nilai hilang atau missing values. Ada berbagai cara untuk mengatasi missing values, antara lain pembuangan gen atau kondisi yang mengandung missing values, pengulangan pengambilan data, dan imputasi missing values pada data ekspresi gen. Pendekatan imputasi missing values awal hanyalah dengan mengisi nilai nol atau rata-rata baris. Namun, pendekatan ini tidak melihat informasi koheren dalam data. Pendekatan imputasi missing values terbagi menjadi empat berdasarkan informasi yang diperlukan pada algoritmanya, yaitu pendekatan lokal, pendekatan global, pendekatan hybrid, dan pendekatan knowledge assisted. Pada penelitian ini peneliti menggunakan algoritma pendekatan lokal dan global. Metode imputasi missing values paling popular untuk pendekatan global adalah Bayesian Principal Component Analysis (BPCA), sedangkan untuk pendekatan lokal adalah Local Least Square (LLS). Pada metode LLS, pemilihan similaritas gen dilakukan dengan teknik clustering dimana seluruh kondisi dalam data digunakan. Kenyataanya, terkadang gen-gen similar hanya dalam beberapa kondisi eksperimental saja. Maka, diperlukan teknik biclustering untuk dapat menemukan subset gen dan subset kondisi yang similar sebagai informasi lokal. Penerapan ide biclustering dalam LLS dinamakan sebagai Iterative Bicluster-Based Least Square (bi-iLS). Salah satu tahapan awal dalam bi-iLS adalah pembentukan matriks komplit sementara yang didapat dengan cara mengisi missing values dengan row average. Namun, row average dinilai kurang bagus karena hanya menggunakan informasi satu baris tersebut. Kekurangan ini diperbaiki dalam penelitian ini. Penggunaan metode BPCA untuk menemukan matriks komplit sementara dinilai lebih baik karena BPCA menggambarkan struktur keseluruhan data. Penggantian row average menjadi BPCA menjadi dasar masalah penelitian ini. Metode iterative Bicluster-based Bayesian Principal Component Analysis dan Least Square (bi-BPCA- iLS) pun diajukan. Penerapan bi-BPCA-iLS terhadap data ekspresi gen yang dihasilkan teknologi microarray terbukti menghasilkan penurunan nilai Normalzied Root Mean Square Error (NRMSE) sebesar 10,6% dan 0,58% secara rata-rata dalam beberapa missing rate (1%, 5%, 10%, 15%, 20%, 25%, dan 30%) jika dibandingkan dengan metode LLS dan bi-iLS.

---

Biological research using microarray technique produce some important gene expression datasets. These data can be expressed as a matrix in which rows are genes and columns are different conditions. Further analysis of these datasets requires a complete dataset or matrix. However, gene expression datasets often contain missing values. There are some ways to handle missing values, such as deletion of genes or conditions that contain missing values, repeat the process of acquiring data, and impute the missing values. Early approaches in missing values imputation are simply to replace missing values with zeros or row averages, but these methods do not use the coherence inside the data. Later, approaches in missing values imputations are categorized into four groups based on the required information, such as local, global, hybrid, and knowledge assisted approaches. In this paper, local and global approaches are used. Bayesian Principal Component Analysis (BPCA) is a well-known global based method, while the most popular local based method is Local Least Square (LLS). In LLS, selection of similar genes uses clustering technique where all conditions in the data are included. The reality is genes sometimes only correlate under some experimental conditions only. So, a technique that can find subset of genes under subset of experimental conditions for local information is needed. This technique is called biclustering. The usage of biclustering in LLS is called the Iterative Bicluster-based Least Square (bi-iLS). One of the early steps in bi-iLS is to find a temporary complete matrix. Temporary complete matrix is obtained by applying row averages to impute missing values. However, row average cannot reflect the real structure of the dataset because row average only uses the information of an individual row. The missing values in a target gene do not only rely on the known values of its own row. In this research, row average in bi-iLS is replaced with BPCA. The benefit of using BPCA is that it uses global structure of the dataset. This update will be the basic problem of this research. The proposed method is called Iterative Bicluster-based Bayesian Principal Component Analysis and Least Square (bi-BPCA-iLS). This new proposed method is applied to gene expression datasets from microarray technique. It shown a decrease in values of Normalized Root Mean Square Error (NRMSE) about 10.6% from LLS and about 0.58% from bi-iLS based on different missing rates (1%, 5%, 10%, 15%, 20%, 25%, and 30%)."

"Pesatnya perkembangan Telekomunikasi di Indonesia telah menyebabkan persaingan yang ketat antar operator. Perang tarif antar operator kini semakin memprihatinkan, Pemerintah berinisiatif mengatur tarif ini dengan kebijakannya yaitu perubahan skema tarif interkoneksi yang efektif berlaku mulai 1 April 2008. Dengan perubahan skema tarif ini diharapkan menghilangkan dugaan terjadinya monopoli tarif, sehingga operator kecil pun dapat bertahan dengan persaingan yang ada. Berbagai promosi pun di gelar oleh operator dalam meraih pasar, dengan skema tarif yang baru ini tarif percakapan terkadang lebih murah dari tarif SMS.Dengan perubahan skema tarif interkoneksi oleh pemerintah ini juga akan di lihat apakah terjadi pergeseran kepadatan trafik voice dengan SMS. Hal ini dikarenakan selisih tarif voice dan SMS yang terkadang pada suatu kondisi lebih murah tarif voice jika dibandingkan dengan tarif SMS. Ditambah lagi dengan maraknya promo yang digelar oleh operator dalam menarik pelanggan sebanyakbanyaknya. Perhitungan dilakukan di 5 kota di Jawa Tengah pada Bulan September dan Oktober 2007 dibandingkan dengan periode sama pada tahun 2008 serta bulan Januari 2008 dibandingkan dengan Juli 2008 untuk mewakili kondisi trafik 3 bulan sebelum dan sesudah perubahan skema tarif.Dari hasil perhitungan dan diperkuat dengan analisis statistik non parametrik chi square didapatkan bahwa Jumlah trafik di 5 kota yaitu Purwokerto, Pekalongan, Solo, Semarang dan Yogyakarta pasca perubahan skema tarif interkoneksi oleh Pemerintah menunjukan peningkatan trafik voice yang sangat signifikan bila dibandingkan dengan trafik SMS, meskipun Trafik SMS masih lebih besar dari trafik voice. Sementara dari sisi revenue operator mengalami peningkatan meskipun ada penurunan tarif, hal ini dikarenakan peningkatan trafik voice dan SMS yang sangat tinggi setelah perubahan skema Tarif Interkoneksi oleh Pemerintah.

---

Rapid telecommunication development in Indonesia has created through competition among operators. Tariff?s competition among operators becomes campaign competition, Government initiates to regulate this rate's tariff by turning schema of interconnection tariff's policy which effectively valid on April 1st 2008. This tariff schema changing to be intended in which it can omit tariff monopoly, that Minor Operator can keep operating in the hard competition. Almost all of Operators held any kind of promotions through the new tariff schema in which voice conversation is cheaper than SMS tariff.Since the changing on interconnection tariff schema, that can be shown whether there is a significant friction on voice traffic compared to SMS traffic, due to condition where voice tariff is cheaper than SMS. Moreover, the situation is festive by any kind of promotion that being held by Operators to get more customers. Computation held at 5 cities in Central Java from September 2007 to October 2007 compared to same period on 2008 along with the result on January 2008 compared to July 2008 in representing traffic condition past three months and after the changing.From the result of reckoning and analytic statistic of non parameter chi square can be known that amount of traffic in 5 cities such Purwekerto, Pekalongan, Solo, Semarang and Yogyakarta, after the changing of schema interconnection tariff by government showing that voice traffic increases significantly compared to SMS traffic, although SMS traffic is still higher than voice traffic. Meanwhile, due to increments of voice and SMS traffic significantly after the changing, revenue of Operator increases drastically though there are tariff decreasing."

"Pencapaian swasembada beras sangat erat kaitannya dengan peningkatan produksi padi. Penelitian ini berupaya untuk menganalisis faktor-faktor yang mempengaruhi kuantitas produksi padi di Indonesia. Penelitian ini dilakukan dalam rentang waktu observasi antara tahun 1972 hingga 2011 dengan menggunakan metode ordinary least square. Hasil penelitian menunjukkan bahwa produksi padi Indonesia dipengaruhi secara signifikan oleh persentase perubahan luas panen padi di luar Pulau Jawa, harga padi di tingkat produsen beda kala satu tahun, dan produktivitas padi per satuan luas lahan.

---

The achievement of rice self-sufficiency is highly dependent with rice production. This study tried to determine and analyze factors which affect Indonesian rice production. This study was conducted in a span of year 1972 - 2011 and used ordinary least square method. This study found that Indonesian rice production is significantly affected by percentage of change in rice harvested area outside Java Island, producer price of rice one year lagged, and rice yield per unit of cultivated land."

"

Analisis triclustering merupakan teknik analisis pada data 3D (observasi – atribut – konteks). Analisis triclustering dapat mengelompokkan observasi pada beberapa atribut dan konteks secara bersamaan. Analisis triclustering telah sering diterapkan untuk menganalisis data ekspresi gen microarray. Penelitian ini menggunakan metode δ-Trimax untuk melakukan analisis triclustering pada data ekspresi gen microarray. Metode δ-Trimax bertujuan untuk menemukan tricluster yang memiliki mean square residual kecil dari δ dan volume maksimal. Tricluster diperoleh dengan cara melakukan penghapusan node dari data 3D dengan menggunakan algoritma multiple node deletion dan single node deletion. Kandidat tricluster yang telah didapatkan, dilakukan pengecekan  kembali dengan menambahkan beberapa node yang telah dihapus sebelumnya menggunakan algoritma node addition. Pada penelitian ini dilakukan perbaikan program pada metode δ-Trimax dan juga menambahkan penghitungan evaluasi tricluster yang dihasilkan.  Implementasi metode δ-Trimax dilakukan pada data ekspresi gen dari proses diferensiasi human induced pluripoten stem cell (HiPSC) dari pasien penyakit jantung. Ekspresi gen diukur pada 12 titik waktu dan 3 replikasi. Dari beberapa simulasi yang dilakukan, metode δ-Trimax memberikan hasil terbaik ketika δ=0,0068 dan λ=1,2. Berdasarkan tricluster yang dihasilkan dari simulasi terbaik tersebut, dipilih 5 tricluster yang diduga sebagai ciri-ciri penyakit jantung. Lima tricluster ini dapat menjadi pertimbangan bagi ahli medis untuk melakukan tindakan lebih lanjut terhadap pasien.

---

Triclustering analysis is an analysis technique on 3D data (observation - attribute - context). Triclustering analysis can group observations on several attributes and contexts simultaneously. Triclustering analysis has been frequently applied to analyze microarray gene expression data. This study used the δ-Trimax method to perform triclustering analysis on microarray gene expression data. The δ-Trimax method aims to find a tricluster that has a mean square residual smaller than δ and a maximum volume. Tricluster is obtained by deleting nodes from 3D data using multiple node deletion and single node deletion algorithms. The tricluster candidates that have been obtained are checked again by adding some previously deleted nodes using the node addition algorithm. In this research, the program improvement of the δ-Trimax method was carried out and also the calculation of the resulting tricluster evaluation. The implementation of the δ-Trimax method was carried out on gene expression data from the differentiation process of human induced pluripotent stem cells (HiPSC) from patients with heart disease. Gene expression was measured at 12 time points and 3 replications. From several simulations performed, the δ-Trimax method gives the best results when δ = 0.0068 and λ = 1.2. Based on the tricluster generated from the best simulation, 5 tricluster were selected which were suspected as a characteristic of heart disease. These five tricluster can be a consideration for medical experts to take further action on patients.

"

"Pandemi Covid-19 mengakibatkan adanya perubahan pada gaya hidup masyarakat. Aktivitas-aktivitas yang biasanya dilakukan secara offline berubah menjadi online. Hal ini memberikan dampak negatif terhadap tubuh seperti badan menjadi tidak fit, imun tubuh turun, dan lainnya. Maka dari itu, masyarakat termasuk mahasiswa dihimbau untuk tetap menjaga kesehatan mereka salah satunya dengan berolahraga secara rutin. Sehingga seeorang harus memiliki motivasi olahraga yang baik. Tujuan dari penelitian ini, yaitu: (1) menganalisis variabel-variabel yang memengaruhi tingkat motivasi olahraga pada mahasiswa Universitas Indonesia; (2) menganalisis pengaruh social support terhadap hubungan physical self-concept dengan motivasi olahraga; (3) menganalisis pengaruh kecemasan terhadap Covid-19 terhadap hubungan health consciousness dengan motivasi olahraga, yang dilakukan dengan menggunakan metode Partial Least Square (PLS). Data yang digunakan merupakan data primer yang diambil dengan menggunakan metode purposive sampling sejumlah 876 mahasiswa S1 Universitas Indonesia angkatan 2018, 2019, 2020, dan 2021 tahun ajar 2021/2022 dengan status akademis aktif yang bersedia mengisi kuesioner. Hasil penelitian menunjukkan bahwa variabel jenis kelamin, ketersediaan fasilitas olahraga, health consciousness, dan physical self-concept mempengaruhi motivasi olahraga pada mahasiswa Universitas Indonesia. Social support merupakan variabel prediktor moderasi antara physical self-concept dengan motivasi olahraga. Selain itu, kecemasan terhadap Covid-19 merupakan variabel prediktor moderasi antara health consicousness dengan motivasi olahraga.

---

COVID-19 pandemic has changed people's lifestyles. Activities that are usually done offline turn into online. This has negative impact on the body such as the body becomes unfit, the body's immune system decreases, and so on. Therefore, the public, including students, are encouraged to maintain their health by exercising regularly. So, a person must have good exercise motivation. The aims of this study are to analyze the variables that affect the level of sports motivation in University of Indonesia students, to analyze the effect of anxiety on Covid-19 on the relationship between health consciousness and sports motivation, and to analyze the effect of social support on the relationship of physical self-concept to sports motivation by using the Partial Least Square (PLS) method. The data used is primary data taken using purposive sampling with a total of 876 undergraduate students at the University of Indonesia. The results showed that gender, availability of sports facilities, health consciousness, and physical self-concept have significant effect on sports motivation. Social support only acts as a moderating predictor variable between physical self-concept and sports motivation. In addition, it was found that anxiety about Covid-19 only acts as moderating predictor variable between health consciousness and exercise motivation."

"Kemiskinan di Indonesia masih menjadi masalah yang harus diperhatikan setiap tahun. Menurut Laporan Susenas Maret 2022, Pulau Sulawesi menempati urutan ketiga dari enam pulau besar di Indonesia berdasarkan persentase penduduk miskin. Hal ini menunjukkan masih banyak penduduk di Pulau Sulawesi yang mengalami kemiskinan. Oleh karena itu, pemerintah perlu mengambil kebijakan yang tepat untuk mengatasi kemiskinan. Salah satu upaya yang dapat dilakukan pemerintah adalah dengan melakukan pengelompokan, yaitu mengelompokkan daerah-daerah kabupaten/kota di Pulau Sulawesi berdasarkan variabel-variabel kemiskinan. Tujuan penelitian ini adalah mengelompokkan data secara dua arah yaitu pengelompokan berdasarkan kabupaten/kota dan variabel-variabelnya secara bersamaan. Dengan terbentuknya pengelompokan kabupaten/kota dan variabel secara bersamaan akan mempermudah pemerintah untuk membuat kebijakan untuk mengatasi kemiskinan. Metode yang sesuai untuk mengelompokkan kabupaten/kota dan variabel-variabel secara bersamaan adalah metode biclustering. Metode biclustering dapat melakukan pengelompokan observasi dan karakteristik secara bersamaan sehingga terbentuk bicluster yang dapat dicirikan dengan karakteristik yang berbeda. Salah satu algoritma biclustering yaitu Iterative Signature Algorithm (ISA). Pengelompokan dengan menggunakan Iterative Signature Algorithm (ISA) memerlukan nilai ambang batas atas dan nilai ambang batas bawah. Nilai ambang batas adalah nilai yang digunakan untuk menentukan apakah suatu wilayah kabupaten/kota dan variabel-variabel dapat masuk ke dalam bicluster. Hasil yang terbaik dipilih berdasarkan rata-rata Mean Square Residu (MSR) per volume. Analisis biclustering pada data kemiskinan di Pulau Sulawesi tahun 2022 menggunakan Iterative Signature Algorithm (ISA) menghasilkan sebanyak 2 bicluster. Pemerintah diharapkan dapat membuat kebijakan yang tepat sesuai dengan masalah yang terjadi pada bicluster 1 dan bicluster 2.

---

Poverty in Indonesia is still a problem that must be addressed every year. According to the March 2022 Susenas report, Sulawesi Island ranks at third out of six major islands in Indonesia based on the percentage of the population living in poverty. This shows that there are still many people in Sulawesi Island who experience poverty.  Therefore, the government needs to take the right policy to overcome poverty. One of the efforts that the government can make is by clustering, namely grouping districts/cities on the island of Sulawesi based on poverty variables. The objective of this research is to group the data in two directions, namely grouping by district/city and its variables simultaneously. With the formation of groupings of districts/cities and variables simultaneously, it will be easier for the government to make policies to overcome poverty. The appropriate method to group districts/cities and variables together is the biclustering method. The biclustering method able to group observations and characteristics simultaneously so that biclusters formed that can be characterized differently. One of the biclustering algorithms is the Iterative Signature Algorithm (ISA). Clustering using the Iterative Signature Algorithm (ISA) requires an upper threshold value and a lower threshold value. Threshold value is the value used to determine whether a district/city and variables can be included in a bicluster. The best result is selected based on the average Mean Square Residu (MSR) per volume. Biclustering analysis of poverty data in Sulawesi Island in 2022 using Iterative Signature Algorithm (ISA) produce 2 biclusters. Based on this results, the government is expected to make a right policy to overcome poverty problems in bicluster 1 and bicluster 2."

"Metode Aditif Spline Kuadrat Terkecil Parsial (ASKTP) adalah suatu metode pengembangan dari metode Kuadrat Terkecil Parsial (MKTP). Metode ASKTP sangat cocok digunakan untuk mengatasi data yang bersifat non-linier dan memiliki sifat multikolinieritas diantara peubah-peubah prediktornya. Pada dasarnya, pendekatan dengan menggunakan metode ASKTP memiliki dua gagasan mendasar yaitu untuk menggunakan transformasi parameter prediktor dengan fungsi spline dan untuk membuat komponen-komponen dari ASKTP tidak saling berkorelasi (multikolinieritas) untuk menjaga sifat-sifat dari keliniearan komponen-komponen MKTP. Penelitian ini menyajikan perbanding antara metode ASKTP dan MKTP dalam penerapan di bidang ekonomi perikanan yaitu produksi ikan tuna

---

Efectivity of Additive Spline for Partial Least Square Method in Regression Model Estimation. Additive Spline of Partial Least Square method (ASPL) as one generalization of Partial Least Square (PLS) method. ASPLS method can be acommodation to non linear and multicollinearity case of predictor variables. As a principle, The ASPLS method approach is cahracterized by two idea. The first is to used parametric transformations of predictors by spline function; the second is to make ASPLS components mutually uncorrelated, to preserve properties of the linear PLS components. The performance of ASPLS compared with other PLS method is illustrated with the fisher economic application especially the tuna fish production."