Hasil Pencarian  ::  Simpan CSV :: Kembali

"K-Mean method is a clustering method in which grouping techniques are based only on distance measure among observed objects, without considering statistical aspects...."

"Indonesia berada pada perlintasan jalur pelayaran dunia dan kondisi geografisnya memberikan negeri ini potensi yang amat sangat besar di bidang maritim. Industri maritim diharapkan menjadi salah satu pilar pembangunan negeri ini. Salah satu cara untuk mengembangkan potensi tersebut adalah dengan mengembangkan klaster industri. Klaster industri adalah kumpulan dari beberapa entitas yang berkumpul dalam satu wilayah dan memiliki keunggulan dari sisi pengetahuan, tenaga kerja, biaya transpor yang relatif lebih murah, dan pasar yang terbentuk. Terkait dengan bidang maritim, salah satu klaster yang bisa dikembangkan adalah klaster pelabuhan. Pola pengembangan klaster pelabuhan semacam ini belum dilembagakan di Indonesia. Penelitian ini secara umum bertujuan untuk mengembangkan pemahaman akan Klaster Pelabuhan Indonesia dan secara khusus mengembangkan model kebijakan yang terkait dengannya. Pendekatan yang digunakan adalah Analisis Kebijakan Multi-Aktor, di mana dibangun beberapa model menggunakan metode Simulasi Disktrit, Riset Operasi, Sistem Dinamis, dan Permainan Simulasi. Ditemukan bahwa model-model yang dibangun sangat bergantung pada pengampu masalahnya (aktor). Perbedaan perspektif akan membawa kita pada model yang berbeda dan berujung pada solusi berbeda. Untuk itu, sebuah sistem multi-aktor, seperti klaster pelabuhan, membutuhkan sebuah pemahaman kolektif agar dapat berjalan dengan baik.

---

Indonesia is at the crossing of the world shipping lane and its geographical conditions give this country enormous potential in the maritime field. The maritime industry is expected to be one of the pillars of the country's development. One way to induce this domain is by developing industrial clusters. Industrial clusters are a collection of several entities that gather in one area and have advantages in terms of knowledge, labor, relatively cheaper transportation costs, and established markets. Relating to this domain, one that can be developed is the port cluster. The pattern of port cluster development has not yet been institutionalized in Indonesia This research generally aims to develop an understanding of Indonesia's port clusters and specifically develop the policy models associated with it. The general approach used is Policy Analysis of Multi-Actor Systems, where specifically several models were developed using methods such as Operational Research, System Dynamics, Discrete Event Simulation and Simulation Gaming. It was found that the models that were built were very dependent on the problem owners (actors). Different perspectives will lead to different models and, thus, lead to different solutions. For this reason, a multi-actor system, such as a port cluster, requires a collective understanding to work well."

"Pertimbangan finansial menjadi salah satu penentu utama apakah seseorang akan melanjutkanpendidikan ke tingkat yang lebih tinggi atau tidak, sehingga diperlukan beasiswa untukmembantu mahasiswa dalam menempuh pendidikan tinggi, terutama hingga tingkat doktor.Besar biaya yang dikeluarkan oleh lembaga penyedia beasiswa kepada penerima beasiswatentunya diharapkan sepadan dengan kualitas ilmu yang diperoleh. Oleh karena itu, penelitianini bertujuan untuk membahas analisis pengelompokan universitas terbaik dunia berdasarkankomponen biaya pendidikan program doktor dengan metode K-Means. Universitas padapenelitian ini diambil dari QS World University Rangkings (WUR) 2022. Analisis eksploratoridata dilakukan dan diperoleh bahwa terdapat 83 dari 472 universitas di dunia memberi bantuandana penuh untuk studi program doktor. Nilai Silhouette sebesar 0,72 menunjukkan bahwa tigamerupakan jumlah kelompok yang optimal bagi data. Sehingga terbentuk kelompok Asebanyak 328 universitas, kelompok B sebanyak 108 universitas, dan kelompok C sebanyak36 universitas. Kelompok A terdiri dari universitas dengan SPP dan biaya hidup per bulanrelatif rendah, kelompok B sedang, dan kelompok C tinggi. Untuk biaya transportasi udara,kelompok B cenderung rendah, sedangkan kelompok A dan C relatif serupa dan lebih mahaldari kelompok B. Sementara untuk biaya visa, kelompok A cenderung lebih murah, sedangkankelompok B dan C cenderung serupa dengan biaya lebih mahal. Berdasarkan analisis ini,penulis memberikan saran universitas yang bisa dipertimbangkan lembaga pemberi beasiswasebagai perguruan tinggi tujuan.

---

Financial concern has been one of the main reasons why an individual wants to pursue higher

education. That is why scholarship is needed to help students earn an education, especially until

doctoral degree. The amount of money spent by institution who give scholarship must be

equivalent with the quality of knowledge an awardee got. This study aims to do clustering

analysis of the world’s top universities based on tuition fee components for doctoral program

using K-Means method. The object of this study are universities based on QS World University

Rankings 2022. Exploratory data analysis is done and found that there are 83 out of 472

universities in the world who give fully funded program for doctoral study. Based on the

silhouette value of 0.72, three is the best number of clusters for the data. Group A, B, C consists

of 328, 108, and 36 universities in respective order. Group A consists of universities who have

chepear tuition fee and monthly living cost compared to Group B dan C. However, Group B

consists of universities who have cheaper transportation, meanwhile Group A and C are quiet

similar. For visa, Group A is cheaper compared to Group B and C which are similar. Based on

the results, recommendations are given to the institution who provide scholarship about the

objective university for doctoral study."

"Analisis kelompok adalah metode multivariat yang bertujuan mengelompokkan pengamatan berdasarkan karakteristiknya. Salah satu metode analisis pengelompokan adalah metode cluster ensembel dengan pengelompokan dilakukan dengan satu metode berulang kali hingga diperoleh hasil yang lebih baik dibandingkan jika dilakukan satu kali. Penelitian ini mencoba menggunakan Cluster Ensemble Based Mixed Data Clustering (CEBMDC), yaitu metode pengelompokan yang biasa dilakukan untuk data dengan variabel campuran yaitu numerik dan kategorik. Tahap awal dalam metode ini yaitu membagi data awal menjadi data dengan hanya variabel-variabel numerik dan data dengan hanya variabel-variabel kategorik. Data yang telah dipisahkan berdasarkan jenis variabelnya kemudian dikelompokan menggunakan metode yang sesuai secara simultan. Hasil pengelompokan ini menjadi data baru dengan dua variabel kategorik yaitu hasil pengelompokan dengan variabel numerik dan hasil pengelompokan dengan variabel kategorik. Data baru dengan dua variabel kategorik ini kemudian dilakukan proses pengelompokan. Metode pengelompokan untuk data dengan variabel numerik adalah metode Hierarchical Agglomerative Clustering. Metode clustering untuk data kategorik adalah ROCK (RObust Clustering using linKs) dan K-medoids/PAM (Partition Around Medoids). Penelitian ini membandingkan hasil pengelompokan ROCK dan K-medoids. Pengelompokan dilakukan pada data mengenai sarana dan prasarana sekolah yang diambil dari 5.094 SMP yang ada di Jawa barat. Metode pengelompokan dengan kinerja terbaik pada penelitian ini adalah Ensemble K-medoids berdasarkan rasio antara simpangan baku di dalam kelompok (¬SW) dan simpangan baku antar kelompok (SB) terkecil. Penelitian ini menghasilkan 3 kelompok yang mencerminkan kondisi sekolah-sekolah pada jenjang SMP di Jawa Barat.

---

Clustering analysis is a multivariate method that aims to classify observations based on their characteristics. One method of clustering analysis is the ensemble clustering method in which the grouping is done using a method repeatedly until better results are obtained than if it is done once. This study uses the Cluster Ensemble Based Mixed Data Clustering (CEBMDC), which is a grouping method that commonly used for data with numerical and categorical variables. The first step in this method is to divide the initial data into two parts, that is data with only numerical variables and data with categorical variables. After data has been separated based on the types of variables, and then clustering using the appropriate method is conducted simultaneously. The results of these two clustering method become a new data with two categorical variables, namely the results of clustering with numeric variables and the results of clustering with categorical variables. The new data with two categorical variables are then carried out the clustering process. The clustering method for data with numerical variables is the Hierarchical Agglomerative Clustering method. Clustering methods for categorical data are ROCK (RObust Clustering using linKs) and K-medoids / PAM (Partition Around Medoids). This study compares the results of ROCK and K-medoids clustering. The study was conducted on data of school facilities and infrastructure taken from 5094 junior high schools in West Java. The best performance grouping method in this study is the Ensemble K-medoids based on the ratio between the standard deviation in the group (SW) and the smallest standard inter-group (SB) deviation. This study produced 3 groups that reflect the condition junior high schools in West Java."

"ABSTRAKPenelitian ini merupakan studi yang bertujuan untuk mengetahui apakahsosialisasi keluarga memiliki hubungan dengan perilaku tidak merokok remaja.Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengumpulandata survey terhadap 285 responden. Penelitian ini dilakukan di SMAN 78 Jakartadengan teknik penarikan sampel Cluster yang bersifat probabilita. Berdasarkanhasil penelitian diketahui bahwa sosialisasi keluarga memiliki hubungan denganperilaku tidak merokok remaja. Diketahui pula bahwa sekolah dan media massamerupakan faktor lain yang berhubungan dengan perilaku tidak merokok remaja.

---

ABSTRACTThis research aimed to find out the the relationship of Family Socialization toPreventive Health Behaviors Teenagers. This research uses quantitative approachwith survey data collection method to 285 respondents. This research take place at78 Senior High School, which is located in Jakarta with cluster samplingtechnique. This research findings show that family socialization have relationshipwith non-smoking behaviors teenagers. This research also show that school andmass media is another factor who have relationship with non-smoking behaviorsteenagers."

"Cluster analysis dari atribut seismik merupakan suatu metode yang digunakan untuk mengelompokkan litologi dari data seismik yang telah direkam dan diproses. Secara prinsip, cluster analisis memproyeksikan N atribut seismik ke sistem koordinat dengan N-dimensi yang menghasilkan K cluster yang merepresentasikan litologi yang berbeda. Penentuan center dari data dapat dilakukan secara acak yang kemudian berubah-rubah karena proses iterasi (unsupervised). Dekomposisi spektral mengubah amplitudo seismik sebagai fungsi ruang dan waktu menjadi frekuensi, ruang, dan waktu. Dekomposisi spektral telah digunakan dalam berbagai aplikasi seperti penentuan ketebalan lapisan tipis, visualisasi stratigrafi, dan deteksi hidrokarbon secara langsung. Metode dekomposisi spektral yang biasa digunakan antara lain STFT (short-time fourier transform), CWT (continuous wavelet transform), dan EMD (Empirical Mode Decomposition). Ada banyak atribut-atribut yang dapat diekstrak dari data seismik dan pemilihan atribut yang hanya dapat mempengaruhi distribusi litologi ini secara dominan bukan merupakan hal yang mudah karena pada kenyataannya beberapa atribut tidak memberikan kontribusi dalam pengelompokkan litologi. Untuk mengurangi hal itu, penulis menggunakan principal component analysis pada atribut seismik. Metode ini memilih atribut yang telah terotasi yang memberikan kontribusi untuk clustering berdasarkan urutan nilai eigen valuenya. Hasil yang didapatkan menunjukkan konsistensi dengan peta litologi yang sudah ada.

---

Cluster analysis of seismic attributes is a method used to classify the lithology of the seismic data that has been recorded and processed. In principle, cluster analysis of seismic attributes to transform the N system with N-dimensional coordinates that produce K clusters that represent different lithologies. Determination of center of data is done through a random process that later change of due process of iteration (unsupervised).

The spectral decomposition of seismic change amplitude as a function of space and time into the frequency, space and time. Spectral decomposition has been used in various applications such as thickness estimation for thin beds, visualization stratigraphy, reservoir characterization, and direct hydrocarbon detection. There are a variety of spectral decomposition methods, STFT (short-time Fourier transform), CWT (continuous wavelet transform), MPD (matching pursuit decomposition) and EMD (Empirical Mode Decomposition). The method used in this study is the method of EMD.

There are many attributes that can be extracted from seismic data and the selection of attributes that can only affect the distribution of the dominant lithology is not an easy thing because of the fact that some attributes do not contribute to the grouping of lithology. To reduce it, the author uses principal component analysis on seismic attributes. This method of selecting the attributes that have been rotated to contribute to clustering based on the sequence of eigenvalues valuenya. The results obtained show consistency with existing lithologic maps."