Hasil Pencarian  ::  Simpan CSV :: Kembali

"Gempabumi yang terjadi akibat pelepasan energi di dalam permukaan bumi akan menghasilkan penjalaran gelombang seismik. Gelombang tersebut akan terekam oleh stasiun penerima yang nantinya dilakukan pemrosesan data sebagai kebutuhan interpretasi dari seismogram. Pada proses pengolahan data salah satunya yaitu penentuan waktu tiba gelombang. Penentuan waktu tiba dari gelombang primer dan sekunder masih dilakukan dengan cara manual oleh operator sehingga memiliki kekurangan seperti waktu yang lama, tingkat subjektivitas yang tinggi dan hasil akurasi yang rendah. Pada penelitian ini dilakukan inovasi dalam penentuan arrival time dengan pendekatan deep learning yaitu menggunakan algoritma Convolutional Neural Network (CNN) dan Long Short Term Memory (LSTM). Program yang dibuat dengan menerapkan kedua algoritma ini akan dilakukan pengujian terhadap data lain. Hasil uji pada program yang sudah dibuat kemudian dilakukan komparasi pada hasil picking dari IRIS Wilber. Uji yang dilakukan menggunakan data dari gempa Palu 28 September 2018. Hasil uji dari program komputer yang dibuat dengan perbandingan picking hasil IRIS Wilber memberikan rata-rata eror sekitar 0.005 dan komparasi waktu dari origin time memiliki perbedaan sekitar 2 detik. Program ini sudah menghasilkan hasil prediksi yang cukup akurat.

---

Earthquakes that occur due to the release of energy in the earth's surface will result in the propagation of seismic waves. These waves will be recorded by the receiving station which will later be processed as a result of the interpretation of the seismogram. One of the data processing processes is determining the arrival time of the waves. The determination of the arrival time of the primary and secondary waves is still done manually by the operator so that it has drawbacks such as a long time, a high degree of subjectivity and low accuracy. In this study, innovation was carried out in determining arrival time with a deep learning approach, namely using the Convolutional Neural Network (CNN) and Long Short Term Memory (LSTM) algorithms. Programs created by applying these two algorithms will be tested on other data. The test results on the program that has been made are then compared to the picking results from IRIS Wilber. The test was carried out using data from the Palu earthquake on 28 September 2018. The test results from a computer program made with a comparison of IRIS Wilber's picking results give an average error of around 0.005 and a comparison of the time from the origin time has a difference of about 2 seconds. This program has produced predictive results that are quite accurate."

"Tujuan dari penelitian ini adalah mengkaji karakteristik khusus topografi pada citra satelit yang dapat mencerminkan daerah potensi penghasil minyak dan gas bumi. Pendekatan yang digunakan adalah anomali topografi. Dengan menggunakan citra penginderaan jauh, yaitu Citra Satelit Landsat TM yang direkam pada Bulan Juni Tahun 1976. Pada citra penginderaan jauh karakter khusus topografi dapat diamati baik dari bentuk tinggian atau antiklinal, pola aliran sungai, serta kemiringan dan bayangan yang tampak pada data citra. Lokasi penelitian di Indramayu pada Cekungan Jawa Barat Utara yang merupakan daerah yang sudah terbukti (proven) adanya migas. Penentuan daerah potensi migas didasarkan pada asumsi 3 (tiga) parameter utama yaitu struktur, reservoir, dan migrasi. Parameter struktur didasarkan pada hasil identifikasi dan intepretasi citra satelit yang menghasilkan Remote sensing Potential Area (RPA). Parameter reservoir terdiri atas keberadaan sumur dan lapangan migas. Parameter migrasi didasarkan.pada adanya sesar dan kitchen area. Pembobotan dilakukan untuk menentukan kelas RPA, yaitu sangat potensial, potensial dan kurangpotensial. Basil interpretasi diperoleh 84 RPA. Hasil validasi menggunakan data bawah permukaan membuktikan bahwa dari 84 area potensi (RPA) yang diidentifikasi dengan menggunakan data citra terdapat 37 RPA atau sekitar 44% berada pada struktur yang sudah terbukti menghasilkan hidrokarbon. Hasil pembobotan dari 84 RPA memperlihatkan 22 RPA dalam kategori sangat potensi, 38 RPA dalam kategori potensi, dan 24 RPA dalam kategori kurang potensi"

"ABSTRAKPemakaian air pada sektor rumah tangga salah satunya untuk mandi yang secara tidak langsung dihasilkan limbah cair domestik atau limbah rumah tangga yang mengandung sampo. Sampo mengandung berbagai zat kimia seperti logam seng (Zn), surfaktan, pewarna, pengawet yang dapat mencemari lingkungan, serta memiliki kadar COD yaitu 180-410 mg/L dan BOD yaitu 90-180 mg/L. Penelitian bertujuan untuk menguji kinerja dan efektivitas menggunakan Advanced Oxidation Process atau Proses Oksidasi Lanjut dengan metode ozonasi, perokson, dan ozonasi dengan adsorpsi karbon aktif dengan mengevaluasi pengaruh dosis ozon dan dosis karbon aktif terhadap kandungan akhir senyawa organik pada limbah cair sintetik sampo. Penelitian diawali dengan menguji kinerja ozonator dan laju alir ozon yang digunakan, menguji kuantifikasi radikal OH, yang dilanjutkan dengan pengolahan limbah dan analisis parameter kadar COD, TDS, surfaktan, serta logam. Terdapat dua perlakuan pengolahan limbah cair sintetik sampo yang terbukti menghasilkan penyisihan COD dengan nilai terbesar atau optimum, yaitu menggunakan kombinasi ozonator B dengan injeksi H2O2 sebanyak 4 kali menyisihkan COD sebesar 28,48% serta kombinasi ozonator B dengan adsorpsi GAC sebanyak 150 gram sebesar 32,99%.

---

ABSTRACTWater is used in the household sector, which includes used of water for bathing that indirectly produced domestic liquid waste that contains shampoo liquid waste. Shampoo contains various chemicals such as zinc (Zn), surfactants, dyes, preservatives that can pollute the environment, also have COD levels of 180-410 mg/L and BOD levels 90-180 mg/L. The study aims to examine the performance and effectiveness using Advanced Oxidation Process with ozonation, peroxone, and ozonation with adsorption of activated carbon methods by evaluating the effect of ozones dosage and activated carbon dosage on the final organic compounds in synthetic shampoo liquid waste. The study began by testing the performance of the ozonator, the ozone flow rate that is used, and quantification of OH radicals, followed by the waste treatment and determining COD, TDS, surfactants, and metals levels as the parameter that matters. There are two treatments of synthetic liquid waste treatment which are proven to produce the COD removal with the greatest or optimum value, that is using a combination of ozonator B by injecting H2O2 4 times to decrease the COD levels by 28,48% and a combination of ozonator B with GAC adsorption of 150 grams by 32,99%."