Hasil Pencarian  ::  Simpan CSV :: Kembali

"Simulasi pengenal bahan kimia menggunakan data set yang disusun dari datapembacaan sembilan sensor oksida timah, sensor kelembaban dan sensor suhu.Data set tersebut digunakan untuk training neural network menggunakan algoritmagradient descent backpropagation dan algoritma momentum backpropagation.Setelah proses training selesai maka hasil training diuji dalam simulasi mengenallima jenis bahan kimia yaitu acetone, ammonia, isopropanol, cairan pengkilat (lighterfiuid) dan cuka (vinegar). Hasil pengujian kemudian dibandingkan untuk melihatkelebihan dan kekurangan kedua algoritma backpropagation tersebut."

"Pesatnya perkembangan teknologi telah mengubah perdagangan konvensional menjadi sistem perdagangan modern. Agar e-commerce berhasil harus dikembangkan menggunakan sistem yang akurat. Salah satu metode pada pendekatan collaborative filtering yaitu latent variable models berdasarkan faktorisasi matriks. Jika setiap vector pu yang menyatakan ketertarikan pengguna ke-u terhadap variabel tersembunyi dan setiap vector qi yang menyatakan hubungan item i dengan variabel tersembunyi dapat ditentukan, maka tingkat ketertarikan antara semua pengguna u pada setiap item i dapat ditentukan. Untuk menghindari terjadinya overfitting proses update pu dan qi dilakukan menggunakan metode gradient descent dengan regularisasi. Penelitian ini menentukan parameter k (banyaknya variabel tersembunyi) dan parameter (nilai regularisasi) agar model optimal.

---

The rapid development of technology has changed the conventional trade into a modern trading system. In order for successful e-commerce must be developed using an accurate system. One method in collaborative filtering approach that is latent variable models based on matrix factorization. If any vector pu that expressed interest u user to a hidden variable and each qi vector expressing the relation item i with hidden variables can be determined, then the level of interest among all users u on every item i can be determined. To avoid overfitting the update process on pu vector and qi vector performed using gradient descent method with regularization. This study determines the parameter k (the number of hidden variables) and parameter (value regularization) that makes the model becomes optimal."

"Sistem rekomendasi (recommendation system) terus dikembangkan khususnya pada aplikasi teknik analisis data dalam membantu pengguna on-line (user) menemukan produk (item) yang ingin mereka beli. Satu dari beberapa metode dalam sistem rekomendasi adalah collaborative filtering (CF) dengan pendekatan latent variable models berdasarkan faktorisasi matriks. Hubungan antara pengguna (users) dan produk (item) dalam collaborative filtering dapat disajikan dalam bentuk matriks rating R. Penelitian ini membahas metode collaborative filtering berbasis model faktorisasi matriks pada sistem rekomendasi.Dalam faktorisasi matriks, permasalahan utamanya adalah mencari dua buah matriks Wm x k dan matriks Hk x m sehingga WH ≈ R dengan Rm x n. Akurasi dari model tercermin dari besarnya norm ║R-WH║ pada data testing. Terdapat beberapa teknik faktorisasi yang telah digunakan dalam CF. Dalam penelitian ini metode yang digunakan adalah faktorisasi matriks dengan metode gradient descent.Berdasarkan eksperimen, parameter model yang optimal yang memenuhi fungsi optimasi diperoleh pada nilai k = 3 dengan learning rate 8 x 10-5. Akurasi model dihitung menggunakan root mean square error (RMSE) dan nilai RMSE model pada eksperimen ini adalah 0,9335.

---

Recommendation systems continue to be developed especially in the application of data analysis techniques in helping users on-line find a product (item) that they want to buy. One of several methods in collaborative filtering recommendation system is (CF) approach to latent variable models based on matrix factorization. The relationship between the user and product (item) in the collaborative filtering (CF) can be presented in the form of rating matrix R. This study discusses the collaborative filtering method based on matrix factorization model of recommendation systems.

In the matrix factorization, the main problem is to find two matrices Wmxk and Hk x m so that WH ≈ R with Rmxn. The accuracy of the model is reflected in the norm ║R-WH║ in the testing data. There are several techniques that have been used in the factorization method of collaborative filtering (CF). In this study the method used is matrix factorization with gradient descent methods.

Based on the experiments, the optimal model parameters that meet the optimization function values ​​obtained at k = 3 with a learning rate of 8 x 10-5. The accuracy of the model is calculated using the root mean square error (RMSE) and RMSE values ​​in experimental models is 0.9335."

"Saat ini transaksi perdagangan tidak hanya menggunakan cara konvensional namun telah memanfaatkan perkembangan teknologi, informasi dan komunikasi yaitu transaksi jual beli secara elektronik atau online. Salah satu aplikasi yang diterapkan dalam jual beli secara online adalah sistem rekomendasi. Salah satu strategi dalam sistem rekomendasi adalah collaborative filtering dengan metode latent variable model. Latent variable model merupakan metode perekomendasian yang menganalisis pola hubungan diantara pengguna dan produk secara langsung, yaitu berdasarkan kemiripan/jarak antara pengguna dan produk. Hal ini dapat terjadi karena baik pengguna maupun produk memiliki fitur yang sama. Metode latent variable model yang sering digunakan pada sistem rekomendasi adalah faktorisasi matriks.Salah satu metode optimasi dalam faktorisasi matriks adalah metode gradient descent. Namun karena data yang tersedia dalam membangun model sistem rekomendasi cukup banyak bervariasi maka memungkinkan terjadinya overfitting dan bias. Oleh karena itu pada penelitian ini akan menganalisis akurasi model faktorisasi matriks berbasis metode gradient descent dengan regularisasi dan bias. Eksperimen dilakukan melalui simulasi komputasi untuk mendapatkan parameter model yang optimal.Berdasarkan eksperimen yang telah dilakukan pada saat 𝑘=5 dan 𝜆1=0.05 model faktorisasi matriks berbasis metode gradient descent dengan regularisasi dan bias memiliki tingkat akurasi yang lebih baik dengan model faktorisasi matriks berbasis metode gradient descent dengan regularisasi saja yaitu 0.93552 dan 1.19219.

---

Nowdays transactions of trade does not only do conventionally but using technology development, information and communication, such as electronic trade or online. One of application which uses in online trade is recommender systems. One of strategy in recommendation system is collaborative filtering with latent variable model. Latent variable model is recommendation method which analyze pattern of relationship among user and product. This thing can occurred because user and product have the same feature. Latent variable model which commonly use is matrix factorization.

One of optimist method in matrix factorization is gradient decsent method. But because many data and variation data, its will be overfitting and bias. Because of that, in this research will analyse accuracy of matrix factorization model based on gradient descent method with regularization and bias. Experiment is done by simulating computation to get optimal model parameter.

Based on experiment when 𝑘=5 and 𝜆1=0.05 matrix factorization model based on gradient descent method with regularization and bias had better accuracy than matrix factorization model based on gradient descent method with only regularization, it?s 0.93552 and 1.19219."

"Conjugate Gradient merupakan suatu metode optimasi yang dapat meminimasi suatu fungsi, dimana arab pencariannya berdasarkan arab konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sebingga membuat Conjugate Gradient dapat mencapai konvergensi pad a solusi yang dicari dengan cepat. Conjugate Gradient tidak banya dapat digunakan untuk menyelesakan fungsi yang Iinier, tetapi juga dapat digunakan untuk masalah non Iinier, salab satunya digunakan untuk pelatihan jaringan syaraf tiruan. Pada makalah ini, digunakan algoritma Conjugate Gradient Polak Ribiere dalam pelatiban jaringan syaraf tiruan sebagai sistem peramalan temperature udara. Data k1imatologi yang digunakan sebagai parameter masukan yaitu temperature udara, kelembaban, tekanan udara, curah bujan, lama penyinaran matabari, dan kecepatan an gin. Berdasarkan basil penelitian ini, kita dapat menginterpretasikan babwa sistem peramalan temperatur udara ini mengbasilkan akurasi lebib dari 90%."

"Sejak diperkenalkan pertama kali pads tahun 1965 oleh Zadeh, teknolobi logika fuzzy telah mengalami perkembangan yang pesat di berbagai bidang disiplin ilmu. Pada saat ini berbagai aplikasi elektronika yang menggunakan kontroler logika fuzzy banyak diperkenalkan. Kontroler logika fuzzy memiliki keuntungan di mana sejumlah pengetahuan pakar dalam operasional dapat diterapkan dalam aplikasi. Namun demikian, untuk mendesain suatu kontroler logika fuzzy dibutuhkan waktu yang lama, karena semakin banyak variabel yang diperhitungkan, akan menambah jumlah atumn yang ada. Untuk itu, kemudian dikembangkan metode swa-talc dari aturan fuzzy dengan menggunakan algoritma belajar pads neural network, yang disebut "neurofuzzy". Pada tulisan ini, metode belajar yang digunakan pada aturan fuzzy dalam pengambilan keputusan adalah metode descent. Berdasarkan data masukan dan keluaran yang dikumpulkan oleh pakar, aturan pengambilan keputusan yang menyatakan hubungan masukan dan keluaran dari data dihasilkan secara otomatis dengan menggunakan metode tersebut. Beberapa contoh hasil simulasi dari sistem dengan menggunakan komputer akan ditunjukkan guna menjelaskan secara lebih baik kelebihan yang dimiliki kontroler dengan metode ini bila dibandingkan dengan sistem yang tidak menggunakan kontroler ini."

"LATAR BELAKANG: Metode preparasi spermatozoa yang sering digunakan untuk reproduksi berbantu saat ini adalah metode swim-up dan density-gradient centrifugation. Namun demikian masih banyak didapatkan pertentangan mengenai metode mana yang lebih aman dan dapat menyeleksi spermatozoa dengan kualitas yang lebih baik. Pada penelitian ini dilakukan penilaian kembali pada kedua metode preparasi spermatozoa tersebut terutama dalam hal menyeleksi spermatozoa dengan tingkat integritas DNA tinggi dan apoptosis yang rendah. BAHAN DAN CARA KERJA: Sampel berjumlah 15 pasien yang menjalani preparasi spermatozoa untuk program inseminasi intra uterus di Klinik Yasmin RSCM Kencana, Jakarta. Sampel diambil sebelum dan setelah pencucian spermatozoa untuk dilakukan pemeriksaan konsentrasi dan motilitas spermatozoa menggunakan Makler®. Tingkat integritas DNA spermatozoa dinilai dengan indeks fragmentasi DNA spermatozoa (IFD) yang dilakukan dengan metode SCD. Pemeriksaan konfirmasi berupa viabilitas spermatozoa dengan eosin-Y dan analisis ekspresi protein kaspase 3 dilakukan dengan western blot yang dilanjutkan dengan analisis densitas pita kaspase 3 menggunakan ImageJ. HASIL: Penelitian ini menunjukkan penurunan tidak bermakna pada kelompok IFD > 15% dan peningkatan tidak bermakna pada kelompok IFD ≤ 15%. Ditambah pula, rerata viabilitas spermatozoa menunjukkan peningkatan tidak bermakna setelah pencucian. Aktivitas kaspase menunjukkan penurunan densitas tidak bermakna setelah dilakuan pencucian. Metode preparasi DGC dan SU dapat meningkatkan spermatozoa progresif dan viabilitas spermatozoa serta menurunkan aktivitas kaspase 3. KESIMPULAN: Metode swim-up dan density-gradient centrifugation berhasil menyeleksi spermatozoa dengan tingkat apoptosis dan fragmentasi DNA yang rendah. Metode DGC lebih baik daripada SU dalam hal penurunan aktivitas kaspase.

---

BACKGROUND: The common methods for sperm preparation prior to assisted reproductive technique are swim-up (SU) and density gradient centrifugation (DGC). However, controversies regarding advantages and disadvantages of these two methods have been reported by many studies. The aim of this study was to reevaluate both methods in selecting better sperm in term of their quality, DNA integrity and apoptotic levels.

MATERIAL AND METHOD: Fifteen samples from insemination patients at Klinik Yasmin RSCM Kencana, Jakarta were used in this study. Samples were taken before and after preparation with SU and DGC. Makler® counting chamber and Eosin Y staining were used to analyze motility and viability, respectively. Sperm chromatin dispersion assay was used to determine sperm DNA integrity, while apoptotic levels was determined by Western immunoblotting.

RESULTS: This study showed no significant decrease in the group IFD> 15% and a non-significant increase in group IFD ≤ 15% after preparation with SU and DGC. Plus, the average viability of spermatozoa showed improvement after preparation with SU and DGC. Caspase activity was lower when spermatozoa was prepared with SU. DGC and SU preparation method can improve progressive motility and viability of spermatozoa and reduce the caspase activity.

CONCLUSIONS: Both swim-up and density-gradient centrifugation selected better sperm motility and viability. Furthermore. these two methods separated spermatozoa with low level of apoptotic and higher DNA integrity. DGC method is better than SU in reduce caspase activity"