Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas mengenai identifikasi material dasar perairan dengan menggunakan perangkat Fish Finder, nilai yang hendak didapat dari percobaan adalah nilai Target Strength dari setiap bahan uji. Bahan yang diujikan pada percobaan adalah batu, pasir dan tanah. Ketiga sampel uji tersebut dimasukan kedalam sebuah wadah untuk kemudian dimasukan kedalam perairan sedalam 2 meter. Kemudian Fish Finder digunakan untuk melakukan pengukuran bahan uji tersebut di dalam perairan dengan menggunakan Transducer. Setiap bahan uji tersebut dapat diliat karakteristiknya melalui nilai Target Strength yang dihasilkan dari setiap bahan uji.

---

The subject of this study is about underwater material identification using Fish Finder. The target of the study is for looking the relationship between the Target Strength Value with the material. In this study, the material that using as a sample are rock, soil, and sand. Samples put in the can, then the can put on underwater with 2 meter as the depth. Then we use the Fish Finder for measuring the Target Strength of the material. Transducer use as a tools to get the data. After that, we look for the each material characteristic relation with the Target Strength value."

"Skripsi ini dilakukan sebagai penelitian untuk menganalisa proses pengenalan jenis kawanan ikan dengan metode Logika Fuzzy dari pendeteksian bentuk fish schooling yang terlihat pada echogram fish finder. Hal ini didasarkan pada teori bahwa ikan mempunyai bentuk schooling atau pergerakan berkelompok dengan struktur dan irama yang unik. Data untuk proses pengenalan diperoleh dari database Balai Penelitian Departemen Kelautan dan Perikanan yang melakukan observasi di laut Jawa pada bulan Desember 2005. Dalam penelitian ini image dari kawanan ikan dengan bentuk tertentu, yang terlihat pada echogram, dilakukan proses kuantisasi graylevel dan leveling untuk kemudian diambil matriks-matriks sample untuk ditentukan nilai rata-rata matriks, rata-rata nilai real FFT matriks dan rata-rata nilai imajiner FFT matriks. Kemudian dijadikan database. Pengenalan dilakukan dengan membandingkan nilai-nilai tersebut terhadap matriks sample yang akan dianalisis, dengan tiga metode yaitu penggunaan fungsi if-then-else pada masing-masing nilai database, kedua dengan menggunakan Fuzzy Inference System dengan fungsi keanggotaan tipe trapesium, dan yang ketiga metode Fuzzy Inference System dengan fangsi keanggotaan tipe Gaussian. Pengenalan dipenuhi apabila telah memenuhi tiga nilai parameter, rata-rata matriks, rata-rata real, dan rata-rata imajiner. Hasil yang didapat dengan metode if-then-rules cukup baik hanya saja memiiki kekurangan yaitu rapatnya nilai parameter dan juga urutan dalam penyusunan fungsinya. Hasil yang didapat dengan metode FIS fungsi keanggotaan Gaussian juga cukup baik namun memiiki kekurangan yaitu kurang mewakili nilai keanggotaan dari tiap parameter. Hasil yang paling baik adalah pengenalan dengan metode FIS dengan fungsi keanggotaan tipe trapesium dengan akurasi 76.3 %."

"Skripsi ini dilakukan sebagai penelitian untuk menganalisa proses pengenalan jenis kawanan ikan dengan metode Hidden Markov Model ( HMM ) dari pendeteksian bentuk fish schooling yang teriihat pada echogram fish finder. Hal ini didasarkan pada teori bahwa ikan mempunyai bentuk schooling atau pergerakan berkelompok dengan struktur dan irama yang unik. Data untuk proses pengenalan diperoleh dari database Balai Penelitian Departemen Kelautan dan Perikanan yang melakukan observasi di laut Jawa pada bulan Desember 2005. Dalam penelitian ini image dari kawanan ikan dengan bentuk tertentu, yang teriihat pada echogram, dibentuk ke matrix dengan sampling dan graylevel quantization kemudian diplot menjadi gelombang dengan durasi tertentu. Gelombang-gelombang tersebut diubah ke domain frekuensi menjadi bilangan vector yang disebut sample point. Kumpulan beberapa sample point terdekat dikuantisasi menjadi sebuah nilai yang disebut centroid atau codeword yang disimpan dalam sebuah codebook sebagai data base. Pada proses pengenalan dihitung besar log of probability HMM untuk semua jenis ikan berdasarkan nilai codeword dari nilai sample point ikan. Dari percobaan yang dilakukan didapatkan tingkat akurasi yang cukup tinggi untuk mendeteksi jenis schooling ikan yakni persen akurasi hingga 92%."

"Fish schooling yaitu pergerakan sekelompok ikan tertentu dengan pola, arah (polarisasi), irama dan struktur yang sama untuk setiap individu serta bersifat unik untuk setiap ikan. Fish shooling dapat dijadikan dasar untuk pembuatan sistem identifikasi ikan dengan dengan menggunakan metode jaringan syaraf tiruan. Proses ini dilakukan dengan menerapkan Pengolahan citra pada citra tampilan echogram fish finder yang didapat dari database hasil observasi Balai Penelitian Departemen Kelautan dan Perikanan di laut Jawa pada bulan Desember 2005. Citra fish schooling dari fish finder tersebut diubah menjadi matriks melalui proses sampling dan graylevel quantization, kemudian dileveling pada range nilai tertentu. Citra hasil leveling tersebut akan diambil beberapa potongan bagiannya sebagai sampel untuk dicari nilai parameter karakteristiknya, yaitu nilai rata-rata dari matriks sampel tersebut. Nilai rata-rata tersebut selanjutnya akan dijadikan input bagi proses training jaringan syaraf tiruan untuk membuat sistem identifikasi jenis ikan. pola rata-rata matriks sampel yang digunakan pada proses training tersebut menjadi dasar proses identifikasi jenis ikan oleh jaringan syaraf tiruan. Sistem ini mampu mengenali jenis ikan dengan tingkat akurasi sebesar 88%."

"Peningkatan populasi global dan industrialisasi menyebabkan peningkatan konsumsi energi yang signifikan, dimana bahan bakar fosil menyumbang lebih dari 75% emisi gas rumah kaca. Sehingga, transisi ke energi terbarukan menjadi sangat penting. Energi angin, yang memiliki efisiensi tinggi dan tidak menghasilkan polusi udara, dipilih sebagai fokus penelitian ini. Di Indonesia, potensi energi angin sangat besar, namun pemanfaatannya masih di bawah target yang ditetapkan. Wind turbine, yang komponen utamanya terbuat dari material komposit karena rasio kekuatan terhadap beratnya yang unggul, menjadi pilihan utama dalam produksi energi angin. Penelitian ini bertujuan untuk memvalidasi model material komposit menggunakan Ansys Composite PrepPost (ACP) dengan mempertimbangkan parameter seperti ketebalan, orientasi, dan jenis material, serta menganalisis pengaruhnya terhadap rasio kekuatan terhadap berat. Penelitian ini menyajikan analisis numerik sifat mekanik komposit CFRP dan GFRP menggunakan perangkat lunak ANSYS. Studi ini memodelkan 16 model komposit dengan variasi orientasi fiber (0°, 30°, 45°, 90°), konsentrasi fiber (50%, 75%), dan jenis material (Carbon Fiber dan Glass Fiber. Analisis Strength to Weight Ratio juga dilakukan untuk menentukan model optimal dimana model nilai tertinggi adalah model 4 dengan nilai 32,076 MPa/Kg.

---

The increasing global population and industrialization have led to a significant rise in energy consumption, with fossil fuels contributing more than 75% of greenhouse gas emissions. Therefore, the transition to renewable energy has become crucial. Wind energy, known for its high efficiency and lack of air pollution, is the focus of this research. In Indonesia, wind energy potential is substantial, yet its utilization remains below set targets. Wind turbines, whose main components are made of composite materials due to their superior strength-to-weight ratio, are a primary choice for wind energy production. This study aims to validate composite material models using Ansys Composite PrepPost (ACP), considering parameters such as thickness, orientation, material type, and analyzing their influence on the strength-to-weight ratio. The research presents numerical analyses of the mechanical properties of CFRP and GFRP composites using ANSYS software. Sixteen composite models were simulated with variations in fiber orientation (0°, 30°, 45°, 90°), fiber concentration (50%, 75%), and material type (Carbon Fiber and Glass Fiber). Strength-to-Weight Ratio analysis was also conducted to identify the optimal model, where model 4 achieved the highest value of 32,076 MPa/kg."

"ABSTRAKDi Indonesia, penelitian tentang lempung serpih telah banyak didisikusikan secara luas. Tanah lempung serpih dikenal sebagai material yang dapat berdegradasi. Proses degradasi ini menunjukan perlemahan terhadap kekuatan geser tanah. Karakter dari lempung serpih ini menyebabkan beberapa kegagalan pada desain geoteknik. Untuk memperbaiki dan memanfaatkan tanah tersebut sebagai material timbunan maka dilakukan perbaikan tanah menggunakan bahan stabilisasi. Dalam penelitian terkini, perbaikan tanah menggunakan biosementasi terbukti efektif meningkatkan kekuatan tanah akibat peningkatan produksi CaCO 3 pada tanah pasir sedangkan untuk tanah lempung serpih masih belum banyak didiskusikan. Penelitian ini membandingkan efektifitas penggunaan bahan stabilisasi dengan biosementasi dari enzim urease dan beberapa bahan stabilisasi yang dikenal secara umum yaitu semen, kapur, dan abu sekam padi. Hasil pengujian laboratorium menunjukan bahwa tanah lempung serpih dengan campuran enzim urease dapat meningkatkan kekuatan dan durabilitas dengan pemeraman selama 6 minggu. Sedangkan untuk campuran semen dan kapur dapat meningkatkan kekuatan dan durabilitas pada konsentrasi bahan stabilisasi yang tinggi. Abu sekam padi hanya dapat meningkatkan durabilitas sampel namun terjadi penurunan kekuatan. Campuran bahan stabilisasi terbaik adalah enzim urease dengan kapur dimana pada pengujian XRD terlihat produksi CaCO 3 memiliki persentase konten yang paling tinggi.

---

ABSTRACTIn Indonesia, the study of clayshale has begun to be widely discussed. Clayshale is well known as a degradable material. The process of degradability in clayshale shows the weakening of the shear strength. This clayshale characteristic leads to several failures in the geotechnical design. To improve and utilize this soil as embankment, soil improvement must be done using stabilzation material. In the latest research, soil improvement using biosementation has been proven to increase soil strength due to increased of CaCo 3 production in sandy soil while for clayshale has not been much discussed. This study compares the effectivenesss of stabilizer material with biosementation of urease enzym and commonly known as stabilizing agent, specifically cement, lime and rice husk ash. From the laboratory test result, clayshale soil with urease enzym mixture could increase strength and durability by 6 week of curing speciment. As for the cement and lime mixture could increase strength and durability at high content of this stabilizing agent. Rice husk ash could increase the durability of the speciment but decrease in strength. The best stabilizing agent for soil mixture was urease enzym with lime which in XRD test show the CaCO 3 production has the highest precentage. "

"Pada skripsi ini, dilakukan sistem identifikasi jenis ikan dengan menggunakan metode neural network dan dijalankan pada DSP Starter Kit TMS320C6713. Sedangkan proses training jaringan dilakukan dengan menggunakan software MATLAB. Suatu gelombang yang mengenai kawanan ikan tertentu akan dipantulkan dengan fase yang berbeda. Apabila gelombang pantulan tersebut kita deteksi perubahan fasenya maka kita bisa mengetahui sinyal gelombang gerakan kawanan ikan itu sendiri. Tiap jenis kawanan ikan memiliki gelombang perubahan fase yang berbeda-beda. Perbedaan ini bisa kita jadikan acuan untuk mengidentifikasi jenis ikan. Konfigurasi neural network yang digunakan terdiri dari satu lapisan masukan dengan 32 neuron, satu lapisan tersembunyi dengan 40 neuron, dan satu lapisan keluaran dengan 4 neuron. Konfigurasi ini dicoba di MATLAB terlebih dahulu baru kemudian diubah ke bahasa C untuk dimasukkan ke DSP board. Sistem identifikasi ini memiliki tingkat akurasi sebesar 70.83%-100%, tergantung dari jumlah training jaringan yang dilakukan. Tingkat akurasi sistem akan semakin tinggi dengan meningkatkan jumlah training.

---

In this thesis, neural network method was used to identify fish species. This identification system was run on DSP Starter Kit TMS320C6713. Meanwhile, the network training was done by using MATLAB software.

A signal that hit a fish school would be reflected in a different phase. If we detected the difference of the phase, we would know the fish signal itself. Every fish school has a different reflected signal. We can use these differences to identify fish species.

The network configuration used one input layer with 32 neurons, one hidden layer with 40 neurons, and one output layer with 4 neurons. This configuration had been tried in MATLAB before it was changed into C language to be implemented on DSP board.

This system accuracy could reach 70.83% to 100% depend on the number of training. The level of system accuracy would increase along with the increment of training."

"Ujaran kebencian dapat menyebabkan terjadinya konflik dan pembantaian di masyarakat sehingga harus segera ditangani. Indonesia memiliki lebih dari 700 bahasa daerah dengan karakteristik masing-masing. Ujaran kebencian yang ada di Indonesia juga pernah dilakukan menggunakan bahasa daerah. Media sosial Twitter paling sering digunakan dalam menyebarkan ujaran kebencian. Identifikasi target, kategori, serta level ujaran kebencian dapat membantu Polri dan Kemenkominfo dalam menentukan prioritas penanganan ujaran kebencian sehingga dapat meminimalisir dampaknya. Penelitian ini melakukan identifikasi ujaran kasar dan ujaran kebencian beserta target, kategori, dan level ujaran kebencian pada data Twitter berbahasa daerah menggunakan algoritma classical machine learning dan deep learning. Penelitian ini menggunakan data lima bahasa daerah di Indonesia dengan penutur terbanyak yaitu Jawa, Sunda, Madura, Minang, dan Musi. Pada data Bahasa Jawa performa terbaik diperoleh menggunakan algoritma Support Vector Machine (SVM) dengan transformasi data Classifier Chains (CC) serta kombinasi fitur word unigram, bigram, dan trigram dengan F1-score 70,43%. Algoritma SVM dengan transformasi data CC serta kombinasi fitur word unigram dan bigram memberikan performa terbaik pada data Bahasa Sunda dan Madura dengan masing-masing F1-score 68,79% dan 78,81%. Sementara itu, pada data Bahasa Minang dan Musi hasil terbaik diperoleh menggunakan algoritma SVM dengan transformasi data CC serta fitur word unigram dengan F1-score 83,57% dan 80,72%. Penelitian ini diharapkan dapat digunakan sebagai masukan bagi Polri dan Kemenkominfo dalam pembangunan sistem identifikasi ujaran kasar, ujaran kebencian serta target, kategori, dan level ujaran kebencian pada media sosial.

---

Hate speech can lead to conflict and massacres in society so it must be dealt immediately. Indonesia has more than 700 regional languages with their own characteristics. Hate speech in Indonesia has also been carried out using regional languages. Twitter is the most frequently used social media to spread hate speech. Identification of targets, categories, and levels of hate speech can help the National Police and the Ministry of Communication and Information to determine priorities for handling hate speech to minimize its impact. This study identifies abusive speech and hate speech along with the target, category, and level of hate speech on regional language Twitter data using classical machine learning and deep learning algorithms. This study uses data from five regional languages in Indonesia with the most speakers, namely Javanese, Sundanese, Madurese, Minang, and Musi. In Java language data, the best performance is obtained using the Support Vector Machine (SVM) algorithm with Classifier Chains (CC) data transformation and a combination of unigram, bigram, and trigram word features with an F1-score of 70.43%. The SVM algorithm with CC data transformation and the combination of unigram and bigram word features provides the best performance on Sundanese and Madurese data with F1-scores of 68.79% and 78.81%, respectively. Meanwhile, in Minang and Musi language data, the best results were obtained using the SVM algorithm with CC data transformation and word unigram features with F1-scores of 83.57% and 80.72%, respectively. This research is expected to be used as input for the National Police and the Ministry of Communication and Information in developing a system for identifying harsh speech, hate speech and the target, category, and level of hate speech on social media."