Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas kelancaran semantik merupakan salah satu tes neuropsikologis yang sedang dikembangkan di Indonesia. Sampai saat ini, belum ada penelitian di Indonesia yang dilakukan untuk menginvestigasi strategi kognitif yang dilakukan partisipan saat mengeluarkan performanya pada tugas kelancaran semantik, yaitu clustering dan switching. Sejumlah studi di beberapa negara menemukan bahwa terdapat perbedaan antara laki-laki dan perempuan dalam melakukan clustering dan switching pada tugas kelancaran semantik. Sementara itu, studi lain menemukan perbedaan clustering dan switching pada partisipan di tingkat pendidikan berbeda. Penelitian ini bertujuan untuk mengetahui apakah terdapat pengaruh jenis kelamin dan tingkat pendidikan terhadap clustering dan switching tersebut. Peneliti melakukan analisis clustering dan switching dari tugas kelancaran semantik terhadap 157 partisipan sehat yang berasal dari jenis kelamin dan tingkat pendidikan berbeda. Hasil penelitian menunjukkan bahwa tingkat pendidikan merupakan satu-satunya variabel yang mempengaruhi clustering dan switching pada tugas kelancaran semantik. Sementara itu, tidak ditemukan adanya pengaruh jenis kelamin maupun pengaruh interaksi antara jenis kelamin dan tingkat pendidikan terhadap clustering dan switching. Maka dari itu, peneliti menyimpulkan bahwa pendidikan adalah salah satu faktor yang dapat berpengaruh terhadap kemampuan kognitif, khususnya yang terlibat dalam clustering dan switching tersebut.

---

Semantic fluency task is one of the neuropsychological assessment that is being developed in Indonesia. To date, there was no previous research in Indonesia that had been conducted to investigate the clustering and switching strategies on semantic fluency task. A number of studies in some countries showed that there was a difference between men and women on clustering and switching in semantic fluency task. Meanwhile, another studies revealed that there were clustering and switching differences between participants from different level of educational background. The purpose of this study was to evaluate whether there was an effect of sex and level of education on clustering and switching. One hundred and fifty seven male and female participants who come from different educational level were analyzed on clustering and switching in semantic fluency task. The results suggested that educational level was the only factor which influenced clustering and switching scores. Besides, there was no effect on sex or interaction between sex and level of education on that scores. Therefore, it can be concluded that education is one of the factor influencing cognitive ability, especially in clustering and switching."

"Tugas kelancaran fonemik adalah salah satu tugas dari tes kelancaran verbal yang dapat digunakan untuk melihat mekanisme kognitif seseorang ketika mencoba mengelompokkan kata berdasarkan kriteria tertentu (clustering) dan melakukan perpindahan dari satu kelompok kata ke kelompok/kata baru lainnya (switching). Sejumlah faktor demografis dipercaya memiliki pengaruh terhadap performa dalam tugas kelancaran fonemik, diantaranya adalah jenis kelamin dan tingkat pendidikan. Di Indonesia sendiri penggunaan tugas kelancaran fonemik masih sangat terbatas. Penelitian dari Hendrawan, Hatta dan Ohira (in press) menemukan bahwa huruf S, L, dan J adalah stimulus huruf yang paling sesuai digunakan dalam tugas kelancaran fonemik bagi mereka yang menggunakan bahasa Indonesia sebagai bahasa utamanya. Namun, sejauh ini belum ditemukan penelitian terkait tugas kelancaran fonemik yang berusaha melihat mekanisme clustering dan switching pada partisipan berbahasa Indonesia. Selain itu, pengaruh dari jenis kelamin dan tingkat pendidikan pada performa tugas kelancaran fonemik juga belum jelas gambarannya pada partisipan berbahasa Indonesia. Penelitian ini ingin mengetahui pengaruh dari jenis kelamin dan tingkat pendidikan pada performa tugas kelancaran fonemik yang dilihat melalui clustering dan switching dengan stimulus yang sudah disesuaikan dengan bahasa Indonesia (S, L, dan J). Penelitian dilakukan terhadap 80 partisipan laki-laki dan 80 partisipan perempuan yang tinggal di Jabodetabek, sehari-hari menggunakan bahasa Indonesia, dan pernah/sedang menjalani pendidikan di tingkat tinggi/menengah/dasar. Hasil menunjukkan bahwa tingkat pendidikan berpengaruh signifikan terhadap clustering dan switching pada tugas kelancaran fonemik, sedangkan jenis kelamin tidak berpengaruh signifikan terhadap clustering dan switching. Selain itu, hasil juga tidak menunjukkan adanya pengaruh interaksi yang signifikan antara jenis kelamin dan tingkat pendidikan terhadap clustering dan switching. Oleh karena itu dapat disimpulkan bahwa tingkat pendidikan adalah prediktor yang lebih baik dari jenis kelamin dalam clustering dan switching pada tugas kelancaran fonemik.

---

honemic fluency task is a part of verbal fluency test and known to have the ability to measure the underlying cognitive mechanism reflected by the way an individual subcategorizes the words he/she produces (clustering) and then how he/she shifts from one subcategory to the other subcategory/single word (switching). A number of demographic factors have been found to influence the performance of phonemic fluency task; two of them are sex differences and education. In Indonesia, the use of phonemic fluency task is still rarely applied. A study from Hendrawan, Hatta & Ohira (in press) has successfully discovered that S, L, and J are the representative stimuli of phonemic fluency for participants with Bahasa Indonesia as their native language. However, a study about underlying mechanism of clustering and switching on participants with Bahasa Indonesia is none to be found up until now. Furthermore, it is still unclear how sex differences and education affect the performance of phonemic fluency for Indonesian native speakers. This study aimed to seek the effects of sex differences and education on clustering and switching of phonemic fluency task conducted to participants with Bahasa Indonesia as the native language. A total of 80 males and 80 females in Jabodetabek, with different levels of education (high/medium/low) joined this study. Results showed that the level of education had a significant main effect toward clustering and switching in phonemic fluency task, while sex differences had no effect. Also, there is no interaction effect between sex differences and education toward clustering and switching. However, there was no main effect from sex differences toward clustering and switching in phonemic fluency task. In addition, the interaction effect between sex differences and education toward clustering and switching was also not found. In conclusion, results of this study indicated that education is a better predictor than sex differences in clustering and switching of phonemic fluency task."

"Indonesia sebagai negara kepulauan memiliki lebih dari 17 ribu pulau. Hal ini menyebabkan adanya tantangan tersendri untuk mewujudkan konektivitas antar pulaunya, terutama pada daerah terpencil dan tertinggal. Pelayaran perintis merupakan pelayaran yang disubsidi oleh pemerintah Indonesia dengan tujuan utama meningkatkan perekonomian di daerah terpencil dan tertinggal. Namun saat ini, kinerja pelayaran perintis masih belum optimal untuk mencapai tujuan tersebut. Hal tersebut ditandai dengan lamanya round voyage suatu trayek yang dapat mencapai 14 hari serta rendahnya capaian target voyage pelayaran perintis. Oleh karena itu, perlu adanya evaluasi serta efisiensi rute pelayaran perintis. Salah satu yang dapat dilakukan untuk meningkatkan efisiensi rute pelayaran perintis adalah dengan melakukan re-routing trayek pelayaran perintis. Penelitian ini melakukan re-routing pelayaran perintis di wilayah NTT-Maluku Barat Daya dengan pertama melakukan clustering menggunakan DBSCAN (Density-Based Spatial Clustering of Applications with Noise) serta optimasi dengan pendekatan TSP (Travelling Salesman Problem). Hasil yang didapatkan adalah terdapat pengurangan dari rata-rata jarak tempuh trayek pelayaran perintis sebesar 55% (dari 1276 NM menjadi 569,3 NM) serta pengurangan angka rata-rata lama round voyage trayek sebesar 74% (dari 13,3 hari menjadi 3,5 hari). Selain itu, terjadi penurunan ketimpangan antar trayeknya yang dilihat dari nilai jangkauan (range) dari jumlah pelabuhan, jarak tempuh, serta lama round voyage pada trayek pelayaran perintis di wilayah NTT-Maluku Barat Daya.

---

Indonesia, as an archipelagic country, has more than 17,000 islands. This causes challenges in realizing inter-island connectivity, especially in remote and underdeveloped areas. Pelayaran Perintis is a shipping program that the Indonesian government subsidizes to improve the economy in remote and underdeveloped areas. However, the performance of Pelayaran Perintis is still not optimal for achieving this goal. This is indicated by the length of the round voyage of a route that can reach 14 days and the low achievement of the Pelayaran Perintis voyage target. Therefore, there is a need for evaluation and efficiency of Pelayaran Perintis routes. One thing that can be done to increase the efficiency of Pelayaran Perintis routes is by re-routing Pelayaran Perintis routes. This study re-routes Pelayaran Perintis in the NTT-Maluku Southwest region by first clustering using DBSCAN (Density-Based Spatial Clustering of Applications with Noise) and optimization with the TSP (Travelling Salesman Problem) approach. The results obtained are a reduction in the average mileage for Pelayaran Perintis routes by 55% (from 1276 NM to 569.3 NM) and a reduction in the average length of round voyage routes by 74% (from 13.3 days to 3, 5 days). In addition, there has been a decrease in inequality between routes, which can be seen from the range value of the number of ports, distance traveled, and round voyage length on Pelayaran Perintis routes in the NTT-Southwest Maluku region."

"Penerapan algoritma partisi k-means dalam metode HOPACH clustering dalam penelitian ini dilakukan untuk mengelompokkan barisan DNA virus ebola. Proses dimulai dengan mengumpulkan barisan DNA virus ebola yang diambil dari GenBank, kemudian dilakukan ekstraksi ciri menggunakan n-mers frequency. Hasil ekstraksi ciri barisan DNA tersebut dikumpulkan dalam sebuah matriks dan dilakukan normalisasi menggunakan normalisasi min-max dengan interval [0, 1] yang akan digunakan sebagai data masukan. Hasil pengelompokan barisan DNA virus ebola pada penelitian ini diperoleh 8 kelompok dengan nilai MSS (Mean Split Silhouette) minimum 0,50266. Proses clustering pada penelitian ini menggunakan program open source R.

---

The implementation of k-means partitioning algorithm in HOPACH clustering method in this thesis is used to clustering DNA sequences of ebola viruses. The clustering process is started with collecting DNA sequences of ebola viruses that are taken from GenBank, then performing the extraction of DNA sequences using n-mers frequency. The extraction results are collected as a matrix and normalized using the min-max normalization with interval [0, 1] which will be used as an input data. As the results, we obtained 8 clusters with minimum MSS (Mean Split Silhouette) 0,50266. The clustering process in this thesis is using the open source program R."

"One of ways to facilitate process of information retrieval is by performing clustering toward collection of the existing documents. The existing text documents are often unstructured. The forms are varied and their groupings are ambiguous. This cases cause difficulty on information retrieval process. More-over, every second new documents emerge and need to be clustered. Generally, static document clus-tering method performs clustering of document after whole documents are collected. However, per-forming re-clustering toward whole documents when new document arrives causes inefficient clus-tering process. In this paper, we proposed a new method for document clustering with dynamic hierar-chy algorithm based on fuzzy set type-II from frequent item set. To achieve the goals, there are three main phases, namely: determination of keyterm, the extraction of candidates clusters and cluster hierar-chical construction. Based on the experiment, it resulted the value of F-measure 0.40 for Newsgroup, 0.62 for Classic and 0.38 for Reuters. Meanwhile, time of computation when addition of new document is lower than to the previous static method. The result shows that this method is suitable to produce so-lution of clustering with hierarchy in dynamical environment effectively and efficiently. This method also gives accurate clustering result.Salah satu cara untuk mempermudah proses information retieval adalah dengan melakukan peng-klasteran terhadap koleksi dokumen yang ada. Dokumen teks yang ada seringkali tidak terstruktur, formatnya bervariasi, dan pengelompokannya ambigu. Hal ini menimbulkan kesulitan dalam proses information retrieval. Selain itu, setiap detik dokumen baru bartambah dan perlu untuk dikelompokkan. Pada umumnya, metode pengklasteran dokumen statis melakukan pengklasteran dokumen setelah kese-luruhan dokumen terkumpul. Namun, melakukan pengklasteran ulang terhadap keseluruhan dokumen ketika dokumen baru tiba mengakibatkan proses pengklasteran menjadi tidak efisien. Penelitian ini mengusulkan metode baru untuk pengklasteran dokumen dengan algoritma hierarki dinamis berbasis fuzzy set type-II dari frequent itemset. Untuk mencapai tujuan tersebut, terdapat 3 tahapan utama yang akan dilakukan, yaitu; ekstraksi keyterm, ekstraksi kandidat klaster dan pembangunan hirarki klaster. Berdasarkan eksperimen yang telah dilakukan diperoleh nilai F-Measure 0,40 untuk Newsgroup, 0,62 untuk Classic, dan 0,38 untuk Reuters. Sedangkan waktu komputasi pada saat penambahan dokumen dapat direduksi dibanding dengan metode statis sebelumnya. Hasil percobaan terhadap beberapa dataset koleksi dokumen menunjukkan bahwa metode ini tidak hanya sesuai untuk menghasilkan solusi peng-klasteran secara hirarki dalam lingkungan yang dinamis secara efektif dan efisien, tetapi juga membe-rikan hasil pengklasteran yang akurat."

"Ant-based document clustering is a cluster method of measuring text documents similarity based on the shortest path between nodes (trial phase) and determines the optimal clusters of sequence do-cument similarity (dividing phase). The processing time of trial phase Ant algorithms to make docu-ment vectors is very long because of high dimensional Document-Term Matrix (DTM). In this paper, we proposed a document clustering method for optimizing dimension reduction using Singular Value Decomposition-Principal Component Analysis (SVDPCA) and Ant algorithms. SVDPCA reduces size of the DTM dimensions by converting freq-term of conventional DTM to score-pc of Document-PC Matrix (DPCM). Ant algorithms creates documents clustering using the vector space model based on the dimension reduction result of DPCM. The experimental results on 506 news documents in Indo-nesian language demonstrated that the proposed method worked well to optimize dimension reduction up to 99.7%. We could speed up execution time efficiently of the trial phase and maintain the best F-measure achieved from experiments was 0.88 (88%).Klasterisasi dokumen berbasis algoritma semut merupakan metode klaster yang mengukur kemiripan dokumen teks berdasarkan pencarian rute terpendek antar node (trial phase) dan menentukan sejumlah klaster yang optimal dari urutan kemiripan dokumen (dividing phase). Waktu proses trial phase algoritma semut dalam mengolah vektor dokumen tergolong lama sebagai akibat tingginya dimensi, karena adanya masalah sparseness pada matriks Document-Term Matrix (DTM). Oleh karena itu, penelitian ini mengusulkan sebuah metode klasterisasi dokumen yang mengoptimalkan reduksi dimensi menggunakan Singular Value Decomposition-Principal Component Analysis (SVDPCA) dan Algoritma Semut. SVDPCA mereduksi ukuran dimensi DTM dengan mengkonversi bentuk freq-term DTM konvensional ke dalam bentuk score-pc Document-PC Matrix (DPCM). Kemudian, Algoritma Semut melakukan klasterisasi dokumen menggunakan vector space model yang dibangun berdasarkan DPCM hasil reduksi dimensi. Hasil uji coba dari 506 dokumen berita berbahasa Indonesia membuk-tikan bahwa metode yang diusulkan bekerja dengan baik untuk mengoptimalkan reduksi dimensi hingga 99,7%, sehingga secara efisien mampu mempercepat waktu eksekusi trial phase algoritma se-mut namun tetap mempertahankan akurasi F-measure mencapai 0,88 (88%)."

"[ABSTRAKHierarchical clustering merupakan metode yang efektif dalam membentuk pohonfilogenetik dengan mengetahui matriks jarak antar barisan DNA. Salah satu carauntuk membuat matriks jarak yaitu dengan cara menggunakan metode -mer.Kelebihan dari metode -mer yaitu lebih efisien dalam segi waktu. Langkahlangkahdalam membuat matriks jarak dengan metode -mer dimulai denganmembentuk -mer sparse matrix dari masing barisan DNA. Selanjutnya,membentuk -mer singular value vector. Pada tahap akhir yaitu menghitung jarakantar vektor. Pada tesis ini akan dilakukan analisis terhadap barisan DNA MERSCoVdengan mengimplementasi Hierarchical clustering menggunakan -merssparse matrix sehingga dapat diketahui leluhur dari masing-masing barisan DNAMERS-CoV.

---

ABSTRACTHierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV., Hierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV.]"