Hasil Pencarian  ::  Simpan CSV :: Kembali

"The objective of this research is improving the freeness of waste paper stock and paper quality by using the cellulose binding domain (CBD) of endoglucanase Egl-II. CBD has been separated from endoglucanase Egl-II by proteolysis method. CBD has a molecular weight of approximately 21 kD. The produced CBD contained 0.04 mg/mL protein and did not show the total enzyme activity. Waste paper disintegrated using niagara beater with no load at the consistency of 1.5%. CBD was applied to the refined waste paper fibers with a freeness of 200 mL CSF(canadian standard freeness). The dosages of CBD used for waste paper treatment were 0.2 and 0.3 mg CBD/g of oven-dried pulp. The result shows that this treatment increases the freeness of fibers by 140 mL CSF (70%). CBD also increase the amount of removed water from the fibers from 290 mL to 390 mL and 370 mL, respectively, using the dynamic drainage jar (DDJ) measurement. The cellobiose assay of the waste paper filtrate treated with CBD shows no sugar dissolution, which indicate no cellulose degradation. The tear index of paper produced by treatment with CBD shows insignificant change. The concora medium test (CMT) of paper produced by treatment with CBD has higher tensile index, burst index, and ring crush."

"Indonesia merupakan negara produksi bauksit kelima terbesar di dunia, dimana berdasarkan data hasil riset United States Geological Survey (USGS) mencatat bahwa Indonesia memproduksi bauksit sebanyak 21 juta ton kering di tahun 2022. Bauksit dapat diolah dengan menggunakan metode Bayer untuk menghasilkan alumina (Al2O3), dimana 1 ton bauksit akan menghasilkan 0,3 ton alumina. Namun, metode Bayer tersebut akan menghasilkan red mud sebagai tailing dalam upaya memproduksi alumina dari bauksit. Red mud mempunyai potensi daur ulang yang tinggi sebagai bentuk pemanfaatan limbah padat dalam upaya mengurangi pencemaran lingkungan. Red mud dapat menjadi secondary resource dalam menghasilkan logam besi (Fe). Penelitian ini menjelaskan tentang proses pemulihan besi dari red mud dengan menggunakan metode reduction roasting – magnetic separation, dimana disertai dengan penambahan sodium sulfat (Na2SO4) sebagai zat aditif dan katalis. Variasi yang digunakan selama penelitian ini adalah temperatur roasting (900oC, 1000oC, dan 1100oC) dan kadar sodium sulfat (0 gram, 4 gram, dan 8 gram) untuk memperoleh kondisi yang efisien dalam menghasilkan tingkat pemulihan besi tertinggi. Proses karakterisasi yang digunakan selama penelitian ini adalah XRD dan XRF. Tingkat pemulihan besi terbesar yang diperoleh adalah 95,83% pada kadar sodium sulfat sebanyak 8 gram dan temperatur roasting sebesar 1100oC.

---

Indonesia is the world's fifth-largest producer of bauxite. According to research data from the United States Geological Survey (USGS), Indonesia produced 21 million dry tons of bauxite in 2022. Bauxite can be processed using the Bayer method to produce alumina (Al2O3), where 1 ton of bauxite yields 0.3 tons of alumina. However, the Bayer method generates red mud as a tailing in the effort to produce alumina from bauxite. Red mud has a high recycling potential as a form of solid waste utilization to reduce environmental pollution. It can become a secondary resource for producing iron (Fe). This study explains the process of iron recovery from red mud using the reduction roasting – magnetic separation method, with the addition of sodium sulfate (Na2SO4) as an additive and catalyst. The variations used in this study are roasting temperatures (900°C, 1000°C, and 1100°C) and sodium sulfate concentrations (0 grams, 4 grams, and 8 grams) to achieve efficient conditions for the highest iron recovery rate. The characterization processes used in this study are XRD and XRF. The highest iron recovery rate obtained was 95.83% with 8 grams of sodium sulfate and roasting temperature of 1100°C."

"Transpor pencemar yang terjadi pada dinding bidang kontak antara badan air permukaan dan air tanah didominasi oleh proses adveksi dan dispersi secara dua dimensi. Variabel yang mempengaruhi transpor pencemar adalah kecepatan (V), dispersivitas (α) dan koefisien difusi (D*).Skripsi ini merupakan pengembangan model transpor pencemar dengan menurunkan persamaan menggunakan metode beda hingga untuk domain spasial dan Runge-Kutta orde 4 untuk domain temporal. Kemudian model diterapkan pada bahasa program Visual Basic untuk Microsoft Excel."

"Transpor pencemar yang terjadi pada dinding bidang kontak antara badan air permukaan dan air tanah didominasi oleh proses adveksi dan dispersi secara dua dimensi. Variabel yang mempengaruhi transpor pencemar adalah kecepatan (V), dispersivitas (α) dan koefisien difusi (D*). Skripsi ini merupakan pengembangan model transpor pencemar dengan menurunkan persamaan menggunakan metode beda hingga untuk domain spasial dan Runge-Kutta orde 4 untuk domain temporal. Kemudian model diterapkan pada bahasa program Visual Basic untuk Microsoft Excel.

---

Transport of pollutants that occur in the wall of the contact area between surface water and groundwater is dominated by two dimensions of advection and dispersion processes. The variables that govern the pollutant transport are velocity (V), dispersivity (α) and diffusion coefficient (D*). This thesis develope pollutant transport models by deriving equations using finite difference method for spatial domain and fourth order of Runge-Kutta for temporal domain. Then this model is applied by Visual Basic for Microsoft Excel."

"Separation and purification of yttrium from several rare earth elements available in rare earth mineral xenotime employing combined separation methods. In this study, rare earth mixtures and reagent grade synthetic materials were used instead of actual origin xenotime mineral samples. The concentration ration of each rare earth in the mixture was proportional to that of the rare earth mineral xenotime found on Bangka Island. Crystals of yytrium with a purity of 99,9% were obtained which indicates a successful separation of yttrium from the rare earth elements."

"Latar Belakang: Kekerasan seksual merupakan suatu tindak kejahatan yang cukup sering terjadi di masyarakat Indonesia dan menduduki peringkat kedua dibawah kekerasan fisik sebagai kekerasan yang paling sering terjadi pada perempuan di Indonesia. Sampel yang ditemukan pada TKP umumnya berupa sel sperma dari pelaku bercampur dengan sel epitel korban. Oleh karena itu pemisahan sel perlu dilakukan untuk memudahkan interpretasi pelaku kekerasan seksual. Pemisahan sel dilakukan dengan metode conventional differential extraction yang sampai saat ini masih menjadi gold standard dalam menangani sampel kekerasan seksual walaupun terdapat berbagai alternatif lain dikarenakan sederhana, murah, dan menghasilkan konsentrasi DNA yang baik. Tujuan: Mengetahui pemisahan sel sperma dari epitel dalam berbagai rasio konsentrasi dengan metode conventional differential extraction. Metode: Sampel penelitian dibuat dengan mencampurkan sel epitel dan sperma kedalam 4 rasio konsentrasi (A,B,C,D). Pemisahan sel sperma dari epitel dilakukan dengan metode conventional differemtial extraction kemudian DNA diekstraksi dengan metode Chelex 20%. DNA yang telah diekstraksi dihitung konsentrasinya dengan Quantifiler Duo. Hasil: Pemisahan sel dapat terjadi pada 4 kelompok rasio konsentrasi. Uji statistik menunjukkan perubahan rasio konsentrasi memiliki perbedaan bermakna terhadap konsentrasi DNA yang dihasilkan baik pada fraksi epitel maupun fraksi sperma. Kesimpulan: Conventional differential extraction dapat memisahkan sel sperma dari epitel dilihat dari konsentrasi DNA yang dihasilkan pada seluruh kelompok rasio konsentrasi dengan rasio konsentrasi A sebagai rasio terbaik dalam memisahkan sel

---

Background: Sexual violence is a crime that occurs quite often in Indonesian society and ranks second below physical violence as the most frequent violence against women in Indonesia. Samples found at crime scenes are generally in the form of sperm cells from the perpetrator mixed with the epithelial cells of the victim. Therefore, it is necessary to separate cells to facilitate the interpretation of perpetrators of sexual violence. Cell separation was carried out using the conventional differential extraction method, which is still the gold standard in handling sexual violence samples, although there are various other alternatives because they are simple, inexpensive, and produce good DNA concentrations. Objective: To determine the separation of sperm cells from the epithelium in various concentration ratios using the conventional differential extraction method. Methods: Samples were prepared by mixing epithelial cells and sperm into 4 concentration ratios (A, B, C, D). Separation of sperm cells from the epithelium was carried out by conventional differemtial extraction method, then DNA was extracted using the Chelex 20% method. The extracted DNA was calculated for its concentration with Quantifiler Duo. Result: Cell separation can occur in 4 concentration ratio groups. Statistical test showed that the change in concentration ratio had a significant difference in the concentration of DNA produced in both the epithelial and sperm fractions. Conclusion: Conventional differential extraction can separate sperm cells from the epithelium seen from the concentration of DNA produced in all groups, the concentration ratio with the concentration ratio A as the best ratio in separating cells"

"Sebagai salah satu industri terbesar di dunia, pemasaran fashion pada platform ecommerce menarik jutaan pengguna setiap harinya. Salah satu fitur yang penting untuk dimiliki platform ecommerce adalah kemampuan mencari produk fashion menggunakan foto pengguna sebagai query. Hasil pencarian yang akurat akan memberikan manfaat bagi pengguna dan bagi pelaku bisnis. Persoalan ini sangat menantang karena adanya perbedaan domain antara citra query yang diunggah pengguna dengan citra galeri produk yang menjadi target pencarian. Perolehan citra lintas domain dapat diselesaikan dengan metode konvensional seperti pemelajaran metrik menggunakan dataset berlabel. Namun metode ini tidaklah feasible dalam jangka panjang mengingat selalu bertambahnya inovasi di bidang fashion sehingga dibutuhkan anotasi terhadap citra yang berkesinambungan agar model tetap relevan. Pada penelitian ini diusulkan penggunaan self-supervised learning untuk meningkatkan kebermanfaatan data tanpa label dan mengurangi ketergantungan terhadap data berlabel. Pelatihan dengan metode ini menghasilkan sebuah encoder CNN dengan arsitektur ResNet-50, yang dilatih dengan sekumpulan citra tidak berlabel, agar mampu menghasilkan fitur umum dari citra. Model ini kemudian di-finetune dengan data berlabel agar mampu melakukan downstream task, yaitu perolehan citra lintas domain. Untuk meningkatkan hasil perolehan, dilakukan structural matching menggunakan Wasserstein distance (optimal transport) terhadap fitur spasial luaran encoder CNN pada saat inference dan finetuning. Selain itu, structural matching juga dapat menjelaskan bagian mana dari citra yang berkontribusi atas keseluruhan kesamaan atau jarak. Hasil menunjukkan bahwa kinerja encoder yang dilatih dengan self-supervised learning secara kuantitatif masih belum melampaui kinerja encoder baseline ImageNet, dengan perbedaan 1-2% dari sisi akurasi dan mAP menggunakan Triplet Loss, dan 6-10% dengan InfoNCE. Structural matching secara umum dapat meningkatkan hasil perolehan pada encoder yang dilatih dengan self-supervised learning. Hasil kualitatif menunjukkan bahwa semua varian model mampu mencari citra yang mirip dengan query, baik dari sisi kategori, warna, bentuk, dan motif.

---

Being one of the largest industries in the world, fashion marketing on ecommerce platforms attracts millions of users every day. One of the essential features for an ecommerce platform is the ability to retrieve fashion items using user photos as queries. Good search results will yield benefits for users and for businesses. This problem is challenging due to the domain differences of the query images uploaded by the users and of product gallery images as retrieval targets. Cross-domain image retrieval can be accomplished by conventional methods such as metric learning using labeled datasets. However, this method is not feasible in the long term since innovations in this sector are fast such that continuous image annotations are required for the model to stay relevant. In this study, we propose to use self-supervised learning to increase usefulness of unlabeled data and to reduce dependency on labeled data. Training with this method produces a CNN encoder with ResNet-50 architecture, trained on a collection of unlabeled images, to infer generic features of images. The model is then finetuned with labeled data so that it can perform the downstream task, which is cross-domain image retrieval. To improve retrieval results, we performed structural matching by calculating Wasserstein distance (optimal transport) using spatial features inferred from CNN encoder during inference and finetuning. In addition, structural matching can also explain which parts of two images contribute to overall similarity or distance. Results show that an encoder trained with self-supervision quantitatively has not yet outperformed off-the-shelf ImageNet encoder baseline, with a difference in terms of accuracy and mAP of 1-2% for Triplet Loss, and 6-10% for InfoNCE. Generally, structural matching can improve retrieval results for self-supervised encoders. Qualitative results show that all model variants are able to retrieve images similar to the query, in terms of categories, colors, shapes, and patterns."