Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini mengusulkan tiga algoritma meta-heuristik berbasis Fuzzy K-modes untuk clustering binary data set. Ada tiga metode metaheuristik diterapkan, yaitu Particle Swarm Optimization (PSO), Genetika Algoritma (GA), dan Artificial Bee Colony (ABC). Ketiga algoritma digabungkan dengan algoritma K-modes. Tujuannya adalah untuk memberikan modes awal yang lebih baik untuk K-modes. Jarak antara data ke modes dihitung dengan menggunakan koefisien Jaccard. Koefisien Jaccard diterapkan karena dataset mengandung banyak nilai nol . Dalam rangka untuk melakukan pengelompokan set data real tentang supplier otomotif di Taiwan, algoritma yang diusulkan diverifikasi menggunakan benchmark set data. Hasil penelitian menunjukkan bahwa PSO K-modes dan GA K-modes lebih baik dari ABC K-modes. Selain itu, dari hasil studi kasus, GA K-modes memberikan SSE terkecil dan juga memiliki waktu komputasi lebih cepat dari PSO K-modes dan ABC K-modes.

---

This study proposed three meta-heuristic based fuzzy K-modes algorithms for clustering binary dataset. There are three meta-heuristic methods applied, namely Particle Swarm Optimization (PSO) algorithm, Genetic Algorithm (GA) algorithm, and Artificial Bee Colony (ABC) algorithm. These three algorithms are combined with k-modes algorithm. Their aim is to give better initial modes for the k-modes. Herein, the similarity between two instances is calculated using jaccard coefficient. The Jaccard coefficient is applied since the dataset contains many zero values. In order to cluster a real data set about automobile suppliers in Taiwan, the proposed algorithms are verified using benchmark data set. The experiments results show that PSO K-modes and GA K-modes is better than ABC K-modes. Moreover, from case study results, GA fuzzy K-modes gives the smallest SSE and also has faster computational time than PSO fuzzy K-modes and ABC fuzzy K-modes."

"Berbeda dengan pandangan umum yang cenderung mengaitkan ketidak-pastian ke dalam konteks probabilistik, teori fuzzy mengenali ketidak-pastian justru dalam kaitannya dengan fuzziness yaitu kekurang-tepatan pendefinisian aspek-aspek yang terkait dengan suatu entitas, ataupun ambiguity yaitu pengaitan sejumlah berhingga pemaknaan atas entitas berfonetik sama. Paradigma yang ditawarkan oleh teori fuzzy adalah nilai keanggotaan yang gradual antara non-membership dan full-membership. Dalam kaitannya dengan modelisasi matematis fenomena riil yang secara alamiah mengandung aspek ketidak-pastian non-probabilistik, diajukan persamaan diferensial fuzzy sebagai alat bantu teoritis. Dalam menyelesaikan persamaan diferensial biasa linier fuzzy digunakan metode generalized differentiability. Kelebihan metode ini, atas metode-metode sebelumnya terletak pada kepraktisan dalam mencari solusi persamaan diferensial biasa linier fuzzy. "

"ABSTRAKPengelompokan supplier penting untuk memberikan informasi kepada pembeli. Penelitian ini mengusulkan meta-heuristik berbasis algoritma K-modes untuk mengelompokkan dataset dalam bentuk biner. Ada dua metode metaheuristik yang digunakan dalam penelitian ini, yaitu particle swarm optimization (PSO) dan genetic algorithm (GA). Meta-heuristik yang diterapkan untuk memberikan modes awal yang lebih baik untuk algoritma K-modes. Penelitian ini menggunakan pengukuran Jaccard dalam hal pengukuran similarity dan menggunakan tiga dataset untuk memvalidasi algoritma yang diusulkan. Hasil percobaan dan hasil statistik menunjukkan bahwa PSO berbasis algoritma K-modes lebih baik dari GA berbasis algoritma K-modes. Dalam hasil evaluasi menggunakan data dari sebuah perusahaan automobile di Taiwan, PSO berdasarkan PSO berbasis algoritma K-modes memiliki SSE kecil dari pada GA berbasis algoritma K-modes.

---

ABSTRACTSupplier clustering is important for providing more important information for the buyer. This study proposes meta-heuristics based K-modes algorithm for clustering binary dataset. There are two metaheuristic methods applied in this study, namely particle swarm optimization (PSO) and genetic algorithm (GA). The meta-heuristics are applied to give better initial modes for the K-modes algorithm. In terms of similarity measurement, this study uses Jaccard measurement since the real data set consists of higher number of value zero than one. In order to validate the proposed algorithms, three benchmark datasets are employed. The experiments results and statistical results show that PSO based K-modes algorithm is better than GA based K- modes algorithm. The data set from a exisibition company in Taiwan. In model evaluation results, PSO based K- modes algorithm has the SSE lowest than GA based K- modes algorithm."

"To improve the recognition accuracy of a developed artificial odor discrimination system for three mixture fragrance recognition, Fuzzy similarity based Self-Organized Network inspired by Immune Algorithm (F-SONIA) is proposed.Minimum, average, and maximum values of fragrance data acquisition are used to form triangular fuzzy numbers. THen, the fuzzy similarity measure is used to define the relationship between fragrance inputs and connection strengths of hidden units. The fuzzy similarity is defined as the maximum value of the intersection region between triangular fuzzy set of hidden units. In experiments, performances of the proposed method is compared with the conventional self-organized Network inspired by Immune Algorithm (SONIA) and the Fuzzy Learning Vector Quantization (FLVQ). Experiments show that F-SONIA improves recognition accuracy of SONIA by 3-9%. Comparing to the previously developed artificial odor discrimination system that used FLVQ as pattern classifier, the recognition accuracy is increased by 14-15%."

"Pada skripsi ini dibahas permodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier sistem satu tangki dan sistem tangki terhubung dalam bentuk model fuzzy Takagi-Sugeno untuk mengatasi kelemahan yang timbul bila pemodelan dilakukan dengan pendekatan konvesional. Algoritma Gustafson-Kessel (product-space fuzzy clustering) digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster dimana anggota suatu cluster memiliki kesamaan yang lebih tinggi daripada dengan anggota dari cluster yang lainnya. Parameter model fuzzy Takagi-Sugeno untuk setiap aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster (local linear).Model fuzzy Takagi-Sugeno untuk sistem satu tangki yang didapat telah diuji dengan memberikan masukan multisinusoidal dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk sistem satu tangki mampu menyamai karakteristik proses nonlinier sistem satu tangki dengan tingkat kesamaan sinyal keluaran model fuzzy Takagi-Sugeno berdasarkan variansinya terhadap sinyal keluaran proses nonlinier sistem satu tangki sebesar 99.8341%. Demikian pula dengan model fuzzy Takagi-Sugeno untuk sistem tangki terhubung, dimana sinyal keluarannya memiliki tingkat kesamaan sebesar 99.6582% bila dibandingkan dengan sinyal keluaran proses nonlinier sistem tangki terhubung."

"Sistem penciuman elektronik dikembangkan untuk mengatasi ketergantungan terhadap penciuman manusia. Sistem penciuman elektronik ini dibangun dengan memanfaatkan algoritma fuzzy learning vector quantization (FLVQ) untuk proses klasifikasinya. Penelitian ini akan mencoba dua metode baru yang dikembangkan yaitu pemilihan bobot awal jaringan dari vektor rata-rata setiap kelas aroma dan melakukan pengenalan di ruang eigen. Berdasarkan percobaan yang dilakukan, ternyata bahwa kedua metode baru tersebut mampu meningkatkan deraja pengenalan aroma. Pada pengenalan terhadap aroma yang terdiri dari campuran 2 zat (aroma 2 campuran) dengan sistem 8 maupun 16 sensor akurasinya mencapai lebih dari 98%. Sedangkan apda pengenalan aroma yang terdiri dari campuran 3 zat (aroma 3 campuran) akurasi sistem 8 sensor sekitar 80% dan sistem 16 sensor mencapai lebih dari 94%."

"Teknologi komputasi yang semakin maju memungkinkan untuk menggunakan teknologi ini semaksimal mungkin pada pemecahan masalah yang lebih kompleks dengan menggunakan algoritma evolusi (Evolutionary Algorithm, EA). Supaya bisa memanfaatkan komputasi paralel ini, struktur kontrol EA hams didesentralisasikan. Hal ini sulit dicapai tanpa mengubah semantik dad algoritma seleksi yang digunakan, sehingga mengakibatkan berubahnya sifat-sifat pemecahan masalahnya secara keseluruhan. Tulisan ini akan mengaplikasikan suatu jenis algoritma seleksi yang didesentralisasi yaitu seleksi lokal yang dielitisasi yang digabungkan dengan seleksi turnamen biner. Algoritma evolusi ini akan diaplikasikan pada pencarian Fuzzy Associative Memory untuk sistem gerak pitch pada pesawat terbang."

"Dalam bioinformatika penelusuran basis data sekuens digunakan untuk mencari kemiripan antara sebuah sekuens dengan sekuens lainnya pada suatu basis data sekuens Salah satu algoritma untuk menghitung skor kemiripan yang optimal adalah algoritma Smith Waterman yang menggunakan pemrograman dinamik Algoritma ini memiliki kompleksitas waktu kuadratik yaitu O n2 sehingga untuk data yang berukuran besar membutuhkan waktu komputasi yang lama Komputasi paralel diperlukan dalam penelusuran basis data sekuens ini agar waktu yang dibutuhkan lebih cepat dan memiliki kinerja yang baik Dalam skripsi ini akan dibahas implementasi paralel untuk algoritma Smith Waterman menggunakan bahasa pemrograman CUDA C pada GPU dengan NVCC compiler pada Linux Selanjutnya dilakukan analisis kinerja untuk beberapa model paralelisasi tersebut yaitu Inter task Parallelization Intra task Parallelization dan gabungan keduanya Berdasarkan hasil simulasi yang dilakukan paralelisasi dengan gabungan kedua model menghasilkan kinerja yang lebih baik dari model lainnya Paralelisasi dengan model gabungan menghasilkan rata rata speed up sebesar 313x dan rata rata efisiensi sebesar 0 93

---

In bioinformatics sequence database searches are applied to find the similarity between a sequence with other sequences in a sequence database One of the algorithms to compute the optimal similarity score is Smith Waterman algorithm that uses dynamic programming This algorithm has a quadratic time complexity O n2 which requires a long computation time for large sized data In this occasion parallel computing is essential to solve this sequence database searches in order to reduce the running time and to increase the performance In this mini thesis we discuss the parallel implementation of Smith Waterman algorithm using CUDA C programming language with NVCC compiler on Linux Furthermore we run the performance analysis using three parallelization models including Inter task Parallelization Intra task Parallelization and a combination of both models Based on the simulation results a combination of both models has better performance than the others In addition parallelization using combination of both models achieves an average speed up of 313x and an average efficiency with a factor of 0 93"

"Pengujian yang dilakukan pada skripsi ini dilakukan untuk mengimplementasikan dan menganalisis sebuah algoritma navigasi otomatis untuk robot beroda yang juga ditunjang dengan algoritma untuk menghindari tabrakan. Algoritma ini bertujuan membuat robot yang dapat bergerak mengikuti jalur yang telah diberikan oleh sebuah aplikasi peta. Robot tersebut menggunakan smartphone Android sebagai unit pemrosesan utamanya dan IOIO sebagai perantara smartphone dengan sensor dan aktuatornya. Dalam menjalankan algoritma, digunakan GPS dan aplikasi peta dari smartphone. Skenario pengujian menggunakan tiga nilai akurasi posisi robot yang berbeda dan dilakukan sebanyak sepuluh pengujian per nilai akurasi. Nilai akurasi ini menentukan jarak dimana robot akan menganggap bahwa posisinya sudah berhasil mencapai suatu koordinat. Setelah dilakukan pengujian, hasil pengujian menunjukkan bahwa untuk akurasi posisi robot sebesar 3.145 m (perbedaan garis bujur dan lintang sebesar 0.00002), didapat nilai rata-rata jarak posisi robot dengan koordinat tertentu sebesar 2.003 m dengan rata-rata waktu tempuh selama tiga menit dua puluh satu detik. Untuk akurasi posisi robot sebesar 6.297 m (perbedaan garis bujur dan lintang sebesar 0.00004), didapat nilai rata-rata jarak 4.490 m dengan rata-rata waktu tempuh selama dua menit tiga puluh lima detik. Untuk akurasi posisi robot sebesar 10.22 m (perbedaan garis bujur dan lintang sebesar 0.000065), didapat nilai rata-rata jarak 6.720 m dengan rata-rata waktu tempuh selama dua menit tiga belas detik. Hal ini berarti algoritma tersebut memang dapat diimplementasikan ke robot beroda dengan tingkat akurasi tertentu. Tetapi, semakin tinggi tingkat akurasi, semakin lama waktu navigasi yang dibutuhkan. Kemampuan navigasi ini juga sangat dipengaruhi oleh sinyal GPS yang diterima oleh smartphone.

---

Trials in this final project are done to implement and analyze an automatic navigation algorithm for wheeled robot, with the support of collision avoidance algorithm. The purpose of this algorithm is to create a robot which can follow the route given by the map application. This robot uses smartphone Android as its main processor and IOIO as the link between this smartphone and the robot?s sensors and actuators. The built-in GPS and map application from smartphone are used in running the algorithm. The trial scenarios uses three different robot position accuracy and every scenario is done ten times. The accuracy determines the distance where the robot will assume that its position has reached certain coordinate. After the trials are done, the results show that when the robot position accuracy is 3.145 m (0.00002 difference in latitude and longitude), the average distance is 2.003 m with average travel time of three minutes and twenty one seconds. When the robot position accuracy is 6.297m (0.00004 difference in latitude and longitude), the average distance is 4.490m with average travel time of two minutes and thirty five seconds. When the robot position accuracy is 10.22 m (0.000065 difference in latitude and longitude), the average distance is 6.720m with average travel time of two minutes and thirteen seconds. It means that this algorithm is possible to be implemented in wheeled robot with certain accuracy. But, the more accurate it is, the longer it takes to navigate through the route. This ability to navigate is also very affected by GPS signal received by the smartphone."

"Inhibitor dipeptidil peptidase 4 (DPP-4) baru perlu dikembangkan untuk meminimalkan efek samping merugikan yang diakibatkan oleh obat golongan inhibitor DPP-4 yang telah terdaftar. Penelitian ini bertujuan untuk menghasilkan subset molekul inhibitor DPP-4 yang representatif dengan mengaplikasikan algoritma K-Modes clustering dengan Levenshtein distance pada proses clustering dan melakukan analisis pemilihan molekul inhibitor DPP-4 berdasarkan kriteria nilai logP dari aturan Lipinskis Rule of 5. 2053 molekul inhibitor DPP-4 diperoleh dari situs ChEMBL. Clustering dilakukan terhadap fingerprint molekuler inhibitor DPP-4 yang diperoleh dari fitur SMILES (Simplified Molecular Input Line Entry System). Metode MACCS (Molecular Access System) Keys, ECFP (Extended Connectivity Fingerprint) diameter 4 dan 6, dan FCFP (Functional Class Fingerprint) diameter 4 dan 6, digunakan untuk membangun lima dataset fingerprint untuk proses clustering. Prosedur clustering diawali dengan menentukan jumlah klaster dengan menghitung nilai Koefisien Silhouette sebagai metode evaluasi klaster. Penerapan algoritma K-Modes clustering dengan Levenshtein distance pada 2053 molekul inhibitor DPP-4 menghasilkan nilai Koefisien Silhouette maksimal dari dataset MACCS sebesar 0.3947 dengan jumlah klaster 1258. Pemilihan molekul berdasarkan kriteria nilai logP dan aturan Lipinskis Rule of 5 menghasilkan 778 molekul inhibitor DPP-4 dari semua dataset dengan 298 molekul inaktif dan 480 molekul aktif dan nilai logP berkisar antara -1.67 sampai dengan 4.97.

---