Hasil Pencarian  ::  Simpan CSV :: Kembali

"Komik ini bercerita tetang UNSUR, kimia adalah perkembangan ilmu Alkimia? Unsur apa itu? (Bertemu dengan Lavoisier). Atom itu apa? (Bertemu dengan Dalton) dan mencari tahu rahasia zat cair dan gas."

"Buku komik ini bercerita ttg bagaimana robot bergerak? Benarkah robot juga sudah tercatat dalam sejarah? Apa rahasia robot mini? Mengapa kita membuat robot?"

"

Aksara Pegon adalah sistem penulisan berbasis Arab yang digunakan untuk menulis bahasa Jawa, Sunda, Madura, dan Indonesia. Karena berbagai alasan, aksara ini telah diturunkan ke ranah kolektor naskah sejarah dan pesantren, sehingga perlu dilestarikan. Salah satu metode pelestarian ini adalah melalui digitalisasi; lebih tepatnya dengan mentranskripsikan isi dari naskah-naskah yang ada ke dalam bentuk teks machine encoded, dimana proses tersebut jika dilakukan secara otomatis disebut juga sebagai OCR, atau Pengenalan Karakter Optik. Sampai saat ini belum ada literatur yang dipublikasikan mengenai sistem OCR untuk aksara ini. Oleh karena itu, penelitian ini bertujuan untuk menjembatani kesenjangan tersebut dengan menyediakan OCR untuk subset tertentu dari naskah Pegon, yaitu naskah Pegon yang dicetak. Penelitian ini memperkenalkan dataset yang disintesis dan yang dianotasi untuk pengenalan teks Pegon cetak. Dataset-dataset ini kemudian digunakan untuk mengevaluasi sistem OCR Arab konvensional yang sudah ada pada domain Pegon, baik versi asli maupun yang dimodifikasi, serta sistem berbasis teknik deep learning yang lebih baru dalam literatur. Hasilnya menunjukkan bahwa teknik deep learning mengungguli teknik konvensional, di mana teknik konvensional gagal mendeteksi teks Pegon sama sekali, sementara sistem yang diusulkan, khususnya menggunakan YOLOv5 untuk segmentasi baris dan arsitektur CTC-CRNN untuk pengenalan teks baris, mencapai nilai F1 sebesar 0,94 untuk segmentasi dan CER 0,03 untuk pengenalan teks.

---

The Pegon script is an Arabic-based writing system intended for writing the Javanese,

Sundanese, and Indonesian languages. Due to various reasons, this script has been

relegated to the domain of historical manuscript collectors and private Islamic boarding

schools or pesantren, presenting a need for preservation. One of these methods of

preservation is through digitization; more specifically, by transcribing the content of

these existing manuscripts into machine-encoded text, the automated process of which is

referred to as OCR. There has been heretofore no published literature on OCR systems

for this specific script. Hence, this research aims to bridge that gap by providing a

foray into the OCR of a specific subset of Pegon manuscripts, namely of printed Pegon

manuscripts. This research evaluates existing and modified versions of conventional

Arabic OCR systems on the domain of Pegon, as well as the more recent deep learning

techniques in the literature, along with introducing new datasets for use in developing

with said deep learning techniques. The results show the outperformance of these deep

learning techniques over the conventional techniques and with which components of a

Pegon OCR system is proposed.

"

"Penelitian ini bertujuan untuk mengetahui karakteristik material organik pengganti fantom polymethyl methacrylate (PMMA) dan fantom air dengan parameter backscatter factor (BSF) dan koefisien atenuasi linear (m). Pengukuran BSF dan m dilakukan menggunakan mobile X-Ray dengan faktor eksposi 40-120 kV dengan dua puluh variasi kualitas berkas pada tiga luas lapangan yang berbeda (untuk pengukuran BSF). Hasilnya, fantom organik memiliki nilai BSF yang mendekati fantom standar dengan deviasi < 8% dan < 10%, berturut-turut untuk fantom ekuivalen air dan PMMA. Sementara nilai m untuk fantom-ekuivalen air pada tegangan > 60 kV memiliki tingkat kesalahan < 15% untuk fantom ekuivalen air dan < 18% untuk fantom ekuivalen PMMA.

---

This research aims to verify physical characteristics of water and polymethyl methacrylate (PMMA)-equivalent phantom made of organic materials in terms of its interaction with diagnostic-range radiation. Backscatter factor (BSF) and linear attenuation coefficient (m) were selected as test parameters. Measurement of BSF and m has been performed using mobile x-ray beam with the exposure factor of 40 to 120 kV. For BSF, measurement has been carried out using twenty different beam qualities in three different field sizes. The final results show similarity between water equivalent-phantom and the literature with the error below 8% and below 10% for the PMMA equivalent-phantom. The results of m measurement for water equivalent phantom in the beam voltage above 60 kV shows error below 15% compared to standard water phantom. On the other hand, PMMA quivalent-phantom shows an error below 18%."