Hasil Pencarian  ::  Simpan CSV :: Kembali

"Summary: Natural resources and social conditions of provinces in Indonesia."

"bagian layanan teknis adalah salah satu bagian di Perpustakaan Universitas Indonesiayang bertugas menangani pengadaan dan pengolahan koleksi...."

"Dalam era digital yang terus berkembang, aktivitas sosial dan bisnis semakin banyak beralih ke media sosial dan digitalisasi melalui e-commerce. Tidak hanya pada sektor jual beli masyarakat, terjadi digitalisasi di bidang pengadaan barang/jasa pemerintah dengan dibangunnya sistem e-katalog. Sistem e-katalog memungkinkan pemerintah dan masyarakat untuk mengawasi dan memastikan bahwa pengadaan barang dan jasa pemerintah dilakukan secara adil dan transparan. Namun, sistem e-katalog mengalami keterbatasan dalam hal jumlah dan jenis produk, sehingga upaya terus dilakukan untuk menambah vendor dan memperluas kesepakatan dengan penjual lokal. Meskipun begitu, masih terdapat banyak produk impor yang tercatat pada daftar produk di e-katalog. Dengan memanfaatkan teknologi Machine Learning, klasifikasi produk ke lokal dan pemetaannya ke kategori di e-katalog dapat membantu menyelesaikan permasalahan yang dihadapi oleh sistem e-katalog ini.Desain penelitian yang digunakan pada penelitian ini adalah Experimental research, dimana klasifikasi produk dan pemetaan kategori yang dilakukan pada penelitian ini menggunakan metode Machine Learning. Pemetaan kategori dilakukan dengan 2 pendekatan, produk ke kategori dan kategori ke kategori. Klasifikasi produk dibagi menjadi 2 kelas yaitu lokal dan impor. Data yang diolah adalah produk dari e-commerce dari rentang November 2022 hingga April 2023.Metode yang digunakan pada penelitian ini untuk klasifikasi produk lokal dan kategori adalah Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), dan Transformers. Dari eksperimen klasifikasi produk lokal dan kategori, keduanya mendapatkan hasil evaluasi terbaik dari model transformers, yang digunakan sebagai model ekstraksi fitur hingga klasifikasi. Performa model klasifikasi produk lokal mendapat f1-score 97,24% dan akurasi 97,25%. Sedangkan model klasifikasi kategori, performa model f1-score 63,74% dan akurasi 64,14%.

---

In the ever-evolving digital era, social and business activities are increasingly turning to social media and digitalization through e-commerce. Not only in the public buying and selling sector, digitization happen in the field of government goods/services procurement with the construction of an e-catalog system. The e-catalog system enables the government and the public to monitor and ensure that government procurement of goods and services is carried out in a fair and transparent manner. However, the e-catalog system suffers from limitations in terms of the number and types of products, so efforts are being made to add more vendors and expand agreements with local sellers. Even so, there are still many imported products listed on the product list in the e-catalog. By utilizing Machine Learning technology, classifying products to local and mapping them to categories in the e-catalog can help solve the problems faced by this e-catalog system.

The research design used in this study is Experimental research, where product classification and category mapping are carried out in this study using Machine Learning methods. Category mapping is done with 2 approaches, product to category and category to category. Product classification is divided into 2 classes, namely local and imported. The processed data are products from e-commerce from November 2022 to April 2023.

The methods used in this study for local product classification and categories are Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and Transformers. From the local and category product classification experiments, both obtained the best evaluation results from the Transformers model, which was used as a feature extraction model for classification. The performance of the local product classification model gets an f1-score of 97,24% and accuracy 97,25%. While the category classification model, the performance of the f1-score model is 63,74% and accuracy 64,14%.

"

"Kegagalan pemrosesan data seismik konvensional, Khustisnrizero-offset migration dalam menggambarkan reflektor miring menjadi suatu permasalahan. Migrasi sebelum stack dapat menjadi pemecahan dari masalah reflektor miring ini. Akan tetapi, migrasi sebelum stack ini cukup rumit dalam penyelesaian algoritmanya dan membutuhkan waktu yang lama. Prestack partial migration atau dip moveout (DMO) dapat sebagai pilihan untuk memecahkan kegagalan pemrosesan data seismik konvensional untuk menggambarkan kondisi bawah permukaan secara lebih detail dengan lebih singkat dan praktis. Metode tersebut diterapkan pada data seismik 2D Lapangan Suruh Jawa Barat, dengan memakai software Focus 5.0. Hasil penerapan DMO pada pemrosesan data seismik konvensional mampu memberikan gambaran bawah permukaan yang lebih balk jika dibandingkan dengan tanpa penerapan DMO."

"Lautan merupakan sumber produk alami yang unik secara struktural yang sebagian besar terakumulasi dalam organisme hidup dimana mereka menunjukkan aktivitas farmakologis yang beragam dan sangat membantu untuk penemuan senyawa bioaktif. Namun studi mengungkapkan bahwa sumber daya alam laut ini belum sepenuhnya dieksplorasi. Penelitian ini bertujuan untuk menyusun data senyawa kimia sebagai dasar pembuatan pangkalan data bahan alam laut. Informasi tentang sifat fisikokimia, farmakokinetika, dan aktivitas biologis dari senyawa-senyawa tersebut akan dikumpulkan dan disusun secara sistematis dalam pangkalan data yang dapat diakses oleh peneliti, ilmuwan, dan pihak terkait lainnya. Parameter sifat  fisikokimia diprediksi menggunakan aplikasi KNIME, parameter ADMET (absorpsi, distribusi, metabolisme, ekskresi, toksisitas) diprediksi menggunakan ADMETlab 2.0, dan informasi aktivitas biologis diperoleh dengan menggunakan metode pengumpulan data dari sumber-sumber yang terpercaya, seperti jurnal ilmiah. Tinjauan ini merangkum keragaman senyawa-senyawa bioaktif yang diisolasi alga, echinodermata, fungi laut, spons, karang lunak, dan tunikata dengan keragaman struktural yang didominasi oleh senyawa alkaloid, terpenoid, dan fenolik serta merangkum fungsi biologis dari senyawa bioaktif diantaranya sebagai antikanker, antidiabetes, antibakteri, antijamur, antivirus. Harapannya dapat menjadi  sebagai sumber informasi berharga bagi penelitian lanjutan, memberikan pemahaman yang lebih baik tentang potensi dan aplikasi bahan alam laut serta peluang dalam pengembangan obat.

---

The ocean is a source of structurally unique natural products most of which accumulate in living organisms where they exhibit diverse pharmacological activities and are helpful for the discovery of bioactive compounds. However, studies revealed that these marine natural resources have not been fully explored. This study aimed to compile data on chemical compounds as a basis for creating a database of marine natural materials. Information on the physicochemical properties, pharmacokinetics and biological activities of these compounds will be collected and arranged systematically in a database that can be accessed by researchers, scientists and other related parties. Physicochemical property parameters were predicted using the KNIME application, ADMET parameters (absorption, distribution, metabolism, excretion, toxicity) were predicted using ADMETlab 2.0, and biological activity information was obtained using data collection methods from reliable sources, such as scientific journals. This review summarized the diversity of bioactive compounds isolated from algae, echinoderms, marine fungi, sponges, soft corals, and tunicates with structural diversity dominated by alkaloids, terpenoids, and phenolic compounds and summarized the biological activities of bioactive compounds including as anticancer, antidiabetic, antibacterial, antifungal, antiviral. This research is expected to be a valuable source for further research, providing a better understanding of the potential and application of marine natural ingredients as well as opportunities in drug development."