Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam kegiatan eksplorasi geotermal umumumnya ditemukan beberapa kendala seperti membutuhkan resiko biaya investasi cukup besar, metode survei langsung yang membutuhkan waktu yang cukup lama, belum lagi resiko yang ditemui di lapangan seperti area medan, dan juga daerah geotermal yang umumnya terdapat pada area konservasi dan hutan lindung sehingga cukup menyulitkan dalam proses pengambilan data secara langsung. Untuk menjawab solusi dan permasalah tersebut maka kegiatan penelitian yang meliputi kegiatan investigasi zona permeabel pada daerah penelitian dengan pendekatan metode fault fracture density (FFD) dan pengolahan data gravitasi satelit yang umumnya berbasis remote sensing yang dapat digunakan dalam menginvestigasi zona yang memiliki permeabelitas yang tinggi dengan cara menilai area yang memiliki kepadatan struktur tinggi berdasarkan kelurusan yang terbentuk oleh aktivitas patahan ataupun rekahan. Akan tetapi, pada penerapannya tidak semua kelurusan berasal dari aktivitas yang ditimbulkan oleh patahan, sehingga perlu dilakukan pemrosesan sinyal secara digital untuk memilah dan menganalisisnya. Metode penelitian dilakukan dengan menggunakan citra satelit berupa data dari DEMNAS untuk melakukan penarikan secara manual dan data Landsat 8 untuk mendeteksi kelurusan secara otomatis dengan metode Principal Component Analysis (PCA) yang kemudian dilakukan filterisasi melalui filter konvolusi dengan menggunakan bantuan software Arcgis untuk melihat daerah dengan kepadatan tertinggi sehingga mengurangi subjektifitas dari penarikan secara manual yang kemudian dihasilkan peta Fault Fracture Density (FFD) dengan menunjukkan terdapatnya zona yang memiliki permeabilitas yang tinggi, berada pada sisi selatan gunung Karua dekat manifestasi Balla dan Cepeng. Untuk mengonfirmasi hasil yang telah didapatkan dari metode tersebut, maka metode gravitasi digunakan untuk mengonfirmasi keberadaan struktur patahan dengan data yang berasal dari citra satelit. Hasil integrasi data penginderaan jauh dan gravitasi menunjukkan zona permeabel terduga yang berada disekitaran manifestasi daerah geotermal X sebagai zona potensial reservoir.

---

In geothermal exploration activities, in general, several obstacles are found, such as requiring a large investment cost risk, direct survey method which takes a long time, not to mention the risks encountered in the field such as terrain areas, and also geothermal areas which are generally found in conservation areas and protected forests. making it quite difficult to process data directly. To answer these solutions and problems, research activities which include investigations of permeable zones in the research area using the fault fracture density (FFD) method approach and processing satellite gravity data which are generally based on remote sensing which can be used to investigate zones with high permeability by means of assessing areas that have high structural density based on the lineaments formed by fault or fracture activity. However, in its application, not all lineaments originate from activities caused by faults, so digital signal processing is necessary to sort and analyze them. The research method is carried out using satellite imagery in the form of data from DEMNAS to perform manual withdrawals and Landsat 8 data to detect lineaments automatically with the Principal Component Analysis (PCA) method which is then filtered through a convolution filter using the help of Arcgis software to see areas with density This reduces the subjectivity of manual withdrawal which then results in a Fault Fracture Density (FFD) map showing the presence of a zone with high permeability, located on the south side of Mount Karua near the Balla and Cepeng manifestations. To confirm the results obtained from this method, the gravity method is used to confirm the presence of the fault structure with data from satellite imagery. The results of the integration of remote sensing and gravity data show a presumed permeable zone that is around the manifestation of the X geothermal area as a potential reservoir zone."

"Pada era modern saat ini diperlukan inovasi teknologi untuk melakukan survei geotermal yang efisien namun tetap akurat. Salah satu metode yang tengah dikembangkan adalah menggunakan remote sensing. Dalam penelitian ini, aplikasi metode remote sensing yaitu Fault and Fracture Density (FFD) digunakan untuk mendeteksi zona permeabel dengan cara menilai area yang memiliki kepadatan struktur tinggi berdasarkan kelurusan yang terbentuk oleh aktivitas patahan dan rekahan. Namun, kenyataannya tidak semua kelurusan berasal dari aktivitas patahan, sehingga perlu dilakukan pemrosesan sinyal digital untuk menyeleksinya. Penelitian dilakukan menggunakan citra Landsat 8 yang diproses melalui dimension reduction metode Principal Component Analysis dan proses filtering berupa filter konvolusi directional dan Laplacian untuk meningkatkan kualitas citra. Kelurusan dari citra Landsat 8 diekstrak secara otomatis menggunakan algoritma Edge Detection, lalu dikomparasikan dengan kelurusan dari citra IFSAR yang diekstrak secara manual. Hasilnya dalam bentuk peta FFD, daerah dengan kepadatan kelurusan tertinggi berada di sisi tenggara dan di sekitar kawah G.K. Untuk membuktikan keefektifan metode ini, digunakan pula data gravitasi yang dapat mengonfirmasi keberadaan struktur patahan secara geofisika. Hasil integrasi kedua data tersebut disertai data penunjang lainnya menunjukkan zona permeabel untuk lokasi pengeboran yang paling efektif berada di dekat manifestasi APKK dan APSE.

---

In this modern era, technology is needed to conduct geothermal surveys that are efficient but still accurate. One method that is being developed to survey geothermal potential is remote sensing. In this study, the application of remote sensing methods namely Fault and Fracture Density (FFD) is used to evaluate permeable zones by evaluating areas that have high faults and joints structures. However, not all of lineament presence caused by fault activities, so digital signals processing need to be carried out. This research used Landsat 8 imagery which is done through dimension reduction using Principal Component Analysis and the filtering process such as Sobel, Line Detection, Prewitt, and Laplacian convolution filters to improve image quality. Lineament extraction from Landsat 8 images is performed automatically using Edge Detection while lineament from IFSAR image extracted manually. The extracted lineaments then compared in the form of FFD maps. To prove the effectiveness of this method, gravity data are also used to confirm the fault presence geophyisically. The results of these data which integrated with other supporting data showed the suitability of covering permeable zones which can be most effective drill point areas are near the manifestations of APKK and APSE."

"Penelitian ini dilakukan di daerah simisuh, kecamatan rao, kabupaten pasaman, provinsi sumatera barat yang berada pada koordinat 0o 27’ 07’’ - 0o 37’ 58’’ LU dan 99o 50’ 00’’ - 100o 45’ 06’’ BT pada system UTM zona 47. Penelitian ini bertujuan untuk mengetahui keberadaan zona permeabel dengan menggunakan integrasi metode remote sensing Fault Fracture Density (FFD) serta metode gravitasi satelit GGM+ First Horizontal Derivative (FHD) dan Second Vertical Derivative (SVD). Metode FFD digunakan untuk mendeteksi zona permeabel dengan cara menilai area yang memiliki kepadatan struktur tinggi berdasarkan kelurusan yang terbentuk akibat adanya patahan dan rekahan yang biasanya ditandai dengan keberadaan manifestasi. Sedangkan metode FHD dan SVD digunakan untuk mengetahui adanya struktur berupa patahan yang mempengaruhi daerah penelitian. Hasil Pengolahan FFD menunjukkan bahwa nilai lineament density yang tinggi berada pada tengah daerah penelitian serta dibagian kiri dan kanan graben rao. Tingginya nilai lineament density ini dapat dikorelasikan dengan tingkat permeabilitas yang relative tinggi di daerah penelitian. secara umum arah kelurusan pada daerah penelitian menunjukkan pola kelurusan yang didominasi oleh pola kelurusan berarah barat laut – tenggara dan timur laut -barat daya. Pola-pola ini kemungkinan berhubungan erat dengan struktur sesar di daerah penelitian yang mengontrol kemunculan gejala geothermal didaerah penelitian. Untuk hasil Pengolahan FHD dan SVD didapatkan 7 buah patahan yang 3 diantaranya memiliki mekanisme pergerakan sesar normal (turun) dan 4 memiliki mekanisme pergerakan sesar reserve (naik). Hasil integrasi kedua metode tersebut menunjukkan hasil yang baik dan efektif dalam penentuan zona permeabel didaerah penelitian, dimana manifestasi yang terlihat di permukaan merepresentasikan keberadaan patahan bawah permukaan di daerah penelitian.

---

This research was conducted in the Simisuh area, Rao sub-district, Pasaman district, West Sumatra province which is located at coordinates 0o 27' 07'' - 0o 37' 58'' North Latitude and 99o 50' 00'' - 100o 45' 06'' East Longitude at UTM system zone 47. This study aims to determine the existence of the permeable zone by using the integration of the Fault Fracture Density (FFD) remote sensing method and the GGM+ satellite gravity method First Horizontal Derivative (FHD) and Second Vertical Derivative (SVD). The FFD method is used to detect permeable zones by assessing areas that have high structural density based on the lineaments formed by faults and fractures which are usually characterized by manifestations. While the FHD and SVD methods are used to determine the presence of a structure in the form of a fault that affects the research area. The results of FFD processing show that the straightness density value is in the middle of the study area and on the left and right of the graben rao. The high value of straightness density can be correlated with the relatively high level of permeability in the study area. In general, the lineament direction in the study area shows a lineament pattern which is dominated by the lineament pattern trending northwest-southeast and northeast-southwest. These patterns may be closely related to the fault structure in the study area which controls the occurrence of geothermal phenomena in the study area. For the results of FHD and SVD processing, there are 7 faults, 3 of which have a normal fault movement mechanism and 4 have a reverse fault movement mechanism . The results of the integration of the two methods show good and effective results in showing the permeable zone in the study area, where what is visible on the surface represents the presence of subsurface faults in the study area."

"Indonesia memiliki potensi geotermal yang sangat tinggi. Potensi ini muncul akibat aktifitas pergerakan lempeng bumi yang membuat Indonesia berada di zona "Ring of Fire". Zona ini menghasilkan geologi dan topografi permukaan yang kompleks, sehingga perlu pemanfaatan data remote sensing untuk meningkatkan efektifitas dan efisiensi eksplorasi. Metode gravity merupakan metode yang baik untuk delineasi struktur bawah permukaan daerah prospek geotermal berdasarkan variasi densitas batuan. Global Gravity Model plus (GGM+) adalah salah satu data gravity satelit yang mampu digunakan dalam eksplorasi panas bumi karena memiliki titik pengukuran yang cukup padat. Data gravity satelit diunduh untuk selanjutnya diolah hingga menghasilkan Complete Bouger Anomaly (CBA). Data hasil pengolahan diinterpretasi dengan metode filtering dengan bilangan gelombang yang beragam. Tahap-tahap yang sama juga dilakukan dengan data gravity darat dengan daerah pengukuran yang sesuai. Hasil perbandingan data gravity satelit dan gravity darat digunakan untuk validasi data gravity satelit untuk menilai sejauh mana kemampuannya dalam mendeteksi anomali batuan bawah permukaan. Hasil yang didapatkan adalah pada perbandingan peta gravity residual menghasilkan banyak kesamaan, sedangkan pada gravity regional memberikan perbedaan yang cukup signifikan. Kemampuan Gravity Satelit GGMplus memiliki tingkat validitas yang baik di kedalaman dangkal, namun tidak cukup baik di kedalaman dalam.

---

Indonesia has very high geothermal potential that arises from the activity of the movement of the earth's plates which makes it in the "Ring of Fire" zone. This zone produces complex geology and surface topography, so it is necessary to utilize remote sensing data to increase the effectivity and efficiency of exploration. Gravity method is a good method for delineation of subsurface structures in geothermal prospect areas based on variations in rock density. Global Gravity Model plus (GGM +) is one of the satellite gravity data that is able to be used in geothermal exploration because it has a fairly dense measurement point. Satellite gravity data is downloaded for further processing to produce a Complete Bouguer Anomaly (CBA). Data processing results are interpreted using filtering methods with various wave number. The same steps are carried out with field gravity data with the appropriate measurement area. Comparison results of satellite gravity data and ground gravity are used to validate satellite gravity data to assess the extent of its ability to detect subsurface rock anomalies. The results obtained are the comparison of the residual gravity map produces a lot of similarities, while the regional gravity gives a significant difference. The GGMplus Satellite Gravity capability has a good level of validity at shallow depths, but not good enough at deep depths."

"Daerah penelitian “M” merupakan salah satu daerah potensi panas bumi karena ditandai keterdapatan manifestasi mata air panas. Penelitian ini bertujuan untuk mengidentifikasi zona permeabel di daerah penelitian “M” sekaligus menentukan zona permeabel yang dapat direkomendasikan sebagai lokasi target pengeboran. Identifikasi zona permeabel dilakukan berdasarkan analisis korelasi antara struktur geologi permukaan dan struktur geologi bawah permukaan yang diperoleh melalui integrasi data primer berupa metode Fault Fracture Density (FFD) dan metode gravitasi. Analisis struktur geologi permukaan dilakukan berdasarkan analisis kerapatan kelurusan menggunakan metode Fault Fracture Density (FFD) yang diperoleh dengan metode ekstraksi kelurusan secara manual dan otomatis menggunakan citra DEMNAS. Analisis stuktur geologi bawah permukaan berupa struktur patahan yang mengontrol terbentuknya kerapatan kelurusan dan kemunculan manifestasi mata air panas di permukaan dilakukan berdasarkan hasil pengolahan metode gravitasi yang meliputi analisis First Horizontal Derivative (FHD), analisis Second Vertical Derivative (SVD), dan analisis Euler Deconvolution (ED). Adanya zona permeabilitas tinggi hingga sangat tinggi dan kontras anomali SVD di lokasi yang sama mengindikasikan zona permeabel dihasilkan dari struktur geologi permukaan dan struktur geologi bawah permukaan yang berkorelasi baik. Sementara itu, zona permeabel yang direkomendasikan sebagai lokasi target pengeboran ditentukan berdasarkan integrasi data primer dan data sekunder (data geologi, data geokimia, dan metode magnetotellurik). Berdasarkan analisis terpadu FFD, zona permeabel daerah penelitian “M" berada di enam wilayah, yaitu di bagian tengah hingga ke barat laut, timur laut, barat daya, selatan, dan tenggara hingga ke timur. Namun, berdasarkan analisis integrasi data gravitasi dan metode FFD, zona permeabel yang terbentuk dari struktur permukaan dan struktur patahan bawah permukaan yang berkorelasi baik berada di bagian tengah, barat laut, utara, timur laut, dan selatan. Berdasarkan analisis terpadu FFD serta analisis integrasi data gravitasi dan metode FFD, zona permeabel yang dapat direkomendasikan sebagai lokasi target pengeboran terletak pada daerah sebaran manifestasi di zona graben dan di sekitar manifestasi APDM-6 di zona horst. Namun, berdasarkan analisis integrasi data primer dan data sekunder, zona permeabel yang dapat direkomendasikan sebagai lokasi target pengeboran utama mengerucut pada zona upflow atau tepatnya di sekitar manifestasi APDM-1, APDM-2, APDM-3, dan APDM-5 yang terletak di zona graben dan di sekitar gunung DTR karena terdapat parameter target pengeboran yang lebih mendukung baik dari data primer maupun data sekunder.

---

The research area "M" is one of the geothermal potential areas because it is characterized by the manifestation was found as hot springs. This research aims to identify permeable zones in the "M" research area and to determine permeable zones that can be recommended as drilling target location. Permeable zones are identified based on correlation analysis between surface geological structures and subsurface geological structures which is obtained using primary data integration between the Fault Fracture Density (FFD) method and the gravity method. Analysis of the surface geological structure is carried out based on lineament density analysis using the Fault Fracture Density (FFD) method which is obtained using manual and automatic lineament extraction methods using DEMNAS imagery. Analysis of subsurface geological structures in the form of fault structures controlling the emergence of density lineaments and hot springs on the surface is carried out based on the results of gravity method processing consisting of First Horizontal Derivative (FHD) analysis, Second Vertical Derivative (SVD) analysis, and Euler Deconvolution (ED) analysis. The existence of high to very high permeability zones and contrasting SVD anomalies at the same location indicate that the permeable zone is the result of well-correlated surface geological structures and subsurface geological structures. Meanwhile, the permeable zone recommended as a drilling target location is determined based on the integration of primary data and secondary data (geological data, geochemical data, and magnetotelluric methods). Based on the integrated FFD analysis, the permeable zone of the "M" research area is located in six regions, i.e., in the central part to the northwest, northeast, southwest, south, and southeast to the east. However, based on the integration analysis of gravity and FFD data, The permeable zones formed from well-correlated surface structures and subsurface fault structures are in the central, northwest, north, northeast and south parts.. Based on the integrated analysis of FFD and also the integration analysis of gravity data and FFD method, the permeable zone that can be recommended as a drilling target location is located in the manifestation distribution area in the graben zone and around the APDM-6 manifestation in the horst zone. However, based on the integration analysis of primary data and secondary data, the permeable zone that can be recommended as the main drilling target location is narrowed in the upflow zone or precisely around the manifestation of the APDM-1, APDM-2, APDM-3 and APDM-5 hot springs located in the graben zone and around the DTR mountain because there are drilling target parameters that are more supportive of both primary and secondary data."

"Penuaan adalah proses alami yang secara bertahap menurunkan kondisi fisik dan menyebabkan kemunculan berbagai penyakit, yang pada akhirnya dapat mengurangi rentang hidup makhluk hidup serta berujung pada kematian. Dalam konteks ini, usia biologis berperan sebagai indikator penting yang mampu mengevaluasi proses penuaan dan prediksi penyakit lebih efektif dibandingkan dengan usia kronologis. Hal ini dikarenakan usia biologis juga memperhatikan kondisi fisiologis individu, bukan hanya mengukur lamanya hidup seseorang sejak lahir. Penelitian ini berfokus pada proses penuaan alami yang tidak dipengaruhi oleh penyakit. Dengan demikian, model ini dapat dijadikan alat untuk mengidentifikasi individu yang jalur penuaannya menyimpang dari jalur penuaan yang sehat. Penelitian ini menggunakan metode Support Vector Regression dan Principal Component Analysis untuk memprediksi usia biologis berdasarkan biomarker klinis yang berkontribusi terhadap proses penuaan. Data yang digunakan pada penelitian ini adalah data medis yang berasal dari Kementerian Kesehatan Republik Indonesia. Pada dataset, dilakukan data preprocessing yang meliputi pengubahan tipe data, penghapusan kolom yang tidak digunakan, penyaringan usia partisipan, pembentukan data sintetis, dan pemisahan dataset pria dan wanita. Selanjutnya, dilakukan feature selection, uji multikolinearitas, dan pembentukan model menggunakan metode Support Vector Regression dan Principal Component Analysis. Performa dari model yang dibentuk, dievaluasi menggunakan Root Mean Squared Error dan Coefficient of Determination. Untuk model yang menggunakan metode Support Vector Regression, didapatkan nilai RMSE = 5, 228 dan r2 = 0, 807 pada model pria, serta nilai RMSE = 1, 798 dan r2 = 0, 959 pada model wanita. Sementara itu, model yang menggunakan metode Principal Component Analysis didapatkan nilai RMSE = 6, 835 dan r2 = 0, 751 pada model pria dan nilai RMSE = 5, 35 dan r2 = 0, 874 pada model wanita. Berdasarkan analisis kinerja model yang dilakukan pada penelitian ini, model dengan metode Support Vector Regression lebih unggul dalam memprediksi usia biologis dibandingkan dengan metode Principal Component Analysis.

---

Aging is a natural process that gradually deteriorates physical condition and leads to the emergence of various diseases, ultimately reducing the lifespan of living beings and leading to death. In this context, biological age acts as an important indicator capable of evaluating the aging process and predicting diseases more effectively than chronological age. This is because biological age also considers an individual's physiological condition, not just measuring the length of time of person's life since birth. This research focuses on the natural aging process that is not influenced by disease. Thus, this model can be used as a tool to identify individuals whose aging path deviates from a healthy aging trajectory. This study uses Support Vector Regression and Principal Component Analysis methods to predict biological age based on clinical biomarkers that contribute to the aging process. The data used in this study are medical data from the Ministry of Health of the Republic of Indonesia. In the dataset, data preprocessing is performed, which includes changing data types, removing unused columns, filtering participant ages, forming synthetic data, and separating datasets for men and women. Next, feature selection, tests of multicollinearity, and model formation using the Support Vector Regression and Principal Component Analysis methods are conducted. The model formed is evaluated using Root Mean Squared Error and Coefficient of Determination. For the model using the Support Vector Regression method, RMSE=5,228 and r^2=0,807 were obtained for the men model, while an RMSE=1,798 and r^2=0,959 were obtained for the women model. Conversely, for the model using the Principal Component Analysis method, an RMSE=6,835 and r^2=0,751 were obtained for the men model, and an RMSE=5,35 and r^2=0,874 for the women model. Based on the performance analysis conducted in this study, the model using the Support Vector Regression method outperforms the Principal Component Analysis method in predicting biological age."

"Manusia cukup baik dalam mengenali wajah, betapapun miripnya wajah yang diberikan. Akan tetapi membangun model komputasional yang dapat menyamai kemampuan manusia dalam mengenali wajah merupakan pekerjaan yang sulit. Upaya pengenalan dan pengklasifikasian wajah dilakukan dengan mentransformasikan face images menjadi himpunan karakteristik dari image yang disebut vektor eigen. Pengenalan wajah dengan menggunakan vektor eigen metode Principal Component Analysis dilakukan dengan memproyeksikan test image ke ruang yang direntang dari vektor-vektor eigen, yaitu disebut face space. Kemudian mengklasifikasikannya sebagai individu yang ?dikenali? atau ?tidak dikenali? dengan membandingkan test image tersebut di face space dengan individu pada database. "

"Dari pemeriksaan MRI, diperoleh gambar jaringan otak, yang akan digunakan oleh proton MRS untuk menentukan konsentrasi metabolit otak pada jaringan yang didiagnosa astrocytoma, seperti metabolit NAA, choline, creatine, Lipid, Lactate, Myoinositol, dan Glutamine-glutamate. Dari hasil MRS ini, astrocytoma dapat diklasifikasi berdasarkan derajat keganasannya (grade), yaitu high grade dan low grade. Proses klasifikasi astrocytoma, biasa dilakukan secara manual oleh ahli patologi atau secara statistik. Dalam skripsi ini, akan dibahas proses klasifikasi astrocytoma menjadi tiga kelas derajat keganasan dengan menggunakan metode Principal Component Analysis (PCA) dan Spherical K-Means terhadap data MRS. Algoritma Spherical K-Means merupakan algoritma K- Means dengan cosine similarity. Sedangkan PCA merupakan teknik yang digunakan untuk mencari vektor-vektor basis subruang tiap kelas (grade). Vektor-vektor basis ini akan membangun Principal Component yang akan digunakan dalam pengidentifikasian grade suatu data MRS. Data yang digunakan dalam skripsi ini adalah data yang berasal dari laboratorium radiologi Rumah Sakit Cipto Mangunkusumo (RSCM), Jakarta. Hasil penelitian yang dilakukan pada skripsi ini, diketahui bahwa PCA dapat mengklasifikasi astrocytoma dengan akurasi tertinggi, yaitu 85%. Selain itu, dari penelitian ini dihasilkan perangkat lunak yang dapat digunakan untuk membantu pengambilan keputusan yang terkait dengan klasifikasi astrocytoma menjadi high grade, low grade, dan normal.

---

MRI gives information in form of brain tissue image, which will be used by MRS proton to determine the concentration of brain metabolites on the astrocytoma diagnosed tissue, such as NAA, choline (Cho), creatine (Cr), Lipid (Lip), Lactate (Lac), Myoinositol (MI), and Glutamine-glutamate (Glx). From that result, astrocytoma could be classified to high grade and low grade. This classifying could be processed manually by pathologist, or be processed statistically. On this essay, astrocytoma would be classified into three class of astrocytoma grades with the Principal Component Analysis (PCA) and Spherical K-Means of the MRS data. Spherical K-Means algorithm is a K-Means algorithm with cosine similarity. At the same time, PCA is a technique which used to find the basis vectors of each class (grade) subspace. These basis vectors would build Principal Component which would be used in identifying a grade of a MRS data. The data used in this essay is resourced from radiology laboratory of Rumah Sakit Cipto Mangunkusumo (RSCM), Jakarta. From this research, note that PCA can classify astrocytoma with the highest accuracy, ie 85%. In addition, this research produce software that can be used to assist decision making related to the classification of astrocytoma to high grade, low grade, and normal"

"Magnetic Resonance Spectroscopy (MRS) membantu ahli radiologi untuk mengetahui tingkat keganasan dari kanker otak (astrocytoma). Dalam tugas akhir ini akan dibahas proses klasifikasi terhadap data hasil MRS untuk mengetahui tingkat keganasan dari astrocytoma yang terdiri dari Tingkat rendah (Low Grade), Tingkat tinggi (High Grade), dan Normal. Data yang digunakan dalam tugas akhir ini berasal dari RSU Pusat Nasional Dr. Cipto Mangunkusumo, Jakarta. Metode yang digunakan untuk klasifikasi adalah metode Independent Component Analysis dan metode Possibilistic C-Means. Hasil percobaan yang dilakukan menunjukkan bahwa metode Independent Component Analysis mempunyai nilai akurasi 96,67% sementara nilai akurasi dari metode Possibilistic C-Means mencapai 90,91%. Dalam tugas akhir ini, akan dibuat sebuah perangkat lunak untuk pendukung keputusan yang membantu memberikan informasi mengenai tingkat keganasan dari astrocytoma.

---

Magnetic Resonance Spectroscopy (MRS) helps radiologists to determine the level of malignancy of brain cancer (astrocytoma). In this final project, we will discuss the classification process of MRS data to determine the level of malignancy of astrocytoma consisting of low grade, high grade, and normal. The data used in this final project comes from the National Central Hospital Dr. Cipto Mangunkusumo, Jakarta. The methods used for classification are the Independent Component Analysis method and the Possibilistic C-Means method.

The experimental results show that the Independent Component Analysis method has an accuracy value of 96.67% while the accuracy value of the Possibilistic C-Means method reaches 90.91%. In this final project, a decision support software will be made to help provide information about the level of malignancy of astrocytoma."

"Salah satu tantangan dalam mendesain Pembangkit Listrik Tenaga Surya (PLTS) di daerah terpencil adalah penentuan besar konsumsi energi listrik yang tepat dikarenakan tidak tersedianya data konsumsi energi listrik di daerah terpencil, khususnya yang belum teraliri listrik. Salah satu solusi yang dapat dilakukan adalah dengan pemodelan dan proyeksi konsumsi energi listrik berdasarkan kondisi ekonomi dan sosial di wilayah terpencil tersebut dan sekitarnya. Penelitian ini memaparkan tentang pemodelan konsumsi energi listrik di daerah terpencil, Desa A dan Desa B, Kabupaten Wakatobi, Provinsi Sulawesi Tenggara untuk pembangkit listrik tenaga surya (PLTS) Mandiri. Pemodelan konsumsi energi listrik dilakukan dengan dua tahapan, yang pertama adalah menentukan kebutuhan energi listrik di kedua desa saat tahun 2015 (tahun pertama project life timeberjalan) dengan metode wawancara. Tahapan kedua adalah membuat proyeksi kebutuhan energi listrik sampai tahun2030 (tahun project lifetimeberakhir). Proyeksi pertumbuhan beban di kedua desa dilakukan dengan mempertimbangkan pertumbuhan beban listrik di Provinsi Sulawesi Tenggarayangditentukan menggunakan metode regresi principal component (PC). Berdasarkan metode regresi PC, hasil proyeksi konsumsi energi listrik di Desa A dan Desa Bsampaitahun 2030 masing-masing sebesar 501 kWh per hari dan 370 kWh per hariuntuk regresi PC tujuh variabel dan1.058 kWh per hari dan dan 782 kWh per hariuntukregresiPCtiga variabel.

---

Due to lack of historical electricity consumption data, one of challenges faced byPV power plant designer is determining electrical consumptiondata for PV power plant design,especially in remote areas. As solutions, this research proposes electricity consumption data projecting and modeling based on economic and social conditions in remote areaare proposedwithVillageA and Village B, Southeast Sulawesi Province as study location. Electrical consumption demand data in the village are determined based on villager Willingness to Pay(WTP). Theloaddata are also projected until 15 years ahead by considering electricity consumption growth in Southeast Sulawesi which is determined based on principal component (PC) regression methods. With seven regresisson variable, the daily electrical energy consumption projection in Village A and Village B are501 kWh and 370 kWh respectively. On the other hand, the daily electricity consumption projection in Village A and Village are B1,058 kWh and 782 kWh respectively three regression variable."