Hasil Pencarian  ::  Simpan CSV :: Kembali

"This paper proposes a novel approximation for a Spatial Time Division Multiple Access (STDMA) link-scheduling algorithm based on geometrical node exploitation to improve spatial reuse performance. The geometrical location of nodes was exploited in order to reduce computational complexity and to achieve higher accuracy in transmission to satisfy the Signal to Interference and Noise Ratio (SINR) requirement. The process of SINR global checking is a main constraint in the SINR based interference model but is reduced through geometrical partition and interference approximations based on geometrical node locations. Simulation results show that the proposed algorithm increases the spatial reuse performance in comparison to the greedy physical interference model in similar scenarios. The model utilizing geometrical partition exhibits lower complexity compared to the pure physical interference model that includes SINR global checking."

"In the case of downlink LTE, scheduler is an important element which assigns RB allocation for different users in a cell. RB is the smallest element which can be assigned by scheduler. This work proposes a new scheduler algorithm by considering the tradeoff balance between throughput and fairness among users. The proposed scheduler combines the benefit from the Best CQI and Round Robin Scheduler. The first time slot applies a Round Robin algorithm in the basis of a continuity in user sequence at the entire sub frames. The second time slot applies the Best CQI algorithm with a fairness enhancement. At 15dB SNR, the throughput of each scheduler is 61.2Mbps for Best CQI scheduler, 32.3Mbps for Round Robin scheduler, and 48Mbps for the proposed scheduler. Based on Jain’s Fairness Index, the proposed scheduler has a fairness index of 0.97. For 20 users at 5MHz bandwidth, the average queuing delay gives the value of 5ms for Round Robin scheduler, 29.38ms for Best CQI scheduler, and 0.94ms for the proposed scheduler."

"This paper proposes a study on the comparison of particle swarm optimization with genetic algorithm for molten pool detection in fixed aluminum pipe welding. The research was conducted for welding of aluminum alloy Al6063S-T6 with a controlled welding speed and a Charge-couple Device (CCD) camera as vision sensor. Omnivision-based monitoring using a hyperboloidal mirror was used to detect the molten pool. In this paper, we propose an optimized brightness range for detecting the molten pool edge using particle swarm optimization and compare the results to genetic algorithm. The values of the brightness range were applied to the real time control system using fuzzy inference system. Both optimization methods showed good results on the edge detection of the molten pool. The results of experiments with control show the effectiveness of the image processing algorithm and control process. "

"Inspeksi pada pipa minyak dan gas merupakan infrastruktur yang harus selalu dilakukan secara rutin untuk mendeteksi dan prediksi kerusakan yang akan terjadi di dalam pipa. Kemampuan navigasi untuk dapat berpindah dari satu lokasi ke lokasi lain serta melokalisasikan lokasi robot saat berada di dalam pipa sangat penting. Terlebih alat navigasi yang paling banyak digunakan yaitu GPS tidak dapat beroperasi pada lingkungan pipa. Maka untuk memenuhi keperluan tersebut robot harus mampu mengindera lingkungan disekitarnya dengan menggunakan sensor lain. Penelitian ini melakukan penginderaan lingkungan dengan menggunakan sensor depth camera yang kemudian diolah menjadi peta 2D dan lokalisasi robot dengan menggunakan Algoritma Hector SLAM (Simulataneously Localization and Mapping) dan menggunakan Robot Operating System (ROS). Dari hasil pengujian, algoritma Hector SLAM mampu melakukan pemetaan dengan persentase error sebesar 2,512% sedangkan untuk kemampuan lokalisasi memiliki persentase error sebesar 1.49%. Setelah dilakukan lokalisasi dan pemetaan, robot mampu untuk melakukan navigasi otonom dengan menggunakan navigation stack yang tersedia oleh ROS.

---

Inspection of oil and gas pipelines is an infrastructure that must be carried out regularly to detect and predict the damage that will occur in the pipeline. The navigational ability to be able to move from one location to another as well as to localize the robot's location while in the pipeline is very important. Moreover, the most widely used navigation tool, namely GPS, cannot operate in a pipeline environment. So, to meet these needs, the robot must be able to sense the surrounding environment by using other sensors. This research performs environmental sensing using a depth camera sensor which is then processed into 2D maps and robot localization using the Hector SLAM (Simulateously Localization and Mapping) Algorithm and using Robot Operating System (ROS). From the test results, the Hector SLAM algorithm is able to map with an error percentage of 2.512% while for localization capabilities it has an error percentage of 1.49%. After localization and mapping, the robot is able to perform autonomous navigation using the navigation stack provided by ROS."

"Komunikasi mmWave merupakan komunikasi yang menjanjikan dan menarik bagi kalangan akademik dan industri karena ketersediaan spektrum yang berlimpah, akan tetapi spektrum mmWave mmiliki karakteristik kanal propagasi yang buruk. Teknik beamforming dengan perarahan yang tinggi menjadi solusi yang efektif untuk hal tersebut. Penggunaan teknik tersebut memiliki masalah waktu tunda yang tinggi dalam mekanisme initial access (IA). Hal ini dapat berdampak pada kinerja yang buruk untuk dapat mendukung implementasinya di teknologi komunikasi saat ini, yaitu 5G low end-to-end latency. Metode meta-heuristic dengan menggunakan algoritma Genetic Algorithm (GA) merupakan salah satu metode yang telah dilakukan untuk menyelsaikan permaslahan tersebut. Namun, kinerja yang dihasilkan belum cukup baik dan masih dilakukan penelitian untuk menghasilkan peningkatan kinerja waktu tunda terbaik dengan meninjau pada algoritma berbasis alam. Pada penelitian ini, kami melakukan perancangan dan penentuan suatu algoritma berdasarkan algoritma berbasis alam yang memiliki kinerja lebih baik dari GA yang telah dilakukan untuk kasus IA pada komunikasi mmWave. Algoritma yang telah dirancang dan ditentukan adalah algoritma hybrid genetic algorithm and particle swarm optimization (HGAPSO). Hasil kinerja algoritma tersebut menunjukkan nilai kapasitas terbaik (Gbit/s) dan waktu tunda yang cukup rendah (jumlah iterasi) dibandingkan algoritma GA yang telah diajukan dan particle swarm optimization (PSO). Oleh karena itu, dapat disimpulkan bahwa HGAPSO merupakan algoritma yang memiliki kinerja lebih baik dari GA yang telah diajukan dan dapat menjadi algoritma alternatif untuk kasus IA pada komunikasi mmWave.

---

MmWave communication is a promising and attractive communication for academic and industry because of the abundant available spectrum, but mmWave spectrum has poor propagation channel characteristics. High beamforming technique is an effective solution for the problem. The technique has a high delay in the initial access (IA) mechanism. This can have an impact on bad performance to be able to support its implementation in current communication technology, namely 5G low end-to-end latency. The meta-heuristic method using the Genetic Algorithm (GA) is one of the methods that have been used to solve the IA problem. However, the performance result is not good enough and research is still being carried out to produce the best delay time performance improvement by using nature inspired algorithms. In this research, we design and determine an algorithm based on nature inspired algorithms that have better performance than the GA that has been proposed for the IA case in mmWave communication. The algorithm that has been designed and determined are the hybrid genetic algorithm and particle swarm optimization (HGAPSO). The performance of the algorithm shows the best capacity value (Gbit/s) and the delay time is quite low (number of iterations) compared to the GA algorithm that has been proposed and particle swarm optimization (PSO). Therefore, it can be concluded that HGAPSO is an algorithm that has better performance than the GA that has been proposed and can be alternative algorithm for the IA case in mmWave communication."

"Text clustering adalah teknik pengelompokan teks sehingga teks di dalam kelompok yang sama memiliki tingkat similaritas yang lebih tinggi satu sama lain dibandingkan dengan teks pada kelompok yang berbeda. Proses pengelompokkan teks secara manual membutuhkan waktu dan sumber daya yang banyak sehingga digunakan machine learning untuk melakukan pengelompokan secara otomatis. Representasi dari teks perlu diekstraksi sebelum dimasukkan ke dalam model machine learning. Metode yang umumnya digunakan untuk mengekstraksi representasi data teks adalah TFIDF. Namun, metode TFIDF memiliki kekurangan yaitu tidak memperhatikan posisi dan konteks penggunaan kata. Model BERT adalah model yang dapat menghasilkan representasi kata yang bergantung pada posisi dan konteks penggunaan suatu kata dalam kalimat. Penelitian ini menganalisis kinerja model BERT sebagai metode representasi data teks dengan membandingkan model BERT dengan TFIDF. Selain itu, penelitian ini juga mengimplementasikan dan membandingkan kinerja metode ekstraksi dan normalisasi fitur yang berbeda pada representasi teks yang dihasilkan model BERT. Metode ekstraksi fitur yang digunakan adalah max dan mean pooling. Sementara itu, metode normalisasi fitur yang digunakan adalah identity, layer, standard, dan min-max normalization. Representasi teks yang diperoleh dimasukkan ke dalam 4 algoritma clustering berbeda, yaitu k-means clustering, eigenspace-based fuzzy c-means, deep embedded clustering, dan improved deep embedded clustering. Kinerja representasi teks dievaluasi dengan menggunakan metrik clustering accuracy, normalized mutual information, dan adjusted rand index. Hasil simulasi menunjukkan representasi data teks yang dihasilkan model BERT mampu mengungguli representasi yang dihasilkan TFIDF pada 28 dari 36 metrik. Selain itu, implementasi ekstraksi dan normalisasi fitur yang berbeda pada model BERT memberikan kinerja yang berbeda-beda dan perlu disesuaikan dengan algoritma yang digunakan.

---

Text clustering is a task of grouping a set of texts in a way such that text in the same group will be more similar toward each other than to those from different group. The process of grouping text manually requires significant amount of time and labor. Therefore, automation utilizing machine learning is necessary. Text representation needs to be extracted to become the input for machine learning models. The common method used to represent textual data is TFIDF. However, TFIDF cannot consider the position and context of a word in a sentence. BERT model has the capability to produce text representation that incorporate position and context of a word in a sentence. This research analyzed the performance of BERT model as a text representation method by comparing it with TFIDF. Moreover, various feature extraction and normalization methods are also applied in text representation from BERT model. Feature extraction methods used are max and mean pooling. On the other hand, feature normalization methods used are identity, layer, standard, and min-max normalization. Text representation obtained become an input for 4 clustering algorithms, k-means clustering, eigenspace-based fuzzy c-means, deep embedded clustering, and improved deep embedded clustering. Performance of text representations in text clustering are evaluated utilizing clustering accuracy, normalized mutual information, and adjusted rand index. Simulation results showed that text representation obtained from BERT model outperforms representation from TFIDF in 28 out of 36 metrics. Furthermore, different feature extraction and normalization produced varied performances. The usage of these feature extraction and normalization must be altered depending on the text clustering algorithm used."

"Berbagai macam metodologi dan algoritma telah dikembangkan untuk memecahkan permasalahan tata letak mesin (MLP). Dalam penelitian ini, metode Cluster Boundary Search (CBS), algoritma Simulated Annealing (SA) and Tabu Search (TS) dikombinasikan dengan tujuan untuk mendapatkan hasil optimasi MLP yang lebih baik. Metode CBS melakukan proses optimasi dengan meletakan sebuah mesin terpilih di sekeliling batas luar mesin yang sudah diletakkan. Mesin pertama yang akan dikelilingi dipilih berdasarkan konektivitas terbesar dengan seluruh mesin. Mesin yang belum diletakan secara berurutan diletakkan pada posisi optimumnya pada batas keliling dari mesin yang sudah diletakkan sampai semua mesin sudah diletakkan. Hasil dari metode CBS selanjutnya dikombinasikan dengan SA dan TS dengan tujuan untuk mendapatkan layout tata letak yang paling optimal.

---

Various kinds of methodologies and algorithms have been developed to solve Machine Layout Problem (MLP). In this paper, Cluster Boundary Search (CBS) method, Simulated Annealing (SA) and Tabu Search (TS) algorithms are combined with the aim of obtaining better MLP optimization result. CBS method conducts its optimization process by placing a selected unplaced machine singly along a boundary line around the cluster of the placed machines. The first machine to be circumambulated is selected on the basis of the highest value of connectivity with all the machines. The unplaced machines are sequentially located to their optimum position on the formed boundary of the placed machines until all the machines are placed. The result of BCS method is furthermore combined with SA and TS in order to obtain the most optimal facilities layout."

"Dalam tesis dibahas pencocokan hampiran untai (approximate string matching) dari dua untai berbeda. Dalam meninjau tingkat kedekatan hampiran dua untai atau tingkat kemiripan dua untai digunakan ukuran Jarak Levenshtein, Dalam penentuan jarak tersebut digunakan metode program dinamik. Diperoleh beberapa sifat-sifat yang berhubungan dengan susunan kedua untai yang dicocokkan. Pada akhir tesis diberikan juga program komputer sederhana dalam penentuan jarak Levenshtein.

---

In this thesis described approximate string matching problem between two different strings. To show the approximate level of both strings or the similarity level of both strings is used Levenshtein distance. To determine Levenshtein distance is used by dynamic programming method. Found Some characteristics that have relation with composition of both strings that are matched. At the end of the thesis, given the simple computer program to determine Levenshtein distance."

"Dibahas visualisasi kurva hampiran dengan menggunakan metode Hampiran B-Spline. Dalam hampiran ini diberikan sejumlah data koordinat, dengan menggunakan kombinasi linear dari sejumlah basis B-Spline akan diperoleh kurva hampiran yang dimaksud. Fungsi basis yang digunakan disini berderajat 1,2, dan 3. Kurva yang dihasilkan kemudian akan divisualisasikan pada jendela gratis. Jendela grafis dibuat pada aplikasi yang dijalankan dengan sistem Microsoft Windows 16 bit dan 32 bit. Platform yang dipakai untuk membuat aplikasi adalah Borland C++ ver. 4.5 for Windows, pembuatan kelas baru yang merupakan turunan dari objek-objek yang telah ada pada platform ini sangat menunjang pada aplikasi yang dibentuk. Dengan sub selang penggambaran h diberikan oleh pengguna, maka semakin kecil h kurva hampiran yang dibentuk akan semakin halus. Semakin tinggi derajat fungsi basis yang digunakan maka kurva yang dihasilkan akan semakin halus, akan tetapi jumlah operasi rekursif yang dilakukan semakin banyak."

"This article is a record of lectures on japanese prime ministers who appeared in the approximately 30 years of the heisei era. First, Akio Watanabe amongst other prime ministers, mainly discussed Kiichi Miyazawa,"