Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTugas akhir ini membahas tentang Algoritma pembesaran (augmeritasi) pada graph Campuran, yaitu penambahan ruas secara optimal pada graph Campuran sehingga diperoleh graph yang setiap ruasnya berada dalam sirkuit sederhana yang Traversabel atau graph terhubung kuat. Untuk rnendapatkan penambahan ruas yang optimal, graph Campuran disederhanakan kedalam bentuk graph Asiklik Campuran."

"Tugas akhir ini membahas tentang pembuktian Conjecture 1, yaitu sebuah masalah : Arboricity linier dari setiap graph regular-r adalah I(r + 1)/2 I dengan r adalah derajat setiap simpul pada graph regular. Pembuktian dilakukan untuk beberapa graph regular dengan cara membentuk forest linier yang dapat dibuat dan ruas pada graph regular. Jumlah minimum forest linien yang dapat dibentuk merupakan nilai arboricity liniernya."

"Dalam skripsi ini akan dibahas mengenal pembentukan struktur data untuk membuat algoritma independent set dengan waktu (N) dan ruang 0(N), dimana N = min , dengan n banyaknya simpul. graph g-bipartisi dan m banyaknya ruas graph g-bipartisi. Prinsip yang dipakai algoritma INDEPENDENT SET adalah prinsip pewarnaan simpul dengan menjalankan depth first search."

"ABSTRAKDiberikan sebuah graph terhubung tak berarah G = (V,E). Didefinisikan bahwa pohon bentukan T adalah suatu subgraph dari graph G yang mengandung semua simpul dari graph yang merupakan pohon. Diameter dari pohon bentukan T adalah jarak maksimum antara dua simpul sembarang dalam pohon. Dalam tugas akhir ini dibahas tentang bagaimana mendapatkan sebuah Pohon Bentukan Berdiameter Minimum (PBDM) dari sekumpulan n simpul. Untuk menyel esaikan masalah tersebut dibutuhkan waktu O(n3)"

"This book constitutes the proceedings of the 6th International Conference on Graph Transformations, ICGT 2012, held in Bremen, Germany, in September 2012. The 30 papers and 3 invited papers presented were carefully reviewed and selected from numerous submissions. The papers are organized in topical sections on behavioural analysis, high-level graph transformation, revisited approaches, general transformation models, structuring and verification, graph transformations in use, (meta-)model evolution and incremental approaches."

"Finally there is a book that presents real applications of graph theory in a unified format. This book is the only source for an extended, concentrated focus on the theory and techniques common to various types of intersection graphs. It is a concise treatment of the aspects of intersection graphs that interconnect many standard concepts and form the foundation of a surprising array of applications to biology, computing, psychology, matrices, and statistics. The authors emphasize the underlying tools and techniques and demonstrate how this approach constitutes a definite theory within graph theory. Some of the applications are not widely known or available in the graph theoretic literature and are presented here for the first time. The book also includes a detailed literature guide for many specialized and related areas, a current bibliography, and more than 100 exercises."

"Sebuah graf adalah pasangan himpunan dengan adalah himpunan tidak kosong dan adalah himpunan mungkin kosong pasangan tidak berurutan dari elemen-elemen . disebut dengan simpul dan disebut dengan busur. Pelabelan graceful didefinisikan sebagai pemberian label pada simpul suatu graf G yang memenuhi fungsi injektif dari himpunan simpul ke himpunan bilangan bulat tak negatif sedemikian sehingga setiap busur xy di G mendapat label , maka label setiap busur akan berbeda. Graf bunga aster merupakan graf yang dibentuk dari graf lingkaran dengan menghubungkan graf lintasan pada dua simpul yang bertetangga. Graf korona bunga aster merupakan graf yang dibentuk dari graf bunga aster dengan menambahkan r simpul daun pada setiap simpulnya. Pada tesis ini dibahas graf yang mempunyai pelabelan graceful atau tidak mempunyai pelabelan graceful pada graf bunga aster untuk dan graf korona bunga aster untuk dan.

---

A graph is a sets where is the non empty set and is the set of possibly empty of non sequential elements . is called as vertices and is called as edges. Graceful labeling is defined as labeling the vertices of graph that satisfies the injective function from the set of vertices to the set of non negative integers such that each of the xy edges in G gets label , then the label of each vertices will be distinct. An aster flower graph is a graph which generated from the cycle graph by connecting the path graph to the two adjacent vertices. A corona product of aster flower graph is a graph which generated from an aster flower graph by adding r leaf vertices on each vertex. This thesis discusses graphs that have graceful labeling or doesn rsquo t have graceful labeling on aster flower graph for and corona product of aster flower graph for and."

"Indonesia merupakan negara hukum yang mengadopsi asas Fictie Hukum. Asas tersebut memandang setiap orang tahu hukum tanpa pengecualian. Penyediaan akses yang mudah terhadap produk hukum merupakan konsekuensi dari hal tersebut. Meski telah tersedia beberapa layanan daring pencarian hukum, baik oleh pemerintah maupun swasta, layanan tersebut belum mampu menangkap relasi intradokumen dan antardokumen dengan baik. Dalam meningkatkan sistem pencarian hukum, terdapat knowledge graph (KG) bernama LexID yang menghadirkan representasi peraturan perundang-undangan Indonesia dalam sebuah graf. KG tersebut dikonstruksi dengan pendekatan rule-based. Namun, pendekatan rule-based tidak mudah beradaptasi dengan perubahan dalam format atau konten dokumen dan memerlukan pemeliharaan berkelanjutan. Penelitian ini mengusulkan pendekatan lain dalam konstruksi LexID. Proses konstruksi LexID dilakukan menggunakan pre-trained large language model (LLM) berupa CodeGemma parameter 7B, Code Llama parameter 7B, dan Phi-3 parameter 7B. Jenis prompt yang digunakan, yaitu prompt kode dan teks dengan variasi 1-shot dan 2-shot, sehingga total terdapat dua belas skenario percobaan. Hasil konstruksi KG kemudian dievaluasi terhadap KG LexID dan diukur menggunakan metrik precision, recall, dan skor F1. Dari hasil konstruksi, didapatkan skor F1 hasil dari prompt teks 1-shot: CodeGemma 0.405, CodeLlama 0.452, dan Phi 0.362; skor F1 hasil dari prompt kode 1-shot: CodeGemma 0.645, CodeLlama 0.567, dan Phi 0.526; skor F1 hasil dari prompt teks 2-shot: CodeGemma 0.572, CodeLlama 0.502, dan Phi 0.386; skor F1 hasil dari prompt kode 2-shot: CodeGemma 0.687, CodeLlama 0.583, dan Phi 0.539.

---

Indonesia operates under a legal system that adopts the principle of Legal Fiction, which posits that every individual is presumed to be aware of the law without exception. Consequently, providing easy access to legal documents is imperative. Despite the availability of several online legal search services offered by both government and private entities, these services have yet to effectively capture intra-document and inter-document relationships. To enhance the legal search system, a knowledge graph (KG) named LexID has been developed to represent Indonesian legislation in a graph format. This KG has traditionally been constructed using a rule-based approach. However, this approach struggles to adapt to changes in document format or content and necessitates continuous maintenance. This study proposes an alternative approach for the construction of LexID utilizing pre-trained large language models (LLMs), specifically CodeGemma with 7 billion parameters, Code Llama with 7 billion parameters, and Phi-3 with 7 billion parameters. The study employs both code and text prompts, with variations of 1-shot and 2-shot, resulting in a total of twelve experimental scenarios. The constructed KG is then evaluated against the existing LexID KG, using precision, recall, and F1 score metrics. The results of the construction indicate the following F1 scores: for 1-shot text prompts, CodeGemma achieved 0.405, Code Llama 0.452, and Phi 0.362; for 1-shot code prompts, CodeGemma achieved 0.645, Code Llama 0.567, and Phi 0.526; for 2-shot text prompts, CodeGemma achieved 0.572, Code Llama 0.502, and Phi 0.386; and for 2-shot code prompts, CodeGemma achieved 0.687, Code Llama 0.583, and Phi 0.539."