Hasil Pencarian  ::  Simpan CSV :: Kembali

"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"

"ABSTRAKSkripsi ini membahas mengenai polis asuransi Industrial All Risk (IAR) yang di dalamnya dilekatkan reinstatement clause yang berkaitan dengan penerapan prinsip indemnitas dalam perhitungan ganti kerugian. Dalam skripsi ini dibahas mengenai asuransi yang terjadi antara PT Lestari Karya Makmur dengan PT Asuransi Rama Satria Wibawa Cabang Surabaya dan PT Asuransi Wahana Tata yang berkaitan dengan perhitungan ganti kerugian dengan pokok permasalahan sebagai berikut: 1. Bagaimana prinsip indemnitas diterapkan dalam perhitungan ganti kerugian yang dilakukan oleh loss adjuster dalam kasus ini, 2. Apakah pertimbangan hukum dari Majelis Hakim pada pada Putusan Pengadilan Negeri Surabaya No. 216/Pdt.G/2011/Sby sudah sesuai dengan prinsip indemnitas dalamasuransi. Penelitian ini menggunakan metode normatif yuridis. Tujuandilakukannya penelitian ini adalah untuk mengetahui bagaimana penerapan prinsip indemnitas dalam perhitungan ganti kerugian dalam kasus ini dan menganalisis apakah pertimbangan Majelis Hakim pada Putusan Pengadilan Negeri Surabaya No. 216/Pdt.G/2011/Sby sudah sesuai dengan prinsip indemnitas dalam asuransi. Berdasarkan penelitian yang dilakukan, penerapan prinsipindemnitas telah dilakukan dalam perhitungan ganti kerugian dalam kasus ini. Akan tetapi, Putusan Pengadilan Negeri Surabaya No. 216/Pdt.G/2011/Sby belum sepenuhnya memenuhi prinsip indemnitas dalam perjanjian asuransi.

---

ABSTRACTThis thesis discusses about the Industrial All Risk (IAR) insurance policy in which the reinstatement clause is attached of which this clause is related to the application of indemnity principle in compensation calculation. This thesis discussed about the insurance agreement between PT Lestari Karya Makmur with PT Asuransi Rama Satria Wibawa Cabang Surabaya and PT Asuransi Wahana Tata concerning the compensation calculation with the following issues: 1. How was the principle of indemnitas applied in the calculation of compensation by loss adjuster in this case, 2. What is the legal consideration of the Panel of Judges in the Putusan Pengadilan Negeri Surabaya No. 216/Pdt.G/2011/Sby is in accordance with the indemnity principle in insurance. This research uses normative juridical method. The purpose of this study is to find out how the application of indemnity principle in compensation calculation in this case and analyze whether The Judges consideration in the Putusan Pengadilan Negeri Surabaya. 216/Pdt.G/2011/Sby is in accordance with the indemnity principle in insurance. Based on research conducted, the application of indemnity principle has been applied in the calculation of compensation in this case. In addition, Putusan Pengadilan Negeri Surabaya No. 216/Pdt.G/2011/Sby has not fully fulfilled the indemnity principle in the insurance agreement."

"ABSTRAKSuatu pemasalahan yang muncul dalam mendesain PLTS Pembangkit Listrik Tenaga Surya adalah adanya penentuan besarnya beban konsumsi energi listrik yang tepat di daerah kepulauan. Hal tersebut dikarenakan kurangnya informasi yang tersedia mengenai data konsumsi energi listrik di daerah terpencil atau jauh dari jangkauan listrik PLN. Salah satu solusi untuk mengatasi adanya permasalahan tersebut adalah dengan memberikan suatu pemodelan matematis berupa besarnya beban konsumsi energi listrik di daerah tersebut. Penelitian ini memaparkan tentang pemodelan konsumsi energi listrik di Desa Kolorai, Morotai, Provinsi Maluku Utara Indonesia berbasis energi baru terbarukan salah satunya yaitu Pembangkit Listrik Tenaga Surya. Tahapan yang dilakukan dalam peneliltian ini yaitu dengan menentukan besarnya beban energi listrik di desa tersebut pada tahun 2017 dengan metode wawancara. Selanjutnya, melakukan proyeksi pertumbuhan beban listrik dengan menerapkan metode regresi Principal Component PC untuk desa tersebut. Proyeksi kebutuhan energi listrik yang ditentukan berdasarkan proyek lifetime berakhir yaitu tahun 2033. Berdasarkan hasil metode regresi PC, proyeksi konsumsi energi listrik yang didapatkan tahun 2033 untuk skenario 1 dan 2 yaitu 258,93 kWh dan 145,03 kWh per hari untuk regresi PC lima variabel dan 257,66 kWh dan 144,29 kWh per hari untuk regresi PC tiga variabel.

---

ABSTRACTA problem gained for PV power plant designer is determining electrical energi consumption data for PV power plant design, especially for remote areas. It 39 s due to the lack of information available on data of electrical energy consumption in remote areas or far from a grid PLN . As solutions, this research proposes electrical energy consumption with mathematical modeling for that village based on economic and social conditions in Kolorai Village, Morotai, North Maluku Province as study locations based on PV sources. One of steps was undertaken in this research is to determine the electrical energi consumption in 2017 by the method of interview. The projection of the electrical energi consumption is determined by the lifetime of the project ends in 2033. Based on principal component regression method, the daily electrical energi consumption was obtained in 2033 with five regression variable for scenarios 1 and 2 are 258,93 kWh and 145,03 kWh per day. On the other hand, the daily electrical energi consumption projections are 257,66 kWh and 144,29 kWh per day respectively three regression variable."

"Laporan magang ini membahas mengenai assessment prinsipal-agen untuk menentukan pengakuan imbalan PT IZ berdasarkan PSAK 72 yang dilakukan oleh KAP Satu. PT IZ merupakan anak perusahaan PT I yang mendistribusikan produk hasil produksi perusahaan asosiasinya, yaitu PT IY. Assessment dilakukan dengan membandingkan definisi prinsipal dan agen serta indikator pengendalian barang sebelum diserahkan kepada pelanggan berdasarkan PSAK 72 dengan kontrak keagenan antara PT IZ dan PT IY, ditunjang dengan fakta-fakta yang dipaparkan oleh manajemen. Hasil dari assessment yang telah dilaksanakan adalah PT IZ berperan sebagai agen dan harus mengakui pendapatan dengan metode neto.

---

This internship report discusses the assessment of principal-agent to determine the revenue recognition of PT IZ based on PSAK 72 as performed by KAP Satu. PT IZ is a subsidiary of PT I distributing the products of its associated company, PT IY. The assessment comprises comparison of the principal-agent definitions and the control of goods before being handed over to customers indicators based on PSAK 72 with an agency contract between PT IZ and PT IY, supported by the facts presented by management. The result of the assessment is PT IZ acts as an agent and must recognize revenue using net method.

"

"Cekungan Air Tanah (CAT) Serang-Tangerang sebagai tempat terjadinya semua kejadian hidrogeologi tentunya tidak lepas dengan kontrol geologi, parameter fisika air tanah, dan parameter kimia air tanah. Analisis proses hidrogeokimia berdasarkan metode principal componenet analysis dilakukan untuk mengetahui bagaimana proses geologi mempengaruhi proses hidrokimia yang terjadi di Cekungan Air Tanah (CAT) Serang-Tangerang. Hasil penelitian menunjukkan bahwa daerah penelitian disusun oleh 4 formasi batuan, 13 batuan atau hasil gunung api dan 3 endapan, jenis air tanah berdasarkan nilai TDS dan DHL jenis air di cekungan Air Tanah (CAT) Serang-Tangerang merupakan air segar (72%) dan air payau (28%) serta air tanah segar (78%) dan air asin (22%) dengan fasies Na-HCO3, Mg-HCO3, Ca-HCO3, Ca-Cl, dan Na-Cl, DHL berkorelasi dengan K+ (r=0,681), Na+ (r=0.967), HCO3- (r=0.889), dan Cl- (r=0,891). Ca2+ berkorelasi HCO3- (r=0,600). Mg2+ berkorelasi dengan K+ (r=0,618) dan HCO3- (r=0,593). K+ berkorelasidengan Na+ (r=0.625), HCO3- (r=0,797). Na+ berkorelasi dengan HCO3- (r=0,858), Cl- (r=0,893). HCO3- berkorelasi dengan Cl- (r=0,638). Hubungan antara kondisi geologi dan proses hidrogeokimia air tanah yang terjadi di Cekungan Air Tanah (CAT) Serang-Tangerang dipengaruhi oleh 2 faktor yakni faktor litologi atau batuan (F1) dan lingkungan pengendapan atau intrusi air laut atau pengaruh penguapan (F2).

---

The Serang-Tangerang Groundwater Basin (CAT), where all hydrogeological events occur, cannot be separated from geological control, groundwater physics, and groundwater chemical parameters. Analysis of hydrogeochemical processes based on principal component analysis method was carried out to determine how geological processes affect hydrochemical processes in the Serang-Tangerang Groundwater Basin (CAT). The study area comprised 4 rock formations, 13 rocks or volcanic products, and 3 sediments. The type of groundwater based on TDS and DHL values, the type of water in the Serang-Tangerang Groundwater Basin is fresh water (72%) and brackish water (28%) and fresh groundwater (78%), and salt water (22%) with Na-HCO3, Mg-HCO3, Ca-HCO3, Ca-Cl, and Na-Cl facies, DHL correlated with K+ (r =0,681), Na+ (r=0.967), HCO3- (r=0,889), and Cl- (r=0,891). Ca2+ correlates with HCO3- (r=0,600). Mg2+ correlated with K+ (r=0,618) and HCO3- (r=0,593). K+ correlated with Na+ (r=0,625), HCO3- (r=0,797). Na+ correlated with HCO3- (r=0,858) and Cl- (r=0,893). HCO3- correlated with Cl- (r=0,638). The relationship between geological conditions and groundwater hydrogeochemical processes that occur in the Serang-Tangerang Groundwater Basin (CAT) is influenced by two factors, namely lithology or rock factors (F1) and depositional environment or seawater intrusion or the influence of evaporation (F2)."

"Prinsip parsimoni adalah prinsip yang menyatakan bahwa jika terdapat beberapa penjelasan untuk suatu fenomena, maka penjelasan paling sederhanalah yang harus dipilih. Prinsip ini digunakan dalam analisis data untuk memilih model yang paling efisien dalam menjelaskan variabilitas data dengan parameter seminimal mungkin. Namun pada beberapa kondisi, data bisa saja melibatkan pengukuran atau variabel yang cukup banyak. Data berdimensi tinggi dapat menyebabkan kompleksitas dan kesulitan dalam analisis, sehingga reduksi dimensi pada data penting untuk dilakukan. Principal Component Analysis (PCA) adalah salah satu metode yang dapat digunakan untuk melakukan reduksi dimensi, dengan mengekstraksi variabel baru dan mengurangi pengaruh dari variabel yang tidak relevan. Namun, metode PCA tidak toleran terhadap missing value, sehingga algoritma Nonlinear Iterative Partial Least Squares (NIPALS) dapat digunakan dalam mengatasi data yang mengandung missing value. Performa dari algoritma NIPALS dievaluasi menggunakan nilai normalized root mean square error (NRMSE) dan koefisien korelasi Pearson. Kemudian, performa dari algoritma ini dibandingkan dengan dua metode lain, meliputi Probabilistic Principal Component Analysis (PPCA) dan SVDImpute. Setelah dilakukan percobaan sebanyak seratus kali pada data survei COVIDiSTRESS, didapatkan hasil bahwa algoritma NIPALS memiliki performa yang lebih baik dan stabil dalam melakukan reduksi dimensi dibandingkan SVDImpute dan PPCA pada data dengan missing value sebesar 1% hingga 15%.

---

The principle of parsimony, states that if there are multiple explanations for a phenomenon, the simplest explanation should be chosen. This principle is applied in data analysis to select the most efficient model that explains the variability of the data with minimal parameters. However, in some cases, the data may involve a large number of measurements or variables. High-dimensional data can lead to complexity and difficulties in analysis, therefore dimensionality reduction is important. Principal Component Analysis (PCA) is one method that can be used for dimensionality reduction by extracting new variables and reducing the influence of irrelevant variables. However, PCA is not tolerant to missing values, so the Nonlinear Iterative Partial Least Squares (NIPALS) algorithm can be used to handle data with missing values. The performance of the NIPALS algorithm is evaluated using the normalized root mean square error (NRMSE) and Pearson correlation coefficient. Subsequently, the performance of this algorithm is compared with two other methods, including Probabilistic Principal Component Analysis (PPCA) and SVDImpute. After conducting a hundred trials on the COVIDiSTRESS survey data, it was found that the NIPALS algorithm performed better and was more stable in dimension reduction compared to SVDImpute and PPCA algorithms on data with missing values ranging from 1% to 15%."

"Stunting adalah kondisi di mana balita memiliki panjang atau tinggi badan di bawah rata-rata yang diakibatkan oleh buruknya gizi yang didapatkan. Stunting berpotensi memperlambat perkembangan otak, dengan dampak jangka panjang berupa keterbelakangan mental, rendahnya kemampuan belajar, dan risiko serangan penyakit kronis (diabetes, hipertensi dan obesitas). Salah satu upaya untuk memitigasi dan mengurangi angka kejadian stunting adalah dengan menerapkan ilmu Data Science dalam mengevaluasi dan membuat model prediksi risiko dari faktor yang dianggap dominan dalam terjadinya stunting. Kerangka kerja CRISP-DM digunakan sebagai metodologi penelitian ini. Data yang digunakan adalah data sekunder dari Indonesia Family Life Survey (IFLS) tahun 2014-2015, yang dilakukan di 13 provinsi di Indonesia. Pemodelan dilakukan menggunakan bahasa pemrograman Python yang dikerjakan pada Jupyter Notebook. Dua metode sampling (Random Sampling dan Oversampling) digunakan untuk mengatasi masalah data imbalance. Empat algoritma classifier diujikan untuk mengetahui performa model. Hasil penelitian menunjukkan keempat algoritma dinyatakan model yang baik dengan performa rata-rata lebih dari 70%. Pada teknik undersampling, skor akurasi yang didapatkan Logistic Regression sebesar 98,31%, KNN sebesar 77,53%, SVC sebesar 97,48%, dan Decision Tree Classifier sebesar 80,76%. Sedangkan pada teknik oversampling, skor akurasi yang didapatkan Logistic Regression adalah 95%, KNN sebesar 71%, SVC sebesar 93%, dan Decision Tree Classifier sebesar 84%. Logistic Regression adalah algoritma klasifikasi terbaik yang dapat digunakan pada dataset ini dan hasil perbandingan skor Logistic Regression pada teknik undersampling (95,09%) dan oversampling (91,98%) setelah 10 kali percobaan menunjukkan bahwa meskipun teknik undersampling memiliki performa yang lebih baik, namun teknik oversampling memiliki hasil yang lebih konsisten.

---

Stunting is a condition in which a toddler has a length or height below the average caused by poor nutrition. Stunting has the potential to slow down brain development, with long-term effects in the form of intellectual disability, low learning abilities, and the risk of developing chronic diseases (diabetes, hypertension and obesity). One of the efforts to mitigate and reduce the incidence of stunting is to apply Data Science in evaluating and making risk prediction models from factors that are considered dominant in the occurrence of stunting. The CRISP-DM framework was used as the methodology of this study. The data used is secondary data from the Indonesia Family Life Survey (IFLS) 2014-2015, which was conducted in 13 provinces in Indonesia. The modelling is made using the Python programming language which is done on Jupyter Notebook. Two sampling methods (Random Sampling and Oversampling) were used to overcome the problem of data imbalance. Four classifier algorithms were tested to determine the performance of the model. The research results showed four algorithms were declared good models with an average performance of more than 70%. In the undersampling technique, the accuracy score obtained by Logistic Regression is 98.31%, KNN is 77.53%, SVC is 97.48%, and Decision Tree Classifier is 80.76%. While in the oversampling technique, the accuracy score obtained by Logistics Regression is 95%, KNN is 71%, SVC is 93%, and Decision Tree Classifier is 84%. Logistic Regression is the best classification algorithm that can be used in this dataset and the results of the comparison of Logistic Regression scores on the undersampling (95.09%) and oversampling (91.98%) techniques after 10 experiments show that although the undersampling technique has better performance, oversampling technique has more consistent results."

"Computational Fluid Dynamics (CFD) merupakan metode analisis numerik aliran fluida, perpidahan panas, dan fenomena terkait. Simulasi CFD seringkali membutuhkan waktu yang lama dan biaya komputasi yang mahal. Ini disebabkan oleh kompleksitas persamaan atur yang mendasari perilaku aliran. Dewasa ini, Model berbasis data (Data driven model) telah mendorong perkembangan pada banyak disiplin sains dan teknik, termasuk CFD. Melalui model berbasis data, orde dari persamaan atur dapat direduksi sehingga menghasilkan reduced order model (ROM). Penelitian ini bertujuan untuk menjelaskan algoritma dasar ROM untuk menyelesaikan kasus aliran menggunakan library ITHACA-FV. Kasus aliran fluida yang menjadi domain adalah aliran stedi tak mampu mampat Navier-Stokes pada backward-facing step. Library ITHACA yang menjadi dasar simulasi ROM dianalisis. Kemudian solusi FOM dan ROM dibandingkan. Pada simulasi ROM mode 1 pada kasus backward-facing step terdapat error rata-rata sebesar 2,730% untuk data kecepatan dan 0,113% untuk data tekanan. Sedangkan simulasi ROM mode 3 pada kasus yang sama memiliki error rata-rata 1,085% untuk data kecepatan dan 0,058% untuk data tekanan.

---

Computational Fluid Dynamics (CFD) is a method of numerical analysis of fluid flow, heat transfer, and related phenomena. CFD simulation often takes a long time and is computationally expensive. This is due to the complexity of the governing equations that underlie flow behavior. Fluid flow is governed by the Navier-Stokes equation which is non-linear and generally produces a random behavior called turbulence. Today, Data driven models have made developments in many scientific and engineering disciplines, including CFD. Through a data-based model, the order of the governing equations can be reduced to produce a reduced order model (ROM). This study aims to explain the basic ROM algorithm to solve fluid flow cases through the ITHACA-FV library. The fluid flow case that becomes the domain is the steady-state Navier-Stokes incompressible flow in the backward-facing step. The ITHACA library on which the ROM simulation is based is analyzed. Then the FOM and ROM solutions are compared. ROM mode 1 simulation has average error of 2.730% for velocity and 0.113% for pressure data. ROM mode 3 simulation has an average error of 1.085% for velocity and 0.058% for pressure 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."

"Pertumbuhan ekonomi yang pesat dapat berpengaruh pada perkembangan area pertambangan, sehingga diperlukan eksplorasi mineral berkelanjutan sebagai solusi permasalahan tersebut dengan menggunakan penginderaan jauh sebagai langkah awal eksplorasi. Penelitian ini bertujuan untuk mengidentifikasi zona alterasi pada daerah Bojong dan sekitarnya, zona alterasi tersebut ditentukan berdasarkan persebaran mineral penciri alterasi hidrotermal seperti klorit, alunit, epidot, serisit, illit, dan muskovit. Metode yang digunakan merupakan Principal Component Analysis (PCA) dan Band Ratio (BR), hasil analisis metode penginderaan jauh diverifikasi dengan studi lapangan dan analisis petrografi. Hasil penelitian ini berdasarkan integerasi metode PCA dan BR serta validasi studi lapangan menunjukkan bahwa zona alterasi hidrotermal yang ditemukan merupakan alterasi propilitik serta ditemukan mineral alterasi yang dapat ditambang berupa mineral zeolit. Zona alterasi hidrotermal dan persebaran mineral alterasi pada daerah penelitian teridentifikasi berada tersebar pada bagian selatan dan tenggara.

---

Rapid economic growth can affect the development of mining areas, so suistainable mineral exploration is needed as a solution to problems by using remote sensing as the first step in exploration. This study aims to identify alteration zones in the Bojong area and its surroundings, the alteration zones are determined based on the distribution of minerals characteristic of hydrothermal alteration such as chlorite, alunite, epidote, sericite, illite, and muscovite. The methods used are Principal Component Analysis (PCA) and Band Ratio (BR), the results of the analysis of remote sensing methods are validated by field studies and petrographic analysis. The results of this study based on the integration of the PCA and BR methods as well as the verification of filed studies show that the hydrothermal alteration zones found are porphylitic alteration and the alteration minerals found to be minable are zeolite minerals. The hydrothermal alteration zone and the distribution of alteration minerals in the identified research area are scattered in the south and southeast."