Hasil Pencarian  ::  Simpan CSV :: Kembali

"Telah dilakukan penelitian di lapangan "SG" pada Formasi Talang Akar Sub-Cekungan Jambi dengan studi inversi Acoustic Impedance (AI) dan Elastic Impedance (EI) untuk mengkarakterisasi reservoar. Struktur geologi yang berkembang disekitar daerah penelitian merupakan tinggian Sungai Gelam yang memiliki arah timurlaut (NE) - baratdaya (SW) dengan fasies fluvial pada Formasi Lower Talang Akar dan shallow marine pada Formasi Upper Talang Akar. Metode AI yang melibatkan kecepatan gelombang P (VP) dan densitas menjadi kurang sensitif untuk kehadiran fluida. Untuk itu dilakukan metode EI dengan melibatkan kecepatan gelombang P (VP), kecepatan gelombang S (VS), dan densitas sehingga lebih sensitif terhadap kehadiran fluida. Metode AI di lakukan pada data seismik post stack yang diinversi menghasilkan Volume AI untuk mengetahui lithology sedangkan metode EI dilakukan pada data seismik pre-stack dalam bentuk gather yang di mulai dengan super gather, kemudian merubah domain offset menjadi sudut (angle gather) dan menghasilkan data seismik near angle stack dan far angle stack yang selanjutnya diinversi menghasilkan volume EI near dan far untuk mengetahui sebaran fluida gas dengan pemilihan zona gas berdasarkan crossplot hasil inversi EI near dan far. Di dapatkan hasil pada penampang AI, zona sand berada pada nilai 20.500 ft/s*g/cc sampai dengan 29.000 ft/s*g/cc dan hasil crossplot inversi EI near dan far pada zona sand yang berpotensi mengandung gas didapatkan ketika nilai EI far lebih kecil dibandingkan nilai EI near. Sebaran reservoar yang berpotensi mengandung gas berada di sebelah barat daya sampai ke utara daerah penelitian ini.

---

Acoustic Impedance (AI) and Elastic Impedance (EI) inversion study had been done on “SG” field on Talang Akar Formation, Sub-Basin Jambi for reservoir characterization. Geological structure that developed in this study area is a Sungai Gelam high which has North East (NE) – South West (SW) direction with fluvial facies in Lower Talang Akar Formation and also shallow marine facies in Upper Talang Akar Formation. AI method which involve P-wave velocity and density is insensitive to fluid. Thus, EI method which involve P-wave velocity, density and S-wave velocity implemented to made more sensitive to fluid presence. AI method had been done on seismic post stack data which inverted to AI volume to understand lithology of the field while EI method had been done on pre-stack seismic data gather which starts with super gather, then transform offset domain to angle domain and generate seismic near angle stack and far angle stack herein after inverted to generate EI volume near and far to perceive gas fluid distribution by gas zone selection based on crossplot inversion result of EI near and far. The result on AI section, sand zone is on 20,500 ft/s*g/cc up to 29,000 ft/s*g/cc and result of crossplot inversion EI near and far on sand zone, which potentially contain gas, obtained when EI far smaller than EI near. Reservoir distribution and potentially contain gas is on South-West to North of this area."

"Penyematan label pahlawan pada tokoh fiksi dewasa ini mulai mengalami pergeseran sebagaimana telah munculnya istilah anti hero dalam karya fiksi. Pergeseran dalam penyematan label pahlawan ini juga ditemukan dalam narasi gim Crisis Core: Final Fantasy VII. Penyematan label pahlawan pada suatu tokoh dalam narasi ini dinilai kurang cocok bahkan tidak menyematkan label pahlawan pada tokoh yang dinilai lebih cocok. Penelitian ini bertujuan untuk menganalisis wacana kepahlawanan dalam gim Crisis Core: Final Fantasy VII (2007) di antara dua tokoh major menggunakan konsep kepahlawanan dan dasar model tindakan heroik oleh Franco et.al (2011) sebagai kerangka teori, serta metode analisis teks dan metode interpretasi komposisi visual sebagai alat analisis. Hasil penelitian menunjukkan bahwa wacana kepahlawanan yang ditawarkan di dalam Crisis Core sangat mengacu pada kekuatan fisik dan kemampuan bertarung dibandingkan perilaku etis, serta kedua tokoh mencerminkan jenis kepahlawanan yang berbeda, yang pertama mencerminkan kepahlawanan abad pertengahan yang cenderung mengandalkan kekuatan fisik, yang kedua mencerminkan kepahlawanan modern yang cenderung mementingkan kesejahteraan orang lain sebelum dirinya.

---

The labeling of heroes in fictional characters these days took a shift as the term anti hero was introduced. The shift of labeling of heroes has also been found in a video game narrative of Crisis Core: Final Fantasy VII. The labeling of heroes on a character in the narrative have seen unwise, in fact the more suitable character to be labeled as heroes does not happened in the narrative. This study aims to analyze the discourse on heroism between two major characters in Crisis Core: Final Fantasy VII RPG game using concept of heroism and elementary model of heroic action by Franco et.al (2011) as theoretical framework, and text analysis method as well as visual composition interpretation methods as analytical tool. This study finds that Crisis Core presents the concept of heroism refers to physical strength and fighting ability rather than ethical behavior. Also the characters represents two different heroism, the first one represents medieval kind of heroism who utilize physical strength in order to obtain the hero title, the second one represent modern kind of heroism who put others before himself."

"Terbatasnya interaksi sosial di tengah pandemi COVID-19 memaksa perubahan pada proses belajar mengajar secara konvensional menjadi pembelajaran jarak jauh. Peran platform pembelajaran daring diharapkan dapat menjadi sumber belajar yang optimal sehingga kesenjangan capaian belajar dapat diminimalkan. Namun, masyarakat mengalami culture shock karena perubahan tersebut, kesadaran peserta didik yang masih rendah untuk mengevaluasi hasil belajar, dan terdapat kendala terkait dengan akses Internet. Oleh sebab itu, pengukuran tingkat kepuasan pengguna perlu dilakukan untuk menilai efektivitas platform pembelajaran daring dalam menyediakan sumber belajar alternatif dengan menggunakan teknik text mining. Penelitian ini menganalisis persepsi pengguna terhadap layanan platform Ruangguru, Zenius, dan Quipper dengan mengolah data ulasan dari Google Play Store. Teknik text mining yang digunakan ialah pemodelan topik dengan metode Latent Dirichlet Allocation untuk mendefinisikan aspek layanan yang dibahas pada data ulasan. Selain itu, dilakukan analisis sentimen ulasan dari setiap aspek layanan menggunakan algoritma SentiStrengthID. Hasil dari kedua teknik text mining tersebut dikuantifikasi menggunakan metode Net Reputation Score untuk mendapatkan skor kepuasan pengguna sehingga dapat menjadi referensi bagi pihak penyedia platform dalam menentukan prioritas peningkatan layanan. Hasil penelitian menunjukan bahwa aspek promosi dan video berlangganan perlu menjadi fokus perbaikan bagi pihak penyedia platform Ruangguru. Kedua aspek tersebut mendapatkan skor kepuasan terendah sebesar -6,19% dan 15,84%. Sementara itu, aspek mengenai latihan soal dan akun pengguna pada platform Zenius perlu untuk menjadi prioritas perbaikan dengan masing-masing skor kepuasan yang diperoleh sebesar 34,91% dan 44,14%. Terakhir, aspek layanan dari platform Quipper mengenai latihan pembahasan dan registrasi pengguna perlu segera diperbaiki karena mendapatkan skor kepuasan yang kritikal sebesar -54,28% dan -16,66%. Berdasarkan hasil tersebut, didapatkan wawasan yang berguna bagi pihak penyedia untuk mempermudah pengambilan keputusan dalam optimasi platform pembelajaran daring.

---

Limited social interaction amid the COVID-19 pandemic has forced a change in the conventional learning process to distance learning. Online learning platforms are expected to provide optimal learning resources so that the gap in learning achievement can be minimized. However, the society experienced culture shock due to the change, student awareness of the possibility to evaluate learning strategies and learning outcomes is still low during online learning activities, and there are issues related to Internet access. Therefore, it is necessary to measure the user satisfaction score to assess the effectiveness of online learning platforms in providing alternative learning resources using text mining techniques. This study analyzes user perceptions of Ruangguru, Zenius, and Quipper by exploring review data from Google Play Store. Text mining techniques used are topic modeling by applying Latent Dirichlet Allocation method to define the service aspects discussed in the review data. Additionally, sentiment analysis was carried out to classify the emotional tendency of each user review from every service aspect using SentiStrengthID algorithm. Results from both techniques are quantified using Net Reputation Score method to obtain user satisfaction scores so that it can be a reference for platform providers in determining service improvement priorities. The results of the study reveal that the promotion and subscription video aspects need to be the improvement focus for the Ruangguru platform provider. Both aspects get the lowest satisfaction scores of -6.19% and 15.84%, respectively. Meanwhile, aspects regarding tryout and user account on the Zenius platform need to be a priority for improvement with satisfaction scores obtained of 34.91% and 44.14%, respectively. The last one, service aspects of the tryout and user registration on the Quipper platform need to be improved immediately by the service provider because these aspects get critical satisfaction scores of -54.28% and -16.66%, respectively. Based on these results, useful insights were obtained for providers to facilitate decision-making in optimizing online learning platforms."

"Terbatasnya interaksi sosial di tengah pandemi COVID-19 memaksa perubahan pada proses belajar mengajar secara konvensional menjadi pembelajaran jarak jauh. Peran platform pembelajaran daring diharapkan dapat menjadi sumber belajar yang optimal sehingga kesenjangan capaian belajar dapat diminimalkan. Namun, masyarakat mengalami culture shock karena perubahan tersebut, kesadaran peserta didik yang masih rendah untuk mengevaluasi hasil belajar, dan terdapat kendala terkait dengan akses Internet. Oleh sebab itu, pengukuran tingkat kepuasan pengguna perlu dilakukan untuk menilai efektivitas platform pembelajaran daring dalam menyediakan sumber belajar alternatif dengan menggunakan teknik text mining. Penelitian ini menganalisis persepsi pengguna terhadap layanan platform Ruangguru, Zenius, dan Quipper dengan mengolah data ulasan dari Google Play Store. Teknik text mining yang digunakan ialah pemodelan topik dengan metode Latent Dirichlet Allocation untuk mendefinisikan aspek layanan yang dibahas pada data ulasan. Selain itu, dilakukan analisis sentimen ulasan dari setiap aspek layanan menggunakan algoritma SentiStrengthID. Hasil dari kedua teknik text mining tersebut dikuantifikasi menggunakan metode Net Reputation Score untuk mendapatkan skor kepuasan pengguna sehingga dapat menjadi referensi bagi pihak penyedia platform dalam menentukan prioritas peningkatan layanan. Hasil penelitian menunjukan bahwa aspek promosi dan video berlangganan perlu menjadi fokus perbaikan bagi pihak penyedia platform Ruangguru. Kedua aspek tersebut mendapatkan skor kepuasan terendah sebesar -6,19% dan 15,84%. Sementara itu, aspek mengenai latihan soal dan akun pengguna pada platform Zenius perlu untuk menjadi prioritas perbaikan dengan masing-masing skor kepuasan yang diperoleh sebesar 34,91% dan 44,14%. Terakhir, aspek layanan dari platform Quipper mengenai latihan pembahasan dan registrasi pengguna perlu segera diperbaiki karena mendapatkan skor kepuasan yang kritikal sebesar -54,28% dan -16,66%. Berdasarkan hasil tersebut, didapatkan wawasan yang berguna bagi pihak penyedia untuk mempermudah pengambilan keputusan dalam optimasi platform pembelajaran daring.

---

Limited social interaction amid the COVID-19 pandemic has forced a change in the conventional learning process to distance learning. Online learning platforms are expected to provide optimal learning resources so that the gap in learning achievement can be minimized. However, the society experienced culture shock due to the change, student awareness of the possibility to evaluate learning strategies and learning outcomes is still low during online learning activities, and there are issues related to Internet access. Therefore, it is necessary to measure the user satisfaction score to assess the effectiveness of online learning platforms in providing alternative learning resources using text mining techniques. This study analyzes user perceptions of Ruangguru, Zenius, and Quipper by exploring review data from Google Play Store. Text mining techniques used are topic modeling by applying Latent Dirichlet Allocation method to define the service aspects discussed in the review data. Additionally, sentiment analysis was carried out to classify the emotional tendency of each user review from every service aspect using SentiStrengthID algorithm. Results from both techniques are quantified using Net Reputation Score method to obtain user satisfaction scores so that it can be a reference for platform providers in determining service improvement priorities. The results of the study reveal that the promotion and subscription video aspects need to be the improvement focus for the Ruangguru platform provider. Both aspects get the lowest satisfaction scores of -6.19% and 15.84%, respectively. Meanwhile, aspects regarding tryout and user account on the Zenius platform need to be a priority for improvement with satisfaction scores obtained of 34.91% and 44.14%, respectively. The last one, service aspects of the tryout and user registration on the Quipper platform need to be improved immediately by the service provider because these aspects get critical satisfaction scores of -54.28% and -16.66%, respectively. Based on these results, useful insights were obtained for providers to facilitate decision-making in optimizing online learning platforms."