Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Retinopati diabetik adalah kelainan vaskular retina yang disebabkan oleh diabetes jangka panjang. Deteksi dini retinopati diabetik pada pasien diabetes diperlukan karena tidak ada gejala yang terlihat selama tahap awal penyakit. Para peneliti mengembangkan metode berbasis komputer untuk membantu dokter dalam proses deteksi dini. Dokter dapat menggunakan output dari metode tersebut sebagai pertimbangan dalam mediagnosis tipe retinopati diabetik yang diderita pasien. Salah satu metode yang populer adalah deep learning. Pada penelitian ini, dibangun gabungan dua algoritma deep learning, yaitu Convolutional Neural Network (CNN)-Long Short-Term Memory (LSTM) untuk deteksi retinopati diabetik dengan output berupa caption yang menjelaskan kondisi yang ada pada citra fundus pasien. CNN digunakan untuk mengekstraksi fitur lesi retinopati diabetik pada citra fundus, dan LSTM digunakan untuk membuat caption berdasarkan fitur lesi tersebut. Penelitian ini menggunakan empat model CNN, yakni AlexNet, pre-trained AlexNet, GoogleNet, dan pre-trained GoogleNet. Simulasi gabungan algoritma CNN-LSTM dilakukan dengan proporsi data yang berbeda menggunakan data set dari Rumah Sakit Cipto Mangunkusumo. Hasil simulasi menunjukkan bahwa gabungan algortima CNN-LSTM dapat mendeteksi fitur lesi dan membuat caption dengan rata-rata kinerja akurasi tertinggi sebesar 91.69% untuk model pre-trained GoogleNet-LSTM dan proporsi data 80% data training dan 20% data testing. ......Diabetic retinopathy is a retinal vascular disorder caused by long-term diabetes. Early diabetic retinopathy detection in diabetes patients is needed because no symptoms can be seen during the early stage of disease. The researchers developed a computer-based method to assist ophthalmologists in the early detection process. Ophthalmologists can use the output of the method as a consideration in diagnosing the type of diabetic retinopathy. One of the popular methods is deep learning. In this study, a combination of two deep learning algorithms, namely Convolutional Neural Network (CNN)-Long Short-Term Memory (LSTM), was constructed for diabetic retinopathy detection with the output in the form of a caption that explains the condition present in the patient’s fundus images. CNN is used to extract features of diabetic retinopathy lesions on fundus images, and LSTM is used to generate a caption based on those lesion features. This study used four CNN models that are AlexNet, pre-trained AlexNet, GoogleNet, and pre-trained GoogleNet. Simulation of a combined CNN-LSTM algorithm has been done with the different proportions of data using a data set from Cipto Mangunkusumo National General Hospital. The simulation results show that a combined CNN-LSTM algorithm can detect lesion features and generate caption with the highest average performance accuracy of 91.69% for pre-trained GoogleNet-LSTM and the proportion 80% training data and 20% testing data.

Abstrak :
Program Peningkatan Kualitas Permukiman dilaksanakan tahun 2018-2022 pada 220 RW Kumuh dari total 445 RW Kumuh di DKI Jakarta yang berupa penataan fisik melalui peningkatan jalan lingkungan, trotoar, drainase lingkungan, penerangan jalan umum, septictank komunal, IPAL komunal, penghijauan, dan persampahan. Penelitian ini bertujuan untuk mengidentifikasi dampak program terhadap harga tanah di DKI Jakarta serta menguji hubungan spasial dari faktor-faktor yang mempengaruhi harga tanah khususnya di lokasi Transit Oriented Development Dukuh Atas dan Istora Senayan. Variable dependen yang digunakan dalam penelitian ini adalah harga tanah sedangkan variable independennya merupakan dummy treatment RW kumuh yang mendapatkan program dengan memasukkan variabel kontrol yang relevan. Data yang digunakan adalah level RW Kumuh serta sub sampel RW tidak kumuh di DKI Jakarta. Dengan menggunakan metode Staggered Difference in Differences didapatkan bahwa nilai pertumbuhan harga tanah pada lokasi penataan memiliki tingkat signifikansi yang lemah dan dapat meningkatkan harga tanah rata-rata hanya sebesar Rp. 68.919,-/m2 dibandingkan dengan RW yang tidak mendapatkan program peningkatan kualitas permukiman. Sementara itu pada analisis spasial menambahkan variable penjelas antara lain tingkat kekumuhan, kepadatan penduduk, aksesibilitas, fasilitas kesehatan, fasilitas pendidikan, pusat perbelanjaan, ruang publik dan daerah rawan banjir. Dengan menggunakan metode Spatial Durbin Mode diperoleh bahwa faktor-faktor yangmempunyai hubungan spasial dalam mempengaruhi harga tanah secara langsung dan tidak langsung yaitu kepadatan penduduk, tingkat kekumuhan, fasilitas pendidikan, ruang publik dan rawan banjir. Selain itu, penelitian ini juga mengukur harga tanah dalam klaster RW dengan menggunakan metode LISA (Local Indicator Spatial Asociation) serta mengkaji pengelompokan spasial yang signifikan di sekitar wilayah pengamatan. ......The Urban Settlement Quality Improvement Program was implemented in 220 slum areas (RW) out of a total of 445 slum areas in DKI Jakarta from 2018 to 2022. The program focused on physical design through improving environmental roads, sidewalks, environmental drainage, public street lighting, communal septic tanks, communal wastewater treatment plants (IPAL), greening, and waste management. This study aims to measure the impact of the program on land prices in DKI Jakarta, particularly in the transit-oriented development locations in Dukuh Atas and Istora Senayan, as well as spatial factors affecting land prices. The dependent variable used in this study is land price, while the independent variables include a dummy treatment for slum RWs that received the program with the inclusion of relevant control variables. The data used include slum RW levels and sub-samples of non-slum RWs in DKI Jakarta. Using the Staggered Difference in Differences method, it was found that the increase in land prices in the developing areas had considerably weak statistical significance and only increased the average land price by Rp. 68,919 per square meter compared to RWs that did not receive the settlement quality improvement program. The spatial analysis added explanatory variables such as slum level, population density, accessibility, health facilities, educational institutions, shopping malls, public spaces and flood-prone areas. Using Durbin spatial model method, it was found that direct and indirect factors affecting land prices are population density, slum level, educational institutions, public spaces and flood-prone areas. In addition, this study measured land prices in RW clusters using the Local Indicator Spatial Association (LISA) method and examined the significant spatial clustering around the observation area.

Abstrak :
ABSTRAK
Laporan magang ini membahas mengenai proses audit atas akun aset tetap yang merupakan bagian dari audit umum laporan keuangan PT MFY. PT MFY merupakan perusahaan Offshore Services (jasa bawah laut), meliputi offshore installation untuk perusahaan minyak dan gas serta marine survey and positioning services. Auditor telah melaksanakan proses audit sesuai dengan AMR Audit Manual, dimana AMR Audit Manual sendiri dibuat berdasarkan International Standards on Auditing (ISA). Proses audit ini dimulai dari client acceptance and re-evaluation, pre planning, planning, fieldwork, dan completion and finalization. Temuan audit yang didapat dari akun aset tetap ialah ditemukan adanya kelemahan pengendalian internal dan penyusutan aset tetap.

---

ABSTRACT
This report explains about auditing process on property, plant, and equipment account, as part of general audit of financial statement PT MFY. PT MFY is an offshore company which offer services such as offshore installation for oil and gas mining companies and marine survey and positioning service. Auditor had done doing audit based on AMR Audit Manual which based on International Standards on Auditing (ISA). Audit process begin from client acceptance, pre planning, planning, fieldwork, and completion and finalization. Based on process audit that auditor had been held, there are some audit finding such as weakness in internal control and depreciation of fixed assets.

Abstrak :
ABSTRAK
Lumpur tinja berpotensi untuk dimanfaatkan sebagai bahan energi terbarukan, akan tetapi karena karakteristiknya yang memiliki kadar air relatif tinggi diperlukan proses pengeringan terlebih dahulu dengan menggunakan metode biodrying dan hasilnya dapat digunakan sebagai bahan baku refused derived fuel (RDF). Penelitian ini menggunakan 3 desain reaktor dengan rasio pencampuran fraksi organik yang berbeda-beda, yaitu sebesar 31 persen, 40 persen, dan 47 persen. Kemudian dilakukan pengujian parameter kunci dari biodrying, antara lain suhu, kadar air, volatile solid, dan nilai kalor, serta dilakukan juga pengujian tingkat biostabilitas dari feedstock. Berdasarkan hasil yang diperoleh, biodrying menggunakan lumpur tinja dan campuran material organik mampu meningkatkan suhu feedstock hingga rentang 48-52 derajat C, dengan suhu tertinggi terjadi pada Reaktor 2, menurunkan kadar air hingga 5-12 persen, dan kadar volatile solid terendah dicapai Reaktor 3, sebesar 36.57 persen. Pada durasi biodrying hari ke-15, nilai kalor tertinggi terjadi pada Reaktor 3, yaitu sebesar 14.66 MJ/kg, serta tingkat stabilitas tertinggi terjadi pada Reaktor 2 sebesar 0.3 O2.g TS-1.jam-1.

---

ABSTRACT
Faecal sludge has a potential to be used as renewable energy materials, however, since its characteristics which have high moisture content, a drying process is needed using biodrying method that produce raw materials for refused derived fuel (RDF). This study investigated the biodrying performance of three reactor designs using different organic mixing fractions: 31% (Reactor 1), 40 persen (Reactor 2), and 47 persen (Reactor 3) on key parameters, such as temperature, moisture content, volatile solid, and calorific value. In addition, biostability of the feedstock biodrying will also be investigated. Based on the results obtained, the performance of biodrying using faecal sludge and organic fractions increase the temperature to a range of 48-52 derajat C, with the highest temperature occurring in Reactor 2, which is 51.4 derajat C, and decrease moisture content to 5-12 persen, with the lowest volatile solid content reached 36.57 persen in Reactor 3. At the 15th day biodrying process, the highest calorific value of mixing fraction reached 14.66 MJ / kg occurred in the Reactor 3. Besides, the highest level of biostability is equal to 0.3 O2.g TS-1.hour-1 which occurs in Reactor 2.