Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Many kinds of classification method are able to diagnose a patient who suffered Hepatitis disease. One of classification methods that can be used was Least Squares Support Vector Machines (LSSVM). There are two parameters that very influence to improve the classification accuracy on LSSVM, they are kernel parameter and regularization parameter. Determining the optimal parameters must be considered to obtain a high classification accuracy on LSSVM. This paper proposed an optimization method based on Improved Ant Colony Algorithm (IACA) in determining the optimal parameters of LSSVM for diagnosing Hepatitis disease. IACA create a storage solution to keep the whole route of the ants. The solutions that have been stored were the value of the parameter LSSVM. There are three main stages in this study. Firstly, the dimension of Hepatitis dataset will be reduced by Local Fisher Discriminant Analysis (LFDA). Secondly, search the optimal parameter LSSVM with IACA optimization using the data training, And the last, classify the data testing using optimal parameters of LSSVM. Experimental results have demonstrated that the proposed method produces high accuracy value (93.7%) for the 80-20% training-testing partition

Banyak metode klasifikasi yang mampu mendiagnosa seorang pasien mengidap penyakit Hepatitis, salah satunya adalah menggunakan metode klasifikasi Least Squares Support Vector Machines (LSSVM). Terdapat dua parameter yang sangat berpengaruh pada LSSVM yaitu parameter kernel dan parameter regularisasi. Penentuan parameter optimal tersebut harus diperhatikan untuk mendapatkan akurasi klasifikasi yang tinggi pada LSSVM. Penelitian ini mengusulkan metode optimasi Improved Ant Colony Algorithm (IACA) dalam penentuan parameter optimal LSSVM untuk mendiagnosa penyakit Hepatitis. IACA membuat penyimpanan solusi untuk menjaga rute dari keseluruhan semut. Solusi yang disimpan adalah nilai parameter LSSVM. Ada 3 tahapan utama pada penelitian ini yaitu, dimensi dataset Hepatitis direduksi menggunakan metode Local Fisher Discriminant Analysis (LFDA), kemudian parameter optimal LSSVM dicari dengan metode optimasi IACA menggunakan data training, setelah itu data testing diklasifikasikan menggunakan parameter optimal LSSVM. Hasil uji coba menunjukkan bahwa metode yang diusulkan menghasilkan nilai akurasi yang tinggi (93,7%) pada partisi 80-20% training dan testing.

Abstrak :
ABSTRAK
Optimalisasi portofolio bertujuan agar investor mendapatkan return tertinggi dan mendapatkan risiko terendah. Untuk mencapai tujuan ini, investor melakukan diversifikasi untuk meningkatkan kinerja portofolio dengan meminimalkan risiko portofolio. Pada penelitian ini digunakan algoritma Iterative K-Means -+ sebagai metode clustering dan Ant Colony Optimization (ACO). Pengelompokan digunakan untuk diversifikasi portofolio berdasarkan rasio keuangan masing-masing saham. K-Means berulang -+ ini memperbaiki solusi dari K-Means dengan menghapus 1 cluster (minus), membagi 1 cluster (plus) dan re-clustering di setiap iterasi. Setelah pengelompokan, beberapa saham dipilih dan bobotnya ditentukan dengan metode metaheuristik, yaitu: Algoritma Ant Colony Optimization (ACO). Hasil numerik dari metode ini dievaluasi dengan data yang sebenarnya.
ABSTRACT
Portfolio optimization aims for investors to get the highest return and get the lowest risk. To achieve this goal, investors diversify to improve portfolio performance by minimizing portfolio risk. In this study, the Iterative K-Means -+ algorithm was used as a clustering method and Ant Colony Optimization (ACO). Grouping is used to diversify the portfolio based on the financial ratios of each stock. Iterative K-Means --+ this improves the solution of K-Means by removing 1 cluster (minus), dividing 1 cluster (plus) and re-clustering in each iteration. After grouping, several stocks are selected and their weights are determined by the metaheuristic method, namely: Ant Colony Optimization (ACO) Algorithm. The numerical results of this method are evaluated with actual data.

Abstrak :
[ABSTRAK
Telah dilakukan penelitian untuk mendeteksi sebuah patahan dengan metode Ant-tracking, penelitian ini dilakukan karena identifikasi sebuah patahan bukanlah perkara yang mudah. Pada penelitian ini data yang diolah dan dimodelkan adalah data dari lapangan Gulf of Mexico. Dipilihnya metode attribut ant-tracking karena telah terbukti dapat memudahkan dalam menganalisa sebuah patahan. Sebelum proses Ant-tracking dilakukan terlebih dahulu dilakukan proses Seismic Conditioning dengan Structural Smoothing agar diperoleh data yang baik serta untuk mereduksi noise-noise yang tidak diinginkan. Hasil penelitian menunjukkan segmentasi patahan yaitu patahan mayor sejumlah dua buah serta delapan patahan minor. Patahan ini dapat terjadi juga terkait dengan struktur pada lapangan Gulf of Mexico yang merupakan endapan dari kumpulan lapisan terrigenous miring yang menebal ke arah teluk. Struktur yang diciptakan oleh sejarah panjang tektonik gravitasi ( sesar tumbuh ) yang saling berpengaruh terhadap endapan garam dan batulumpur overpressured. Perkembangan luas dari endapan - endapan overpressured meningkatkan produktivitas dari potensi reservoir.

---

ABSTRACT
The study has been to detect a fault with ant-tracking method. This research conducted to identify a fault is not an easy matter. This research data is processed and modeled from the Gulf of Mexico field data. Ant-tracking attribute method was chosen because it has proven to be easier to analyze a fault. Before the ant-tracking implemented, seismic conditioning process with structural smoothing applied first, in order to obtain good data as well as to reduce unwanted noises. The reseach show fault segmentation results, two major faults and eight minor faults. This fault can also occur related to the subsurface structure Gulf of Mexico which is a collection of layers of terrigenous sediment thickened tilted the bay. Structure created by a long history of tectonic gravity (growth faults) that affect the salt domes and the overpressured shale. Comprehensive development of overpressured sediments increases the productivity of the reservoir potential, The study has been to detect a fault with ant-tracking method. This research conducted to identify a fault is not an easy matter. This research data is processed and modeled from the Gulf of Mexico field data. Ant-tracking attribute method was chosen because it has proven to be easier to analyze a fault. Before the ant-tracking implemented, seismic conditioning process with structural smoothing applied first, in order to obtain good data as well as to reduce unwanted noises. The reseach show fault segmentation results, two major faults and eight minor faults. This fault can also occur related to the subsurface structure Gulf of Mexico which is a collection of layers of terrigenous sediment thickened tilted the bay. Structure created by a long history of tectonic gravity (growth faults) that affect the salt domes and the overpressured shale. Comprehensive development of overpressured sediments increases the productivity of the reservoir potential]

Abstrak :
ABSTRACT
Reservoir basement yang retak adalah reservoir yang terletak di lapisan basement, terdiri batu kristal baik batuan metamorf atau batuan beku. Waduk ini biasanya ada fraktur sebagai porositas sekundernya mengandung hidrokarbon. Indonesia memiliki potensi sumber daya reservoir basement fraktur, termasuk Subbasin Jambi di bagian utara dari Cekungan Sumatra Selatan. Dalam penelitian ini, atribut pelacakan semut dijalankan menggunakan semut triple run melacak dan menghasilkan gambar fraktur pada data seismik 3D yang didominasi oleh NE-SW orientasi dan orientasi NW-SE kecil. Orientasi fraktur dikonfirmasi dengan FMI gambar "POME-1" berarah baik NE-SW. Resistivitas tinggi pada log resistivitas menunjukkan kandungan hidrokarbon dalam fraktur yang diidentifikasi.

---

ABSTRACT
A cracked basement reservoir is a reservoir located in the basement layer, composed Crystal stones are either metamorphic or igneous rocks. This reservoir usually exists fracture as a secondary porosity containing hydrocarbons. Indonesia has potential fracture basement reservoir resources, including the Jambi Subbasin in the north from the South Sumatra Basin. In this study, the ant tracking attributes were run using triple run ants track and produce fracture images on 3D seismic data dominated by NE-SW orientation and orientation of the NW-SE is small. Fracture orientation is confirmed by FMI the image "POME-1" is trending both NE-SW. High resistivity in the resistivity log shows the hydrocarbon content in the identified fracture.