Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Informasi mengenai penggunaan energi listrik merupakan salah satu elemen penting dalam hal pengaturan distribusi jaringan listrik pada jaringan pintar skala kecil (smart micro grid). Selain itu informasi pemakaian energi listrik dapat membantu konsumen melakukan proses evaluasi pemakaian energi listrik untuk menekan biaya tagihan pembayaran listrik yang secara tidak langsung berpengaruh pada efisensi energi keseluruhan. Salah satu metode dalam proses pemantauan pemakaian energi listrik adalah Non-Intrusive Load Monitoring (NILM). Permasalahan utama dalam NILM adalah mengetahui peralatan-peralatan elektronik yang ada dan mengetahui konsumsi energi listrik masing-masing peralatan dengan hanya melakukan proses pengambilan data hanya dari satu titik yang terhubung dengan semua peralatan elektronik pada jaringan listrik. Berdasarkan hasil pengujian menggunakan dataset AMPds dan REDD, nilai akurasi terendah yang didapatkan adalah sebesar 96,69% pada semua pengujian yang dilakukan.

 

---

Information on electricity consumption is one of the essential elements in terms of regulating the distribution of electricity in smart micro grid. Besides, information on electricity consumption can help consumers carry out an evaluation process to reduce electricity bill costs, which indirectly affect overall energy efficiency. One method in the process of monitoring electricity consumption is Non-Intrusive Load Monitoring (NILM). The main problem in NILM is electronic disaggregation equipment that exists and determines the electrical energy consumption of each appliance by merely performing the retrieval of data from only one point connected with all the electronic devices on the electrical grid. Based on the results of tests conducted using the REDD and AMPds dataset, the lowest accuracy was 96.69% for all tests performed.

 

Abstrak :
Pembentukan dan perkembangbiakan sel tumor terjadi jika protein khusus yang mengatur pembelahan sel mengalami perubahan fungsi, ekspresi gen atau hilang keduanya. Salah satu protein penekan tumor yang berperan dalam pengendalian siklus sel adalah protein TP53. Pada sebagian besar perubahan genetik dalam tumor, baik delesi atau mutasi pada lebih dari 50% kanker pada manusia, ditemukan mutan TP53 yang merupakan faktor beresiko tinggi terhadap kanker. Oleh karena itu, penting untuk melakukan studi tentang pengelompokan interaksi protein-protein TP53. Interaksi protein secara umum disajikan dalam jaringan graf (graph network) dengan protein sebagai simpul dan interaksinya sebagai busur. Algoritma Markov Clustering (MCL) adalah satu metode graph clustering yang dibuat berdasarkan simulasi dari flow stokastik pada suatu graf. Dalam skripsi ini, dibahas mengenai implementasi algoritma MCL pada data interaksi protein-protein TP53 dengan menggunakan bahasa pemrograman Python. Algoritma MCL terdiri dari tiga operasi utama yaitu ekspansi, penggelembungan, dan pemotongan. Selanjutnya, dilakukan analisis hasil clustering dari simulasi algoritma MCL dengan menggunakan parameter ekspansi, penggelembungan dan faktor pengali yang berbeda-beda. Berdasarkan analisis hasil clustering yang dilakukan, algoritma MCL terbukti menghasilkan robust cluster dengan protein TP53 sebagai pusat cluster untuk setiap hasil clustering.

---

The formation and proliferation of tumor cells occurs if a special protein that regulates cell division changing the function, gene expression or lost both. One of the tumor suppressor protein that plays a role in controlling the cell cycle is the TP53 protein. In most of the genetic changes in the tumor, either deletions or mutations in more than 50% of human cancers, it found that mutant of TP53 is a high risk factor for cancer. Therefore, it is important to conduct studies on protein-protein interactions clustering of TP53. Protein interactions are generally presented in the graph network with proteins as nodes and interactions as edges. Markov Clustering (MCL) algorithm is a graph clustering method which is based on a simulation of stochastic flow on a graph. This minithesis discussed about the implementation of the MCL process on protein-protein interaction of TP53 data using the Python programming language. MCL algorithm consists of three main operations: expansion, inflation, and prune. Furthermore, the clustering simulation is using the different parameter of expansion, inflation and the multiplier factor. Based on the analysis of the clustering results, MCL algorithm is proven to produce robust cluster with TP53 protein as a centroid for each clustering results.

Abstrak :
ABSTRAK
Skizofrenia telah diderita oleh lebih dari 21 juta orang di seluruh dunia. Masalah genetik dan lingkungan menjadi salah satu faktor yang berkontribusi dalam perkembangan penyakit ini. Beberapa penelitian menunjukkan beberapa gen yang berhubungan dapat meningkatkan risiko penyakit ini. Gen-gen kandidat yang diperoleh dari beberapa penelitian ternyata membentuk sebuah jaringan besar pada interaksi tingkat proteinnya. Oleh karena itu, perlu dilakukan studi terhadap jaringan interaksi protein dari gen kandidat. Algoritma Regularized Markov Clustering (RMCL) adalah salah satu metode graph clustering yang merupakan pengembangan dari algoritma Markov Clustering (MCL). Dalam skripsi ini, dibahas mengenai implementasi algoritma RMCL pada data jaringan interaksi protein gen-gen kandidat faktor risiko skizofrenia yang dibangun menggunakan bahasa pemrograman R. Simulasi algoritma RMCL dilakukan dengan parameter penggelembungan berbeda-beda. Kemudian, hasil simulasi algoritma RMCL dibandingkan dengan hasil simulasi algoritma MCL dengan parameter yang sama. Algoritma RMCL memberikan hasil dalam bentuk overlapping cluster, hal ini menunjukkan keterikatan antar cluster yang terbentuk. Sehingga, berdasarkan hasil simulasi algoritma RMCL, terdapat hubungan antar cluster protein dari beberapa gen kandidat, salah satunya adalah hubungan gen NRG1 dan CACNG2.

---

ABSTRACT
Schizophrenia has been suffered by over 21 million people worldwide. Genetic and environmental issues are one of the contributing factors in the development of this disease. Some research suggests that several related genes may increase the risk of this disease. Candidate genes that obtained from several research turns up a large network of protein-protein interaction. Therefore, it is necessary to study the protein-protein interaction network of the candidate gene. Regularized Markov Clustering Algorithm (RMCL) is a graph clustering method which is the development of Markov Clustering Algorithm (MCL). This minithesis discussed about implementation of the RMCL algorithm on protein-protein interaction networks on schizophrenia?s risk factors candidate genes data that is built using a programming language R. RMCL algorithm simulation performed with different inflation parameters. Then, the results of the RMCL algorithm simulation compared with MCL algorithm simulation with the same parameters. RMCL algorithm provides results in the form of overlapping clusters, which mean there are relation between clusters. Thus, based on the results of RMCL algorithm simulation, there are relation between protein clusters of several candidate genes, one of which is the relationship of gene NRG1 and CACNG2.

Abstrak :
ABSTRAK
Algoritma Markov Clustering adalah algoritma pengelompokan yang banyak digunakan pada bidang bioinformatik. Operasi utama pada algoritma ini adalah operasi ekspansi. Pada operasi ekspansi dilakukan perkalian dua buah matriks. Karena data pada bidang bioinformatik umumnya berukuran sangat besar dan memiliki tingkat sparsity yang sangat tinggi, diperlukan metode untuk menghemat penggunaan memori dan mempercepat proses komputasi. Sementara itu, Graphics Processing Unit (GPU) berkembang menjadi suatu platform komputasi paralel dengan performa yang lebih baik dari pada Central Processing Unit (CPU). Pada skripsi ini data yang diproses disimpan dalam bentuk sparse matriks ELL-R dan perkalian matriks yang dilakukan menggunakan Sparse Matrix Matrix Product (SpMM) ELL-R. SpMM ELL-R dibuat dengan melakukan Sparse Matrix Vector Product (SpMV) ELL-R beberapa kali. Algoritma MCL yang dibuat menggunakan komputasi paralel dengan GPU.

---

ABSTRACT
Markov Clustering Algorithm is a clustering algorithm that used often in bioinformatics. The main operation of this algorithm is expand operation. The multiplication of two matrix was done in expand operation. Because data processed in bioinformatics usually have a vast amount of information and have high sparsity, a method to save memory usage and make the computating process faster is needed. Meanwhile, Graphics Processing Unit (GPU) developed into a parallel computing platform with better performance compared to Central Processing Unit (CPU). In this skripsi, processed data stored using ELL-R sparse matrix and matrix multiplication done using Sparse Matrix Matrix Product (SpMM) ELL-R. SpMM ELL-R made by doing Sparse Matrix Vector Product (SpMV) ELL-R several times. MCL Algorithm made using parallel computing with GPU.