Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Misalkan 𝐺(𝑝,𝑞) adalah suatu graf dengan 𝑝 simpul dan 𝑞 busur dengan himpunan simpul 𝑉dan himpunan busur 𝐸. Suatu graf 𝐺(𝑝,𝑞) dikatakan harmonis ganjil jika terdapat fungsi injektif 𝑓:𝑉(𝐺)→{0,1,2,…,2𝑞−1} sedemikian sehingga menginduksi pemetaan 𝑓∗(𝑢𝑣)=𝑓(𝑢)+𝑓(𝑣) yang merupakan fungsi bijektif 𝑓∗:𝐸(𝐺)→{1,3,5,…,2𝑞−1}. Graf yang memiliki pelabelan harmonis ganjil disebut graf harmonis ganjil. Pada skripsi ini diberikan konstruksi pelabelan harmonis ganjil pada graf gabungan korona isomorfis, 𝑚(𝐶𝑛⊚𝐾𝑟̅̅̅) untuk n≡0(mod 4). Lebih lanjut juga dibuktikan bahwa 𝑚(𝐶𝑛⊚𝐾𝑟̅̅̅) bukan graf harmonis ganjil jika 𝑛 ganjil. ...... Let 𝐺(𝑝,𝑞) be a graph with 𝑝 vertices and 𝑞 edges with set of vertice 𝑉 and set of edge 𝐸. A graph G (p, q) is said to be odd harmonious if there exists an injection 𝑓:𝑉(𝐺)→{0,1,2,…,2𝑞−1}, such that induced mapping 𝑓∗(𝑢𝑣)=𝑓(𝑢)+𝑓(𝑣) is a bijection 𝑓∗:𝐸(𝐺)→{1,3,5,…,2𝑞−1}. A graph with odd harmonious labelling is called odd harmonious graph. In this skripsi, it will be given a construction of an odd harmonious labeling on the union of isomorphic corona graph, 𝑚(𝐶𝑛⊚𝐾𝑟̅̅̅) for n≡0(mod 4). Moreover, it is also proved that 𝑚(𝐶𝑛⊚𝐾𝑟̅̅̅) is not odd harmonious graph if 𝑛 is odd.

Abstrak :
Secara matematis, melipat dapat dilakukan dengan merotasi bidang kertas yang ingin dilipat terhadap sumbu garis lipatan. Pemetaan dari kertas ke hasil lipatan origami dilakukan dengan merotasi bidang kertas yang sesuai. Apabila sebuah origami yang telah selesai dibuka kembali, terdapat garis-garis bekas lipatan pada kertas. Garis-garis lipatan ini disebut sebagai pola lipatan. Jika sebuah pola lipatan dapat dilipat, perkalian matriks-matriks rotasi sesuai merupakan matriks identitas. Hal ini berlaku pada origami simpul tunggal, dan berlaku secara lokal pada origami simpul jamak, namun dapat diperluas sehingga berlaku secara global pada origami simpul jamak. ...... Mathematically, to fold a paper is to rotate the paper along a crease line as the axis. The mapping from the paper to the finished origami fold is done by rotating parts of the paper to the appropriate locations. Unfolding finished origami reveals a pattern of crease lines, known as crease pattern. If the crease pattern is foldable, then the product of the associated rotational matrices is the identity matrix. This condition holds in a single vertex crease pattern and holds locally in a multiple vertex crease pattern and can be adapted to a global condition in a multiple vertex crease pattern.

Abstrak :
Pada model hidden Markov (HMM), keadaan saat ini hanya bergantung pada keadaan tepat sebelumnya tetapi tidak bergantung pada observasi tepat sebelumnya. Pada skripsi ini dibahas mengenai tipe lain dari HMM yang disebut sebagai model hidden Markov dengan keadaan yang bergantung kepada observasi( Hidden Markov Model with States Sepending on Observations atau HMMSDO). Pada HMMSDO, keadaan saat ini bergantung pada keadaan dan observasi yang terjadi tepat sebelumnya dengan barisan keadaan tetap memenuhi sifat Markov. Tiga masalah pada HMMSDO, yaitu masalah evaluasi model, optimisasi barisan keadaan, dan estimasi parameter. Pada skripsi ini akan dibahas mengenai HMMSDO, penggunaannya dalam prediksi struktur protein sekunder, beserta analisa implementasinya. Tiga prosedur dalam implementasi adalah estimasi parameter, menghitung likelihood, dan memprediksi barisan struktur protein sekunder. Hasil implementasi menunjukkan adanya pengaruhi nilai awal prosentase keakuratan prediksi dan semakin besar jumlah data training, semakin baik prosentase keakuratan yang dihasilkan. Data yang digunakan adalah data protein immunoglobin dan dapat diunduh pada http://swift.cmbi.ru.nl/gv/pdbfinder/. ...... In the standard hidden Markov model (HMM), the current state depends only on the immediately preceeding state, but does not depend on the immediately preceeding observation. This skripsi presents a new type of hidden Markov model which is called hidden Markov model with states depending on observations (HMMSDO). In HMMSDO, the current state depends on the immediately preceeding state and observation, and the state sequence has Markov property. Three problems in HMMSDO, which are model evaluation, state sequence optimization, and parameter estimation. This skripsi will gives explanation regarding HMMSDO, the implementation of it in predicting protein secondary structures, and analization of the implementation. Three procedures in the implementation are parameter estimation, computation of likelihood, and prediction of protein secondary structure. The implementation shows that initial parameter value affect the percentage accuracy of predicition and the bigger amount data training used will give better percentage accuracy of prediction. Data that is used is protein from immunoglobin and can be downloaded at http://swift.cmbi.ru.nl/gv/pdbfinder/.