Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Data lifetime merupakan data yang berisi lama waktu hidup suatu individu ataupun suatu produk yang diukur dari awal waktu penelitian hingga terjadinya suatu event. Salah satu distribusi yang sering digunakan untuk analisis data lifetime adalah distribusi Weibull karena memiliki bentuk fungsi hazard konstan, naik, dan turun. Akan tetapi, terdapat data lifetime dengan bentuk fungsi hazard lain yaitu bentuk unimodal. Oleh karena itu, dilakukan pengembangan distribusi Weibull menggunakan metode compounding sehingga menghasilkan distribusi Weibull-Geometrik (WG) yang dapat memodelkan data lifetime dengan bentuk fungsi hazard unimodal. Pada kenyataannya, terdapat data lifetime yang berbentuk diskrit (count data). Oleh karena itu, pada skripsi ini dibahas pembentukan distribusi yang dapat memodelkan data lifetime diskrit, yang diperoleh dengan cara melakukan diskritisasi pada distribusi WG kontinu. Diskritisasi yang dilakukan yaitu dengan mempertahankan salah satu karakteristik yang dimiliki distribusi Weibull-Geometrik, yaitu fungsi survivalnya. Distribusi yang dihasilkan yaitu distribusi Discrete Weibull Geometrik (DWG), memiliki bentuk fungsi hazard turun, naik, dan unimodal serta cukup baik dalam memodelkan data lifetime diskrit (count data). Diakhir skripsi ini, juga dibahas penggunaan distribusi DWG yang diilustrasikan pada data waktu hidup pasien lupus nephritis dalam waktu hari sehingga merupakan data diskrit. Kemudian, ditunjukkan bahwa distribusi DWG sesuai untuk memodelkan data waktu hidup pasien lupus nephritis.

---

Lifetime data is data that contains the lifetime of an individual or a product that is measured from the beginning of the research time until an event occurs. One distribution that is often used for lifetime data analysis is Weibull distribution, because it has a constant, increasing, and decreasing hazard function. However, there is lifetime data with another form of the hazard function, that is the unimodal form (upside-down bathtub). Because of this, we developed Weibull distribution using the compounding method to produce a Weibull-Geometric distribution that can model lifetime data in unimodal hazard function form. But in fact, there are discrete lifetime data (count data). Hence, this paper discuss the formation of distributions that can model discrete lifetime data, which is obtained by discretizing a continuous Weibull-Geometric distribution (WG). Discretization is carried out by maintaining one of the characteristics of the Weibull-Geometric distribution, that is, its survival function. The result distribution, discrete Weibull Geometric distribution (DWG), has a form of increasing, decreasing, and unimodal hazard function, and quite good at modelling discrete lifetime data (count data). At the end of paper, the DWG distribution is used to illustrate dataset of lifetime patients lupus nephritis and shown that the DWG distribution is the appropriate model.

Abstrak :
Telah dikerjakan sistem pengukuran ketinggian suatu tempat, dengan menggunakan laser HeNe. Sistim ini memanfaatkan spot sinar laser yang dikenakan pada posisi obyek tertentu yang ditangkap intensitasnya oleh teleskop dan pulsanya dibandingkan dengan pola referensi lainnya yang sudah diketahui. Hasilnya diperoleh lewat osiloskop dan dipakai untuk menghitung ketinggian spot dari permukaan tanah. Hasil pengukuran menunjukkan akurasi 95 % dengan kesalahan 4,75 %. Pengembangan lebih lanjut dari sistim yang dikerjakan ini, adalah Theodolit berbasiskan sinar laser.

Abstrak :
ABSTRAK


Tesis ini membahas sistem kisi adaptif yang digunakan untuk penyelesaian sistem Persamaan Diferensial Parsial (PDP) hasil pemodelan dari pencemaran air tanah. Sistem PDP yang terbentuk diselesaikan secara numerik dengan menggunakan metoda garis, sedangkan sistem Persamaan Diferensial Biasa (PDB) yang terlibat diselesaikan dengan menggunakan paket VODPK. Selama integrasi digunakan mekanisme pengkisian adaptif.

Metoda pengkisian adaptif yang digunakan adalah dari kelas metoda pengkisian statis, yaitu metoda penghalusan kisi tak-seragam dan metoda penghalusan kisi seragam lokal. Pada masing-masing metoda digunakan strategi penghalusan yang dikemukakan oleh Trompert dan Verwer (1991).

Hasil komputasi menunjukkan bahwa dibandingkan dengan kisi tak-adaptif pemakaian kisi adaptif mempunyai tingkat efisiensi yang berarti baik dari segi waktu komputasi maupun memori yang digunakan. Sedangkan diantara kedua metoda pengkisian yang digunakan metoda penghalusan kisi seragam lokal lebih efisien dibandingkan dengan metoda penghalusan kisi tak-seragam.

Abstrak :
Smartphone telah dikembangkan sebagai alat deteksi pothole oleh berbagai penelitian karena potensinya dalam memberikan manfaat pengumpulan data secara crowdsourcing tanpa memerlukan suatu infrastruktur khusus dan mahal. Namun, metode deteksi pothole berbasis smartphone memiliki tantangan dalam menghadapi berbagai ketidakpastian intrinsik dalam mengukur sinyal yang dihasilkan oleh perangkat smartphone berbeda. Ketangguhan metode dalam menghadapi ketidakpastian intrinsik tersebut diperlukan agar potensi pengumpulan data secara crowdsourcing dapat tercapai. Meskipun telah banyak penelitian yang menghasilkan kinerja deteksi yang memuaskan, berbagai macam faktor ketidakpastian masih mencegah ketangguhan penuh dari metode deteksi pothole tersebut. Penelitian menanggapi faktor-faktor ketidakpastian potensial sebagai faktor prediktor dalam mengembangkan model deteksi berbasis algoritma Random Forest dengan memanfaatan sudut Euler untuk menyelaraskan percepatan akselerometer terhadap percepatan vektor gravitasi; menerapan profil matriks untuk mengurangi kesalahan pelabelan pothole dan memberikan apriori untuk klasifikasi secara efisien; dan diskritisasi temporal pada data sensor dengan penghalusan data tersegmentasi berdasarkan jarak roda platform deteksi (Zona Deteksi). Ketangguhan metode dibuktikan dengan eksperimen faktorial bertingkat dengan variasi spesifikasi perangkat sensor, variasi rute dan tingkatan pothole, serta variasi ketersediaan sensor. Eksperimen membuktikan bahwa faktor-faktor ketidakpastian memiliki efek signifikan secara statistik, namun tidak mempengaruhi kinerja model-model yang dihasilkan. Selain tangguh, kinerja model klasifikasi yang dihasilkan menunjukkan hasil serupa atau bahkan lebih baik dari metode lain yang ada saat ini. ......Smartphones have been developed as a pothole detection tool by various studies due to their potential in providing crowdsourced data collection without the need for special and expensive infrastructure. However, a reliable smartphone-based pothole detection method is challenging to develop due to various uncertainties in measuring the signal generated by different smartphone devices. A robust method is needed to deal with said uncertainties so crowdsourced data collection potential can be achieved. Although many studies have yielded satisfactory performance, various uncertainty factors still prevent the full robustness of the existing pothole detection methods. This study endeavors to address the potential uncertainty factors as predictors in developing a pothole detection model with Random Forest algorithm. This is done by incorporating Euler angles to align the relevant sensor data to gravitational vector acceleration; matrix profile to reduce pothole labeling errors and provide a priori for efficient classification; and temporal discretization of sensor data with data segment-smoothing based on detection platform wheelbase (Detection Zone). The robustness of the proposed method is proven using multilevel factorial experiment with variations of sensor device specifications, variations in routes and levels of potholes, and variations in sensor availability. The conducted experiment proves the statistical significance of the simulated uncertainty factors does not affect the performance of the resulting models. Besides showing robustness, the performance of the resulting classification models shows promising results that are comparable to or better than other currently available smartphone-based pothole methods.

Abstrak :
Dalam pengolahan hasil Computational Fluid Dynamics (CFD), tahap verfikasi dan validasi sangat penting untuk dilakukan yaitu agar hasil simulasinya dapat dipercaya. Terkhusus pada tahap verifikasi, metode Grid Convergence Index (GCI) merupakan metode yang lazim digunakan untuk membuktikan bahwa pengaruh diskritisasi spasial sudah tidak signifikan. Hanya saja, metode GCI sendiri juga memiliki berberapa masalah seperti: kebutuhan mesh yang cukup rapat, sehingga dibutuhkan waktu yang cukup lama dalam simulasinya, reabilitas yang kadang dapat dipertanyakan, dan terlalu sensitifnya metode tersebut terhadap faktor eksternal. Hal-hal ini membuat perbaikan dari metode GCI menjadi sebuah hal yang sangat diincar dalam CFD dan penelitian ini akan mencoba menangani masalah tersebut. Sebuah metode verifikasi error disktirisasi spasial akan dikembangakan dari perilaku gradien pada hasil CFD dan diuji performanya. Pengujian ini akan meliputi masalah akurasi, rentang estimasi, dan kebutuhan waktu komputasi. Untuk metode pengujiannya, akan digunakan sebuah dataset yang terdiri dari 11 jenis simulasi yang diketahui solusi analitisnya, dengan jumlah mesh pada setiap simulasi berada pada kisaran 17 – 44 mesh. Dari seluruh simulasi ini, 36 variable uji akan diambil untuk analisis. Dari hasil pengujian, didapat bahwa metode berbasis gradien ini lebih akurat, memeliki rentang estimasi yang lebih ketat, serta dapat menghemat waktu komputasi 15% - 30% dari metode GCI.

---

Within Computational Fluid Dynamics (CFD), the result must be verified and validated to ensure a trustworthy result. Especially for the verification process, the Grid Convergence Index (GCI) has been the usual method to prove that the spatial discretization effect has been minimized. Apprantly, the GCI method does have some problems such as a high mesh density mesh requirement which means that the required simulation time is also high, the reability of the method is sometimes questionable, and it is very sensitive to any external factors. These problems have made the need of a fix for the GCI method, which is what this research is aiming to do. A new spatial discretization error verifcation method is developed based on the behavior of the gradient of a CFD result and it is going to be evaluated. This evaluation encompasses its accuracy, estimation range, and also its computational time. The testing would be done by using a dataset of 11 simulations that have a known analytical solution. The number of mesh for each of theses simulations is between 17 – 44 mesh each. From all of theses simulations, 36 variables are taken for the analysis. The result showed that the gradient based method is more accurate, has a tighter estimation range and it could save 15% - 30% of the computational time compared to the GCI method.

Abstrak :
Unknown.