Hasil Pencarian  ::  Simpan CSV :: Kembali

"Vaksinasi COVID-19 merupakan salah satu solusi jangka panjang untuk mengatasi pandemi COVID-19 di Indonesia. Topik vaksinasi COVID-19 menjadi perbincangan yang hangat, khususnya di media sosial. Berbagai macam pro dan kontra mengenai program vaksinasi terus bermunculan sehingga penelitian mengenai analisis publik terhadap program vaksinasi COVID-19 sangat berguna untuk komunikasi publik. Penelitian ini berfokus kepada lima jenis vaksin yang banyak digunakan di Indonesia yaitu, AstraZeneca, Moderna, Pfizer, Sinopharm dan Sinovac. Sebanyak 252,805 data dikumpulkan melalui media sosial twitter menggunakan Twitter API di tahun 2021. Lalu sebanyak 11,361 dipilih secara acak untuk dianotasi secara manual. Selanjutnya, proses klasifikasi dilakukan menggunakan model bahasa XLMR dan beberapa metode baseline berbasis pre-trained language model, deep learning, machine learning dan lexicon. Augmentasi data seperti Easy Data Augmentation (EDA), An Easier Data Augmentation (AEDA) dan Seqgan juga dilakukan untuk menyeimbangkan jumlah kelas data minoritas. Pembagian data latih dan data uji dilakukan dengan menggunakan dua metode yaitu simple random sampling dan stratified sampling untuk mengetahui performa model yang dilatih. Hasil penelitian menunjukkan bahwa metode yang diusulkan yaitu XLMR, memiliki performa yang tinggi dibandingkan metode baseline lainnya, dengan akurasi sebesar 71.91% sebelum dilakukan augmentasi dan 72.19% setelah dilakukan augmentasi menggunakan Seqgan menggunakan metode pembagian data simple random sampling. Lalu, dengan menggunakan metode pembagian data stratified, XLMR juga memiliki performa terbaik dengan akurasi 59.96% sebelum dilakukan augmentasi dan 74.37% setelah dilakukan augmentasi menggunakan EDA. Penelitian ini akan sangat bermanfaat untuk komunikasi publik dengan kasus serupa. Di masa yang akan datang, penelitian ini bisa dilanjutkan dengan melakukan domain transfer untuk meningkatkan performa model.

---

COVID-19 vaccination is one of the long-term solutions to address the COVID-19 pandemic in Indonesia. The topic of COVID-19 vaccination has become a hot discussion, especially on social media. Various pros and cons regarding the vaccination program continue to emerge, making research on public analysis of the COVID-19 vaccination program very useful for public communication. This study focuses on five types of vaccines widely used in Indonesia, namely AstraZeneca, Moderna, Pfizer, Sinopharm, and Sinovac. A total of 252,805 data were collected through social media Twitter using the Twitter API in 2021. Then, 11,361 were randomly selected to be manually annotated. Subsequently, the classification process was performed using the XLMR language model and several baseline methods based on pre-trained language models, deep learning, machine learning, and lexicon. Data augmentation such as Easy Data Augmentation (EDA), An Easier Data Augmentation (AEDA), and Seqgan was also carried out to balance the number of minority class data. The division of training data and test data was done using two methods, namely simple random sampling and stratified sampling, to determine the performance of the trained model. The results of the study show that the proposed method, XLMR, has high performance compared to other baseline methods, with an accuracy of 71.91% before augmentation and 72.19% after augmentation using Seqgan with the simple random sampling data splitting method. Then, using the stratified data splitting method, XLMR also had the best performance with an accuracy of 59.96% before augmentation and 74.37% after augmentation using EDA. This research will be very useful for public communication with similar cases. In the future, this research can be continued by conducting domain transfer to improve model performance."

"In this book along with the VHDL coding issues, the simulation and synthesis with the various toolsets enables the potential reader to visualize the final design. The VHDL design codes have been synthesized using different third party tools such as xilinx web pack Ver.11, modelsim PE, leonrado spectrum and synplify pro. Mixed flow illustrated by using the above mentioned tools presents an insight to optimize the design with reference to the spatial, temporal and power metrics."

"Coronavirus disease 2019 atau COVID-19 merupakan suatu penyakit menular yang disebabkan oleh virus bernama SARS-CoV-2 dan menginfeksi sistem pernapasan manusia. Untuk mengendalikan penyebaran COVID-19 selama masa pandemi, pemerintah di berbagai negara telah menerapkan berbagai jenis modifikasi dalam kehidupan sehari-hari, contohnya dengan menerapkan sistem lockdown. Tetapi, adanya modifikasi gaya hidup tersebut dapat meninggalkan beberapa dampak, salah satunya adalah konsekuensi sosial psikologis yang meliputi masalah stres psikologis. Stres psikologis yang dirasakan oleh seseorang dapat dijelaskan oleh beberapa faktor. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah serta menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020. Penelitian ini akan menggunakan data sekunder berupa data survei global yang diselenggarakan oleh COVIDiSTRESS. Adapun metode yang digunakan untuk menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 adalah exploratory data analysis (EDA) dan metode untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah adalah analisis regresi berganda. Hasil dari penelitian ini menunjukkan bahwa terdapat adanya kecenderungan perbedaan karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 jika dilihat berdasarkan informasi demografi serta pengukuran psikologis berupa variabel-variabel pertanyaan di dalam survei. Selain itu, secara global didapatkan beberapa faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, contohnya seperti tingkat kesepian, usia, dan tipe kepribadian neuroticism. Kemudian untuk beberapa negara yang diamati, mayoritas faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020 contohnya meliputi tingkat kesepian, seberapa bervariasi sumber pemicu stres, dan usia.

---

Coronavirus disease 2019 or COVID-19 is an infectious disease caused by a virus called

SARS-CoV-2 and infects the human respiratory system. To control the spread of COVID-

19 during the pandemic, governments in various countries have implemented various

types of modifications in daily life, for example by implementing a lockdown system.

However, these lifestyle modifications can leave several impacts, one of which is socio-

psychological consequences which include psychological stress problems. The

psychological stress felt by a person can be explained by several factors. This study aims

to identify factors that can explain a person's stress level during the early days of the

COVID-19 pandemic in 2020, both globally and for several countries separately and

analyze the characteristics of individuals in several countries during the early days of the

COVID-19 pandemic in 2020. This research will use secondary data in the form of global

survey data organized by COVIDiSTRESS. The method used to analyze the

characteristics of individuals in several countries during the early days of the COVID-19

pandemic in 2020 is exploratory data analysis (EDA) and the method to identify factors

that can explain a person's stress level during the early days of the COVID-19 pandemic

in 2020, both globally and for several countries separately is multiple regression analysis.

The results of this study show that there is a tendency for differences in individual

characteristics in several countries during the early days of the COVID-19 pandemic in

2020 when viewed based on demographic information and psychological measurements

in the form of question variables in the survey. In addition, globally, there are several

important factors that can explain a person's stress level during the initial period of the

COVID-19 pandemic in 2020, such as the level of loneliness, age, and neuroticism

personality type. Then for some countries observed, the majority of important factors that

can explain a person's stress level during the early days of the COVID-19 pandemic in

2020 include the level of loneliness, how varied the sources of stress triggers are, and age"

"Pesatnya perkembangan industrialisasi global menyebabkan semakin meningkatnya penggunaan energi tak terbarukan. Biogas merupakan jenis energi terbarukan yang bisa dijadikan sebagai solusi alternatif energi. Biogas berasal dari kotoran ternak hewan dan limbah yang memiliki kandungan paling besarnya adalah metana (CH4) dan karbondioksida (CO2). Untuk mendapatkan bahan bakar yang optimal, kandungan CO2 pada biogas harus dikurangi. Salah satu metodenya adalah dengan menggunakan material metal organic framework (MOF). MOF merupakan salah satu material yang telah banyak dilaporkan memiliki kapasitas adsorpsi CO2 yang baik. Pada penelitian ini dilakukan sintesis MOF dengan menggunakan logam Nikel dan ligan organiknya berupa asam 2,5- dihidroksitereftalat yang divariasikan dengan etilendiamin menggunakan metode post- synthetic modification. Sintesis telah berhasil dilakukan dengan karakterisasi XRD,FTIR,SAA-BET, dan SEM-EDX. Uji adsorpsi CO2 menunjukkan bahwa semakin tinggi suhu dan konsentrasi CO2, maka semakin besar adsorpsinya, dengan kapasitas adsorpsi sebesar 23,131 mmol/g untuk MOF NiDOBDC dan 38,692 mmol/g untuk MOF (EDA)Ni-DOBDC pada kondisi optimumnya. Penambahan etilendiamin terbukti meningkatkan kapasitas adsorpsi 2 kali lipat dari kapasitas sebelum penambahan etilendiamin pada kondisi optimumnya. Pada uji reusabilitas menunjukkan bahwa MOF Ni-DOBDC memiliki kemampuan regenerasi sebesar 67% dan 47%, sementara MOF (EDA)Ni-DOBDC menghasilkan kemampuan regenerasi sebesar 49% dan 28% untuk siklus kedua dan ketiga secara berturut-turut.

---

The rapid development of global industrialization has led to the increasing use of non- renewable energy. Biogas is a type of renewable energy that can be used as an alternative energy solution. Biogas comes from animal manure and waste which contains the largest amounts of methane (CH4) and carbon dioxide (CO2). To get optimal fuel, the CO2 content in biogas must be reduced. One method is to use metal organic framework (MOF) material. MOF is a material that has been widely reported to have good CO2 adsorption capacity. In this research, MOF synthesis was carried out using nickel metal and an organic ligand in the form of 2,5-dihydroxyterephthalic acid varied with ethylenediamine using the post-synthetic modification method. Synthesis has been successfully carried out with XRD, FTIR, SAA-BET, and SEM-EDX characterization. The CO2 adsorption test shows that the higher the temperature and CO2 concentration, the greater the adsorption, with an adsorption capacity of 23,131 mmol/g for NiDOBDC MOF and 38,692 mmol/g for (EDA)Ni-DOBDC MOF at optimum conditions. The addition of ethylenediamine was proven to increase the adsorption capacity 2 times the capacity before the addition of ethylenediamine at optimum conditions. The reusability test shows that the Ni-DOBDC MOF has a regeneration capacity of 67% and 47%, while the (EDA)Ni-DOBDC MOF produces a regeneration capacity of 49% and 28% for the second and third cycles respectively."

"Perkembangan teknologi dan digitalisasi telah memudahkan akses informasi melalui internet, termasuk dalam jurnalistik. Data menunjukkan bahwa terdapat ribuan portal berita daring di Indonesia, dengan detik.com menjadi salah satu yang paling banyak diakses dan terverifikasi oleh Dewan Pers. Penelitian ini menganalisis tren dan sentimen berita pemilihan umum 2024 di detik.com menggunakan metode deep learning. Data dikumpulkan dari berita selama tiga bulan masa kampanye dan dibagi menjadi tiga dataset sesuai pasangan calon presiden. Metode yang digunakan mencakup Exploratory Data Analysis (EDA) dan analisis sentimen menggunakan model Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU), serta advanced model-nya. Hasil penelitian menunjukkan pasangan calon nomor urut 02 memiliki frekuensi pemberitaan tertinggi yang fluktuatif, sementara pasangan calon nomor urut 01 dan 03 lebih stagnan. Sentimen positif mendominasi pemberitaan dengan topik berbeda pada setiap peak conversation. Analisis sentimen menunjukkan model CNN-LSTM memiliki akurasi tertinggi, namun model dasar CNN, LSTM, dan GRU juga menunjukkan performa baik dengan akurasi, F1-Score, precision, dan recall di atas 80%, serta waktu runtime yang lebih singkat, menjadikannya pilihan lebih optimal untuk dataset ini.

---

The rapid development of technology and digitalization has facilitated access to information, including journalism. Thousands of online news portals exist in Indonesia, with detik.com being one of the most accessed and verified by Dewan Pers. This study analyzes trends and sentiment in news about the 2024 general election reported by detik.com. Data were collected during the three-month campaign period and divided into three datasets for each presidential candidate pair. Methods used include Exploratory Data Analysis (EDA) to identify trends and news frequency, and sentiment analysis using Natural Language Processing (NLP) techniques like Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU), along with advanced models. Results show that candidate pair 02 has the highest and most fluctuating news frequency, while pairs 01 and 03 have more stable trends. Positive sentiment dominates coverage for all candidates, with different topics during peak discussions: pair 01 in campaign contexts, pair 02 during the third debate, and pair 03 early in the nomination period. The CNN-LSTM model shows the highest accuracy in sentiment analysis, but fundamental models—CNN, LSTM, and GRU—also perform well, achieving over 80% accuracy, F1-Score, precision, and recall, with shorter runtime."

"Peningkatan jumlah penduduk dan penggunaan bahan bakar fosil menyebabkan peningkatan konsentrasi karbon dioksida yang berdampak pada berbagai masalah di bumi. Biogas menjadi salah satu sumber energi terbarukan yang dapat menggantikan bahan bakar fosil. Biogas sebagian besar terdiri atas gas metana (CH4) dan gas karbon dioksida (CO2). Namun, keberadaan gas karbon dioksida ini dapat menyebabkan korosi, pengendapan, dan kerusakan pada mesin. Salah satu metode pemisahan CO2 dari biogas adalah secara adsorpsi menggunakan material Metal Organic Framework (MOF). Penelitian ini bertujuan untuk mengidentifikasi karakteristik dan membandingkan kinerja adsorpsi dari MOF berbasis bimetal dengan monometal. Oleh karena itu, pada penelitian ini akan dilakukan sintesis MOF bimetal berbasis nikel-kobalt dengan menggunakan ligan asam benzena 1,4-dikarboksilat melalui metode solvothermal serta modifikasinya dengan etilendiamin 15% menggunakan metode post-synthetic modification. Penambahan gugus polar seperti amina (-NH2) ke dalam Secondary Building Unit (SBU) dilakukan untuk meningkatkan kapasitas adsorpsi gas dari material MOF. MOF hasil sintesis kemudian dikarakterisasi menggunakan XRD, FTIR, SAA-BET, XRF, dan TGA. Hasil uji adsorpsi gas menunjukkan Ni/Co-MOF termodifikasi etilendiamin memiliki kapasitas adsorpsi yang lebih besar dibandingkan dengan jenis MOF monometal dan tanpa modifikasi etilendiamin, yaitu sebesar 24,997 mmol/g. Uji selektivitas adsorpsi gas CO2 dalam campuran gas CO2/CH4 menunjukkan Ni/Co-MOF termodifikasi etilendiamin lebih baik dibandingkan tanpa modifikasi etilendiamin.

---

The increase in population and use of fossil fuels causes an increase in carbon dioxide concentrations which have an impact on various problems on earth. Biogas is a renewable energy source that can replace fossil fuels. Biogas mostly consists of methane gas (CH4) and carbon dioxide gas (CO2). However, the presence of carbon dioxide gas can cause corrosion, deposition and damage to the engine. One method of separating CO2 from biogas is by adsorption using Metal Organic Framework (MOF) material. This research aims to identify the characteristics and compare the adsorption performance of bimetallic and monometallic based MOFs. Therefore, in this research, a nickel-cobalt based bimetallic MOF will be synthesized using a benzene 1,4-dicarboxylic acid ligand using the solvothermal method and modification with 15% ethylenediamine using the post-synthetic modification method. The addition of polar groups such as amine (-NH2) into the Secondary Building Unit (SBU) is carried out to increase the gas adsorption capacity of the MOF material. The synthesized MOF was then characterized using XRD, FTIR, SAA-BET, XRF, and TGA. The gas adsorption test results show that ethylenediamine-modified Ni/Co-MOF has a greater adsorption capacity compared to monometal MOF and without ethylenediamine modification, namely 24.997 mmol/g. The CO2 gas adsorption selectivity test in the CO2/CH4 gas mixture showed that ethylenediamine-modified Ni/Co-MOF was better than without ethylenediamine modification."