Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ekstraksi lokasi titik fitur pada wajah seperti titik mata, mulut, dahi, dan hidung dapat memberikan kontribusi besar pada aplikasi-aplikasi pengenalan atau temu kembali wajah. Beberapa metode telah di - kembangkan untuk mengekstrak koordinat titik-titik fitur dari sebuah citra wajah. Tapi kebanyakan dari metodemetode itu sangat tergantung dari fitur geometris dari citra-citra. Jadi tidak ada sebuah metode atau template umum yang dapat digunakan untuk semua titik fitur wajah. Pada penelitian ini, penulis menggunakan Partial Least Square Regression (PLSR) sebagai algoritma ekstraksi dari titik-titik fitur. Kelebihan PLSR adalah dapat menangani, secara efisien, data sets yang memiliki banyak variabel yang saling berkorelasi dan juga banyak mengandung noise. Algoritma ini meneruskan dan menggabungkan properti dari Principal Component Analysis (PCA) dan Multiple Linear Regression. Implementasi yang dilakukan adalah, membuat program yang mendapatkan koefisien pemetaan dari citra wajah ke titik fitur pelatihan, dengan menggunakan algoritma PLSR. Setelah mendapatkan koefisien pemetaan, program akan dapat memetakan lokasi titik fitur dari suatu citra wajah. Tingkat kesalahan pada uji coba yang berkisar antara 3,05%-6,85%, menunjukkan bahwa algoritma PLSR ini cukup baik untuk mengekstraksi titik fitur. Penelitian ini diharapkan dapat menjadi pijakan bagi sistem temu kembali wajah berbasis fitur."

"Magnetic Resonance Spectroscopy (MRS) membantu ahli radiologi untuk mengetahui tingkat keganasan dari kanker otak (astrocytoma). Dalam tugas akhir ini akan dibahas proses klasifikasi terhadap data hasil MRS untuk mengetahui tingkat keganasan dari astrocytoma yang terdiri dari Tingkat rendah (Low Grade), Tingkat tinggi (High Grade), dan Normal. Data yang digunakan dalam tugas akhir ini berasal dari RSU Pusat Nasional Dr. Cipto Mangunkusumo, Jakarta. Metode yang digunakan untuk klasifikasi adalah metode Independent Component Analysis dan metode Possibilistic C-Means. Hasil percobaan yang dilakukan menunjukkan bahwa metode Independent Component Analysis mempunyai nilai akurasi 96,67% sementara nilai akurasi dari metode Possibilistic C-Means mencapai 90,91%. Dalam tugas akhir ini, akan dibuat sebuah perangkat lunak untuk pendukung keputusan yang membantu memberikan informasi mengenai tingkat keganasan dari astrocytoma.

---

Magnetic Resonance Spectroscopy (MRS) helps radiologists to determine the level of malignancy of brain cancer (astrocytoma). In this final project, we will discuss the classification process of MRS data to determine the level of malignancy of astrocytoma consisting of low grade, high grade, and normal. The data used in this final project comes from the National Central Hospital Dr. Cipto Mangunkusumo, Jakarta. The methods used for classification are the Independent Component Analysis method and the Possibilistic C-Means method.

The experimental results show that the Independent Component Analysis method has an accuracy value of 96.67% while the accuracy value of the Possibilistic C-Means method reaches 90.91%. In this final project, a decision support software will be made to help provide information about the level of malignancy of astrocytoma."

"Penelitian tentang komunitas burung di kawasan penyangga Taman Nasional Ujung Kulon TNUK bertujuan untuk menjelaskan komposisi burung pada berbagai struktur vegetasi kawasan penyangga TNUK, serta menjelaskan hubungan antara komposisi burung dengan struktur vegetasi kawasan penyangga TNUK. Kondisi kawasan penyangga di sekitar TNUK didominasi oleh area perkebunan dan pertanian yang memiliki jenis vegetasi beraneka ragam. Metode pengamatan burung yang digunakan adalah metode titik hitung. Terdapat 22 titik sampel pada pengamatan yang terbagi menjadi tiga kelompok, yaitu kawasan penyangga berjarak dekat 0-500 meter, sedang 500-1000 meter dan jauh >1000 meter. Hasil penelitian menunjukkan masing-masing kelompok kawasan penyangga memiliki struktur vegetasi yang berbeda, namun kawasan penyangga dekat dan sedang cenderung memiliki kemiripan karena hasil scatter plot Principal Component Analysis kedua kawasan saling tumpang tindih. Nilai keanekaragaman burung tertinggi terdapat pada kelompok kawasan penyangga berjarak dekat dengan Taman Nasional, namun hasil uji t Hutcheson ketiga lokasi menunjukkan nilai yang tidak berbeda nyata. Burung tipe insektivor dan nektarivor memiliki korelasi negatif dengan DBH pohon kelapa, burung tipe granivor dan omnivor memiliki korelasi positif dengan persentase kematangan buah kelapa.

---

Research on bird communities in buffer zone of Ujung Kulon National Park TNUK to explain bird composition on various vegetation structures of TNUK buffer zone, and to explain the relationship between bird structure and vegetation structure of buffer zone of TNUK. The condition of buffer zone around TNUK is dominated by plantation and agriculture area which have varieties of vegetation type. Bird observation method used is the method of calculating point. There are 22 sample points on the observation that are divided into three groups, namely near buffer area 0 500 meters, medium 500 1000 meters and far 1000 meters.

The results showed that each group of buffer zones had different vegetation structures, but the nearest and the nearest buffer areas were affected by the scatter plots. The Main Components Analysis of the two regions overlapped. The value of immortal bird diversity in the buffer group is close to the National Park, but the result of the Hutcheson site t test shows no significant difference. Insektivor and nectarivor birds have a negative reputation with coconut tree DBH, granivor and omnivor species have a positive reputation with coconut maturity percentage."

"ABSTRAKNumerous studies have constructed financial inclusion indexes for Indonesia, using a multidimensional approach. However, there is a problem with the methodology, which assumes that all the dimensions play the same role in defining financial inclusion, since they are based on equal weighting criteria. This paper aims to obviate concerns with the methodology by developing a more empirically based index, namely, a weighted multidimensional index of financial inclusion based on two-stage principal component analysis. In other words, we endogenize the weights. We find that usage is the most important dimension in defining financial inclusion in Indonesia, followed by availability and access."

"Penelitian ini ingin melihat dampak yang disebabkan oleh infrastruktur fisik, infrastruktur sosial, dan infrastruktur keuangan pada pertumbuhan ekonomi di Indonesia menggunakan data 34 provinsi selama periode 2016-2020. Indikator-indikator infrastruktur diwakili oleh indeks komposit yang disusun menggunakan teknik Principal Component Analysis (PCA) dalam pembentuan indeks infrastruktur. Estimasi dalam penelitian ini dilakukan menggunakan Panel Corrected Standard Error (PCSE) untuk untuk memperbaiki Model Fixed Effect yang mengandung permasalahan multikolinearitas, heteroskedastisitas, dan autokorelasi. Hasil penelitian ini adalah infrastruktur fisik, infrastruktur sosial, dan infrastruktur keuangan berdampak signifikan terhadap pertumbuhan ekonomi di Indonesia. Hanya saja infrastruktur fisik dan sosial berdampak positif, sedangkan infrastruktur keuangan berdampak negatif.

---

The purpose of this research is to determine the effects of physical, social, and financial infrastructure on economic growth in Indonesia during 2016-2020 using data from 34 provinces.. The infrastructure index is compiled using the Principal Component Analysis (PCA) technique in order to represent infrastructure indicators. Estimation in this study was carried out using the Panel Corrected Standard Error (PCSE) to improve the Fixed Effect Model which contains problems of multicollinearity, heteroscedasticity, and autocorrelation. The results of this study are physical infrastructure, social infrastructure, and financial infrastructure have a significant impact on economic growth in Indonesia. Physical and social infrastructure has a positive impact, while financial infrastructure has a negative impact."

"Kanker Payudara (KPD) merupakan salah satu penyakit penyebab kematian terbesar. Indonesia merupakan negara dengan jumlah KPD cukup besar. KPD ini merupakan benjolan. Benjolan ini dapat diperiksa menggunakan cara manual yaitu diraba bagian dekat dengan putting susu. Jika benjolan tidak kunjung mengecil dianjurkan untuk memeriksa ke dokter. Pendektesian KPD ini dapat dilakukan dengan menggunakan proses pencitraan. Data yang digunakan pada penelitian ini diambil dari website Pilot European Image Processing Archive (PEIPA) yaitu dataset Mammographic Image Analysis Society (MIAS). Pendektesian dilakukan dengan menganalisa gambar payudara (mammography) pasien dengan menggunakan metode Principal Component Analysis (PCA) mengubah gambar dalam bentuk matriks. Matriks ini akan digunakan sebagai data yang akan digunakan dalam Neural Network (jaringan saraf tiruan) dengan metode Backpropagation Neural Network (BNN). Dari hasil Percobaan dapat diketahui bahwa metode ini menghasilkan nilai akurasi pembelajaran dari deep learning supervised sebesar 98%.

---

Breast Cancer is one of the biggest causes of death. Indonesia is a country with a large number of KPDs. This KPD is a lump. This lump can be examined using a manual method that is palpated near the nipple. If the lump does not go away it is recommended to see a doctor. This breast cancer assessment can be done using the imaging process. The data used in this study was taken from the website of the Pilot European Image Processing Archive (PEIPA) namely the Mammographic Image Analysis Society (MIAS) dataset. The assessment is done by analyzing the breast image (mammography) of the patient using the Principal Component Analysis (PCA) method to change the image in the form of a matrix. This matrix will be used as data to be used in Neural Networks with the Backpropagation Neural Network (BNN) method. From the results of the Experiment it can be seen that this method produces the value of accuracy of learning from supervised deep learning about 98%."

"Deteksi dan resolusi dari lapisan tipis merupakan masalah penting dalam analisis reservoir. Semakin tipis lapisan menyebabkan semakan tingginya puncak frekuensi pada spektrum wavelet yang direfleksikan dari lapisan tipis relatif terhadap domain frekuensi dari wavelet seismik datang. Untuk itu, energi dari gelombang digunakan untuk mendapatkan integrated energy spectra (INTENS) sebagai fungsi dari frekuensi. INTENS merupakan hasil plot antara integrated partial energy dengan frekuensi yang dapat digunakan untuk mendeteksi perubahan ketebalan dari lapisan tipis yang tidak dapat langsung dikenali pada domain waktu. Metode integrated energy spectra diterapkan pada model baji dan data seismik real 3 dimensi untuk mendapatkan penggambaran lapisan tipis yang lebih baik. Kemudian, untuk mempermudah analisis lapisan tipis, digunakan metode principal component spectral analysis (PCA) untuk mencari trend dari dari data yang dihasilkan. Metode ini mengkompaksi 86 komponen spectral yang harus dianalisa menjadi kurang dari 6 komponen utama. Hasil yang didapat menunjukkan PC band pertama dapat menggambarkan dengan baik distribusi channel. Jumlah dari 6 PC band pertama menunjukkan variansi sebesar 78% dan dapat menggambarkan distribusi channel yang lengkap. PCA dapat memproyeksikan fitur utama dengan baik pada beberapa PC band pertama dan menghilangkan sinyal yang tak berarti seperti noise.

---

Detection and resolution of thin layers is an important issue in the analysis of the reservoir. A progressively thinner bed corresponds to a progressively higher peak frequency in the spectrum of the wavelet reflected from the thin bed relative to the dominant frequency of the incident seismic wavelet. the energy of the waveform is used to obtain integrated energy spectra as a function of frequency. INTegrated ENergy Spectra (INTENS) is a plot of integrated partial energy against frequency that can be used to detect changes in thickness of thin that are not immediately recognizable in the time domain.

Integrated energy spectra method applied to the wedge model and 3-dimensional real seismic data to obtain a better image of thin bed. Then, to analyze thin layers, principal component analysis (PCA) is used to find the trend of the data produced. This method decrease 86 spectral components that must be analyzed to less than 6 main components.

The results show the first PC band can delineate channel distribution with good image. The sum of first 6 PC bands show variance by 78% and can delineate the complete distribution channel. PCA could project the main features on some first PC band and could eliminate bad signal such noise."

"Aktivitas antropogenik merupakan salah satu penyebab akumulasi logam berat tembaga (Cu) pada tanah. Kadar tembaga berlebih dapat menyebabkan toksisitas pada tanaman, salah satunya adalah tanaman jahe merah (Zingiber officinale var. Rubrum) yang banyak dimanfaatkan oleh masyarakat sebagai bahan baku obat. Penelitian ini dilakukan untuk mempelajari pengaruh pemberian logam berat tembaga pada pertumbuhan dan mengetahui profil senyawa metabolomik rimpang jahe merah di bawah paparan tembaga (CuCl2) dengan konsentrasi 0 ppm (kontrol), 50 ppm, 100 ppm, dan 150 ppm. Penelitian yang bersifat eksperimental ini dilakukan menggunakan Rancangan Acak Lengkap (RAL), menggunakan 4 perlakuan berbeda dengan 6 sampel pengulangan pada setiap perlakuan. Parameter pertumbuhan yang diukur adalah laju pertumbuhan, kadar air rimpang, gejala toksisitas yang dialami tanaman, dan profil metabolomik yang dianalisis menggunakan HPLC dan dilakukan pengolahan data dengan Principal Component Analysis dan Hierarchical Component Analysis. Hasil penelitian menunjukkan bahwa laju pertumbuhan dan gejala toksisitas pemberian logam tembaga mulai terlihat pada konsentrasi 100 ppm dan 150 ppm. Tanaman jahe merah mampu mentolerir hingga konsentrasi 50 ppm Cu dilihat dari pertumbuhan tanaman yang normal dan belum munculnya gejala toksisitas. Hasil pengolahan PCA dan HCA menunjukkan bahwa konsentrasi Cu 150 ppm memiliki profil metabolomik yang sangat berbeda dibanding perlakuan konsentrasi lainnya.

---

Anthropogenic activity is one of the causes of copper accumulation in soil. Excess copper levels can cause toxicity to plants, one of which is red ginger (Zingiber officinale var. Rubrum) which is widely used by the community as a raw material for medicine. This research was conducted to study the effect of the administration of heavy metal copper on growth and to determine the red ginger profile of metabolites rhizomes under exposure of 0 ppm (control), 50 ppm, 100 ppm, and 150 ppm CuCl2. This experimental research was carried out using a completely randomized design (CRD), using 4 different treatments with 6 samples of repetition in each treatment. The growth parameters measured in this study were growth rate, rhizome water content, symptoms of toxicity experienced by plants, and metabolite profiles which were analysed using HPLC and processed with Principal Component Analysis (PCA) and Hierarchical Component Analysis (HCA). The results showed that the growth rate and toxicity symptoms caused by copper began to be seen at concentrations of 100 ppm and 150 ppm. Red ginger plant can be tolerate 50 ppm concentration of Cu seen from normal plant growth and no sign of toxicity. The results by the clustering pattern of PCA and HCA showed that concentration of 150 ppm Cu had a very different metabolite profiles compared to other concentrations."