Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kebakaran hutan dan lahan merupakan bencana alam yang terjadi berulang hampir setiap tahun di Indonesia, dan mengakibatkan kerugian ekonomi yang besar maupun bagi lingkungan. Penggunaan data satelit penginderaan jauh dalam menurunkan informasi fire hotspot dapat digunakan untuk melakukan pemantauan kebakaran lahan gambut (peat) dan tanah mineral (non-peat) di Indonesia. Sistem pemantauan harian sangat diperlukan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan mitigasi bencana. Tujuan penelitian ini adalah membangun sebuah model filtering dan clustering untuk deteksi dini kebakaran hutan dan lahan di Indonesia dengan data sensor Visible Infrared Imaging Radiometer Suite (VIIRS) dari satelit Suomi NPP dan NOAA-20 menggunakan metode Euclidean distance. Model filtering dan clustering digunakan untuk menyederhanakan jumlah fire hotspot yang sangat bermanfaat bagi kepentingan di lapangan ketika terjadi kebakaran hutan dan lahan. Model filtering dilakukan dengan cara membangun peta hotspot per tahun dengan kejadian pengulangan melebihi suatu ambang batas, dan peta tersebut akan digunakan sebagai filter dari data fire hotspot yang dihasilkan. Model clustering dilakukan dengan menggunakan menghitung jarak Euclidean antar titik fire hotspot yang dihasilkan, jika jaraknya memenuhi 1,5 kali ukuran piksel maka titik fire hotspot tersebut akan dikelompokkan menjadi satu cluster. Nilai akurasi dievaluasi berdasarkan estimasi luas kebakaran, peta burned area, dan peta lahan gambut dari setiap kejadian kebakaran yang dilaporkan petugas lapangan. Hasil pengolahan dan analisis menunjukkan bahwa akurasi efektif pada data VIIRS yaitu pada jarak 1,5 km atau empat kali ukuran pikselnya dari pusat kebakaran. Akurasi deteksi secara umum untuk cluster hotspot (cluster-HS) dan titik hotspot (titik-HS) masing-masing sebesar 52% dan 53%. Untuk wilayah yang luasnya lebih dari 14 ha, akurasinya menjadi sangat baik yaitu sampai dengan sebesar 83%. Analisis dengan pemilahan lahan gambut dan tanah mineral menunjukkan cluster-HS berkinerja lebih baik di lahan gambut dengan akurasi sebesar 62% dibandingkan di lahan tanah mineral sebesar 57%. Tanpa mengurangi ketepatan pengamatan titik api, penelitian ini menunjukkan bahwa model dapat diandalkan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan. Oleh karena itu, model ini dapat diimplementasikan ke dalam pemantauan hotspot harian di Indonesia. ......In Indonesia, forest and land fires are frequent natural catastrophes that do significant damage to the environment and economy. The use of remote sensing satellite data to derive fire hotspot information can be used to monitor peat and non-peat land fires in Indonesia. A daily monitoring system is very necessary to assist stakeholders in the field in taking disaster mitigation actions. The aim of this research is to build a filtering and clustering model for early detection of forest and land fires in Indonesia using Visible Infrared Imaging Radiometer Suite (VIIRS) sensor data from the Suomi NPP and NOAA-20 satellites using the Euclidean distance method. The filtering and clustering model is used to simplify the number of fire hotspots which is very useful for interests in the field when forest and land fires occur. The filtering model is carried out by building a persistent hotspot map per year with repeated events exceeding a threshold, and this map will be used as a filter for the resulting fire hotspot data. The clustering model is carried out by calculating the Euclidean distance between the resulting fire hotspot points. If the distance is 1.5 times the pixel size, the fire hotspot points will be grouped into one cluster. Accuracy values ​​are evaluated based on estimates of fire area, burned area maps, and peatland maps for each fire incident reported by field officers. The results of processing and analysis show that the effective accuracy of VIIRS data is at a distance of 1.5 km or four times the pixel size from the center of the fire. The general detection accuracy for hotspot clusters (cluster-HS) and hotspot points (point-HS) is 52% and 53%, respectively. For areas larger than 14 ha, the accuracy is very good, namely up to 83%. Analysis by separating peat and non-peat land shows that the HS-cluster performs better on peat land with an accuracy of 62% compared to 57% on non-peat land. Without reducing the accuracy of hotspot observations, this research shows that the model can be relied on to assist stakeholders in the field in taking action. Therefore, this model can be implemented into daily hotspot monitoring in Indonesia.

Abstrak :
[ABSTRAK
Berdasarkan data WHO tahun 2014, diperkirakan sekitar 15 juta orang di dunia yang terinfeksi hepatitis B (HBsAg+) juga terinfeksi hepatitis D. Infeksi hepatitis D dapat terjadi bersamaan (koinfeksi) atau setelah seseorang terkena hepatitis B kronis (superinfeksi). Penyakit hepatitis B disebabkan oleh virus HBV dan penyakit hepatitis D disebabkan oleh virus HDV. HDV tidak dapat hidup tanpa HBV. Hepatitis D erat hubungannya dengan infeksi virus HBV, sehingga sangat realistis bila setiap usaha pencegahan terhadap hepatitis B, maka secara tidak langsung mencegah hepatitis D. Pada tesis ini akan dibahas bagaimana hasil pengelompokan barisan DNA HBV menggunakan algoritma k-means clustering dengan menggunakan perangkat lunak R. Dimulai dengan mengumpulkan barisan DNA HBV yang diambil dari GenBank, kemudian dilakukan ekstraksi ciri menggunakan n-mers frequency, dan hasil ekstraksi ciri barisan DNA tersebut dikumpulkan dalam sebuah matriks dan dilakukan normalisasi menggunakan normalisasi min-max dengan interval [0, 1] yang akan digunakan sebagai data masukan. Jumlah cluster yang dipilih dalam penelitian ini adalah dua dan penentuan centroid awal dilakukan secara acak. Pada setiap iterasi dihitung jarak masing-masing objek ke masing-masing centroid dengan menggunakan Euclidean distance dan dipilih jarak terpendek untuk menentukan keanggotaan objek di suatu cluster sampai akhirnya terbentuk dua cluster yang konvergen. Hasil yang diperoleh adalah virus HBV yang berada pada cluster pertama lebih ganas dibanding virus HBV yang berada pada cluster kedua, sehingga virus HBV pada cluster pertama berpotensi berevolusi dengan virus HDV menjadi penyebab penyakit hepatitis D.

---

ABSTRACT
Based on WHO data, an estimated of 15 millions people worldwide who are infected by hepatitis B (HBsAg+) are also infected by hepatitis D. Hepatitis D infection can occur simultaneously with hepatitis B (co infection) or after a person is exposed to chronic hepatitis B (super infection). Hepatitis B is caused by the HBV virus and hepatitis D is caused by HDV virus. HDV can not live without HBV. Hepatitis D virus is closely related to HBV infection, hence it is really realistic that every effort of prevention against hepatitis B can indirectly prevent hepatitis D. This thesis discussed the clustering of HBV DNA sequences by using k-means clustering algorithm and R programming. Clustering processes is started with collecting HBV DNA sequences that are taken from GenBank, then performing extraction HBV DNA sequences using n-mers frequency and furthermore the extraction results are collected as a matrix and normalized using the min-max normalization with interval [0, 1] which will later be used as an input data. The number of clusters is two and the initial centroid selected of cluster is choosed randomly. In each iteration, the distance of every object to each centroid are calculated using the Euclidean distance and the minimum distance are selected to determine the membership in a cluster until two convergent clusters are created. As the result, the HBV viruses in the first cluster is more virulent than the HBV viruses in the second cluster, so the HBV viruses in the first cluster can potentially evolve with HDV viruses that cause hepatitis D., Based on WHO data, an estimated of 15 millions people worldwide who are infected by hepatitis B (HBsAg+) are also infected by hepatitis D. Hepatitis D infection can occur simultaneously with hepatitis B (co infection) or after a person is exposed to chronic hepatitis B (super infection). Hepatitis B is caused by the HBV virus and hepatitis D is caused by HDV virus. HDV can not live without HBV. Hepatitis D virus is closely related to HBV infection, hence it is really realistic that every effort of prevention against hepatitis B can indirectly prevent hepatitis D. This thesis discussed the clustering of HBV DNA sequences by using k-means clustering algorithm and R programming. Clustering processes is started with collecting HBV DNA sequences that are taken from GenBank, then performing extraction HBV DNA sequences using n-mers frequency and furthermore the extraction results are collected as a matrix and normalized using the min-max normalization with interval [0, 1] which will later be used as an input data. The number of clusters is two and the initial centroid selected of cluster is choosed randomly. In each iteration, the distance of every object to each centroid are calculated using the Euclidean distance and the minimum distance are selected to determine the membership in a cluster until two convergent clusters are created. As the result, the HBV viruses in the first cluster is more virulent than the HBV viruses in the second cluster, so the HBV viruses in the first cluster can potentially evolve with HDV viruses that cause hepatitis D.]

Abstrak :
Saat ini terdapat hampir 400 emiten saham syariah yang terdaftar di Bursa Efek Indonesia. Banyaknya jumlah tersebut menyulitkan para investor untuk memilih saham terbaik yang akan dijadikan portfolio. Oleh karena itu, diperlukan analisis clustering untuk mendapatkan kelompok saham yang memiliki nilai imbal hasil yang diharapkan. Sejauh ini, aktivitas yang penting dalam aktivitas clustering adalah penentuan tingkat perbedaan antar objek dalam suatu dataset. Dalam studi kasus penelitian ini, objek yang dimaksud adalah data deret waktu terkait harga saham untuk emiten-emiten saham syariah. Metode yang umum digunakan dalam mengukur dissimilarity measure tersebut adalah Euclidean distance dan dynamic time warping (DTW). Euclidean distance merupakan metode konvensional yang masih sering digunakan meskipun telah berkembang metode yang lebih kompleks, DTW. Penelitian ini bertujuan untuk membandingkan karakteristik kedua metode tersebut dalam studi kasus data deret waktu tentang harga saham. Selain itu, penelitian ini juga ingin mengetahui efektivitas variabel candle dalam memprediksi harga saham. Mulanya, dilakukan pembersihan terhadap dataset sebelum diaplikasikan metode dissimilarity measure. Selanjutnya, hasil tersebut menjadi acuan dalam analisis hierarchical clustering dan dipilih kelompok terbaik. Selain itu, dilakukan pula prediksi harga saham menggunakan kombinasi beberapa variabel bebas yang terdiri atas OHLC, technical, dan candle. Hasil dari penelitian ini menunjukkan bahwa Euclidean distance lebih efektif dibandingkan DTW dalam memberikan rekomendasi portfolio pilihan. Selain itu, tambahan variabel candle dalam kombinasi variabel OHLC dan technical mampu meminimalkan error dengan baik. ......Currently, there are nearly 400 sharia stocks listed on the Indonesia Stock Exchange. A large number of these makes it difficult for investors to choose the best stocks that will be used as a portfolio. Therefore, clustering analysis is needed to get a group of stocks that have the expected return value. So far, an important activity in clustering activities is to determine the dissimilarity among datasets. In this research, it used time-series data related to stock prices for sharia stocks. The methods commonly used in measuring the dissimilarity measure are Euclidean distance and dynamic time warping (DTW). Euclidean distance is a conventional method that is still frequently used rather than a more complex method, DTW. This study aims to compare the characteristics of those two methods using the time series dataset. Besides, this study also wants to determine the effectiveness of the candle variable in predicting stock prices. At first, the missing value in the dataset was omitted before the dissimilarity measure method was applied. Furthermore, these results become a reference in hierarchical clustering analysis and the best group is selected. Also, stock price predictions are carried out using the combination of several independent variables consisting of OHLC, technical, and candles. The results indicate that Euclidean distance is more effective than DTW in providing a selected portfolio. In another hand, the additional candle variable combined with OHLC and technical variables can minimize errors properly.

Abstrak :
Biometrik adalah proses identifikasi dan autentikasi berdasarkan atribut unik yang dimiliki oleh manusia. Salah satu atribut manusia yang dapat digunakan untuk biometrik adalah iris. Iris adalah bagian dari mata yang mengatur banyaknya cahaya yang masuk mengenai retina. Iris berbentuk lingkaran dan memiliki karakteristik yang unik pada setiap orang. Penelitian ini adalah tentang pengenalan iris untuk biometrik. Dalam penelitian ini pembuatan vektor masukan untuk pengenalan dilakukan dengan cara yang berbeda dari biasanya yaitu dengan melingkar, sesuai bentuk iris. Untuk pengenalannya digunakan metode pattern matching dan jaringan syaraf tiruan. Dengan pembuatan vektor masukan secara melingkar, tingkat pengenalan yang dihasilkan cukup tinggi terutama jika metode pengenalan yang digunakan adalah dengan pattern matching. ......Biometric is the process of identification and authentication based on many unique attributes of human. One of the usable human attributes for biometric is iris. Iris is a part of the human eye which controls the amount of light going to the retina. Iris is circular and each person has a different iris characteristics. This research is about iris recognition for biometrics. In this research, the input vector for recognition is created with a different way from the usual. The input vector is created by following iris shape which is circular. The recognition process is done by using pattern matching and artificial neural network. The creation of input vector by circling yields a high recognition rate, especially when pattern matching is used for the recognition process.

Abstrak :
ABSTRAK
Dengan meningkatnya jumlah persaingan, industri manufaktur dituntut lebih efisien dan fleksibel agar dapat bertahan dengan persaingan pasar yang ada, salah satu solusi peningkatan fleksibilitas dan efisiensi produksi yaitu dengan penerapan tata letak berdasar selulaar manufaktur. Pada penelitian ini dilakukan perancangan usulan tata letak baru berdasar manufaktur seluler guna mengurangi material handling, penelitian ini membandingkan hasil pengelompokan sel manufaktur dari 3 metode pengelompokan yang mana metode dengan performa paling baik akan dijadikan dasar untuk merancang tataletak usulan. Dari hasil perbandingan metode didapat metode Mod-SLC dan EDM-SLC memiliki hasil paling baik dengan hasil sel manufaktur yang sama, hasil usulan tataletak baru berdasarkan manufaktur seluler didapat penurunan material handling hingga 21,1 dari tataletak awal.

---

ABSTRACT<>br> With the increasing number of competition, manufacturing industri is demanded more efficient and flexible to survive with the existing market competition, one of the solutions to increase the flexibility and efficiency of production is by the application of cellular manufacturing layout. This research propose new layout based on cellular manufacturing systems to reduce material handling, this study compares the results of the grouping of manufacturing cells from 3 grouping methods in which the best method will be used for designing the new layout. From the comparison of the method, Mod SLC and EDM SLC method has the best results with the same manufacturing cell results, the proposed layout based on cellular manufacturing shows a decrease of material handling up to 21,1 .

Abstrak :
Dampak wabah COVID yang mempengaruhi sektor pendidikan membuat pelajar dan juga tenaga pendidik diharuskan untuk melakukan pembelajaran secara daring. Penerapan pembelajaran melalui daring ini memberikan dampak terhadap pelajar khususnya pada mahasiswa. Dengan diterapkannya New Normal, dibutuhkan teknologi yang dapat melakukan pemantauan dengan skala yang besar. Penelitian ini bertujuan untuk membuat perangkat presensi mahasiswa berbasis face recognition dengan menambahkan fitur pembacaan suhu tubuh sebagai langkah pengawasan pada lingkungan kampus. Penelitian ini dilakukan pada area kampus FMIPA UI. Bahasa pemrograman yang digunakan untuk membuat perangkat lunak adalah python versi 3.6. Pada proses face recognition, digunakan metode Histogram of Oriented Gradients (HOG) sebagai pendeteksi lokasi wajah dan modul Openface untuk pengambilan fitur pada wajah. Untuk tahap pencocokan wajah, digunakan Euclidean Distance untuk mencari nilai kecocokan pada tiap citra database. Dari hasil pengujian terhadap 30 mahasiswa didapatkan akurasi sebesar 93.3%. Pada pengujian jarak terhadap pendeteksian wajah, didapatkan bahwa sistem dapat mendeteksi wajah hingga jarak 120 cm pada kondisi penerangan ruangan yang normal. Pada pengujian pembacaan suhu dengan menggunakan Thermal Camera AMG8833, didapatkan bahwa nilai akurasi menurun seiring bertambahnya jarak pembacaan. Jarak optimal untuk pembacaan suhu adalah sejauh 30 cm. ......The impact of the COVID outbreak that has affected the education sector has forced students and educators to study online. The application of online learning has an impact on students, especially college students. With the implementation of the New Normal, technology is needed to perform health monitoring on a large scale. This study aims to create a face recognition-based student presence device by adding a body temperature reading feature. This research was conducted in the FMIPA UI campus area. The programming language used to create the software is python version 3.6. In the face recognition process, the Histogram of Oriented Gradients (HOG) method is used to detect the location of the face and the Openface module is used to capture features of the face. For the face matching stage, Euclidean Distance is used to find the match value for each database image. From the results of testing on 30 students, obtained an accuracy of 93.3%. While testing the distance capability in face detection, it was found that the system can detect faces up to a distance of 120 cm in normal room lighting conditions. While testing the Thermal Camera AMG8833, it was found that the accuracy value decreased as the distance increased. The optimal distance for temperature readings is 30 cm.

Abstrak :
Tugas Akhir ini membahas pengembangan sistem pengenalan wajah yang menggunakan metode Voting. Pada sistem ini digunakan metode Eigenface untuk melakukan ekstraksi ciri wajah, dan metode Jarak Euclidean untuk mengukur tingkat kemiripan antar citra wajah. Berdasarkan hasil pengamatan dari penggunaan metode Eigenface dan Jarak Euclidean tersebut, belum tentu citra wajah yang memiliki Jarak Euclidean terkecil adalah milik subyek yang sama dengan citra wajah input. Pada tugas akhir ini dikembangkan metode Voting untuk mengolah n-top citra wajah hasil. Melalui metode Voting, setiap citra wajah pada n-top citra wajah hasil akan memberikan kontribusi nilai pada subyek, dan subyek yang memiliki nilai terbesar akan keluar sebagai hasil.

---

The focus of this study is the development of face recognition system using Voting method. This system use Eigenface method to exctract face feature, and Euclidean Distance method to meassure the similarity level between face images. According to the result of the implementation of Eigenface method and Euclidean Distance method, face image with the smallest Euclidean Distance to face image input is not always represent the same subject. In this study Voting method is developed to process n-top face image result. In Voting method, every face image on n-top face image result will give added value for subject, and the subject with the biggest value will becoming the result.

Abstrak :
Biometrics is a method used to recognize humans based on one or a few characteristics physical or behavioral traits that are unique such as DNA, face, fingerprints, gait, iris, palm, retina, signature and sound. Although the facts that ear prints are found in 15% of crime scenes, ear prints research has been very limited since the success of fingerprints modality. The advantage of the use of ear prints, as forensic evidence, are it relatively unchanged due to increased age and have fewer variations than faces with expression variation and orientation. In this research, complex Gabor filters is used to extract the ear prints feature based on texture segmentation. Principal component analysis (PCA) is then used for dimensionality-reduction where variation in the dataset is preserved. The classification is done in a lower dimension space defined by principal components based on Euclidean distance. In experiments, it is used left and right ear prints of ten respondents and in average, the successful recognition rate is 78%. Based on the experiment results, it is concluded that ear prints is suitable as forensic evidence mainly when combined with other biometric modalities.