Hasil Pencarian  ::  Simpan CSV :: Kembali

"Krisis keuangan global yang disebabkan oleh Sub Prime Mortgage di Amerika telah menyebabkan harga - harga saham di dunia berjatuhan ,IHSG dan saham - saham di Indonesia juga ikut terpengaruh sehingga nilainya telah terus merosot jatuh. Pergerakan nilai IHSG dan saham ini akan dimodelkan dalam bentuk ARIMA. ARIMA sebenarnya adalah teknik untuk mencari pola yang paling cocok dari sekelompok data (curve fitting), dengan demikian ARIMA memanfaatkan sepenuhnya data masa lalu dan sekarang untuk melakukan peramalan jangka pendek yang akurat. Contoh pemakaian model ARIMA adalah peramalan harga saham dipasar modal yang dilakukan para pialang yang didasarkan pada pola perubahan harga saham dimasa lampau.

---

The Global financial crisis caused by sub prime mortgage in America has caused world stock market price declining, IHSG and Indonesian stock market also declining too cause of the global financial crisis. The movement price of IHSG and stock market will ne modeled in ARIMA. ARIMA is actually a technik for search suitable pattern from curve fitting, so ARIMA using wholefully past and present data to forecast short term period very accurate. An example of using ARIMA model is forecasting stock price in capital market by broker based of the stock price change in past."

"Penelitian mengenai perbandingan metode estimasi dan evaluasi kurvatur ini dilandasi oleh pembuatan sistem CAM yang saat ini sedang dikembangkan. Dalam sistem tersebut, perlu dilakukan optimalisasi lintasan pahat sesuai dengan bentuk permukaan bidang dari model faset yang menjadi inputnya. Bentuk permukaan bidang, secara umum terbagi menjadi bentuk cembung (convex), cekung (concave), datar (flat), dan sadel. Untuk menentukan bentuk permukaan tersebut, diperlukan sebuah metode perhitungan kurvatur.Dalam penelitian ini, dilakukan perbandingan antara tiga buah metode perhitungan kurvatur, yaitu Spherical Image, Gauss-Bonnet scheme, dan Paraboloid Fitting. Model yang menjadi objek penelitian ini adalah model faset 3D, yaitu sebuah model yang tersusun atas segitiga-segitiga dalam membentuk sebuah permukaan bidang. Penelitian ini akan menghasilkan informasi mengenai metode yang paling sesuai untuk diimplementasikan dalam sistem CAM berdasarkan analisis terhadap masing-masing metode."

"Terdapat banyak metode yang telah dikembangkan untuk pemilihan model fitting secara populasi untuk single time point (STP) dosimetri. Oleh karena itu, dikembangkan suatu metode alternatif berupa metode model matematika populasi dengan menggunakan fitting 3 Dimensi yang menggambarkan hubungan antara dosis serap, aktivitas, dan waktu. Tujuan penelitian ini adalah mengembangkan pemodelan matematika populasi yang dapat menggambarkan biodistribusi 177Lu-DOTATATE pada organ ginjal dan mengetahui tingkat keakurasian STP dosimetri. Data yang digunakan berasal dari literatur (Devasia et al., 2021) yang terdiri dari data aktivitas radiofarmaka pada 4 time point untuk ginjal kiri dan ginjal kanan dari 8 pasien. Metode penelitian ini meliputi penentuan fungsi terbaik berdasarkan hasil fitting populasi. Hasil yang diperoleh, yaitu tidak ditemukan fungsi terbaik secara populasi yang mampu menggambarkan data dengan baik. Berdasarkan pertimbangan dengan melihat pola dari data untuk setiap pasiennya maka fungsi 3B digunakan. Selanjutnya, persamaan dosis serap dapat diperoleh berdasarkan hasil turunan dari fungsi 3B ini. Persamaan dosis serap digunakan untuk melakukan fitting populasi 3D untuk memperoleh nilai dari parameter konstanta peluruhan biologis (λ1 dan λ2) dan S-value. Fitting populasi 3D untuk dosis serap ini cukup baik dalam menggambarkan distribusi radiofarmaka. Hasil yang diperoleh adalah nilai parameter λ1, λ2, dan S-value berturut-turut sebesar 0.516/jam, 0.00707/jam, dan 3.34*10^-6 Gy/jam.MBq. Perbandingan antara dosis serap prediksi dengan dosis referensi setiap time point, menunjukkan bahwa akurasi STP Dosimetri ini pada time point (99.57 ± 1.46) jam dengan %RD dosis serap sebesar (-4.29±7.2) %. Hasil ini terbukti menjanjikan untuk dosimetri ginjal 177Lu-DOTATATE karena kemiripan yang tinggi antara dosis serap referensi dengan dosis serap prediksi.

---

There are many methods that have been developed for population selection of fitting models for STP dosimetry. Therefore, an alternative method was developed in the form of a population mathematical model method using 3D fittings which describes the relationship between absorbed dose, activity, and time. The purpose of this study was to develop a population mathematical model that could describe the biodistribution of 177Lu-DOTATATE in the kidneys and determine the accuracy of STP dosimetry. The data used comes from the literature (Devasia et al., 2021) which consists of data on radiopharmaceutical activity at 4 time points for the left and right kidneys of 8 patients. This research method includes determining the best function based on the results of population fitting. The results obtained, namely not found the best function in the population that is able to describe the data well. Based on consideration by looking at the pattern of the data for each patient, the 3B function is used. After that, the 3B function is derived to obtain the absorbed dose equation. From the absorption dose equation, 3D population fitting will be carried out to obtain the value of the decay constant parameter (λ1 and λ2) and S-value. The 3D population fitting for absorbed dose is good enough to describe the radiopharmaceutical distribution. The results obtained are the values of parameters λ1, λ2, and S-value which are 0.516/hour, 0.00707/hour, and 3.34*10^-6 Gy/h.MBq respectively. Comparison between the predicted absorbed dose and the reference dose at each time point shows that the accuracy of STP Dosimetry is at that time point (99.57 ± 1.46) hours with the %RD absorbed dose of (-4.29 ± 7.2) %. These results proved promising for 177Lu-DOTATATE renal dosimetry because of the high similarity between the absorbed reference dose and the predicted absorbed dose."

"Perengkahan minyak nabati merupakan salah satu proses pengolahan minyak nabati untuk dimanfaatkan sebagai bahan bakar. Bahan bakar yang bisa didapatkan dari perengkahan termal atau katalitik dapat berupa biogasolin yang setara dengan bensin dan biodiesel yang setara dengan solar. Komposisi produk perengkahan merupakan faktor penting dalam penentuan jenis bahan bakar yang ingin diperoleh. Penelitian ini bertujuan untuk merepresentasikan produk-produk perengkahan menggunakan model prediktif dan memberikan gambaran pengaruh variabel suhu dan waktu terhadap proses perengkahan. Data eksperimen beberapa minyak nabati disimulasikan dengan MATLAB menggunakan metode curve fitting. Hasil simulasi memperlihatkan bahwa model yang digunakan pada variabel suhu telah mampu merepresentasikan produk perengkahan, tetapi untuk model pada variabel waktu masih diperlukan perbaikan. Suhu optimum untuk perengkahan termal berkisar pada suhu 400-450°C dan untuk perengkahan katalitik berkisar pada suhu 320-400°C. Waktu optimum untuk perengkahan berkisar pada 5-25 detik. Uji statistik menunjukkan hubungan signifikan antara suhu dan waktu terhadap yield.

---

Cracking of vegetable oil is one of process production of fuel that could be made from vegetable oil. Types of fuel that can be obtained from thermal or catalytic cracking are fuel such as bio-gasoline which equivalent with gasoline and bio-diesel which equivalent with diesel fuel. Composition of cracking products is one of the important factors in deciding which fuel that has to produce.

This research objective is to make a representation of cracking products using predictive model and give some view about influence of temperature and residence time in cracking process. Experimental data of vegetable oils cracking are simulated using MATLAB with curve fitting method in its simulation.

Simulation results show that the model can be used in variation of temperature, but not too good in variation of residence time. Optimum temperature for thermal cracking ranged from 400_C to 450_C and for catalytic cracking ranged from 320°C to 400°C. Optimum residence time for both type of cracking ranged from 5 second to 25 second, for vegetable oil cracking. Statistical test show some significant relation between temperature and reaction time with yield."

"Perkembangan bahan bakar terbarukan dari biomassa sangat pesat, dan menjadi alternatif utamauntuk menggantikan bahan bakar yang berasal dari minyak bumi yang jumlahnya terbatas. Salah satu prosesdalam produksi bahah bakar terbarukan ini adalah hydrocracking.Percobaan ini bertujuan untukmempelajari pengaruh tekanan dan suhu dalam proses hydrocracking dengan metode Analytical SemiEmpirical Model ASEM dalam merepresentasikan yield produk. Model matematis dimodifikasi dandivalidasi dengan menggunakan data-data dari penelitian yang sudah ada.Hasil penelitian menunjukkan bahwa Analytical Semi Empirical Model ASEM dapat digunakan untuk memprediksi yield produk hasilhydrocracking dengan tingkat ketelitian tinggi. Hal ini ditunjukkan oleh parameter statistik R2 yangmemiliki nilai diatas 0.95 dan SSE yang memiliki nilai di bawah 3. Penelitian ini juga menghasilkanpersamaan yang dapat digunakan untuk proses cracking secara umum.

---

The development of renewable fuels from biomass is very rapid, and becomes the main alternativeto replace petroleum derived fuels that are limited in stock. One of the processes in the production of thisrenewable fuel is hydrocracking.

This experiment aims to study the effect of pressure and temperature inthe hydrocracking process using the Analytical Semi Empirical Model ASEM method in representing theyield of the product. Mathematical model is modified and validated using data from existing research.

The results show that Analytical Semi Empirical Model can be used to predict the yield of product fromhydrocracking, with all of the models show R2 higher than 0.95 and SSE lower than 3. This experimentalso produces an equation that can be used to predict the yield of product from various cracking process ingeneral."

"Biaya bahan bakar adalah hal yang tidak dapat kita pisahkan dari biaya perjalanan, khususnya pada Negara Indonesia yang menduduki peringkat pertama dalam penjualan kendaraan roda empat di asean selama berturut turut pada periode 2014-2017. Oleh karena itu biaya pada kendaraan roda empat membutuhkan perhatian khusus dalam mengetahui hal- hal yang mempengaruhi biaya bahan bakar dan pemantauannya. Terdapat beberapa faktor yang mempengaruhi tingkat penggunaan bahan bakar minyak beberapa diantaranya adalah nilai RPM dan Throttle Position selama berkendara yang pada penelitian ini di paparkan terhadap curve fitting untuk mendapatkan fungsi regresi yang menggambarkan hubungannya. Perancangan aplikasi berbasis cloud ini bertujuan untuk mengetahui biaya perjalanan yang kita keluarkan selama berkendara menggunakan data yang diambil dari raspberry Pi 3B+ via OBD II port. Hasil dari penelitian ini kita dapatkan hubungan antara RPM vs Tps vs fuel cost direpresentasikan dalam Fuel Cost(poly3) =-2.54 + 0.7574*x + 0.001014*y dengan koefisien determinasi R2 sebesar 0,9882 dan RSME 0,3731, error dari hasil analisa fuel cost sebesar 85 %. Analisis dari aplikasi menampilkan analisa data dalam bentuk grafis antara fuel cost terhadap waktu.

---

Fuel cost an integral part of travel cost , especially in Indonesia where road transport is the main way of transportation.This is supported by reaching the highest number of four wheeled vehicle in asean during 2014-2017. This condition led to the need of the ability to monitor gas expenses using four wheeled vehicle. In this research some variable is used to determine the rate of fuel cost during travel such as: RPM and Throttle Position. Using mathlab RPM and Throttle position will be curv fitted against fuel cost we get from calculating fuel cost.

The development purpose of this application is to do calculation of fuel cost using MAF, throttle position and RPM from raspberry Pi 3B+ via OBD II port. This research found that the relation of fuel cost to RPM and throttle position is represented by Fuel Cost(poly3) =-2.54 + 0.7574*x + 0.001014*y with the coefficient of detemination R2 = 0,9882 and RSME 0,3731. The analysis in this research is represented in graphs of fuel cost to time and trip number."

"Pemanfaatan minyak nabati terus dikembangkan untuk mengatasi masalah energi di dunia. Bahan bakar bio memiliki keunggulan lebih ramah lingkungan dan menjaga ketersediaan minyak bumi. Penelitian ini melakukan studi penggunaan model prediktif Analytical Semi Empirical Model (ASEM) dalam merepresentasikan berbagai produk bahan bakar bio dari perengkahan minyak nabati. Penelitian ini bertujuan menentukan kondisi suhu optimum tiap produk melalui simulasi untuk menghasilkan bahan bakar bio yang ekonomis dan kualitas yang lebih baik. Representasi produksi bahan bakar bio menggunakan model prediktif berdasarkan reaksi secara perengkahan. Data eksperimen sekunder disimulasikan dengan MATLAB menggunakan metode curve fitting. Hasil simulasi didapatkan bahwa kondisi optimum untuk memproduksi bahan bakar bio adalah sekitar 400-450°C untuk perengkahan termal dan 325-375°C untuk perengkahan katalitik bergantung dari jenis minyak nabati dan produk yang diinginkan.

---

Implementation vegetable oil has been developed persistently to solve world energy crisis. Biofuel's advantages are environmental friendly and maintain availability of petroleoum. This research studies using the predictive Analytical Semi Empirical Model (ASEM) in representing various biofuel?s products from cracking of vegetable oil.

This research aims determining optimum temperature condition each products through simulation producing biofuel in higher economical and quality aspect. Representing production of biofuel based on cracking reaction. Experimental seconder data of vegetable oils are simulated using MATLAB with curve fitting method.

Result of the simulation, optimum temperature conditions to produce biofuel are 400-450°C for thermal cracking and 325-375°C for catalytic cracking depend on raw material and desirable product"

"Material lignoselulosa adalah salah satu sumber energi terbarukan yang menjanjikan untuk energi dan produk kimia Bioetanol adalah termasuk biofuel yang memiliki keunggulan lebih ramah lingkungan dan menjaga ketersediaan minyak bumi Penelitian ini melakukan studi penggunaan model prediktif Analytical Semi Empirical Model ASEM dalam merepresentasikan tahapan biokonversi dari biomass lignoselulosa menjadi produk glukosa monosakarida yakni reaksi hidrolisis kimiawi yang diproses lebih lanjut akan menjadi bioetanol Penelitian ini bertujuan menentukan kondisi suhu optimum dalam aspek ekonomis dan kualitas melalui simulasi model ASEM Data eksperimen sekunder dari bahan mentah yang mengandung material lignoselulosa disimulasikan dengan perangkat lunak komputasi numerik menggunakan metode curve fitting Hasil dari simulasi untuk suhu optimum memproduksi produk dominan glukosa monosakarida berkisar antara 433 ndash 488 K Dengan akurasi nilai R2 yang mendekati 1 berkisar antara 0 8729 ndash 0 9978 dan SSE yang mendekati 0 berkisar antara 7 577 ndash 0 5574 bergantung pada bahan mentah yang digunakan dan jenis produk dominan yang diinginkan.

---

Lignocellulosic materials are among the most promising renewable feedstocks for the production of energy and chemicals. Bioethanol is a major biofuelcan be produced from lignocellulosic materials and also advantages are environmental friendly and maintain availability of petroleoum. This researchstudy implementation the predictive Analytical Semi Empirical Model(ASEM) in representingglucose/monosaccharide whicha bioconversion stage from lignocellulosic materials to bioethanol, chemical hydrolysis/acid hydrolysis. This research aims optimum temperature condition each products through simulation producing glucose in higher economical and quality aspect by ASEM model simulation. Experimental secondary data of raw materials which contain lignoselluosic are simulated using Numerical Computation Software with curve fitting method. The result of the simulation, optimum temperature condition to produce glucose/monosaccharide is 433-488 K.With accuracy R2 value is 0,8729-0,9978 and SSE value is 7,577-0,5574 depend on raw material and desirable product."