Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini akan membahas tentang pengembangan sistem penilaian esai otomatis untuk esai pendek bahasa Jepang dengan menerapkan metode K-Means Clustering untuk mengelompokkan setiap topik pertanyaan dan Analisis Semantik Laten untuk membuat penilaian. Sistem yang dikembangkan untuk membantu memudahkan pemeriksaan esai yang saat ini masih dilakukan secara manual. Pengembangan sistemnya sendiri dilakukan dengan menggunakan bahasa pemrograman Python. Terdapat 5 skenario pengujian yang dilakukan dengan memvariasikan jenis masukan hiragana dan romaji serta proses eliminasi stopwords. Dari hasil yang diperoleh dan analisis yang dilakukan, bentuk atau jenis input teks yang digunakan serta penggunaan parameter seperti stopwords berpengaruh terhadap akurasi penilaian yang diperoleh. Sistem penilaian esai otomatis yang dikembangkan mampu memperoleh tingkat akurasi tertinggi sebesar 89% dengan menggunakan input berupa huruf romaji dan tanpa proses eliminasi stopwords.

---

This thesis will discuss about the development of an automatic essay grading system for short Japanese essays by applying the K-Means Clustering method to group each question topic and Latent Semantic Analysis to make an assessment. The system developed to help facilitate essay checking is currently still being done manually. The development of the system itself is carried out using the Python programming language. There are 5 test scenarios carried out by varying the types of hiragana and romaji inputs and the stopwords elimination process. From the results obtained and the analysis carried out, the form or type of text input used and the use of parameters such as stop words have an effect on the accuracy of the assessment obtained. The developed automatic essay scoring system was able to obtain the highest accuracy rate of 89% by using input in the form of Romaji letters and without the stopwords elimination process."

"Orthogonal Frequency Division Multiplexing (OFDM) adalah suatu teknik pengiriman pembawa jamak yang merupakan bentuk khusus dari Frequency Division Multiplexing (FDM) yang menggunakan spektrum lebih kecil terbagi ke dalam beberapa pembawa dengan mengatur jarak kanal yang lebih kecil sehingga penggunaan bandwidth akan lebih efisien.Pengiriman sinyal OFDM berdasarkan Transformasi Fourier Cepat (TFC-OFDM) memberikan efisiensi bandwidth dan memiliki kemampuan untuk mencegah terjadi interferensi Antar Simbol (IAS) dan Interferensi Antar Pernbawa (IAP) dengan penggunaan cyclic prefix yang dimasukkan di antara simbol-simbol TFD-OFDM, tetapi langkah ini membutuhkan hingga 25% dari bandwidth. Untuk meningkatkan efisiensi bandwidth dan memberikan kemampuan lebih baik dalam mencegah terjadinya IAS dan IAP maka diajukan pengiriman sinyal OFDM berdasarkan Transformasi Wavelet Diskrit (TWD-OFDM).Melalui pemodelan sistem OFDM berdasarkan Transformasi Wavelet Diskrit (TWD) dan Transformasi Fourier Cepat (TFC) pada kanal Additive White Gaussian Noise (AWGN) dan kanal Rayleigh fading lintasan jamak dengan bantuan perangkat lunak MATLAB versi 7.0.1, maka dapat dianalisa sejauh mana Bit Error Rate (BER) pada kedua sistem untuk tingkat Power Noise (Eb/No) yang sama.

---

Orthogonal Frequency Division Multiplexing (OFDM) is a multi-carrier transmission technique, which divides the available frequency into many carriers. OFDM is a special case of Frequency Division Multiplexing (FDM). OFDM uses the much spectrum more efficiently by spacing the channels much more closely together.

Fast Fourier Transform (FFT) based OFDM signal transmission gives bandwidth efficiency and have capability to combat Inter Carrier Interference (IC) and Inter-Symbol Interference (ISI) by adding a cyclic prefix between FFT -OFDM symbols, but this can decrease the bandwidth efficiency roughly 25%. To improve the bandwidth efficiency and ISI, ICI, Discrete Wavelet Transform is proposed.

Through DWT-OFDM and FFT OFDM over Additive White Gaussian Noise (AWGN) and Rayleigh Fading multi path Channel modeling supported with the program-based MATLAB version 7.0.1, we could analyze and compare Bit Error Rate (BER) over the same level of Power Noise (Eb/No)."

"Dalam teknologi telekomunikasi, pemrosesan sinyal menyandang peran vital. Penerapan teknik tersebut telah merambah ke berbagai bidang seperti halnya bidang pengolahan suara dan ucapan, bidang pengolahan citra, kompresi data, dan estimasi spektral waktu frekuensi.Radar (Radio Detection and Ranging) adalah suatu metode penggunaan gelombang radio untuk mendeteksi kehadiran objek sasaran dan menentukan posisinya (lokasi/jaraknya) serta kecepatannya. Secara umum sinyal echo radar terdiri dari clutter c(t) yang merupakan hamburan dari benda-benda lain, noise n(t) atau derau yang lebih didominasi oleh penerima sendiri (kecuali pada frekuensi rendah), dan sinyal yang mungkin jika ada sasaran.Melalui bentuk pemodelan pembangkitan sinyal echo radar dengan bantuan program berbasiskan Matlab Simulink dan Matlab versi 4.2, maka dapat dianalisa sejauh mana penerapan dari untuk kerja transformasi Wavelet dan membandingkannya dengan transformasi Fourier dalam mengidentifikasi sinyal echo radar . Pemrosesan sinyal ditujukan untuk mengetahui kandungan frekuensi Doppler, dengan kata lain untuk tujuan mengetahui besar kecepatan radial benda terhadap radar. Dalam setiap deteksi diasumsikan selalu ada sasaran yang sudah berhasil dideteksi, sehingga yang harus dilaksanakan adalah mengetahui besar kecepatan radialnya.

---

Signal processing plays an important role in communication technology. Application of the technique has broadly expanded to various fields such as sound and utterance processing, image processing, data compression and frequency time spectral estimation.Radar (Radio Detection and Ranging) is one method of using radio wave to detect the targeted objects, their positions (in terms of location and distance) and speeds. Signally radar echo signal consists of clutter c(t), scattering from other objects, noise n(t) or roaring sound, dominantly controlled by the internal receiver (except for low frequency), and possible signal, when the target exist.In form of radar echo signal erection modeling supported with the program-based Matlab Simulink and Matlab Version 4.2, we may analyze application of Wavelet transforms displays as far as possible and compare to the Fourier transforms to identify radar echo signal. Signal processing is aimed at knowing the Doppler frequency ingredients. In other words, it is purposed to see the objects radial speed against the radar. It is assumed that there are always targeted objects already successfully detected. In this care, it is our task to determine the radial speed."

"ABSTRAKPeningkatan kualitas citra medis khususnya untuk bagian kepala manusia terus dikembangkan, termasuk dengan pemodelan 3D. Hal ini dilakukan untuk mengurangi kesalahan dalam proses diagnosa dan memfasilitasi pendeteksian tumor otak dengan pendekatan 3D. Dalam prosesnya, citra MRI otak dianalisa secara 3D sehingga diperoleh bagian tumor otak. Citra MRI dikonversi dari citra berformat MINC. Citra diklasifikasi untuk mendeteksi objek menggunakan K-Means Clustering yang akan memisahkan bagian tumor dan otak. Proses filter dilakukan menggunakan Non-Local Means sehingga noise hasil pengolahan dapat berkurang dari proses sebelumnya. Hasil citra pengolahan disegmentasi untuk meningkatkan dan mendukung proses rekonstruksi menggunakan Thresholding. Terakhir adalah merekonstruksi citra dalam bentuk 3D menggunakan metode Marching Cube. Evaluasi akurasi sistem meliputi pengurangan resolusi, pengujian citra normal, uji perbandingan, penggantian format citra dan penambahan noise. Hasil akurasi pendeteksian tumor otak mencapai 100% untuk format PNG dan resolusi 512x512, 97,7% untuk resolusi 256x256, 96,9% untuk citra normal tanpa tumor dan 97,96% berdasarkan perbandingan data olah dengan data referensi. Format PNG memiliki akurasi dibandingkan format JPEG dengan perbedaan sebesar 4%. Pengujian dengan menambahkan noise menghasilkan akurasi 87,6% untuk densitas 0,01, 83,6% untuk 0,05 dan 74,5% untuk 0,09.

---

ABSTRACTMedical image enhancement especially for human brain imageries is rapidly developed, including 3D modeling. This research is aimed to reduce the error of diagnosis process and facilitate brain tumor detection using 3D approach. In the process, 3D brain from MRI imageries is analyzed to detect brain tumors. MRI image is converted from MINC format. Then, the image is classified to detect objects using K-Means Clustering to divide each part of brain. Filtering is performed using Non-Local Means to remove noise from previous processes. The result of imageries are segmented to enhance and support reconstruction process using Thresholding. Finally, 3D image reconstruction is performed using Marching Cube method. The accuracy of brain tumor detection is evaluated of resolution reduction, non tumor image testing, comparison testing, modifying image format, and adding noise. The accuracy rate of brain tumor detection is 100% for PNG format and 512x512 resolution, 97,7% for 256x256 resolution, 96,9% for non tumor image and 97,96% for comparison between ideal image and reference data. PNG format has better accuracy with JPEG by 4% improvement. The accuracy of adding noise is 87,6% for 0,01 density, 83,6% for 0,05 and 74,5% for 0,09."

"DNA adalah salah satu pembawa informasi genetik pada makhluk hidup. Sequencing dan clustering barisan DNA telah menjadi pekerjaan utama dan rutin dalam dunia biologi molekuler, khususnya dalam bidang terapan bioinformatika. Secara umum metode clustering dapat dibedakan menjadi dua, yaitu hirarki clustering dan partisi clustering. Penelitian ini menggabungkan dua metode clustering yaitu K-Means partisi clustering pada Level 1 dan DIANA hirarki clustering pada Level 2, oleh karena itu disebut Two-Level Hybrid Clustering. Proses awal dimulai dengan mengumpulkan barisan DNA HPV yang diperoleh dari NCBI National Centre for Biotechnology Information, Ekstraksi Ciri, dan Normalisasi. Kemudian melakukan proses clustering menggunakan algoritma K-Means pada Level 1 dan algoritma DIANA pada Level 2. Untuk menghitung jarak genetik antar barisan DNA HPV digunakan persamaan Euclidian Distance. Dan validitas klaster yang digunakan untuk menentukan banyaknya klaster yang optimum adalah Indeks Davies-Bouldin IDB. Hasil penerapan Two-Level Hybrid Clustering pada 1252 barisan DNA HPV adalah data dikelompokan menjadi 4 klaster dengan nilai IDB yaitu 0.859154564. Semua perhitungan dan proses clustering menggunakan software R.

---

DNA is one of the carrier of genetic information in living organisms. Sequencing and clustering DNA sequences has become the key and routine activitis in the molecular biology, in particular on bioinformatics applications. There are two type of clustering, hierarchical clustering and partitioning clustering. In this paper, we combine two type clustering proccesses including K Means partitioning clustering on Level 1 and DIANA hierarchical clustering on Level 2, therefore it called Two Level Hybrid clustering. The beginning of process is started with collecting DNA sequences of HPV from NCBI National Centre for Biotechnology Information, Characteristics Extraction, and Normalization. The next step is clustering by implementation K Means algorithm on Level 1 and DIANA algorithm on Level 2. To calculate the genetic distance we use Euclidian Distance. Moreover, in validating cluster results in order to get optimum number of clusters, we use Davies Bouldin Index DBI. The result of implementation of Two Level Hybrid Clustering on 1252 sequences of HPV is the data clustered into 4 clusters with minimal IDB value is 0.859154564. All calculating and clustering process in this paper using software R."