Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tuberkulosis (TB) menjadi tantangan kesehatan global yang signifikan, menurut laporan World Health Organization (WHO), sekitar seperempat populasi dunia terinfeksi Mycobacterium tuberculosis. Indonesia menempati peringkat kedua setelah India dalam jumlah kasus TB global, dengan 397.377 kasus yang tercatat pada tahun 2021. Provinsi Jawa Barat menjadi wilayah dengan beban kasus TB tertinggi di Indonesia, termasuk Kota Depok yang melaporkan peningkatan kasus sebesar 64,79% pada tahun 2022. Penelitian ini bertujuan untuk melakukan pengelompokan terhadap pasien TB di Kota Depok periode 2021–2022 menggunakan indikator sosio-demografi, riwayat penyakit, dan pengobatan TB. Data diambil dari Sistem Informasi Tuberculosis (SITB) yang diperoleh dari Dinas Kesehatan Kota Depok, mencakup satu variabel numerik dan sepuluh variabel kategorik dengan total 5.910 observasi. Adapun metode yang digunakan adalah k-means, k-prototypes, dan Large Language Model (LLM) + k-means yang merupakan bagian dari metode hard clustering. Hasil penelitian ini menunjukkan bahwa algoritma LLM + k-means mampu melakukan pengelompokan data bertipe campuran dengan lebih baik dengan indeks Davies-Bouldin 0,6819, yang bermakna bahwa cluster yang terbentuk telah memiliki struktur yang baik. Jumlah cluster optimal yang dibentuk adalah dua cluster yang disusun oleh 5.546 observasi pada cluster pertama dan 364 pada cluster kedua. Cluster pertama cenderung berisikan pasien dengan pekerjaan non-formal sedangkan para pekerja formal cenderung dikelompokkan dalam cluster kedua.

---

Tuberculosis (TB) is a significant global health challenge, according to the World Health Organization (WHO), about a quarter of the world’s population is infected with Mycobacterium tuberculosis. Indonesia ranks second after India in terms of the number of global TB cases, with 397,377 cases recorded in 2021. West Java Province is the region with the highest burden of TB cases in Indonesia, including Depok City, which reported a 64.79% increase in cases in 2022. This study clustered TB patients in Depok City for the period 2021–2022 using socio-demographic indicators, medical history, and TB treatment. Data were obtained from the Tuberculosis Information System (SITB) obtained from the Depok City Health Office, covering one numeric variable and ten categorical variables with a total of 5,910 observations. The methods used were k-means, k-prototypes, and Large Language Model (LLM) + k-means, which is part of the hard clustering method. The results of this study indicate that the LLM + k-means algorithm is able to perform mixed-type data clustering better with a Davies-Bouldin index of 0.6819, which means that the clusters formed have a good structure. The optimal number of clusters formed was two clusters comprising 5,546 observations in the first cluster and 364 observations in the second cluster. The first cluster tended to include patients with non-formal jobs, whereas formal workers tended to be grouped in the second cluster."

"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."