Hasil Pencarian  ::  Simpan CSV :: Kembali

"Wilayah karst di Indonesia memiliki karakteristik yang beragam. Salah satunya adalah Wilayah Karst Gombong Selatan yang bertipe kokpit. Bagian lembah karst bertipe kokpit, disebut dengan dolina, merupakan depresi tempat tersalurkannya air yang dapat tertampung membentuk telaga atau diteruskan menjadi aliran bawah tanah. Morfometri dolina merupakan salah satu cara menyediakan data dasar dalam upaya pelestarian lingkungan. Identifikasi dolina dilakukan dengan pengukuran untuk mendapatkan karakteristik kuantitatif. Selanjutnya ditambahkan dengan karakteristik lokasi ketinggian dolina, lokasi kelerengan dolina dan posisi topografi dolina. Selanjutnya dilakukan analisis karakteristik dolina pada wilayah ketinggian, kelerengan dan posisi topografi.Hasil penelitian menunjukkan semakin tinggi suatu dolina maka kecenderungan luas dan kelilingnya semakin kecil. Sebagian besar dolina berada pada kelerengan 0-2% dan berada posisi topografi lembah. Semakin tinggi lokasi dolina maka ukuran luas permukaan dan panjang keliling permukaan cenderung semakin rendah. Dolina dengan klasifikasi luas kecil (2.000-8.000 m2) dan keliling pendek (205-430 m) sebagian besar berada di bagian tengah Wilayah Karst Gombong Selatan pada ketinggian 300-400 mdpl.

---

Characteristics of karst region in Indonesia are in moderately varied types. Southern Gombong Karst Region with a cockpit-type is one of the karst region characteristics. Doline, karst basin with a cockpit-type, is a depression where water can be formed as water base-flow or ground water. Morphometry of doline is one of the options to provide basic data for natural reservation. Doline identification is obtained by a characteristic quantitative measurement. Furthermore, it is obtained by adding measurements of doline topography location, doline steep location and doline topography position. Then, analyze on topography, steep and position of doline characteristic is being conducted.Based on the research result, it indicates that the higher doline will have the narrower length and space. Most of the dolines are located on the 0-2 percent steep and sited on the basin. The higher doline will have the smaller surface space and length. Dolines with smaller space qualification (from 2,000 to 8,000 m2) and shorter length qualification (from 205 to 430 m) are mostly located in the mid area of Southern Gombong Karst Region, in the height between 300-400 meters above the sea level."

"Estimasi parameter model autoregressive dapat diperoleh dengan beberapa metode, salah satunya adalah metode Marginal Likelihood. Untuk memperoleh fungsi marginal likelihood, proses autoregressive dapat dinyatakan sebagai structural model (Fraser, 1968). Dalam structural model, data runtun waktu stasioner dinyatakan sebagai kombinasi linear dari mean proses dan variabel error yang tidak terobservasi. Dengan mengganggap variabel error sebagai proses circular dan noncircular, diperoleh sifat distribusi dari variabel error yang tidak bergantung pada parameter populasi, sehingga data runtun waktu mengikuti model Location-scale. Melalui model Location-Scale dapat dibuktikan bahwa vektor data runtun waktu yang distandarisasi merupakan ancillary statistic. Ancillary statistic ini menjadi dasar untuk membangun fungsi marginal likelihood karena distribusi dari ancillary statistic bebas dari parameter populasi."

"Distribusi dari nilai maksimum dapat diperoleh dengan menggunakan statistik terurut. Namun saat jumlah observasi sangat besar menuju tak hingga, distribusi pendekatan yang diperoleh adalah distribusi degenerate. Gnedenko memberikan satu teorema yaitu bahwa distribusi untuk nilai maksimum yang sudah ditransformasi dengan konstanta tertentu dapat didekati oleh distribusi nondegenerate. Dalam skripsi ini akan dibahas pembuktian dari teorema Gnedenko tersebut sehingga dapat digunakan untuk memperoleh distribusi pendekatan dari nilai maksimum yang ditransformasi. Kemudian berdasarkan pernyataan dari Reiss akan dilakukan penaksiran parameter sehingga diperoleh tiga tipe distribusi pendekatan dari nilai maksimum yang belum ditransformasi. Untuk menjelaskan hubungan antara distribusi pendekatan dalam teorema Gnedenko dengan distribusi yang sudah umum diketahui, akan dibahas mengenai domain of attraction yaitu himpunan fungsi distribusi yang memenuhi teorema Gnedenko. Setiap tipe mempunyai kriteria uji domain of attraction untuk mengetahui distribusi pendekatan yang paling tepat yang dapat digunakan sebagai distribusi pendekatan untuk nilai maksimum."

"Data lifetime merupakan data waktu hingga terjadinya suatu kejadian atau event. Dalam hal ini, data waktu survival dan data waktu kegagalan mengacu pada makna yang sama dengan data lifetime dengan pengimplementasian luas di berbagai bidang. Di beberapa penelitian, ditunjukkan data waktu survival memiliki bentuk fungsi kepadatan peluang yang menceng kanan dan fungsi hazard yang berbentuk upside down bathtub atau unimodal. Untuk itu, pengaplikasian data melalui pemodelan distribusi harus disesuaikan dengan karakteristik data yang digunakan. Distribusi Lindley merupakan distribusi yang dapat memodelkan data waktu kegagalan dengan fungsi hazard monoton naik. Untuk meningkatkan fleksibilitas distribusi Lindley, maka dilakukan penggabungan antara distribusi Lindley dengan distribusi Burr-XII yang memiliki bentuk fungsi kepadatan peluang dan bentuk fungsi hazard unimodal serta monoton turun. Sebagai hasilnya, distribusi gabungan Lindley-Burr XII (LBXII) mengakomodasi bentuk fungsi hazard yang monoton turun, unimodal, dan monoton naik. Kemudian untuk menambah fleksibilitas distribusi LBXII dalam memodelkan data waktu hingga terjadi kegagalan pertama, maka dilakukan penggabungan antara distribusi LBXII dengan distribusi diskrit Poisson (distribusi Lindley-Burr XII Poisson / LBXIIP). Sehingga, distribusi LBXIIP memiliki bentuk fungsi hazard yang unimodal, monoton turun, monoton naik, dan bentuk bathtub yang diikuti dengan bentuk upside down bathtub. Selain itu, distribusi LBXIIP juga mempunyai empat parameter yang pengestimasiannya dapat dihitung dengan menggunakan metode maximum likelihood estimation (MLE). Akan tetapi, hasil pengestimasian parameter distribusi LBXIIP menggunakan metode MLE tidak dapat diperoleh secara langsung. Oleh karena itu, digunakan metode konjugat gradien Modified Wei-Yao-Liu (MWYL) yang merupakan modifikasi dari metode konjugat gradien Wei-Yao-Liu (WYL), di mana metode konjugat gradien WYL dibentuk dengan memodifikasi metode konjugat gradien Polak–Ribière–Polyak (PRP). Di penelitian sebelumnya, telah ditunjukkan metode konjugat gradien MWYL memiliki kinerja yang lebih efisien dibandingkan metode konjugat gradien PRP. Untuk itu, pada penelitian ini dilakukan perbandingan kinerja akurasi metode konjugat gradien MWYL, WYL, dan PRP dalam estimasi parameter distribusi LBXIIP. Hasil simulasi menunjukkan metode konjugat gradien MWYL memiliki kinerja akurasi yang lebih baik dibandingkan dengan metode konjugat gradien PRP dan WYL Selanjutnya, distribusi LBXIIP merupakan distribusi yang paling cocok dalam memodelkan data survival pasien kanker kepala dan leher dibandingkan dengan distribusi Lindley, distribusi Burr XII, dan distribusi LBXII.

---

Lifetime data is time data until the occurrence of an event. In this case, survival time data and failure time data are similar in the meaning of lifetime data with wide application in various fields. In some studies, it is shown that survival time data has a right-skewed probability density function and an upside down bathtub or unimodal hazard function. For this reason, the application of data through distribution modeling must be adjusted to the characteristics of the data used. The Lindley distribution is a distribution that can model failure time data with a monotonically increasing hazard function. To increase the flexibility of the Lindley distribution, the Lindley distribution is combined with the Burr-XII distribution which has a shape of the probability density function and the shape of the hazard function is unimodal and monotonically decreasing. As a result, the combined Lindley-Burr XII (LBXII) distribution accommodates the monotonically decreasing, unimodal, and monotonically increasing hazard function forms. Then, to increase the flexibility of the LBXII distribution in modeling time to first failure data, the LBXII distribution is combined with a discrete Poisson distribution (Lindley-Burr XII Poisson distribution / LBXIIP). Thus, the LBXIIP distribution has a hazard function shape that is unimodal, monotonically decreasing, monotonically increasing, and a bathtub shape followed by an upside down bathtub shape. In addition, the LBXIIP distribution also has four parameters whose estimation can be determined using the maximum likelihood estimation (MLE) method. However, the results of the LBXIIP distribution parameter estimation using the MLE method cannot be obtained directly. Therefore, the Modified Wei-Yao-Liu (MWYL) conjugate gradient method is used which is a modification of the Wei-Yao-Liu (WYL) conjugate gradient method, where the WYL conjugate gradient method is formed by modifying the Polak-Ribière-Polyak (PRP) conjugate gradient method. In previous research, it has been shown that the MWYL conjugate gradient method has more efficient performance than the PRP conjugate gradient method. Therefore, this study compares the accuracy performance of MWYL, WYL, and PRP conjugate gradient methods in estimating LBXIIP distribution parameters. Simulation results show that the MWYL conjugate gradient method has better accuracy performance compared to the PRP and WYL conjugate gradient methods. Furthermore, the LBXIIP distribution is the most fit distribution in modeling survival data of head and neck cancer patients compared to the Lindley distribution, Burr XII distribution, and LBXII distribution."

"Data lifetime merupakan data waktu hingga terjadinya suatu kejadian atau event. Dalam hal ini, data waktu survival dan data waktu kegagalan mengacu pada makna yang sama dengan data lifetime dengan pengimplementasian luas di berbagai bidang. Di beberapa penelitian, ditunjukkan data waktu survival memiliki bentuk fungsi kepadatan peluang yang menceng kanan dan fungsi hazard yang berbentuk upside down bathtub atau unimodal. Untuk itu, pengaplikasian data melalui pemodelan distribusi harus disesuaikan dengan karakteristik data yang digunakan. Distribusi Lindley merupakan distribusi yang dapat memodelkan data waktu kegagalan dengan fungsi hazard monoton naik. Untuk meningkatkan fleksibilitas distribusi Lindley, maka dilakukan penggabungan antara distribusi Lindley dengan distribusi Burr-XII yang memiliki bentuk fungsi kepadatan peluang dan bentuk fungsi hazard unimodal serta monoton turun. Sebagai hasilnya, distribusi gabungan Lindley-Burr XII (LBXII) mengakomodasi bentuk fungsi hazard yang monoton turun, unimodal, dan monoton naik. Kemudian untuk menambah fleksibilitas distribusi LBXII dalam memodelkan data waktu hingga terjadi kegagalan pertama, maka dilakukan penggabungan antara distribusi LBXII dengan distribusi diskrit Poisson (distribusi Lindley-Burr XII Poisson / LBXIIP). Sehingga, distribusi LBXIIP memiliki bentuk fungsi hazard yang unimodal, monoton turun, monoton naik, dan bentuk bathtub yang diikuti dengan bentuk upside down bathtub. Selain itu, distribusi LBXIIP juga mempunyai empat parameter yang pengestimasiannya dapat dihitung dengan menggunakan metode maximum likelihood estimation (MLE). Akan tetapi, hasil pengestimasian parameter distribusi LBXIIP menggunakan metode MLE tidak dapat diperoleh secara langsung. Oleh karena itu, digunakan metode konjugat gradien Modified Wei-Yao-Liu (MWYL) yang merupakan modifikasi dari metode konjugat gradien Wei-Yao-Liu (WYL), di mana metode konjugat gradien WYL dibentuk dengan memodifikasi metode konjugat gradien Polak–Ribière–Polyak (PRP). Di penelitian sebelumnya, telah ditunjukkan metode konjugat gradien MWYL memiliki kinerja yang lebih efisien dibandingkan metode konjugat gradien PRP. Untuk itu, pada penelitian ini dilakukan perbandingan kinerja akurasi metode konjugat gradien MWYL, WYL, dan PRP dalam estimasi parameter distribusi LBXIIP. Hasil simulasi menunjukkan metode konjugat gradien MWYL memiliki kinerja akurasi yang lebih baik dibandingkan dengan metode konjugat gradien PRP dan WYL Selanjutnya, distribusi LBXIIP merupakan distribusi yang paling cocok dalam memodelkan data survival pasien kanker kepala dan leher dibandingkan dengan distribusi Lindley, distribusi Burr XII, dan distribusi LBXII.

---

Lifetime data is time data until the occurrence of an event. In this case, survival time data and failure time data are similar in the meaning of lifetime data with wide application in various fields. In some studies, it is shown that survival time data has a right-skewed probability density function and an upside down bathtub or unimodal hazard function. For this reason, the application of data through distribution modeling must be adjusted to the characteristics of the data used. The Lindley distribution is a distribution that can model failure time data with a monotonically increasing hazard function. To increase the flexibility of the Lindley distribution, the Lindley distribution is combined with the Burr-XII distribution which has a shape of the probability density function and the shape of the hazard function is unimodal and monotonically decreasing. As a result, the combined Lindley-Burr XII (LBXII) distribution accommodates the monotonically decreasing, unimodal, and monotonically increasing hazard function forms. Then, to increase the flexibility of the LBXII distribution in modeling time to first failure data, the LBXII distribution is combined with a discrete Poisson distribution (Lindley-Burr XII Poisson distribution / LBXIIP). Thus, the LBXIIP distribution has a hazard function shape that is unimodal, monotonically decreasing, monotonically increasing, and a bathtub shape followed by an upside down bathtub shape. In addition, the LBXIIP distribution also has four parameters whose estimation can be determined using the maximum likelihood estimation (MLE) method. However, the results of the LBXIIP distribution parameter estimation using the MLE method cannot be obtained directly. Therefore, the Modified Wei-Yao-Liu (MWYL) conjugate gradient method is used which is a modification of the Wei-Yao-Liu (WYL) conjugate gradient method, where the WYL conjugate gradient method is formed by modifying the Polak-Ribière-Polyak (PRP) conjugate gradient method. In previous research, it has been shown that the MWYL conjugate gradient method has more efficient performance than the PRP conjugate gradient method. Therefore, this study compares the accuracy performance of MWYL, WYL, and PRP conjugate gradient methods in estimating LBXIIP distribution parameters. Simulation results show that the MWYL conjugate gradient method has better accuracy performance compared to the PRP and WYL conjugate gradient methods. Furthermore, the LBXIIP distribution is the most fit distribution in modeling survival data of head and neck cancer patients compared to the Lindley distribution, Burr XII distribution, and LBXII distribution."

"Dalam desain sistem pemantauan dan pengontrolan parameter lingkungan secara otomatis, selain desain sistem serta implementasi algoritma di dalamnya, pemilihan media tanam merupakan faktor penting yang menjadi pertimbangan. Pertimbangan akan jenis media tanam mengarah kepada suatu media terisolasi yang memungkinkan terjadinya pengontrolan langsung oleh aktuator. Sedangkan pertimbangan akan desain sistem mengarah kepada bagaimana arsitektur fisik alat dan protokol pemantauan dan pengontrol dapat dieksekusi secara efektif dan efisien. Pertimbangan pada implementasi algoritma mengarah kepada bagaimana proses pemantauan dan pengontrolan bersifat komplementer. Dalam skripsi ini, peneliti mengusulkan rancang sistem pemantau dan pengontrol tanaman dengan media terarium tertutup berbasis IoT dengan menggunakan algoritma novel yang memanfaatkan integrasi data, yakni data fusion, dan adaptive hysteresis regime. Tujuan dari sistem yang diusulkan ialah untuk mengontrol setiap parameter lingkungan ke dalam rentang optimum dengan mempertimbangkan coupling relationship antar parameter untuk mempercepat pertumbuhan tanaman. Hasil pengukuran menunjukkan bahwa sistem yang diusulkan menghasilkan kondisi optimum yang berkelanjutan dan stabil. Hal ini dibuktikan pada saat implementasi sistem di mana kecepatan pertumbuhan tanaman yang dikontrol di dalam sistem yang diusulkan rata-rata lebih cepat 23,83 % daripada tanaman yang tidak dikontrol.

---

In the design of autonomous monitoring and controlling environmental parameters, in addition to the system design and algorithm implementation, the choice of planting media is an important factor to be considered. Consideration of the type of planting media leads to an isolated medium that allows direct control by actuators. While the consideration of the system design leads to how the physical architecture and monitoring and controlling tools and protocols can be executed effectively and efficiently. Consideration on the implementation of algorithm leads to how the monitoring and controlling process is complementary to each other. In this thesis, the researcher proposes the design of plant monitoring and controlling system with IoT-based terrarium medium using novel algorithms that utilize data integration, namely data fusion, and the adaptive hysteresis regime. The purpose of the proposed system is to control each environmental parameter into the optimum range by considering coupling relationship between parameters to accelerate plant growth. The measurement results show that the proposed system produces optimum conditions that are more sustain and stable. This is evidenced at the time of the implementation of the system where the plant growth controlled in the proposed system is on average 23,83 % faster than uncontrolled ones."