Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 391 dokumen yang sesuai dengan query
cover
Nji Raden Poespawati
Depok: Fakultas Teknik Universitas Indonesia, 2000
LP-pdf
UI - Laporan Penelitian  Universitas Indonesia Library
cover
Yulikuspartono
Yogyakarta : Andi, 2004
005.115 YUL p
Buku Teks SO  Universitas Indonesia Library
cover
Achmad Basuki
Yogyakarta: Andi Yogyakarta, 2005
005.1 ACH m
Buku Teks  Universitas Indonesia Library
cover
Kusrini
Yogyakarta: Andi Yogyakarta, 2009
005.1 KUS a
Buku Teks SO  Universitas Indonesia Library
cover
Anisah Muharini
"ABSTRAK
Usaha perlindungan terhadap citra digital merupakan hal yang penting dan
mendesak abad ini, karena dapat memperkecil usaha manipulasi citra digital
tesebut untuk hal yang negatif. Usaha tersebut dapat dilakukan dengan
penyandian(enkripsi) menggunakan algoritma Rivest Code 6 (RC6), yakni suatu
algoritma block cipher yang menggunakan kunci simetri. Algoritma RC6 ini
dikenal dengan kesederhanaannya juga variasi panjang kunci yang dapat
digunakan untuk melakukan enkripsi maupun dekripsi. Oleh karena itu
diharapkan sandi(ciphertext) dari implementasi program algoritma RC6 ini sulit
dipecahkan sehingga citra digital dapat terlindungi dengan baik.

ABSTRACT
Efforts in securing digital image is something that important and urgent today
because it can reduce risk of digital image manipulation. These efforts can be
done with an encryption using Rivest Code 6 algorithm, a block cipher algorithm
which use symmetric key. This Algorithm recognized by its simplicity.With RC6,
user can choose the length of key that will be used for encryption and decryption.
Hope that ciphertext from implementation of this algorithm can be well protected
from any manipulation.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2012
S42377
UI - Skripsi Open  Universitas Indonesia Library
cover
Ika Alfina
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2000
S26949
UI - Skripsi Membership  Universitas Indonesia Library
cover
Fakultas Ilmu Komputer Universitas Indonesia, 1996
S26980
UI - Skripsi Membership  Universitas Indonesia Library
cover
Marpaung, Toga Halomoan
"Tulisan ini akan membahas analisa kinerja dari kalkulasi selruh akar suatu polinomial Pn(x) secara simultan yang diimplementasikan pada sistem multiprosesor berbasis transputer. Analisa yang dimaksud berkisar pada masalah speedup (peningkatan kecepatan) terhadap perbedaan jurnlah Prosesor, algoritma yang digunakan, dan trade-off paralelisme lainnya. Dalam tulisan ini ada 2 algoritma paralel pencari akar yang akan diuji yaitu yang dibuat oleh Durand-Kerner dan Ehrlich. Kedua algoritma ini mempunyai potensi untuk dikembangkan dalam sistem pemrosesan paralel. Kesimpulan utama yang didapat adalah bahwa untuk kedua algoriuna, speedup rneningkat seiring dengan bertambahnya jumlah prosesor yang digunakan walaupun dari segi efisiensi pemanfaatan prosesor terjadi penurunan."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 1993
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Indonesia Sakti Darmanto
"Pemodelan kurva merupakan aspek penting dalam bidang pemodelan geometris. Pemodelan kurva original menghasilkan error yang besar karena jumlah titik data yang lebih banyak daripada jumlah simpul poligon kontrol. Penelitian ini berfokus pada pemodelan kurva b-spline. Metode optimasi knot vector pada kurva dilakukan berdasarkan algoritma yang terinspirasi dari alam yang bisa digunakan untuk memodelkan kurva b-spline dengan kesalahan minimum. Algoritma yang diilhami dari alam ini adalah Firefly Algorithm yang ditemukan Prof. Xin-She Yang (Cambridge University). Menurut Xin-She Yang (2013: 123-124) dalam bukunya yang berjudul Nature-Inspired Optimization Algorithms sendiri menyatakan bahwa Firefly Algorithm memiliki dua keunggulan utama dibandingkan algoritma lain. Dua keunggulan tersebut yaitu subdivisi otomatis dan kemampuan untuk menangani multimodalitas. Tujuan penelitan ini antara lain untuk mencari variasi derajat B-Spline yang efektif terhadap drag reduction pada kapal tanker ketika berlayar. Pengujian dilakukan pada model kapal tanker dengan Froude Number 0.2 – 0.35 dengan interval sebesar 0,05 dan derajat B-Spline 5° , 10°, 15°, dan 20°. Pengujian dilakukan secara numerik menggunakan software Computational Fluid Dynamic (CFD). Penelitian ini diharapkan mampu menunjukkan konfigurasi yang optimum pada kapal tanker menggunakan Firelfy Algorithm dengan variasi derajat B-spline terhadap besar nilai hambatan total.

Curve modeling is an important aspect in the field of geometric modeling. The original curve modeling produces a large error because the number of data points is more than the number of control polygon vertices. This study focuses on modeling the b-spline curve. The knot vector optimization method on the curve is based on an algorithm inspired by nature which can be used to model the b-spline curve with minimum error. The algorithm inspired by this nature is the Firefly Algorithm which was discovered by Prof. Xin-She Yang (Cambridge University). According to Xin-She Yang (2013: 123-124) in his book entitled Nature-Inspired Optimization Algorithms himself states that the Firefly Algorithm has two main advantages over other algorithms. Those two advantages are automatic subdivision and the ability to handle multimodalities. The purpose of this research, among others, is to find variations in the degree of B-Spline that are effective against drag reduction on tankers when sailing. Tests were carried out on tanker models with Froude Number 0.2 – 0.35 with intervals of 0.05 and B-Spline degrees of 5°, 10°, 15°, and 20°. The test was performed numerically using Computational Fluid Dynamic (CFD) software. This research is expected to be able to show the optimum configuration on tankers using the Firefly Algorithm with variations in the degree of B-spline to the total resistance value."
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Thia Sabel Permata
"Pembentukan dan perkembangbiakan sel tumor terjadi jika protein khusus yang mengatur pembelahan sel mengalami perubahan fungsi, ekspresi gen atau hilang keduanya. Salah satu protein penekan tumor yang berperan dalam pengendalian siklus sel adalah protein TP53. Pada sebagian besar perubahan genetik dalam tumor, baik delesi atau mutasi pada lebih dari 50% kanker pada manusia, ditemukan mutan TP53 yang merupakan faktor beresiko tinggi terhadap kanker. Oleh karena itu, penting untuk melakukan studi tentang pengelompokan interaksi protein-protein TP53. Interaksi protein secara umum disajikan dalam jaringan graf (graph network) dengan protein sebagai simpul dan interaksinya sebagai busur. Algoritma Markov Clustering (MCL) adalah satu metode graph clustering yang dibuat berdasarkan simulasi dari flow stokastik pada suatu graf. Dalam skripsi ini, dibahas mengenai implementasi algoritma MCL pada data interaksi protein-protein TP53 dengan menggunakan bahasa pemrograman Python. Algoritma MCL terdiri dari tiga operasi utama yaitu ekspansi, penggelembungan, dan pemotongan. Selanjutnya, dilakukan analisis hasil clustering dari simulasi algoritma MCL dengan menggunakan parameter ekspansi, penggelembungan dan faktor pengali yang berbeda-beda. Berdasarkan analisis hasil clustering yang dilakukan, algoritma MCL terbukti menghasilkan robust cluster dengan protein TP53 sebagai pusat cluster untuk setiap hasil clustering.

The formation and proliferation of tumor cells occurs if a special protein that regulates cell division changing the function, gene expression or lost both. One of the tumor suppressor protein that plays a role in controlling the cell cycle is the TP53 protein. In most of the genetic changes in the tumor, either deletions or mutations in more than 50% of human cancers, it found that mutant of TP53 is a high risk factor for cancer. Therefore, it is important to conduct studies on protein-protein interactions clustering of TP53. Protein interactions are generally presented in the graph network with proteins as nodes and interactions as edges. Markov Clustering (MCL) algorithm is a graph clustering method which is based on a simulation of stochastic flow on a graph. This minithesis discussed about the implementation of the MCL process on protein-protein interaction of TP53 data using the Python programming language. MCL algorithm consists of three main operations: expansion, inflation, and prune. Furthermore, the clustering simulation is using the different parameter of expansion, inflation and the multiplier factor. Based on the analysis of the clustering results, MCL algorithm is proven to produce robust cluster with TP53 protein as a centroid for each clustering results."
Depok: Universitas Indonesia, 2016
S62721
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>