Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banjir di perkotaan merupakan bencana yang signifikan karena banyaknya penduduk yang terkena dampaknya. Dalam kebanyakan kasus, banjir terjadi bersamaan dengan hujan lebat, sehingga jika diamati dari satelit yang menggunakan sensor optik, daerah tersebut tertutup awan. Penelitan ini mengusulkan framework baru untuk klasifikasi banjir daerah perkotaan menggunakan sensor satelit penginderaan jauh Synthetic Aperture Radar (SAR) yang mempunyai kemampuan menembus awan. Framework ini dikembangkan untuk mengklasifikasi daerah banjir dengan mempertahankan variasi temporalnya. Studi kasus yang digunakan adalah wilayah Jakarta menggunakan metode 3D CNN multi-sensor pada data Sentinel-1 (S-1) multi-temporal dan curah hujan rata-rata Climate Hazard Infrared Precipitation Sensor (CHIRPS). Data terdiri atas 24 scene S-1 dengan polarisasi ganda VV dan VH antara bulan Maret 2019-Februari 2020 yang terdiri dari 20 citra co-polarized dan cross-polarized yang terdiri dari 2 citra co-event, 18 citra pre-event, dan 4 citra post-event sebagai testing data dan data curah hujan dari CHIRPS. Training dilakukan dengan menggunakan hyperparameter 150 epoch, batch size sebesar 100, learning rate sebesar 0,001 dan komposisi data set training/testing digunakan 80/20. Hasil pengujian 3D CNN memberikan rata-rata overall accuracy sebesar 70,3% dengan waktu pemrosesan 113 detik untuk setiap epoch. Dengan hasil tersebut metode 3D CNN diharapkan mampu membantu mengestimasi luas area banjir yang akurat dan mengidentifikasi daerah yang berpotensi mengalami banjir dalam rangka deteksi dini/pencegahan banjir kota-kota lain di masa mendatang.

---

Urban flooding is a significant catastrophe due to its widespread impact on the population. Typically, floods occur concurrently with heavy rainfall, rendering the affected area obscured by clouds when observed through optical sensors on satellites. To address this issue, a novel approach is proposed in this study, aiming to classify flooded urban areas using a remote sensing synthetic aperture radar (SAR) sensor on a satellite. Unlike optical sensors, SAR has the ability to penetrate clouds. The framework was developed by employing the 3D Convolutional Neural Network (CNN) method to preserve the temporal variability, which processed multi-temporal SAR data from Sentinel-1 (S-1) and average rainfall data from the Climate Hazards Infrared Precipitation Sensor (CHIRPS). The dataset used in this research comprised 24 S-1 scenes with Dual VV and VH polarization, covering the period between March 2019 and February 2020 divided into 2 co-event images, 18 pre-event images, and 4 post-event images, along with rainfall data from CHIRPS. The training phase employed hyperparameters of 150 epochs, batch size of 100, and learning rate at 0,001, with training/testing data split of 80/20. The 3D CNN achieved an average overall accuracy of 70.3%, with maximum accuracy at 71,4% and each epoch taking 113 seconds on average to process. These results demonstrate the potential of the 3D CNN method to accurately estimate the extent of flooding and identify areas at risk of flooding, thereby aiding early detection and flood prevention efforts in other cities in the future."

"

Grammatical Error Correction (GEC) merupakan bagian dari Natural Language Processing yang membahas suatu task untuk mendeteksi dan setelahnya mengoreksi suatu teks. Pekerjaan tersebut mencakup pendeteksian dan pengoreksian kesalahan tata bahasa, kesalahan ortografi, dan semantik. Perkembangan GEC untuk bahasa Indonesia terkendala oleh sedikitnya dataset yang dapat digunakan untuk melatih model GEC. Penelitian ini mengusulkan pendekatan rule-based untuk membangun sebuah dataset sintetik yang mengandung kalimat salah secara tata bahasa baku bahasa Indonesia beserta koreksinya. Hal tersebut dapat dilakukan dengan memanfaatkan kamus tesaurus bahasa Indonesia dan alat bantuan NLP seperti tokenizer, part-of-speech tagger, morphological analyzer, dan dependency parser untuk mengekstrak informasi konteks dari kalimat. Kumpulan data sintetik dibangkitkan dengan menggunakan kalimat yang benar secara tata bahasa dari halaman0halaman situs Wikipedia sebagai kalimat input. Dataset ini menyediakan data dalam dua format yang berbeda, yaitu dalam format M2 dan dalam bentuk pasangan kalimat salah dan benar. Pembangkitan kesalahan tata bahasa akan memiliki 17 kemungkinan jenis kesalahan tata bahasa yang berbeda dengan total 16.898 kalimat salah yang dibentuk. Pengujian Gramatika dilakukan dengan melakukan evaluasi secara manual mengenai ketepatan pembangkitan tiap kesalahan pada kalimat. Pengujian manual dilakukan dengan melakukan stratified random sampling untuk mengambil sampel 100 kalimat. Sampel tersebut minimal memiliki 5 contoh untuk setiap jenis kesalahan tata bahasa. Dari pengevaluasian yang dilalukan oleh dua penguji, didapatkan nilai accuracy sebesar 91,1%.

---

Grammatical Error Correction (GEC) is a part of Natural Language Processing which deals with the task of detecting and correcting a text. This includes correcting grammatical errors, semantic errors, and orthographic errors. GEC development in Indonesian language has been hindered by the lack of suitable dataset that can be used to train GEC models. This research proposes a rule-based approach to develop a synthetic dataset that contains sentences in Indonesian with grammar errors and its corresponding corrections. It’s done with the help of dictionaries such as Indonesian thesaurus and NLP tools such as a tokenizer, part of speech tagger, morphological analyzer, and dependency parser to extract contextual information of sentences. The synthetic dataset is generated by using grammatically correct sentences from Wikipedia pages as the input. The resulting dataset is formatted to M2 format and pairs of correct and false sentences, containing 17 types of errors with a total of 16.898 sentences. The evaluation of Gramatika is done by manually assessing the accuracy of the sentence modifications. To do this, stratified random sampling is conducted to select 100 sentences with a minimum of 5 examples for each error type. From the manual evaluation by two evaluators, an average accuracy score of 91.1% is obtained.

"

"Grammatical Error Correction (GEC) merupakan bagian dari Natural Language Processing yang membahas suatu task untuk mendeteksi dan setelahnya mengoreksi suatu teks. Pekerjaan tersebut mencakup pendeteksian dan pengoreksian kesalahan tata bahasa, kesalahan ortografi, dan semantik. Perkembangan GEC untuk bahasa Indonesia terkendala oleh sedikitnya dataset yang dapat digunakan untuk melatih model GEC. Penelitian ini mengusulkan pendekatan rule-based untuk membangun sebuah dataset sintetik yang mengandung kalimat salah secara tata bahasa baku bahasa Indonesia beserta koreksinya. Hal tersebut dapat dilakukan dengan memanfaatkan kamus tesaurus bahasa Indonesia dan alat bantuan NLP seperti tokenizer, part-of-speech tagger, morphological analyzer, dan dependency parser untuk mengekstrak informasi konteks dari kalimat. Kumpulan data sintetik dibangkitkan dengan menggunakan kalimat yang benar secara tata bahasa dari halaman0halaman situs Wikipedia sebagai kalimat input. Dataset ini menyediakan data dalam dua format yang berbeda, yaitu dalam format M2 dan dalam bentuk pasangan kalimat salah dan benar. Pembangkitan kesalahan tata bahasa akan memiliki 17 kemungkinan jenis kesalahan tata bahasa yang berbeda dengan total 16.898 kalimat salah yang dibentuk. Pengujian Gramatika dilakukan dengan melakukan evaluasi secara manual mengenai ketepatan pembangkitan tiap kesalahan pada kalimat. Pengujian manual dilakukan dengan melakukan stratified random sampling untuk mengambil sampel 100 kalimat. Sampel tersebut minimal memiliki 5 contoh untuk setiap jenis kesalahan tata bahasa. Dari pengevaluasian yang dilalukan oleh dua penguji, didapatkan nilai accuracy sebesar 91,1%.

---

Grammatical Error Correction (GEC) is a part of Natural Language Processing which deals with the task of detecting and correcting a text. This includes correcting grammatical errors, semantic errors, and orthographic errors. GEC development in Indonesian language has been hindered by the lack of suitable dataset that can be used to train GEC models. This research proposes a rule-based approach to develop a synthetic dataset that contains sentences in Indonesian with grammar errors and its corresponding corrections. It’s done with the help of dictionaries such as Indonesian thesaurus and NLP tools such as a tokenizer, part of speech tagger, morphological analyzer, and dependency parser to extract contextual information of sentences. The synthetic dataset is generated by using grammatically correct sentences from Wikipedia pages as the input. The resulting dataset is formatted to M2 format and pairs of correct and false sentences, containing 17 types of errors with a total of 16.898 sentences. The evaluation of Gramatika is done by manually assessing the accuracy of the sentence modifications. To do this, stratified random sampling is conducted to select 100 sentences with a minimum of 5 examples for each error type. From the manual evaluation by two evaluators, an average accuracy score of 91.1% is obtained."

"Laut Natuna merupakan perairan di Indonesia yang sering kali beresiko terhadap ancaman keamanan maritim, sehingga mendapat perhatian khusus oleh instansi penegak hukum di laut. Saat ini, teknologi penginderaan jauh Syntetic Aperture Radar (SAR) banyak digunakan oleh instansi sebagai upaya mempermudah pelaksanaan pengawasan terhadap kapal yang melintas. Penelitian ini bertujuan untuk menganalisis zona prioritas pengawasan di Laut Natuna dan perairan di sekitarnya dengan menggunakan data sebaran kapal yang terdeteksi oleh SAR Sentinel-1, data kerentanan maritim, serta jarak patroli instansi. Sebaran kapal dan kerentanan maritim dilakukan analisis Kernel Density untuk mengetahui sebaran serta kerapatannya, sementara untuk jarak patroli dilakukan buffer area  untuk melihat keterjangkauannya. Ketiga variabel dianalisis menggunakan metode Spatial Multi-Criteria Analysis (SMCA) dengan pembobotan Equal Weight (EW) untuk mendapatkan hasil zona prioritas pengawasan maritim di Laut Natuna dan perairan di sekitarnya. Hasil penelitian ini mengungkapkan ketika suatu perairan memiliki aktivitas kapal yang padat, kejadian kerentanan maritim dengan frekuensi tinggi, serta jangkauan patroli yang sempit, maka perairan tersebut masuk ke dalam kategori prioritas pengawasan maritim sangat tinggi. Selain mengetahui kondisi keamanan maritim pada suatu perairan, hasil ini juga dapat memberikan gambaran tentang perencanaan fasilitas serta infrastruktur pengawasan yang memadai di perairan yang masuk ke dalam zona prioritas pengawasan maritim sangat tinggi.

---

Natuna sea is a sea in Indonesia that is constantly at risk of maritime security threats, therefore receives vigilance by law enforcement agencies. Currently, Synthetic Aperture Radar (SAR) is widely used by agencies as one of the attempts to facilitate monitoring of passing ships. This research aims to analyze priority monitoring zones in the Natuna Sea and surrounding waters using ship distribution data detected by SAR Sentinel-1, maritime vulnerability data, and agency patrol distances. Kernel Density analysis is carried out to determine the distribution and density of the distribution of ships and maritime vulnerability, meanwhile for patrol distances a buffer area is used to see its reachability. The three variables were analyzed using the Spatial Multi-Criteria Analysis (SMCA) method to obtain maritime monitoring priority zone. The research results reveal that when a sea area has dense ship activity, high frequency of maritime vulnerability incidents, and a narrow patrol range, the sea will fall into the very high maritime surveillance priority. By knowing the maritime surveillance priority zone in a particular seas, this information can also provide an overview of the planning of adequate monitoring facilities and infrastructure in waters with the very high maritime surveillance priority zone."

"Aktuator jet sintetis menunjukkan hasil yang menjanjikan sebagai teknologi yang memungkinkan untuk kontrol aliran lapisan batas inovatif yang diterapkan pada permukaan eksternal, seperti sayap pesawat, dan aliran external, seperti yang terjadi dalam vektor jet. Karakteristik yang menarik dari jet sintetis adalah operasi nol-massa-fluks dan efek kontrol yang efisien yang memanfaatkan fenomena fluida yang tidak stabil. Pembentukan jet sintetis dalam aliran udara eksternal yang diam adalah permulaan untuk dipahami. Dalam karya ini, pandangan lebih dekat ke prinsip-prinsip menarik dan parameter signifikan di balik cara kerja jet sintetis diambil sebagai langkah pertama. Selanjutnya, simulasi dinamika fluida komputasi 2D dari interaksi antara aktuator jet sintetik dengan udara diam telah dilakukan untuk memberikan gambaran dan gambaran lebih lanjut tentang pembentukan jet sintetis dan counter-rotating-vortex pair (CVP). Hasil penelitian menunjukkan peningkatan magnitudo vortisitas secara periodik dan kecepatan rata-rata jet pada inlet 5,9 m / s dan kecepatan rata-rata hembusan jet sintetik pada lingkungan luar sekitar 6,07 m / s.

---

Synthetic jet actuators is showing promising results as an enabling technology for innovative boundary layer flow control applied to external surfaces, like airplane wings, and to internal flows, like those occurring in jet vectoring. The appealing characteristics of a synthetic jet are zero-net-mass–flux operation and an efficient control effect that takes advantages of unsteady fluid phenomena. The formation of a synthetic jet in a quiescent external air flow is the beginning to be understood. In this work, a closer look to attractive principles and significant parameters behind how synthetic jet works is taken as a first step. Furthermore, a 2-D computational fluid dynamic simulation of interaction between synthetic jet actuator with quiescent air has conducted to give further details and illustration on the formation of synthetic jet and counter-rotating-vortex pair (CVP). The result showing an increasing in of vorticity magnitude periodically and the average velocity of jet at inlet was 5.9 m/s and the average velocity blown by synthetic jet at the external environment is approximately 6,07 m/s."

"This reference work offers a comprehensive overview of the synthesis, properties and biomedical applications of functional biopolymers. Chapters from expert contributors cover topics such as synthetic biopolymers, blood-compatible polymers, ophthalmic polymers and stimuli responsive polymers. An up-to-date review of cell encapsulation strategies and cell surface and tissue engineering is also included in this work, and readers will discover more about hydrogels and polymers from renewable resources. Edited by an international team of experts in the field, this reference work will appeal to researchers, scientists, and practitioners working in this field, or entering this vibrant research area"

"PLTBm merupakan salah satu alternatif untuk menyediakan kelistrikan di daerah 3T (Terdepan, Terluar, dan Tertinggal). Dalam hal ini feedstock yang digunakan adalah sekam padi. Sejalan dengan pengembangan syngas sekam padi sebagai bahan bakar alternatif, maka dalam penelitian ini difokuskan untuk mengevaluasi unjuk kerja dan mendapatkan pemanfaatan syngas yang ideal dan optimal untuk mesin spark ignition. Syngas berasal dari proses gasifikasi downdraft gasifier dengan bahan bakar sekam padi. Dilakukan pengujian dengan memberikan putaran konstan 1500 rpm pada generator listrik dengan mengevaluasi perbandingan antara penggunaan bahan bakar bensin beroktan 98 dan bahan bakar syngas. Pembebanan dimulai dari 1 kW sampai dengan 4 kW dengan interval 1 kW. Metode pemasukan syngas dengan T junction yang diletakan sebelum intake manifold untuk mencampur udara dan syngas. Pengukuran dilakukan terhadap laju massa alir udara, laju massa alir bensin, dan laju massa alir syngas. Temperatur kerja mesin, dan mengukur tegangan serta arus yang dihasilkan. Hasil penelitian menunjukan bahwa unjuk kerja mesin spark ignition mengalami perubahan efisiensi termal serta SFC yang lumayan besar antara bahan bakar bensin dengan bahan bakar syngas. Sedangkan,, untuk daya efektif, torsi dan juga BMEP tidak mengalami perubahan yang signifikan. Serta juga menghasilkan AFR untuk bahan bakar bensin cukup kaya bahan bakar sedangkan untuk bahan bakar syngas sudah mendekati 1:1 dengan udara luar.

---

PLTBm is an alternative to provide electricity Front, Outermost, and Disadvantaged areas. In this case, the feedstock used was rice husk. In line with the development of rice husk syngas as an alternative fuel, this research is focused on evaluating the performance and obtaining the ideal and optimal use of syngas for spark ignition engines. Syngas comes from the downdraft gasifier gasification process with rice husk as fuel. Tested by providing a constant rotation of 1500 rpm on an electric generator by evaluating the comparison between the use of 98 octane gasoline and syngas fuel. Loading starts from 1 kW up to 4 kW with 1 kW intervals. Syngas intake method with a T junction placed before the intake manifold to mix air and syngas. Measurements were made on the mass flow rate of air, the mass flow rate of gasoline, and the mass flow rate of syngas, and then measure engine temperature, the voltage and the current generated. The results showed that the performance of the spark ignition engine change in thermal efficiency and a fairly large SFC between gasoline fuel and syngas fuel. However, the effective power, torque and also BMEP did not experience significant changes. Morever, produces AFR for gasoline fuel is quite rich in fuel while for syngas fuel it is close to 1:1 with outside air."

"Kebutuhan akan sistem pendinginan pada masa kini sangat penting terkait meningkatnya beban panas akibat miniaturisasi produk alat ? alat elektronik. Sistem pendinginan konvensional berbasis fan telah mencapai batas efisiensinya dan dibutuhkan teknik pendinginan baru. Synthetic jet merupakan sistem pendinginan baru berdasar input massa netto nol tetapi momentum tidak nol. Dalam penelitian ini sebuah impinging synthetic jet digetarkan dengan fungsi gelombang triangle. Penelitian dilakukan dalam dua tahapan yaitu komputasional dan eksperimental. Tahapan komputasional bertujuan untuk melihat distribusi aliran panas synthetic jet. Tahapan eksperimental bertujuan untuk mendapatkan karakterisasi synthetic jet. Pada tahap komputasional penelitian ini menggunakan software CFD Fluent dengan model turbulensi k-w SST dengan elemen meshing Tet/Hybrid tipe Tgrid, sedangkan pada tahap eksperimental menggunakan function generator untuk menggerakkan membran dengan tiga frekuensi osilasi yaitu 80 hz, 120 hz, dan 160 hz pada amplitudo tetap 1 m/s. Hasil eksperimen menunjukkan adanya pengaruh gelombang dan frekuensi osilasi yang signifikan terhadap laju perpindahan panas yang terjadi. Laju perpindahan panas/pendinginan terbaik terjadi pada frekuensi osilasi yang lebih rendah; dalam penelitian ini pada frekuensi 80 hz.

---

The need for cooling in the present system becomes very important as the consequence of the increased heat load due to product miniaturization of electronics devices. Conventional fan-based cooling system has reached the limit of its efficiency and needed a new cooling technique. Synthetic jet is a new cooling system based on zero netto mass input but non zero momentum. In this study an impinging synthetic jet was vibrated with a triangle function. The study was conducted in two stages, computational and experimental. Computational stage aims to look at the distribution of heat flow of synthetic jet. Experimental stage intended to obtain characterization of synthetic jet. In the computational stage the research using CFD Fluent software with a turbulence model k-w SST with meshing elements Tet/Hybrid type TGrid, while in the experimental stage it used the function generator to drive the membrane with three oscillation frequency: 80 hz, 120 hz, and 160 hz at fixed amplitude of 1 m/s. The experimental results show significant effect of wave and oscillation frequency on the heat transfer rate that occured. The best heat transfer rate / cooling effect occurs at a lower oscillation frequency; in this study at a frequency of 80 hz. "

"Penyelidikan karakteristik reservoir memiliki peranan penting dalam bidang eksplorasi minyak dan gas bumi (Hydrocarbon). Penyelidikan ini bisa cukup sulit dilakukan dikarenakan oleh beberapa hal, salah satunya adalah memetakan reservoir lapisan tipis yang disebabkan oleh keterbatasan resolusi seismik. Ada banyak metode yang telah diterapkan terhadap data seismik dalam karakteristik reservoir. Dekomposisi spektral telah diaplikasikan untuk interpretasi data seismik 3D.Metode yang digunakan adalah metode Continuous Wavelet Transform (CWT), metode ini diaplikasikan pada data sintetik dan data seismik riil lapangan Bonsville. Aplikasi dari metode CWT pada data sintetik bertujuan untuk mendapatkan frequency slicing dan mengetahui frekuensi tertentu dari masing-masing frekuensi yang digunakan untuk analisa dekomposisi spectral, selanjutnya diaplikasikan pada data riil lapangan Boonsville bertujuan untuk mendapatkan horizon slice.Hasil analisis pada data riil seismik lapangan Boonsville yang didapatkan dari proses dekomposisi spektral menunjukan adanya distribusi channel pada formasi caddo.

---

Reservoir characteristic investigation has an important role in hydrocarbon exploration. The investigation cannot be done easily because of several problems, on of them is for mapping the thin beds reservoir which is caused by the limitation of the seismic resolution. Many methods have been applied to seismic data in the reservoir characterization. Spectral decomposition has been applied to 3D seismic data interpretation, such as by using Continuoaus Wavelet Transform (CWT) method.These method are applied to, first synthetic data set and second, real seismic data set collected along Boonsville field. The application of method to the synthetic data set is used to get the best frequency slicing and to know a certain frequency from each frequencies such as by using analysis spectral dekomposition, hereinafter, method are applied to the real data of the boonsville field is get the best horizon slice.The result of analysis on real seismic data set collected along Boonsville Field with spectral decomposition process can show distribusri channel in Caddo Formation."

"This book discusses statistical modeling of single- and multi-channel synthetic aperture radar (SAR) images and the applications of these newly developed models in land and ocean monitoring, such as target detection and terrain classification. It is a valuable reference for researchers and engineers interested in information processing of remote sensing, radar signal processing, and image interpretation."