Hasil Pencarian  ::  Simpan CSV :: Kembali

"Terak nikel merupakan salah satu hasil pengolahan serta peleburan bijih nikel. Di Indonesia sendiri, dibutuhkan adanya pemanfaatan lebih lanjut terhadap pengolahan unsur berharga didalamnya. Kandungan lain yang terdapat didalam terak nikel yaitu fayalite (Fe2SiO4) dimana kandungan unsur nikel dan tembaga tersebar secara merata pada matriks besi silika ini yang kemudian menyulitkan proses peningkatan kadar nikel dan tembaga. Adanya penambahan aditif natrium hidroksida(NaOH) berguna sebagai pengikat silika dapat menjadi metode alternatif untuk meningkatkan kadar unsur nikel dan tembaga pada terak nikel. Pada penelitian ini dilakukan pirometalurgi menggunakan batu bara sebagai reduktor pada temperatur operasi 800°C, 900°C dan 1000°C dan rasio antara terak nikel dengan aditif sebesar 1:1, 1:2, dan 2:1. Berdasarkan penelitian ini didapatkan bahwa dengan adanya peningkatan temperatur tanpa penambahan aditif masih terdapar silika dalam bentuk Fe-rich Forsterite (FeMgSiO4) serta Olivine (NiMgSiO4). Sedangkan dengan adanya penambahan aditif baik pada perbedaan temperatur maupun rasio terlihat bahwa adanya pembentukan fasa Sodium Magnesiosilicate (Na2MgSiO4), Magnesium Oksida (MgO) serta Wustite (FeO) yang membuktikan terikatnya silika dan telah membebaskan besi yang membantu memudahkan proses peningkatan kadar nikel dan tembaga.

---

Nickel slag is one of the output from nickel ore smelting. In Indonesia itself, further utilization of valuable elements in it is needed to be processed. Nickel slag also has Fayalite (Fe2SiO4) content where nickel and copper are spread evenly on the iron matrix silica which then complicate the process of increasing nickel and copper content. The addition of Sodium Carbonate (Naoh) is used as a silica binder and as an alternative way to increase nickel and copper content. In this research, pyrometallurgy is done by coal as a reductor in 800°C, 900°C and 1000°C operating temperature and ratio between nickel slag and additive equal to 1:1, 1:2, and 2:1.

Based on this study, it is obtained that with the increasing of temperature without additive, there is still found the presence of silica in a form of Fe-rich Forsterite (FeMgSiO4) and Olivine (NiMgSiO4). Whereas with the presence of additive in slag nickel pyrometallurgy with a different temperature and ratio, it is seen that there is a phase formation of Sdoium Magnesiosilicate (Na2MgSiO4), Magnesium Oxide (MgO) and Wustite (FeO) which proved the binding of silica and has liberate iron that helps the process of increasing nickel and copper content. "

"Aksara adalah sebuah NLP tool yang menuruti Universal Dependencies (UD) v2. Penelitian terakhir terkait pemrosesan bahasa informal pada Aksara adalah v1.2 yang berfokus pada kemampuan Aksara untuk memproses kata-kata dasar informal dan kata-kata dengan afiksasi informal. Penelitian ini bertujuan untuk mengembangkan kemampuan Aksara dalam memproses noisy text. Dalam penelitian ini, terdapat 5 metode yang dipertimbangkan untuk menormalisasikan noisy text, yaitu: Levenshtein distance, Damerau-Levenshtein distance, perbandingan subsequence, longest common subsequence (LCS), dan SymSpell. Untuk menentukan metode mana yang paling cocok, kami membangun dataset sintetis berukuran 20.000 kata, lalu mengukur dan membandingkan performa metode yang satu dengan yang lain dalam menormalisasikan dataset sintetis tersebut. Metode yang akhirnya dipilih adalah SymSpell karena metode ini yang menghasilkan akurasi yang paling tinggi. Versi Aksara yang dihasilkan oleh penelitian ini adalah Aksara v1.4 (Aksara baru). Untuk mengevaluasi Aksara baru, dipakai gold standard yang terdiri dari 152 kalimat dan 1786 token. Hasil evaluasi menunjukkan lemmatizer Aksara baru memiliki akurasi senilai 90.99% dan 91.66% untuk kasus case-sensitive dan case-insensitive. Untuk POS tagger, Aksara baru memiliki akurasi senilai 83%, recall senilai 83%, dan F1 score senilai 83%.

---

Aksara is an Indonesian NLP tool that conforms to Universal Dependencies (UD) v2. The latest work on Aksara pertaining to its informal language processing ability is Aksara v1.2, which is focused on Aksara’s ability to process informal root words and words with informal affixation. This work aims to enable Aksara to process noisy texts. In this research, there are 5 methods considered for normalizing noisy texts: Levenshtein distance, Damerau-Levenshtein distance, subsequence comparison, longest common subsequence (LCS), and SymSpell. To determine which method is best suited for this purpose, we built a synthetic dataset of 20,000 words, then measured and compared each method’s performance in normalizing the synthetic data. The chosen method is SymSpell as it yields the highest accuracy. This chosen method along with a context dictionary will be integrated into Aksara as a text normalizer. To evaluate new Aksara’s performance, a gold standard consisting of 152 sentences and 1786 tokens is used. The evaluation result shows that the new Aksara’s lemmatizer has an accuracy of 90.99% and 91.61% for case-sensitive and case-insensitive cases. For POS tagger, the new Aksara has an accuracy of 83%, a recall of 83%, and an F1 score of 83%."