Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pertambangan batuan di Sungai Jali menjadi mata pencaharian masyarakat Desa Mlaran mulai tahun 1989. Melalui mata pencaharian ini, masyarakat desa memenuhi kebutuhan sehari-hari dengan menambang cara manual. Pada tahun 2015-2021 dimulai pertambangan batuan dengan menggunakan cara mekanik atau melibatkan alat berat untuk menambang material sirtu. Pertambangan tersebut menyebabkan kerusakan lingkungan menjadi semakin parah setelah di masa sebelumnya mengalami longsor pada beberapa titik lahan pertanian. Penelitian ini menggunakan metode kualitatif dengan teknik pengumpulan data melalui observasi partisipasi dan wawancara mendalam. Hasil penelitian menunjukkan bahwa pertambangan batuan tahun 2015-2021 menjadi penyebab masyarakat Desa Mlaran beralih dari sektor pertambangan menuju pertanian. Selain itu ditemukan bahwa masyarakat desa yang beralih ke pertanian sebagian besar menggarap lahan pasir di sepanjang Sungai Jali yang melintasi Desa Mlaran. Sementara sebagian kecil masyarakat masih bertahan menambang batu dengan cara yang dimodifikasi dari sebelumnya menyesuaikan kondisi sungai dan akses jalan. ......Rock mining in the Jali River became the livelihood of the people of Mlaran Village starting in 1989. Through this livelihood, villagers meet their daily needs by mining manually. In 2015-2021, rock mining began using mechanical means or involving heavy equipment to mine stone sand materials. The mining caused environmental damage to worsen after experiencing landslides at several points of agricultural land in the past. This study used qualitative methods with data collection techniques through observation, participation, and in-depth interviews. The results showed that rock mining in 2015-2021 caused the people of Mlaran Village to switch from the mining sector to agriculture. In addition, it was found that villagers who switched to agriculture mostly worked on sandland along the Jali River that crosses Mlaran Village. While a small number of people still survive mining stones in a modified way from before adjusting the conditions of the river and road access.

Abstrak :
Dalam beberapa tahun terakhir, jumlah investor saham di Indonesia meningkat pesat, sehingga perlu dilakukan analisis tentang saham yang dapat membantu investor dalam rencana investasinya. Pengelompokan saham dapat membantu investor memilih saham yang sesuai untuk investor. Sayangnya, harga saham terus berubah dari waktu ke waktu. Akibatnya, kegiatan memilih saham untuk investasi bukanlah hal yang mudah. Selain itu, data time series saham dipengaruhi oleh banyak faktor yang mempertimbangakan time frame, kemudian menjadikan data pada setiap sektor memiliki jumlah faktor yang banyak yang disebut data dimensi tinggi. Karena itu, penting untuk menggunakan teknik yang cocok untuk mengelompokkan data dimensi tinggi. Penelitian ini menyajikan dua pendekatan yang dapat digunakan untuk data dimensi tinggi, yaitu subspace clustering dan dimension reduction. Pendekatan subspace clustering menggunakan metode High Dimensional Data Clustering (HDDC), sebuah teknik klasterisasi berbasis model berdasarkan Gaussian Mixture Model, dengan menggunakan algoritma Expectation-Maximization (EM). Pada pendekatan dimension reduction menggabungkan teknik reduksi fitur dan teknik klasterisasi yang sudah sering digunakan yaitu K-Means. Penelitian ini menggunakan dua pendekatan reduksi fitur, yaitu ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan pemilihan fitur menggunakan Correlation Attribute Evaluation. Luaran dari penelitian ini adalah 2 klaster terbentuk di sektor agrikultur, 3 klaster di sektor pertambangan, 4 klaster di sektor industri dasar dan kimia, 2 klaster di sektor aneka industri, 2 klaster di sektor industri konsumsi, 2 klaster di sektor properti dan real estate, 2 klaster di sektor infrastruktur, 2 klaster di sektor keuangan, dan 4 klaster di sektor perdagangan. Dari perhitungan indeks validasi klasterisasi, teknik seleksi fitur memberikan performa yang lebih baik. ......In recent years, the stock investor in Indonesia has been increasing rapidly, hence it is required to conduct analysis about the stock that helps the investor in their investment plan. Clustering is beneficial to select the appropriate stock for investors. Unfortunately, stock prices keep varying from time to time. Consequently, it is not an easy work to select the stock for investment. In addition, stock price time series data influenced by many factors, so the factors in this study consider the time frame that makes the data in each sector has a larger number of features that called high dimensional data. In this study, high dimensional data are obtained by the time frame of each factor. Therefore, it is important to use a suitable technique to cluster high dimensional data. This study presents two approaches that can be used for high dimensional data, namely subspace clustering and dimension reduction. The subspace clustering approach uses High Dimensional Data Clustering (HDDC), a model-based clustering based on Gaussian Mixture Model, with using the Expectation-Maximization (EM) algorithm. The dimension reduction approach combines feature reduction techniques and common clustering technique, that is K-Means. This study uses two feature reduction approaches, namely feature extraction using Principal Component Analysis (PCA) and feature selection using Correlation Attribute Evaluation. The output of this study are 2 clusters formed in agricultural sector, 3 clusters formed in mining sector, 4 clusters formed in basic and chemical industry sector, 2 clusters formed in various industrial sector, 2 clusters formed in consumption industry sector, 2 clusters formed in property and real estate sector, 2 clusters formed in infrastructure sector, 2 clusters formed in financial sector, and 4 clusters formed in trade sector. Based on the clustering validation index, feature selection techniques provide better performance.

Abstrak :
Pensiun adalah jaminan hari tua dan penghargaan atas jasa aparatur sipil negara yang telah mengabdikan diri kepada negara. PT Taspen (Persero) sebagai Badan Usaha Milik Negara yang diberikan tugas oleh pemerintah untuk mengelola asuransi sosial aparatur sipil negara memiliki tantangan untuk memastikan uang pensiun disalurkan secara tepat. Pada pembayaran pensiun untuk kelompok janda/duda masih ditemukan ketidaktepatan pembayaran karena status pensiun janda/duda yang tidak teridentifikasi seperti telah menikah kembali. Penelitian ini bertujuan membentuk model prediksi status pensiun janda/duda yang memiliki potensi menikah kembali. Proses prediksi status pensiun janda/duda menggunakan teknik data mining klasifikasi dengan menggunakan data demografi, sosial ekonomi peserta pensiun dan data transaksi proses pengambilan pensiun pada kelompok pensiun janda/duda. Sebagai perbandingan digunakan 3 algoritma klasifikasi yaitu Decision Tree, Naïve Bayes dan Support Vector Machine. Beberapa atribut yang berpengaruh dalam penelitian ini yaitu jenis kelamin, usia, usia pernikahan sebelumnya, usia status janda/duda, dan kode pengambilan pensiun selama 3 bulan terakhir. Model yang terbentuk memberi wawasan bahwa pensiun duda dan semakin muda usia pernikahan, usia peserta serta usia status janda/duda memiliki potensi yang tinggi untuk menikah kembali. Hasil penelitian menunjukkan algoritma Support Vector Machine memiliki kinerja yang paling baik dengan tingkat akurasi sebesar 89,23%. ......Pension is a guarantee of old age and appreciation for the services of state civil servants who have devoted themselves to the state. PT Taspen (Persero) as a state-owned company given the task of managing the social insurance of the state civil servants has a challenge to ensure pension money is distributed appropriately. The pension payments for the widows/widowers were still found to be overdue because the pension for widows/widowers who had remarried was not identified. This study aims to predict changes in the pension status of widows/widowers who have the potential to remarry. This study aims to form a prediction model for the pension status of widows/widowers who have the potential to remarry. The process of predicting the pension status of widows/widowers uses classification data mining techniques using demographic, socio-economic data of pension participants and data on pension retrieval processes in the widow/widower pension group. As a comparison, 3 classification algorithms are used, Decision Tree, Naïve Bayes and Support Vector Machine. Some of the influential attributes in this study are gender, age, age of previous marriage, age of widow/widower status, and retirement retirement code for the last 3 months. The model that is formed provides an insight that the retirement of the widower and/or the younger the age of marriage, the age of the participants and the age of the widow/widower status have a high potential for remarriage. The results showed that the Support Vector Machine algorithm has the best performance with an accuracy rate of 89.23%.

Abstrak :
Metode well-logging merupakan salah satu metode yang digunakan oleh geofisikawan dalam mendelineasi zona prospek hidrokarbon yang meliputi informasi lapisan dan zona penyebaran hidrokarbon. Akan tetapi dalam data well-logging acapkali nilai well-logging hilang atau tidak lengkap pada interval kedalaman tertentu akibat masalah operasional dalam proses pengeboran. Sehingga untuk mengatasi hal ini diperlukan suatu pendekatan yang dapat dilakukan dengan cepat dan tepat dengan menggunakan metode data mining. Berdasarkan komponen log yang lengkap, nilai log yang hilang dapat diprediksi dengan salah satu algoritma, yaitu regresi random forest. Algoritma ini bekerja dengan cara membuat ensemble pohon keputusan yang dimodelkan dan dilatih dengan parameter yang disesuaikan dan dikombinasikan dengan antarmuka pengguna grafis. Pengombinasian antarmuka grafis dilakukan dalam mempermudah pengguna dalam mengoperasikan dan menginterpretasikan hasil prediksi. Adapun log yang diprediksi merupakan log gamma ray (GR), log bulk density (RHOB), log neutron (NPHI), log sonic (DT), dan log deep resistivity (ILD) pada wilayah kerja Cekungan Sengkang dengan divariasikan prediksi antara per formasi dan blind well. Hasil prediksi yang dihasilkan regresi random forest dalam metode data mining menunjukkan hasil yang akurat untuk log porositas (densitas, sonic, dan neutron) dengan rentang akurasi dari 89% hingga 94%. Sedangkan untuk log lainnya seperti log gamma ray dan resistivitas diperlukan penyusunan parameter dan data latih kembali. ......Well-logging method is one of the methods used by geophysicists in delineating the hydrocarbon prospect zone which includes information about layer and distribution zone of hydrocarbons. However, in well-logging data, some values ​​are often missing or incomplete at certain depth intervals due to operational problems in the drilling process. To overcome this we need an approach that can be done quickly and precisely by data mining methods. Based on the complete log component, the missing log value can be predicted using one of the algorithms, namely random forest regression. This algorithm works by creating an ensemble of modeled and trained decision trees with adjusted parameters and combined with a graphical user interface. The combination of a graphical interface is done to make it easier for users to operate and interpret the predicted results. The predicted logs are gamma ray log (GR), bulk density log (RHOB), neutron log (NPHI), sonic log (DT), and deep resistivity log (ILD) in the Sengkang Basin area with varied predictions between formation and blind well. Prediction results generated by random forest regression in the data mining method show accurate results for porosity logs with an accuracy range from 89% to 94%. Meanwhile, for other logs such as gamma ray and resistivity logs, it is necessary to compile parameters and data train.

Abstrak :
Approaches in Integrative Bioinformatics provides a basic introduction to biological information systems, as well as guidance for the computational analysis of systems biology. This book also covers a range of issues and methods that reveal the multitude of omics data integration types and the relevance that integrative bioinformatics has today. Topics include biological data integration and manipulation, modeling and simulation of metabolic networks, transcriptomics and phenomics, and virtual cell approaches, as well as a number of applications of network biology. It helps to illustrate the value of integrative bioinformatics approaches to the life sciences. This book is intended for researchers and graduate students in the field of Bioinformatics.

Abstrak :
This book presents these fields in interdependence as a conversation between theoretical aspects of mathematics and computer science and the mathematical field of optimization theory at a practical level. The 19 case studies that were conducted by the author in real enterprises in cooperation and co-authorship with some of the leading industrial enterprises, including RWE, Vattenfall, EDF, PetroChina, Vestolit, Sasol, and Hella, illustrate the results that may be reasonably expected from an optimization project in a commercial enterprise.