Hasil Pencarian  ::  Simpan CSV :: Kembali

"The Hidden Markov Model (HMM) is a frequently used tool in scientific research for recognizing pattern. This study discusses signature recognition using HMM where the signature image is transmitted from the remote station to the headquarter office by wireless because the remote station was not provided by the original signature as a reference. Generally, the transmission of radio communication has been corrupted with Additive White Gaussian Noise (AWGN) over the Rayleigh fading channel. To reduce the number of bits in the bitstream, the signal prior to transmission was compressed by means of run-length encoding (RLE), also known as source coding. The signature image detected from the receiver was processed in the computer using the HMM. The successful rate of recognition was 0-36% without compression and 60-76%with compression."

"Penelitian ini menggunakan metode Ambient Noise Tomography (ANT) untuk menggambarkan model kecepatan grup gelombang Rayleigh pada bagian kerak atas Pulau Jawa yang memiliki kondisi tektonik yang kompleks. Data penelitian yang digunakan merupakan data waveform komponen vertikal dari 99 jaringan sensor seismik stasioner BMKG yang tersebar di Pulau Jawa pada tahun 2021. Pengolahan data waveform dilakukan mulai dari single data preparation, cross correlation dan stacking, analisis cross correlogram, pengukuran kurva dispersi, tomografi kecepatan dan yang terakhir adalah interpretasi hasil penelitian. Hasil inversi menghasilkan citra tomografi kecepatan grup gelombang Rayleigh pada kerak atas di wilayah Pulau Jawa berkisar antara 1,88 km/s hingga 2,60 km/s dan umumnya meningkat dengan bertambahnya periode pengukuran di wilayah Pulau Jawa. Penelitian ini berhasil mengidentifikasi patahan – patahan dan zona gunung api di Pulau Jawa dengan jelas yang berada pada wilayah batas kontras zona anomali kecepatan rendah dan zona anomali kecepatan tinggi.......This study uses the Ambient Noise Tomography (ANT) method to describe the velocity model of the Rayleigh wave group in the upper crust of Java Island which has complex tectonic conditions. The research data used is vertical component waveform data from 99 BMKG stationary seismic sensor networks distributed on Java Island in 2021. Waveform data processing is carried out starting from single data preparation, cross correlation and stacking, cross correlogram analysis, dispersion curve measurements, velocity tomography and the last is the interpretation of the research results. The inversion results produce a tomographic image of the Rayleigh wave group velocity in the upper crust in the Java Island region ranging from 1.88 km/s to 2.60 km/s and generally increases with increasing measurement period in the Java Island region. This research has succeeded in clearly identifying faults and volcanic zones in Java Island which are located in the contrasting boundary of the low velocity anomaly zone and the high velocity anomaly zone."

"Analisis survival membutuhkan data survival yang terdiri dari waktu survival sekumpulan objek. Data survival dapat berbentuk data lengkap maupun tersensor. Namun data survival biasanya merupakan data tersensor. Salah satu data tersensor yang sering digunakan adalah data tersensor kanan tipe II yaitu merupakan data waktu kejadian dimana pengamatan dihentikan setelah diperoleh r objek pertama yang mengalami kejadian dari n objek yang diuji. Dilakukan pengamatan data survival tersensor kanan tipe II diperoleh grafik fungsi survival, fungsi survival serta fungsi kepadatan probabilitas yang merepresentasikan data tersebut. Fungsi kepadatan probabilitas data tersebut merupakan fungsi dari sebuah variabel random berdistribusi Rayleigh. Karena parameter tidak diketahui selanjutnya dilakukan penaksiran parameter. Dalam skripsi ini dicari penaksir parameter distribusi Rayleigh pada data survival tersensor kanan tipe II dengan metode Bayes menggunakan dua fungsi loss yaitu Square Error Loss Function SELF dan Precautionary Loss Function PLF. Selanjutnya dilihat sifat bias dari penaksir parameter tersebut. Kemudian membandingkan hasil taksiran parameter dari kedua fungsi loss berdasarkan Mean Square Error MSE yang dihasilkan melalui simulasi data. Misalkan adalah parameter yang akan ditaksir, untuk diperoleh PLF memberikan hasil taksiran yang baik dan untuk diperoleh SELF memberikan hasil taksiran yang baik. Taksiran dikatakan baik apabila nilai MSE yang dihasilkan semakin kecil. ......The survival analysis requires survival data consisting of survival time of a set of objects. Survival data can be either complete or censored data. However, survival data is usually censored data. One of the censored data that is then used is the right type censored data type II that is the time data of the events used to find the objects that exist. Recurrence of right type categorized survival data is obtained by graph of survival function, survival function and probability function which represents the data. The probability data relation function is a randomly distributed Rayleigh variable. Because the parameter is unknown, parameter estimation is performed. In this thesis is searched the estimator of Rayleigh distribution parameter on the right type categorized survival data type II with Bayes method using two loss function that is Square Error Loss Function SELF and Precautionary Loss Function PLF. A bias viewpoint of the estimator 39s parameter. Then compare the parameter estimation results of the second function based on Mean Square Error MSE generated through data simulation. Let be the parameter to be estimated, for le 1 obtaining the PLF gives good estimates and for 1 the SELF result gives a good estimation result. The estimate that the resulting MSE values is getting smaller."