Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam suatu masyarakat tradisional, khususnya petani, pengeringan padi hasil panen biasanya hanya mengandalkan panas dari sinar matahari. Pengeringan padi dengan cara seperti ini akan mengalami kendala yang cukup besar apabila pada saat panan terjadi musim hujan. Untuk mengatasi hal ini perlu dipikirkan sualu sumber panas altematif yang berfungsi menggantikan panas matahari.Pemanfaatan penukar kalor (heat exchangeg) sebagai sumber panas, dengan memanaskan udara hingga 60-7O°C, merupakan salah satu alternatif yang dapat digunakan untuk mengeringkan padi tersebut. Bentuk penukar kalor ini diusahakan sesederhana mungkin agar dapat dapat dibuat oleh kalangan luas, dengan bahan dengan konduktifitas yang tinggi, akan tetapi banyak terdapat di pasaran. Bentuk penukar kalor pelat paralel, aliran lintang (cross flow), satu lintas (single pass), kedua fluida tidak bercampur (unmixed) dengan bahan aluminium yang banyak terdapat dipasaran dapat dimanfaatkan sebagai sebagai sumber panas. Penambahan sirip-sirip (fin) pada kedua fluida akan menambah kemampuan penukar kalor dalam menambah laju perpindahan kalornya (q).Untuk mengetahui karakteristik (unjuk kerja) penukar kalor ini, perlu diadakan pengujian untuk mengetahui parameter-parameter seperti laju aliran volume fluida, suhu masuk gas, suhu keluar gas, suhu masuk udara dan suhu keluar udara. Dalam pengujian fluida panas yang digunakan adalah gas hasil pembakaran batubara dan fluida dinginnya adalah udara. Pengujian dilakukan dengan mengubah jumlah batubara yang digunakan data-data pengujian ini diolah dan disajikan dalam bentuk tabel hasil perhitungan dan grafik-grafik hubungan."

"ABSTRAKDeteksi topik adalah proses menganalisis kumpulan data tekstual untuk menentukan topik pengumpulan data tekstual. Salah satu metode pengelompokan yang dapat digunakan untuk deteksi topik adalah metode Fuzzy C-Means (FCM). Namun, penggunaan FCM sederhana untuk pendeteksian topik tentang big data kurang efektif, karena akan memakan waktu lama dan banyak memori. FCM sederhana juga memiliki masalah lain, ketika melakukan deteksi topik aktif data dimensi tinggi, FCM sederhana hanya akan menghasilkan satu topik. Dalam penelitian ini, suatu gabungan metode Single-Pass Fuzzy C-Means (SPFCM) dan Fuzzy C-Means Berbasis Eigenspace (EFCM) diusulkan, yaitu Single-Pass Eigenspace-Based Fuzzy C-Means (SPEFCM) metode untuk mengatasi masalah ini. Data yang digunakan untuk deteksi topik adalahtweet yang berasal dari aplikasi Twitter. Lalu, keakuratan topik didapat menggunakan SPEFCM dan EFCM akan dibandingkan berdasarkan nilai koherensi. Itu hasil simulasi menunjukkan bahwa nilai koherensi topik yang diperoleh menggunakan SPEFCM adalah sebanding dengan EFCM. Ini menunjukkan bahwa SPEFCM adalah metode yang tepat untuk mendeteksi topik pada data besar, tanpa mengurangi kualitas topik yang dihasilkan.

---

ABSTRACTTopic detection is the process of analyzing a textual data set to determine the topic of textual data collection. One of the grouping methods that can be used for topic detection is the Fuzzy C-Means (FCM) method. However, the use of simple FCM for the detection of topics about big data is less effective, because it will take a long time and a lot of memory. Simple FCM also has another problem, when detecting active topics of high dimensional data, simple FCM will only produce one topic. In this study, a combination of the Single-Pass Fuzzy C-Means (SPFCM) method and the Fuzzy C-Means Based on Eigenspace (EFCM) is proposed, namely the Single-Pass Eigenspace-Based Fuzzy C-Means (SPEFCM) method to overcome this problem. The data used for topic detection istweets that come from the Twitter application. Then, the accuracy of the topics obtained using SPEFCM and EFCM will be compared based on coherence values. The simulation results show that the topic coherence value obtained using SPEFCM is comparable to EFCM. This shows that SPEFCM is the right method for detecting topics in big data, without reducing the quality of the topics produced."