Hasil Pencarian  ::  Simpan CSV :: Kembali

"Plasma electrolytic oxidation (PEO) merupakan metode rekayasa permukaan logam untuk menghasilkan lapisan oksida yang keras dan tahan korosi. Sifat lapisan oksida yang dihasilkan bergantung pada jenis substrat dan komposisi larutan yang digunakan. Dalam penelitian ini, PEO dilakukan pada substrat AZ31B pada kondisi rapat arus tetap 800 A/m2 dan suhu 30°C. Larutan terdiri atas campuran garam basa dan etanol. Larutan A terdiri atas campuran 0,5 M Na3PO4 dan etanol dengan komposisi 9:1, larutan B campuran Na3PO4, NaOH dan Na2CO3 dengan komposisi 8:1:1, larutan C, D, dan E campuran Na3PO4, NaOH, Na2CO3, dan etanol dengan komposisi 7:1:1:1, 6:1:2:1, dan 6:2:1:1. Morfologi dan komposisi lapisan oksida diamati dengan scanning electron microscope dan energy dispersive spectroscopy (SEM – EDS). Komposisi kristal dianalisis dengan x-ray diffraction (XRD). Nilai kekerasan mekanik diuji dengan mesin microVickers Hardness. Perilaku korosi sampel diuji dengan metode electrochemical impedance spectroscopy (EIS) dan potentiodynamic polarization (PDP). Etanol di dalam larutan tidak mempengaruhi morfologi dan komposisi coating. Semua coating memiliki kandungan fasa kristal Mg3(PO4)2 pada puncak 29° hingga 35°. Nilai kekerasan coating yang terbentuk di larutan A, B, C, D, dan E adalah 451,8; 388; 237; 156,8; 158,4 HV. Nilai kekerasan yang rendah pada coating C, D, dan E disebabkan oleh rendahnya konsentrasi Na3PO4 yang menurunkan populasi plasma selama proses coating. Selain itu, kehadiran ion karbonat di dalam larutan mentriger peningkatan pori di dalam coating. Hasil uji polarisasi menunjukkan peningkatan ketahanan korosi dua orde dibanding substrat. Penambahan etanol ke dalam larutan cenderung menurunkan sedikit ketahanan korosi coating.

---

Plasma Electrolytic Oxidation (PEO) is a method of engineering metal surface treatment to produce a hard and corrosion-resistant oxide layer. The result properties of oxide layer depend on type of substrate and composition solution was used. PEO process is carried out a constant current 800 A/m2 at temperature 30℃. The solution composed of mixture alkaline salts and ethanol. Solution A mixture of 0,5 M Na3PO4 and ethanol with composition of 9:1, solution B a mixture Na3PO4, NaOH and Na2CO3 with composition of 8:1:1, solution C, D, and E a mixture of Na3PO4, NaOH and Na2CO3 with ethanol with composition of 7:1:1:1; 6:1:2:1; and 6:2:1:1. Morphology and composition of the oxide layer were observed by scanning electron microscope and energy dispersive spectroscopy (SEM – EDS). The crystal composition was analyzed by x-ray diffraction (XRD). The value of mechanical hardness was tested with a microVickers Hardness machine. The corrosion behavior of the samples was tested by electrochemical impedance spectroscopy (EIS) and potentiodynamic polarization (PDP) methods. The presence of ethanol in the solution didn’t affect morphology and composition of coating. All coatings contain Mg3(PO4)2 crystal phase at peak 29° to 35°. The hardness value of coating formed in solution A, B, C, D and E is 451.8; 388; 237; 156.8; 158.4 HV. The low hardness values in coatings C, D, and E were caused by the low concentration of Na3PO4 which reduced plasma population during the coating process. In addition, the presence of carbonate ions in the solution triggers an increase in the pores in the coating. The results of the polarization test showed can increase corrosion resistance of two orders compared to substrate. Addition of ethanol to solution tends to slightly lower the corrosion resistance of coating."

"The electromagnetic wave propagation in the mobile communication environments can be predicted by using ray tracing approach which incorporates reflection and diffraction. However, the ddiffuse scatering effects are often non-negligible in the experiment, since the roughness of the building surfaces is comparable with or larger than wavelength.In this paper we present Method of Moments (MOM) analysis of the scattering from the 2D rough surface model of the building. The fluctuation of the field strength due to the change of the specular reflection point on the surface has been evaluated by statistical properties (the cumulative distribution and the autocorrelation). The effects of the incident angle and frequency are also studied."

"Telah dilakukan pembuatan material La1-xBixMnO3 melalui proses paduan mekanik. Pembuatan material ini dibatasi oleh variasi dari pendopingan Bismuth (Bi) yang diberikan dengan nilai variasi x sebesar 0.05, 0.15, 0.20, 0.25 dan 0.35. Sampel ini kemudian dikarakterisasi menggunakan XRD (X-Ray Diffractometer) dan VNA (Vector Network Analyzer) untuk mengetahui sistem dan struktur kristal yang terbentuk dan mendapatkan nilai dari serapan gelombang elektromagnetik (rentang 9-15GHz) yang terdapat pada material ini, secara berurutan. Hasil karakterisasi kemudian diolah untuk mengetahui sistem dan struktur kristal yang terdapat pada material ini dengan menggunakan program GSAS (General Structure Analysis System) dan didapatkan bahwa bahan ini memiliki sistem berupa ortorombik dengan struktur kristal perovskite dan mengenai hasil serapan gelombang elektromagnetik (rentang 9-15GHz) didapatkan hasil serapan paling baik pada bahan dengan variasi Bismuth (Bi) sebesar 0.05 dengan nilai pengukuran reflection loss sebesar -3,881 dB dan didapatkan semakin besar nilai variasi dari Bismuth (Bi) pola serapan dari bahan ini semakin menurun secara perlahan.

---

The making of La1-xBixMnO3 has been done through mechanical alloying process. It was limited by the variation of doping Bismuth (Bi) which values of 0.05, 0.15, 0.20, 0.25 and 0.35. This material was characterized by using XRD (X-Ray Diffractometer) and VNA (Vector Network Analyzer) to identify what type of system and crystal structure that exist in this material and to obtain the value of its characterization in absorbing electromagnetic waves (range 9-15GHz), respectively.

The result of XRD characterization was processed by using GSAS (General Structure Analysis System) program and the result showed that this materials are orthorhombic with perovskite as their crystal structure and the best result of its absorbing electromagnetic waves (range 9-15GHz) was shown by material which ratio of doping Bismuth (Bi) is 0.05 with reflection loss of -3,881 dB. The pattern of Bismuth (Bi) subtitusion showed that the more ratio of Bismuth (Bi) added, the absorption of this material decreased gradually."

"Polusi gelombang elektromagnetik (EM) seperti sinyal hanphone, hotspot, reuter, TV dll yang ditimbulkan dari peralatan elektronik dapat menggangu aktivitas manusia dan sistem instrumentasi dipermukaan bumi. Untuk membantu menghindari efek polusi yang ditimbulkan peralatan elektronik tersebut telah dikembangkan material penyerap gelombang EM sistem komposit [BaTi(1-x)ZnxO3](1-y)-[CoFe2O4](y) (x = 0; 1/3; 1/2; 2/3; 1; dan y = 0,2; 0,5; 0,8), memadukan material dilektrik dan magnetik. Metode sintesis material yang digunakan adalah mechanical alloying atau pemaduan secara mekanik. Tahap pertama adalah pembentukan senyawa dielektrik BaTi(1-x)ZnxO3 (x=0; 1/3; 1/2; 2/3; dan 1). Tahapan ini kemudian diikuti oleh tahapan pembentukan sampel komposit [BaTi(1-x)ZnxO3](1-y)-[CoFe2O4](y) (x=0; 1/3; 1/2; 2/3; 1 dan y= 0,2; 0,5; 0,8). Penyerap sistem komposit ini dipelajari secara komprehensif melalui pengukuran sifat fisika dan karakteristik penyerapan gelombang EM pada frekuensi X-band (8-12 GHz). Pada tahap pertama material dielektrik dengan fasa utama Ba2ZnO3 (x = 1) memperlihatkan memiliki nilai reflection loss (RL) terbesar sebesar -27,202 dB (serapan mencapai 95,64 %) pada frekuensi 10,06 GHz. Serapan tertinggi dengan nilai RL mencapai -40,113 dB (99,01 %) pada frekuensi 10,98 GHz, diperoleh dari material penyerap sistem komposit (BaTiO3)0,5-(CoFe2O4)0,5.

---

Electromagnetic wave (EM) pollution such as cell phone signals, hotspots, routers, TV etc. generated from electronic equipment can interfere with human activities and instrumentation systems on the earth's surface. To help avoid the effects of pollution caused by these electronic equipment, EM wave absorbing materials for composite systems have been developed [BaTi(1-x)ZnxO3](1-y)-[CoFe2O4](y) (x = 0; 1 /3; 1/2; 2/3; 1; and y = 0.2; 0.5; 0.8), combining dielectric and magnetic materials. The material synthesis method used is mechanical alloying. The first step is the formation of the dielectric compound BaTi(1-x)ZnxO3 (x=0; 1/3; 1/2; 2/3; and 1). This stage is then followed by the formation of composite samples [BaTi(1-x)ZnxO3](1-y)-[CoFe2O4](y) (x=0; 1/3; 1/2; 2/3; 1 and y = 0.2; 0.5; 0.8). The absorber of this composite system was studied comprehensively by measuring the physical properties and absorption characteristics of EM waves at the X-band frequency (8-12 GHz). In the first stage, the dielectric material with the main phase Ba2ZnO3 (x = 1) shows the largest reflection loss (RL) value of -27.202 dB (absorption reaches 95.64%) at a frequency of 10.06 GHz. The highest absorption with an RL value of -40.113 dB (99.01%) at a frequency of 10.98 GHz, was obtained from the composite system absorbent (BaTiO3)0.5-( CoFe2O4)0.5."

"Metode pengenalan wajah 3D pada penelitian ini merupakan metode baru menggunakan model geometri wajah dengan membangkitkan jarak garus wajah pada kondisi normal dengan berbagai pose horisontal dalam ruang eigen. Garis wajah dibangkitkan dengan menghubungkan titik-titik pada wajah. Titik-titik pada wajah diperoleh dengan membuat garis yang memiliki kemiringan 0, 45, 90 dan 125 dan melalui titik koordinat tertentu pada wajah serta memotong batas lingkar wajah. Reduksi dimensi matriks citra menggunakan Probability Principal Component Analysis (PPCA) dengan memaksimumkan fungsi likelihood. Algoritma untuk memaksimumkan fungsi likelihood adalah algoritma EM (Expectation Maximization Algorithm). Pembelajaran citra menggunakan jaringan syaraf tiruan Backpropagation. Hasil percobaan menunjukkan bahwa secara umum metode jarak garis wajah memiliki akkurasi tingkat pengenalan wajah lebih baik dan memiliki nilai Meas Square Error (MSE) yang lebih kecil dibandingkan dengan metode tingkat keabuan wajah."

"Metode pengenalan wajah 3D pada penelitian ini merupakan metode baru menggunakan model geometri wajah dengan membangkitkan jarak garis wajah pada kondisi normal dnegan berbagai pose horisontal dalam ruang eigen. Garis eajah dibangkitkan dengan menghubungkan titik-titik pada wajak. Titik-titik pada wajah diperoleh dengan membuat garis yang memiliki kemiringan 0, 45, 90 dan 135 dan melalui titik koordinat tertentu pada wajah serta memotong batas lingkar wajah. Rduksi dimensi matriks citra menggunakan Probability Principal Component Analysis (PPCA) dengan mamaksimumkan fungsi likelihood. Algoritma untuk memaksimumkan fungsi likelihood adalam algoritma EM (Expectation Maximization Algorithm). Pembelajaran citra menggunakan jaringan syarat tiruan Backpropagation. hasil percobaan menunjukkan bahwa secara umum metode wajah lebih baik dan memiliki nilai Mean Square Error (MSE) yang lebih kecil dibandingkan dengan metode tingkat keabuan wajah."

"K-mean methods is a clustering method in which grouping techniques are based only on distance measure among observed objects,withouth considering statistical aspects. Model based clustering is a method that use statistical aspects,as its theoretical basis i.e.probality maximum criterion....."

"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."