Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Teorema binomial bentuk khusus 0 ( ) (1 ) ! k k k x x k ??? ?? ?? = ? = ?? mempunyai koefisien binomial ( ) ! k k ?? yang berupa bilangan riil. Jika diasumsikan yx = qxy , yq = qy dan xq=qx, dimana q disebut parameter maka koefisien dari teorema binomial tersebut menjadi berbentuk deret-q. Teorema binomial bentuk khusus dengan koefisien binomial berupa deret-q dinamakan teorema q-binomial. Selain dengan menggunakan metode asumsi, deret-q juga akan muncul pada saat menghitung integral suatu fungsi dengan menggunakan rumus q-integral. Pemakaian q-integral untuk menyelesaikan integral beta (0,1) akan menghasilkan deret-q. Deret-q yang diperoleh analog dengan deret-q pada teorema q-binomial. Sedangkan pemakaian q-integral pada integral beta (0,??) menghasilkan deret-q yang berupa deret bilateral. Nilai konvergensi dari deret bilateral tersebut sulit untuk dihitung secara langsung. Untuk memudahkan penyelesaian digunakan teorema formula jumlahan Ramanujan. Pada tugas akhir ini akan dibahas bagaimana menyelesaikan integral beta (0,??) dengan menggunakan teorema formula jumlahan Ramanujan.

Abstrak :
Teorema interpolasi membukti kan bahwa jika dari sebuah graph terhubung mengandung 2 buah spanning tree dan yang masing-masing mempunyai m dan n verteks ujung, m < n dan m,n bilangan bulat positif, maka 8 mengandung sebuah spanning tree dengan k verteks ujung, m < k < n, untuk setiap bilangan integer k.

Abstrak :
Dibahas aplikasi summability dari deret Fourier berdasarkan metode Cesaro. Dimana menurut teorema Fejer fungsi dari [-π, π] mempunyai sum (C,1) yang konvergen uniform ke S (x) pada [-π, π], dan diperlihatkan bahwa sum (C,1) f(x) dari deret Fourier di titik x sama dengan S(x).

Abstrak :
Eksplorasi hidrokarbon dan karakterisasi reservoir yang berhasil selalu terkait dengan pemahaman yang baik dari aspek geologi dan geofisika. Seismik merupakan salah satu metode eksplorasi yang handal untuk digunakan dalam karakterisasi reservoir. Ada tiga langkah untuk mendapatkan estimasi properti berdasarkan metode seismik yaitu inversi seismik yang akurat dalam 3D untuk mendapatkan parameter reservoir yang relevan, analisis fisika batuan untuk mendapatkan hubungan antara parameter reservoir dan parameter seismik serta mendistribusikan parameter tersebut dalam bentuk 3D. Salah satu masalah mendasar adalah mendapatkan distribusi parameter
yang andal dan mengukur tingkat kepercayaan model parameter dalam 3D. Metode yang umum digunakan adalah metode stokastik yang reliabilitasnya bergantung pada kuantitas data yang tersedia dan tidak ada distribusi tingkat kepercayaan dalam 3D. Studi kasus dalam penelitian ini akan diterapkan pada cekungan Browse yang memiliki kumpulan data seismik sudut cerobong yang lengkap dan data well logs, hasilnya berupa model distribusi dalam 3D fasies dan fluida hidrokarbon. Alur kerja yang akan digunakan dalam penelitian ini adalah kombinasi antara analisis fisika batuan, inversi seismik simultan dan teorema estimasi Bayesian. Analisis fisika batuan meliputi pengkondisian log sumur dan analisis korelasi antara parameter reservoir (porositas, saturasi, dan Vshale) dengan parameter seismik (impedansi akustik, Vp/Vs, impedansi gese) untuk mendapatkan klasifikasi fasies dalam skala well log. Metode inversi seismik simultan digunakan untuk mendapatkan parameter seismik kubus yang akan dikorelasikan dengan hasil fisika batuan untuk mendorong distribusi fasies. Teorema estimasi bayesian mengumpulkan pengetahuan awal tentang suatu model sebelum mengamati atribut inversi. Hasil estimasi berupa probabilitas bersyarat dari masing-masing fasies yang terkait dengan parameter reservoir (porositas, saturasi, Vshale dll) dan parameter seismik (impedansi akustik, impedansi geser, rasio Vp/Vs) yang akan ditampilkan dengan fungsi probability density (PDF). Fungsi densitas probabilitas nantinya akan digunakan untuk menggerakkan distribusi fasies yang digabungkan dengan data log sumur dan data seismik; dan juga memperkirakan distribusi tingkat kepercayaan dalam 3D. Tesis ini menghasilkan distribusi fasies yang telah diklasifikasikan, distribusi hidrokarbon, dan distribusi tingkat kepercayaan probabilitas dalam 3D. Lebih lanjut peta distribusi tersebut dapat digunakan untuk mengidentifikasi penyebaran reservoir dan hidrokarbon di area penelitian. ......Successful Hydrocarbon exploration and reservoir characterization always related with good understanding of geology and geophysics aspect. Seismic is one of powerful tool to be used in reservoir characterization. There are three steps to get property estimation based on seismic: accurate seismic inversion in 3D to obtain relevant reservoir parameter, rock physics analysis to obtain relationship between reservoir parameter and seismic parameter and distribute these parameters in 3D. One of the fundamental issues is to get reliable parameter distribution and quantify confidence level of the parameter model in 3D. The common method that being used is stochastic method which reliability depends on quantity of available data and there is no distribution of confidence level in 3D. The case study in this research will be applied in Browse basin that has complete stack angle seismic data sets and well logs data, the result will be distribution model in 3D of facies and hydrocarbon fluid. The workflow that will be introduced in this paper is combination between rock physics analysis, simultaneous seismic inversion and Bayesian estimation theorem. Rock physics analysis includes well log conditioning and correlation analysis between reservoir parameter (porosity, saturation, Vshale, etc) with seismic parameter (acoustic impedance, Vp/Vs, shear impedance, etc) to obtain facies classification in well log scale. Simultaneous seismic inversion method is used to obtain seismic parameter cube to be correlated with rock physics result to drive facies distribution. Bayesian estimation theorem assemble initial knowledge about a model before observing the inversion attributes. The estimation result will be conditional probability of each facies related with reservoir parameter (porosity, saturation, Vshale etc) and seismic parameter (acoustic impedance, shear impedance, Vp/Vs ratio etc) that will be displayed with probability density function (PDF). The probability density function later will be used to drive the facies distribution combined with well log data and seismic data; and estimate the confidence level distribution in 3D. The integrated workflow in this paper will show the distribution of the classified facies, hydrocarbon distribution and probability confidence level distribution in 3D. The result can be used to identify reservoir and hydrocarbon distribution.

Abstrak :
ABSTRAK
Teorema titik tetap Banach adalah teorema mengenai pemetaan tertentu dari ruang metrik lengkap ke dalam dirinya sendiri. Teorema ini digunakan pada pembahasan teorema Picard untuk eksistensi penyelesaian persamaan difierensisi biasa linier order satu x'(t) + p(t) x(t) = q(t) dengan syarat awal x(t 0 ) = x0.

Abstrak :
Performa akademik adalah bagian penting dari suatu sekolah. Saat ini, sebagian besar sekolah di Indonesia masih jarang melakukan klasifikasi performa akademik siswa, sehingga diperlukan metode yang tepat untuk mengklasifikasikan siswa berdasarkan perfroma akademiknya.  Pada peneltian ini digunakan metode Nave Bayes Classifier (NBC) dan metode Support Vector Machine (SVM) untuk mengklasifikasikan performa akademik siswa SMAN 38 Jakarta. Metode NBC menghasilkan tingkat akurasi tertinggi sebesar 96%, recall 100%, precision 92.68% dan %. Sedangkan metode SVM dengan kernel linier menghasilkan tingkat akurasi tertinggi sebesar 98%, recall 100%, precision 96.42% dan f1-score. ......Academic performance is an important part of a school. At present, most schools in Indonesia rarely classify students’ academic performance, so we need the right method to classify students based on their academic performance. In this research, the Nave Bayes Classifier (NBC) and Support Vector Machine (SVM) methods are used to classify academic performance of SMAN 38 Jakarta students’. The NBC method produces the highest accuracy 96%, recall 100%, precision 92.68% and f1-score  While the SVM method produces the highest accuracy 98%, recall 100%, precision 96.42% and f1-score  on linear kernels.

Abstrak :
Tugas akhir ini membahas penyelesaian persoalan matching lengkap dengan menggunakan graf bipartite sebagai modelnya. Teori yang digunakan untuk menentukan penyelesaian persoalan tersebut adalah teorema Hall. Dan algoritma yang dibahas untuk menjawab ada atau tidaknya matching lengkap pada persoalan tersebut adalah algoritma Hungarian.

Abstrak :
Saat ini penyakit jantung koroner merupakan salah satu penyebab kematian utama di dunia, termasuk di Indonesia. Penyakit jantung koroner adalah salah satu penyakit kardiovaskuler, yaitu masalah gangguan pada jantung dan pembuluh darah. Dampaknya peredaran darah menuju jantung menjadi tidak lancar dan hal ini mengakibatkan penurunan pasokan oksigen ke jantung. Seseorang dapat menderita penyakit jantung koroner karena beberapa faktor risiko antara lain merokok, diabetes dan hipertensi. Oleh karena itu, diperlukan prediksi akurat untuk menentukan apakah seseorang termasuk kategori menderita penyakit jantung koroner berdasarkan faktor – faktor risikonya. Dalam bidang asuransi jika prediksinya cukup akurat maka perusahaan asuransi dapat menyiapkan jenis polis yang tepat untuk calon pemilik polis, terutama bagi calon pemilik polis yang memiliki faktor risiko. Model Bayesian Neural Networks digunakan untuk memprediksi penyakit jantung koroner berdasarkan medical record yang terdiri atas faktor – faktor risiko. Tahap pertama adalah pemilihan model, yaitu membangun model neural networks yang optimal dengan inferensi Bayesian (Bayesian inference) dan metode aproksimasi inferensi variasi (variational inference). Tahap selanjutnya adalah evaluasi model dengan mengukur akurasi hasil prediksi menggunakan matriks confusion, tingkat akurasi (success rate), tingkat precision dan tingkat recall. Model yang diperoleh kemudian dapat digunakan untuk memprediksi penyakit jantung koroner. ......Coronary heart disease is one of the leading causes of death in the world currently, including in Indonesia. By the definition, coronary heart disease is a cardiovascular disease which is a problem of disorders of the heart and blood vessels. The impact is the flow of blood circulation to the heart is faltered. As the result, the supply of oxygen to the heart decreases. Someone can suffer from coronary heart disease due to several risk factors including smoking, diabetes and hypertension. Therefore, an accurate predictions is required to determine whether people are categorized as suffering from coronary heart disease according to their risk factors. In the insurance field if the predictions are accurate enough, the insurance company can prepare the right type of policy for prospective policyholders, particularly for those prospective policyholders who have those risk factors. The Bayesian Neural Networks model is used to predict coronary heart disease according to a medical record that consisting of risk factors. The first stage is model selection, which is building an optimal neural network model with Bayesian inference and the variational inference approximation method. Furthermore, the next stage is model evaluation by measuring the accuracy of the predicted results with the confusion matrix, the accuracy rate (success rate), the level of precision and the level of recall. Then the trained neural network model will be used to predict new data observation.

Abstrak :
Untuk sebarang bUntuk sebarang bilangan bulat positif k ≥ 2 dan n ≥ 1 yang diberikan, dapat dilakukan konstruksi barisan de Bruijn dengan panjang barisan 2n dari suatu alfabet A dengan panjang k. Pada tesis ini akan diberikan 3 buah metode untuk mengkonstruksi barisan de Bruijn. Metode pertama adalah metode Tabel. Metode ini menggunakan elemen An, yaitu string dengan panjang n yang dibangkitkan dari alfabet A, kemudian dicari semua kemungkinan urutan yang dapat terjadi. Metode kedua adalah metode Martin. Metode ini menggunakan algoritma M, langkahnya dengan cara selalu menambahkan simbol terbesar yang mungkin sedemikian sehingga n-barisan baru belum pernah muncul sebelumnya. Metode terakhir adalah metode Fredricksen ? Maiorana. Metode ini menggunakan teorema Fredricksen ? Maiorana yang menjamin keberadaan barisan de Bruijn untuk setiap n yang diberikan dengan merangkai Lyndon word yang terurut secara Lexicographic. Sebagai akhir pembahasan akan diberikan kaitan serta waktu proses antara masing-masing metode konstruksi barisan de Bruijn.

---

Given any integer k ≥ 2 dan n ≥ 1, de Bruijn sequence with length 2n can be constructed from alfabet A length k. In this ?thesis? will be presented three method on how to cons-tructed de Bruijn sequences. The first method is Table method. This method using element of An, which is string with length n spanned by alfabet A and then find all of possibility order that can be happen. The second is Martin method. This method using M algorithm, which is always add the largest symbol such that the resulting new sequences has not appeared previously. The last method is Fredicksen ? Maiorana?s method. This method using Fredicksen ? Maiorana's theorm that guarantees the existence of de Bruijn sequen-ce for any given n using concatenation Lexicographic ordered of Lyndon word. For conclusi, will be given correlations and time process between each method on constructed de Bruijn sequences.