Hasil Pencarian  ::  Simpan CSV :: Kembali

"Karbonat Oligosen-Miosen di Cekungan Jawa Timur, atau Formasi Kujung 1, telah memberi kontribusi terhadap penemuan cadangan hidrokarbon sejak tahun 1990-an. Beberapa studi dilakukan untuk karakterisasi reservoar didominasi oleh penggunaan data pre-stack untuk membedakan antar fluida. Dengan adanya ketersediaan data seismik post-stack pada Lapangan “PATRA”, dilakukan integrasi antara analisis petrofisika dan analisis multi-atribut untuk melengkapi hasil inversi seismik post-stack. Studi ini menghasilkan volume petrofisika semu (kandungan serpih, porositas dan saturasi) menggunakan 5 kombinasi atribut seismik yang ditentukan melalui analisis multi-atribut. Atribut ini termasuk atribut eksternal (impedansi akustik hasil inversi berbasis model) dan atribut internal (amplitudo sesaat, frekuensi sesaat, fase sesaat, polaritas semu, frekuensi rata-rata dan frekuensi dominan). Jika atribut impedansi akustik digunakan untuk menghasilkan parameter petrofisika, maka error berkisar pada 32-57%. Penggunaaan multi atribut, dan juga PNN, mengurangi error ini menjadi 32-40% hingga 19-35%. Interpretasi seismik terintegrasi ini memungkinkan untuk delineasi zona interest yang berpotensi. PROMETHEUS dengan ketebalan ~213 ft dan luas 58.268.238 ft2 memiliki rata-rata kandungan serpih, porositas dan saturasi air sebesar 0,12-0,25, 0,3 dan 0,7. Prospek ini memiliki estimasi Hydrocarbon Initially in Place sebesar ~930.835.102 scf.

---

The Oligocene-Miocene carbonates of the East Java Basin, or the Kujung 1 Fm., have contributed significant hydrocarbon discoveries since the 1990s. Multiple studies conducted for reservoir characterization dominantly use pre-stack information to differentiate fluids. With the availability of post-stack seismic data Field “PATRA”, the integration of petrophysical analysis and multi-attribute analysis is done to enhance the results of post-stack inversion. This study created pseudo-petrophysical volumes (shale content, porosity and water saturation) using 5 combinations of seismic attributes through multi-attribute analysis. These attributes include external attributes (inverted P-Impedance from model-based inversion) and internal attributes (instantaneous amplitude, instantaneous frequency, instantaneous phase, apparent polarity, average frequency and dominant frequency). If a single attribute of P-impedance is used to derive the petrophysical parameter, the error ranges 32-57%. The use of multi attributes, and then PNN, reduced this error to 32-40% to 19-35%. The integration of seismic interpretation made it possible to delineate a potential zone of interest. PROMETHEUS with a thickness of ~213 ft and an area of 58,268,238 ft2 has average shale content, porosity and water saturation value of 0.12-0.25, 0.3 and 0.7. This zone of interest has an estimated Hydrocarbon Initially in Place of ~930,835,102 scf."

"Meskipun tekanan ekonomi yang diakibatkan oleh inflasi dan kondisi makroekonomi yang tidak menentu di tahun 2022, belanja cloud yang dihabiskan oleh perusahaan end-user di tahun 2023 diperkirakan masih akan tetap tumbuh, dengan proporsi terbesarnya pada Software as A Service (SaaS). Hal tersebut mendorong PT XYZ untuk berencana terjun ke dunia SaaS dengan menjadikan salah satu produknya yaitu Accounting System untuk dijual dengan skema tersebut. Untuk keperluan tersebut PT XYZ melakukan kajian tentang kesiapan produk Accounting System yang eksisting. Hasil kajian kemudian menghasilkan beberapa temuan terkait beberapa hal yang perlu diperbaiki dari produk sebelum dijual dengan skema SaaS yang salah satunya adalah perlunya rancangan arsitektur SaaS untuk product Accounting System. Hal tersebut dikarenakan karakteristik SaaS berbeda dengan perangkat lunak tradisional. Tujuan dari penelitian ini adalah menghasilkan rancangan arsitektur SaaS untuk Accounting System PT XYZ. Penelitian ini menggunakan pendekatan model driven yang disesuaikan untuk diimplementasikan pada SaaS. Hasil dari perancangan arsitektur selanjutnya divalidasi ke dalam tiga aspek. Pada aspek fungsional, didapatkan kesimpulan bahwa aplikasi microservice yang dihasilkan memiliki representasi fungsional yang sama dengan aplikasi legacy. Pada aspek non-fungsional, terdapat saran perbaikan yang dapat dilakukan pada pilar system design, keunggulan operasional, security dan realibilitas. Sedangkan pada aspek kelayakan teknis menunjukan bahwa arsitektur yang dirancang memiliki kelayakan secara teknis untuk diimplementasikan pada proyek karena sebagian besar teknologi sudah dipelajari dan diimplementasikan ke dalam proyek sebelumnya. Sedangkan untuk teknologi baru yang belum dipelari memerlukan proses adaptasi yang tidak lama.

---

Despite the economic pressures caused by inflation and uncertain macroeconomic conditions in 2022, cloud expenditure spent by end-user companies in 2023 is projected to continue growing, with the most significant proportion contributed by Software as a Service (SaaS). This condition has motivated PT XYZ to enter the SaaS market by offering one of its products, the Accounting System, under the SaaS model. For this purpose, PT XYZ conducted research to assess the readiness of its existing Accounting System product. The study results in several findings regarding areas that need improvement before the product is ready to be sold under the SaaS model, including the need for a SaaS architecture design for the Accounting System product. The SaaS architecture design is necessary because SaaS has different characteristics from traditional software. This research aims to develop a SaaS architecture design for PT XYZ's Accounting System. The study adopts a model-driven approach tailored for implementation in SaaS. The architectural design was validated in three aspects. Firstly, from a functional standpoint, it was confirmed that the resulting microservice application has the same functional representation as the legacy application. Secondly, in terms of non-functional aspects, there are suggested improvements that can be made in system design, operational excellence, security, and reliability pillars. Finally, in the technical feasibility aspect, it was demonstrated that the designed architecture is technically feasible to be implemented in the project. Most of the technologies have already been studied and implemented in previous projects, and any new technologies that have not yet been studied require only a short adaptation process."

"Mobil pribadi dianggap sebagai kendaraan yang memberikan nilai kenyamanan tersendiri bagi pemiliknya. Di negara-negara berkembang, jual-beli mobil bekas menjadi sebuah tren yang tidak terhindarkan. Valuasi mobil bekas ditentukan oleh banyak faktor sehingga sulit menentukan harga jualnya, akan tetapi metode machine learning (ML) menunjukkan hasil yang menjanjikan belakangan ini. Penelitian ini menggabungkan stacked generalization (stacking) sebagai salah satu metode ML dengan optimasi berbasis model berurutan atau sequential model-based optimization (SMBO) untuk mengestimasi valuasi mobil bekas. Penelitian ini menambahkan beberapa variabel independen yang belum pernah digunakan oleh penelitian sebelumnya seperti harga awal, sisa masa garansi, serta kehadiran kunci cadangan dan buku servis. Data penelitian berasal dari salah satu situs web penjualan mobil bekas di Indonesia. Algoritma stacking dibandingkan dengan algoritma ML lain yang sering digunakan untuk mengestimasi harga mobil bekas seperti random forest (RF), gradient boosting (GB), support vector regression (SVR), dan multi-layer perceptron (MLP). Hasil penelitian menunjukkan bahwa algoritma stacking yang dioptimasi memiliki kemampuan prediksi terbaik dengan R2 0,9712, MAPE 4,57%, dan RMSE 19,77 juta rupiah. Dengan teknik permutation feature importance, penelitian ini mendapati faktor-faktor yang paling berpengaruh terhadap besarnya penurunan harga mobil bekas yaitu usia mobil, kapasitas mesin, bahan bakar, merek, jarak tempuh, sisa masa garansi, dan tipe mobil.

---

Private cars are considered vehicles that provide unrivaled comfortability for its owner. In developing countries, buying and selling used cars is an inevitable trend. The valuation of a used car is determined by many factors, making it difficult to determine its selling price, but machine learning (ML) method has recently shown promising results. This study combines stacked generalization (stacking) as one of the ML methods with sequential model-based optimization (SMBO) to estimate used car valuations. This study adds several independent variables that previous studies have not used, including initial price, remaining warranty period, and the presence of spare keys and service books. Data are gathered from a website selling used cars in Indonesia. Stacking is compared to other ML algorithms often used to estimate used cars price, such as random forest, gradient boosting, support vector regression, and multi-layer perceptron. Results showed that the optimized stacking algorithm had the best predictive ability with R2 0.9712, MAPE 4.57%, and RMSE 19.77 million rupiahs. Using permutation feature importance, this study found the most influential factors in the decline magnitude of used car prices, which are the car's age, engine capacity, fuel, brand, mileage, remaining warranty period, and type of the car."