Hasil Pencarian  ::  Simpan CSV :: Kembali

"Most of existing coal fired power plants in Indonesia that have capacity of 400-600 MW is designed using sub-bitumonous coal intake. This coal has a caloric value of 5,000 kcal/kg (a.r)...."

"Cadangan batubara Indonesia sebagian besar lebih dari 60 merupakan batubara dengan kalori rendah dan sedang yang dikenal dengan batubara peringkat rendah. Pada skenario KEN, pertumbuhan kebutuhan batubara rata-rata sebesar 5,1 dimana pada tahun 2025 kebutuhan batubara mencapai 37 juta Toe dan meningkat hingga mencapai 116 juta Toe di tahun 2050.Pemanasan mandiri self-heating dan pembakaran spontan spontaneous combustion batubara telah menjadi masalah serius di industri batubara. Kebakaran Batubara dan gambut dari Indonesia sering terjadi akibat kebakaran hutan di dekat singkapan.Kegiatan utama dari studi saat ini adalah melakukan eksperimen terhadap batubara peringkat rendah Indonesia dengan menggunakan metode uji yang berbeda TG-DTA, metode crossing point / CPT dan metode adiabatik . Selain itu, dilakukan pemodelan dengan piranti lunak COMSOL Multiphysics dan validasi dengan data eksperimen serta studi parametrik.Hasil pemodelan menunjukkan hasil yang berkesesuaian dengan data hasil ekperimen dengan penyimpangan temperatur sekitar 0,9 untuk CPT dan 1,5 untuk reaktor adiabatik.Dari studi parametrik di dapatkan bahwa porositas tumpukan dan konsentrasi oksigen memiliki efek yang cukup besar terhadap perilaku pembakaran spontan dan perlu mendapatkan perhatian dalam upaya untuk mencegah pembakaran spontan.Pemodelan dan Simulasi dapat digunakan sebagai alatbantu yang efektif untuk mencegah dan mencari solusi permasalah pembakaran spontan pada aplikasi di lapangan.

---

Indonesia's coal reserves mostly over 60 are low to moderate calorie coal known as low rank coal. In the KEN scenario, the average coal demand growth of 5.1 is where in 2025 the demand for coal reaches 37 million toe and increases to 116 million toe in 2050.Self heating and spontaneous combustion of coal have become a serious problem in the coal industry. Coal and peat fires from Indonesia often occur due to forest fires near the outcrop.The main activity of the current study is to conduct experiments on Indonesia's low rank coal using different test methods TG DTA, crossing point CPT method and adiabatic method. In addition, modeling with COMSOL Multiphysics software and validation with experimental data and parametric studies were performed.The modeling results show results that are compatible with experimental data with a temperature drift of about 0.9 for CPT and 1.5 for adiabatic reactors. From the parametric study it was found that the porosity of the pile and the oxygen concentration had a considerable effect on spontaneous combustion behavior and needed to get attention in an effort to prevent spontaneous combustion.Modeling and Simulation can be used as an effective tool to prevent and solve spontaneous combustion problems in field applications."

"Citra satelit digunakan untuk memperoleh informasi mengenai area permukaan bumi agar dapat digunakan dalam berbagai keperluan. Misalnya, mendeteksi perubahan yang terjadi pada area yang terdampak bencana alam, mendeteksi perubahan area hutan dan lahan pertanian, keperluan keamanan nasional, pengamatan meteorologi, dan sebagainya. Namun citra yang dihasilkan ini biasanya terkontaminasi oleh partikel aerosol di udara yang ditunjukkan dengan adanya kabut atau awan yang mengakibatkan hilangnya informasi mengenai permukaan bumi pada citra tersebut. Salah satu metode yang banyak digunakan untuk proses menghapus awan pada citra satelit adalah Dark Channel Prior (DCP). DCP banyak dikombinasikan dengan beberapa metode untuk meningkatkan hasil yang diperoleh, salah satunya yaitu metode Low-rank. Pada penelitian ini diusulkan penggunaan diagram Voronoi pada metode Low-rank yang telah dikombinasikan dengan metode DCP. Nilai rata-rata PSNR dan SSIM yang diperoleh yaitu 9.93 dan 0.3572. Nilai PSNR dan SSIM yang diperoleh tidak menunjukkan adanya paningkatan dibandingkan dengan metode pembandingnya, namun berdasarkan hasil akhir visualisasi citra yang diperoleh menunjukkan bahwa terdapat peningkatan dalam hasil penghapusan awan. Hal ini menunjukkan masih perlu dilakukan peningkatan rekonstruksi citra agar nilai PSNR dan SSIM yang diperoleh sesuai dengan peningkatan hasil penghapusan awan melalui penggunaan diagram Voronoi.

---

Satellite imagery is used to obtain information about the Earth’s surface area for various purposes. For example, it is used to detect changes in areas affected by natural disasters, monitor changes in forest and agricultural lands, address national security needs, observe meteorological conditions, and more. However, the resulting satellite images are often contaminated by aerosol particles in the air, indicated by haze or clouds, which lead to the loss of information about the Earth’s surface in those images. One widely used method for cloud removal from satellite images is the Dark Channel Prior (DCP). DCP is often combined with several other methods to enhance the results, one of which is the Low-rank method. In this research, the use of the Voronoi diagram for the Low-rank method, combined with the DCP, is proposed. The average PSNR (Peak Signal-to-Noise Ratio) and SSIM (Structural Similarity Index) values obtained are 9.93 and 0.3572. The PSNR and SSIM values obtained did not show an increase compared to the comparison method, but based on the final image visualization results obtained, it showed that there was an increase in the cloud removal results. This shows that it is still necessary to improve image reconstruction so that the PSNR and SSIM values obtained are in accordance with the increase in cloud removal results through the use of Voronoi diagram."

"ABSTRAKKanker adalah salah satu penyebab kematian terbanyak dan otak termasuk salah satu organ yang rentan terkena kanker. Deteksi dini tumor otak dapat mengurangi resiko terkena kanker. Scanner seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI) adalah alat yang digunakan deteksi dini dan diagnosis tumor otak. Namun, modalitas tersebut berbiaya tinggi, berukuran besar, dan memiliki efek samping terhadap kesehatan. Pencitraan gelombang mikro menawarkan metode pemindaian tumor untuk deteksi dini dengan biaya rendah, ukuran kecil, dan risiko rendah terhadap kesehatan. Compressive Sensing (CS) memungkinkan rekonstruksi citra gelombang mikro dengan data yang sparse. Penelitian ini mengusulkan pengembangan Compressive Sensing dengan Low-Rank Compressive Sensing. Penelitian menunjukkan bahwa metode Low-Rank CS dapat memberikan hasil rekonstruksi yang sama, bahkan lebih baik secara kualitatif dan kuantitatif dibandingkan dengan metode Simultaneous Algebraic Reconstruction Technique (SART), CS murni, maupun CS dengan regularisasi Total Variation (TV). Parameter kualitatif diukur dengan perbandingan visual dan kontur aktif dari citra yang direkonstruksi, sedangkan parameter kuantitatif diukur dengan MSE dan SSIM. Penelitian ini juga telah merancang dan membuat sebuah framework yang mengemas metode Low-Rank CS. Framework tersebut merupakan komponen controller dan image reconstructor untuk produk pendeteksi tumor otak portabel berbasis gelombang mikro yang bersifat open source dan universal (multi-plartform).

---

ABSTRACTCancer is one of the leading causes of death and the brain is one of the organs vulnerable to cancer. Early detection of brain tumors can reduce the risk of cancer. Scanners such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI) are tools for early detection of brain tumors. However, those modalities are high cost, big size, and has a side effect risk to health. Microwave imaging offers a novel cancer scanning method for early detection with low cost, small size, and low risk to health. The Compressive Sensing (CS) enables the reconstruction of microwave images with a sparse data. This research proposes the development of Compressive Sensing with Low-Rank Compressive Sensing. Experiment shows that the Low-Rank CS method can give the same, even better qualitatively and quantitatively reconstruction results compared to the Simultaneous Algebraic Reconstruction Technique (SART), pure CS, as well as CS with Total Variation (TV) regularization. Qualitative parameters are measured by visual comparison and active contours of the reconstructed image, while quantitative parameters are measured by MSE and SSIM. This research also designed and created a framework that packs the Low-Rank CS methods. The framework is a component of the controller and image reconstructor for a portable microwave-based brain tumor detector products that are open source and multi-platform."

"Batubara merupakan salah satu bahan baku utama untuk pembangkit listrik di Indonesia. Sampai saat ini, proses pembakaran batubara pada pembangkitan tenaga listrik di Indonesia masih dilakukan di atas permukaan bumi. Polutan yang juga dihasilkan dalam pemanfaatan batubara secara konvensional ini menimbulkan isu lingkungan. Teknologi gasifikasi batubara bawah tanah merupakan salah satu pendekatan untuk produksi energi yang bersih. Tesis ini melakukan studi pemanfaatan gasifikasi batubara bawah tanah sebagai alternatif pembangkitan energi listrik di Indonesia. Pembahasan dalam tesis meliputi perhitungan cadangan batubara di Indonesia yang berpotensi untuk dimanfaatkan oleh pembangkit listrik berbasis teknologi gasifikasi batubara bawah tanah. Diperoleh bahwa dari sumberdaya hipotetik batubara jenis lignit dan subbituminus pada kedalaman 250-500 m di Indonesia, berpotensi untuk dimanfaatkan melalui proses gasifikasi batubara bawah tanah sebesar 636.966.213.000 ton sumberdaya batubara. Volume gas sebesar 67.483 tscf berpotensi akan dihasilkan di Indonesia dari pemanfaatan teknologi UCG, dan apabila dimanfaatkan untuk pembangkitan energi listrik dapat berpotensi menghasilkan total kapasitas daya pembangkit listrik sebesar 255,8 GW. Dan dalam studi ini, teknologi UCG yang cocok untuk Indonesia adalah dengan konfigurasi CRIP.

---

Coal is one of the main feedstock for generating power in Indonesia. To date, combustion process at coal fired power plants in Indonesia are still located at the surface of Earth. Pollutants yielded during this conventional method are associated with a number of environmental issues. Underground coal gasification UCG , the combustion of coal while it is still in situ, is one approach to energy production that could, potentially, provide a solution. This paper gives an account of interdisciplinary studies on the potential assessment and utilization of UCG for power generation. This theses paper investigate Indonesia rsquo s potential coal resources for electrical power generation through UCG. From low rank coal lignite and subbituminous resources at depth 250 500 m, potentially 636,966,213,000 tonnes of Indonesia coal resources can be utilized for UCG, which gas volumes of 67,483 tscf can be obtained, and if utilize for power generation can result in 255.8 GW total power capacity. In the current study, Controlled Retracting Injection Point CRIP is the type of UCG technology that will be suitable for Indonesia."

"Adanya perkembangan teknologi dan infrastruktur maupun sektor lainnya menyebabkan menaiknya tingkat kebutuhan energi, terkhusus energi listrik. Salah satu sumber daya alam yang dapat menghasilkan energi listrik adalah batubara. Indonesia termasuk negara penghasil batubara terbesar di dunia. Namun, pada umumnya batubara hasil tambang Indonesia adalah batubara dengan peringkat rendah atau dikenal sebagai batubara lignit. Batubara lignit baik digunakan sebagai bahan bakar dalam industri PLTU karena memiliki kandungan sulfur yang rendah sehingga dapat menghasilkan efisiensi pembakaran yang tinggi. Namun, sebelum dijadikan sumber bahan bakar untuk PLTU, batubara lignit harus melalui proses peningkatan kualitas. Peningkatan kualitas yang dimaksud adalah dengan cara dikeringkan. Pengeringan dilakukan untuk mengurangi kadar air yang tinggi di dalam batubara lignit sekitar 40-70 dari massa aslinya. Penelitian pengeringan batubara lignite berlangsung menggunakan sistem refrigerasi dan pemanas heater serta desain ruang pemanas menggunakan tambahan desain Fixed-Bed Reactor. Pengeringan dilakukan dengan menggunakan variasi humidity ratio dan suhu pemanas. Pada penelitian ini, data yang didapat kemudian diolah sehingga diketahui pengaruh humidity ratio dan suhu pemanas terhadap nilai k konstanta laju pengeringan. Nilai k akan digunakan untuk desain pengeringan batubara di masa yang akan datang.

---

The existence of technological and infrastructure developments increases energy needs, especially electrical energy. Commonly, electrical energy can be obtained from natural resources such as coal. Indonesia is one of the largest coal producers in the world. However, most of coal that Indonesia can produce are low rank coal. There are two types of low rank coal, they are sub bituminous and lignite coal. Lignite coal can be used as a fuel in Electric Steam Power Plant Industries because it has low sulfur content which can produce high combustion efficiency. On the other hand, lignite coal must be upgraded with a drying process to reduce its moisture content the lignite coals moisture is about 40 70 from its total mass. Lignite Coal drying enhances the heating value. In this study, the dryer uses a refrigeration system and heater. The drying chamber is designed with an additional Fixed Bed Reactor. Lignite Coal drying is operated in two variations of air condition. The variations are humidity ratio and heating temperature of dryers air condition. Based on this research, all the data resulted will be used to find the influence of humidity ratio and the heating temperature on the drying rate and activation energy of low rank. The drying rate constant and activation energy value will be used for future drainage design of low rank coal."

"Dalam konteks matematika komputasi, tensor sering dipandang sebagai larik multidimensi, dengan jumlah dimensinya disebut sebagai orde tensor tersebut. Tensor dapat digunakan untuk merepresentasikan berbagai jenis data, seperti data gambar dan data psikometri. Salah satu masalah yang penting dalam komputasi tensor adalah aproksimasi rank rendah tensor. Untuk sebuah tensor A, masalah aproksimasi rank rendah adalah mencari tensor B yang nilainya paling mendekati tensor A tetapi memiliki rank tertentu yang lebih kecil dari rank A. Untuk tensor orde 2 (matriks), Teorema Eckart-Young-Mirsky menjelaskan bahwa masalah aproksimasi rank rendah matriks dapat diselesaikan dengan dekomposisi nilai singular (SVD). Akan tetapi, memperumum Teorema Eckart-Young-Mirsky untuk tensor adalah sebuah persoalan yang rumit. Masalah utamanya adalah, dalam kasus tensor, ada beberapa definisi rank yang berbeda. Masing-masing definisi rank dihasilkan dengan memperumum sifat-sifat tertentu dari fungsi rank matriks dan dapat menghasilkan nilai yang berbeda-beda untuk tensor yang sama; permasalahan tersebut adalah pokok bahasan skripsi ini. Skripsi ini dimulai dengan membahas konsep-konsep dasar dalam komputasi tensor. Lalu, akan dibahas mengenai tiga definisi konsep rank tensor. Untuk masing-masing definisi rank tensor, akan dipaparkan dekomposisi tensor yang berkaitan; dekomposisi-dekomposisi tensor ditujukan untuk memperumum SVD. Lalu, konsep rank dan dekomposisi tensor digabungkan dalam pembahasan masalah aproksimasi rank tensor. Pembahasan dilanjutkan dengan pembahasan hasil kali *M. Hasil kali *M dibuat untuk membentuk sebuah kerangka umum sebagai upaya menggabungkan beberapa dekomposisi tensor yang telah dibahas sebelumnya. Terakhir, dijelaskan mengenai berbagai sifat dan keunggulan teoretis kerangka hasil kali *M.

---

In the context of computational mathematics, tensors are often viewed as multidimensional arrays, with the number of dimensions referred to as the order of the tensor. Tensors can be used to represent various types of data, such as image data and psychometric data. One important problem in tensor computation is the low-rank approximation of tensors. For a tensor A, the low-rank approximation problem is to find the tensor B whose entries are closest to the tensor A but has a certain rank that is smaller than the rank of A. For tensors of order two (matrices), the Eckart-Young-Mirsky theorem says that the matrix low-rank approximation problem can be solved by truncating its singular value decomposition (SVD). However, generalizing the Eckart-Young-Mirsky theorem to tensors is a complicated problem. The main problem is that there are several different definitions of rank in the case of tensors. Each definition of rank is generated by generalizing certain properties of the matrix rank and can yield different values for the same tensor; that problem is the subject of this thesis. This thesis begins by discussing the basic concepts of tensor computation. Then, three definitions of the concept of rank tensor will be addressed. For each definition of rank tensor, the corresponding tensor decomposition is presented; the tensor decompositions are intended to generalize the SVD. Then, the concepts of rank and tensor decomposition are combined to discuss the rank tensor approximation problem. The discussion continues with the discussion of the product of *M. The product of *M is made to form a general framework as an attempt to combine several tensor decompositions that have been discussed previously. Finally, various properties and theoretical advantages of the *M product framework are explained."

"Penelitian ini bertujuan untuk mengembangkan sistem chatbot yang mampu menjawab pertanyaan seputar akademik Teknik Komputer UI. Sistem ini memanfaatkan teknologi Large Language Model (LLM) Komodo-7B yang telah di-fine-tuning dengan teknik Low-Rank Adaptation (LoRA) dan diintegrasikan dengan Retrieval Augmented Generation (RAG). Dataset Ultrachat yang diterjemahkan ke Bahasa Indonesia digunakan untuk fine-tuning model Komodo-7B, sementara dokumen PDF Kurikulum Teknik Komputer UI 2020 v4 digunakan sebagai sumber informasi untuk model RAG.Pengujian performa model Komodo-7B menunjukkan bahwa LoRA efektif dalam meningkatkan kemampuan model dalam memahami dan menghasilkan teks percakapan Bahasa Indonesia. Namun, pengujian performa chatbot menggunakan dua dataset pertanyaan, yaitu dataset custom yang dihasilkan menggunakan Giskard dan API ChatGPT, dan dataset Fathurrahman Irwansa yang telah diadaptasi, menunjukkan bahwa sistem chatbot masih memiliki ruang untuk peningkatan. Tingkat akurasi yang rendah pada kedua dataset (32% pada dataset custom dan 24,1% pada dataset Fathur) mengindikasikan bahwa sistem retrieval yang digunakan kurang akurat dalam menemukan konteks yang relevan. Meskipun demikian, ketika model RAG dapat mengambil konteks yang relevan, model Komodo-7B menunjukkan akurasi yang cukup tinggi (80% pada dataset custom dan 91,29% pada dataset Fathur, dihitung dari jumlah ketika kedua Komodo-7B dan konteks benar, kemudian dibagi dengan jumlah ketika konteks benar).Hasil penelitian menunjukkan bahwa model Komodo-7B memiliki potensi yang baik untuk digunakan pada sistem chatbot jika dikombinasikan dengan sistem retrieval yang lebih akurat. Penelitian ini memberikan kontribusi dalam pengembangan sistem chatbot berbasis LLM untuk menjawab pertanyaan seputar akademik, dan membuka peluang untuk penggunaan yang lebih luas di lingkungan Universitas Indonesia.

---

This research aims to develop a chatbot system capable of answering questions regarding the academic curriculum of Computer Engineering at Universitas Indonesia. The system utilizes the Komodo-7B Large Language Model (LLM), fine-tuned with Low-Rank Adaptation (LoRA) and integrated with Retrieval Augmented Generation (RAG). The Ultrachat dataset, translated into Indonesian, is used for fine-tuning the Komodo-7B model, while the 2020 v4 Computer Engineering Curriculum PDF document serves as the information source for the RAG model. Performance evaluation of the Komodo-7B model demonstrates that LoRA effectively enhances the model's ability to understand and generate Indonesian text. However, chatbot performance testing using two question datasets, a custom dataset generated using Giskard and the ChatGPT API, and the Fathur dataset adapted from prior research, reveals that the chatbot system still has room for improvement. The low accuracy on both datasets (32% on the custom dataset and 24.1% on the Fathur dataset) indicates that the retrieval system employed is not sufficiently accurate in finding relevant context. Nevertheless, when the RAG model successfully identifies relevant context, the Komodo-7B model exhibits relatively high accuracy (80% on the custom dataset and 91.29% on the Fathur dataset, calculated from the total of when Komodo-7B and the context are both correct, then divided by the total of when the context is correct). The research findings suggest that the Komodo-7B model holds significant potential for chatbot systems when combined with a more accurate retrieval system. This study contributes to the development of LLM-based chatbot systems for answering academic-related questions and opens up opportunities for broader applications within Universitas Indonesia."