Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTugas Akhir ini membahas salah satu variasi metode faktorisasi cholesky yang disebut metode multifrontal. Metode ini membagi faktorisasi numerik matriks sparse yang simetris dan positif definit menjadi sejumlah sehingga langkah faktorisasi parsial dari matriks yang lebih kecil dan penuh. Konsep utama metode multifrontal adalah adanya kontribusi dan faktor kolom yang sudah dihitung. Kontribusi tersebut tidak diaplikasikan secara langsung, melainkan dipergunakan dalam memodifikasi submatriks yang akan difaktorkan pada tahap berikutnya. Pada setiap langkah faktorisasi, matriks frontal dibentuk dan matriks update yang didapat dari kolom-kolom yang berkontribusi terhadap kolom yang sedang diproses. Setelah mengeliminasi matriks frontal tersebut, akan diperoleh matniks update yang merupakan kontribusi dan kolom tersebut terhadap kolom lain pada langkah berikutnya."

"Computational scientists often encounter problems requiring the solution of sparse systems of linear equations. Attacking these problems efficiently requires an in-depth knowledge of the underlying theory, algorithms, and data structures found in sparse matrix software libraries. Here, Davis presents the fundamentals of sparse matrix algorithms to provide the requisite background. The book includes CSparse, a concise downloadable sparse matrix package that illustrates the algorithms and theorems presented in the book and equips readers with the tools necessary to understand larger and more complex software packages.With a strong emphasis on MATLAB and the C programming language, Direct Methods for Sparse Linear Systems equips readers with the working knowledge required to use sparse solver packages and write code to interface applications to those packages. The book also explains how MATLAB performs its sparse matrix computations."

"Integrasi data seismik dan data sumur sangat berguna untuk rnelakukan proses karakterisasi reservoar. Kedua data tersebut digunakan pada proses seisrnik inversi untuk mentransforrnasikan data seisrnik menjadi data impedansi akustik. Data impedansi akustik menunjukan sifat tisis dari batuan yang langsung merepresentasikan litologi dari batuan. Pada penelitian ini digunakan metode inversi Constrained Sparse Spike (CSSI) pada lapangan "X" Cekungan Natuna Barat. Hasil yang didapatkan berhasil rnenunjukan daerah impedansi rendah (2500-550 gr/co"?m/S) pada daerah reservoar dengan nilai porositas berkisar antara 0.22-0.32. Analisis terintegrasi dengan menggunakan hasil invemi dan estimasi porositas menunjukan bahwa zona persebaran reservoar terkonsentrasi pada sekitar sumur yang ada dan mengarah ke bagian selatan."

"[ABSTRAKHierarchical clustering merupakan metode yang efektif dalam membentuk pohonfilogenetik dengan mengetahui matriks jarak antar barisan DNA. Salah satu carauntuk membuat matriks jarak yaitu dengan cara menggunakan metode -mer.Kelebihan dari metode -mer yaitu lebih efisien dalam segi waktu. Langkahlangkahdalam membuat matriks jarak dengan metode -mer dimulai denganmembentuk -mer sparse matrix dari masing barisan DNA. Selanjutnya,membentuk -mer singular value vector. Pada tahap akhir yaitu menghitung jarakantar vektor. Pada tesis ini akan dilakukan analisis terhadap barisan DNA MERSCoVdengan mengimplementasi Hierarchical clustering menggunakan -merssparse matrix sehingga dapat diketahui leluhur dari masing-masing barisan DNAMERS-CoV.

---

ABSTRACTHierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV., Hierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV.]"

"Iterative Methods for Sparse Linear Systems, Second Edition gives an in-depth, up-to-date view of practical algorithms for solving large-scale linear systems of equations. These equations can number in the millions and are sparse in the sense that each involves only a small number of unknowns. The methods described are iterative, i.e., they provide sequences of approximations that will converge to the solution.This new edition includes a wide range of the best methods available today. The author has added a new chapter on multigrid techniques and has updated material throughout the text, particularly the chapters on sparse matrices, Krylov subspace methods, preconditioning techniques, and parallel preconditioners. Material on older topics has been removed or shortened, numerous exercises have been added, and many typographical errors have been corrected. The updated and expanded bibliography now includes more recent works emphasizing new and important research topics in this field."

"Pada teknik pencitraan hiperspektral kemungkinan terjadinya pencampuran kandungan beberapa material di permukaan bumi (endmembers) dalam sebuah piksel cukup besar. Hal ini bisa disebabkan oleh resolusi sensor spasialnya yang kurang baik atau secara alami pencampuran terjadi pada tingkat partikel. Oleh karena itu dibutuhkan metode untuk memisahkan pencampuran endmembers tersebut agar didapatkan informasi spasial mengenai distribusi material pada tingkat subpiksel, metode ini dikenal dengan istilah unmixing (pemisahan). Penelitian ini mengajukan metode pemisahan citra hiperspektral menggunakan norm L1-L2. Pembagian kandungan kuantitatif material (abundances) dicari menggunakan model sparse regression unmixing dengan melihat karakteristik sparse-nya. Model yang diajukan dioptimisasi menggunakan algoritma alternating direction method of multipliers (ADMM). Hasil analisis secara kualitatif dan kuantitatif menunjukkan bahwa metode yang diajukan menghasilkan kualitas yang paling baik dengan menghasillkan nilai SRE yang paling tinggi yaitu 22,275 dibanding metode SUnSPI 15,274 dan SUnSAL-TV 20,803 serta menghasilkan nilai RMSE yang paling rendah yaitu  6,4x10-4 dibanding metode SUnSPI 1,5x10-3 dan SUnSAL-TV 7,2x10-4.

---

Hyperspectral Imaging has a high chance of mixing of various material on Earths surface (endmembers) in a pixel. Low quality of spatial resolution sensor or naturally occured mixing in particle level are usually the problem. Consequently, new method is required in order to separate the endmembers mixing to acquire spatial information regarding material distribution in sub-pixel level, this method is called unmixing. This research proposes unmixing method of hyperspectral imaging based on L1-L2 norm. The quantitative distribution of material  (abundances) is sought using sparse regression unmixing model by looking into the sparse characteristic. The proposed latest model is optimised using altering direction method of multipliers (ADMM) algorithm. The result of quantitative analysis shows that the proposed method generates the best quality by having the highest SRE value, which is 22.275 as compared to SunSPI and SunSAL-TV method which are 15.274 and 20.803 consecutively, and lowest RMSE value, which is 6.4. 10-4 as compared to SunSPI and SunSAL-TV method which are 1.5×10-3 and 7.2×10-4 consecutively."