Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kepuasan hidup merupakan hal penting dalam kehidupan yang mencakup banyak aspek antara kualitas hidup individu secara keseluruhan, kebahagiaan, kesejahteraan dan berkaitan dengan berbagai aspek kehidupan seperti pekerjaan, hubungan, dan kesehatan. Penelitian ini membahas tentang analisis faktor-faktor yang menjelaskan kepuasan hidup pada mahasiswa di Pulau Jawa dan Pulau Sumatera. Dua pulau dengan pesebaran mahasiswa Indonesia terbanyak, yakni Pulau Jawa dan Pulau Sumatera dengan total mahasiswa sebanyak 5.951.663 mahasiswa. Penelitiian ini bertujuan untuk meneliti faktor-faktor yang signifkan menjelaskan kepuasan hidup mahasiswa di Pulau Jawa dan Pulau Sumatera. Adapun faktor yang diduga menjelaskan kepuasan hidup mahasiswa di Pulau Jawa dan Pulau Sumatera adalah dukungna sosial, harga diri, rasa syukur, kecanduan ponsel pintar, IPK, pendapatan, jenis kelamin, usia, domisili, dan rumpun studi. Metode statistik yang digunakan dalam penelitian ini adalah metode Partial Least Square (PLS) untuk meneliti faktor-faktor yang signifikan menjelaskan kepuasan hidup mahasiswa di Pulau Jawa dan Pulau Sumatera, serta metode Analisis Korespondensi berganda untuk meneliti karakteristik mahasiswa berdasarkan tingkat kepuasan hidupnya. Hasil akhir dari penelitian ini diperoleh bahwa faktor-faktor yang menjelaskan kepuasan hidup mahasiswa di Pulau Jawa dan Pulau Sumatera, yakni dukungan sosial, harga diri, IPK, kecanduan ponsel pintar, dan pendapatan. Hasil penelitian ini diharapkan dapat digunakan untuk diimplentasikan guna meningkatkan kepuasan hidup, baik untuk diri sendiri, keluarga, ataupun mahasiswa didik.

---

Life satisfaction is an important thing in life that includes many aspects between an individual's overall quality of life, happiness, well-being and is related to various aspects of life such as work, relationships, and health. This study discusses the analysis of factors that explain life satisfaction in college students on Java Island and Sumatra Island. Two islands with the largest distribution of Indonesian students, namely Java Island and Sumatra Island with a total of 5,951,663 students. This research aims to examine the factors that significantly explain the life satisfaction of college students on Java Island and Sumatra Island. The factors that are thought to explain college student life satisfaction on Java Island and Sumatra Island are social support, self-esteem, gratitude, smartphone addiction, GPA, income, gender, age, domicile, and study group. The statistical method used in this study is the Partial Least Square (PLS) method which is used to examine the factors that significantly explain the life satisfaction of college students on Java Island and Sumatra Island combined with Multiple Correspondence Analysis method will be used to examine the characteristics of students based on their level of life satisfaction. The result of this study shows that social support, self-esteem, GPA, smartphone addiction, and income explain the life satisfaction of students in Java and Sumatera Islands.The result of this study is expected to be used to be implemented to increase life satisfaction, both for oneself, family, or students."

"Penyakit Alzheimer adalah penyakit bersifat neurodegenerative atau terdapat penurunan fungsi pada neuron yang bercirikan terdapat gangguan memori yang parah pada bagian otak. Penelitian ini bertujuan menganalisis Alzheimer disease (AD) dalam bentuk data microarray untuk mencari bicluster dengan algoritma BicHPT (Biclustering based on Hamming Pattern Table). Bagian otak manusia akan dibagi terlebih dahulu menjadi enam bagian yang menjadi penyebab AD yakni Entorhinal Cortex (EC), Hippocampus (HIP), Middle Temporal Gyrus (MTG), Posterior Cingulate Cortex (PC), Superior Frontal Gyrus (SFG), dan Visual Cortex (VCX). Algoritma untuk mendapatkan Bicluster pada umumnya hanya dapat digunakan dalam matriks dengan entri bilangan real namun pada penelitian ini akan digunakan algoritma BicHPT yang dapat digunakan untuk mendapatkan bicluster dari matriks yang berisi entri dengan nilai biner yakni 0 dan 1. Data microarray dari Alzheimer disease akan dibinerisasi terlebih dahulu melalui threshold dari mean keseluruhan matriks. Jika nilai suatu entri melebihi nilai threshold maka entri tersebut akan bernilai 1 dan sebaliknya jika entri kurang dari nilai threshold maka entri matriks tersebut akan bernilai 0. Setelah semua entri pada matriks dibinerisasi akan diaplikasikan algoritma BicHPT. Konsep utama algoritma ini adalah mencari jarak Hamming pada masing-masing kolom matriks untuk mendapatkan kandidat bicluster. Algoritma BicHPT terdiri atas beberapa langkah yakni: Mereduksi kolom matriks, mencari tabel dari jarak Hamming, mendapatkan candidat bicluster, dan terakhir diperoleh hasil bicluster dalam bentuk submatriks. Gen dari hasil bicluster yang didapatkan akan dianalisis dengan gene ontology (GO) untuk mengetahui fungsi biologis dari bicluster tersebut. Dengan mendapatkan informasi dari fungsi biologis tersebut melalui algoritma BicHPT diharapkan dapat memberikan potensi dalam analisis diagnosis penyakit Alzheimer di bidang medis.

---

Alzheimer’s disease is a neurodegenerative disesase or a decline function in neurons which is characterized by severe memory impairment in parts of the brain. In this study we aim to analyze this Alzheimer’s disease (AD) from microarray data to look after a bicluster using BicHPT (Biclustering based on Hamming Pattern Table) algorithm. First we divide the humain brain into six parts that cause the AD, there is Entorhinal Cortex (EC), Hippocampus (HIP), Middle Temporal Gyrus (MTG), Posterior Cingulate Cortex (PC), Superior Frontal Gyrus (SFG), and Visual Cortex (VCX). An algorithm to get a bicluster used only available on real number of matrices. But in this study the BicHPT algorithm can be used to get bicluster from matrices that contain entries with binary number which is 0 or 1. The microarray data from AD will be binarized first through the threshold of the mean from the whole matrices. If the value of an entry exceeds the threshold then the entry will be 1 on the other side if the value of the entry is less than the threshold the matrice will become 0. After all entries in the matrice are binarized, the BicHPT algorithm will be applied. The main concept of this algorithm is to find the Hamming distance in each column to get the bicluster candidates. BicHPT algorithm consist of several steps, which is reducing the matrices column, filling the Hamming distance table, seek for bicluster candidat, and build a bicluster in form of submatrices. Genes from the obtained bicluster will be analyzed by Gene Ontology (GO) to determine the biological function of the bicluster. By that information from these biological functionsthrough the BicHPT algorithm we hope to provide some potential in the analysis of Alzheimer diagnosis in the medical in the future."

"Stroke adalah tanda-tanda klinis gangguan fungsi otak yang penyebabnya berasal dari pembuluh darah. Hal tersebut dapat terjadi karena bagian otak tidak menerima aliran darah yang dibutuhkan karena suatu alasan, baik suplai darah ke bagian otak terganggu, atau karena pembuluh darah di otak pecah dan darah menyebar ke daerah sekitarnya. Sejumlah tes klinis telah dikembangkan selama bertahun-tahun untuk membantu menentukan keberadaan stroke. Salah satunya dengan brain imaging, yaitu menggunakan CT (Computed Tomography) scan dan MRI (Magnetic Resonance Imaging). Pemeriksaan ini dilakukan oleh dokter guna melakukan diagnosa pasien terhadap jenis stroke yang diderita. Dua jenis utama dari penyakit stroke ini ada dua, yaitu stroke iskemik dan stroke hemoragik. Sebagai tes pencitraan untuk mendiagnosa stroke, CT scan dan MRI memiliki kelebihan dan kekurangannya masing-masing. Kemudian selain tes pecintraan, terhadap pasien stroke juga dilakukan pemeriksaan laboratorium yang berisi fitur-fitur dari pemeriksaan laboratorium tersebut. Oleh karena itu, dalam penelitian akan dilakukan pengklasifikasian dengan pendekatan menggunakan machine learning menggunakan data pemeriksaan laboratorium pasien stroke. Metode klasifikasi yang digunakan adalah Grey Wolf Optimization-Support Vector Machine (GWO-SVM), dimana Grey Wolf Optimization (GWO) digunakan sebagai optimisasi parameter yang akan digunakan pada Support Vector Machine (SVM). Untuk mengukur performa GWO-SVM, hasil akurasi, spesifisitas, dan sensitivitas dari klasifikasi dengan GWO-SVM akan dibandingkan dengan SVM. Data stroke yang digunakan dalam penelitian ini diperoleh dari Departemen Medik Penyakit Syaraf, Rumah Sakit Umum Pusat Nasional (RSUPN) Dr. Cipto Mangunkusumo. Hasil menujukan bahwa klasifikasi dengan menggunakan Grey Wolf Optimization-Support Vector Machine (GWO-SVM) menghasilkan performa yang lebih baik jika dibandingkan dengan Support Vector Machine (SVM) tanpa optimisasi parameter.

---

Stroke is clinical signs of impaired brain function whose causes originate from vascular. It occurs when part of the brain does not receive the needed blood flow for a reason, either the blood supply to the brain is disrupted, or because a blood vessel in the brain burst and blood spreads to the surrounding area. Several clinical tests have been developed over the years to help determine the presence of a stroke. One of them is by brain imaging, which uses CT (Computed Tomography) scan and MRI (Magnetic Resonance Imaging). This examination is carried out by the doctor to diagnose the patient for the type of stroke suffered. There are two main types of stroke, namely ischemic stroke and hemorrhagic stroke. As an imaging test to diagnose stroke, CT scan and MRI have their respective advantages and disadvantages. Then, in addition to the imaging test, the stroke patient has also carried out a laboratory examination that contains the features of the laboratory examination. Therefore, in this research a classification approach using machine learning will be carried out using laboratory examination data of stroke patients. The classification method that will be used is Grey Wolf Optimization-Support Vector Machine (GWO-SVM), where Grey Wolf Optimization (GWO) is used as an optimization parameter to be used in Support Vector Machine (SVM). To measure the performance of GWO-SVM, the results of accuracy, specificity, and sensitivity of the classification with GWO-SVM will be compared with SVM. Stroke data used in this study were obtained from the Department of Neurology, National Center General Hospital Dr. Cipto Mangunkusumo. The results showed that the classification using GWO-SVM produces better performance when compared to SVM without parameter optimization."

"Tujuan dari penelitian ini adalah untuk mengidentifikasi karakteristikmahasiswa atau karyawan sebagai pengguna telekomunikasi, mengetahuipemanfaatan telekomunikasi serta melihat persebaran telekomunikasi diDepok. Data penelitian merupakan data primer tahun 2009 yang diambilsecara sembarang. Metode Multiple Correspondence Analysis digunakanuntuk menemukan karakteristik mahasiswa atau karyawan sebagai penggunatelekomunikasi. Selanjutnya dilakukan pemetaan pemanfaatan alattelekomunikasi serta pemetaan proposi kepemilikan alat telekomunikasiuntuk melihat persebaran telekomunikasi di Depok. Hasil penelitianmenunjukkan bahwa terdapat beberapa perbedaan karakteristik antaramahasiswa dan karyawan sebagai pengguna telekomunikasi, pemanfaatantelekomunikasi sebagai suatu alat untuk berhubungan dengan kerabat, danpengembangan telekomunikasi yang belum merata di kota Depok.Kata kunci : telekomunikasi, karakteristik, pemanfaatan, persebaran, MultipleCorrespondence Analysis, pemetaanvii + 97 hlm.; lamp."

"Pada skripsi akan dibahas penentuan premi manfaat dan cadanganmanfaat yang memperhitungkan biaya pengeluaran. Penentuan premi inimenggunakan prinsip ekivalen. Prinsip ekivalen ini merupakan ekspektasikerugian pada waktu masuk asuransi bernilai nol. Sedangkan ekspektasikerugian yang memperhitungkan biaya pengeluaran setelah asuransiberjalan dimana pemegang polis pada waktu tersebut masih hidupmerupakan cadangan manfaatnya. Kerugian ini merupakan selisih dari nilaisaat ini dari uang pertanggungan dengan akumulasi preminya. Kerugian inijuga bergantung pada biaya pengeluaran yang ditetapkan oleh perusahaanasuransi, asuransi jiwa yang dipilih oleh pemegang polis dan jenis premimanfaat yang harus dibayar oleh pemegang polis.Kata kunci : prinsip ekivalen, kerugian, asuransi jiwa, anuitas, premi manfaat,cadangan manfaat.viii + 129 hlm; lamp; tab.Bibliografi: 7 (1985-1997)"

"Sistem adalah kumpulan elemen yang bekerja sama untuk satu tujuan, contohnya sistem pada AC. Masalah timbul saat sistem mengalami kegagalan dalam bekerja. Salah satu cara mengatasinya adalah dengan menindaklanjuti penyebab dari kegagalan tersebut. Mencari penyebab kegagalan suatu sistem bisa menggunakan fault tree (FT). Dalam skripsi ini akan dibahas mengenai membangun FT dari sistem dan analisa kegagalan sistem dengan FT yang diaplikasikan pada sistem penggerak motor sederhana pada AC. Untuk membangun FT perlu diperhatikan cara kerja sistem dan batasannya. Dalam FT ada tiga simbol yang dipakai yaitu simbol gerbang, simbol transfer dan simbol kejadian. Hasil analisa kegagalan sistem dengan FT akan menghasilkan minimal cut set yaitu penyebab-penyebab kegagalan sistem terjadi, dan probabilitas terjadinya kegagalan.

---

System is a collection of elements that work together for one purpose, for example in air conditioning systems. Problems arise when the system failure in the work. One way around that is to follow up the cause of failure. Finding the cause of the failure of a system can use the fault tree (FT). In this skripsi will be discussed on building the FT of the system and failure analysis with the FT system is applied to a simple motor drive system on the AC. To build the FT need to know how the system works and its limitations. In the FT, there are gate symbol, an event symbol and transfer symbol. The results of analysis by the FT from system failure is a minimal cut sets, that are the causes of system failure occurred, and the probability of failure."

"Pemodelan penjadwalan dalam sistem transportasi perkotaan dengan penjadwalan bus dan pengemudi dilakukan secara bersamaan, dibuat dengan menggunakan graf berarah. Pada graf ini, setiap simpul merepresentasikan keadaan yang spesifik, sedangkan busur merepresentasikan kemungkinan perpindahan keadaan. Model penjadwalan yang diperoleh berupa program linier. "

"ABSTRAKDalam setiap semester, setiap jurusan di universitas menghadapi permasalahan yang sama yaitu menjadwalkan mata kuliah dengan waktu dan ruangan tertentu dimana terdapat beberapa batasan atau kendala. Dalam penjadwalan, mata kuliah harus dijadwalkan dalam waktu dan ruangan tertentu, dimana tidak terdapat mata kuliah di waktu yang sama diajarkan di ruangan yang sama dan tidak boleh bersamaan waktu antara mata kuliah dalam kelompok yang sama. Diberikan pemilihan waktu oleh dosen untuk mata kuliah yang diajarkannya, masalah penjadwalan mata kuliah diformulasikan sebagai pemrograman bilangan bulat dengan fungsi tujuan adalah memaksimumkan pemilihan waktu oleh dosen, dimana metode Column Generation digunakan untuk mencari solusi optimal dari model relaksasinya. Setiap kolom merepresentasikan pola jadwal mingguan dari tiap mata kuliah. Kolom akan dibangkitkan untuk mendapatkan pemilihan waktu terbaik dalam seminggu. Solusi optimal didapatkan ketika tidak ada lagi kolom yang dibangkitkan dan solusi memenuhi kondisi integral. Pada skripsi ini masalah penjadwalan mata kuliah diaplikasikan pada Departemen Matematika UI untuk perkuliahan di semester genap. Pembuatan program untuk menyelesaikan masalah penjadwalan mata kuliah menggunakan perangkat lunak dan hasilnya didapatkan solusi optimal yang memenuhi seluruh kendala.

---

ABSTRACTIn each semester, every department in the university faces the same problem of courses scheduling in a certain time and classroom with some constraints. In scheduling, the courses must be scheduled, where there are no subjects put at the same time in the same room and it is not allowed to overlap between subjects in the same group. Given the preferences of the lecturers to teaching time, a course scheduling problem is formulated as an integer programming with objective function is to maximize the preference value of the lecturers. The column generation approach is used to find the optimal solution of the relaxation model. Each column represents a pattern of weekly schedule of each course. The column will be generated to get the best solution. The optimal solution is obtained when no more column is generated and the solution satisfies the integral condition. In this skripsi, the column generation approach is applied to scheduling problem at Department of Mathematics UI for courses in second term each year. A program made to solve scheduling problems using a software and the obtained solution is satisfying all constraints."

"Penelitian ini membahas modifikasi algoritma link state routing pada jaringan komputer. Jaringan komputer dalam hal ini direpresentasikan dalam bentuk graf. Algoritma link state routing yang biasa dipakai adalah algoritma yang menghasilkan tabel routing dengan menggunakan algoritma Dijkstra dalam menemukan lintasan terpendek. Pada modifikasi algoritma link state routing, sebelum digunakan algoritma Dijkstra, graf dikelompokkan terlebih dahulu dengan menggunakan MST clustering, yang dalam membentuk cluster menggunakan algoritma Zahn. Pada modifikasi algoritma link state routing ini, entri dari tabel routing berkurang, sehingga proses di router menjadi lebih cepat.

---

This research is about modification of link state routing algorithm on computer network. Computer network in this case is represented as graph. The link state routing algorithm that usual to be used is algorithm that produces routing table by using Dijkstra?s algorithm in finding shortest path. In modification of link state routing algorithm, before using Dijkstra?s algorithm, graph is grouped formerly by using MST clustering, which in forming cluster using Zahn?s algorithm. In this modification of link state routing algorithm, routing table entries reduce, so process in router becomes faster."

"Indeks Pembangunan Manusia (IPM) merupakan salah satu indikator yang dapat digunakan untuk menggambarkan tingkat kesejahteraan rakyat di Indonesia. Pada tahun 2021, Provinsi Papua dan Papua Barat menempati dua urutan terakhir berdasarkan nilai IPM di Indonesia. Hal ini menandakan bahwa kesejahteraan masyarakat di Provinsi Papua dan Papua Barat dalam menikmati hasil pembangunan mengalami ketertinggalan dibandingkan dengan provinsi lain. Tetapi, IPM hanya dapat menggambarkan kesejahteraan dari dimensi pembentuknya saja, sehingga dibutuhkan indikator lain yang dapat menggambarkan kesejahteraan dari berbagai dimensi yang lebih luas. Pada penelitian ini dilakukan pengelompokan terhadap kabupaten/kota yang ada di Pulau Papua agar pemerintah lebih mudah dalam mengambil kebijakan yang tepat untuk mengatasi permasalahan kesejahteraan rakyat di Pulau Papua. Analisis yang digunakan pada penelitian ini adalah analisis biclustering. Analisis biclustering merupakan metode pengembangan dari analisis clustering yang digunakan untuk mengelompokkan baris dan kolom pada data secara bersamaan. Salah satu metode dari analisis biclustering adalah menggunakan algoritma Cheng and Church. Algoritma Cheng and Church menghasilkan bicluster yang memiliki ukuran yang maksimal dan mempunyai nilai mean squared residue lebih kecil dari batas yang telah ditentukan. Evaluasi dari hasil biclustering menggunakan rata-rata mean squared residue terhadap volume bicluster dan indeks Jaccard yaitu kemiripan antara dua hasil biclustering. Data yang akan digunakan dalam penelitian ini adalah data indikator kesejahteraan rakyat di pulau Papua tahun 2021. Analisis biclustering terhadap data indikator kesejahteraan rakyat di pulau Papua tahun 2021 menggunakan algoritma Cheng and Church mampu menghasilkan sebanyak 9 bicluster. Harapannya, pemerintah dapat membuat kebijakan yang tepat sesuai dengan masalah yang terjadi pada setiap bicluster.

---

The Human Development Index (HDI) is one of the indicators that can be used to describe the level of people's welfare in Indonesia. In 2021, Papua and Papua Barat Provinces occupy the last two ranks based on HDI values in Indonesia. This indicates that the welfare of the people in Papua and Papua Barat Provinces in enjoying the results of development has lagged compared to other provinces. However, HDI can only describe welfare from the dimensions that form it, so other indicators are needed to describe welfare from a broader range of dimensions. In this study, a grouping of districts/cities in Papua Island is carried out so that the government can more easily take the right policy to overcome the problems of people's welfare in Papua Island.  The analysis used in this research is biclustering analysis. Biclustering analysis is a development method of clustering analysis used to simultaneously group rows and columns in the data. One method of biclustering analysis is using the Cheng and Church algorithm. Cheng and Church's algorithm produces a bicluster with a maximum size and a mean squared residue value smaller than the predetermined limit. Evaluation of the biclustering results uses the average mean squared residue of the bicluster volume and the Jaccard index, which is the similarity between the two biclustering results. The data used in this study are welfare indicators data on Papua Island in 2021. Biclustering analysis of welfare indicators data on Papua Island in 2021 using the Cheng and Church algorithm produced as many as 9 biclusters. The hope is that the government can make the right policy according to the problems that occur in each bicluster."