Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker kulit termasuk salah satu kanker dengan kasus terbanyak di seluruh dunia dan menjadi penyebab kematian terbanyak adalah kanker kulit melanoma. Pendeteksian dan diagnosis dini berhasil meningkatkan angka survival rate untuk melanoma tingkat awal sebesar 95%. Oleh karena itu, analisis gambar medis sangat penting dalam upaya pengobatan penyakit kulit sedini mungkin. Cara pendeteksiaan saat ini yang menggunakan metode manual masih kurang handal dan memakan banyak waktu. Adanya pengembangan teknologi deep learning dan computer vision dapat membantu dokter dalam melakukan segmentasi lesi kulit dengan lebih cepat dan akurat. Penelitian ini mengusulkan penggunaan arsitektur Recurrent Residual U-Net (R2U-Net) dalam melakukan tugas segmentasi lesi kulit. Arsitektur ini menggunakan recurrent residual block yang terinspirasi dari residual connection dan Recurrent Convolutional Layer (RCL) ke dalam arsitektur berbasis U-Net. Unit residual dengan RCL membantu mengembangkan model lebih dalam yang efisien. Dataset yang digunakan pada penelitian ini adalah dataset yang berasal dari International Skin Imaging Collaboration (ISIC) 2018. Penelitian ini berhasil meningkatkan kinerja model dalam memprediksi segmentasi lesi kulit pada nilai Dice Similarity Coefficient (DSC), jaccard index, akurasi, sensitivitas, spesifisitas, dan presisi masing-masing sebesar 88,16%, 79,03%, 94,07%, 87,25%, 96,98%, dan 89,50%, dengan rata-rata kenaikan sebesar 2,4%.

---

Skin cancer is one of the most common cancers in the world and the leading cause of death is melanoma. Early detection and diagnosis can increase the survival rate for early-stage melanoma by 95%. Therefore, analysis of medical images is very important in efforts to treat skin diseases as early as possible. The current detection method that uses the manual method is still less reliable and takes a lot of time. The development of deep learning technology and computer vision can assist doctors in segmenting skin lesions more quickly and accurately. This study proposes the use of the Recurrent Residual U-Net (R2U-Net) architecture in performing the task of segmenting skin lesions. This architecture uses a recurrent residual block inspired by the residual connection and recurrent convolutional layer (RCL) in a U-Net-based architecture. Residual units with RCL help develop efficient deeper models. The dataset used in this study is a dataset from the International Skin Imaging Collaboration (ISIC) 2018. This research succeeded in improving the model's performance in predicting skin lesion segmentation on the Dice Similarity Coefficient (DSC), jaccard index, accuracy, sensitivity, specificity, and precision values of each respectively 88.16%, 79.03%, 94.07%, 87.25%, 96.98%, and 89.50%, with an average increase of 2.4%."

"Kereta listrik merupakan suatu bentuk transportasi umum dengan tujuan untuk mengurangi kemacetan. Manfaat lainnya adalah bentuk transportasi ini tidak mengeluarkan gas hasil pembakaran dan memiliki kapasitas yang besar. Untuk operasinya, kereta ini dapat menggunakan kendali manual hingga kendali otomatis tanpa adanya sentuhan dari manusia. Kendali otomatis ini dikenal dengan sistem Automatic Train Operation (ATO), yang memiliki tugas untuk memantau dan memberikan perintah terhadap kereta sesuai dengan profil kecepatan. Profil kecepatan kereta memiliki peran penting dalam meminimalisasi energi yang diperlukan dengan tujuan mengurangi biaya operasional dengan memperhatikan ketepatan jarak. Salah satu cara untuk mencapai hal tersebut adalah dengan memvariasikan kecepatan kereta sesuai dengan nilai waktu atau jarak tertentu. Optimasi terhadap kedua parameter tersebut dapat dilakukan dengan pendekatan berupa beberapa algoritma seperti, analitikal, numerikal, heuristik dan kombinasi. Salah satu algoritma heuristik yang bisa diaplikasikan adalah algoritma Teaching Leaning Based Optimization (TLBO). Algoritma ini didasarkan oleh konsep perilaku guru dan murid, dimana guru memberikan pelajaran terhadap murid di dalam suatu kelas. Algoritma ini diharapkan dapat menghasilkan nilai profil kecepatan kereta yang optimal dengan memperhatikan ketepatan jarak dan waktu tempuh. Berdasarkan hasil simulasi didapatkan bahwa metoda TLBO dapat meminimalkan nilai konsumsi energi, selisih jarak, kenyamanan dan kecepatan akhir.

---

Electric trains represent a form of public transportation designed to alleviate traffic congestion. Another benefit is that this mode of transportation does not emit combustion byproducts and has a large capacity. In terms of operation, these trains can be manually controlled or operate automatically without human intervention. The automatic control is known as the Automatic Train Operation (ATO) system, which is tasked with monitoring and issuing commands to the train based on speed profiles. The speed profile of the train plays a crucial role in minimizing the energy required, aiming to reduce operational costs while considering distance accuracy. One approach to achieving this is by varying the train's speed according to specific time or distance values. Optimization of both parameters can be carried out using various algorithms, including analytical, numerical, heuristic, and combinations thereof. One applicable heuristic algorithm is the Teaching Learning Based Optimization (TLBO), inspired by the teacher-student learning concept within a classroom. This algorithm is expected to generate optimal speed profile values for the train while taking into account distance accuracy and travel time. Based on the simulation result, TLBO algorithm could minimize the energy consume, distance difference, comfort and final speed."

"Transportasi umum kereta antar kota menjadi salah satu transportasi yang banyak diminati karena bisa mengurangi kemacetan dan jarak tempuh yang jauh serta bisa mengangkut orang dalam jumlah yang banyak. Pada kenyataannya, bahan bakar yang digunakan adalah diesel yang Smenghasilkan emisi gas karbon. Emisi gas karbon bisa meningkatkan pencemaran udara dan efek rumah kaca. Sebagai solusi, penggunaan kombinasi sumber energi pada sistem kereta hibrid sudah dilakukan dan dikembangkan dalam beberapa dekade ini. Sumber energi listrik dalam bentuk baterai atau sel bahan bakar hidrogen dalam bentuk fuel cell menjadi energi utama dalam penggerak kereta. Sebagai tambahan, untuk memenuhi kebutuhan daya kereta yang disesuaikan juga bisa ditambahkan sumber energi lain seperti ultra/super capacitor ataupun diesel. Oleh karena itu, pada sistem kereta hibrid ini diperlukan EMS (Energy Management System) untuk mengatur keluaran dan penggunaan energi yang dipakai secara optimal. Metode pengendalian yang digunakan adalah MPC (Model Predictive Control) yang memungkinkan strategi perencanaan dan pengoptimalan penggunaan energi dari berbagai sumber daya. Pada metode optimasi MPC terdapat cost function yang akan diminimalisir dan dioptimalkan dengan berbagai constraints.

---

Inter-city train public transportation is one of the most popular transportations because it can reduce congestion and long distances and transport large numbers of people. In reality, the fuel used is diesel which produces carbon gas emissions. Carbon gas emissions can increase air pollution and the greenhouse effect. As a solution, the use of a combination of energy sources in hybrid train systems has been carried out and developed in recent decades. Electrical energy sources in the form of batteries or hydrogen in the form of fuel cells become the main energy in driving the train. In addition, other energy sources such as ultra/super capacitors or diesel can also be added to fulfill the power requirements of the train. Therefore, this hybrid train system requires an EMS (Energy Management System) to optimally manage the output and use of energy used. The control method used is MPC (Model Predictive Control) which enables strategic planning and optimization of energy use from various resources. In the MPC optimization method, there is a cost function that will be minimized and optimized with various constraints."

"

Pengawasan bawah air sangat penting untuk memantau ekosistem laut, melindungi infrastruktur kritis, dan memastikan keamanan maritim dengan pendeteksian anomali, pelacakan aktivitas bawah air, dan perlindungan area sensitif. Namun, Kendaraan Bawah Air yang Dioperasikan dari Jarak Jauh (ROV) memiliki beberapa tantangan, salah satunya adalah arus bawah air sehingga diperlukan pengendali yang kuat untuk menjaga stabilitas. Skripsi ini memodelkan hubungan antara input dari RPM motor dengan pitch rate dan yaw rate sebagai output. Model Sistem Dinamis didapat dengan menggunakan data-data yang diperoleh selama uji lapangan di salah satu kolam uji coba di kota Bandung. Sebanyak 57,788 titik data dikumpulkan selama lima menit dan diolah menggunakan aplikasi MATLAB dengan memanfaatkan jaringan neural LSTM. Hasilnya menunjukkan bahwa dari Model Sistem Dinamis pitch rate didapatkan hasil simulasi terbaik dengan hyperparameter di dua layer LSTM, 900 Hidden Units, 1700 Epochs, 100 mini-batch size, 0.001 Initial Learning Rate, 0.8 Gradient Threshold, dan rasio training : testing sebesar 55:45, Selain itu, didapatkan nilai Root Mean Square Error (RMSE) training dan testing sebesar 0.041248 dan 0.2517. Pada Model Sistem Dinamis yaw rate didapatkan hasil simulasi terbaik dengan hyperparameter di dua layer LSTM, 950 Hidden Units, 2000 Epochs, 120 mini-batch size, 0.0005 Initial Learning Rate, 0.8 Gradient Threshold, dan rasio training : testing sebesar 55:45 dengan perolehan nilai RMSE training dan testing sebesar 0.030847 dan 0.70734. Dari simulasi yang telah dilakukan, penulis berhipotesis bahwa hasil simulasi telah cukup optimal untuk  digunakan dalam pemodelan Sistem Dinamis pada Kendaraan Bawah Air yang Dioperasikan Jarak Jauh.

---

Underwater surveillance is crucial for monitoring marine ecosystems, protecting critical infrastructure, and ensuring maritime security through anomaly detection, underwater activity tracking, and safeguarding sensitive areas. However, Remotely Operated Underwater Vehicles (ROVs) face several challenges, including underwater currents, necessitating robust controllers to maintain stability. This thesis models the relationship between input from motor RPMs and pitch rate and yaw rate as output. The Dynamic System Model is obtained using data collected during field tests in one of the trial pools in Bandung. A total of 57,788 data points were gathered over five minutes and processed using the MATLAB application, leveraging a neural LSTM network. The results indicate that for the Dynamic System Model, the best simulation results for pitch rate were achieved with hyperparameters in a two-layer LSTM: 900 Hidden Units, 1700 Epochs, 100 mini-batch size, 0.001 Initial Learning Rate, 0.8 Gradient Threshold, and a training-to-testing ratio of 55:45. Additionally, the Root Mean Square Error (RMSE) values for training and testing were 0.041248 and 0.2517, respectively. For yaw rate, the best simulation results were obtained with hyperparameters in a two-layer LSTM: 950 Hidden Units, 2000 Epochs, 120 mini-batch size, 0.0005 Initial Learning Rate, 0.8 Gradient Threshold, and the same training-to-testing ratio. The corresponding RMSE values for yaw rate were 0.030847 (training) and 0.70734 (testing). Based on the conducted simulations, the author hypothesizes that the simulation results are sufficiently optimal for use in modelling the Dynamic System of Remotely Operated Underwater Vehicles.

"

"Kopling virtual adalah suatu teknik yang digunakan untuk menghubungkan dua kereta atau lebih secara virtual, tanpa adanya koneksi fisik langsung antara keduanya. Penggunaan pengendali fuzzy PID pada kopling virtual dapat memberikan kemampuan adaptif yang lebih baik terhadap perubahan kondisi kereta dibandingkan dengan pengendali PID biasa. Penelitian ini bertujuan untuk menguji kinerja kopling virtual yang menggunakan pengendali fuzzy-PID. Penelitian dilakukan dengan aplikasi matlab, dan mengujikan 4 metode, yaitu Mamdani dan sugeno dengan masing masing tipe 1 dan 2. Hasil penelitian menunjukkan bahwa pengendali fuzzy PID mampu mengontrol sistem dengan lebih baik dibandingkan dengan pengendali PID biasa, dengan deviasi posisi yang lebih kecil untuk mencapai set poin yang diinginkan

---

Virtual coupling is a technique used to connect two or more trains virtually, without a direct physical connection between them. The use of fuzzy PID controllers in virtual coupling can provide better adaptive capabilities to changes in train conditions compared to ordinary PID controllers. This research aims to test the performance of virtual coupling using fuzzy-PID controller. The research was conducted with the Matlab application, and tested 4 methods, namely Mamdani and Sugeno with types 1 and 2 respectively. The results showed that the PID fuzzy controller was able to control the system better than the ordinary PID controller, with a smaller position deviation to achieve the desired set point."

"Kereta listrik adalah salah satu mode transportasi yang paling banyak digunakan oleh masyarakat Indonesia. Selain biayanya yang ekonomis, kereta listrik dapat mengantarkan penggunanya ke tujuan dengan lebih cepat dibandingkan kendaran lain seperti mobil atau motor yang rentan terjebak kemacetan lalu lintas. Mengingat kebergantungan masyarakat yang cukup besar terhadap kereta lisrik, maka dibutuhkan penelitian lebih lanjut untuk meningkatkan tingkat efisiensinya. Salah satu bentuk peningkatan efisiensi adalah dengan mengurangi nilai energi yang dihabiskan oleh kereta listrik saat beroperasi. Pengoptimalan kereta listrik dalam segi konsumsi energi dapat dilakukan dengan bantuan algoritma Artificial Bee Colony (ABC). Algoritma ABC adalah algoritma yang meniru perilaku koloni lebah madu dalam mencari solusi. Skripsi ini menunjukkan hasil pengaplikasian algoritma ABC dalam menemukan solusi berupa nilai konsumsi energi terkecil.

---

An electric train is one of the most widely used modes of transportation used by Indonesians. Aside from being economical, an electric train can take their users to their destinations quicker than vehicles such as cars or motorbikes which are prone to getting stuck in traffic jams. Given how dependent the community is on electric trains, further research is needed to increase the level of efficiency. One form of increasing the efficiency of an electric train is to reduce the value of the energy consumed by the electric train while operating. Optimizing electric trains in terms of energy consumption can be done with the help of the Artificial Bee Colony (ABC) algorithm. The ABC algorithm is an algorithm that mimics the behavior of honeybee colonies in finding solutions. This thesis shows the results of applying the ABC algorithm in finding a solution in the form of the smallest energy consumption value."

"Kereta sebagai salah satu peningkatan infrastruktur di Indonesia menjadi mode transportasi yang umum dipakai oleh masyarakat. Optimalisasi operasional kereta menjadi salah satu tantangan dimana kereta listrik menjadi solusi dengan biaya operasional rendah serta gaya traksi tinggi. Bentuk optimasi dapat dilihat dari penggunaan energi dalam perjalanan berdasarkan profil kecepatan kereta. Optimisasi kecepatan kereta dapat menggunakan salah satu algoritma optimasi yaitu Differential Evolution (DE) Algorithm. DE merupakan algoritma metaheuristik untuk mencari global optimum pada continuous space. Untuk mencapai hasil yang optimum, DE mengaplikasikan tahap inisialisasi, mutasi, crossover, hingga seleksi pada setiap interval waktu perjalanan. Solusi profil kecepatan dapat menentukan mode berkendara (accelerating, cruising, coasting, braking) untuk mencapai penggunaan energi terendah dalam operasional kereta.

---

Train, one of the infrastructure improvements in Indonesia, is a mode of transportation commonly used by the public. Optimizing train operations is one of the challenges where electric trains are a solution with low operational costs and high tractive force. Optimization can be seen from the use of energy in the journey based on the train speed profile. Train speed optimization can use one of the optimization algorithms, namely the Differential Evolution (DE) Algorithm. DE is a metaheuristic algorithm for finding the global optimum in continuous space. To achieve optimum results, DE applies the initialization, mutation, crossover, and selection stages at each travel time interval. Speed ​​profile solutions can determine driving modes (accelerating, cruising, coasting, braking) to achieve the lowest energy use in train operations."

"Perkembangan transportasi umum di Indonesia tentu saja memberikan dampak positif pada masyarakat Indonesia untuk memudahkan mereka bepergian dari satu tempat ke tempat lainnya. Salah satu yang paling populer adalah kereta api, dimana bisa digunakan untuk berpergian baik jarak pendek, menengah maupun jauh. Namun transportasi kerta ini belum ramah lingkungan karena masih menghasilkan polusi dan emisi dari hasil pembakaran bahan bakarnya. Dimana hampir semua kereta api jarak jauh di Indonesia masih menggunakan bahan bakar konvensional yaitu diesel. Untuk menangani masalah ini dilakukan sebuah riset untuk mengubah bahan bakar diesel tersebut menjadi lebih ramah lingkungan seperti menggunakan tenaga listrik (baterai). Untuk itu dibuatlah konsep yang disebut sebagai kerta hibrid yang memiliki sumber tenaga lebih dari 1 atau gabungan dari diesel, dan baterai. Agar sumber tersebut dapat beroperasi secara terstruktur dan efisien maka perlu digunakan strategi yang disebut EMS (Energy Management System) untuk mengontrol ketiga sumber tenaga tersebut serta digunakan strategi optimisasi agar lebih optimal. Salah satu metode control yang dapat digunakan adalah dynamic programming (DP). DP merupakan optimisasi offline yang dapat mengkalkulasi kebutuhan daya kereta di setiap kondisi untuk menemukan mana sumber tenaga yang sesuai untuk digunakan dengan memperhitungkan biaya, efisiensi sumber tenaga dan kondisi jalan. Pada akhirnya DP dapat meminimalisir penggunaan diesel engine menjadi 26.84% dari total keseluruhan distribusi daya dan penurunan konsumsi bahan bakar hingga 87.1%.

---

The development of public transportation in Indonesia certainly has a positive impact on Indonesian society to make it easier for them to travel from one place to another. One of the most popular is the train, which can be used to travel both short, medium and long distances. However, this train's transportation is not yet environmentally friendly because it still produces pollution and emission from the fuel combustion. Almost all long-distance trains in Indonesia still use conventional energy like diesel. To overcome this problem, research was carried out to change train energy to be more environmentally friendly such as using electric batteries. For this reason, a concept called a hybrid train was created which has more than 1 power source to operate, like a combination of diesel, and battery. In order for these three sources to operate in a structured and efficient manner, it is necessary to use a strategy called EMS (Energy Management System) to control the three sources of energy and use an optimization strategy to make it more optimal. One of the control methods that can be used is dynamic programming (DP). DP is an offline optimization that can calculate the power requirements of a train in every condition to find which power source is suitable for use by taking into account cost of power source, power source efficiency and road conditions. In the end, DP can minimize the use of diesel engine to 26.84% of the total power distribution and reduce fuel consumption by up to 87.1%."

"Seiring bertambahnya jumlah pelanggan listrik di Indonesia menjadikan persentase kerugian dari susut non-teknis pada Perusahaan Listrik Negara (PLN) semakin besar tiap tahunnya yang menyebabkan berkurangnya keuntungan. Berbagai upaya telah dilakukan oleh PLN dengan membentuk tim Penertiban Pemakaian Tenaga Listrik (P2TL) berdasarkan informasi indikasi pencurian dan kelainan maupun pemilihan manual pada pelanggan pascabayar. Namun upaya yang dilakukan PLN sejauh ini masih belum efektif dalam penentuan Target Operasi (TO) karena membutuhkan waktu yang lama dengan hasil akurasi yang kecil. Tujuan dari penelitian ini adalah untuk menganalisis efektivitas dari data pemakaian listrik (kWh) pelanggan dalam pemodelan machine learning menggunakan algoritma Extreme Gradient Boosting (XGBoost) menggunakan metode feature engineering dan hyperparameter tuning. Hasil dari penelitian ini membuktikan bahwa penggunaan riwayat pemakaian listrik efektif dalam pemodelan hingga tingkat akurasi mencapai 80% pada penggunaan data jam nyala dan 82% pada penggunaan data gabungan jam nyala dengan metode statistik dan bantuan hyperparameter tuning. Dengan hasil ini dapat membantu PLN untuk menentukan TO pada pelanggan pascabayar dengan lebih mudah dan efisien menggunakan teknologi machine learning.

---

As the number of electricity customers in Indonesia increases, the percentage of non-technical losses in PLN (Perusahaan Listrik Negara) has been growing every year, leading to a decrease in profits. Various efforts have been made by PLN through the establishment of the Penertiban Pemakaian Tenaga Listrik (P2TL) team based on indications of theft or abnormalities and manual selection of postpaid customers. However, PLN's efforts so far have been ineffective in determining the Operational Target (TO) due to the long time required and low accuracy. The aim of this research is to analyze the effectiveness of customer electricity usage data (kWh) in machine learning modeling using the Extreme Gradient Boosting (XGBoost) algorithm with feature engineering and hyperparameter tuning methods. The results of this study demonstrate that the use of electricity usage history is effective in modeling, achieving an accuracy rate of 80% when using on/off hours data and 82% when using a combination of on/off hours data with statistical methods and the assistance of hyperparameter tuning. These findings can assist PLN in determining the TO for postpaid customers more easily and efficiently using machine learning technology."

"Indonesia merupakan negara yang luas dan memiliki penduduk yang beragam. Penduduk Indonesia memerlukan sarana komunikasi yang memadai sebagai salah satu kebutuhan hidup. Namun infrastruktur komunikasi di daerah rural masih belum memadai. Oleh karena itu, diperlukan infrastruktur pendukung agar penduduk yang berada di daerah rural dapat berkomunikasi dengan baik. Salah satunya adalah teknologi high altitude platform station (HAPS) karena teknologi ini memiliki cakupan yang luas dan kapasitas yang tinggi sehingga dapat mendukung penggunaan 5G di daerah rural. Penelitian ini akan menganalisis kelayakan persebaran HAPS sebagai international mobile telecommunication (IMT) base station dari segi power link budget, analisis frekuensi yang optimal, dan analisis interferensi dengan infrastruktur yang sudah ada di Nusa Tenggara Timur. Daerah ini dipilih karena termasuk ke dalam daerah tertinggal. Perhitungan dan analisis dalam penelitian ini menggunakan metode yang direkomendasikan International Telecommunication Union (ITU) serta memakai simulasi System Tool Kit (STK) untuk mendapatkan dan menganalisis data. Penelitian ini mengindikasikan bahwa link margin sistem dapat ditekan untuk meningkatkan toleransi HAPS ke curah hujan yang lebih tinggi dan menurunkan kekuatan antenna, menentukan estimasi jarak aman antara cakupan selular HIBS dengan cakupan selular yang sudah ada, serta menunjukkan bahwa frekuensi yang paling optimum adalah frekuensi terendah baik frekuensi HAPS maupun frekuensi akses. Berdasarkan hasil penelitian, dapat dinyatakan bahwa HAPS layak untuk disebar di daerah rural Nusa Tenggara Timur.

---

Indonesia is a vast country and has considerable and diverse citizens. Indonesian citizen needs a reliable communication infrastructure to sustain daily life. However, communication infrastructure in rural areas needs to be improved. Therefore, alternative infrastructure is required to support rural area communication. One of the alternatives is high altitude platform station (HAPS) technology because this technology has a broader coverage and high capacity to support 5G in rural areas. This research will analyze the feasibility of HAPS as international mobile telecommunication (IMT) base station deployment in a rural area regarding power link budget analysis, optimum frequencies, and interference with existing infrastructure in Nusa Tenggara Timur. This region is chosen because it is classified as the least developed region. This research uses the International Telecommunication Union (ITU) recommendation method and STK simulation to get and analyze the data. This research indicates that the system link margin can be suppressed to increase HAPS tolerance to severe rain and lower the antenna gain, the separation distance estimation of the HIBS cellular coverage and the existing cellular coverage, and the most optimum frequency to be utilized is the lowest frequency both HAPS frequency and access frequency. Moreover, this research shows that HAPS is feasible to implement in rural wireless access services in Nusa Tenggara Timur."