Contents
Academic literature on the topic 'Di-cluster'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Di-cluster.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Di-cluster"
1
Horiuchi, Hisashi. "Di-neutron Cluster and Its Condensation." Modern Physics Letters A 21, no. 31n33 (2006): 2455–59. http://dx.doi.org/10.1142/s0217732306022109.
Full textAbstract:
Di-neutron cluster structure of 11 Li which is suggested strongly by recent experiments is discussed. Recent HFB calculations which show clear di-neutron correlation in surface region of neutron-rich nuclei are also discussed. An approach to di-neutron problem by the use of a hybrid wave function of AMD and di-neutron condensed wave function is proposed.
2
Stepanus Ginting, Roni, Hamdani Hamdani, Anindita Septiariani, and Faza Alameka. "The Clustering Tindak Kekerasan Dalam Rumah Tangga Di Kota Samarinda Menggunakan Algoritma K-Means." METIK JURNAL 6, no. 2 (2022): 172–77. http://dx.doi.org/10.47002/metik.v6i2.378.
Full textAbstract:
Peran Kepolisian Resort Samarinda dalam membantu keamanan dan penegakan hukum sesuai dengan Pasal 5 Undang-Undang No. 23 Tahun 2004 dapat menggunakan data kdrt untuk clustering tingkat kdrt berdasarkan tinggi, sedang dan rendah. Clustering atau mengelompokkan data dapat dilakukan dengan menerapkan algoritma K-Means. Penerapan algoritma ini menggunakan 3 metode perhitungan jarak yaitu, Euclidean Distance, Minkowski Distance dan Manhattan Distance Dan hasil perhitungan algoritma kmeans dengan menggunakan Euclidean Distance Mendapatkan 2 Cluster di C1,9 cluster di C2 dan 1 cluster di C3,Selanjutnya menggunakan Manhattan Distance Dan hasil yang di dapat yaitu 3 Cluster di C1, 8 cluster di C2 dan 1 cluster di C3 dan yang terakhir Menggunakan , Minkowski Distance Distance Mendapatkan 2 Cluster di C1,9 cluster di C2 dan 1 cluster di C3. Penggunaan 3 metode ini dimaksudkan untuk mengetahui perhitungan jarak yang lebih ideal untuk digunakan. Selain menggunakan metode perhitungan jarak, digunakan juga metode pengukuran jarak yaitu SSE (Sum of Squared Errors) dan ketiga metode perhitungan tersebut mendapatkan hasil SSE (Sum of Squared Errors) nya sebagai berikut.Euclidean Distance=1,2535, Minkowski Distance=1,2418 dan Manhattan Distance=5,7154.
3
Afrimayani, Afrimayani, Hazmira Yozza, and Dodi Devianto. "PENGELOMPOKAN NEGARA DI DUNIA BERDASARKAN DATA RUNTUN WAKTU REALISASI PENANAMAN MODAL ASING DI INDONESIA MENGGUNAKAN ANALISIS CLUSTER." Jurnal Matematika UNAND 8, no. 2 (2019): 157. http://dx.doi.org/10.25077/jmu.8.2.157-164.2019.
Full textAbstract:
Investasi sangat dibutuhkan di Indonesia. Perekonomian di Indonesia masih tertinggal dari negara-negara yang lain. Oleh karena itu, pemerintah perlu mencari sumber pembiayaan pembangunan ekonomi untuk mendorong pertumbuhan investasi, bukan hanya investasi dari dalam negeri namun juga investasi asing. Untuk melihat pola besarnya investasi asing di Indonesia, perlu dilakukan pengelompokan negara-negara. Pengelompokan tersebut diharapkan bisa membantu pemerintah dalam pengambilan kebijakan terkait investasi asing sesuai dengan negaranya. Analisis cluster merupakan suatu teknik analisis statistik dengan tujuan untuk memilah objek ke dalam beberapa cluster berdasarkan kesamaan-kesamaan objek atas dasar berbagai karakteristik. Penelitian ini bertujuan untuk membentuk cluster negara-negara di dunia berdasarkan data runtun waktu realisasi investasinya di Indonesia tahun 2000-2017. Teknik pengelompokan yang digunakan adalah analisis berhierarki dengan jarak euclidean. Hasil penelitian ini diperoleh sebanyak 2 cluster sebagai cluster optimum. Pada cluster 1 besarnya realisasi penanaman modal asing sepanjang tahun 2000-2017 cenderung hampir sama besar. Pada cluster 2 besarnya realisasi penanaman modal asing sepanjang tahun 2000-2017 lebih besar dibandingkan dengan cluster 1 dan mengalami perubahan yang signifikan.Kata Kunci: Investasi Asing, Analisis Cluster Runtun Waktu, Jarak Euclidean
4
Cinquatti, Roberta, Gabriela Acucella, Uta Emmig, et al. "Cluster familiare di infezione da Listeria monocytogenes." Medico e Bambino Pagine elettroniche 25, no. 5 (2022): 102–5. http://dx.doi.org/10.53126/mebxxvmg102.
Full textAbstract:
Listeria monocytogenes is a Gram-positive facultative intracellular bacterium; it is transmitted to humans through the ingestion of contaminated food. Patients are typically immunosuppressed individuals, pregnant women, newborns and elderly people. In the rare cases of sepsis and meningitis caused by Listeria in immunocompetent paediatric patients, the infection can cause serious complications. Listeria does not respond to first-line empirical treatment with cephalosporins; it is therefore necessary to identify the pathogen to allow a target treatment and to have a favourable prognosis. The paper presents a case of L. monocytogenes sepsis and convulsions in an immunocompetent 16-month-old child, whose source of infection was a fresh goat cheese that infected other members of her family. Given the increase in the consumption of ready-to-eat foods stored in the refrigerator in industrialized countries, it is important to keep in mind the presence of L. monocytogenes as a possible cause of sepsis and meningitis also in immunocompetent individuals.
5
Pandi Zulfikar, Aden Aden, and Andi Nur Rahman. "Penerapan Data Mining untuk Clustering dengan Metode K-means dalam Menentukan Stok Barang di Era Covid 19." MathVision : Jurnal Matematika 4, no. 2 (2022): 93–99. http://dx.doi.org/10.55719/mv.v4i2.374.
Full textAbstract:

 
 Penelitian ini bertujuan untuk mengetahui pengelompokan produk paling, sedang, sedikit peminatnya untuk menentukan jumlah stok barang. Selain itu tujuan berikutnya adalah mengetahui karakteristik setiap cluster dan mengetahui variabel apamempengaruhi terbentuknya cluster. Sedangkan untuk metode penelitia yang digunakan adalah k-means cluster. Setelah penelitian di lakukan terbentuklah cluster pada penelitian ini, dengan uraian cluster 1 yang paling diminati dengan jumlah produk hanya 1 yang menandakan stok barang pada cluster ini harus lebih banyak dari cluster laiinya, cluster 2 yang sedang peminatnya dengan jumlah produk 6 yang menandakan bahwa stok barang pada cluster ini sedang, cluster 3 kurang diminati degan jumlah produk 119 yang menandakan bahwa stok barang pada cluster ini lebih sedikit dari cluster lainnya. Karakteristik setiap cluster setelah dilakukan penelitian ini, karakteristik yang terdapat dalam cluster 1 berisi variabel jumlah barang masuk di bawah rata-rata, jumlah barang yang keluar di bawah rata-rata, dan jumlah sisa stok barang di atas rata-rata, karakteristik yang terdapat pada cluster 2 berisi variabel jumlah stok barang yang masuk, barang yang keluar dan sisa barang berada di atas rata-rata, karakteristik yang terdapat pada cluster 3 berisi variabel jumlah stok barang yang masuk, barang yang keluar dan sisa barang berada di bawah rata-rata. Sedangkan variabel yang memberikan pengaruh besar dalam terbentuknya cluster adalah variabel barang masuk(X1) dengan nilai F sebesar 143,323 dan nilai signifikan 0,000.
6
Sunarto, Sunarto, and Zulfikar Zulfikar. "Pelaksanaan Cluster Learning System di Masa Pandemi Covid-19 di Sekolah 3T." Pedagogi: Jurnal Ilmu Pendidikan 21, no. 1 (2021): 36–44. http://dx.doi.org/10.24036/pedagogi.v21i1.1028.
Full textAbstract:
This study aims to determine the implementation of the Cluster Learning System during the Covid-19 pandemic in 3T schools. This research was conducted at SMP Negeri 7 Budong-budong, geographically this school is located in Mamuju Tengah District, West Sulawesi Province. Central Mamuju Regency is one of the underdeveloped districts in Indonesia. This study used a qualitative approach to describe the implementation of the Cluster Learning System during the Covid-19 pandemic in 3T schools. Data obtained through observation, interview, and documentation study techniques. Meanwhile, the data analysis process used data analysis techniques proposed by Miles and Hubermen which consisted of three activity lines, namely data reduction, data presentation, and conclusion drawing. From the research results, it was found that in implementing the Cluster Learning System there were 3 stages carried out by the SMP Negeri 7 Budong-budong, namely the planning, implementation, and evaluation stages. In addition, in the application of the Cluster Learning System at SMP Negeri 7 Budong, there are several advantages and disadvantages.
7
Puntoriza, Puntoriza, and Charitas Fibriani. "Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means." JOINS (Journal of Information System) 5, no. 1 (2020): 86–94. http://dx.doi.org/10.33633/joins.v5i1.3469.
Full textAbstract:
UMKM (Usaha Mikro Kecil dan Menengah) merupakan usaha produktif yang telah terbukti memberikan lapangan kerja dan menjadi penggerak roda perekonomian di Indonesia. Kota Malang dianggap memiliki potensi besar di sektor UMKM. Di sisi lain, UMKM juga menghadapi berbagai masalah, seperti keterbatasan modal kerja, kurangnya pembinaan terhadap sumber daya manusia, dan lain sebagainya. Pengelompokan UMKM di Kota Malang dapat memudahkan pemerintah terkait dalam hal memilih peminjaman modal, menentukan potensi usaha dan menetapkan strategi pemasaran. Pada penelitian ini, pengelompokan UMKM di Kota Malang dilakukan dengan algoritma K-means cluster analysis. Hasil yang diperoleh adalah terbentuk 3 cluster, di mana algoritma K-means mengelompokkan kecamatan Blimbing ke cluster 1, kecamatan Klojen ke cluster 2, kecamatan Sukun ke cluster 3, Kecamatan Kedung Kandang ke cluster 3, dan Kecamatan Lowokwaru ke cluster 3.
8
Norbert, Jausovec, and Jausovec Ksenija. "A typology of human neuro-electric brain activity and its relation to personality and ability." RICERCHE DI PSICOLOGIA, no. 2 (January 2012): 291–306. http://dx.doi.org/10.3280/rip2010-002007.
Full textAbstract:
La ricerca ha indagato la possibilitŕ di definire una tipologia di attivitŕ elettrica cerebrale, che potesse spiegare differenze di personalitŕ e abilitŕ. Misure di potenza e coerenza di 331 partecipanti, divise in 7 bande di frequenza determinate individualmente, sono state sottoposte ad analisi fattoriali, che hanno prodotto una soluzione ad 8 fattori. I coefficienti fattoriali Bartlett cosě ottenuti sono stati utilizzati come variabili di input per un'analisi "cluster". Questa analisi ha rivelato come ottimale una soluzione a 3 cluster. I 2 cluster piů numerosi (C1 e C2) differivano rispetto ai valori di potenza; il pattern di potenza e coerenza del cluster C3 era piů complesso. I 3 cluster ottenuti differivano anche rispetto alla variabili di abilitŕ e personalitŕ. Sono state osservate differenze nei pattern dei fattori di personalitŕ e abilitŕ, e in misura minore in un singolo fattore. Questi pattern erano piů omogenei per i fattori di personalitŕ e piů eterogenei per le abilita generali e per i fattori di intelligenza emozionale.
9
Irma Sumiati, Abdul Rasyid Faiq Adinata, Muhammad Harun Al- Musa, Ruli Herdiana, and Cep Lukman Rohmat. "Penerapan Metode Two-Step Cluster Untuk Pengelompokan Desa Berdasarkan Kepadatan Penduduk." KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer 5, no. 2 (2021): 36–41. http://dx.doi.org/10.32485/kopertip.v5i2.154.
Full textAbstract:
Kepadatan penduduk memiliki dampak yang signifikan terhadap kualitas hidup kota. Karena kepadatan penduduk yang tinggi banyak masalah yang muncul. Penduduk terus menerus dipengaruhi oleh jumlah bayi yang lahir (pertumbuhan penduduk), tetapi pada saat yang sama dikurangi dengan jumlah kematian yang terjadi pada semua kelompok umur. Pertumbuhan penduduk disebabkan oleh empat faktor yaitu kelahiran, kematian, imigrasi masuk, dan migrasi keluar. Ketika imigran masuk berjumlah banyak maka jumlah penduduk di suatu wilayah atau kota akan bertambah dan ketika imigran keluar bertambah maka sebaliknya yaitu jumlah penduduk pada suatu wilayah atau kota akan berkurang. Penelitian ini bertujuan untuk menganalisis tingkat kepadatan penduduk pada desa di Kabupaten Majalengka. Kabupaten Majalengka merupakan salah satu kabupaten yang ada di Jawa Barat. Seiring bertambahnya jumlah penduduk Majalengka setiap tahunnya, kepadatan penduduk di Kabupaten Majalengka cukup padat. Dalam penelitian ini, desa-desa di Kabupaten Majalengka di cluster menggunakan metode Two-Step Cluster. Two-Step Cluster adalah cara untuk menangani variabel kontinu dan kategorik dengan menggunakan indikator Bayesian Information Criterion (BIC), hasil dari jumlah cluster optimal diperoleh 4 cluster. Pada cluster tersebut terdapat cluster yang merupakan cluster terbaik yaitu terdapat pada cluster 3 dengan jumlah desa yaitu 15 desa dengan jumlah penduduk 6.862 Jiwa. Pengujian clustering dilakukan dengan metode silhoutte dan menunjukkan bahwa cluster yang dihasilkan memiliki nilai silhoutte yang mendapatkan nilai cukup yaitu 0,4. Hal ini menunjukkan bahwa cluster yang terbentuk telah ter-cluster dengan baik.
10
Setiawan, Aep, and Wini Muthia Kansha. "PEMBUATAN SISTEM DATABASE CLUSTER MENGGUNAKAN APLIKASI GALERA CLUSTER DI SEKOLAH VOKASI IPB UNIVERSITY." Jurnal Sains Terapan 11, no. 2 (2021): 49–59. http://dx.doi.org/10.29244/jstsv.11.2.49-59.
Full textAbstract:
ABSTRAKServer yang terdapat di Sekolah Vokasi Institut Pertanian Bogor (SV-IPB) diinstal Modular Object-Oriented Dynamic Learning Environment (MOODLE) yang merupakan aplikasi e-learning berbasis web. MOODLE membutuhkan database yang berfungsi sebagai sebuah sistem penyimpanan data dari berbagai aktivitas yang dilakukan. Database server yang tersedia di SV-IPB berupa single database server. SV-IPB memiliki 17 program studi, jumlah mahasiswa Sekolah Vokasi untuk tiga angkatan sekitar 6 300 mahasiswa, hal tersebut bisa menyebabkan pengaksesan layanan MOODLE dan beban yang ditanggung server menjadi tinggi. Mengatasi masalah tersebut salah satu solusinya diimplementasikan teknologi database cluster pada server SV-IPB serta membuat sebuah server load balancing. Pembuatan database cluster menggunakan aplikasi Galera Cluster, serta digunakan HAProxy sebagai load balancer yang berperan sebagai pembagi beban antar database server dalam database cluster. Ketika database server down maka ada database server lain yang dapat menggantikan tugas dari database server yang down tersebut.Kata Kunci : Database Cluster, Galera Cluster, HAProxy, Multi-master, MySQL
 ABSTRACTThe server in the Vocational School, Bogor Agricultural University (SV-IPB) is installed with Modular Object-Oriented Dynamic Learning Environment (MOODLE) which is a web-based e-learning application. MOODLE requires a database that functions as a data storage system for various activities carried out. The database server available at SV-IPB is a single database server. SV-IPB has 17 study programs, the number of Vocational School students for three batches is around 6 300 students, this can cause access to MOODLE services and the burden on the server to be high. One of the solutions to overcome this problem is to implement database cluster technology on the SV-IPB server and create a load balancing server. Creating a cluster database using the Galera Cluster application, and using HAProxy as a load balancer that acts as a load divider between database servers in the database cluster. When the database server is down, there is another database server that can replace the task of the down database server.Keyword: Database Cluster, Galera Cluster, HAProxy, Multi-master, MySQL