arulpm commited on
Commit
b983fad
·
verified ·
1 Parent(s): 114339a

Upload 12 files

Browse files
.ipynb_checkpoints/README-checkpoint.md ADDED
@@ -0,0 +1,941 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Alibaba-NLP/gte-base-en-v1.5
3
+ language:
4
+ - en
5
+ library_name: sentence-transformers
6
+ license: apache-2.0
7
+ metrics:
8
+ - cosine_accuracy
9
+ - dot_accuracy
10
+ - manhattan_accuracy
11
+ - euclidean_accuracy
12
+ - max_accuracy
13
+ pipeline_tag: sentence-similarity
14
+ tags:
15
+ - sentence-transformers
16
+ - sentence-similarity
17
+ - feature-extraction
18
+ - generated_from_trainer
19
+ - dataset_size:414518
20
+ - loss:MultipleNegativesRankingLoss
21
+ widget:
22
+ - source_sentence: 'Judul: Pelestarian Lanskap Sejarah Lasem Sebagai Kota Pusaka di
23
+ Kabupaten Rembang Jawa Tengah
24
+
25
+ Abstrak: Lasem merupakan sebuah kota kecil yang berada di Kabupaten Rembang yang
26
+ mempunyai banyak peninggalan warisan budaya dan sejarah dengan ciri khas dari
27
+ Arab, Cina dan Pribumi. Sejarah Lasem meninggalkan beberapa tapak bersejarah dan
28
+ keberadaannya tersebar di wilayah Lasem. Penelitian ini bertujuan untuk menganalisis
29
+ karakter dan kualitas lanskap sejarah Lasem; mengkaji upaya pengembangan pengelolaan
30
+ lanskap sejarah sebagai kota pusaka; dan menyusun rencana pelestarian lanskap
31
+ sejarah kota Lasem sebagai kota pusaka. Analisis yang digunakan berupa analisis
32
+ deskriptif dan analisis spasial dengan menggunakan metode identifikasi lanskap
33
+ sejarah, skoring, mental map dan kuisioner. Berdasarkan hasil penelitian diperoleh
34
+ 11 elemen potensial peninggalan sejarah pada kawasan Prioritas kota Lasem. Terdapat
35
+ juga penilaian terhadap elemen sejarah yang menghasilkan kategori elemen sejarah
36
+ tingkat tinggi, sedang dan rendah berdasarkan kriteria yang diuji. Pada mental
37
+ map menhasilkan citra lanskap pembentuk suatu kota. Sehingga rekomendasi yang
38
+ diberikan berupa pelestarian lanskap sejarah yang terdapat di kota Lasem untuk
39
+ menjaga keberlanjutannya.
40
+
41
+ Keyword: historical landscape management, cultural heritage, sustainability, landscape
42
+ preservation, historical landscape management'
43
+ sentences:
44
+ - 'Judul: Responses on Performance and Minerals Digestibility by Novel Consensus
45
+ Bacterial 6-Phytase Variant (PHY-G) Supplementation in Broiler Diet
46
+
47
+ Abstrak: Plant feedstuffs normally contain phytic acid which poorly hydrolized
48
+ by monogastric especially broiler. Further, 80% of phosphorus (P) in plant feedstuff
49
+ is complexed with phytic acid. In that case, high amount of inorganic P sources
50
+ is needed to fulfill P requirement. Since it has capability to bind with some
51
+ nutrients such as bi- or trivalent minerals and amino acids then phytase is widely
52
+ utilized in poultry feed to improve the nutrient digestibility. Today, the use
53
+ of 500-1000 FTU phytases in poultry feed is widely applied by feed industry and
54
+ its capability releasing phytate-bound phosphorus is very well documented. Novel
55
+ consensus bacterial 6-phytase variant (PHY-G) is newest 6-phytase derived from
56
+ bacterial phytase gene Buttiauxella sp. expressed in Trichoderma reesei with enhanced
57
+ functionality for better phytic acids degradation. The present research was conducted
58
+ to evaluate the efficacy of PHY-G in different doses (1000, 1500 and 2000 FTU/kg)
59
+ on high phytic acids content diets which at least contained 0.30% Phytate-P. A
60
+ total 3,675 male broilers Indian River/IR (105 pens, 35 birds/pen) were provided
61
+ mixed grain diets in seven treatments with fifteen replications, they were divided
62
+ into two phases of rearing which were starter (1 – 21 d) and finisher (22 – 35
63
+ d). Treatments were positive control (PC) using standard diet following IR’s nutrient
64
+ requirement, negative control 1 (NC1) with nutrient reduction at 0.21 percent
65
+ unit calcium (Ca), 0.21 percent units available phosphorus (AvP), 0.34 percent
66
+ unit crude protein (CP) and 66 kcal/kg AME, NC2 with nutrient reduction at 0.23
67
+ percent unit Ca & AvP, 0.45 percent unit CP and 75 kcal/kg AME, followed by NC3
68
+ with nutrient reduction at 0.24 percent unit Ca & AvP, 0.52 percent unit CP and
69
+ 79 kcal/kg AME. PHY-G supplementation with dose 1000, 1500 and 2000 FTU/kg on
70
+ top of NC1, NC2 and NC3 respectively. PHY-G supplementation at any level significantly
71
+ improved body weight gain/BWG and corrected FCR/McFCR (P<0.05) on starter (1,083
72
+ – 1,093 g/bird) and overall phase (2,482 – 2,532 g/bird) compared to any NCs (1,063-1,084
73
+ g/bird on starter and 2,387 – 2,398 g/bird on finisher). No significant different
74
+ were observed on mortality of all treatments but PHY-G supplementation significantly
75
+ improved (P<0.05) broiler index/BI (444 - 463) versus NCs (427 - 430) and able
76
+ to maintain it equivalent to PC (455). Toe ash was significantly improved (P<0.05)
77
+ by all doses of PHY-G (13.28 – 13.56%) compared to NC (12.3 – 12.7%). Apparent
78
+ ileal digestibility (AID) of Ca was not affected by PHY-G but 1000, 1500 and 2000
79
+ FTU/kg PHY-G supplementation significantly improvemed on AID of P (P<0.05) which
80
+ were 64.97%, 75.60% and 78.29% compared to NCs (42.64%, 48.88% and 46.17% for
81
+ NC1, NC2 and NC3 respectively). This These data indicated that PHYG supplementation
82
+ effectively improved broiler growth performance, bone mineralization and P digestibility
83
+ at any level of dose on high content of phytic acid in the diets.
84
+
85
+ Keyword: broiler, growth performance, phytase, phytic acid, toe ash'
86
+ - 'Judul: Pelestarian Lanskap Sejarah Kota Banda Aceh Sebagai Kota Pusaka Di Provinsi
87
+ Aceh
88
+
89
+ Abstrak: Banda Aceh menjadi salah satu dari sepuluh kota pusaka yang ada di Indonesia
90
+ untuk dipersiapkan menjadi The World Heritage City oleh Kementrian Pekerjaan Umum
91
+ melalui Program Penataan dan Pelestarian Kota Pusaka (P3KP). Program kota pusaka
92
+ ini mewujudkan ruang kota yang aman, nyaman, produktif dan berkelanjutan berbasis
93
+ rencana tata ruang, bercirikan nilai-nilai pusaka, melalui transformasi upaya-upaya
94
+ pelestarian menuju urban (heritage) development dengan dukungan dan pengelolaan
95
+ yang baik serta penyediaan infrastruktur yang tepat. Hal ini didasarkan melalui
96
+ UU Cagar Budaya Nomor 11 Tahun 2010 dan UU Penataan Ruang nomor 26 tahun 2007.
97
+ Banda Aceh memiliki kawasan situs sejarah yang dapat dibedakan berdasarkan periodenya,
98
+ yaitu: masa kerajaan, masa kolonial dan masa kemerdekaan. Tetapi, dalam pengelolaannya
99
+ hingga saat ini belum terlihat adanya strategi pelestarian peninggalan sejarah
100
+ tersebut. Beberapa lanskap sejarah yang ada dalam kondisi tidak terawat, terlantar,
101
+ tidak fungsional dan rusak. Dari berbagai masalah di atas, dirasakan sudah saatnya
102
+ perlu dilakukan kajian pelestarian lanskap sejarah Kota Banda Aceh sebagai kota
103
+ pusaka di Indonesia. Penelitian juga dilakukan untuk mengevaluasi proses perlindungan
104
+ pusaka peninggalan sejarahnya yang kemudian diharapkan bermanfaat dalam meningkatkan
105
+ ekonomi daerah. Tujuan penelitian ini yaitu: menganalisis karakter dan kualitas
106
+ lanskap sejarah Kota Banda Aceh, mengkaji persepsi masyarakat dalam mendukung
107
+ Kota Banda Aceh sebagai kota pusaka, dan menyusun strategi pelestarian lanskap
108
+ sejarah di Kota Banda Aceh. Metode penelitian yakni analisis karakter dan kualitas
109
+ lanskap sejarah, analisis dilakukan dengan tahapan yaitu: penentuan karakter lanskap
110
+ sejarah, penilaian signifikansi, serta penilaian keaslian, keunikan dan kenyamanan.
111
+ Kemudian dilakukan analisis persepsi masyarakat, yakni untuk mengetahui pengetahuan
112
+ terhadap kota pusaka, persepsi masyarakat Kota Banda Aceh mengenai pelestarian
113
+ lanskap sejarah yang perlu dilindungi serta aktor yang berperan untuk melestarikan
114
+ pusaka di Kota Banda Aceh. Hasil assessment lanskap sejarah dan survei kepada
115
+ masyarakat menjadi dasar dalam menyusun kriteria dalam metode AHP, hasilnya berupa
116
+ strategi pelestarian lanskap sejarah Kota Banda Aceh sebagai kota pusaka. Hasil
117
+ penelitian ini dapat diidentifikasi bahwa di Kota Pusaka Banda Aceh terdapat 12
118
+ lanskap sejarah dengan karakter tiga masa peninggalan, yaitu masa kerajaan dan
119
+ kesultanan, masa kolonial, dan masa kemerdekaan. Dari penilaian kualitas lanskap
120
+ sejarah, Lanskap Baiturrahman dan Putroe Phang yang merupakan lanskap masa Kerajaan
121
+ dan Kesultanan memperoleh skor tertinggi sehingga menjadi prioritas untuk dilestarikan.
122
+ Sebagian besar masyarakat tidak mengetahui bahwa Kota Banda Aceh telah ditetapkan
123
+ sebagai kota pusaka, tetapi mereka setuju 12 lanskap sejarah di Kota Banda Aceh
124
+ perlu dilestarikan. Perlu peningkatan upaya sosialisasi melalui berbagai media
125
+ serta kegiatan-kegiatan terkait program kota pusaka. v Hasil Analytical Hierarchy
126
+ Process (AHP), menunjukkan bahwa komponen prioritas dalam upaya pelestarian lanskap
127
+ sejarah di Kota Banda Aceh adalah komponen keunikan (0,547), keaslian (0,231),
128
+ kenyamanan (0,166), dan nilai penting (0,058). Alternatif prioritas untuk pelestarian
129
+ lanskap sejarah di Kota Banda Aceh yaitu peninggalan Lanskap Kolonial (0,551),
130
+ Lanskap Kerajaan dan Kesultanan (0,355), dan Lanskap Kemerdekaan (0,095). Komponen
131
+ keunikan (integritas, keberagaman, dan kualitas estetik) merupakan komponen prioritas
132
+ dalam upaya pelestarian lanskap sejarah sedangkan alternatif prioritasnya yaitu
133
+ peninggalan dengan karakter lanskap kerajaan-kesultanan dan kolonial. Rekomendasi
134
+ untuk melestarikan lanskap sejarah di Kota Banda Aceh yaitu penetapan kawasan
135
+ prioritas pusaka. Produk rekomendasi berupa usulan deliniasi kawasan prioritas.
136
+ Produk selanjutnya dari penelitian ini adalah peta pusaka Banda Aceh beserta informasi
137
+ mengenai situs-situs sejarah Banda
138
+
139
+ Keyword: budaya, keaslian, keunikan, lanskap sejarah, masa kesejarahan'
140
+ - 'Judul: Kajian Pendayagunaan Sumber Air Ciparay di Cinagara, Kecamatan Caringin
141
+ Kabupaten Bogor
142
+
143
+ Abstrak: Manfaat air bagi kehidupan manusia diantaranya digunakan untuk memenuhi
144
+ kebutuhan air mmah tangga (domestik), industri, dan irigasi. Pemenuhan kebutuhan
145
+ air untuk layanan tersebut memerlukan pengembangan sumber air yang bam. Salah
146
+ satunya adalah pemanfaatan''mata air dan limpasan permukaan. Pengembangan sumberdaya
147
+ air memerlukan adanya konsepsi, perencanaan, perancangan, kontmksi dan operasi
148
+ fasilitas-fasilitas untuk pengendalian dan pemanfaatan air. Penelitian masalah
149
+ khusus ini diharapkan dapat bermanfaat sebagai bahan pertimbangan pendayagunaan
150
+ sumber air Ciparay secara berkelanjutan. Dengan diketahuinya debit sumber air
151
+ dan kebutuhan air untuk tanaman (padi, palawija, sayuran dan buah-buahan), usaha
152
+ tani ternak, perikanan, dan domestik maka efisiensi pemanfaatan sumber air dapat
153
+ ditingkatkan agar pemenuhan kebutuhan air domestik serta pengembangan pertanian
154
+ dan industri dapat direncanaltan dengan baik. Penelitian masalah khusus ini bertujuan
155
+ untuk mengkaji pemanfaatan surnber air untuk memenuhi kebutuhan air tanaman (padi,
156
+ palawija, dan hortiltultura, peternakan, perikanan dan domestik, yaitu meliputi
157
+ kajian efisiensi pemanfaatan air, analisis biaya irigasi, sistem distribusi, dan
158
+ pola pemanfaatan.
159
+
160
+ Keyword: '
161
+ - source_sentence: 'Judul: Deteksi antibodi terhadap caplak boophilus mikroplus denga
162
+ uji elisa pada sapi peranakan ongole di Surade
163
+
164
+ Abstrak: Skripsi ini ditulis berdasarkan hasil dari penelitian mengenai Deteksi
165
+ Antibodi Terhadap Caplak Boophilus microplus dengan Uji ELISA pada Sapi Peranakan
166
+ Ongole di Surade. Tujuan dari penelitian ini yaitu untuk mengetahui adanya peningkatan
167
+ kekebalan dari sapi yang terinfeksi caplak Boophilus microplus dengan perlakuan
168
+ vaksinasi pada Sapi Peranakan Ongole (PO) di Surade. Peternakan Surade merupakan
169
+ obyek perlakuan penelitian dan pengambilan sampel, untuk dilakukan uji ELISA di
170
+ Laboratorium Protozoologi. Vaksin yang dibuat berasal dari bahan asal caplak,
171
+ yang diinjeksikan secara Subkutan pada Sapi Peranakan Ongole di Surade. Pengolahan
172
+ isolat caplak yang dijadikan sebagai vaksin yang menggunakan peralatan yang sederhana
173
+ dimana antigen ditambahkan adjuvan inkomplit (freund) dengan perbandingan 1:1,
174
+ dapat menghasilkan pengaruh yang diharapkan yaitu adanya peningkatan dari kadar
175
+ antibodi spesifik terhadap antigen kasar. Untuk membuktikan kelayakan vaksinasi
176
+ terhadap caplak ini harus melalui tiga tahap yaitu pembuktian bahwa kekebalan
177
+ dapat dihasilkan melalui vaksinasi menggunakan bahan asal caplak, penemuan cara
178
+ untuk menghasilkan antigen caplak dalam jumlah komersial dan pengemasan antigen
179
+ tersebut dalam bentuk vaksin yang praktis, jadi berdasarkan pernyataan tersebut
180
+ maka dilakukan penelitian membuat vaksin dengan menggunakan bahan asal caplak.
181
+ Apakah ada pengaruh kekebalan terhadap infestasi caplak pada ternak. Ternyata
182
+ ada, ditandai dengan adanya infestasi caplak yang berkurang, jumlah telur yang
183
+ dihasilkan caplak menurun, banyak caplak yang mati karena menghisap darah sapi
184
+ yang telah divaksin yang mempunyai kekebalan terhadap caplak Boophilus microplus.
185
+ Sapi yang digunakan 30 ekor untuk perlakuan dan 30 ekor untuk dijadikan sebagai
186
+ kontrol, dimana kontrol tanpa ada perlakuan hanya infestasi alam. Umur sapi rata-rata
187
+ laktasi ketiga, dari setiap pengambilan sampel kemudian langsung di uji dan dapat
188
+ dibaca hasilnya kemudian dicari rataannya dari 30 sampel tersebut. Pengambilan
189
+ sampel ini dilakukan sampai lima kali pengambilan yang diikuti dengan melakukan
190
+ vaksinasi. Dosisi yang diberikan 0,1 mg/kg BB yang dikonfirmasikan dengan protein
191
+ yang diuji dengan metode Laurie.
192
+
193
+ Keyword: '
194
+ sentences:
195
+ - 'Judul: Kadar Antibodi Serum Sapi Bali (Bos Sondaicus) Terhadap Infestasi Alami
196
+ Boophilus Microplus Dengan Uji Elisa Tidak Langsung
197
+
198
+ Abstrak: infestasi Boophilus microplus secara alami dengan membandingkan Optical
199
+ Density (00) hasiluji ELISA Tidak Langsung dari serum sapi Bali terinfestasi dan
200
+ tidak terinfestasi yang terdapat pada masing-masing kelompok sampel. Serum sapi
201
+ Bali diambil dari RPH Bayur Disnak Tengerang, Kab. Tangerang Jawa Barat sebelum
202
+ dipotong. Antigen dibuat dari usus B. microplus betina dewasa yang diambil dari
203
+ sapi Bali yang terinfestasi. B. microplus dicuci dengan air kran dan akuades,
204
+ kemudian direndam dalam alkohol 70 % selama 5 men it, dicuci dengan akuades dan
205
+ dibilas dengan PBS steril. B. microplus dibedah untuk diambil ususnya, usus dimasukkan
206
+ ke dalam tabung reaksi dengan menambahkan PBS-NaN2 dengan perbandingan 1 :9. Ekstrak
207
+ usus yang diperoleh (antigen kasar) dipusingkan selama 10 menit dengan kecepatan
208
+ 1500 rpm sebanyak tiga kali dengan membuang supernatan. Setelah pemusingan diperoleh
209
+ larutan antigen (dilution antigen)dengan menambahkan PBS-NaN2. Preparasi antibodi
210
+ serum sampel berasal dari dua kelompok sampel sapi yang berbeda yaitu sampel terinfestasi
211
+ dan tidak terinfestasi B. microplus. Serum yang didapat diinaktifkan di penangas
212
+ air dengan suhu 56° C selama 30 menit. Uji ELISA yang digunakan adalah metode
213
+ tidak langsung (inderect ELISA) yang diawali dengan penempelan (coating) antigen
214
+ B. microplus pada pelat polystirene microhaemaglutination. Setelah antigen menempel
215
+ pad a pelat dimasukkan serum sampel sehingga terbentuk ikatan antigen antibodi.
216
+ Alkaline phospatase antibovine IgG dimasukkan untuk melabel ikatan antigen antibodi
217
+ sehingga terbentuk ikatan komplek antigen antibodi yang sudah dilabel enzim. Spektrum
218
+ warna terbentuk setelah pada pelat dimasukkan substrat yang berisi p-Nitrophenil
219
+ Phospat Oissodium yang akan dipecah oleh enzim konjugat. Larutan pemberhenti (stop
220
+ solution) NaOH 3 M dipakai untuk menghentikan reaksi yang terbentuk untuk mempertahankan
221
+ spektrum warna agar terhindar dari hasil yang tidak diinginkan. Hasil ELISA diinterpretasikan
222
+ menggunakan ELISA reader multiscan titertex dengan filter 405 nm. Hasil penelitian
223
+ yang diperoleh setelah diuji statistika t-student menunjukkan perbedaan yang nyata
224
+ antara kedua kelompok sampel.
225
+
226
+ Keyword: '
227
+ - 'Judul: Studi komposisi dan struktur tegakan tinggal tiga tahun setelah pemanenan
228
+ kayu dengan sistem TPTI di Areal HPH PT. Narkata Rimba (Alas Kusuma Group) Kalimantan
229
+ Timur
230
+
231
+ Abstrak: Perubahan komposisi jenis pohon dan struktur hutan menurut Salleh (1979)
232
+ dalam Astry (1973) sejalan dengan tingkat atau besarnya kegiatan pemanenan kayu
233
+ serta kerusakan yang ditimbulkannya. Pemanenaan kayu merupakan serangkaian kegiatan
234
+ yang merubah pohon atau biomassa lainnya menjadi bentuk lain yang bisa dipindahkan
235
+ ke lokasi lain agar dapat bermamfaat bagi kehidupan ekonomi dan kebudayaan masyarakat
236
+ (Suparto, 1979) Penelitian ini bertujuan mempelajari dan mengetahui struktur dan
237
+ komposisi tegakan tiga tahun sesudah pemanenan kayu (ET+3), mengetahui besar potensi
238
+ tegakan tinggal dan perkembangan keterbukaan tanah pada ET+3. Penelitian ini dilaksanakan
239
+ di areal HPH PT. Narkata Rimba (Alas Kusuma Group), Kalimantan Timur. Pengamatan
240
+ dilakukan pada empat plot contoh permanen tahun 1992 yang berukuran 100 m x 100
241
+ m (1 Ha), masing-masing terletak pada kelerengan berbeda yaitu plot I (datar/landai
242
+ : 0% - 15%), plot II (sedang: 15% - 25%), plot III (curam: > 25%) dan plot IV
243
+ sebagai kontrol (curam). ...
244
+
245
+ Keyword: '
246
+ - 'Judul: Pelabelan Super Edge Magic pada Graf Cycle dan Graf Wheel
247
+
248
+ Abstrak: This manuscript proves that cycle graph and wheel graph have a super
249
+ edge magic labeling. Super edge magic labeling on a graph is labeling that has
250
+ an edge magic labeling with a set of vertices were mapped in to {1,2,… ,𝑝} and
251
+ a set of edges were mapped in to {𝑝+1,𝑝+2,… ,𝑝+𝑞}, in which 𝑝 is order and 𝑞 is
252
+ size on the graph. There are one lemma and two theorems to be discussed. The lemma
253
+ is used to prove the two theorems. The first theorem proves that cycle graph 𝐶𝑛
254
+ is super edge magic if and only if 𝑛 is odd. The second theorem proves that wheel
255
+ graph 𝑊𝑛 of order 𝑛 is not super edge magic. Moreover 𝑊𝑛 is not edge magic if
256
+ 𝑛≡0 mod
257
+
258
+ Keyword: '
259
+ - source_sentence: 'Judul: Pengaruh Pengolahan dan Lama Penyimpanan pada Kecap Manis
260
+ Fortifikasi Terhadap Kandungan lodium dan Zat Besi
261
+
262
+ Abstrak: Secara umum penelitian bertujuan untuk mempelajari pengaruh pengolahan
263
+ dan lama penyimpanan kecap manis fortifikasi terhadap kandungan iodium dan besi.
264
+ Tujuan khususnya adalah untuk mengetahui pengaruh perebusan, penumisan, pemanggangan
265
+ dan lama penyimpanan terhadap kadar iodium dan besi pada kecap manis fortifikasi.
266
+ Penelitian dilakukan di Laboratorium Pengolahan Pangan, Laboratorium Kimia Gizi
267
+ Departemen Gizi Masyarakat clan Sumberdaya Keluarga, Fakultas Pertanian, Institut
268
+ Pertanian Bogor. Penelitian dimulai bulan Juni sampai Agustus 2004. Penetapan
269
+ sampel dilakukan secara purposive dengan kriteria jenis kecap yang dipilih adalah
270
+ kecap yang difortifikasi dengan iodium dan besi. Sedangkan kemasan yang dipilih
271
+ adalah kemasan botol plastik (140 ml) dengan pertimbahgan kemasan botol plastik
272
+ ini paling banyak dikonsumsi di tingkat rumah tangga. Rancangan yang digunakan
273
+ untuk menguji hasil analisis kimia pada perlakuan pengolahan dan penyimpanan adalah
274
+ RAL. Data-data yang diperoleh diuji dengan sidik ragam kemudian dilanjutkan dengan
275
+ uji lanjut Duncan untuk melihat perlakuan mana yang berbeda. Pengolahan dan analisis
276
+ data dilakukan dengan menggunakan SAS versi 6.12. Berdasarkan basil analisis diketahui
277
+ bahwa total kadar iodium pada pengolahan semur, tumis dan sate berturut-turut
278
+ 14.97 ppm, 16.90 ppm dan 23.66 ppm. Sidik ragam menunjukkan bahwa total kadar
279
+ iodium antara ketiga jenis pengolahan (semur, tumis dan sate) tidak berbeda nyata.
280
+ Namun, pengolahan semur, tumis dan sate menunjukkan total kadar iodium yang berbeda
281
+ nyata dengan kontrolnya pada a=0.05. Pengolahan dengan cara semur menunjukkan
282
+ persentase kerusakan iodium lebih besar (54.72%) dibanding pada pengolahan tumis
283
+ (36.46%) dan sate (30.22%). Kadar zat besi pada ketiga jenis pengolahan berkisar
284
+ antara 8.89 mg/l00g (BK) sampai 11.20 mg/lO0g (BK). Berdasarkan hasil sidik ragam
285
+ (P>0.05) dapat diketahui bahwa jenis pengolahan tidak berpengaruh nyata terhadap
286
+ total kadar zat besi hasil olahan. Hal ini menunjukkan bahwa total kadar zat besi
287
+ ketiga cara pengolahan (semur, tumis dan sate) tidak berbeda nyata. Pada pengolahan
288
+ semur dan sate total kadar zat besi sebelum pengolahan 9.46 mg/l00g (BK) dan 13.17
289
+ mg/IO0g (BK). Setelah mengalami pengolahan total kadar zat besi pada pengolahan
290
+ semur dan sate menjadi 8.89 mg/lO0g (BK) dan 11.20 mg/lO0g (BK), sehingga diperoleh
291
+ penurunan zat besi pada semur sebesar 6.03% dan sate sebesar 16.23%. Sedangkan
292
+ pada pengolahan tumis, sebelum pengolahan total kadar zat besi sebesar 10.29 mg/l00g
293
+ (BK). Setelah pengolahan kadar zat besinya menjadi 11.20 mg/l00g (BK). Peningkatan
294
+ kadar zat besi pada pengolahan tumis sebesar 8. 85 %...dst
295
+
296
+ Keyword: '
297
+ sentences:
298
+ - 'Judul: Preferensi Konsumen dan Pengaruh Kualitas Produk Sayuran Organik terhadap
299
+ Kepuasan Konsumen dalam Membentuk Loyalitas Pelanggan
300
+
301
+ Abstrak: Pengembangan sayuran organik di Bogor masih mengalami kendala. Salah
302
+ satunya adalah kegagalan dalam menjaga kepercayaan pasar. Kegagalan tersebut tercermin
303
+ dari perilaku konsumen yang enggan membeli produk organik bahkan mencegah konsumen
304
+ untuk membeli kembali produk organik. Hal ini menunjukkan kepercayaan masyarakat
305
+ mengenai atribut dan manfaat produk organik (sayuran organik) yang belum mampu
306
+ memenuhi kebutuhannya dan menciptakan kepuasan di benak konsumen sehingga terwujudlah
307
+ loyalitas pelanggan. Salah satu upaya yang dapat dilakukan adalah melalui pendekatan
308
+ kualitas berbasis pelanggan. Program “Go Organik 2010”menyusun peaturan Standard
309
+ Nasional Indonesia sistem pangan organik SNI 6729-2010 untuk penjaminan kualitas
310
+ produk organik. Penelitian ini bertujuan 1) mengkaji preferensi konsumen sayuran
311
+ organik di Kota Bogor; 2) menganalisis pengaruh kualitas produk sayuran organik
312
+ terhadap kepuasan konsumen dan loyalitas pelanggan, pengaruh kepuasan konsumen
313
+ terhadap loyalitas pelanggan; dan 3) menyusun strategi yang dirumuskan berdasarkan
314
+ hasil penelitian mengenai preferensi konsumen, kualitas produk sayuran organik,
315
+ kepuasan konsumen, dan loyalitas pelanggan ke dalam implikasi manajerial. Penelitian
316
+ ini dilakukan pada bulan Mei-Juni 2014 di Toko All Fresh Bogor. Sebanyak 100 pengunjung
317
+ Toko All Fresh Kota Bogor dipilih secara purposive sampling sebagai responden
318
+ dengan kriteria bahwa responden telah melakukan pembelian dan mengkonsumsi sayuran
319
+ organik dalam waktu tiga bulan terakhir. Penelitian ini menggunakan data primer
320
+ yang didapatkan melalui wawancara dengan menggunakan instrumen kuesioner. Pernyataan
321
+ pada kuesioner menggunakan skala likert. Data sekunder didapatkan melalui kajian
322
+ pustaka dari berbagai sumber yang relevan. Analisis data menggunakan analisis
323
+ konjoin dan Structural Equation Modelling. Software SPSS versi 17, SMART PLS versi
324
+ 2.0, dan microsoft excel 2010 digunakan untuk membantu menganalisis data pada
325
+ penelitian ini. Hasil penelitian ini menunjukkan bahwa preferensi konsumen sayuran
326
+ organik di Kota Bogor menjadikan pelabelan pada kemasan sebagai tingkat kepentingan
327
+ yang paling utama, diikuti jenis dan penyesuaian harga. Berdasarkan tingkat utilitas,
328
+ jenis sayuran brokoli, penyesuaian harga sesuai harga umum di pasar, dan kemasan
329
+ yang berlabel organik menjadi pilihan yang disukai oleh responden. Analisis terhadap
330
+ kualitas produk, kepuasan konsumen, dan loyalitas pelanggan menunjukkan bahwa
331
+ kualitas produk sayuran organik secara langsung berpengaruh positif dan signifikan
332
+ terhadap kepuasan konsumen, kepuasan konsumen secara langsung berpengaruh positif
333
+ dan signifikan terhadap loyalitas pelanggan, dan kualitas produk secara tidak
334
+ langsung berpengaruh positif dan signifikan terhadap loyalitas pelanggan melalui
335
+ kepuasan konsumen namun kualitas produk secara langsung berpengaruh positif namun
336
+ tidak signifikan terhadap loyalitas pelanggan. Strategi pemasaran yang dapat direkomendasikan
337
+ adalah melalui pendekatan berbasis pelanggan dengan penjaminan kualitas produk
338
+ sayuran organik dan menyesuaikan kualitas sayuran organik sesuai dengan kebutuhan
339
+ konsumen, manajemen relasi mitra (CRM - Customer Relationship Management), dan
340
+ pemasaran proaktif ataupun kemitraan.
341
+
342
+ Keyword: kepuasan konsumen, kualitas produk, loyalitas pelanggan, preferensi konsumen,
343
+ sayuran organik'
344
+ - 'Judul: Mempelajari fortifikasi zat besi pada kecap
345
+
346
+ Abstrak: Penelitian dibagi menjadi dua tahap. Pada penelitian pendahuluan dilakukan
347
+ fortifikasi kecap dengan dua jenis zat besi yaitu fero sulfat heptahidrat (FeSO4.7H2O)
348
+ atau fero amonium sulfat heksahidrat (Fe(NH)₂(SO₂)2.6H₂O) dalam berbagai tingkat
349
+ konsentrasi (0, 50, 100, 150, 200 ppm). Konsentrasi 50 dan 100 ppm dipilih sebagai
350
+ konsentrasi, baik untuk FeSO, maupun Fe(NH)₂(SO), untuk difortifi- kasikan, dilihat
351
+ dari segi persentase ketersediaan zat besi paling tinggi, dan secara organoleptik
352
+ masih dapat diterima panelis. Dari hasil penelitian pada tahap pendahuluan sebagai
353
+ produk dipilih kecap asin yang diberi penambahan zat besi. Ketersediaan zat besi
354
+ pada kecap asin relatif lebih tinggi dibandingkan kecap manis, karena kecap manis
355
+ mengandung kalsium sebagai faktor penghambat penyerapan zat besi yang lebih tinggi
356
+ sehingga kurang efisien jika dipilih sebagai bahan pangan yang akan difortifikasi
357
+ dengan zat besi. Pada penelitian lanjutan dilakukan penambahan asam askorbat pada
358
+ kecap yang telah difortifikasi zat besi dengan konsentrasi yang telah dipilih
359
+ dari penda- huluan, kemudian disimpan selama 2 bulan dan diamati pada 0, 1, dan
360
+ 2 bulan. Konsentrasi asam askorbat yang ditambahkan sebanyak 0, 1 dan 2 mol, dihitung
361
+ ber- dasarkan konsentrasi zat besi yang ditambahkan. Untuk penambahan FeSO, dengan
362
+ konsentrasi 50 ppm ditambahkan asam askorbat sebanyak 0 ppm (0 mol), 31.68 ppm
363
+ (1 mol), 63.35 ppm (2 mol), konsentrasi 100 ppm ditambahkan 0 ppm (0 mol), 63.35
364
+ ppm (1 mol), 126.71 ppm (2 mol), sedangkan untuk penambahan. Fe(NH),(SO), dengan
365
+ konsentrasi 50 ppm ditambahkan asam askorbat dengan konsentrasi 0 ppm (0 mol),
366
+ 22.48 ppm (1 mol), konsentrasi 100 ppm ditambahkan 0 ppm (0 mol), 22.48 ppm (1
367
+ mol) dan 89.86 ppm (2 mol). ...
368
+
369
+ Keyword: '
370
+ - 'Judul: Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitz
371
+ dengan Pendekatan Polinomial Chebyshev
372
+
373
+ Abstrak: The eigenvalues and eigenvectors of a matrix can be determined by finding
374
+ its characteristic polynomials. The characteristic polynomials of a tridiagonal
375
+ 2-Toeplitz matrix is shown to be closely connected to polynomials which satisfy
376
+ the Chebyshev recurrence relationship. If the order of the matrix is odd, then
377
+ the eigenvalues are found explicitly in terms of the Chebyshev zeros and the eigenvectors
378
+ are found in terms of the polynomials satisfying the recurrence relationship.
379
+ For even ordered matrices, the situation is more complicated. The problem in these
380
+ cases is that although the Chebyshev recurrence formula is still applied, its
381
+ initial values are not generating Chebyshev polynomials
382
+
383
+ Keyword: '
384
+ - source_sentence: 'Judul: Mapping Characteristics of Various Modified Starch as Thickener
385
+ to Physical Quality and Sensory of Salad Dressing
386
+
387
+ Abstrak: Salad dressing merupakan produk emulsi dengan penggunaan kuning telur
388
+ sebagai emulsifier dan pati sebagai pengental. Perbedaan penggunaan jenis pati
389
+ sebagai pengental dapat memengaruhi karakteristik fisik maupun sensori produk
390
+ akhir. Penelitian ini bertujuan mengetahui pengaruh penggunaan pati sebagai pengental
391
+ terhadap karakteristik fisik dan sensori produk salad dressing. Proses analisis
392
+ pati dilakukan dengan empat analisis yaitu kualitas granula pati, analisis amilograf,
393
+ analisis kelarutan pati, dan analisis daya serap pati terhadap air. Produk akhir
394
+ salad dressing dengan penggunaan jenis pati termodifikasi yang berbeda akan dievaluasi
395
+ berdasarkan parameter viskositas, pH, granula pati, analisis ukuran partikel,
396
+ analisis kesearagaman minyak, analisis stabilitas emulsi dan analisis sensori
397
+ menggunakan hedonic rating. Terakhir dilakukan pemetaan karakteristik pati terhadap
398
+ karakteristik fisik dan sensori salad dressing. Penggunaan pati termodifikasi
399
+ berpengaruh nyata terhadap viskositas salad dressing, ukuran diameter partikel,
400
+ granula pati, keseragaman partikel minyak, dan stabilitas emulsi. Namun, penggunaan
401
+ pati termodifikasi tidak berpengaruh nyata terhadap pH salad dressing. Hasil pemetaan
402
+ dengan Principal Component Analysis (PCA), didapatkan sampel terkelompok menjadi
403
+ empat, pati termodifikasi 2 dan 3 memiliki karakteristik yang sama dengan kontribusi
404
+ parameter yang paling dominan adalah kelarutan. Berdasarkan analisis Orthogonal
405
+ Projection to the Least Square (OPLS), atribut rasa dan aroma merupakan parameter
406
+ yang paling berkontribusi dalam penentuan skor overall salad dressing. Kata kunci:
407
+ Emulsi, bahan pengental, pati termodifikasi, principal component analysis, salad
408
+ dressing.
409
+
410
+ Keyword: Emulsion, modified starch, principal component analysis, thickening agent,
411
+ salad dressing.'
412
+ sentences:
413
+ - 'Judul: Model Spasial Penggunaan Lahan dengan Pendekatan CA-Markov Mendukung Pertanian
414
+ Berkelanjutan Kabupaten Indramayu, Jawa Barat
415
+
416
+ Abstrak: Salah satu wilayah di Indonesia yang menjadi penghasil beras adalah Indramayu.
417
+ Produksi beras di Indramayu tahun 2015 menurun 9.81% dibandingkan tahun 2014 sebagai
418
+ akibat dari konversi lahan. Tujuan dari penelitian ini adalah untuk prediksi penggunaan
419
+ lahan tahun 2031 dengan pendekatan CA-Markov, komparasi penggunaan lahan hasil
420
+ simulasi dengan RTRW dan analisis strategi kebijakan menekan laju konversi lahan
421
+ dan mewujudkan pertanian berkelanjutan. Penelitian ini menggabungkan CA-Markov
422
+ dengan logistik biner untuk menganalisis faktor-faktor pendorong perubahan penggunaan
423
+ lahan. Prediksi penggunaan lahan kemudian dibandingkan dengan pola ruang di RTRW
424
+ Kabupaten Indramayu untuk menilai efektivitas RTRW dalam mengurangi tekanan terhadap
425
+ angka konversi lahan. Prediksi penggunaan lahan diharapkan mampu memberikan informasi
426
+ yang mendalam mengenai lahan pertanian pada tahun 2031. Penelitian ini juga menggunakan
427
+ pendekatan Analytical Hierarchy Process (AHP) untuk menganalisis strategi kebijakan
428
+ konversi lahan untuk mewujudkan pertanian berkelanjutan. Hasil penelitian menunjukkan
429
+ overall accuracy dan Kappa accuracy dari prediksi adalah 94% dan 0.9. Penggunaan
430
+ lahan sawah diprediksi mengalami alih fungsi lahan menjadi permukiman pada tahun
431
+ 2031 seluas 6 017 ha (82%) dari total luas lahan terkonversi 7 044 ha dimana areal
432
+ tersebut diperkirakan mampu menghasilkan 26 425 ton beras yang dapat dikonsumsi
433
+ 231 798 orang. Pola penggunaan lahan hasil simulasi tahun 2031 dan RTRW secara
434
+ signifikan berbeda. Penggunaan lahan hasil simulasi tahun 2031 menunjukkan luas
435
+ lahan sawah yang sesuai dengan arahan pertanian tanaman pangan di RTRW seluas
436
+ 96 148.67 ha (76.47%) dari total luas lahan sawah hasil prediksi 125 723 ha. Luas
437
+ lahan pertanian sawah yang tidak sesuai dengan kawasan lindung di RTRW adalah
438
+ 54 142 ha (84.95%). Strategi kebijakan hasil analisis AHP terbaik untuk diimplementasikan
439
+ dalam pertanian berkelanjutan adalah pengkaderan kelompok tani berkelanjutan.
440
+
441
+ Keyword: AHP, logistik biner, prediksi, RTRW'
442
+ - 'Judul: Kajian literatur penggunaan pati termodifikasi sebagai bahan penstabil
443
+ pada produk pangan emulsi o/w
444
+
445
+ Abstrak: Saat ini, pangan berbasis emulsi seperti mayonaise, salad dressing, dan
446
+ margarin cukup diminati masyarakat. Emulsi umumnya terdiri dari fase pendispersi,
447
+ fase terdispersi dan penstabil seperti surfaktan, protein dan polisakarida. Pati
448
+ termasuk polisakarida yang dapat digunakan sebagai penstabil emulsi, namun penggunaannya
449
+ perlu dimodifikasi terlebih dahulu untuk memperbaiki atribut fisiko-kimianya.
450
+ Tujuan dari kajian literatur ini adalah mengidentifikasi, menganalisis, dan membandingkan
451
+ sumber literatur berupa hasil penelitian yang mengemukakan berbagai proses modifikasi
452
+ pati beserta sifat yang dihasilkan. Data dan informasi pada penelitian ini diperoleh
453
+ melalui data sekunder yang terdapat pada jurnal, skripsi dan literatur dari internet
454
+ yang sumber informasinya dapat dipertanggungjawabkan. Terdapat 5 metode modifikasi
455
+ pati pada kajian literatur ini yakni pati sukun termodifikasi metode substitusi
456
+ OSA, pati jagung termodifikasi metode substitusi OSA, pati beras termodifikasi
457
+ metode substitusi OSA, pati beras termodifikasi metode enzimatis dan substitusi
458
+ OSA, pati kentang termodifikasi metode substitusi OSA dan penambahan mineral.
459
+ Parameter yang digunakan untuk membandingkan setiap pati adalah derajat substitusi,
460
+ viskositas, dan stabilitas emulsi. Pati terbaik memiliki nilai stabilitas emulsi
461
+ dan viskositas tertinggi. Berdasarkan hasil literatur yang dikaji, metode modifikasi
462
+ pati yang menghasilkan stabilitas emulsi terbaik dibuat dengan pati sukun OSA
463
+ dengan formula emulsi 40% minyak : 2 pati.
464
+
465
+ Keyword: emulsion, modification, review, stability, starch'
466
+ - 'Judul: Penangkaran Badak Ditinjau dari Segi Penyakit
467
+
468
+ Abstrak: Perhaps, the Javan Rhino (Rhmocerossondaicus) is the most endangered
469
+ species among large animals in the world. Only two population of ~t are known
470
+ in the world: one in Indonesia and another in l''ietnam. None exists in the zoos.
471
+ The Javan Rh~no''sc aptivityis an alternative conse~vatione ffort to ensure their
472
+ existence In the world. But it is imperative to give a correct immobilization,
473
+ stable preparation such as in the natural forest. and also disease monitoring.
474
+ Medication and preventive medicine for the Javan Rhino are vely important. Some
475
+ diseases which have been encountered in the zoos are a.0.: helminthiasis. endocarditls,
476
+ coliform d~arrheah. epat~tsb iliari. abscesses and slun lacerations can result
477
+ in septicaemia. The sources of diseases In captivity can be some kinds of foods
478
+ and water, animal keepers, equipment, contaminated place, rats and mice, birds
479
+ and insects.
480
+
481
+ Keyword: '
482
+ - source_sentence: 'Judul: Formulasi Surfaktan Metil Ester Sulfonat sebagai Oil Well
483
+ Cleaning
484
+
485
+ Abstrak: Oil productivity reduction may be due to plugging in the oil rock formations.
486
+ The plugging may be caused by the deposition of paraffin, asphaltene, and scale.
487
+ Problem caused by the presence of the precipitate is the rock formation can be
488
+ oil wet so that oil permeability decreases. The problem can be solved by well
489
+ cleaning technique with surfactant formula. Surfactant MES is a type of anionic
490
+ surfactant which has ability to lower the interfcial tension, surface tension,
491
+ and able to change the properties of rock from oil wet to become water wet. Surfactant
492
+ MES formula for well cleaning requires carrier agent. In this study, diesel oil
493
+ and metil ester were used as carrying agent. Aromatic solvents were also needed.
494
+ Xylene and toluene has ability to dissolve asphaltene that deposites in formation.
495
+ Surfaktan formulation for well cleaning was done with several stages, those are
496
+ determine the SMES concentration and aromatic solvents concentration. Surfactant
497
+ performance tests for oil well cleaning were thermal stability, phase behavior,
498
+ and wettability. The surfactant formula which gave the best performance was SMES
499
+ 3% in metil ester carrying agent with xylene 15% as additive.
500
+
501
+ Keyword: methyl sulfonic esters, oil well cleaning, Asphaltene'
502
+ sentences:
503
+ - 'Judul: World Journal of Zoology
504
+
505
+ Abstrak: A study on daily pattern of male western lowland gorilla (Gorilla gorilla
506
+ gorilla, Savage & Wyman 1847) had been done at Schmutzer Primate Center, Taman
507
+ Margasatwa Ragunan Jakarta, Indonesia. The aim of the study was to observe the
508
+ daily activity pattern of adult male gorilla group without any female in captivity
509
+ in order to obtain a condition of preparing incoming female gorillas leading to
510
+ successfull conservation program.
511
+
512
+ Keyword: '
513
+ - 'Judul: Formulasi Surfaktan SMES sebagai Acid Stimulation Agent untuk Aplikasi
514
+ di Lapangan Karbonat OK
515
+
516
+ Abstrak: Methyl Sulfonic Esters (MES) is one type of anionic surfactants which
517
+ have advantages in terms of its hardness, resistance to deterjensi, the character
518
+ of renewable and environmentally friendly. Excess MES this can be utilized as
519
+ stimulation agent in oil wells, so can increase productivity an oil well. Increased
520
+ productivity an oil well done by means of cleaning oil wells and pore a reservoir
521
+ fromsediment of scale formed, enlarging the pores of rocks and can changing the
522
+ nature of rocks being water-wet. This research was carried out to obtain the formula
523
+ of solution of surfactants-based MES that can be applied as acid stimulation agent
524
+ that is one method of IOR. Formula tested is a combination of surfactants sodium
525
+ MES, HCl, and CH3COOH. The formulation is done by determining the optimum concentration
526
+ of surfactant SMES and HCl gradually. The best results obtained from the solution
527
+ of acid stimulation agent was with value of IFT < 10-2 dyne/cm with solubility
528
+ of rock reaches 36%, and was can to change the contact angle of the reservoir
529
+ rocks of the contact angle number 420 became 680 in formula SMES 6% + HCl 7% and
530
+ CH3COOH 2%.
531
+
532
+ Keyword: acid well stimulation, IOR, IFT, Sodium Methyl Sulfonic Esters'
533
+ - 'Judul: Perbandingan metode huffman dan lempel-ziv-welch untuk pemampatan berkas
534
+ teks
535
+
536
+ Abstrak: Pemampatan teks bertujuan untuk mengurangi pengulangan penggunaan simbol
537
+ atau karakter yang menyusun teks dengan cara mengkodekan simbol-simbol atau karakter
538
+ tersebut sehingga kebutuhan ruang penyimpanan dapat dikurangi dan waktu transfer
539
+ data dapat lebih cepat. Proses pemampatan teks dapat dilakukan dengan cara mengkodekan
540
+ segmen-segmen dari teks asli yang kemudian diletakkan dalam kamus. Cara kompresi
541
+ ini dikenal dengan model kamus yang merupakan karakteristik dari metode Lempel-Ziv-Welch.
542
+ Selain itu ada model lain yaitu model statistik yang merupakan karakteristik dari
543
+ metode Huffman. Metode ini mengkodekan simbol-simbol atau karakter dengan bantuan
544
+ binary tree dengan cara menggabungkan dua buah frekuensi kemunculan karakter paling
545
+ kecil hingga terbentuk pohon kode. Penelitian ini bertujuan untuk mempelajari
546
+ metode Huffman dan Lempel-Ziv-Welch (LZW) untuk pemampatan teks dan membandingkan
547
+ hasil pemampatannya. Dalam penelitian ini digunakan program pemampatan teks yang
548
+ merupakan implemetasi dari metode Huffman dan LZW. Berkas yang digunakan adalah:
549
+ 1) berkas berbahasa Indonesia dan Inggris yang berisi kata ulang dan kata acak
550
+ dengan diberikan perlakuan perbandingan huruf, angka, dan tanda baca; 2) berkas
551
+ teks biasa dengan ukuran yang semakin meningkat; dan 3) berkas teks yang berisi
552
+ kata ulang dengan perbandingan tertentu yang semakin meningkat di dalam berkas
553
+ acak. Kinerja pemampatan dinilai berdasarkan kebutuhan ruang penyimpanan, rasio
554
+ pemampatan, waktu proses dan analisis running time program. Metode LZW memberikan
555
+ hasil yang lebih baik dibanding metode Huffman terutama pada berkas teks yang
556
+ berisi pengulangan kata. Rasio pemampatan LZW berkisar antara 30%-95% dengan rata-ratanya
557
+ adalah 62,28%, sedangkan metode Huffman berkisar antara 30%-50% dengan rata-ratanya
558
+ adalah 39,56%. Metode Huffman membutuhkan ruang penyimpanan hasil pemampatan dan
559
+ waktu dua kali lebih besar dibandingkan metode LZW.
560
+
561
+ Keyword: metode huffman, metode lempel-ziv-welch, kompresi data, analisis running
562
+ time program.'
563
+ model-index:
564
+ - name: gte base trained on AllNLI triplets
565
+ results:
566
+ - task:
567
+ type: triplet
568
+ name: Triplet
569
+ dataset:
570
+ name: all nli dev
571
+ type: all-nli-dev
572
+ metrics:
573
+ - type: cosine_accuracy
574
+ value: 1.0
575
+ name: Cosine Accuracy
576
+ - type: dot_accuracy
577
+ value: 0.0
578
+ name: Dot Accuracy
579
+ - type: manhattan_accuracy
580
+ value: 1.0
581
+ name: Manhattan Accuracy
582
+ - type: euclidean_accuracy
583
+ value: 1.0
584
+ name: Euclidean Accuracy
585
+ - type: max_accuracy
586
+ value: 1.0
587
+ name: Max Accuracy
588
+ - task:
589
+ type: triplet
590
+ name: Triplet
591
+ dataset:
592
+ name: all nli test
593
+ type: all-nli-test
594
+ metrics:
595
+ - type: cosine_accuracy
596
+ value: 1.0
597
+ name: Cosine Accuracy
598
+ - type: dot_accuracy
599
+ value: 0.0
600
+ name: Dot Accuracy
601
+ - type: manhattan_accuracy
602
+ value: 1.0
603
+ name: Manhattan Accuracy
604
+ - type: euclidean_accuracy
605
+ value: 1.0
606
+ name: Euclidean Accuracy
607
+ - type: max_accuracy
608
+ value: 1.0
609
+ name: Max Accuracy
610
+ ---
611
+
612
+ # gte base trained on AllNLI triplets
613
+
614
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-base-en-v1.5](https://huggingface.co/Alibaba-NLP/gte-base-en-v1.5). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
615
+
616
+ ## Model Details
617
+
618
+ ### Model Description
619
+ - **Model Type:** Sentence Transformer
620
+ - **Base model:** [Alibaba-NLP/gte-base-en-v1.5](https://huggingface.co/Alibaba-NLP/gte-base-en-v1.5) <!-- at revision a8e4f3e0ee719c75bc30d12b8eae0f8440502718 -->
621
+ - **Maximum Sequence Length:** 8192 tokens
622
+ - **Output Dimensionality:** 768 tokens
623
+ - **Similarity Function:** Cosine Similarity
624
+ <!-- - **Training Dataset:** Unknown -->
625
+ - **Language:** en
626
+ - **License:** apache-2.0
627
+
628
+ ### Model Sources
629
+
630
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
631
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
632
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
633
+
634
+ ### Full Model Architecture
635
+
636
+ ```
637
+ SentenceTransformer(
638
+ (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel
639
+ (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
640
+ )
641
+ ```
642
+
643
+ ## Usage
644
+
645
+ ### Direct Usage (Sentence Transformers)
646
+
647
+ First install the Sentence Transformers library:
648
+
649
+ ```bash
650
+ pip install -U sentence-transformers
651
+ ```
652
+
653
+ Then you can load this model and run inference.
654
+ ```python
655
+ from sentence_transformers import SentenceTransformer
656
+
657
+ # Download from the 🤗 Hub
658
+ model = SentenceTransformer("sentence_transformers_model_id")
659
+ # Run inference
660
+ sentences = [
661
+ 'Judul: Formulasi Surfaktan Metil Ester Sulfonat sebagai Oil Well Cleaning\nAbstrak: Oil productivity reduction may be due to plugging in the oil rock formations. The plugging may be caused by the deposition of paraffin, asphaltene, and scale. Problem caused by the presence of the precipitate is the rock formation can be oil wet so that oil permeability decreases. The problem can be solved by well cleaning technique with surfactant formula. Surfactant MES is a type of anionic surfactant which has ability to lower the interfcial tension, surface tension, and able to change the properties of rock from oil wet to become water wet. Surfactant MES formula for well cleaning requires carrier agent. In this study, diesel oil and metil ester were used as carrying agent. Aromatic solvents were also needed. Xylene and toluene has ability to dissolve asphaltene that deposites in formation. Surfaktan formulation for well cleaning was done with several stages, those are determine the SMES concentration and aromatic solvents concentration. Surfactant performance tests for oil well cleaning were thermal stability, phase behavior, and wettability. The surfactant formula which gave the best performance was SMES 3% in metil ester carrying agent with xylene 15% as additive.\nKeyword: methyl sulfonic esters, oil well cleaning, Asphaltene',
662
+ 'Judul: Formulasi Surfaktan SMES sebagai Acid Stimulation Agent untuk Aplikasi di Lapangan Karbonat OK\nAbstrak: Methyl Sulfonic Esters (MES) is one type of anionic surfactants which have advantages in terms of its hardness, resistance to deterjensi, the character of renewable and environmentally friendly. Excess MES this can be utilized as stimulation agent in oil wells, so can increase productivity an oil well. Increased productivity an oil well done by means of cleaning oil wells and pore a reservoir fromsediment of scale formed, enlarging the pores of rocks and can changing the nature of rocks being water-wet. This research was carried out to obtain the formula of solution of surfactants-based MES that can be applied as acid stimulation agent that is one method of IOR. Formula tested is a combination of surfactants sodium MES, HCl, and CH3COOH. The formulation is done by determining the optimum concentration of surfactant SMES and HCl gradually. The best results obtained from the solution of acid stimulation agent was with value of IFT < 10-2 dyne/cm with solubility of rock reaches 36%, and was can to change the contact angle of the reservoir rocks of the contact angle number 420 became 680 in formula SMES 6% + HCl 7% and CH3COOH 2%.\nKeyword: acid well stimulation, IOR, IFT, Sodium Methyl Sulfonic Esters',
663
+ 'Judul: World Journal of Zoology\nAbstrak: A study on daily pattern of male western lowland gorilla (Gorilla gorilla gorilla, Savage & Wyman 1847) had been done at Schmutzer Primate Center, Taman Margasatwa Ragunan Jakarta, Indonesia. The aim of the study was to observe the daily activity pattern of adult male gorilla group without any female in captivity in order to obtain a condition of preparing incoming female gorillas leading to successfull conservation program.\nKeyword: ',
664
+ ]
665
+ embeddings = model.encode(sentences)
666
+ print(embeddings.shape)
667
+ # [3, 768]
668
+
669
+ # Get the similarity scores for the embeddings
670
+ similarities = model.similarity(embeddings, embeddings)
671
+ print(similarities.shape)
672
+ # [3, 3]
673
+ ```
674
+
675
+ <!--
676
+ ### Direct Usage (Transformers)
677
+
678
+ <details><summary>Click to see the direct usage in Transformers</summary>
679
+
680
+ </details>
681
+ -->
682
+
683
+ <!--
684
+ ### Downstream Usage (Sentence Transformers)
685
+
686
+ You can finetune this model on your own dataset.
687
+
688
+ <details><summary>Click to expand</summary>
689
+
690
+ </details>
691
+ -->
692
+
693
+ <!--
694
+ ### Out-of-Scope Use
695
+
696
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
697
+ -->
698
+
699
+ ## Evaluation
700
+
701
+ ### Metrics
702
+
703
+ #### Triplet
704
+ * Dataset: `all-nli-dev`
705
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
706
+
707
+ | Metric | Value |
708
+ |:-------------------|:--------|
709
+ | cosine_accuracy | 1.0 |
710
+ | dot_accuracy | 0.0 |
711
+ | manhattan_accuracy | 1.0 |
712
+ | euclidean_accuracy | 1.0 |
713
+ | **max_accuracy** | **1.0** |
714
+
715
+ #### Triplet
716
+ * Dataset: `all-nli-test`
717
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
718
+
719
+ | Metric | Value |
720
+ |:-------------------|:--------|
721
+ | cosine_accuracy | 1.0 |
722
+ | dot_accuracy | 0.0 |
723
+ | manhattan_accuracy | 1.0 |
724
+ | euclidean_accuracy | 1.0 |
725
+ | **max_accuracy** | **1.0** |
726
+
727
+ <!--
728
+ ## Bias, Risks and Limitations
729
+
730
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
731
+ -->
732
+
733
+ <!--
734
+ ### Recommendations
735
+
736
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
737
+ -->
738
+
739
+ ## Training Details
740
+
741
+ ### Training Hyperparameters
742
+ #### Non-Default Hyperparameters
743
+
744
+ - `eval_strategy`: steps
745
+ - `gradient_accumulation_steps`: 2
746
+ - `num_train_epochs`: 1
747
+ - `warmup_ratio`: 0.1
748
+ - `bf16`: True
749
+ - `batch_sampler`: no_duplicates
750
+
751
+ #### All Hyperparameters
752
+ <details><summary>Click to expand</summary>
753
+
754
+ - `overwrite_output_dir`: False
755
+ - `do_predict`: False
756
+ - `eval_strategy`: steps
757
+ - `prediction_loss_only`: True
758
+ - `per_device_train_batch_size`: 8
759
+ - `per_device_eval_batch_size`: 8
760
+ - `per_gpu_train_batch_size`: None
761
+ - `per_gpu_eval_batch_size`: None
762
+ - `gradient_accumulation_steps`: 2
763
+ - `eval_accumulation_steps`: None
764
+ - `torch_empty_cache_steps`: None
765
+ - `learning_rate`: 5e-05
766
+ - `weight_decay`: 0.0
767
+ - `adam_beta1`: 0.9
768
+ - `adam_beta2`: 0.999
769
+ - `adam_epsilon`: 1e-08
770
+ - `max_grad_norm`: 1.0
771
+ - `num_train_epochs`: 1
772
+ - `max_steps`: -1
773
+ - `lr_scheduler_type`: linear
774
+ - `lr_scheduler_kwargs`: {}
775
+ - `warmup_ratio`: 0.1
776
+ - `warmup_steps`: 0
777
+ - `log_level`: passive
778
+ - `log_level_replica`: warning
779
+ - `log_on_each_node`: True
780
+ - `logging_nan_inf_filter`: True
781
+ - `save_safetensors`: True
782
+ - `save_on_each_node`: False
783
+ - `save_only_model`: False
784
+ - `restore_callback_states_from_checkpoint`: False
785
+ - `no_cuda`: False
786
+ - `use_cpu`: False
787
+ - `use_mps_device`: False
788
+ - `seed`: 42
789
+ - `data_seed`: None
790
+ - `jit_mode_eval`: False
791
+ - `use_ipex`: False
792
+ - `bf16`: True
793
+ - `fp16`: False
794
+ - `fp16_opt_level`: O1
795
+ - `half_precision_backend`: auto
796
+ - `bf16_full_eval`: False
797
+ - `fp16_full_eval`: False
798
+ - `tf32`: None
799
+ - `local_rank`: 0
800
+ - `ddp_backend`: None
801
+ - `tpu_num_cores`: None
802
+ - `tpu_metrics_debug`: False
803
+ - `debug`: []
804
+ - `dataloader_drop_last`: False
805
+ - `dataloader_num_workers`: 0
806
+ - `dataloader_prefetch_factor`: None
807
+ - `past_index`: -1
808
+ - `disable_tqdm`: False
809
+ - `remove_unused_columns`: True
810
+ - `label_names`: None
811
+ - `load_best_model_at_end`: False
812
+ - `ignore_data_skip`: False
813
+ - `fsdp`: []
814
+ - `fsdp_min_num_params`: 0
815
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
816
+ - `fsdp_transformer_layer_cls_to_wrap`: None
817
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
818
+ - `deepspeed`: None
819
+ - `label_smoothing_factor`: 0.0
820
+ - `optim`: adamw_torch
821
+ - `optim_args`: None
822
+ - `adafactor`: False
823
+ - `group_by_length`: False
824
+ - `length_column_name`: length
825
+ - `ddp_find_unused_parameters`: None
826
+ - `ddp_bucket_cap_mb`: None
827
+ - `ddp_broadcast_buffers`: False
828
+ - `dataloader_pin_memory`: True
829
+ - `dataloader_persistent_workers`: False
830
+ - `skip_memory_metrics`: True
831
+ - `use_legacy_prediction_loop`: False
832
+ - `push_to_hub`: False
833
+ - `resume_from_checkpoint`: None
834
+ - `hub_model_id`: None
835
+ - `hub_strategy`: every_save
836
+ - `hub_private_repo`: False
837
+ - `hub_always_push`: False
838
+ - `gradient_checkpointing`: False
839
+ - `gradient_checkpointing_kwargs`: None
840
+ - `include_inputs_for_metrics`: False
841
+ - `eval_do_concat_batches`: True
842
+ - `fp16_backend`: auto
843
+ - `push_to_hub_model_id`: None
844
+ - `push_to_hub_organization`: None
845
+ - `mp_parameters`:
846
+ - `auto_find_batch_size`: False
847
+ - `full_determinism`: False
848
+ - `torchdynamo`: None
849
+ - `ray_scope`: last
850
+ - `ddp_timeout`: 1800
851
+ - `torch_compile`: False
852
+ - `torch_compile_backend`: None
853
+ - `torch_compile_mode`: None
854
+ - `dispatch_batches`: None
855
+ - `split_batches`: None
856
+ - `include_tokens_per_second`: False
857
+ - `include_num_input_tokens_seen`: False
858
+ - `neftune_noise_alpha`: None
859
+ - `optim_target_modules`: None
860
+ - `batch_eval_metrics`: False
861
+ - `eval_on_start`: False
862
+ - `eval_use_gather_object`: False
863
+ - `batch_sampler`: no_duplicates
864
+ - `multi_dataset_batch_sampler`: proportional
865
+
866
+ </details>
867
+
868
+ ### Training Logs
869
+ | Epoch | Step | Training Loss | loss | all-nli-dev_max_accuracy | all-nli-test_max_accuracy |
870
+ |:------:|:-----:|:-------------:|:------:|:------------------------:|:-------------------------:|
871
+ | 0 | 0 | - | - | 0.9998 | - |
872
+ | 0.0772 | 2000 | 0.0402 | 0.0164 | 1.0 | - |
873
+ | 0.1544 | 4000 | 0.0213 | 0.0135 | 1.0 | - |
874
+ | 0.2316 | 6000 | 0.0182 | 0.0115 | 1.0 | - |
875
+ | 0.3088 | 8000 | 0.015 | 0.0106 | 1.0 | - |
876
+ | 0.3860 | 10000 | 0.014 | 0.0094 | 1.0 | - |
877
+ | 0.4632 | 12000 | 0.0116 | 0.0085 | 1.0 | - |
878
+ | 0.5404 | 14000 | 0.0097 | 0.0072 | 1.0 | - |
879
+ | 0.6176 | 16000 | 0.0083 | 0.0056 | 1.0 | - |
880
+ | 0.6948 | 18000 | 0.0071 | 0.0050 | 1.0 | - |
881
+ | 0.7720 | 20000 | 0.0066 | 0.0046 | 1.0 | - |
882
+ | 0.8492 | 22000 | 0.0051 | 0.0034 | 1.0 | - |
883
+ | 0.9264 | 24000 | 0.0047 | 0.0031 | 1.0 | - |
884
+ | 1.0000 | 25907 | - | - | - | 1.0 |
885
+
886
+
887
+ ### Framework Versions
888
+ - Python: 3.11.9
889
+ - Sentence Transformers: 3.1.0
890
+ - Transformers: 4.44.2
891
+ - PyTorch: 2.4.1+cu121
892
+ - Accelerate: 0.34.2
893
+ - Datasets: 3.0.0
894
+ - Tokenizers: 0.19.1
895
+
896
+ ## Citation
897
+
898
+ ### BibTeX
899
+
900
+ #### Sentence Transformers
901
+ ```bibtex
902
+ @inproceedings{reimers-2019-sentence-bert,
903
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
904
+ author = "Reimers, Nils and Gurevych, Iryna",
905
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
906
+ month = "11",
907
+ year = "2019",
908
+ publisher = "Association for Computational Linguistics",
909
+ url = "https://arxiv.org/abs/1908.10084",
910
+ }
911
+ ```
912
+
913
+ #### MultipleNegativesRankingLoss
914
+ ```bibtex
915
+ @misc{henderson2017efficient,
916
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
917
+ author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
918
+ year={2017},
919
+ eprint={1705.00652},
920
+ archivePrefix={arXiv},
921
+ primaryClass={cs.CL}
922
+ }
923
+ ```
924
+
925
+ <!--
926
+ ## Glossary
927
+
928
+ *Clearly define terms in order to be accessible across audiences.*
929
+ -->
930
+
931
+ <!--
932
+ ## Model Card Authors
933
+
934
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
935
+ -->
936
+
937
+ <!--
938
+ ## Model Card Contact
939
+
940
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
941
+ -->
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": true,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md CHANGED
@@ -1,3 +1,941 @@
1
- ---
2
- license: apache-2.0
3
- ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Alibaba-NLP/gte-base-en-v1.5
3
+ language:
4
+ - en
5
+ library_name: sentence-transformers
6
+ license: apache-2.0
7
+ metrics:
8
+ - cosine_accuracy
9
+ - dot_accuracy
10
+ - manhattan_accuracy
11
+ - euclidean_accuracy
12
+ - max_accuracy
13
+ pipeline_tag: sentence-similarity
14
+ tags:
15
+ - sentence-transformers
16
+ - sentence-similarity
17
+ - feature-extraction
18
+ - generated_from_trainer
19
+ - dataset_size:414518
20
+ - loss:MultipleNegativesRankingLoss
21
+ widget:
22
+ - source_sentence: 'Judul: Pelestarian Lanskap Sejarah Lasem Sebagai Kota Pusaka di
23
+ Kabupaten Rembang Jawa Tengah
24
+
25
+ Abstrak: Lasem merupakan sebuah kota kecil yang berada di Kabupaten Rembang yang
26
+ mempunyai banyak peninggalan warisan budaya dan sejarah dengan ciri khas dari
27
+ Arab, Cina dan Pribumi. Sejarah Lasem meninggalkan beberapa tapak bersejarah dan
28
+ keberadaannya tersebar di wilayah Lasem. Penelitian ini bertujuan untuk menganalisis
29
+ karakter dan kualitas lanskap sejarah Lasem; mengkaji upaya pengembangan pengelolaan
30
+ lanskap sejarah sebagai kota pusaka; dan menyusun rencana pelestarian lanskap
31
+ sejarah kota Lasem sebagai kota pusaka. Analisis yang digunakan berupa analisis
32
+ deskriptif dan analisis spasial dengan menggunakan metode identifikasi lanskap
33
+ sejarah, skoring, mental map dan kuisioner. Berdasarkan hasil penelitian diperoleh
34
+ 11 elemen potensial peninggalan sejarah pada kawasan Prioritas kota Lasem. Terdapat
35
+ juga penilaian terhadap elemen sejarah yang menghasilkan kategori elemen sejarah
36
+ tingkat tinggi, sedang dan rendah berdasarkan kriteria yang diuji. Pada mental
37
+ map menhasilkan citra lanskap pembentuk suatu kota. Sehingga rekomendasi yang
38
+ diberikan berupa pelestarian lanskap sejarah yang terdapat di kota Lasem untuk
39
+ menjaga keberlanjutannya.
40
+
41
+ Keyword: historical landscape management, cultural heritage, sustainability, landscape
42
+ preservation, historical landscape management'
43
+ sentences:
44
+ - 'Judul: Responses on Performance and Minerals Digestibility by Novel Consensus
45
+ Bacterial 6-Phytase Variant (PHY-G) Supplementation in Broiler Diet
46
+
47
+ Abstrak: Plant feedstuffs normally contain phytic acid which poorly hydrolized
48
+ by monogastric especially broiler. Further, 80% of phosphorus (P) in plant feedstuff
49
+ is complexed with phytic acid. In that case, high amount of inorganic P sources
50
+ is needed to fulfill P requirement. Since it has capability to bind with some
51
+ nutrients such as bi- or trivalent minerals and amino acids then phytase is widely
52
+ utilized in poultry feed to improve the nutrient digestibility. Today, the use
53
+ of 500-1000 FTU phytases in poultry feed is widely applied by feed industry and
54
+ its capability releasing phytate-bound phosphorus is very well documented. Novel
55
+ consensus bacterial 6-phytase variant (PHY-G) is newest 6-phytase derived from
56
+ bacterial phytase gene Buttiauxella sp. expressed in Trichoderma reesei with enhanced
57
+ functionality for better phytic acids degradation. The present research was conducted
58
+ to evaluate the efficacy of PHY-G in different doses (1000, 1500 and 2000 FTU/kg)
59
+ on high phytic acids content diets which at least contained 0.30% Phytate-P. A
60
+ total 3,675 male broilers Indian River/IR (105 pens, 35 birds/pen) were provided
61
+ mixed grain diets in seven treatments with fifteen replications, they were divided
62
+ into two phases of rearing which were starter (1 – 21 d) and finisher (22 – 35
63
+ d). Treatments were positive control (PC) using standard diet following IR’s nutrient
64
+ requirement, negative control 1 (NC1) with nutrient reduction at 0.21 percent
65
+ unit calcium (Ca), 0.21 percent units available phosphorus (AvP), 0.34 percent
66
+ unit crude protein (CP) and 66 kcal/kg AME, NC2 with nutrient reduction at 0.23
67
+ percent unit Ca & AvP, 0.45 percent unit CP and 75 kcal/kg AME, followed by NC3
68
+ with nutrient reduction at 0.24 percent unit Ca & AvP, 0.52 percent unit CP and
69
+ 79 kcal/kg AME. PHY-G supplementation with dose 1000, 1500 and 2000 FTU/kg on
70
+ top of NC1, NC2 and NC3 respectively. PHY-G supplementation at any level significantly
71
+ improved body weight gain/BWG and corrected FCR/McFCR (P<0.05) on starter (1,083
72
+ – 1,093 g/bird) and overall phase (2,482 – 2,532 g/bird) compared to any NCs (1,063-1,084
73
+ g/bird on starter and 2,387 – 2,398 g/bird on finisher). No significant different
74
+ were observed on mortality of all treatments but PHY-G supplementation significantly
75
+ improved (P<0.05) broiler index/BI (444 - 463) versus NCs (427 - 430) and able
76
+ to maintain it equivalent to PC (455). Toe ash was significantly improved (P<0.05)
77
+ by all doses of PHY-G (13.28 – 13.56%) compared to NC (12.3 – 12.7%). Apparent
78
+ ileal digestibility (AID) of Ca was not affected by PHY-G but 1000, 1500 and 2000
79
+ FTU/kg PHY-G supplementation significantly improvemed on AID of P (P<0.05) which
80
+ were 64.97%, 75.60% and 78.29% compared to NCs (42.64%, 48.88% and 46.17% for
81
+ NC1, NC2 and NC3 respectively). This These data indicated that PHYG supplementation
82
+ effectively improved broiler growth performance, bone mineralization and P digestibility
83
+ at any level of dose on high content of phytic acid in the diets.
84
+
85
+ Keyword: broiler, growth performance, phytase, phytic acid, toe ash'
86
+ - 'Judul: Pelestarian Lanskap Sejarah Kota Banda Aceh Sebagai Kota Pusaka Di Provinsi
87
+ Aceh
88
+
89
+ Abstrak: Banda Aceh menjadi salah satu dari sepuluh kota pusaka yang ada di Indonesia
90
+ untuk dipersiapkan menjadi The World Heritage City oleh Kementrian Pekerjaan Umum
91
+ melalui Program Penataan dan Pelestarian Kota Pusaka (P3KP). Program kota pusaka
92
+ ini mewujudkan ruang kota yang aman, nyaman, produktif dan berkelanjutan berbasis
93
+ rencana tata ruang, bercirikan nilai-nilai pusaka, melalui transformasi upaya-upaya
94
+ pelestarian menuju urban (heritage) development dengan dukungan dan pengelolaan
95
+ yang baik serta penyediaan infrastruktur yang tepat. Hal ini didasarkan melalui
96
+ UU Cagar Budaya Nomor 11 Tahun 2010 dan UU Penataan Ruang nomor 26 tahun 2007.
97
+ Banda Aceh memiliki kawasan situs sejarah yang dapat dibedakan berdasarkan periodenya,
98
+ yaitu: masa kerajaan, masa kolonial dan masa kemerdekaan. Tetapi, dalam pengelolaannya
99
+ hingga saat ini belum terlihat adanya strategi pelestarian peninggalan sejarah
100
+ tersebut. Beberapa lanskap sejarah yang ada dalam kondisi tidak terawat, terlantar,
101
+ tidak fungsional dan rusak. Dari berbagai masalah di atas, dirasakan sudah saatnya
102
+ perlu dilakukan kajian pelestarian lanskap sejarah Kota Banda Aceh sebagai kota
103
+ pusaka di Indonesia. Penelitian juga dilakukan untuk mengevaluasi proses perlindungan
104
+ pusaka peninggalan sejarahnya yang kemudian diharapkan bermanfaat dalam meningkatkan
105
+ ekonomi daerah. Tujuan penelitian ini yaitu: menganalisis karakter dan kualitas
106
+ lanskap sejarah Kota Banda Aceh, mengkaji persepsi masyarakat dalam mendukung
107
+ Kota Banda Aceh sebagai kota pusaka, dan menyusun strategi pelestarian lanskap
108
+ sejarah di Kota Banda Aceh. Metode penelitian yakni analisis karakter dan kualitas
109
+ lanskap sejarah, analisis dilakukan dengan tahapan yaitu: penentuan karakter lanskap
110
+ sejarah, penilaian signifikansi, serta penilaian keaslian, keunikan dan kenyamanan.
111
+ Kemudian dilakukan analisis persepsi masyarakat, yakni untuk mengetahui pengetahuan
112
+ terhadap kota pusaka, persepsi masyarakat Kota Banda Aceh mengenai pelestarian
113
+ lanskap sejarah yang perlu dilindungi serta aktor yang berperan untuk melestarikan
114
+ pusaka di Kota Banda Aceh. Hasil assessment lanskap sejarah dan survei kepada
115
+ masyarakat menjadi dasar dalam menyusun kriteria dalam metode AHP, hasilnya berupa
116
+ strategi pelestarian lanskap sejarah Kota Banda Aceh sebagai kota pusaka. Hasil
117
+ penelitian ini dapat diidentifikasi bahwa di Kota Pusaka Banda Aceh terdapat 12
118
+ lanskap sejarah dengan karakter tiga masa peninggalan, yaitu masa kerajaan dan
119
+ kesultanan, masa kolonial, dan masa kemerdekaan. Dari penilaian kualitas lanskap
120
+ sejarah, Lanskap Baiturrahman dan Putroe Phang yang merupakan lanskap masa Kerajaan
121
+ dan Kesultanan memperoleh skor tertinggi sehingga menjadi prioritas untuk dilestarikan.
122
+ Sebagian besar masyarakat tidak mengetahui bahwa Kota Banda Aceh telah ditetapkan
123
+ sebagai kota pusaka, tetapi mereka setuju 12 lanskap sejarah di Kota Banda Aceh
124
+ perlu dilestarikan. Perlu peningkatan upaya sosialisasi melalui berbagai media
125
+ serta kegiatan-kegiatan terkait program kota pusaka. v Hasil Analytical Hierarchy
126
+ Process (AHP), menunjukkan bahwa komponen prioritas dalam upaya pelestarian lanskap
127
+ sejarah di Kota Banda Aceh adalah komponen keunikan (0,547), keaslian (0,231),
128
+ kenyamanan (0,166), dan nilai penting (0,058). Alternatif prioritas untuk pelestarian
129
+ lanskap sejarah di Kota Banda Aceh yaitu peninggalan Lanskap Kolonial (0,551),
130
+ Lanskap Kerajaan dan Kesultanan (0,355), dan Lanskap Kemerdekaan (0,095). Komponen
131
+ keunikan (integritas, keberagaman, dan kualitas estetik) merupakan komponen prioritas
132
+ dalam upaya pelestarian lanskap sejarah sedangkan alternatif prioritasnya yaitu
133
+ peninggalan dengan karakter lanskap kerajaan-kesultanan dan kolonial. Rekomendasi
134
+ untuk melestarikan lanskap sejarah di Kota Banda Aceh yaitu penetapan kawasan
135
+ prioritas pusaka. Produk rekomendasi berupa usulan deliniasi kawasan prioritas.
136
+ Produk selanjutnya dari penelitian ini adalah peta pusaka Banda Aceh beserta informasi
137
+ mengenai situs-situs sejarah Banda
138
+
139
+ Keyword: budaya, keaslian, keunikan, lanskap sejarah, masa kesejarahan'
140
+ - 'Judul: Kajian Pendayagunaan Sumber Air Ciparay di Cinagara, Kecamatan Caringin
141
+ Kabupaten Bogor
142
+
143
+ Abstrak: Manfaat air bagi kehidupan manusia diantaranya digunakan untuk memenuhi
144
+ kebutuhan air mmah tangga (domestik), industri, dan irigasi. Pemenuhan kebutuhan
145
+ air untuk layanan tersebut memerlukan pengembangan sumber air yang bam. Salah
146
+ satunya adalah pemanfaatan''mata air dan limpasan permukaan. Pengembangan sumberdaya
147
+ air memerlukan adanya konsepsi, perencanaan, perancangan, kontmksi dan operasi
148
+ fasilitas-fasilitas untuk pengendalian dan pemanfaatan air. Penelitian masalah
149
+ khusus ini diharapkan dapat bermanfaat sebagai bahan pertimbangan pendayagunaan
150
+ sumber air Ciparay secara berkelanjutan. Dengan diketahuinya debit sumber air
151
+ dan kebutuhan air untuk tanaman (padi, palawija, sayuran dan buah-buahan), usaha
152
+ tani ternak, perikanan, dan domestik maka efisiensi pemanfaatan sumber air dapat
153
+ ditingkatkan agar pemenuhan kebutuhan air domestik serta pengembangan pertanian
154
+ dan industri dapat direncanaltan dengan baik. Penelitian masalah khusus ini bertujuan
155
+ untuk mengkaji pemanfaatan surnber air untuk memenuhi kebutuhan air tanaman (padi,
156
+ palawija, dan hortiltultura, peternakan, perikanan dan domestik, yaitu meliputi
157
+ kajian efisiensi pemanfaatan air, analisis biaya irigasi, sistem distribusi, dan
158
+ pola pemanfaatan.
159
+
160
+ Keyword: '
161
+ - source_sentence: 'Judul: Deteksi antibodi terhadap caplak boophilus mikroplus denga
162
+ uji elisa pada sapi peranakan ongole di Surade
163
+
164
+ Abstrak: Skripsi ini ditulis berdasarkan hasil dari penelitian mengenai Deteksi
165
+ Antibodi Terhadap Caplak Boophilus microplus dengan Uji ELISA pada Sapi Peranakan
166
+ Ongole di Surade. Tujuan dari penelitian ini yaitu untuk mengetahui adanya peningkatan
167
+ kekebalan dari sapi yang terinfeksi caplak Boophilus microplus dengan perlakuan
168
+ vaksinasi pada Sapi Peranakan Ongole (PO) di Surade. Peternakan Surade merupakan
169
+ obyek perlakuan penelitian dan pengambilan sampel, untuk dilakukan uji ELISA di
170
+ Laboratorium Protozoologi. Vaksin yang dibuat berasal dari bahan asal caplak,
171
+ yang diinjeksikan secara Subkutan pada Sapi Peranakan Ongole di Surade. Pengolahan
172
+ isolat caplak yang dijadikan sebagai vaksin yang menggunakan peralatan yang sederhana
173
+ dimana antigen ditambahkan adjuvan inkomplit (freund) dengan perbandingan 1:1,
174
+ dapat menghasilkan pengaruh yang diharapkan yaitu adanya peningkatan dari kadar
175
+ antibodi spesifik terhadap antigen kasar. Untuk membuktikan kelayakan vaksinasi
176
+ terhadap caplak ini harus melalui tiga tahap yaitu pembuktian bahwa kekebalan
177
+ dapat dihasilkan melalui vaksinasi menggunakan bahan asal caplak, penemuan cara
178
+ untuk menghasilkan antigen caplak dalam jumlah komersial dan pengemasan antigen
179
+ tersebut dalam bentuk vaksin yang praktis, jadi berdasarkan pernyataan tersebut
180
+ maka dilakukan penelitian membuat vaksin dengan menggunakan bahan asal caplak.
181
+ Apakah ada pengaruh kekebalan terhadap infestasi caplak pada ternak. Ternyata
182
+ ada, ditandai dengan adanya infestasi caplak yang berkurang, jumlah telur yang
183
+ dihasilkan caplak menurun, banyak caplak yang mati karena menghisap darah sapi
184
+ yang telah divaksin yang mempunyai kekebalan terhadap caplak Boophilus microplus.
185
+ Sapi yang digunakan 30 ekor untuk perlakuan dan 30 ekor untuk dijadikan sebagai
186
+ kontrol, dimana kontrol tanpa ada perlakuan hanya infestasi alam. Umur sapi rata-rata
187
+ laktasi ketiga, dari setiap pengambilan sampel kemudian langsung di uji dan dapat
188
+ dibaca hasilnya kemudian dicari rataannya dari 30 sampel tersebut. Pengambilan
189
+ sampel ini dilakukan sampai lima kali pengambilan yang diikuti dengan melakukan
190
+ vaksinasi. Dosisi yang diberikan 0,1 mg/kg BB yang dikonfirmasikan dengan protein
191
+ yang diuji dengan metode Laurie.
192
+
193
+ Keyword: '
194
+ sentences:
195
+ - 'Judul: Kadar Antibodi Serum Sapi Bali (Bos Sondaicus) Terhadap Infestasi Alami
196
+ Boophilus Microplus Dengan Uji Elisa Tidak Langsung
197
+
198
+ Abstrak: infestasi Boophilus microplus secara alami dengan membandingkan Optical
199
+ Density (00) hasiluji ELISA Tidak Langsung dari serum sapi Bali terinfestasi dan
200
+ tidak terinfestasi yang terdapat pada masing-masing kelompok sampel. Serum sapi
201
+ Bali diambil dari RPH Bayur Disnak Tengerang, Kab. Tangerang Jawa Barat sebelum
202
+ dipotong. Antigen dibuat dari usus B. microplus betina dewasa yang diambil dari
203
+ sapi Bali yang terinfestasi. B. microplus dicuci dengan air kran dan akuades,
204
+ kemudian direndam dalam alkohol 70 % selama 5 men it, dicuci dengan akuades dan
205
+ dibilas dengan PBS steril. B. microplus dibedah untuk diambil ususnya, usus dimasukkan
206
+ ke dalam tabung reaksi dengan menambahkan PBS-NaN2 dengan perbandingan 1 :9. Ekstrak
207
+ usus yang diperoleh (antigen kasar) dipusingkan selama 10 menit dengan kecepatan
208
+ 1500 rpm sebanyak tiga kali dengan membuang supernatan. Setelah pemusingan diperoleh
209
+ larutan antigen (dilution antigen)dengan menambahkan PBS-NaN2. Preparasi antibodi
210
+ serum sampel berasal dari dua kelompok sampel sapi yang berbeda yaitu sampel terinfestasi
211
+ dan tidak terinfestasi B. microplus. Serum yang didapat diinaktifkan di penangas
212
+ air dengan suhu 56° C selama 30 menit. Uji ELISA yang digunakan adalah metode
213
+ tidak langsung (inderect ELISA) yang diawali dengan penempelan (coating) antigen
214
+ B. microplus pada pelat polystirene microhaemaglutination. Setelah antigen menempel
215
+ pad a pelat dimasukkan serum sampel sehingga terbentuk ikatan antigen antibodi.
216
+ Alkaline phospatase antibovine IgG dimasukkan untuk melabel ikatan antigen antibodi
217
+ sehingga terbentuk ikatan komplek antigen antibodi yang sudah dilabel enzim. Spektrum
218
+ warna terbentuk setelah pada pelat dimasukkan substrat yang berisi p-Nitrophenil
219
+ Phospat Oissodium yang akan dipecah oleh enzim konjugat. Larutan pemberhenti (stop
220
+ solution) NaOH 3 M dipakai untuk menghentikan reaksi yang terbentuk untuk mempertahankan
221
+ spektrum warna agar terhindar dari hasil yang tidak diinginkan. Hasil ELISA diinterpretasikan
222
+ menggunakan ELISA reader multiscan titertex dengan filter 405 nm. Hasil penelitian
223
+ yang diperoleh setelah diuji statistika t-student menunjukkan perbedaan yang nyata
224
+ antara kedua kelompok sampel.
225
+
226
+ Keyword: '
227
+ - 'Judul: Studi komposisi dan struktur tegakan tinggal tiga tahun setelah pemanenan
228
+ kayu dengan sistem TPTI di Areal HPH PT. Narkata Rimba (Alas Kusuma Group) Kalimantan
229
+ Timur
230
+
231
+ Abstrak: Perubahan komposisi jenis pohon dan struktur hutan menurut Salleh (1979)
232
+ dalam Astry (1973) sejalan dengan tingkat atau besarnya kegiatan pemanenan kayu
233
+ serta kerusakan yang ditimbulkannya. Pemanenaan kayu merupakan serangkaian kegiatan
234
+ yang merubah pohon atau biomassa lainnya menjadi bentuk lain yang bisa dipindahkan
235
+ ke lokasi lain agar dapat bermamfaat bagi kehidupan ekonomi dan kebudayaan masyarakat
236
+ (Suparto, 1979) Penelitian ini bertujuan mempelajari dan mengetahui struktur dan
237
+ komposisi tegakan tiga tahun sesudah pemanenan kayu (ET+3), mengetahui besar potensi
238
+ tegakan tinggal dan perkembangan keterbukaan tanah pada ET+3. Penelitian ini dilaksanakan
239
+ di areal HPH PT. Narkata Rimba (Alas Kusuma Group), Kalimantan Timur. Pengamatan
240
+ dilakukan pada empat plot contoh permanen tahun 1992 yang berukuran 100 m x 100
241
+ m (1 Ha), masing-masing terletak pada kelerengan berbeda yaitu plot I (datar/landai
242
+ : 0% - 15%), plot II (sedang: 15% - 25%), plot III (curam: > 25%) dan plot IV
243
+ sebagai kontrol (curam). ...
244
+
245
+ Keyword: '
246
+ - 'Judul: Pelabelan Super Edge Magic pada Graf Cycle dan Graf Wheel
247
+
248
+ Abstrak: This manuscript proves that cycle graph and wheel graph have a super
249
+ edge magic labeling. Super edge magic labeling on a graph is labeling that has
250
+ an edge magic labeling with a set of vertices were mapped in to {1,2,… ,𝑝} and
251
+ a set of edges were mapped in to {𝑝+1,𝑝+2,… ,𝑝+𝑞}, in which 𝑝 is order and 𝑞 is
252
+ size on the graph. There are one lemma and two theorems to be discussed. The lemma
253
+ is used to prove the two theorems. The first theorem proves that cycle graph 𝐶𝑛
254
+ is super edge magic if and only if 𝑛 is odd. The second theorem proves that wheel
255
+ graph 𝑊𝑛 of order 𝑛 is not super edge magic. Moreover 𝑊𝑛 is not edge magic if
256
+ 𝑛≡0 mod
257
+
258
+ Keyword: '
259
+ - source_sentence: 'Judul: Pengaruh Pengolahan dan Lama Penyimpanan pada Kecap Manis
260
+ Fortifikasi Terhadap Kandungan lodium dan Zat Besi
261
+
262
+ Abstrak: Secara umum penelitian bertujuan untuk mempelajari pengaruh pengolahan
263
+ dan lama penyimpanan kecap manis fortifikasi terhadap kandungan iodium dan besi.
264
+ Tujuan khususnya adalah untuk mengetahui pengaruh perebusan, penumisan, pemanggangan
265
+ dan lama penyimpanan terhadap kadar iodium dan besi pada kecap manis fortifikasi.
266
+ Penelitian dilakukan di Laboratorium Pengolahan Pangan, Laboratorium Kimia Gizi
267
+ Departemen Gizi Masyarakat clan Sumberdaya Keluarga, Fakultas Pertanian, Institut
268
+ Pertanian Bogor. Penelitian dimulai bulan Juni sampai Agustus 2004. Penetapan
269
+ sampel dilakukan secara purposive dengan kriteria jenis kecap yang dipilih adalah
270
+ kecap yang difortifikasi dengan iodium dan besi. Sedangkan kemasan yang dipilih
271
+ adalah kemasan botol plastik (140 ml) dengan pertimbahgan kemasan botol plastik
272
+ ini paling banyak dikonsumsi di tingkat rumah tangga. Rancangan yang digunakan
273
+ untuk menguji hasil analisis kimia pada perlakuan pengolahan dan penyimpanan adalah
274
+ RAL. Data-data yang diperoleh diuji dengan sidik ragam kemudian dilanjutkan dengan
275
+ uji lanjut Duncan untuk melihat perlakuan mana yang berbeda. Pengolahan dan analisis
276
+ data dilakukan dengan menggunakan SAS versi 6.12. Berdasarkan basil analisis diketahui
277
+ bahwa total kadar iodium pada pengolahan semur, tumis dan sate berturut-turut
278
+ 14.97 ppm, 16.90 ppm dan 23.66 ppm. Sidik ragam menunjukkan bahwa total kadar
279
+ iodium antara ketiga jenis pengolahan (semur, tumis dan sate) tidak berbeda nyata.
280
+ Namun, pengolahan semur, tumis dan sate menunjukkan total kadar iodium yang berbeda
281
+ nyata dengan kontrolnya pada a=0.05. Pengolahan dengan cara semur menunjukkan
282
+ persentase kerusakan iodium lebih besar (54.72%) dibanding pada pengolahan tumis
283
+ (36.46%) dan sate (30.22%). Kadar zat besi pada ketiga jenis pengolahan berkisar
284
+ antara 8.89 mg/l00g (BK) sampai 11.20 mg/lO0g (BK). Berdasarkan hasil sidik ragam
285
+ (P>0.05) dapat diketahui bahwa jenis pengolahan tidak berpengaruh nyata terhadap
286
+ total kadar zat besi hasil olahan. Hal ini menunjukkan bahwa total kadar zat besi
287
+ ketiga cara pengolahan (semur, tumis dan sate) tidak berbeda nyata. Pada pengolahan
288
+ semur dan sate total kadar zat besi sebelum pengolahan 9.46 mg/l00g (BK) dan 13.17
289
+ mg/IO0g (BK). Setelah mengalami pengolahan total kadar zat besi pada pengolahan
290
+ semur dan sate menjadi 8.89 mg/lO0g (BK) dan 11.20 mg/lO0g (BK), sehingga diperoleh
291
+ penurunan zat besi pada semur sebesar 6.03% dan sate sebesar 16.23%. Sedangkan
292
+ pada pengolahan tumis, sebelum pengolahan total kadar zat besi sebesar 10.29 mg/l00g
293
+ (BK). Setelah pengolahan kadar zat besinya menjadi 11.20 mg/l00g (BK). Peningkatan
294
+ kadar zat besi pada pengolahan tumis sebesar 8. 85 %...dst
295
+
296
+ Keyword: '
297
+ sentences:
298
+ - 'Judul: Preferensi Konsumen dan Pengaruh Kualitas Produk Sayuran Organik terhadap
299
+ Kepuasan Konsumen dalam Membentuk Loyalitas Pelanggan
300
+
301
+ Abstrak: Pengembangan sayuran organik di Bogor masih mengalami kendala. Salah
302
+ satunya adalah kegagalan dalam menjaga kepercayaan pasar. Kegagalan tersebut tercermin
303
+ dari perilaku konsumen yang enggan membeli produk organik bahkan mencegah konsumen
304
+ untuk membeli kembali produk organik. Hal ini menunjukkan kepercayaan masyarakat
305
+ mengenai atribut dan manfaat produk organik (sayuran organik) yang belum mampu
306
+ memenuhi kebutuhannya dan menciptakan kepuasan di benak konsumen sehingga terwujudlah
307
+ loyalitas pelanggan. Salah satu upaya yang dapat dilakukan adalah melalui pendekatan
308
+ kualitas berbasis pelanggan. Program “Go Organik 2010”menyusun peaturan Standard
309
+ Nasional Indonesia sistem pangan organik SNI 6729-2010 untuk penjaminan kualitas
310
+ produk organik. Penelitian ini bertujuan 1) mengkaji preferensi konsumen sayuran
311
+ organik di Kota Bogor; 2) menganalisis pengaruh kualitas produk sayuran organik
312
+ terhadap kepuasan konsumen dan loyalitas pelanggan, pengaruh kepuasan konsumen
313
+ terhadap loyalitas pelanggan; dan 3) menyusun strategi yang dirumuskan berdasarkan
314
+ hasil penelitian mengenai preferensi konsumen, kualitas produk sayuran organik,
315
+ kepuasan konsumen, dan loyalitas pelanggan ke dalam implikasi manajerial. Penelitian
316
+ ini dilakukan pada bulan Mei-Juni 2014 di Toko All Fresh Bogor. Sebanyak 100 pengunjung
317
+ Toko All Fresh Kota Bogor dipilih secara purposive sampling sebagai responden
318
+ dengan kriteria bahwa responden telah melakukan pembelian dan mengkonsumsi sayuran
319
+ organik dalam waktu tiga bulan terakhir. Penelitian ini menggunakan data primer
320
+ yang didapatkan melalui wawancara dengan menggunakan instrumen kuesioner. Pernyataan
321
+ pada kuesioner menggunakan skala likert. Data sekunder didapatkan melalui kajian
322
+ pustaka dari berbagai sumber yang relevan. Analisis data menggunakan analisis
323
+ konjoin dan Structural Equation Modelling. Software SPSS versi 17, SMART PLS versi
324
+ 2.0, dan microsoft excel 2010 digunakan untuk membantu menganalisis data pada
325
+ penelitian ini. Hasil penelitian ini menunjukkan bahwa preferensi konsumen sayuran
326
+ organik di Kota Bogor menjadikan pelabelan pada kemasan sebagai tingkat kepentingan
327
+ yang paling utama, diikuti jenis dan penyesuaian harga. Berdasarkan tingkat utilitas,
328
+ jenis sayuran brokoli, penyesuaian harga sesuai harga umum di pasar, dan kemasan
329
+ yang berlabel organik menjadi pilihan yang disukai oleh responden. Analisis terhadap
330
+ kualitas produk, kepuasan konsumen, dan loyalitas pelanggan menunjukkan bahwa
331
+ kualitas produk sayuran organik secara langsung berpengaruh positif dan signifikan
332
+ terhadap kepuasan konsumen, kepuasan konsumen secara langsung berpengaruh positif
333
+ dan signifikan terhadap loyalitas pelanggan, dan kualitas produk secara tidak
334
+ langsung berpengaruh positif dan signifikan terhadap loyalitas pelanggan melalui
335
+ kepuasan konsumen namun kualitas produk secara langsung berpengaruh positif namun
336
+ tidak signifikan terhadap loyalitas pelanggan. Strategi pemasaran yang dapat direkomendasikan
337
+ adalah melalui pendekatan berbasis pelanggan dengan penjaminan kualitas produk
338
+ sayuran organik dan menyesuaikan kualitas sayuran organik sesuai dengan kebutuhan
339
+ konsumen, manajemen relasi mitra (CRM - Customer Relationship Management), dan
340
+ pemasaran proaktif ataupun kemitraan.
341
+
342
+ Keyword: kepuasan konsumen, kualitas produk, loyalitas pelanggan, preferensi konsumen,
343
+ sayuran organik'
344
+ - 'Judul: Mempelajari fortifikasi zat besi pada kecap
345
+
346
+ Abstrak: Penelitian dibagi menjadi dua tahap. Pada penelitian pendahuluan dilakukan
347
+ fortifikasi kecap dengan dua jenis zat besi yaitu fero sulfat heptahidrat (FeSO4.7H2O)
348
+ atau fero amonium sulfat heksahidrat (Fe(NH)₂(SO₂)2.6H₂O) dalam berbagai tingkat
349
+ konsentrasi (0, 50, 100, 150, 200 ppm). Konsentrasi 50 dan 100 ppm dipilih sebagai
350
+ konsentrasi, baik untuk FeSO, maupun Fe(NH)₂(SO), untuk difortifi- kasikan, dilihat
351
+ dari segi persentase ketersediaan zat besi paling tinggi, dan secara organoleptik
352
+ masih dapat diterima panelis. Dari hasil penelitian pada tahap pendahuluan sebagai
353
+ produk dipilih kecap asin yang diberi penambahan zat besi. Ketersediaan zat besi
354
+ pada kecap asin relatif lebih tinggi dibandingkan kecap manis, karena kecap manis
355
+ mengandung kalsium sebagai faktor penghambat penyerapan zat besi yang lebih tinggi
356
+ sehingga kurang efisien jika dipilih sebagai bahan pangan yang akan difortifikasi
357
+ dengan zat besi. Pada penelitian lanjutan dilakukan penambahan asam askorbat pada
358
+ kecap yang telah difortifikasi zat besi dengan konsentrasi yang telah dipilih
359
+ dari penda- huluan, kemudian disimpan selama 2 bulan dan diamati pada 0, 1, dan
360
+ 2 bulan. Konsentrasi asam askorbat yang ditambahkan sebanyak 0, 1 dan 2 mol, dihitung
361
+ ber- dasarkan konsentrasi zat besi yang ditambahkan. Untuk penambahan FeSO, dengan
362
+ konsentrasi 50 ppm ditambahkan asam askorbat sebanyak 0 ppm (0 mol), 31.68 ppm
363
+ (1 mol), 63.35 ppm (2 mol), konsentrasi 100 ppm ditambahkan 0 ppm (0 mol), 63.35
364
+ ppm (1 mol), 126.71 ppm (2 mol), sedangkan untuk penambahan. Fe(NH),(SO), dengan
365
+ konsentrasi 50 ppm ditambahkan asam askorbat dengan konsentrasi 0 ppm (0 mol),
366
+ 22.48 ppm (1 mol), konsentrasi 100 ppm ditambahkan 0 ppm (0 mol), 22.48 ppm (1
367
+ mol) dan 89.86 ppm (2 mol). ...
368
+
369
+ Keyword: '
370
+ - 'Judul: Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitz
371
+ dengan Pendekatan Polinomial Chebyshev
372
+
373
+ Abstrak: The eigenvalues and eigenvectors of a matrix can be determined by finding
374
+ its characteristic polynomials. The characteristic polynomials of a tridiagonal
375
+ 2-Toeplitz matrix is shown to be closely connected to polynomials which satisfy
376
+ the Chebyshev recurrence relationship. If the order of the matrix is odd, then
377
+ the eigenvalues are found explicitly in terms of the Chebyshev zeros and the eigenvectors
378
+ are found in terms of the polynomials satisfying the recurrence relationship.
379
+ For even ordered matrices, the situation is more complicated. The problem in these
380
+ cases is that although the Chebyshev recurrence formula is still applied, its
381
+ initial values are not generating Chebyshev polynomials
382
+
383
+ Keyword: '
384
+ - source_sentence: 'Judul: Mapping Characteristics of Various Modified Starch as Thickener
385
+ to Physical Quality and Sensory of Salad Dressing
386
+
387
+ Abstrak: Salad dressing merupakan produk emulsi dengan penggunaan kuning telur
388
+ sebagai emulsifier dan pati sebagai pengental. Perbedaan penggunaan jenis pati
389
+ sebagai pengental dapat memengaruhi karakteristik fisik maupun sensori produk
390
+ akhir. Penelitian ini bertujuan mengetahui pengaruh penggunaan pati sebagai pengental
391
+ terhadap karakteristik fisik dan sensori produk salad dressing. Proses analisis
392
+ pati dilakukan dengan empat analisis yaitu kualitas granula pati, analisis amilograf,
393
+ analisis kelarutan pati, dan analisis daya serap pati terhadap air. Produk akhir
394
+ salad dressing dengan penggunaan jenis pati termodifikasi yang berbeda akan dievaluasi
395
+ berdasarkan parameter viskositas, pH, granula pati, analisis ukuran partikel,
396
+ analisis kesearagaman minyak, analisis stabilitas emulsi dan analisis sensori
397
+ menggunakan hedonic rating. Terakhir dilakukan pemetaan karakteristik pati terhadap
398
+ karakteristik fisik dan sensori salad dressing. Penggunaan pati termodifikasi
399
+ berpengaruh nyata terhadap viskositas salad dressing, ukuran diameter partikel,
400
+ granula pati, keseragaman partikel minyak, dan stabilitas emulsi. Namun, penggunaan
401
+ pati termodifikasi tidak berpengaruh nyata terhadap pH salad dressing. Hasil pemetaan
402
+ dengan Principal Component Analysis (PCA), didapatkan sampel terkelompok menjadi
403
+ empat, pati termodifikasi 2 dan 3 memiliki karakteristik yang sama dengan kontribusi
404
+ parameter yang paling dominan adalah kelarutan. Berdasarkan analisis Orthogonal
405
+ Projection to the Least Square (OPLS), atribut rasa dan aroma merupakan parameter
406
+ yang paling berkontribusi dalam penentuan skor overall salad dressing. Kata kunci:
407
+ Emulsi, bahan pengental, pati termodifikasi, principal component analysis, salad
408
+ dressing.
409
+
410
+ Keyword: Emulsion, modified starch, principal component analysis, thickening agent,
411
+ salad dressing.'
412
+ sentences:
413
+ - 'Judul: Model Spasial Penggunaan Lahan dengan Pendekatan CA-Markov Mendukung Pertanian
414
+ Berkelanjutan Kabupaten Indramayu, Jawa Barat
415
+
416
+ Abstrak: Salah satu wilayah di Indonesia yang menjadi penghasil beras adalah Indramayu.
417
+ Produksi beras di Indramayu tahun 2015 menurun 9.81% dibandingkan tahun 2014 sebagai
418
+ akibat dari konversi lahan. Tujuan dari penelitian ini adalah untuk prediksi penggunaan
419
+ lahan tahun 2031 dengan pendekatan CA-Markov, komparasi penggunaan lahan hasil
420
+ simulasi dengan RTRW dan analisis strategi kebijakan menekan laju konversi lahan
421
+ dan mewujudkan pertanian berkelanjutan. Penelitian ini menggabungkan CA-Markov
422
+ dengan logistik biner untuk menganalisis faktor-faktor pendorong perubahan penggunaan
423
+ lahan. Prediksi penggunaan lahan kemudian dibandingkan dengan pola ruang di RTRW
424
+ Kabupaten Indramayu untuk menilai efektivitas RTRW dalam mengurangi tekanan terhadap
425
+ angka konversi lahan. Prediksi penggunaan lahan diharapkan mampu memberikan informasi
426
+ yang mendalam mengenai lahan pertanian pada tahun 2031. Penelitian ini juga menggunakan
427
+ pendekatan Analytical Hierarchy Process (AHP) untuk menganalisis strategi kebijakan
428
+ konversi lahan untuk mewujudkan pertanian berkelanjutan. Hasil penelitian menunjukkan
429
+ overall accuracy dan Kappa accuracy dari prediksi adalah 94% dan 0.9. Penggunaan
430
+ lahan sawah diprediksi mengalami alih fungsi lahan menjadi permukiman pada tahun
431
+ 2031 seluas 6 017 ha (82%) dari total luas lahan terkonversi 7 044 ha dimana areal
432
+ tersebut diperkirakan mampu menghasilkan 26 425 ton beras yang dapat dikonsumsi
433
+ 231 798 orang. Pola penggunaan lahan hasil simulasi tahun 2031 dan RTRW secara
434
+ signifikan berbeda. Penggunaan lahan hasil simulasi tahun 2031 menunjukkan luas
435
+ lahan sawah yang sesuai dengan arahan pertanian tanaman pangan di RTRW seluas
436
+ 96 148.67 ha (76.47%) dari total luas lahan sawah hasil prediksi 125 723 ha. Luas
437
+ lahan pertanian sawah yang tidak sesuai dengan kawasan lindung di RTRW adalah
438
+ 54 142 ha (84.95%). Strategi kebijakan hasil analisis AHP terbaik untuk diimplementasikan
439
+ dalam pertanian berkelanjutan adalah pengkaderan kelompok tani berkelanjutan.
440
+
441
+ Keyword: AHP, logistik biner, prediksi, RTRW'
442
+ - 'Judul: Kajian literatur penggunaan pati termodifikasi sebagai bahan penstabil
443
+ pada produk pangan emulsi o/w
444
+
445
+ Abstrak: Saat ini, pangan berbasis emulsi seperti mayonaise, salad dressing, dan
446
+ margarin cukup diminati masyarakat. Emulsi umumnya terdiri dari fase pendispersi,
447
+ fase terdispersi dan penstabil seperti surfaktan, protein dan polisakarida. Pati
448
+ termasuk polisakarida yang dapat digunakan sebagai penstabil emulsi, namun penggunaannya
449
+ perlu dimodifikasi terlebih dahulu untuk memperbaiki atribut fisiko-kimianya.
450
+ Tujuan dari kajian literatur ini adalah mengidentifikasi, menganalisis, dan membandingkan
451
+ sumber literatur berupa hasil penelitian yang mengemukakan berbagai proses modifikasi
452
+ pati beserta sifat yang dihasilkan. Data dan informasi pada penelitian ini diperoleh
453
+ melalui data sekunder yang terdapat pada jurnal, skripsi dan literatur dari internet
454
+ yang sumber informasinya dapat dipertanggungjawabkan. Terdapat 5 metode modifikasi
455
+ pati pada kajian literatur ini yakni pati sukun termodifikasi metode substitusi
456
+ OSA, pati jagung termodifikasi metode substitusi OSA, pati beras termodifikasi
457
+ metode substitusi OSA, pati beras termodifikasi metode enzimatis dan substitusi
458
+ OSA, pati kentang termodifikasi metode substitusi OSA dan penambahan mineral.
459
+ Parameter yang digunakan untuk membandingkan setiap pati adalah derajat substitusi,
460
+ viskositas, dan stabilitas emulsi. Pati terbaik memiliki nilai stabilitas emulsi
461
+ dan viskositas tertinggi. Berdasarkan hasil literatur yang dikaji, metode modifikasi
462
+ pati yang menghasilkan stabilitas emulsi terbaik dibuat dengan pati sukun OSA
463
+ dengan formula emulsi 40% minyak : 2 pati.
464
+
465
+ Keyword: emulsion, modification, review, stability, starch'
466
+ - 'Judul: Penangkaran Badak Ditinjau dari Segi Penyakit
467
+
468
+ Abstrak: Perhaps, the Javan Rhino (Rhmocerossondaicus) is the most endangered
469
+ species among large animals in the world. Only two population of ~t are known
470
+ in the world: one in Indonesia and another in l''ietnam. None exists in the zoos.
471
+ The Javan Rh~no''sc aptivityis an alternative conse~vatione ffort to ensure their
472
+ existence In the world. But it is imperative to give a correct immobilization,
473
+ stable preparation such as in the natural forest. and also disease monitoring.
474
+ Medication and preventive medicine for the Javan Rhino are vely important. Some
475
+ diseases which have been encountered in the zoos are a.0.: helminthiasis. endocarditls,
476
+ coliform d~arrheah. epat~tsb iliari. abscesses and slun lacerations can result
477
+ in septicaemia. The sources of diseases In captivity can be some kinds of foods
478
+ and water, animal keepers, equipment, contaminated place, rats and mice, birds
479
+ and insects.
480
+
481
+ Keyword: '
482
+ - source_sentence: 'Judul: Formulasi Surfaktan Metil Ester Sulfonat sebagai Oil Well
483
+ Cleaning
484
+
485
+ Abstrak: Oil productivity reduction may be due to plugging in the oil rock formations.
486
+ The plugging may be caused by the deposition of paraffin, asphaltene, and scale.
487
+ Problem caused by the presence of the precipitate is the rock formation can be
488
+ oil wet so that oil permeability decreases. The problem can be solved by well
489
+ cleaning technique with surfactant formula. Surfactant MES is a type of anionic
490
+ surfactant which has ability to lower the interfcial tension, surface tension,
491
+ and able to change the properties of rock from oil wet to become water wet. Surfactant
492
+ MES formula for well cleaning requires carrier agent. In this study, diesel oil
493
+ and metil ester were used as carrying agent. Aromatic solvents were also needed.
494
+ Xylene and toluene has ability to dissolve asphaltene that deposites in formation.
495
+ Surfaktan formulation for well cleaning was done with several stages, those are
496
+ determine the SMES concentration and aromatic solvents concentration. Surfactant
497
+ performance tests for oil well cleaning were thermal stability, phase behavior,
498
+ and wettability. The surfactant formula which gave the best performance was SMES
499
+ 3% in metil ester carrying agent with xylene 15% as additive.
500
+
501
+ Keyword: methyl sulfonic esters, oil well cleaning, Asphaltene'
502
+ sentences:
503
+ - 'Judul: World Journal of Zoology
504
+
505
+ Abstrak: A study on daily pattern of male western lowland gorilla (Gorilla gorilla
506
+ gorilla, Savage & Wyman 1847) had been done at Schmutzer Primate Center, Taman
507
+ Margasatwa Ragunan Jakarta, Indonesia. The aim of the study was to observe the
508
+ daily activity pattern of adult male gorilla group without any female in captivity
509
+ in order to obtain a condition of preparing incoming female gorillas leading to
510
+ successfull conservation program.
511
+
512
+ Keyword: '
513
+ - 'Judul: Formulasi Surfaktan SMES sebagai Acid Stimulation Agent untuk Aplikasi
514
+ di Lapangan Karbonat OK
515
+
516
+ Abstrak: Methyl Sulfonic Esters (MES) is one type of anionic surfactants which
517
+ have advantages in terms of its hardness, resistance to deterjensi, the character
518
+ of renewable and environmentally friendly. Excess MES this can be utilized as
519
+ stimulation agent in oil wells, so can increase productivity an oil well. Increased
520
+ productivity an oil well done by means of cleaning oil wells and pore a reservoir
521
+ fromsediment of scale formed, enlarging the pores of rocks and can changing the
522
+ nature of rocks being water-wet. This research was carried out to obtain the formula
523
+ of solution of surfactants-based MES that can be applied as acid stimulation agent
524
+ that is one method of IOR. Formula tested is a combination of surfactants sodium
525
+ MES, HCl, and CH3COOH. The formulation is done by determining the optimum concentration
526
+ of surfactant SMES and HCl gradually. The best results obtained from the solution
527
+ of acid stimulation agent was with value of IFT < 10-2 dyne/cm with solubility
528
+ of rock reaches 36%, and was can to change the contact angle of the reservoir
529
+ rocks of the contact angle number 420 became 680 in formula SMES 6% + HCl 7% and
530
+ CH3COOH 2%.
531
+
532
+ Keyword: acid well stimulation, IOR, IFT, Sodium Methyl Sulfonic Esters'
533
+ - 'Judul: Perbandingan metode huffman dan lempel-ziv-welch untuk pemampatan berkas
534
+ teks
535
+
536
+ Abstrak: Pemampatan teks bertujuan untuk mengurangi pengulangan penggunaan simbol
537
+ atau karakter yang menyusun teks dengan cara mengkodekan simbol-simbol atau karakter
538
+ tersebut sehingga kebutuhan ruang penyimpanan dapat dikurangi dan waktu transfer
539
+ data dapat lebih cepat. Proses pemampatan teks dapat dilakukan dengan cara mengkodekan
540
+ segmen-segmen dari teks asli yang kemudian diletakkan dalam kamus. Cara kompresi
541
+ ini dikenal dengan model kamus yang merupakan karakteristik dari metode Lempel-Ziv-Welch.
542
+ Selain itu ada model lain yaitu model statistik yang merupakan karakteristik dari
543
+ metode Huffman. Metode ini mengkodekan simbol-simbol atau karakter dengan bantuan
544
+ binary tree dengan cara menggabungkan dua buah frekuensi kemunculan karakter paling
545
+ kecil hingga terbentuk pohon kode. Penelitian ini bertujuan untuk mempelajari
546
+ metode Huffman dan Lempel-Ziv-Welch (LZW) untuk pemampatan teks dan membandingkan
547
+ hasil pemampatannya. Dalam penelitian ini digunakan program pemampatan teks yang
548
+ merupakan implemetasi dari metode Huffman dan LZW. Berkas yang digunakan adalah:
549
+ 1) berkas berbahasa Indonesia dan Inggris yang berisi kata ulang dan kata acak
550
+ dengan diberikan perlakuan perbandingan huruf, angka, dan tanda baca; 2) berkas
551
+ teks biasa dengan ukuran yang semakin meningkat; dan 3) berkas teks yang berisi
552
+ kata ulang dengan perbandingan tertentu yang semakin meningkat di dalam berkas
553
+ acak. Kinerja pemampatan dinilai berdasarkan kebutuhan ruang penyimpanan, rasio
554
+ pemampatan, waktu proses dan analisis running time program. Metode LZW memberikan
555
+ hasil yang lebih baik dibanding metode Huffman terutama pada berkas teks yang
556
+ berisi pengulangan kata. Rasio pemampatan LZW berkisar antara 30%-95% dengan rata-ratanya
557
+ adalah 62,28%, sedangkan metode Huffman berkisar antara 30%-50% dengan rata-ratanya
558
+ adalah 39,56%. Metode Huffman membutuhkan ruang penyimpanan hasil pemampatan dan
559
+ waktu dua kali lebih besar dibandingkan metode LZW.
560
+
561
+ Keyword: metode huffman, metode lempel-ziv-welch, kompresi data, analisis running
562
+ time program.'
563
+ model-index:
564
+ - name: gte base trained on AllNLI triplets
565
+ results:
566
+ - task:
567
+ type: triplet
568
+ name: Triplet
569
+ dataset:
570
+ name: all nli dev
571
+ type: all-nli-dev
572
+ metrics:
573
+ - type: cosine_accuracy
574
+ value: 1.0
575
+ name: Cosine Accuracy
576
+ - type: dot_accuracy
577
+ value: 0.0
578
+ name: Dot Accuracy
579
+ - type: manhattan_accuracy
580
+ value: 1.0
581
+ name: Manhattan Accuracy
582
+ - type: euclidean_accuracy
583
+ value: 1.0
584
+ name: Euclidean Accuracy
585
+ - type: max_accuracy
586
+ value: 1.0
587
+ name: Max Accuracy
588
+ - task:
589
+ type: triplet
590
+ name: Triplet
591
+ dataset:
592
+ name: all nli test
593
+ type: all-nli-test
594
+ metrics:
595
+ - type: cosine_accuracy
596
+ value: 1.0
597
+ name: Cosine Accuracy
598
+ - type: dot_accuracy
599
+ value: 0.0
600
+ name: Dot Accuracy
601
+ - type: manhattan_accuracy
602
+ value: 1.0
603
+ name: Manhattan Accuracy
604
+ - type: euclidean_accuracy
605
+ value: 1.0
606
+ name: Euclidean Accuracy
607
+ - type: max_accuracy
608
+ value: 1.0
609
+ name: Max Accuracy
610
+ ---
611
+
612
+ # gte base trained on AllNLI triplets
613
+
614
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-base-en-v1.5](https://huggingface.co/Alibaba-NLP/gte-base-en-v1.5). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
615
+
616
+ ## Model Details
617
+
618
+ ### Model Description
619
+ - **Model Type:** Sentence Transformer
620
+ - **Base model:** [Alibaba-NLP/gte-base-en-v1.5](https://huggingface.co/Alibaba-NLP/gte-base-en-v1.5) <!-- at revision a8e4f3e0ee719c75bc30d12b8eae0f8440502718 -->
621
+ - **Maximum Sequence Length:** 8192 tokens
622
+ - **Output Dimensionality:** 768 tokens
623
+ - **Similarity Function:** Cosine Similarity
624
+ <!-- - **Training Dataset:** Unknown -->
625
+ - **Language:** en
626
+ - **License:** apache-2.0
627
+
628
+ ### Model Sources
629
+
630
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
631
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
632
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
633
+
634
+ ### Full Model Architecture
635
+
636
+ ```
637
+ SentenceTransformer(
638
+ (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel
639
+ (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
640
+ )
641
+ ```
642
+
643
+ ## Usage
644
+
645
+ ### Direct Usage (Sentence Transformers)
646
+
647
+ First install the Sentence Transformers library:
648
+
649
+ ```bash
650
+ pip install -U sentence-transformers
651
+ ```
652
+
653
+ Then you can load this model and run inference.
654
+ ```python
655
+ from sentence_transformers import SentenceTransformer
656
+
657
+ # Download from the 🤗 Hub
658
+ model = SentenceTransformer("sentence_transformers_model_id")
659
+ # Run inference
660
+ sentences = [
661
+ 'Judul: Formulasi Surfaktan Metil Ester Sulfonat sebagai Oil Well Cleaning\nAbstrak: Oil productivity reduction may be due to plugging in the oil rock formations. The plugging may be caused by the deposition of paraffin, asphaltene, and scale. Problem caused by the presence of the precipitate is the rock formation can be oil wet so that oil permeability decreases. The problem can be solved by well cleaning technique with surfactant formula. Surfactant MES is a type of anionic surfactant which has ability to lower the interfcial tension, surface tension, and able to change the properties of rock from oil wet to become water wet. Surfactant MES formula for well cleaning requires carrier agent. In this study, diesel oil and metil ester were used as carrying agent. Aromatic solvents were also needed. Xylene and toluene has ability to dissolve asphaltene that deposites in formation. Surfaktan formulation for well cleaning was done with several stages, those are determine the SMES concentration and aromatic solvents concentration. Surfactant performance tests for oil well cleaning were thermal stability, phase behavior, and wettability. The surfactant formula which gave the best performance was SMES 3% in metil ester carrying agent with xylene 15% as additive.\nKeyword: methyl sulfonic esters, oil well cleaning, Asphaltene',
662
+ 'Judul: Formulasi Surfaktan SMES sebagai Acid Stimulation Agent untuk Aplikasi di Lapangan Karbonat OK\nAbstrak: Methyl Sulfonic Esters (MES) is one type of anionic surfactants which have advantages in terms of its hardness, resistance to deterjensi, the character of renewable and environmentally friendly. Excess MES this can be utilized as stimulation agent in oil wells, so can increase productivity an oil well. Increased productivity an oil well done by means of cleaning oil wells and pore a reservoir fromsediment of scale formed, enlarging the pores of rocks and can changing the nature of rocks being water-wet. This research was carried out to obtain the formula of solution of surfactants-based MES that can be applied as acid stimulation agent that is one method of IOR. Formula tested is a combination of surfactants sodium MES, HCl, and CH3COOH. The formulation is done by determining the optimum concentration of surfactant SMES and HCl gradually. The best results obtained from the solution of acid stimulation agent was with value of IFT < 10-2 dyne/cm with solubility of rock reaches 36%, and was can to change the contact angle of the reservoir rocks of the contact angle number 420 became 680 in formula SMES 6% + HCl 7% and CH3COOH 2%.\nKeyword: acid well stimulation, IOR, IFT, Sodium Methyl Sulfonic Esters',
663
+ 'Judul: World Journal of Zoology\nAbstrak: A study on daily pattern of male western lowland gorilla (Gorilla gorilla gorilla, Savage & Wyman 1847) had been done at Schmutzer Primate Center, Taman Margasatwa Ragunan Jakarta, Indonesia. The aim of the study was to observe the daily activity pattern of adult male gorilla group without any female in captivity in order to obtain a condition of preparing incoming female gorillas leading to successfull conservation program.\nKeyword: ',
664
+ ]
665
+ embeddings = model.encode(sentences)
666
+ print(embeddings.shape)
667
+ # [3, 768]
668
+
669
+ # Get the similarity scores for the embeddings
670
+ similarities = model.similarity(embeddings, embeddings)
671
+ print(similarities.shape)
672
+ # [3, 3]
673
+ ```
674
+
675
+ <!--
676
+ ### Direct Usage (Transformers)
677
+
678
+ <details><summary>Click to see the direct usage in Transformers</summary>
679
+
680
+ </details>
681
+ -->
682
+
683
+ <!--
684
+ ### Downstream Usage (Sentence Transformers)
685
+
686
+ You can finetune this model on your own dataset.
687
+
688
+ <details><summary>Click to expand</summary>
689
+
690
+ </details>
691
+ -->
692
+
693
+ <!--
694
+ ### Out-of-Scope Use
695
+
696
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
697
+ -->
698
+
699
+ ## Evaluation
700
+
701
+ ### Metrics
702
+
703
+ #### Triplet
704
+ * Dataset: `all-nli-dev`
705
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
706
+
707
+ | Metric | Value |
708
+ |:-------------------|:--------|
709
+ | cosine_accuracy | 1.0 |
710
+ | dot_accuracy | 0.0 |
711
+ | manhattan_accuracy | 1.0 |
712
+ | euclidean_accuracy | 1.0 |
713
+ | **max_accuracy** | **1.0** |
714
+
715
+ #### Triplet
716
+ * Dataset: `all-nli-test`
717
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
718
+
719
+ | Metric | Value |
720
+ |:-------------------|:--------|
721
+ | cosine_accuracy | 1.0 |
722
+ | dot_accuracy | 0.0 |
723
+ | manhattan_accuracy | 1.0 |
724
+ | euclidean_accuracy | 1.0 |
725
+ | **max_accuracy** | **1.0** |
726
+
727
+ <!--
728
+ ## Bias, Risks and Limitations
729
+
730
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
731
+ -->
732
+
733
+ <!--
734
+ ### Recommendations
735
+
736
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
737
+ -->
738
+
739
+ ## Training Details
740
+
741
+ ### Training Hyperparameters
742
+ #### Non-Default Hyperparameters
743
+
744
+ - `eval_strategy`: steps
745
+ - `gradient_accumulation_steps`: 2
746
+ - `num_train_epochs`: 1
747
+ - `warmup_ratio`: 0.1
748
+ - `bf16`: True
749
+ - `batch_sampler`: no_duplicates
750
+
751
+ #### All Hyperparameters
752
+ <details><summary>Click to expand</summary>
753
+
754
+ - `overwrite_output_dir`: False
755
+ - `do_predict`: False
756
+ - `eval_strategy`: steps
757
+ - `prediction_loss_only`: True
758
+ - `per_device_train_batch_size`: 8
759
+ - `per_device_eval_batch_size`: 8
760
+ - `per_gpu_train_batch_size`: None
761
+ - `per_gpu_eval_batch_size`: None
762
+ - `gradient_accumulation_steps`: 2
763
+ - `eval_accumulation_steps`: None
764
+ - `torch_empty_cache_steps`: None
765
+ - `learning_rate`: 5e-05
766
+ - `weight_decay`: 0.0
767
+ - `adam_beta1`: 0.9
768
+ - `adam_beta2`: 0.999
769
+ - `adam_epsilon`: 1e-08
770
+ - `max_grad_norm`: 1.0
771
+ - `num_train_epochs`: 1
772
+ - `max_steps`: -1
773
+ - `lr_scheduler_type`: linear
774
+ - `lr_scheduler_kwargs`: {}
775
+ - `warmup_ratio`: 0.1
776
+ - `warmup_steps`: 0
777
+ - `log_level`: passive
778
+ - `log_level_replica`: warning
779
+ - `log_on_each_node`: True
780
+ - `logging_nan_inf_filter`: True
781
+ - `save_safetensors`: True
782
+ - `save_on_each_node`: False
783
+ - `save_only_model`: False
784
+ - `restore_callback_states_from_checkpoint`: False
785
+ - `no_cuda`: False
786
+ - `use_cpu`: False
787
+ - `use_mps_device`: False
788
+ - `seed`: 42
789
+ - `data_seed`: None
790
+ - `jit_mode_eval`: False
791
+ - `use_ipex`: False
792
+ - `bf16`: True
793
+ - `fp16`: False
794
+ - `fp16_opt_level`: O1
795
+ - `half_precision_backend`: auto
796
+ - `bf16_full_eval`: False
797
+ - `fp16_full_eval`: False
798
+ - `tf32`: None
799
+ - `local_rank`: 0
800
+ - `ddp_backend`: None
801
+ - `tpu_num_cores`: None
802
+ - `tpu_metrics_debug`: False
803
+ - `debug`: []
804
+ - `dataloader_drop_last`: False
805
+ - `dataloader_num_workers`: 0
806
+ - `dataloader_prefetch_factor`: None
807
+ - `past_index`: -1
808
+ - `disable_tqdm`: False
809
+ - `remove_unused_columns`: True
810
+ - `label_names`: None
811
+ - `load_best_model_at_end`: False
812
+ - `ignore_data_skip`: False
813
+ - `fsdp`: []
814
+ - `fsdp_min_num_params`: 0
815
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
816
+ - `fsdp_transformer_layer_cls_to_wrap`: None
817
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
818
+ - `deepspeed`: None
819
+ - `label_smoothing_factor`: 0.0
820
+ - `optim`: adamw_torch
821
+ - `optim_args`: None
822
+ - `adafactor`: False
823
+ - `group_by_length`: False
824
+ - `length_column_name`: length
825
+ - `ddp_find_unused_parameters`: None
826
+ - `ddp_bucket_cap_mb`: None
827
+ - `ddp_broadcast_buffers`: False
828
+ - `dataloader_pin_memory`: True
829
+ - `dataloader_persistent_workers`: False
830
+ - `skip_memory_metrics`: True
831
+ - `use_legacy_prediction_loop`: False
832
+ - `push_to_hub`: False
833
+ - `resume_from_checkpoint`: None
834
+ - `hub_model_id`: None
835
+ - `hub_strategy`: every_save
836
+ - `hub_private_repo`: False
837
+ - `hub_always_push`: False
838
+ - `gradient_checkpointing`: False
839
+ - `gradient_checkpointing_kwargs`: None
840
+ - `include_inputs_for_metrics`: False
841
+ - `eval_do_concat_batches`: True
842
+ - `fp16_backend`: auto
843
+ - `push_to_hub_model_id`: None
844
+ - `push_to_hub_organization`: None
845
+ - `mp_parameters`:
846
+ - `auto_find_batch_size`: False
847
+ - `full_determinism`: False
848
+ - `torchdynamo`: None
849
+ - `ray_scope`: last
850
+ - `ddp_timeout`: 1800
851
+ - `torch_compile`: False
852
+ - `torch_compile_backend`: None
853
+ - `torch_compile_mode`: None
854
+ - `dispatch_batches`: None
855
+ - `split_batches`: None
856
+ - `include_tokens_per_second`: False
857
+ - `include_num_input_tokens_seen`: False
858
+ - `neftune_noise_alpha`: None
859
+ - `optim_target_modules`: None
860
+ - `batch_eval_metrics`: False
861
+ - `eval_on_start`: False
862
+ - `eval_use_gather_object`: False
863
+ - `batch_sampler`: no_duplicates
864
+ - `multi_dataset_batch_sampler`: proportional
865
+
866
+ </details>
867
+
868
+ ### Training Logs
869
+ | Epoch | Step | Training Loss | loss | all-nli-dev_max_accuracy | all-nli-test_max_accuracy |
870
+ |:------:|:-----:|:-------------:|:------:|:------------------------:|:-------------------------:|
871
+ | 0 | 0 | - | - | 0.9998 | - |
872
+ | 0.0772 | 2000 | 0.0402 | 0.0164 | 1.0 | - |
873
+ | 0.1544 | 4000 | 0.0213 | 0.0135 | 1.0 | - |
874
+ | 0.2316 | 6000 | 0.0182 | 0.0115 | 1.0 | - |
875
+ | 0.3088 | 8000 | 0.015 | 0.0106 | 1.0 | - |
876
+ | 0.3860 | 10000 | 0.014 | 0.0094 | 1.0 | - |
877
+ | 0.4632 | 12000 | 0.0116 | 0.0085 | 1.0 | - |
878
+ | 0.5404 | 14000 | 0.0097 | 0.0072 | 1.0 | - |
879
+ | 0.6176 | 16000 | 0.0083 | 0.0056 | 1.0 | - |
880
+ | 0.6948 | 18000 | 0.0071 | 0.0050 | 1.0 | - |
881
+ | 0.7720 | 20000 | 0.0066 | 0.0046 | 1.0 | - |
882
+ | 0.8492 | 22000 | 0.0051 | 0.0034 | 1.0 | - |
883
+ | 0.9264 | 24000 | 0.0047 | 0.0031 | 1.0 | - |
884
+ | 1.0000 | 25907 | - | - | - | 1.0 |
885
+
886
+
887
+ ### Framework Versions
888
+ - Python: 3.11.9
889
+ - Sentence Transformers: 3.1.0
890
+ - Transformers: 4.44.2
891
+ - PyTorch: 2.4.1+cu121
892
+ - Accelerate: 0.34.2
893
+ - Datasets: 3.0.0
894
+ - Tokenizers: 0.19.1
895
+
896
+ ## Citation
897
+
898
+ ### BibTeX
899
+
900
+ #### Sentence Transformers
901
+ ```bibtex
902
+ @inproceedings{reimers-2019-sentence-bert,
903
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
904
+ author = "Reimers, Nils and Gurevych, Iryna",
905
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
906
+ month = "11",
907
+ year = "2019",
908
+ publisher = "Association for Computational Linguistics",
909
+ url = "https://arxiv.org/abs/1908.10084",
910
+ }
911
+ ```
912
+
913
+ #### MultipleNegativesRankingLoss
914
+ ```bibtex
915
+ @misc{henderson2017efficient,
916
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
917
+ author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
918
+ year={2017},
919
+ eprint={1705.00652},
920
+ archivePrefix={arXiv},
921
+ primaryClass={cs.CL}
922
+ }
923
+ ```
924
+
925
+ <!--
926
+ ## Glossary
927
+
928
+ *Clearly define terms in order to be accessible across audiences.*
929
+ -->
930
+
931
+ <!--
932
+ ## Model Card Authors
933
+
934
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
935
+ -->
936
+
937
+ <!--
938
+ ## Model Card Contact
939
+
940
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
941
+ -->
config.json ADDED
@@ -0,0 +1,44 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "Alibaba-NLP/gte-base-en-v1.5",
3
+ "architectures": [
4
+ "NewModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "auto_map": {
8
+ "AutoConfig": "Alibaba-NLP/new-impl--configuration.NewConfig",
9
+ "AutoModel": "Alibaba-NLP/new-impl--modeling.NewModel",
10
+ "AutoModelForMaskedLM": "Alibaba-NLP/new-impl--modeling.NewForMaskedLM",
11
+ "AutoModelForMultipleChoice": "Alibaba-NLP/new-impl--modeling.NewForMultipleChoice",
12
+ "AutoModelForQuestionAnswering": "Alibaba-NLP/new-impl--modeling.NewForQuestionAnswering",
13
+ "AutoModelForSequenceClassification": "Alibaba-NLP/new-impl--modeling.NewForSequenceClassification",
14
+ "AutoModelForTokenClassification": "Alibaba-NLP/new-impl--modeling.NewForTokenClassification"
15
+ },
16
+ "classifier_dropout": null,
17
+ "hidden_act": "gelu",
18
+ "hidden_dropout_prob": 0.1,
19
+ "hidden_size": 768,
20
+ "initializer_range": 0.02,
21
+ "intermediate_size": 3072,
22
+ "layer_norm_eps": 1e-12,
23
+ "layer_norm_type": "layer_norm",
24
+ "logn_attention_clip1": false,
25
+ "logn_attention_scale": false,
26
+ "max_position_embeddings": 8192,
27
+ "model_type": "new",
28
+ "num_attention_heads": 12,
29
+ "num_hidden_layers": 12,
30
+ "pack_qkv": true,
31
+ "pad_token_id": 0,
32
+ "position_embedding_type": "rope",
33
+ "rope_scaling": {
34
+ "factor": 2.0,
35
+ "type": "ntk"
36
+ },
37
+ "rope_theta": 500000,
38
+ "torch_dtype": "float32",
39
+ "transformers_version": "4.44.2",
40
+ "type_vocab_size": 0,
41
+ "unpad_inputs": false,
42
+ "use_memory_efficient_attention": false,
43
+ "vocab_size": 30528
44
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.1.0",
4
+ "transformers": "4.44.2",
5
+ "pytorch": "2.4.1+cu121"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": null
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:aabaa59ff4a272f40ed54674dd6bb4b0ba4fcbbcc6b28dec47f835b81469b77a
3
+ size 547119128
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 8192,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "mask_token": {
10
+ "content": "[MASK]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "[PAD]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "sep_token": {
24
+ "content": "[SEP]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "[UNK]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,62 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[PAD]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "100": {
12
+ "content": "[UNK]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "101": {
20
+ "content": "[CLS]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "102": {
28
+ "content": "[SEP]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "103": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": true,
45
+ "cls_token": "[CLS]",
46
+ "do_lower_case": true,
47
+ "mask_token": "[MASK]",
48
+ "max_length": 512,
49
+ "model_max_length": 8192,
50
+ "pad_to_multiple_of": null,
51
+ "pad_token": "[PAD]",
52
+ "pad_token_type_id": 0,
53
+ "padding_side": "right",
54
+ "sep_token": "[SEP]",
55
+ "stride": 0,
56
+ "strip_accents": null,
57
+ "tokenize_chinese_chars": true,
58
+ "tokenizer_class": "BertTokenizer",
59
+ "truncation_side": "right",
60
+ "truncation_strategy": "longest_first",
61
+ "unk_token": "[UNK]"
62
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff