feat(latex): add paper summary appendix

latex/appendix/important/van2020.tex

@@ -1,68 +1,18 @@
-1 
-            
-%for mult rows
-
-& 
-Statistical Feature Extraction in Machine Fault Detection using Vibration Signal (\href{https://doi.org/10.1109/ICTC49870.2020.9289285}{10.1109/ICTC49870.
-2020.9289285})
-%for mult rows
-
-% &
-% Donghui Xu; Xiang Xu; Michael C. Forde; Antonio Caballero
-
-%for mult rows
-
-% &
-% Construction and Building Materials
-
-% %for mult rows
-
-% &
-% \href{https://doi.org/10.1016/j.conbuildmat.2023.132596}{ScienceDirect}
-
-% %for mult rows
-
-% &
-% 2023
-
-% %for mult rows
-
-&
-\begin{enumerate}[series=enum]
-    \item Menginvestigasi cara mengklasifikasi kondisi \textit{gearbox} normal dan rusak menggunakan sinyal getaran berbasis pada kombinasi antara analisis statistik dan FFT dengan algoritma pembelajaran mesin (ANN, Logistic Regression, dan SVM)
-    
-    \item Mengurangi waktu latih dan kompleksitas kalkulasi dengan analisis statistik sebagai input data meliputi sembilan fitur: mean, median, min, max, kurtosis, \textit{skewness}, \textit{standard deviation}, and \textit{range}.
-\end{enumerate}
-
-&
-\begin{enumerate}[series=enum2]
-    \item Nilai \textit{maximum} dan kurtosis adalah fitur yang paling signifikan untuk mengklasifikasi kelas label pembelajaran mesin.
-
-    \item ANN meraih akurasi 100\% pada input FFT penuh dan analisis statistik, sedangkan Regresi Logistik (LR) dan SVM meraih akurasi 100\% dengan input FFT penuh namun hanya mendapat akurasi 91\% dengan input analisis statistik
-\end{enumerate}
-
+% No.  
+\thecustomcounter
+& % Judul
+Statistical Feature Extraction in Machine Fault Detection Using Vibration Signal
 &
+B. Van, et al (2020)
+& % Konteks paper
 \begin{enumerate}
-    \item Lorem
-    \item Ipsum
+    \item Deteksi kerusakan \textit{gearbox} menggunakan sinyal getaran
+    \item Ekstraksi fitur statistik dari hasil FFT
+    \item Klasifikasi menggunakan ANN, LR, dan SVM
+\end{enumerate}
+& % Gap research
+\begin{enumerate}
+    \item Fokus pada struktur sipil dengan sambungan multi-joint
+    \item Gunakan STFT untuk representasi waktu–frekuensi
+    \item Evaluasi SVM-RBF dengan optimasi hyperparameter
 \end{enumerate}
-
-%-------------page break----------------
-% \\
-% &
-% &
-% &
-% &
-% &
-% &
-% &
-% \begin{enumerate}[resume=enum]
-%     \item Menyajikan berbagai perkembangan penelitian, mendiskusikan dan membandingkannya kelebihan dan kekurangannya
-%     \item Meringkas kesesuaian berbagai metode pembelajaran mesin untuk masalah SHM yang berbeda
-%     \item Terakhir, tren masa depan
-% \end{enumerate}
-% &
-% \begin{enumerate}[resume=enum2]
-%     \item SVM dan hutan acak kurang mendapat perhatian dibandingkan dengan jaringan saraf. Ini digunakan untuk klasifikasi kerusakan. Namun, pemrosesan awal data jauh lebih rumit.
-
-% \end{enumerate}