nuluh/thesis
1
0
Fork 0
Code Issues 47 Pull Requests Actions Packages Projects Releases 1 Wiki Activity

feat(latex): add paper summary appendix

Browse Source
This commit is contained in:
Rifqi D. Panuluh
2025-10-14 11:47:14 +00:00
parent d5bf0c6fc9
commit 76969f9311
20 changed files with 371 additions and 536 deletions
Download Patch File Download Diff File Expand all files Collapse all files

59
latex/appendix/important/abdeljaber2017.tex
View File

@@ -1,41 +1,18 @@
2 %Nomor % No.
\thecustomcounter
%for mult rows & % Judul
Real-Time Vibration-Based Structural Damage Detection Using One-Dimensional Convolutional Neural Networks
& %Judul Jurnal &
Real-time vibration-based structural damage detection using one-dimensional convolutional neural networks \href{https://doi.org/10.1016/j.jsv.2016.10.043}{10.1016/j.jsv. O. Abdeljaber, et al (2017)
2016.10.043} & % Konteks paper
\begin{enumerate}
%for mult rows \item Data percepatan dari 30 sensor akselerometer
\item Menghasilkan 30 model CNN terpisah
% & %Author \item Deteksi kerusakan struktur grid menggunakan 1D-CNN dengan raw data
% % Satish B Satpal; Yogesh Khandare; Anirban Guha; Sauvik Banerjee \end{enumerate}
& % Gap research
% %for mult rows \begin{enumerate}
\item Data percepatan hanya dari 5 sensor ujung-ujung
% & %Nama Jurnal \item 2 model SVM untuk deteksi multi-lokasi
% International Journal of Advanced Structural Engineering (IJASE) \item SVM + STFT dengan PCA untuk pendekatan ringan dan cepat
\end{enumerate}
% %for mult rows
% & %Sumber
% \href{http://dx.doi.org/10.1186/2008-6695-5-2}{ResearchGate}
% %for mult rows
% & %Tahun
% 2020
% %for mult rows
& %Tujuan penelitian
Mengidentifikasi lokasi kerusakan struktur secara \textit{real-time} dengan memproses sinyal getaran mentah yang diambil dari jaringan-jaringan akselerometer pada setiap titik tanpa proses tambahan atau ekstraksi fitur.
& %Kesimpulan
% Studi ini menilai kemampuan mesin vektor pendukung untuk memprediksi intensitas kerusakan dan lokasi pada balok kantilever. Meskipun berhasil memprediksi kerusakan dengan sedikit kesalahan, tingkat kebisingan dan lokasi kerusakan memengaruhi keakuratan. Tingkat kebisingan yang tinggi mempengaruhi kinerja secara signifikan, terutama pada intensitas kerusakan yang lebih rendah.
& % Gap Research
\begin{enumerate}
\item Riset ini hanya dilakukan dengan \textit{full-grid array} akselerometer yang diletakkan pada setiap \textit{node} kerusakan, sehingga memerlukan banyak perangkat akselerometer.
\item Tidak ada komparasi performa efisiensi dan akurasi dengan algoritma pembelajaran mesin lain yang lebih populer sebelumnya.
\end{enumerate}

18
latex/appendix/important/diao2023.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Structural Damage Identification Based on Variational Mode Decomposition–Hilbert Transform and CNN
&
Y. Diao, et al (2023)
& % Konteks paper
\begin{enumerate}
\item Deteksi kerusakan menggunakan kombinasi VMD dan Hilbert Transform
\item Fitur hasil ekstraksi digunakan untuk CNN
\item Tujuan: efisiensi tinggi dan akurasi deteksi kerusakan
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Gunakan STFT sebagai alternatif VMD-HT
\item Fokus pada sensor terbatas dan model ringan
\item Kombinasi PCA dan SVM untuk efisiensi training
\end{enumerate}

18
latex/appendix/important/eraliev2022.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Vibration-Based Loosening Detection of a Multi-Bolt Structure Using Machine Learning Algorithms
&
O. Eraliev, et al (2022)
& % Konteks paper
\begin{enumerate}
\item Deteksi kelonggaran baut pada motor multi-baut
\item Data getaran pada berbagai kondisi operasi (800–1200 rpm)
\item Ekstraksi fitur menggunakan STFT
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Deteksi kerusakan pada struktur grid, bukan motor
\item Dataset dengan skenario multi-lokasi (joint)
\item Optimasi STFT dan reduksi dimensi PCA untuk efisiensi komputasi
\end{enumerate}

18
latex/appendix/important/gui2017.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Data-Driven Support Vector Machine with Optimization Techniques for Structural Health Monitoring and Damage Detection
&
G. Gui, et al (2017)
& % Konteks paper
\begin{enumerate}
\item Deteksi kerusakan struktur sipil berskala besar
\item Optimasi SVM menggunakan \textit{grid-search}, PSO, dan GA
\item Fitur diperoleh dari model autoregresif (AR)
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Optimasi multi-objektif akurasi vs efisiensi komputasi
\item Fitur berbasis domain waktu-frekuensi (STFT + PCA)
\item SVM-RBF dengan parameter dioptimasi melalui grid-search halus
\end{enumerate}

18
latex/appendix/important/jang2023.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Vibration Data Feature Extraction and Deep Learning-Based Preprocessing Method for Highly Accurate Motor Fault Diagnosis
&
J. G. Jang, et al (2023)
& % Konteks paper
\begin{enumerate}
\item Diagnosis kegagalan motor listrik berbasis getaran
\item Preprocessing menggunakan \textit{denoising autoencoder}
\item Klasifikasi dengan \textit{one-class SVM}
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Fokus pada sistem SHM struktural, bukan mesin berputar
\item Menggunakan PCA sebagai denoising
\item Klasifikasi multi-class SVM dalam kondisi sensor terbatas
\end{enumerate}

18
latex/appendix/important/jhpark2015.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Image-based Bolt-loosening Detection Technique of Bolt Joint in Steel Bridges %2
&
J. H. Park, et al (2015)
& % Konteks paper
\begin{enumerate} %7
\item Deteksi rotasi baut-baut yang longgar pada joint jembatan baja
\item Data citra digital (\textit{computer vision})
\item Ekstraksi fitur dengan Hough transform
\end{enumerate}
& % Gap research yang akan dilakukan berdasarkan konteks tujuan dan kesimpulan penelitian yang di "mention" di atas
\begin{enumerate}
\item Inspeksi anomali/kerusakan joint % <- mentioning: Deteksi rotasi baut yang longgar pada jembatan baja
\item Data \textit{vibration-based} % <- mentioning: citra digital
\item Ekstraksi fitur dengan STFT % <- mentioning: Ekstraksi fitur dengan Hough transform
\end{enumerate}

18
latex/appendix/important/katam2025.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Machine Learning-Driven Structural Health Monitoring: STFT-based Feature Extraction for Damage Detection
&
R. Katam, et al (2025)
& % Konteks paper
\begin{enumerate}
\item Deteksi kerusakan pada balok kantilever skala kecil
\item Data getaran dianalisis dengan FFT dan STFT
\item Reduksi dimensi menggunakan \textit{autoencoder}, klasifikasi SVM
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Aplikasi pada struktur grid dengan banyak sambungan
\item Reduksi dimensi menggunakan PCA, bukan \textit{autoencoder}
\item Evaluasi efisiensi STFT + SVM untuk sensor terbatas
\end{enumerate}

18
latex/appendix/important/liu2022.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Hardware Acceleration for 1D-CNN Based Real-Time Edge Computing
&
X. Liu, et al (2022)
& % Konteks paper
\begin{enumerate}
\item Akselerasi perangkat keras untuk CNN 1D di sistem \textit{edge computing}
\item Fokus pada pemrosesan data getaran real-time
\item Optimasi performa model melalui paralelisasi
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Pengurangan kebutuhan komputasi melalui metode klasik
\item Fokus pada optimasi perangkat lunak (SVM-RBF + PCA)
\item Desain sistem efisien tanpa akselerator khusus
\end{enumerate}

18
latex/appendix/important/pham2020.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Bolt-Loosening Monitoring Framework Using an Image-Based Deep Learning and Graphical Model
&
H. C. Pham, et al (2020)
& % Konteks paper
\begin{enumerate}
\item Deteksi kelonggaran baut menggunakan model grafis dan citra sintetis
\item Pelatihan model \textit{deep learning} dengan data sintetik
\item Aplikasi pada jembatan baja berskala penuh
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Penggunaan sinyal getaran untuk pengujian realistik
\item Fokus pada deteksi multi-lokasi menggunakan data fisik
\item Model efisien tanpa kebutuhan data citra besar
\end{enumerate}

18
latex/appendix/important/shahid2022.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Performance Comparison of 1D and 2D Convolutional Neural Networks for Real-Time Classification of Time Series Sensor Data
&
S. M. Shahid, et al (2022)
& % Konteks paper
\begin{enumerate}
\item Perbandingan arsitektur 1D dan 2D CNN untuk klasifikasi data sensor
\item Fokus pada kecepatan inferensi dan akurasi real-time
\item Data getaran multi-kanal sebagai input
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Substitusi CNN dengan SVM untuk efisiensi komputasi
\item Integrasi STFT sebagai fitur domain waktu–frekuensi
\item Evaluasi trade-off akurasi vs waktu latih
\end{enumerate}

80
latex/appendix/important/van2020.tex
View File

@@ -1,68 +1,18 @@
1 % No.
\thecustomcounter
%for mult rows & % Judul
Statistical Feature Extraction in Machine Fault Detection Using Vibration Signal
&
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}
& &
B. Van, et al (2020)
& % Konteks paper
\begin{enumerate} \begin{enumerate}
\item Lorem \item Deteksi kerusakan \textit{gearbox} menggunakan sinyal getaran
\item Ipsum \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} \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}

18
latex/appendix/important/wang2013.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Review of Bolted Connection Monitoring
&
T. Wang, et al (2013)
& % Konteks paper
\begin{enumerate}
\item Tinjauan metode pemantauan sambungan baut
\item Teknik akustoelastik dan piezoelektrik untuk mendeteksi kelonggaran
\item Fokus pada metode non-destruktif berbasis sensor aktif
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Perluasan ke deteksi anomali berbasis getaran
\item Penggunaan sensor pasif untuk efisiensi sistem
\item Implementasi pembelajaran mesin untuk klasifikasi kerusakan
\end{enumerate}

18
latex/appendix/important/yang2020.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Data-Driven Feature Extraction for Analog Circuit Fault Diagnosis Using 1-D CNN
&
H. Yang, et al (2020)
& % Konteks paper
\begin{enumerate}
\item Ekstraksi fitur otomatis menggunakan CNN 1D
\item Data sinyal dari sirkuit analog untuk diagnosis kerusakan
\item Model berbasis \textit{data-driven feature learning}
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Gunakan fitur terinterpretable (STFT) untuk deteksi kerusakan struktural
\item Pendekatan berbasis \textit{feature engineering}, bukan \textit{feature learning}
\item Optimasi model klasik (SVM) untuk efisiensi dan akurasi tinggi
\end{enumerate}

18
latex/appendix/important/zhang2020.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Autonomous Bolt Loosening Detection Using Deep Learning
&
Y. Zhang, et al (2020)
& % Konteks paper
\begin{enumerate}
\item Deteksi kelonggaran baut menggunakan citra dan \textit{Faster R-CNN}
\item Dataset gambar dengan dua kondisi (kencang vs longgar)
\item Validasi deteksi real-time berbasis kamera
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Pendekatan berbasis sinyal getaran, bukan citra
\item Deteksi multi-lokasi pada struktur kompleks
\item Integrasi STFT + PCA + SVM untuk efisiensi komputasi
\end{enumerate}

18
latex/appendix/important/zhao2019.tex Normal file
View File

@@ -0,0 +1,18 @@
% No.
\thecustomcounter
& % Judul
Bolt Loosening Angle Detection Technology Using Deep Learning
&
X. Zhao, et al (2019)
& % Konteks paper
\begin{enumerate}
\item Deteksi sudut rotasi kepala baut menggunakan \textit{deep learning}
\item Sistem berbasis \textit{convolutional neural network} (CNN)
\item Mengandalkan data visual dari orientasi baut
\end{enumerate}
& % Gap research
\begin{enumerate}
\item Beralih ke data getaran untuk menghindari keterbatasan visual
\item Deteksi kelonggaran multi-sambungan dengan sinyal percepatan
\item Penggunaan fitur waktu–frekuensi (STFT) untuk klasifikasi SVM
\end{enumerate}

479
latex/appendix/summary_related_paper.tex
View File

@@ -1,54 +1,18 @@
\documentclass[12pt,a4paper]{report} \begin{rlandscape}
\usepackage{hyperref} \begin{customcounterenv}
\usepackage[top=1cm,right=3cm,bottom=1cm,left=3cm]{geometry}
\usepackage{multirow}
\usepackage{array}
% \usepackage{makecell}
\usepackage{pdflscape}
\usepackage{longtable,booktabs}
\usepackage{colortbl,xcolor}
\usepackage{enumitem}
\usepackage{pdfpages}
\usepackage{caption}
\usepackage[bahasa]{babel}
\usepackage{xpatch,csquotes}
\usepackage[backend=biber]{biblatex}
\addbibresource{export.bib}
\DeclareSourcemap{
\maps[datatype = bibtex]{
\map{
\step[fieldsource = abstract,
match = \regexp{([^\\])\%},
replace = \regexp{\$1\\\%}]
}
}
}
% \usepackage{tablefootnote}
% \usepackage{showframe}
\definecolor{Gray}{gray}{0.95}
\newcolumntype{a}{>{\columncolor{Gray}}p}
\renewcommand{\thefootnote}{\textit{\alph{footnote}}}
% \newcolumntype{b}{>{\raggedright\arraybackslash}p}
\title{Tugas 2 \\ Metode Penelitian}
\author{Rifqi Damar Panuluh \\ 20210110224}
\begin{document}
\maketitle
\begin{landscape}
% Table generated by Excel2LaTeX from sheet 'Sheet1' % Table generated by Excel2LaTeX from sheet 'Sheet1'
% \begin{table}[h] % \begin{table}[h]
\centering \centering
\begin{longtable}{ \begin{longtable}{
>{\raggedleft\arraybackslash}p{0.02\linewidth} %1 >{\raggedleft\arraybackslash}p{0.02\linewidth} %1
>{\raggedright\arraybackslash}a{0.1\linewidth} %2 >{\raggedright\arraybackslash}a{0.2\linewidth} %2
% >{\raggedright\arraybackslash}p{0.1\linewidth} %3 % >{\raggedright\arraybackslash}p{0.1\linewidth} %3
% >{\raggedright\arraybackslash}a{0.075\linewidth} %4 % >{\raggedright\arraybackslash}a{0.075\linewidth} %4
% p{0.065\linewidth} %5 % p{0.065\linewidth} %5
% >{\raggedleft\arraybackslash}p{0.05\linewidth} %6 % >{\raggedleft\arraybackslash}p{0.05\linewidth} %6
>{\raggedright\arraybackslash}p{0.25\linewidth} %7 >{\raggedright\arraybackslash}p{0.1\linewidth} %7
>{\raggedright\arraybackslash}a{0.25\linewidth} %8 >{\raggedright\arraybackslash}a{0.275\linewidth} %8
>{\raggedright\arraybackslash}p{0.25\linewidth} %9 >{\raggedright\arraybackslash}p{0.275\linewidth} %9
} }
\caption{Tinjauan pustaka, topik: pemanfaatan data getaran untuk monitor kesehatan struktur jembatan} \caption{Tinjauan pustaka, topik: pemanfaatan data getaran untuk monitor kesehatan struktur jembatan}
@@ -60,20 +24,12 @@
No. %1 No. %1
& &
Judul %2 Judul %2
% &
% Nama Penulis %3
% &
% Nama Jurnal %4
% &
% Sumber %5
% &
% Tahun %6
& &
Tujuan Penelitian %7 Author
& &
Kesimpulan %8 Konteks Penelitian %7
& &
Gap Research %9 Konteks Penelitian yang akan dilakukan %8
\\\midrule \\\midrule
\endfirsthead \endfirsthead
@@ -82,399 +38,69 @@
No. %1 No. %1
& &
Judul %2 Judul %2
% &
% Nama Penulis %3
% &
% Nama Jurnal %4
% &
% Sumber %5
% &
% Tahun %6
& &
Tujuan Penelitian %7 Author
& &
Kesimpulan %8 Konteks Penelitian %7
&
Konteks Penelitian yang akan dilakukan %8
\\\midrule \\\midrule
\endhead \endhead
\midrule \midrule
\multicolumn{4}{r}{\textit{berlanjut di halaman berikutnya}} \multicolumn{5}{r}{\textit{berlanjut di halaman berikutnya}}
\endfoot \endfoot
\bottomrule \bottomrule
\bottomrule \bottomrule
\endlastfoot \endlastfoot
% %-------------page break----------------
\input{appendix/important/jhpark2015.tex}
\\
%-----1 %-----1
\input{important/van2020} \input{appendix/important/van2020}
\\ \\
%-----2 %-----2
\input{important/abdeljaber2017} \input{appendix/important/abdeljaber2017}
\\ \\
%------3 %-----3
\input{appendix/important/diao2023.tex}
\\ \\
3 %-----4
\input{appendix/important/eraliev2022.tex}
& %Judul Jurnal
Real-time nondestructive structural health monitoring using support vector machines and wavelets (Ahmet Bulut; Ambuj K. Singh; Peter Shin; Tony Fountain; Hector Jasso; Linjun Yan; Ahmed Elgamal)
%for mult rows
% & %Author
% Ahmet Bulut; Ambuj K. Singh; Peter Shin; Tony Fountain; Hector Jasso; Linjun Yan; Ahmed Elgamal
%for mult rows
% & %Nama Jurnal
% Case Studies in Construction Materials 13 (2020) e00406
% %for mult rows
% & %Sumber
% SPIE
% %for mult rows
% & %Tahun
% 2005
%for mult rows
& %Tujuan penelitian
Eksplorasi efektivitas SVM dalam deteksi kerusakan; Validasi model SVM dengan data nyata jembatan
& %Kesimpulan
\begin{enumerate} [series=enum]
\item SVM menunjukkan akurasi tinggi dalam mengidentifikasi lokasi kerusakan
\item Rekomendasi untuk penyetelan parameter SVM
\end{enumerate}
%-----------4
\\ \\
4 %-----5
\input{appendix/important/gui2017.tex}
& %Judul Jurnal
A novel approach of Structural Health Monitoring by the application of FFT and wavelet transform using an index of frequency dispersion (Fragkiskos P. Pentaris; John Stonham; John P. Makris)
%for mult rows
% & %Author
% Fragkiskos P. Pentaris; John Stonham; John P. Makris
%for mult rows
% & %Nama Jurnal
% International Journal of Geology
% %for mult rows
% & %Sumber
% Research Gate
% %for mult rows
% & %Tahun
% 2013
%for mult rows
& %Tujuan penelitian
\begin{enumerate}
\item Memeriksa peran FFT dalam pemrosesan awal data getaran
\item Menilai dampak FFT terhadap keakuratan deteksi kerusakan
\end{enumerate}
& %Kesimpulan
\begin{enumerate} [series=enum]
\item FFT meningkatkan rasio \textit{signal-to-noise} dan meningkatkan deteksi kerusakan.
\item Menyarankan integrasi dengan algoritme lain untuk meningkatkan akurasi.
\end{enumerate}
\\ %-------------page break----------------
%-----------4
\\ \\
5 %-----6
\input{appendix/important/jang2023.tex}
& %Judul Jurnal
Review of Vibration-Based Structural Health Monitoring Using Deep Learning (Gyungmin Toh; Junhong Park)
%for mult rows
% & %Author
% Gyungmin Toh;
% Junhong Park
% %for mult rows
% & %Nama Jurnal
% Apllied Sciences
% %for mult rows
% & %Sumber
% MDPI
% %for mult rows
% & %Tahun
% 2020
%for mult rows
& %Tujuan penelitian
\begin{enumerate}
\item ringkasan studi penerapan algoritma pembelajaran mesin untuk kesalahan pemantauan (\textit{monitoring}) menggunakan faktor getaran untuk mengkategorikan penelitian.
\item Menyediakan interpretasi singkat tentang jaringan saraf dalam untuk pengaplikasian lebih lanjut dalam analisis getaran struktural.
\end{enumerate}
& %Kesimpulan
\begin{enumerate} [series=enum]
\item Deep learning has the advantage of being able to perform health monitoring on complex structures with high accuracy.
\end{enumerate}
%-------------page break----------------
%-----------4
\\ \\
6 %-----7
\input{appendix/important/katam2025.tex}
& %Judul Jurnal \\
A deep learning approach to condition monitoring of cantilever beams via time-frequency extended signatures (Habil. Darian M. Onchis) %-----8
\input{appendix/important/liu2022.tex}
%for mult rows \\
%-----9
% & %Author \input{appendix/important/pham2020.tex}
% Habil. Darian M. Onchis \\
%-----10
% %for mult rows \input{appendix/important/shahid2022.tex}
\\
% & %Nama Jurnal %-----11
% Computers in Industry \input{appendix/important/wang2013.tex}
\\
% %for mult rows %-----12
\input{appendix/important/yang2020.tex}
% & %Sumber \\
% Science Direct %-----13
\input{appendix/important/zhang2020.tex}
% %for mult rows \\
%-----14
% & %Tahun \input{appendix/important/zhao2019.tex}
% 2019
%for mult rows
& %Tujuan penelitian
\begin{enumerate}
\item ringkasan studi penerapan algoritma pembelajaran mesin untuk kesalahan pemantauan (\textit{monitoring}) menggunakan faktor getaran untuk mengkategorikan penelitian.
\item Menyediakan interpretasi singkat tentang jaringan saraf dalam untuk pengaplikasian lebih lanjut dalam analisis getaran struktural.
\end{enumerate}
& %Kesimpulan
\begin{enumerate} [series=enum]
\item Deep learning has the advantage of being able to perform health monitoring on complex structures with high accuracy.
\end{enumerate}
\\ %-------------page break----------------
% %------------5
% 5
% & %Judul Jurnal
% Advances and development trends in eco-friendly pavements
% %for mult rows
% & %Author
% Aimin Sha, Zhuangzhuang Liu, Wei Jiang, Lin Qi, Liqun Hu, Wenxiu Jiao ,Diego Maria Barbieri
% %for mult rows
% & %Nama Jurnal
% Journal of Road Engineering 1 (2021)
% %for mult rows
% & %Sumber
% ScienceDirect
% %for mult rows
% & %Tahun
% 2021
% %for mult rows
% & %Tujuan penelitian
% Mengembangkan solusi teknis untuk mengatasi tantangan yang terkait dengan penciptaan infrastruktur hijau dan berkelanjutan, misalnya, pengurangan dampak lingkungan, peningkatan keselamatan lalu lintas, dan efisiensi transportasi, dll.\cite{Sha2021}
% &
% \begin{enumerate} [series=enum]
% \item Temuan penelitian terbaru terkait jalan ramah lingkungan
% trotoar diringkas dan dibahas sesuai dengan enam kunci yang berbeda
% karakteristik: permeabel, pengurangan kebisingan, luminescence diri, knalpot
% dekomposisi, penyerapan panas rendah serta \textit{anti-icing} / \textit{de-icing}.\cite{Sha2021}
% \end{enumerate}
% \\
% & %Judul Jurnal
% Advances and development trends in eco-friendly pavements
% %for mult rows
% & %Author
% Aimin Sha, Zhuangzhuang Liu, Wei Jiang, Lin Qi, Liqun Hu, Wenxiu Jiao ,Diego Maria Barbieri
% %for mult rows
% & %Nama Jurnal
% Journal of Road Engineering 1 (2021)
% %for mult rows
% & %Sumber
% ScienceDirect
% %for mult rows
% & %Tahun
% 2021
% %for mult rows
% & %Tujuan penelitian
% Mengembangkan solusi teknis untuk mengatasi tantangan yang terkait dengan penciptaan infrastruktur hijau dan berkelanjutan, misalnya, pengurangan dampak lingkungan, peningkatan keselamatan lalu lintas, dan efisiensi transportasi, dll.\cite{Sha2021}
% &
% \begin{enumerate}[resume=enum]
% \item Teknologi ini dapat memecahkan beberapa tantangan utama yang terkait dengan konstruksi jalan dan lalu lintas (misalnya, kebisingan, efek pulau panas, dan pembangkitan polusi). Sebagian besar solusi saat ini hanya tersedia menampilkan satu fungsi ramah lingkungan pada satu waktu.\cite{Sha2021}
% \end{enumerate}
% %-----------5
% \\
% 5
% & %Judul Jurnal
% Micromobility injury events: Motor vehicle crashes and other transportation systems factors
% %for mult rows
% & %Author
% Kevin Fang
% %for mult rows
% & %Nama Jurnal
% Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
% %for mult rows
% & %Sumber
% ScienceDirect
% %for mult rows
% & %Tahun
% 2022
% %for mult rows
% & %Tujuan penelitian
% Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
% &
% \begin{enumerate} [series=enum]
% \item Kecelakaan kendaraan bermotor secara mengejutkan menjulang sebagai sesuatu yang kemungkinan adalah faktor umum dalam cedera mikromobilitas. Masalah perkerasan, konflik
% dengan pengguna non-otomatis, dan medan juga muncul sebagai faktor cedera yang terukur.\cite{Fang2022}
% \end{enumerate}
% \\
% & %Judul Jurnal
% Micromobility injury events: Motor vehicle crashes and other transportation systems factors
% %for mult rows
% & %Author
% Kevin Fang
% %for mult rows
% & %Nama Jurnal
% Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
% %for mult rows
% & %Sumber
% ScienceDirect
% %for mult rows
% & %Tahun
% 2022
% %for mult rows
% & %Tujuan penelitian
% Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
% &
% \begin{enumerate} [resume=enum]
% \item Di antara faktor-faktor yang berhubungan dengan transportasi, analisis regresi
% menunjukkan bahwa terluka dalam kecelakaan kendaraan bermotor atau di medan berbukit
% sesuai dengan kemungkinan yang lebih besar dari rawat inap dan cedera kepala.\cite{Fang2022}
% \end{enumerate}
% \\
% & %Judul Jurnal
% Micromobility injury events: Motor vehicle crashes and other transportation systems factors
% %for mult rows
% & %Author
% Kevin Fang
% %for mult rows
% & %Nama Jurnal
% Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
% %for mult rows
% & %Sumber
% ScienceDirect
% %for mult rows
% & %Tahun
% 2022
% %for mult rows
% & %Tujuan penelitian
% Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
% &
% \begin{enumerate} [resume=enum]
% \item Mitigasi yang berhasil yang memaksimalkan kinerja mode keselamatan mikromobilitas dapat membantu menarik dan mempertahankan pengguna dan menjaga kepercayaan dari pembuat kebijakan yang peduli keselamatan.\cite{Fang2022}
% \end{enumerate}
% \end{tabular}
\end{longtable} \end{longtable}
\end{customcounterenv}
% \end{table} % \end{table}
\end{landscape} \end{rlandscape}
\clearpage
\pagenumbering{roman}
\setcounter{page}{2}
\thispagestyle{empty}
\printbibliography
\clearpage
\begin{titlepage}
\
\vfill
\centering\noindent \Huge{LAMPIRAN}
\vfill
\
\end{titlepage}
% \clearpage % \clearpage
@@ -506,4 +132,3 @@
% \centering % \centering
% \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2590198222000379-main.pdf}} % \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2590198222000379-main.pdf}}
% \captionof{figure}{Halaman pertama jurnal kelima} % \captionof{figure}{Halaman pertama jurnal kelima}
\end{document}

2
latex/frontmatter/maketitle.tex
View File

@@ -21,7 +21,7 @@
\textbf{\MakeUppercase\theprogram} \\ \textbf{\MakeUppercase\theprogram} \\
\textbf{\MakeUppercase\thefaculty} \\ \textbf{\MakeUppercase\thefaculty} \\
\textbf{\MakeUppercase\theuniversity} \\ \textbf{\MakeUppercase\theuniversity} \\
% \textbf{\yearofsubmission} \textbf{\theyearofsubmission}
} }
\end{titlepage}% \end{titlepage}%

2
latex/frontmatter/maketitle_secondary.tex
View File

@@ -23,7 +23,7 @@
\textbf{\MakeUppercase\theprogram} \\ \textbf{\MakeUppercase\theprogram} \\
\textbf{\MakeUppercase\thefaculty} \\ \textbf{\MakeUppercase\thefaculty} \\
\textbf{\MakeUppercase\theuniversity} \\ \textbf{\MakeUppercase\theuniversity} \\
% \textbf{\yearofsubmission} \textbf{\theyearofsubmission}
} }
\end{titlepage}% \end{titlepage}%

4
latex/main.tex
View File

@@ -10,10 +10,12 @@
\faculty{Fakultas Teknik} \faculty{Fakultas Teknik}
\program{Program Studi Teknik Sipil} \program{Program Studi Teknik Sipil}
\university{Universitas Muhammadiyah Yogyakarta} \university{Universitas Muhammadiyah Yogyakarta}
\yearofsubmission{\the\year}
% Input preamble % Input preamble
\input{preamble/packages} \input{preamble/packages}
% \input{preamble/fonts} % \input{preamble/fonts}
\input{preamble/macros} \input{preamble/macros}
\input{preamble/appendix.tex}
\addbibresource{bibliography.bib} \addbibresource{bibliography.bib}
@@ -54,5 +56,7 @@
\printbibliography[heading=bibintoc] \printbibliography[heading=bibintoc]
% \bibliographystyle{IEEEtran} % \bibliographystyle{IEEEtran}
% \bibliography{references} % \bibliography{references}
% Appendices
\include{appendix/summary_related_paper}
\end{document} \end{document}

45
latex/preamble/appendix.tex Normal file
View File

@@ -0,0 +1,45 @@
\usepackage{multirow}
\usepackage{array}
% \usepackage{makecell}
\usepackage{lscape}
\usepackage{etoolbox}
\usepackage{longtable,booktabs}
\usepackage{colortbl,xcolor}
\usepackage{enumitem}
\usepackage{pdfpages}
\usepackage{caption}
\definecolor{Gray}{gray}{0.95}
\newcolumntype{a}{>{\columncolor{Gray}}p}
\renewcommand{\thefootnote}{\textit{\alph{footnote}}}
% \newcolumntype{b}{>{\raggedright\arraybackslash}p}
\makeatletter
% Define rlandscape (right-rotated landscape)
\newenvironment{rlandscape}{%
% Temporarily flip the rotation direction
\patchcmd{\LS@rot}{90}{-90}{}{}
\patchcmd{\endlandscape}{90}{-90}{}{}
% Begin a normal landscape
\begin{landscape}
}{%
% End the landscape
\end{landscape}
% Restore the default rotation (so it doesn’t affect other landscapes)
\patchcmd{\LS@rot}{-90}{90}{}{}
\patchcmd{\endlandscape}{-90}{90}{}{}
}
\makeatother
\newcounter{customcounter}
% Environment where \thecustomcounter increments on every use
\newenvironment{customcounterenv}{%
\begingroup
% reset to 0 at env start so first use prints 1
\setcounter{customcounter}{0}%
% locally redefine \thecustomcounter: step, then print arabic value
\renewcommand{\thecustomcounter}{\stepcounter{customcounter}\arabic{customcounter}}%
}{%
\endgroup
}