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}

&
\begin{enumerate}
    \item Lorem
    \item Ipsum
\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}