Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian-penelitian sebelumnya telah menunjukkan hasil yang ambigu mengenai pencarian visual untuk ekspresi-ekspresi wajah emosional. Bukti menunjukkan deteksi efisien dan akurat baik untuk wajah senang maupun wajah marah. Penelitian ini bertujuan untuk menginvestigasi efisiensi pencarian dalam mendeteksi ekspresi senang dan marah sebagaimana diindikasikan oleh waktu respon dalam ukuran kelompok yang bermacam-macam. Dua-puluh-enam mahasiswa psikologi tingkat satu di University of Queensland ditampilkan wajah-wajah fotografik. Wajah senang bermulut terbuka dideteksi sama tidak efisiennya dengan wajah marah bermulut terbuka dengan orientasi tegak dan terbalik. Sebaliknya, bukti menunjukkan bahwa wajah senang sumringah dideteksi secara lebih efisien daripada wajah marah bermulut terbuka di orientasi tegak, tapi tidak ketika wajah-wajah itu dibalik orientasinya.

---

Previous studies had shown equivocal results regarding visual search for emotional facial expressions. Evidence suggested either an efficient and accurate detection for happy or angry faces. The present study aimed to investigate search efficiency in detecting happy and angry expressions as indicated by response times across the size of the faces (set sizes). Twenty-six first-year psychology students at The University of Queensland were presented photographic faces. Open-mouth happy faces were found to be detected as slowly and inaccurately as open-mouth angry faces in upright and upside-down (i.e., inverted) orientations. Conversely, it was evident that exuberantly happy faces were detected more efficiently than open-mouth angry faces in upright orientation, but not when they were inverted."

"Klasifikasi penilaian risiko kredit merupakan cara untuk meminimalisir kerugian yang akan dialami oleh bank. Salah satu metode klasifikasi yang digunakan untuk mengklasifikasikan karakteristik calon debitur adalah Support Vector Machine (SVM). SVM mempunyai kemampuan generalisasi yang baik untuk menyelesaikan masalah klasifikasi dalam jumlah data yang besar dan dapat menghasilkan fungsi pemisah yang optimal untuk memisahkan dua kelompok data dari dua kelas yang berbeda. Salah satu keberhasilan menggunakan metode SVM adalah proses pemilihan model yang akan mempengaruhi tingkat akurasi klasifikasi. Metode pemilihan model yang digunakan pada tesis ini adalah metode grid search dan metode random search. Data dalam tesis ini menggunakan data sekunder dari database dalam UCI machine learning repository. Berdasarkan hasil simulasi untuk membandingkan nilai akurasi penggunaan metode pemilihan model pada SVM dalam klasifikasi penilaian risiko kredit, diperoleh bahwa metode random search belum mampu menghasilkan nilai akurasi yang lebih baik dari metode grid search. "

"Penelitian ini membahas mengenai kasus distribusi Premium, Kerosin dan Solar di perusahaan Migas yang mengalami masalah deviasi jumlah pendistribusian produk di beberapa depot utama (pelabuhan bongkar) yang disebabkan oleh keterlambatan kapal, keterbatasan draft pelabuhan dan fluktuasi permintaan. Pengoptimalan rute dan jadwal pendistribusian bahan bakar ini menggunakan Algoritma Tabu Search dengan mengintegrasikan 2 kapal yang berbeda jenis Medium Range (MR) dan General Purpose (GP), konsumsi harian di tiap pelabuhan bongkar berbeda akan tiap produk, stok pelabuhan muat tidak terbatas, keterbatasan draft pelabuhan sehingga menghasilkan sebuah solusi yang menjaga keberadaan persediaan pengaman dengan biaya transportasi yang minimum. Rute usulan dari penelitian ini dirancang dengan penjadwalan 30 hari menggunakan perangkat lunak Matlab versi 7 (R2000b). Hasil yang diperoleh memberikan performansi yang baik karena rute dan jadwal yang dihasilkan dapat menjaga keberadaan persediaan pengaman dengan total biaya sebesar Rp. 6,265,337,216 dengan pertimbangan Kapal MR digunakan dedicated untuk pelabuhan bongkar TTM.

---

This research discusses about case of fuel distribution (Premium, Kerosene and Solar) in an oil company which involved in quantity of product distribution problem in some main depot (unloading port) which are caused by ship lateness, limitation of draft and demand fluctuation. It is solved by using Tabu Search Algorithm which have model that integrate two different ships consist of Medium Range (MR) and General Purpose (GP), different daily consumption product of every unloading port, unlimited inventory loading port, and limited port draft for give a solution to maintain safety stock with low transportation cost. This routes were designed by planning horizon 30 days using Matlab 7th version (R2000b). The result prove that safety stock in each unloading port can be maintained with total cost is Rp. 6,265,337,216. MR (Medium Range) ship is dedicated to fulfill TTM port demand."

"ABSTRAKSalah satu hal yang dibutuhkan user dalam memudahkan melakukan adalah dengan menggunakan mesin pencarian atau yang disebut search engine. Search engine didesain agar dapat membantu pengguna dalam melakukan pencarian data. Fitur yang dapat digunakan dalam membantu pencarian data adalah Text Suggestion dan Text Correction. Text Suggestion dapat membantu pengguna dalam memperkirakan keyword apa yang akan ditulis untuk menemukan data yang paling sesuai. Text Correction adalah fitur untuk memperbaiki kesalahan penulisan, sehingga diharapkan dapat memperbaiki hasil pencarian. Levenshtein Distance, dapat digunakan untuk fitur Text Suggestion dan Correction dengan menghitung maksimum LD dengan variasi range dari satu sampai lima. Tujuan penelitian ini adalah menguji keakuratan Levenshtein Distance dalam membuat sistem Text Suggestion dan Text Correction. Metode yang digunakan adalah dengan menghitung tingkat kemiripan keyword dengan daftar referensi yang ada pada basis data, dan mengambil kata tersebut untuk dijadikan sebagai text suggestion maupun text correction. Dari hasil penelitian ini, akan didapatkan bahwa sebuah batasan maksimum Levenshtein Cost dapat mempengaruhi keakuratan hasil text correction dan text suggestion. Maksimum LD juga berpengaruh pada performa waktu baik pada Text suggestion dan Text Correction, dengan eksekusi waktu Text Correction lebih cepat dibanding Text Suggestion.Nilai maksimum LD yang optimal adalah dua atau tiga.

---

ABSTRACTOne of the things required by the user in facilitating the search for data contained on the internet is to use a search engine or so-called search engines. Search engines must also be designed in order to assist users in searching data. Features that can be used in assisting data retrieval are Text Suggestion and Text Correction. Text Suggestion can help users in predicting what keywords will be written to find the most appropriate data. Text Correction is a feature to correct writing errors, so it is expected to improve search results. By utilizing Levenshtein Distance, it can be used for Text Suggestion feature by calculating maximum LD with variation range from one to five. The purpose of this research is to test the accuracy of Levenshtein Distance algorithm in making Text Suggestion and Text Correction system. The method used is to calculate the level of similarity of the keyword with a list of references in the database, and take the word to be used as a text suggestion or text correction. From the results of this study, it will be found that a maximum limit Levenshtein Cost can affect the accuracy of the results of text correction and text suggestion.The optimum of Maximum LD is two or three."

"Perkembangan teknologi Artificial Intelligence (AI), terkhusus AI text generators (AITGs), telah membawa perubahan signifikan dalam kehidupan manusia di Indonesia. Kehadiran AITGs berhasil mengubah perilaku seseorang mencapai berbagai tujuan, misalnya sebagai sumber belajar dan berpotensi menggantikan popularitas Google SE sebagai penyedia informasi paling populer saat ini. Penelitian ini bertujuan untuk memahami lebih jauh fenomena perpindahan dari Google SE ke AITGs dan memahami faktor-faktor yang memengaruhi terjadinya perilaku ini. Penelitian ini menggunakan kerangka PPM sebagai acuan pembentukan model. Penelitian ini melakukan analisis kualitatif terhadap 11 responden dan analisis kuantitatif terhadap 491 responden. Analisis data dilakukan dengan menggunakan grounded theory dan PLS-SEM modelling menggunakan bantuan aplikasi SmartPLS 4. Hasil penelitian ini mengungkapkan bahwa faktor low searching performance, explainability, inertia, perceived usefulness, social interaction, dan adaptability berpengaruh terhadap intensi berpindah dari Google SE ke AITGs. Sebaliknya, faktor privacy concern, intrusiveness of advertisement, perceived risk, dan perceived ease of use tidak berpengaruh secara signifikan terhadap intensi berpindah dari Google SE ke AITGs. Hasil tersebut diharapkan dapat membuka peluang bagi pengembangan ilmu pengetahuan secara umum dan terkhusus dalam konteks AITGs sebagai sumber belajar. Penelitian ini diharapkan dapat menjadi sumber informasi bagi masyarakat terkait AITGs sebagai sumber belajar, acuan bagi akademisi dan pengajar dalam penyusunan kurikulum dan aturan, serta bermanfaat bagi pelaku bisnis dan pengembang untuk meningkatkan fungsionalitas yang sesuai dengan kebutuhan masyarakat.

---

The development of Artificial Intelligence (AI) technology, especially AI text generators (AITGs), has brought significant changes to human life in Indonesia. The presence of AITGs has succeeded in changing a person's behavior to achieve various goals, for example as a learning resource, and has the potential to replace the popularity of Google SE as the most popular information provider today. This research aims to understand further the phenomenon of moving from Google SE to AITGs and understand the factors that influence this behavior. This research uses the PPM framework as a reference for model formation. This research conducted a qualitative analysis of 11 respondents and a quantitative analysis of 491 respondents. Data analysis was carried out using grounded theory and PLS-SEM modeling using the SmartPLS 4 application. The results of this study revealed that the factors of low searching performance, explainability, inertia, perceived usefulness, social interaction, and adaptability influenced the intention to switch from Google SE to AITGs. On the other hand, the factors of privacy concern, intrusiveness of advertisement, perceived risk, and perceived ease of use do not significantly influence the intention to switch from Google SE to AITGs. It is hoped that these results will open up opportunities for the development of knowledge in general and specifically in the context of AITGs as a learning resource. It is hoped that this research can be a source of information for the community regarding AITGs as a learning resource, a reference for academics and teachers in preparing curricula and regulations, as well as being useful for business people and developers to improve functionality by community needs."

"Penelitian mengenai pengindeksan pada Google telah dilakukan dari bulan Januari hingga Agustus 2003. Tujuannya adalah untuk mengetahui cara Google mengindeks halaman web yang muncul pada pencarian dengan menggunakan kata kunci bidang pembangunan ekonomi dan sosial.Pengumpulan data dilakukan dengan menggunakan teknik eksperimen dan observasi. Eksperimen dilakukan dengan mengadakan pengujian bertingkat terhadap hasil pencarian di Google. Eksperimen dilakukan untuk mengetahui bahasa indeks dan sistem pengindeksan yang diterapkan pada search engine Google.Hasil penelitian menunjukkan bahwa Google menggunakan bahasa indeks alamiah dan sistem pengindeksan pasca-koordinasi. Hasil ini menunjukkan beberapa kelemahan pada pencarian di Google. Penulis mencoba memberikan beberapa solusi untuk memperbaiki kelemahan tersebut."