Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini dibuat untuk mengenali suatu jenis kawanan ikan berdasarkan perubahan fase dengan menganalisis perubahan fase dari gelombang yang dipantulkan oleh gerakan kawanan ikan secara real-time. Gelombang yang diterima dari hasil pantulan tersebut akan dikenali dengan metoda Hidden Markov Model (HMM) yang telah diprogram di dalam perangkat lunak Matlab. Perubahan fase pada masing-masing kelompok ikan disebabkan oleh perbedaan pada bentuk dan bahan permukaan ikan, kecepatan ikan, serta formasi susunan ikan dalam suatu kelompok yang strukturnya mengikuti gerakan schooling suatu kawanan ikan. Dimana setiap ikan memiliki karakteristik yang unik.

---

This thesis was made to recognize the kind of fishes from their phase changing by analyzing phase changing of the reflected waves that received from the fishes movement in real-time. The reflected waves was recognized using the Hidden Markov Model which was programmed in Matlab software. Phase changing in the group of fishes was caused by the difference of the fish form, the surface of the fish, the speed of the fish movement, also the formation of fish in a group that make a schooling movement. Because of that, many group of fishes could have unique characteristic."

"ABSTRAKMonitor kesehatan jarak jauh adalah suatu sistem aplikasi yang dirancang untuk memusatkan data kesehatan pasien. Pemusatan data tersebut dapat mempermudah pemantauan dari kondisi pasien yang butuh pengawasan dan dapat dipantau dari lokasi seperti rumah pasien. Sistem ini memanfaatkan aplikasi berbasis web beserta database yang disediakan dan alat-alat yang dibantu oleh alat-alat penunjang seperti modul untuk sistem jaringan seperti Arduino dengan esp8266. Penelitian ini fokus pada pembuatan sebuah prototipe sistem monitor kesehatan jarak jauh pada server lokal. Penelitian dilakukan dalam 4 skenario. Hasil dari implementasi dan pengujian prototipe menunjukkan bahwa sistem ini memiliki jitter sebesar 8.38 ms, 4.76 ms, 3.09 ms, 2.22 ms, 2.07 ms, 2.01 ms, 435.25 ms, 390.79 ms, 394.42 ms, 423.07 ms, 442.4 ms, dan 329.32 ms dengan latensi terkecil sebesar 1.5 ms dan latensi terbesar 1967.32 ms. Selama melakukan pengujian sistem, ada terjadi hilangnya paket pada skenario ketiga dan keempat. Hasil pengujian prototipe menunjukkan bahwa sistem pada server lokal sudah layak pakai dengan besaran delay dan jitter yang masih berada pada kategori bagus dan sangat bagus berdasarkan standar yang ingin dicapai hanya pada skenario 1 dan 2, tetapi tidak untuk skenario 3 dan 4.

---

ABSTRACTRemote Health Monitor is an application system designed to centralize patient health data. The concentration of data can facilitate monitoring of the condition of patients who need supervision and can be monitored from locations such as patients' homes. This system utilizes web-based applications along with the database provided and tools that are assisted by supporting tools such as modules for network systems such as Arduino equipped with esp8266. This experiment focuses on creating a prototype of a remote health monitor system on a local server with 4 experiment scenarios. The experiment and implementation result of the system shows that this system has a jitter value of 8.38 ms, 4.76 ms, 3.09 ms, 2.22 ms, 2.07 ms, 2.01 ms, 435.25 ms, 390.79 ms, 394.42 ms, 423.07 ms, 442.4 ms, dan 329.32 ms calculated from the latency samples with the minimum latency value of 1.5 ms and the maximum latency value of 1967.32 ms. While the experiment is being conducted, there was no loss of packet from the duration of the transmission conducted for the 1^st and 2^nd scenarios, but there were packet losses while conducting experiment for the 3^rd and 4^th scenarios. The experiment conducted on the prototype using a local server shows that this system is feasible to use based on the delay and jitter value that can be considered good in terms of quality based on the used standard for the 1^st and 2^nd scenarios, but not for the 3^rd and 4^th scenarios.

 

"

"Sistem pengenalan wajah (face recognition system) merupakan salah satu sistem yang dibangun berdasarkan pre-trained model. Sistem ini memanfaatkan teknik biometrik yang menggunakan wajah sebagai pengenalan atau identifikasi seseorang. Implementasi sistem pengenalan wajah dapat diaplikasikan dalam berbagai macam aplikasi seperti sistem absensi untuk mengecek kehadiran, sistem monitoring pengunjung di tempat wisata ataupun tempat-tempat publik, hingga dapat digunakan untuk mengenali tingkah laku seseorang untuk analisis-analisis yang dibutuhkan di berbagai bidang. Dalam penelitian ini, akan diimplementasikan sistem pengenalan wajah untuk sistem absensi menggunakan metode pembelajaran deep learning. Proses training data dan validasi hasil pengenalan wajah akan dibandingkan antara model CNN (Convolutional Neural Network) berarsitektur ResNet-50 dengan VGG16 yang telah dilatih sebelumnya menggunakan dataset Open Data Science (ODSC) untuk mendapatkan model perancangan sistem wajah terbaik. Simulasi real-time dilakukan dengan menggunakan model latih dengan validasi akurasi tertinggi sebesar 98.2%. Model latih yang digunakan dalam simulasi adalah ResNet-50 dengan dataset B sebagai data training serta learning rate sebesar 0.01. Hasil analisis menunjukkan bahwa proses training menggunakan model ResNet-50 jauh lebih ringan dan memberikan hasil model pelatihan dengan validasi akurasi yang lebih tinggi dibanding dengan model VGG16 yang membutuhkan banyak resource selama proses training berlangsung. Pengujian real-time yang dilakukan menunjukkan bahwa model ResNet-50 akan akurat jika memperhatikan beberapa kondisi yang diperlukan seperti jarak deteksi harus 50 hingga 100 cm dari kamera deteksi dan posisi wajah harus lurus menghadap kamera deteksi.

---

The face recognition system is a system that is built based on a pre-trained model. This system utilizes biometric techniques that use the face as an identification or authentication of a person. The facial recognition system can be applied in various applications such as attendance systems to check attendance, visitor monitoring systems at tourist attractions or public places, and to identify a person's behavior for the analyzes needed in various fields. In this study, a facial recognition system will be implemented for the attendance system using deep learning methods. To obtain the best system design, training, and validation of facial recognition results will be compared between the CNN (Convolutional Neural Network) model with the ResNet-50 and VGG16, which has been previously trained using the Open Data Science (ODSC) dataset. Real-time simulations were carried out using a training model with the highest validation accuracy of 98.2%. The training model used in the simulation is ResNet-50 with dataset B as training data and a learning rate of 0.01. The analysis results show that the training process using the ResNet-50 model is much lighter and provides results with higher accuracy validation than the VGG16 model, which requires a lot of resources during the training process. Real-time testing has shown that the ResNet-50 model will be accurate if it considers several conditions, such as the detection distance must be 50 to 100 cm from the detection camera, and the face position must be in a straight facing towards the detection camera."

"Ketika suatu kapal dilakukan kegiatan stevedoring atau bongkar muat suatu muatan, maka kondisi stabilitas kapal akan berubah karena adanya perubahan karaktersitik lambung kapal. Untuk memonitor kondisi stabilitas kapal selama stevedoring berlangsung, maka pada penelitian ini akan dilakukan perancangan tools yang dapat memonitor kondisi stabilitas kapal ketika pemuatan container ke atas kapal sedang berlangsung. Dengan penggunaan tools tersebut, pengguna dapat mengetahui kondisi stabilitas kapal secara real time, seperti Kurva GZ, draught haluan, draught buritan, portside draught, starboard draught, nilai GM, dan lain-lain. Tujuan dari penelitian ini adalah membuat tools yang dapat menghitung dan menganalisis stabilitas kapal ketika proses stevedoring berlangsung secara real time dan membuat user interface/antarmuka yang dapat menampilkan kondisi stabilitas kapal secara real time ketika proses stevedoring. tools ini menggunakan platform yang dikeluarkan oleh Google, yaitu Google Form yang digunakan untuk menginput data operasional, Google Sheets yang digunakan untuk menghimpun dan mengolah data hingga didapatkan hasil perhitungan stabilitas kapal, Google Drive untuk menyimpan gambar desain kapal 2D, Google App Script yang digunakan untuk melakukan proses coding pada bagian user interface, dan Google Sites yang digunakan sebagai user interface dalam menampilkan data hasil akhir perhitungan yang dilakukan oleh tools. Kemudian, dilakukan pengujian tools dalam 4 kondisi yang berbeda, yaitu kondisi kapal kosong, kondisi voyage 05A, kondisi voyage 06a, dan kondisi GM negatif. Pada kondisi kapal kosong, didapati hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 0.79 m (2.1 %), 1.71 m (0.23 %), dan 2.63 m (0.9 %). Sedangkan pada kondisi voyage 05A didapatkan hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 5,70 m (1.95 %), 5.62 m (1.31 %), dan 5.54 m (4.46 %). Serta pada kondisi voyage 06A yang diperoleh hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 5.76 m (2.06 %), 5.78 m (0.69 %), dan 5.80 m (3.28 %). Selain itu, pada kondisi GM negatif menghasilkan kurva dimana nilai GZ menjadi negatif.

---

When a ship is carried out stevedoring, the condition of the ship's stability will change due to changes in the characteristics of the ship's hull. To monitor the condition of the stability of the ship during stevedoring, this research will design tools that can monitor the condition of the stability of the ship when loading or unloading containers is in progress. By using these tools, users can find out the stability condition of the ship in real time, such as the GZ curve, fore draft, after draft, portside draft, starboard draft, GM value, and others. The purpose of this study is to create tools that can calculate and analyze ship stability when the stevedoring process takes place in real time and create a user interface that can display the ship's stability condition in real time during the stevedoring process. This tool uses a platform issued by Google, namely Google Form which is used to input operational data, Google Sheets which is used to collect and process data until the results of the calculation of ship stability are obtained, Google Drive which is used as Google App Script which is used to perform the coding process on the user interface, and Google Sites which is used as a user interface in displaying the final data of the calculations performed by the tools. Then, the tools were tested in 4 different conditions, namely the empty ship condition, 05A voyage condition, 06a voyage condition, and negative GM condition. In the condition of an empty ship, the results of the calculation of the draft value (error value) on the fore, midship, and after were 0.79 m (2.1 %), 1.71 m (0.23 %), and 2.63 m (0.9 %). While in the 05A voyage condition, the calculation results of the draft value (error value) on the fore, midship, and after sections were 5.70 m (1.95 %), 5.62 m (1.31 %), and 5.54 m (4.46%). And in the 06A voyage condition, the calculation results of the draft value (error value) on the fore, midship, and after were 5.76 m (2.06 %), 5.78 m (0.69 %), and 5.80 m (3.28%). In addition, the negative GM condition produced a curve where the GZ value became negative."

"Leptospirosis adalah penyakit infeksi akut yang dapat menyerang rnanusia maupun hewan yang disebabkan bakteri Leprospfra spp dan digolongkan sebagai zoonosis. Gejala klinis leptospirosis yang tidak spesiiik dan sulitnya uji laboratorium untuk konfirmasi diagnosis mengakibatkan penyakit ini seringkali tidak terdiagnosis. Oleh karena itu dalam ponelirian ini dilakukan optimasi uji diagnostik molekuler menggimakan real-time PCR sebagai deteksi cepat, sensitif dan spesiflk untuk Leptospira patogen pada manusia DNA bakten di dalam spesimen darah diekstraksi menggunak:an QIAamp DNA Blood Mini Kit, Qiagen dan spesimen urin diekstraksi menggunakan QIAamp DNA Stool Mini Kit,Qiagen dengan prosodur sesuai dengan petunjuk manualnya. Primer dan probe yang digunakan berdasarkan publikasi penelitian oleh Smythe dkk, 2002. Dari hasil uji optimasi kondisi optimal real-time PCR didapat suhu annealing 60°c, konsentrasi primer 0,9 uM dan konsentrmi probe 0,2 uM. Spesifisitas primer diuji menggunakan DNA balcteri patogen lain Hasii uji sensitiiitas real-time PCR untuk mendeteksi konsentrasi DNA terendah bakteri Leprospim spp adalah 0,75 fypl, hasil uji spesitisitas real-time PCR menunjukkan bahwa primer yang digunakan untuk deteksi balderi Leprospira spp tidak beraksi silang dengan genom bakteri-bakteri uji, konsentrasi minimal DNA bakteri yang masih terdeteksi dalam darah mencapai 150 fg/pl, sedangkan dalam urin mencapai 1470 fg/pl yang masih dapat dideteksi dengan pemeriksaan real-time PCR. Metode real-time PCR ini dapat digunakan sebagai alternatif pemeriksaan mikrobiologi yang cepat dan tepat untuk mendiagnosis leptospirosis.

---

Leptospirosis is an emerging infectious disease in human and animals caused by Leptospira spp. and considered endemic in Indonesia due to its tropical climate. The International Leptospirosis Society (2001) declared Indonesia has high incidence of leptospirosis and ranked the third in the world for mortality (16.7%) The clinical features are not specific and may result in a missed or delayed diagnosis. The microbiology diagnostic method e.g. culture and microscopic agglutination test (MAT) are sensitive and specific but time-consuming and high cost. The other method to detect the antibody result false positive reactions and need confirmation by the MAT. Therefore in this study we optimized the real-time PCR assay, which has been used to detect a large number of microbes. It has high sensitivity and specificity, thus making it ideal as a rapid and accurate method to detect pathogen Leptospira spp. in human specimens. The amplification of the DNA control was performed optimally with the following conditions: annealing temperature is 60°C, primer volume is 0.5p1 (final concentration: 0.9 phd); probe volume is 0.2 ul (final concentration 0.2 pM). This method may detect the DNA in the Mastermix Mix with the concentration of 0.75 fg/ul, however in blood specimen the limit of detection of the DNA 150 fg/pl and in urine is 1470 fg/pl. The primer used in this assay is not complementary with the DNA of other pathogenic Leptospira spp. The real-time PCR assay is a rapid and accurate method to detect pathogenic Leptospira in human specimens. Further studies are needed to know the sensitivity and specificity of the real-time PCR assay compared to other diagnostic methods in clinical settings."