Hasil Pencarian  ::  Simpan CSV :: Kembali

"Current operating systems rely on Received Signal Strength (RSSI) to choose which network to connect. RSSI however is not a good measure of actual network performance and requires the interfaces to be turned on, which can significantly drain the battery of the mobile node. This work revisits how network discovery is performed in a multi-radio, mobile environment. The current method of basing decisions on physical-layer characteristics cannot adequately capture networkservice parameters. Going beyond radio properties allows users to make better choices as to which is the "best" network and Point of Attachment to connect to. In this work we extend MOBIX, a system for managing MOBility using Information eXchange, which allows nodes to exchange information in a peer-to-peer manner in addition to leveraging on a centralized server. We performed simulations to study the perfonnance of MOBIX with and without the map server and show that our enhanced system strikes a balance of providing a scalable, updated networkperformance information in densely populated areas and relying on a network server in less urbanized areas with lower number of nodes."

"ABSTRAKSkripsi ini bertujuan untuk mendukung pemeliharaan aset budaya bangsa, terkhusus dalam hal sistem penulisan atau aksara kuno. Implementasinya akan membahas aspek teknologi yaitu pengolahan citra. Pada penelitian kali ini objek yang dikhususkan adalah aksara kuno dari suku Batak. Implementasi dari ide ini akan berbentuk program yang dapat mendeteksi karakter-karakter pada citra dari sebuah dokumen aksara Batak yang bebas dari noise. Program akan memproses citra dari tahapan segmentasi, preprocessing, ekstraksi fitur hingga tahapan klasifikasi. Secara khusus pada ekstraksi fitur dan juga klasifikasi akan ada dua metode yang digunakan yaitu Geometric Moment Invariant dan juga K-Nearest Neighbor. Hasil dari uji coba terdiri dari dua yaitu akurasi atau ketepatan pembacaan, dan juga waktu pemrosesan. Jangkauan hasil pada akurasi berada pada 42% - 96% sementara waktu pemrosesan berada pada 1.9 – 34 detik.

---

ABSTRACTThis undergraduate thesis is intended to support the preservation of national cultural asset, especially for the ancient characters. The implentation uses technological approach in image processing field. The researched object for this thesis is Batak ancient character. The implementation of the idea will result an application program that will detect the characters in a sample image of a Batak’s document which is still free from any noise. The application program will process the image through several phases. The phases are segmentation, preprocessing, feature extraction, and classification. There is a special method used in each feature extraction and classification. Feature extraction uses Geometric Moment Invariant whereas classification phases uses K-Nearest Neighbour. There will be two results for this test, the first is accuration of the detection and second is the procesing time. The range for the accuration is 42% - 96% and the processing time ranged from 1.9 – 34 seconds."

"Tulisan ini melakukan analisis terhadap bagaimana asas kepatutan, ketelitian, dan kehati-hatian berlaku dalam doktrin di Indonesia dan bagaimana penerapannya di pengadilan. Sebagai bahan acuan dan bahan sandingan, tulisan ini menggunakan doktrin yang dikenal dalam tort law negara Inggris berupa neighbour principle dan area of risk principle. Tulisan disusun dengan menggunakan metode penelitian doktrinal untuk menjawab permasalahan berupa bagaimana asas kepatutan ketelitian dan kehati-hatian diatur dalam perundangan atau doktrin di Indonesia, bagaimana prinsip serupa diatur di Inggris, dan bagaimana penerapan doktrin tersebut ditinjau dengan prinsip yang dikenal di Inggris. Penelitian menemukan asas kepatutan, ketelitian, dan kehati-hatian yang dikenal sebagai asas dalam perbuatan melawan hukum di Indonesia ditemukan belum memiliki sebuah acuan dan ukuran yang pasti yang masih banyak disandarkan kepada diskresi hakim. Hal demikian memiliki perbedaan dari bagaimana hal serupa diatur dalam negara Inggris yang memiliki acuan berupa seperangkat tes untuk menguji apakah terdapat duty of care untuk dikatakan seseorang telah lalai dan berbuat melawan hukum. Tulisan ini menemukan bahwa seperangkat tes yang telah berkembang dalam yurisdiksi Inggris dapat menjadi acuan bahwa meski dasar kepatutan, ketelitian, dan kehati-hatian dirancang sebagai akomodasi terhadap perbuatan yang merugikan yang tidak dapat diperkirakan tetap dapat memiliki ukuran yang memberikan kepastian dan keadilan yang lebih baik.

---

This paper analyzes how the principles of propriety, nicety, and carefulness operate within Indonesian legal doctrine and how courts apply them in practice. As a comparative reference, the paper examines the neighbour principle, and the area of risk principle found in English tort law. Using a doctrinal research method, this study addresses three core questions: how Indonesian law or doctrine regulates the principles of propriety, nicety, and carefulness; how English law regulates similar principles; and how courts apply these doctrines when assessed through principles known in English law. The research finds that Indonesian courts still rely heavily on judicial discretion in applying the principles of propriety, nicety, and carefulness as elements of unlawful acts (tort), with no established benchmarks or clear standards. This contrasts with English law, which uses a series of tests to determine the existence of a duty of care before declaring a person negligent or liable. This paper argues that the structured tests developed in English tort law can serve as a useful reference for Indonesia. Even though the principles of propriety, nicety, and carefulness aim to accommodate unforeseeable harmful acts, they can still be applied using standards that promote better legal certainty and fairness."

"Plat nomor merupakan suatu jenis identifikasi kendaraan bermotor. Setiap kendaraan bermotor yang beroperasi dijalanan diwajibkan untuk melengkapi kendaraannya dengan plat nomor atau Tanda Nomor Kendaraan Bermotor (TNKB) yang sesuai dengan kode wilayah, nomor registrasi dan masa berlaku. Plat nomor di Indonesia terdapat 3 warna yang dipakai yaitu hitam, merah dan kuning dengan masing masing warna untuk fungsi yang berbeda. Dengan jumlah kendaraan di Indonesia, sistem pengenalan plat nomor dibuat secara otomatis bisa di implementasikan untuk memudahkan berbagai hal dalam pendataan plat nomor diantaranya pengecekan plat nomor ketika di area parkir, menemukan kendaraan yang dicuri ataupun mobil yang melanggar lampu merah. Pada penelitian ini terdapat 2 metode yang sering digunakan untuk pengenalan plat nomor otomatis yaitu KNN (K-Nearest Neighbour) dan NN (Neural Network). Setelah dilakukan pengujian menggunakan 3 analisis uji yang sudah dilakukan oleh penulis, akurasi metode neural network berhasil mencapai 88,8% sedangkan pada K-Nearest Neighbor akurasinya mencapai 72,2%. Metode NN lebih baik daripada KNN pada pengujian kali ini disebabkan adanya modifikasi pada variable yang dapat membuat akurasi NN lebih baik daripada KNN. Sedangkan pada metode KNN tidak dapat merubah akurasi yang telah didapatkan.

---

Number plate is a type of motor vehicle identification. Every motorized vehicle operating on the road is required to complete the vehicle with a license plate or Motor Vehicle Number (TNKB) that matches the area code, registration number and validity period. Number plates in Indonesia there are 3 colors used, namely black, red and yellow with each color for different functions. With the number of vehicles in Indonesia, the number plate recognition system is made automatically can be implemented to facilitate various things in number plate registration including checking license plates when in the parking area, finding stolen vehicles or cars that violate red lights. In this study there are 2 methods that are often used for automatic number plate recognition, namely K-Nearest Neighbor and NN (Neural Network). After testing using 3 test analyzes carried out by the author, the accuracy of the neural network method reached 88.8% while the K-Nearest Neighbor accuracy was 72.2%. The NN method is better than KNN in this test due to a modification in the variable that can make the accuracy of NN better than KNN. While the KNN method cannot change the accuracy that has been obtained."

"ABSTRAK

Aplikasi Meditasi berbasis EEG merupakan aplikasi yang dapat digunakan untuk mendeteksi perasaan stres seseorang dan membantunya bermeditasi dengan memanfaatkan alat EEG untuk membaca gelombang otak. Proses yang terjadi dalam aplikasi ini adalah menerima data gelombang otak dari EEG, mengubah sinyal gelombang otak dari domain waktu ke domain frekuensi dengan Fast Fourier Transform (FFT), dan mengklasifikasikan data dengan k-Nearest Neighbor (KNN). Proses klasifikasi dengan KNN diuji dengan memberikan variasi jumlah gelombang data yang digunakan serta variasi nilai k pada KNN. Dengan menggunakan nilai k = 3 dan menggunakan lima gelombang otak, yaitu gelombang delta, teta, alfa, beta, dan gama sebagai fitur dalam KNN, dapat diperoleh hasil akurasi terbaik sebesar 80% dan waktu pemrosesan tercepat sebesar 23 ms. Dalam pemakaian aplikasi meditasi, waktu rata-rata pengguna untuk dapat menurunkan tingkat stresnya adalah selama 4,2 menit. Implementasi EEG dan proses klasifikasi dengan KNN pada aplikasi meditasi ini dapat mengecek tingkat stres seseorang secara real time dan memastikan bahwa orang tersebut tidak stres lagi setelah bermeditasi.

---

ABSTRACTEEG-based Meditation Application is an application that can be used for detecting someone's stress feeling and helping someone to meditate by using EEG to get brainwave signals. The processes that will be done in this application include collecting brainwave data from EEG, altering the brainwave signals from time domain to frequency domain with Fast Fourier Transform (FFT), and classifying data with k-Nearest Neighbor (KNN). Classification processes with KNN are tested by using variation in the number of brain waves used and using variation in the value of k used in KNN. By using k value of 3 and using five brainwaves, namely delta wave, theta wave, alpha wave, beta wave, and gamma wave as features in KNN, the best accuracy value can be gained, i.e. 80% with the fastest processing time, which is 23 ms. With the meditation application, the average time for the user to reduce the stress level is 4,2 minutes. The implementation of EEG and classification with KNN on this application makes it able to check a person's stress level in real time and to make sure that the person is de-stressed after meditation.

"

"ABSTRAKPertumbuhan penduduk selalu diiringi dengan peningkatan timbulan sampah. Permasalahan peningkatan volume sampah menjadi penting jika tidak diimbangi upaya penanganannya. Pemerintah Provinsi DKI Jakarta melalui Dinas Lingkungan Hidup Provinsi DKI Jakarta berupaya untuk menangani permasalahan sampah tersebut dengan membangun alternatif fasilitas tempat pengolahan sampah di dalam kota. Fasilitas pengolahan sebagaimana dimaksud yaitu Pembangkit Listrik Tenaga Sampah PLTSa atau Fasilitas Pengolahan Sampah Antara. Keberlanjutan operasional dan hasil produksi dari fasilitas tersebut dipengaruhi oleh jumlah pasokan sampah sebagai bahan baku utamanya, dan hal tersebut juga dipengaruhi oleh optimalisasi rute transportasi pengangkutan sampah menuju fasilitas tersebut. Tujuan riset ini yaitu mengembangkan model yang dapat mengoptimumkan rute pengangkutan sampah dari sumber sampai Fasilitas Pengolahan Sampah Antara. Metode yang digunakan adalah Nearest Neighbour yaitu untuk membentuk rute perjalanan truk untuk melayani TPS yang paling dekat dengan lokasi yang terakhir dikunjungi. Hasil riset dengan metode Nearest Neighbour ini diperoleh rute dan trip yang baru berimplikasi pada pengangkutan sampah yang lebih mengoptimumkan dari sisi kapasitas angkut, waktu tempuh, jarak tempuh, serta terjadinya penurunan dari kondisi sebelumnya terhadap kebutuhan pengadaan truk sampah sebesar 39,16 , penurunan biaya BBM sebesar 35,64 , gaji SDM sebesar 39,16 , dan penurunan emisi Gas Rumah Kaca sebesar 35,64 . Kesimpulan penerapan rute dan trip baru tersebut sangat berdampak positif pada sisi ekonomi untuk menghemat biaya operasional, mengurangi dampak sosial yang terjadi dari keterlambatan pengangkutan sampah di sumber, dan mengurangi emisi yang terjadi dari operasional transportasi pengangkutan sampah.

---

ABSTRACTPopulation growth is always accompanied by an increase in waste generation. The issue of increasing the volume of waste becomes important if it is not balanced with the handling efforts. The Provincial Government of DKI Jakarta through the Environment Agency of DKI Jakarta Province seeks to address the waste problem by building alternative facilities in the city waste processing facilities. The processing facilities referred to are the Waste Power Generation or Intermediate Treatment Facility. The operational sustainability and production output of the facility is influenced by the amount of waste supply as its main raw material, and it is also influenced by the optimization of the transportation route of waste transport to the facility. The purpose of this research is to develop a model that can optimize the route of transporting waste from the source to Intermediate Treatment Facility. The method used is Nearest Neighbor which is to form a truck travel route to serve the temporary waste shelter closest to the last visited location. The result of this research using Nearest Neighbours method is obtained by route and trip that has new implication on garbage transportation which more optimize from the side of transport capacity, travel time, distance, and decrease from previous condition to the requirement of garbage truck procurement equal to 39,16 , fuel cost of 35.64 , human resources salary of 39.16 , and 35.64 reduction in greenhouse gas emissions. The conclusion of the implementation of the new routes and trips has a very positive impact on the economic side to save operational costs, reduce the social impacts of delays in transporting waste at sources, and reduce emissions from transportation operations."

"Dunia digital khususnya image processing berkembang seiring waktu berjalan dikarenakan kebutuhan masyarakat dan pentingnya keamanan sistem berbasis digital. Salah satu teknologi yang sangat mengalami kemajuan pesat adalah pengenalan wajah (face recognition) menggunakan artificial intelligence. Wajah seseorang yang sudah terdaftar di dalam database akan dikenali oleh sistem untuk keperluan validasi atau verifikasi. Di dalam penelitian ini dirancang sistem pengenalan wajah (face recognition) menggunakan algoritma machine learning dan Principal Component Analysis (PCA) sebagai pereduksi dimensi. Pengujian dilakukan dengan menggunakan beberapa metode, yakni: Support Vector Machine (SVM), Decision Tree (DT), K-Nearest Neighbour (K- NN), Logistic Regression (LR), Multi-Layer Perceptron (MLP) dan Convolutional Neural network (CNN). CNN berfokus pada layer dan tidak memerlukan reduksi dimensi, sehingga hasilnya lebih akurat. Model machine learning yang digunakan untuk classifier selain CNN adalah standar/default, sedangkan CNN menggunakan arsitektur LeNet-5, dengan dropout rate sebesar 0.25. Training dilakukan selama 60 epoch dengan loss function crosscategorical entropy, optimizer Adam, dan batch size sebesar 20. Data masukan adalah citra wajah berukuran 64 × 64 × 1 yang diperoleh dari dataset olivetti faces. Akurasi tertinggi metode PCA, SVM, maupun LR sebesar 91.25%, sementara akurasi terbaik CNN mencapai 98.75%. Selain akurasi, pemakaian confusion matrix dan classification report digunakan untuk menguji performa metode yang ada melalui evaluasi model klasifikasi.

---

The digital world, especially image processing, is evolving due to the needs of society and the importance of digital-based system security. One of the technologies that are rapidly progressing is face recognition using artificial intelligence. The system will recognize a person's face already registered in the database for validation or verification purposes. A face recognition system was designed using machine learning algorithms and Principal Component Analysis (PCA) as dimension reduction in this study. Testing is conducted using several methods: Support Vector Machine (SVM), Decision Tree (DT), K-Nearest Neighbour (K-NN), Logistic Regression (LR), Multi-Layer Perceptron (MLP) and Convolutional Neural network (CNN). CNN focuses on layers and does not require dimensional reduction to increase the accuracy of the result. The machine learning model used for classifiers other than CNN is standard/default settings, while CNN uses the LeNet-5 architecture, with a dropout rate of 0.25. The training was conducted for 60 epochs with loss function cross-categorical entropy, optimizer Adam, and batch size of 20. Input data is a 64 × 64 × 1 facial image obtained from the Olivetti faces database. The highest accuracy of PCA, SVM and LR methods was 91.25%, while CNN's best accuracy reached 98.75%. In addition to accuracy, the use of confusion matrix and classification report is used to test the performance of existing methods through the evaluation of classification models."