Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas akhir ini membahas tantang masalah yang terdapat pada Desain Database yaitu: Hubungan antara Struktur Functional Dependencies dan Struktur Dekomposisi. Hubungan tersebut diper1ihatkan melalui saturated set yang terdapat pada Funrtional Dependencies dan konsep antiroot (dibatasi hanya untuk non-trivial antiroot) yang terdapat pada Struktur Dekomposisi."

"Dalam skripsi dibahas pembangunan perangkat lunak BMS {Benefit Monitoring System) dengan menggunakan pendekatan obyek. BMS merupakan subsistem dari sistem perangkat lunak BME {Benefit Monitoring and Evaluation System) yang digunakan pada kegiatan SPLPT (Studi Pengembangan Beberapa Lembaga Pendidikan Tinggi) di Indonesia . Pelaksanaan pendekatan obyek dilakukan melalui tahapan analisis dan disain pendekatan obyek (OOA-&-OOD) pada BMS. Kemudi^ hasil-hasil yang diperoleh dirubah dalam bentuk basis data hirarki. Dari langkah-langkah tadi ditinjau pengaruh pendekatan objek tersebut dalam pembuatan basis data BMS khususnya, serta perangkat lunak BMS secara keseluruhan. Dalam hal ini didapat basil pendekatan obyek sangat memudahkan dan efektif dalam memahami ruang lingkup persoalan, menentukan jenis dan membentuk basis data yang memenuhi karakteristik sistem BMS, temyata basis data hirarki cukup memenuhi. Pada pendekatan obyek ini harus dilihat besamya ruang lingkup persoalan sistem, oleh karena untuk permasalahan yang kecil/sederhana pendekatan obyek tidak efektif."

"Penyelenggara dan operator jasa jalan tol di Indonesia selalu berupaya meningkatkan pelayanan untuk mencapai sasaran mulu yaitu Lancar, Aman dan Nyaman. Dalam rangka menambah rasa aman dan meraih kepercayaan para pengguna jalan tol, operator harus melakukan tanggung jawabnya berupa penanganan kecelakaan lalu lintas dengan oepat. Semakin cepat penanganarl kecelakaan, semakin besar pula probabilitas korban untuk selamat. Selain itu, pelaporan juga perlu dipercepat untuk mempercepat tindakan khusus pada suatu kecelakaan jika diperlukan. Tindakan khusus dapat mencegah kasus yang sama terjadi lagi.Melalui perbaikan proses ini, operator jalan tol dapat mengidentifikasi permasalahan yang menyangkut proses penanganan dan pelaporan kecelakaan yang kemudian akan diselesaikan melalui pelaksanaan desain ulang proses sehingga dapat memberikan performa yang lebih baik dan nilai tambah bagi pelanggannya. Proses penanganan dan pelaporan kecelakaan rnasih memiliki penundaan dan kegiatau tidak menambah nilai. Kedua hal tersebut perlu diminimalisasi atau bahkan dihilangkan.Penelitian ini menggunakan metodologi Narasimhan dan Jayaram. Penelitian ini dimulai dengan mengumpulkan data dari perusahaan. Selanjutnya, tabel aktivitas dan pemetaan proses pelaporan dan penanganan kecelakaan dihasilkan. Hasil pengolahan data akan dianalisis sehingga menghasilkan usulan perbaikan yang dituangkan dalam usulan tabel aktivitas dan pemetaan proses yang baru. Usulan perbaikan dapat mengurangi jumlah kegiatan dalam proses sebesar 17% dan pengurangan waktu proses mencapai 99.53%. Perbaikan terbesar disebabkan oleh usulan penggunaan sistem database melalui web.

---

Toll road operators in Indonesia are always trying to improve its services to achieve their quality targets of swifincss, safe, and comfort. In order to improve safety and to gain trust toll road users, toll road operators must handle traffic accidents quickly. If the victims are rescued sooner, the victim‘s probability to survive will rise. There is also a need to increase the speed of the reporting process. By increasing the speed of the reporting process, the special actions (if needed) can be held earlier. Special actions will prevent the same accident to happen again.

Through process improvement, toll road operators identify problems concerning the accident rescue and reporting process. These problems will be solved by redesigning the process which will give better performance and added value to its customers. The current accident rescue and reporting process still contains delays and non-added value activities. These delays and non-added value activities need to be reduced or eliminated.

This research uses the Narasimhan and Tayaram's methodology. This research starts by interviewing the functions involved, understanding company's documentation, and observing the process directly if possible. Then, activity table and process map of the current accident handling and reporting process is generated. Data processing results will he analyzed which will result improvement recommendations in the form of proposed activity table and process map. The improvement recommendations can reduce the amount of activities in the process for 17% and the duration of the process as much as 99.53% The greatest improvement comes from the database via web recommendation."

"Di era digital dengan pertumbuhan data yang sangat pesat, pengelolaan database menjadi semakin penting untuk mendukung kinerja sistem secara efektif dan efisien. Optimasi database melalui tuning parameter menjadi sangat penting dalam menangani volume data yang kian besar dari tahun ke tahun. Akan tetapi, proses tuning manual akan sangat kompleks dan memakan waktu karena melibatkan banyak parameter yang saling mempengaruhi dengan nilai yang bersifat diskrit dan kontinyu. Untuk mengatasi hal tersebut, penelitian ini mengusulkan implementasi auto tuning pada database MongoDB, yang merupakan database populer untuk NoSQL. Algoritma Hybrid Firefly dan Particle Swarm Optimization (FAPSO) akan digunakan untuk melakukan tuning parameter pada database. Penelitian ini akan dilakukan dengan dua skema database yaitu single node mode dan cluster mode. Untuk mengevaluasi hasil kinerja algoritma tersebut, akan dilihat rata-rata latensi dan throughput yang akan dibandingkan dengan nilai hasil dari algoritma firefly, PSO, dan parameter default dari database. Hasil dari penelitian menunjukkan bahwa algoritma FAPSO memberikan performa terbaik dalam pengujian kueri find() baik pada single node dan cluster mode dengan rataan latensi lebih rendah berturut-turut 7,43% dan 4,16% dari parameter default, serta throughput tertinggi hingga 42548,94 ops/detik pada skema single node dan 38245,91 pada skema cluster. Pada pengujian kueri lookup(), FAPSO unggul dalam beban kerja yang lebih rendah untuk kedua skema basis data dengan rataan latensi lebih rendah 0,23% dari parameter default dan throughput hingga 12338,05 ops/detik pada skema single node.

---

In this digital era with rapid data growth, database management has become increasingly important to support system performance effectively and efficiently. Database optimization through parameter tuning is important in handling the growing volume of data year by year. However, manual tuning processes are very complex and time consuming, because they involve numerous interdependent parameters with both discrete and continuous values. To address this issue, this research proposes the implementation of auto-tuning on MongoDB, which is a popular NoSQL database. Hybrid Firefly and Particle Swarm Optimization (FA-PSO) algorithm will be used to perform parameter tuning on the database. This research will be conducted on two database schemes, single-node mode and cluster mode. To evaluate the performance of the algorithm, the average latency and throughput will be measured and compared with the firefly algorithm, PSO, and default parameters of the database without tuning. The results of this research show that the FAPSO algorithm gives the best performance in find() query testing in both single node and cluster mode with an average of latency of 7,43% and 4,16% respectively from the default parameters, as well as the highest throughput of up to 42548,94 ops/sec on single node scheme and 38245,91 on the cluster scheme. On lookup() query tests, FAPSO excels in lower workloads for both database schemas with an average latency of 0.23% lower than default parameters and a throughput of up to 12338,05 ops/sec on the single node scheme. "

"ABSTRAK

Dionaea adalah honeypot yang memiliki tujuan utama mendapatkan salinan dari malware. Setelah mendapatkan salinannya, proses knowledge discovery dilakukan untuk mendapatkan informasi dari database Dionaea. Dua alasan utama penggunaan knowledge discovery adalah data terlalu banyak namun informasinya sedikit, dan untuk mengekstrak informasi yang berguna dan menafsirkannya. Proses knowledge discovery memiliki beberapa fase, yaitu pembersihan data, seleksi data, transformasi data, prekalkulasi, data mining, evaluasi pola, dan penyajian informasi. Proses data mining menggunakan variasi algoritma DBSCAN, yaitu multidensity DBSCAN. Analisis dibagi menjadi dua, yaitu analisis cluster dan dataset. Analisis cluster menjelaskan hubungan antara lokasi negara penyerang berdasarkan daerah Internet Registry-nya dan persentase deteksi malware berdasarkan beberapa vendor antivirus. Dari analisis dataset, didapatkan informasi bahwa malware yang paling sering digunakan penyerang atau tren malware, berjenis Downadup, yaitu sebesar 71.1%. Negara yang paling sering menyerang adalah Rusia dan beberapa negara Eropa. Sebagai pembanding, laporan tahunan yang dipublikasi Microsoft, ENISA, dan F-Secure pada akhir 2014 menunjukkan tren malware yang sama, yaitu berjenis Downadup.

---

ABSTRACT

The main purpose of implementation of Dionaea is to get copy of malwares. After that, knowledge discovery is applied to get information from Dionaea?s database. Two main reasons to use data mining method are data is too large but only contain few informations, and to extract useful informations and interpret them. Knowledge discovery process have several steps, they are data cleaning, data selection, data transformation, precalculation, data mining, pattern evaluation, and knowledge representation. Data mining process uses multidensity DBSCAN. There are two main sections of analysis, cluster analysis and dataset analysis. Cluster analysis show the relation between attackers? country location which is based on their Regional Internet Registry and malware detection rate from several antivirus vendor. Dataset analysis shows the most frequent country whose attacker is Conficker variant, 71.1% of all dataset is Conficker worm incident and the mode of attacker country is Russia and severals Europe countries. This outputs show similarity about threat landscape and malware in Asia, compared to annual report by Microsoft, Enisa, and F-Secure which was published at the end of 2014, which stated Downadup as most frequent malware.

"

"Parsing merupakan suatu pengujian apakah sebuah string ada dalam bahasa untuk suatu grammar atau tidak. Dan bila string itu ada, maka bagaimana pembentukan (derivasi) string tersebut diketahui. Dalam tugas akhir ini, akan dibahas parsing suatu subklas dari context-free grammar yaitu grammar LL(k)."

"Pada skripsi ini akan membahas mengenai pengimplementasi pendeteksian pengulangan kata menggunakan Cosine Similarity, sedangkan untuk melihat makna antar kalimat akan dilakukan pembobotan kalimat yang sebelumnya di lakukan proses parsing, stemming, stopword dan melakukan pemisahan antar kalimat. Metode stemming yang akan digunakan adalah metode stemming Arifin-Setiono, proses stemming digunakan untuk mencari kata dasar dari setiap kata pada jawaban dan kemudian dibandingkan dengan kata yang ada pada database. Jika antar kalimat masing-masing dibandingkan dan memiliki nilai cosine similarity lebih dari 0.5 maka sistem tambahan akan menghapus satu kalimat tersebut. Waktu proses antara sistem SIMPLE-O murni lebih cepat jika dibandingkan dengan SIMPLE-O dengan pendeteksian kata yang berulang antar kalimat dengan selisih waktu 0.22 detik. Korelasi nilai antara SIMPLE-O+Cosine dengan Human Raters adalah yaitu sebesar 0.38 untuk soal nomor satu dan untuk soal nomor dua memiliki nilai korelasi yang bernilai negatif 0.08 , untuk soal tiga 0.13, untuk soal empat 0.65 dan 0.022 untuk soal nomor lima.

---

In this paper will discuss the use of word repetition detection implement Cosine Similarity, while to see the meaning of the sentence will be weighted between sentences previously performed process of parsing , stemming , stopword and separation between sentences . Stemming method to be used is a method of stemming Arifin - Setiono , stemming process used to find root of each word in student answer , and then compared with of the word database . If the inter- sentence and has been compared and have value of cosine similarity more than 0.5 , the additional features on the system will remove a sentence . The time between system processes SIMPLE - O more fast when compared with SIMPLE-O with additional features on the system that will repetitive detection word sentence with a time difference between 0.22 seconds. The correlation value of the Human Raters with the SIMPLE-O + Cosine is 0.383 for the first question, -0.08 for the second question, 0.13 for the third question, 0.65 for the fourth question and 0.02 for the fifth question."