Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seorang mahasiswa sebelum melakukan kegiatan akademis di Perguruan Tinggi akan melakukan pengisian Formulir Rencana Studi (FRS). Dengan bertambah majunya teknologi informasi dijital seperti intemet, aplikasi pengisian form FRS dapat dilakukan dad jarak jauh dengan menggunakan world wide web. Pada skripsi ini akan diterapkan aplikasi basis data pads dokumen web di intemet berupa pengisian form Hypertext Markup Language (HTML) dengan perancangan dan pengembangan perangkat lunak untuk sistem pengisian FRS jarak jauh berdasarkan basis data pada Sistem Informasi Basis Data Pakar dan ujicoba pads jaringan komputer lokal intranet. Pengisian form FRS dilakukan oleh mahasiswa yang datanya tercatat pada basis data komputer kampus, dalam hal ini digunakan basis data pada Sistem Informasi Basis Data Pakar (Sibapak). Berdasarkan data kondisi akademis pads basis data, seorang mahasiswa mengisi FRS sesuai dengan syarat Indeks Prestasi pada semester sebelumnya. Pengisian form FRS dengan intemet ditujukan untuk mengatasi permasalahan administrasi yang sering terjadi pada pengisian FRS biasa seperti faktor keterlambatan karena saat liburan, letak kampus yang berada di luar kota atau tersebar."

"Dengan kemajuan perangkat lunak sekarang ini serta diperkenalkannya ilmu pengetahuan Artificial Intellegent sejak tahun 50-an dan khususnya teknologi Jaringan Syaraf Tiruan sebagai salah satu perangkat lunak Intellegent Quotient yang dapat digunakan sebagai mesin penghitung. Jaringan Syaraf Tiruan (JST) mampu memecahkan permasalahan yang sulit dipecahkan dengan persamaan matematis biasa dalam waktu yang relatif cepat. Hasil perhitungan dari JST dapat dipakai sebagai Output perhitungan. Sistem JST merupakan salah satu teknik yang dikembangkan untuk sistem kecerdasan buatan dengan cara meniru cara kerja Jaringan syaraf biologis pada mahkluk hidup. Masukan untuk Jaringan syaraf biologis adalah penerimaan respon sedangkan keluarannya adalah tanggapan, dimana hubungan antara Input dengan Output-nya memiliki hubungan yang sulit dijabarkan serta dapat memberikan tanggapan yang benar terhadap Input yang tidak dikenal ( Model Free Estimator). JST dapat menghasilkan Output yang diharapkan, karena JST ini dilatih (training) dan diajar (learning). Proses pelatihan dan pengajaran JST ini dengan cara memberikan suatu bobot (weight) pada Input secara random, kemudian bobot ini diubah-ubah dengan aturan dan sejumlah iterasi tertentu sampai didapatkan hasil yang diharapkan. JST ini akan digunakan untuk pemodelan UV Lamp 1 filter, UV Lamp 2 filter dan Water Softener filter pada Sistem Pembuatan Air Steril ( Demineralized Water Process System ). Dalam Tugas Akhir ini dilakukan pembuatan JST yang berbasis pada Jaringan Backpropagation dan mencoba membandingkan beberapa Jaringan yang bisa dibuat dari parameter - parameter yang diukur dalam DI Water System untuk dicari pemodelan Jaringan terbaik untuk dijadikan sebagai sistem pemodelan Jaringan terbaik untuk DI Water System."

"Di tengah transformasi digital, perusahaan perlu mengoptimalkan proses bisnis salah satunya melalui pengintegrasian teknologi digital Artificial Intelligence (AI). AI marketing efforts yang meliputi interaction, information, accessibility, customization, dan entertainment menjadi salah satu upaya seabgai jenis baru komunikasi pemasaran media sosial yang didukung oleh teknologi berbasis AI. AI marketing efforts mampu mempengaruhi respons pelanggan dan pengalaman pengguna secara keseluruhan. Pengalaman baru yamg didapat akan mengarah pada kepuasaan pelanggan dan preferensi merek mereka. Dari sisi perusahaan, perusahaan harus mendalami serta mengoptimalkan peran dari marketing efforts berbasis AI dalam segi bisnis dan operasionalnya agar dapat memaksimalkan pengalaman pengguna sehingga terciptanya preferensi merek di benak pengguna. Penelitian ini bertujuan untuk menganalisis pengaruh AI marketing efforts terhadap brand preference yang dimediasi oleh brand experience. Penelitian menggunakan pendekatan kuantitatif melalui penyebaran kuesioner melalui teknik penarikan sampel purposive sampling terhadap pengguna aplikasi TikTok di DKI Jakarta. Data yang diperoleh dari penelitian ini sejumlah 155 responden dan dianalisis menggunakan analisis data SEM-PLS (Structural Equation Modelling – Partial Least Square). Pengolahan data menggunakan aplikasi software IBM SPSS Statistics 29 dan SmartPLS 3.2.9. Hasil dari penelitian ini menunjukkan bahwa brand experience mampu memediasi hubungan antara AI marketing efforts dan brand preference secara positif. Telerbih lagi, ditemukan pula pengaruh positif antar variabel dalam penelitian ini.

---

During digital transformation, a company should optimize its business process by integrating digital technology such as artificial intelligence (AI). AI marketing efforts - interaction, information, accessibility, customization, entertainment-are one of the new types of social media marketing communication supported by AI technology. The new experience gained by customers will lead to customer satisfaction and brand preference. This study aimed to analyze the influence of AI marketing efforts on brand preferences mediated by brand experience. The research employs a quantitative approach by distributing questionnaires through a purposive sampling technique to TikTok’s users at DKI Jakarta a total of 155 respondents. The findings of this study demonstrate that brand experience can mediate the relationship between AI marketing efforts and brand preference positively. In addition, there is a positive relationship among the variables used in this study."

"Pengolahan citra telah mengalami banyak perkembangan dan semakin umum diaplikasikan. Salah satu pengaplikasiannya rekognisi wajah tiga dimensi, yang juga melibatkan estimasi pose wajah. Salah satu metode rekognisi citra, yaitu jaringan saraf konvolusi, berpotensi menjadi dasar dari sistem estimasi pose wajah. Operasi konvolusi diharapkan mampu meminimalisir pengaruh distorsi dan disorientasi objek, serta mampu mengefisiensikan parameter yang dibutuhkan. Namun, permasalahan noise atau derau belum secara eksplisit terselesaikan oleh jaringan saraf tiruan konvolusi. Penelitian ini bertujuan memasukkan fitur sistem fuzzy yang efektif mengelola data samar ke dalam jaringan saraf tiruan konvolusi yang diaplikasikan untuk estimasi pose wajah. Perancangan dimulai dari menjabarkan fungsi masing-masing lapisan jaringan saraf tiruan, menjabarkan operasi-operasi aritmatika pada bilangan fuzzy, dan mencoba menggantikan neuron crisp pada jaringan saraf tiruan konvolusi umum menjadi neuron fuzzy, dan mengaplikasikannya untuk mengestimasi pose wajah. Sistem yang sudah dibangun kemudian diujicoba pada dataset yang dimiliki Departemen Teknik Elektro UI dan dibandingkan dengan CNN-crisp yang memiliki arsitektur serupa dengan parameter pembelajaran yang sama. Hasil didapat menunjukkan sistem konvolusi fuzzy mencapai nilai kesalahan estimasi pose lebih rendah dari konvolusi crisp pada data berderau tanpa merubah hasil estimasi pada data tidak berderau.

---

Image processing has undergone many developments and is increasingly commonly applied. From limited two-dimensional recogniton, facial recognition has now being developed to be able to recognise three-dimensional features. This ability involves process of face pose estimation. One method of image recognition, the convolution neural network, has the potential to become the basis of the face pose estimation system. Convolution operation is expected to minimize the effect of distortion and disorientation of the object, and able to efficiently reduce the required parameters. However, the image noise problem has not been explicitly resolved by convolution neural networks.

This study aims to include features of a fuzzy system that effectively manages fuzzy data into convolutional neural networks applied to head pose estimation. The design begins with describing the function of each layer of artificial neural networks, describing arithmetic operations on fuzzy numbers, and attempting to replace crisp neurons in convolution layer of convolutional neural into fuzzy neurons, and applying them to estimate head poses. The estimator system is then tested on a dataset owned by the Department of Electrical Engineering UI and compared with CNN-crisp that has a similar architecture with the same learning parameters.

The results show that the fuzzy convolution system reaches less error of pose estimation value compared to the crisp convolution system, without changing the estimation value of image without noises."