Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPermasalahan inti pada tesis ini adalah mengenai situs smunjupan.com yang akan melakukan perubahan pada situsnya. Perubahan tersebut merupakan perubahan yang sifatnya mendasar atau radikal, dimana terjadi perubahan pada tujuan dan kegunaan situs. Sehingga dalam pelaksanaannya dibutuhkan suatu perencanaan yang matang dengan mengevaluasi keadaan yang ada dan requirement yang diinginkan sehingga tujuannya tercapai. Sehingga dapat disusun suatu konsep baru atau realisasi dari situs smunjupan.com yang baru. Ruang lingkup dari penulisan ini yaitu: situs yang menjadi bahan penelitian adalah smunjupan.com; penelitian hanya difokuskan pada perubahan isi atau fitur (feature) dari situs, analisa dan evaluasi dilakukan berdasarkan metode analisis SWOT, Porter 5 Forces Competitive Model, CSF, dan project risk; penelitian untuk requirement hanya berfokus pada pihak pemilik atau pengembang dan pihak user yang menjadi sasaran situs; hasil akhir dari penulisan adalah konsep realisasi dari smunjupan.com berupa vision document. Berdasarkan analisis dan pembahasan terhadap kondisi smunjupan.com saat ini, project risk, dan requirement yang dibutuhkan, maka perlu dilakukan pengembangan pada situsnya dimana pengembangan harus sesuai dengan strategi SO, dan requirement yang dihasilkan yaitu pengadaan sarana belajar, peningkatan dan penambahan fasilitas untuk komunitas, dan melengkapi profil sekolah.ABSTRACTThe main problem of this thesis is about smunjupan.com site who will make change or improvement on its website. The change is a radical approch which involve the objective and the usefulness of the site. Mature planning to current situation and requirement evaluation are needed in order to reach it objective's goal. So the new or realization concept of smunjupan.com can be arranged.The scope of this thesis are: evaluating the smunjupan.com website; doing research in which focused on content and feature improvement of the website, the analysis and evaluation are based on SWOT analysis, Porter 5 Forces Competitive Model, CSF, and project risk. The requirement analysis only conducted from the owner or developer side and targeted user side, the result is a realization concept in the shape of vision document of smunjupan.com.Based on analysis and evaluation of current situation, project risk, and requirement, then the improvement is necessary to conduct which the improvement must suitable with SO strategy and the result of requirement analysis ie. create study facility, improve the facility for community, and complete the school's profile facility."

"Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan."

"Speaker verification menggunakan suara dalam mengidentifikasi penggunanya sehingga memilih peluang yang sangat besar untuk diterima di dalam masyarakat karena kemudahannya. Dengan biaya yang lebih murah dibanding sistem biometrik lain, akurasi yang didapatkan dari sistem ini cukup baik [!]. Terlebih lagi, riset terhadap suara telah dilakukan secara terus-menerus beberapa tahun belakangan ini sehingga dapat dijadikan acuan dalam pembuatan sistem speaker verification yang lebih baik lagi. Dengan adanya mikroprosesor Digital Signal Processing (DSP) yang dioptimasi untuk pengolahan sinyal dijital dan aplikasi perhitungan numerik kecepatan tinggi, sistem ini dapat lebih mudah dibuat dan diaplikasikan dalam kehidupan nyata. Selain itu, karena dapat diprogram (programmable), maka sistem keluaran dapat disesuaikan dengan kebutuhan dan juga kontrol akurasinya akan menjadi lebih baik. Pada skripsi ini, dibahas unjuk kerja sistem speaker verification menggunakan parangkat keras ADSP-2181 yang merupakan prosesor DSP buatan Analog Device dengan metode ekstraksi fitur Linear Predictive Coding (LPC) dan metode pencocokan fitur Dynamic Time Warping (DTW) yang dihasilkan dari ujicoba terhadap 8 orang speaker dilihat dari nilai False Acceptance Rate (FAR) dan False Reject Rate (FRR). Unjuk kerja sistem speaker verification yang telah dibuat dan diujicoba ternyata cukup baik. Hal ini dapat dilihat dari nilai rata-rata FAR yang kecil, yaitu sebesar 10.72% dan niiai FRR sebesar 37.5%."

"Selama ini telah dikenal sistem pembelajaran dengan metode konvensional dimana siswa belajar dan mengerjakan tugas secara individual. Akibatnya perkembangan dan penguasaan materi dari masing-masing siswa menjadi tidak sama. Namun, dimulai pada era 1970-an tercetuslah sebuah metode pembelajaran secara berkelompok, dimana kelas dibagi menjadi beberapa kelompok dengan jumlah peserta masing-masing kelompok antara 2 hingga 6 orang. Terbukti bahwa metode pembelajaran berkelompok ini dapat lebih meningkatkan efektifitas dan efisiensi dalam proses pembelajaran bila dibandingkan dengan metode pembelajaran konvensional.Saat ini sistem pendidikan telah mulai mengimplementasikan proses pembelajaran melalui media internet. Akibatnya adalah tercipta banyak komunitas pendidikan secara virtual atau e-learning. Bardasarkan fakta itulah sistem pembelajaran berkelompok coba diterapkan dalam dunia e-learning, dan menghasilkan sistem collaborative elearmng.Penerapan sistem collaborative elearmng membutuhkan adanya fitur-fitur pendukung untuk mengoptimalkan dan menyempumakan kinerja sistem secara keseluruhan. Fitur yang menjadi awal berjalannya sistem collaborative elearmng tentunya adalah fitur grouping untuk pembagian kelompok. Fitur pretest yang ditujukan untuk mengukur sejauh mana penguasaan materi mahasiswa sebelum proses pembelajaran dimulai. Kemudian fitur diskusi yang dibuat untuk mempermudah anggota kelompok dalam berdiskusi dengan kelompoknya guna menyelesaikan tugas yang diberikan oleh dosen untuk masing-masing kelompok.Setelah dilakukan beberapa pengujian dengan memvariasikan jumlah pertanyaan untuk fitur pretest dan memvariasikan jumlah peserta untuk fitur grouping. Didapatkan bahwa kecepatan akses sistem akan bertambah sebesar 0.0228 detik untuk setiap penambahan 1 soal pretest dalam proses input soal kedalam database dan berkurang sebesar 0.0062 detik dalam proses submit jawaban pretest, sedangkan pertambahan 1 orang peserta akan menambah waktu akses proses grouping sebesar 0.0005 detik."

"ABSTRAKSalah satu pendekatan dalam pengenalan objek dengan menggunakan komputer adalah pendekatan fitur. Pendekatan fitur dilakukan dengan mencari fitur-fitur penting atau keypoint-keypoint dari suatu gambar. Scale invariant feature transform (SIFT) merupakan salah satu metode yang cukup populer dalam pengenalan objek berdasarkan pendekatan fitur. Skripsi ini dibuat untuk merancang suatu program untuk mengenali objek kapal perang dengan metode SIFT dan melakukan simulasi serta analisis dari hasil program tersebut. Performa SIFT dalam mengenali objek akan diukur dari persentase kesuksesan mengenali gambar, parameter recall vs 1-precision, dan parameter F1 Score sesuai dengan nilai threshold yang divariasikan. Hasil simulasi menunjukkan bahwa nilai threshold yang paling optimal adalah senilai 0.7 dengan tingkat akurasi sebesar 83,33%.

---

ABSTRACTFeature approach is one of computerized object recognition approaches. Feature approach is done by finding important features or keypoints from an image. Scale Invariant Feature Transform (SIFT) is a popular method in object recognition based on feature approach. This thesis is created to design an object recognition program on battleship applications with SIFT method, do the simulation, and analyze the program results. SIFT?s performance on recognizing object will be measured from successful recognition percentage, recall vs 1- precision, and F1 Score parameter with variated threshold value. Simulation results show that the best threshold value is 0.7 with 83.33% accuration."

"Paper ini mengkaji sebuah solusi untuk permasalahan penilaian jawaban esai secara otomatis dengan menggabungkan support vector machine (SVM) sebagai teknik klasifikasi teks otomatis dengan LSA sebagai usaha untuk menangani sinonim dan polisemi antar index term. Berbeda dengan sistem penilaian esai yang biasa yakni fitur yang digunakan berupa index term, fitur yang digunakan proses penilaian jawaban esai adalah berupa fitur generic yang memungkinkan pengujian model penilaian esai untuk berbagai pertanyaan yang berbeda. Dengan menggunakan fitur generic ini, seseorang tidak perlu melakukan pelatihan ulang jika orang tersebut akan melakukan penilaian esai jawaban untuk beberapa pertanyaan. Fitur yang dimaksud meliputi persentase kemunculan kata kunci, similarity jawaban esai dengan jawaban referensi, persentase kemunculan gagasan kunci, persentase kemunculan gagasan salah, serta persentase kemunculan sinonim kata kunci. Hasil pengujian juga memperlihatkan bahwa metode yang diusulkan mempunyai tingkat akurasi penilaian yang lebih tinggi jika dibandingkan dengan metode lain seperti SVM atau LSA menggunakan index term sebagai fitur pembelajaran mesin.

---

AbstractThis paper examines a solution for problems of assessment an essay answers automatically by combining support vector machine (SVM) as automatic text classification techniques and LSA as an attempt to deal with synonyms and the polysemy between index terms. Unlike the usual essay scoring system that used index terms features, the feature used for the essay answers assessment process is a generic feature which allows testing of valuation models essays for a variety of different questions. By using these generic features, one does not need to re training if the person will conduct an assessment essay answers to some questions. The features include percentage of keywords, similarity essay answers with the answer reference, percentage of key ideas, percentage of wrong answer, and percentage of keyword synonyms. The test results also show that the proposed method has a higher valuation accuracy rate compared to other methods such as SVM or LSA, use term index as features in machine learning."

"Dalam perencanaan geometrik jalan, terdapat 3 elemen desain yang harus diperhatikan yaitu jarak panjang, alinyemen horisontal dan alinyemen vertikal. Ketiga elemen desain tersebut harus diintegrasikan satu sama lain, sehingga desain geometrik jalan yang dihasilkan dapat memenuhi faktor keselamatan lalu lintas. Jarak pandang sebagai salah satu elemen desain merupakan faktor penting bagi pengemudi ketika menjalankan kendaraannya di jalan raya.Tugas akhir ini dilakukan dengan tujuan mendapatkan model jarak pandang menyiap berdasarkan kondisi lapangan, menganalisis pengaru dari setiap parameter input terhadap kebutuhan jarak pandang menyiap, dan validasi model dengan cara membandingkan model yang dikembangkan dengan model yang sudah ada. Dalam model ini terdapat 9 parameter input yang digunakan yaitu Vps, Vpmaks, Vi, Vo, Apmaks, Gs, Ge, Lp dan Li. Peningkatan panjang kendaraan penghalang dari 4,31 m (kendaraan penumpang) menjadi 25 m (kendaraan berat/truk) mengakibatkan penambahan kebutuhan JPM sebesar 110,6 m.Di sini terlihat bahwa untuk melewati kendaraan berat/truk membutuhkan JPM yang jauh lebih besar dibandingkan melewati kendaraan penumpang (4,31 m). Demikian juga halnya untuk jarak bersih kendaraan panyiap-penghalang pada awal dan akhir (Gs dan Gs) berpengaruh cukup besar terhadap kebutuhan JPM yang aman. Parameter input lainnya sangat penting adalah parameter input yang berhubungan dengan kinerja kendaraan seperti Vps, Vi, Vpmaks, Apmaks, dan Vo. Sebuah perbandingan dengan standar yang ada (AASHTO 1994) dilakukan untuk validasi model. Hasil membuktikan bahwa model JPM yang dimiliki AASHTO tidak sesuai dengan karakteristik kendaraan modern. Dan JPM yang dihasilkan jauh lebih besar dari yang dibutuhkan."