Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini membahas mengenai Pengalaman Pengguna Terhadap Antarmuka Situs Web Sampoerna University. Tujuan penelitian ini adalah mengidentifikasi pengalaman pengguna terhadap front-end antarmuAka situs web perpustakaan Sampoerna University dengan mendengarkan pendapat dari mahasiswa Sampoerna University, hasil observasi, dan membandingkannya dengan teori yang ada. Penelitian ini merupakan penelitian kualitatif dengan menggunakan metode wawancara. Responden dalam penelitian ini adalah mahasiswa Sampoerna University angkatan diantara 2010, 2011, 2012, 2013, 2014 yang menggunakan layanan antarmuka Situs Web Library and Learning Center Sampoerna University. Hasil penelitian ini menunjukkan bahwa tampilan antarmuka situs web perpustakaan Sampoerna University sudah sudah memenuhi kebutuhan pengguna dan berdasarkan hasil dari observasi yang dilakukan peneliti jika membandingkannya dengan teori Sean Mcmanus (2011) bagaimana sebuah website dibuat sudah memenuhi beberapa kriteria.

---

ABSTRACTThis study discusses the User Experience On Sampoerna University Website Interface. The purpose of this study is to identify the user experience on the front-end interface library website Sampoerna University to listen to the opinions of students Sampoerna University, observation, and compare it with the existing theory. This study is a qualitative study using interviews. Respondents in this study were Sampoerna University students among the class of 2010, 2011, 2012, 2013, 2014 using a service interface Website Library and Learning Center Sampoerna University. These results indicate that the user interface library website Sampoerna University has been meeting the needs of users and based on the results of observations conducted by researchers when comparing it with the theory of Sean McManus (2011) how a website is made already meet several criteria."

"Analisis Prediksi Gerakan Tangan menggunakan Sinyal Elektroensefalografi. Berbagai pendekatan teknologi telah dikembangkan untuk membantu mereka yang menderita kelumpuhan dalam melakukan aktivitas kesehariannya secara mandiri. Salah satu teknologi tersebut adalah Brain-Computer Interface (BCI). Sistem BCI menggunakan elektro- ensefalografi (EEG) yang dihasilkan dari aktivitas mental seorang subjek sebagai masukan, dan mengubahnya menjadi perintah. Beberapa percobaan sebelumnya telah menunjukkan kemampuan sistem BCI untuk memprediksi gerakan sebelum gerakan tubuh aktual terjadi. Penelitian tersebut memprediksi gerakan yang akan terjadi dengan membedakan data pada kondisi rest, di mana tidak ada intensi gerakan, dengan kondisi pre-movement, di mana terdapat intensi gerakan sebelum gerakan aktual terjadi. Penelitian ini dilakukan untuk melakukan analisis sistem yang dihasilkan dari pembelajaran, yang kemudian diterapkan pada data dengan interval waktu kontinu, antara 3 detik sebelum gerakan terdeteksi sampai 1 detik setelah gerakan sebenarnya terjadi. Hasil percobaan menunjukkan bahwa sistem dapat membedakan kondisi pre- movement dan kondisi rest dengan menggunakan sinyal EEG pada frekuensi 7-30 Hz di mana letak Mu dan ritme Beta dengan nilai rerata true positive rate (TPR) sebesar 0.64 ± 0.11 dan rerata nilai false positive rate (FPR) sebesar 0.17 ± 0.08. Hasil percobaan juga mampu menunjukkan bahwa penggunaan sinyal EEG yang dekat dengan terjadinya gerakan, membuat sistem dapat mendeteksi intensi gerakan dengan nilai TPR atau tingkat deteksi gerakan semakin tinggi.

---

Various technological approaches have been developed in order to help those people who are unfortunate enough to be afflicted with different types of paralysis which limit them in performing their daily life activities independently. One of the proposed technologies is the Brain-Computer Interface (BCI). The BCI system uses electroencephalography (EEG) which is generated by the subject?s mental activity as input, and converts it into commands. Some previous experiments have shown the capability of the BCI system to predict the movement intention before the actual movement is onset. Thus research has predicted the movement by discriminating between data in the ?rest? condition, where there is no movement intention, with ?pre-movement? condition, where movement intention is detected before actual movement occurs. This experiment, however, was done to analyze the system for which machine learning was applied to data obtained in a continuous time interval, between 3 seconds before the movement was detected until 1 second after the actual movement was onset. This experiment shows that the system can discriminate the ?pre-movement? condition and ?rest? condition by using the EEG signal in 7-30 Hz where the Mu and Beta rhythm can be discovered with an average True Positive Rate (TPR) value of 0.64 ± 0.11 and an average False Positive Rate (FPR) of 0.17 ± 0.08. This experiment also shows that by using EEG signals obtained nearing the movement onset, the system has higher TPR or a detection rate in predicting the movement intention."

"Brain-Computer Interface (BCI) merupakan sebuah sistem yang mampu menerjemahkan sinyal-sinyal otak menjadi perintah kepada berbagai devais keluaran. Teknologi ini kini sedang berkembang pesat terutama untuk keperluan rehabilitasi gerak bagi orang-orang yang telah kehilangan kemampuan geraknya. Dalam penelitian ini, dirancang sebuah sistem BCI yang mampu menerjemahkan sinyal otak seseorang ketika sedang melakukan pembayangan gerak (motor imagery) untuk gerakan tangan menggenggam dan membuka. Hasil terjemahan tersebut dapat digunakan untuk menggerakkan sebuah antarmuka yang membantu orang tersebut untuk bergerak menggenggam dan membuka tangan secara real-time. Sistem BCI ini menggunakan perangkat akuisisi data yang terdiri dari Raspberry Pi 4 dan ADS1299 Analog-to-Digital Converter. Sistem ini juga dikembangkan dengan menggunakan berbagai algoritma pemrosesan dan klasifikasi data, mulai dari Independent Component Analysis, Support Vector Machine, Linear Discriminant Analysis, k-Nearest Neighbours, dan Random Forest. Akurasi hasil testing klasifikasi yang dilakukan oleh sistem ini bernilai 64,6% untuk mengklasifikasi 3 jenis pembayangan gerak (menggenggam, membuka, dan diam) menggunakan algoritma SVM serta 94,7% untuk klasifikasi 2 jenis pembayangan gerak (menggenggam dan membuka) menggunakan algoritma Random Forest.

---

Brain-Computer Interface (BCI) is a system which can translate brain signals to command various output devices. This technology had been developing rapidly, especially for movement rehabilitation purposes for people with motoric disabilities. In this research, a BCI system has been developed which can translate one’s brain signals when one is imagining doing hand movement (motor imagery). The translation result can be used to drive an interface in real-time. This BCI system utilize an acquisition device, consisting of Raspberry Pi 4 and ADS1299 Analog-to-Digital Converter. Besides, this system has also been developed using several algorithms for processing and classifying data, namely Independent Component Analysis, Support Vector Machine, Linear Discriminant Analysis, k-Nearest Neighbours, and Random Forest. Testing accuracy for this system yielded a 64.6% for classifying three types of motor imagery (hand grasping, hand opening, and resting) with SVM, and 94.7% for classifying two types of motor imagery (hand grasping and hand opening only) using Random Forest."

"AbstrakKartu tanda anggota (KTA) merupakan kartu tanda identitas bagi anggota tetap TNI AU dan taruna AAU. Penggunaan KTA di AAU sangat terbatas dan masih menggunakan cara manual. unuk mengatasi hal tersebut, dilakukan perancangan perangkat e-kta dengan mengubah kta menjadi e-kta menggunakan teknologi RFID dengan database menggunakan microsoft acces dan tampilannya mengubah visual basic"

"ABSTRAKPengupasan sabut kelapa dengan cara tradisioanal masih saja dilakukan orang terlebih di daerah-daerah pedesaan. Demikian halnya mesin-mesin pengupas sabut kelapa yang diharapkan akan mampu memberi solusi mengatasi adanya kelemahan pada alat yang digunakan dengan cara tradisional. Namun keberadaan mesin-mesin kian hari kian berkembang. Sehingga dilakukanlah suatu penelitian dengan melakukan rancang bangun terhadap mesin pengupas sabut kelapa yang baru dengan kapasitas besar dan semi kontinu. Mesin ini mengalami perubahan dan inovasi dari mesin-mesin yang sudah ada sebelumnya. Kegiatan penelitian diawali dengan melakukan perancangan terhadap mesin, kemudian hasil perancangan direalisasikan dalam bentuk pembuatan mesin dan akhirnya dilakukan uji kinerja mesin. Pengujian dilakukan terhadap tiga jenis kelapa yang keadaan kulitnya basah, sedang dan kering. Masin-masing buah kelapa yang diuiji sebanyak 10 buah. Pada hasil pengujian Waktu rata-rata pengupasan untuk tiap buah kelapa yang bersabut basah selama 13,1 detik per buah, untuk kelapa sedang 17,2 detik dan untuk kelapa kering selama 22 detik. Sedang kapasitas mesin adalah: untuk pengupasan jenis kelapa basah, kapasitas mesin adalah sebanyak 275 buah/jam, untuk kelapa sedang adalah sebanyak 209 buah/jam dan untuk kelapa kering sebanyak 163 buah/jam. Hasil kesimpulan dari penelitian adalah: analisis secara umum kelapa basah lebih mudah dikupas, sebab kelapa basah seratnya lebih banyak mengandung air sehingga gampang/lebih mudah dipisahkan dari kulitnya dibandingkan dengan kelapa yang lebih kering, seratnya hampir tidak mempunyai kadar air atau kondisi sabut kelapa kering."

"Telah dilakukan perancangan penggerak sumber isotop untuk memposisikan sumber radiasi pada perangkat brakiterapi HDR. Spesifikasi sumber isotop adalah Iridium-192 dengan aktivitas 10 Ci. Sumber dilengkapi dengan seling dengan panjang 2007 mm. Perancangan ini dilakukan sebagai pengembangan prototipe awal yang telah dibuat sebelumnya. Kegiatan diawali dengan uji coba pendahuluan untuk mengevaluasi batasan-batasan gaya yang dibutuhkan pada seling. Berdasarkan hasil uji coba tersebut dan dilengkapi dengan perhitungan-perhitungan, desain drum penggulung seling dan roda gigi untuk pemasangan limit switch berhasil diperoleh. Drum penggulung berdiameter 80 mm dan tebal 30 mm dilengkapi dengan alur spiral sejumlah 17 putaran yang digunakan untuk lilitan seling dan juga pengarah gerakan. Pasangan dengan 12 gigi dan roda gigi besar berdiameter 120 mm dengan 96 gigi. Spesifikasi motor stepper penggerak seling juga berhasil ditentukan. Torsi minimum motor yang dibutuhkan adalah1,15 Nm. Untuk menghindari kerusakan seling jika terjadi kegagalan dalam beroperasi, torsi maksimum juga dibatasi sebesar 1,36 Nm. Motor juga harus mampu berputar dengan kecepatan 110 rpm. Bila motor stepper memiliki langkah putar 0,72 (bergantung pada pabrikan), maka motor dan driver harus dapat beroperasi dengan kecepatan 917 pulsa/detik."