Hasil Pencarian  ::  Simpan CSV :: Kembali

"Implementasi PSAK 50/55 di masing-masing Bank di Indonesia merupakan salah satu syarat regulatory compliance dari Bank Indonesia dan Ikatan Akuntan Indonesia. Salah satu cakupan dari PSAK 50/55 adalah Penyisihan Kerugian Kredit (Loan-Loss Provisionin / Loan Impairment) atau dikenal dengan istilah Cadangan Kerugian Penurunan Nilai (CKPN) yang wajib dibentuk oleh Bank, sebagai akibat dari penyaluran kredit atau pembiayaan. Perhitungan CKPN membutuhkan data pembiayaan dari berbagai source system (core banking) dalam kurun waktu minimal 3 tahun. Oleh karena itu tantangan yang dihadapi Bank adalah kesiapan dalam menyusun laporan pembentukan CKPN secara tepat waktu dan akurat sesuai dengan metodologi perhitungan yang disyaratkan oleh regulator. Tantangan lainnya adalah terkait dengan pengambilan keputusan akibat volatilitas pembentukan CKPN sesuai dengan aturan PSAK 50/55. Volatilitas tersebut akan berpengaruh kepada tingkat profitabilitas Bank itu sendiri dan potensi kerugian risiko kredit. Apabila penyisihan terlalu besar, maka berdampak pada profitabilitas bank, sedangkan apabila penyisihan terlalu kecil, maka dapat meningkatkan risiko kredit bank khususnya apabila kredit yang bermasalah meningkat. Oleh karena itu dibutuhkan datamart PSAK 50/55 yang mampu mengumpulkan berbagai sumber data pembiayaan yang dapat digunakan untuk perhitungan CKPN sesuai dengan ketentuan PSAK 50/55. Dengan adanya datamart ini penyusunan laporan penyisihan kerugian kredit (CKPN) oleh Bank X dapat dicapai secara tepat waktu dan akurat. Implementasi datamart juga merupakan fondasi dalam penerapan OLAP yang dapat memberikan jawaban atas tantangan pengambilan keputusan, sehingga dapat memberikan efisiensi dan efektivitas bagi Bank X. Penelitian dilakukan dengan pengumpulan data, pemahaman kebutuhan bisnis dan informasi, perancangan arsitektur datawarehouse dan perancangan dan implementasi datamart, termasuk proses ETL dan penerapan OLAP. Hasil penelitian ini berupa implementasi datamart PSAK 50/55 dan penerapan OLAP dalam pelaporan dan monitoring penyisihan CKPN pada portfolio pembiayaan sesuai dengan PSAK 50/55.

---

Implementation of PSAK 50/55 in each Bank in Indonesia is one of the regulatory compliance requirements from Bank Indonesia (BI) and Indonesia Accountants Association (IAI). The scope of PSAK 50/55 is the allowance for credit losses or known as CKPN. In order to calculate loan impairment allowance, Banks need to consolidate from variety of source systems (core banking) with at least 3 years loan historical data. The challenge faced is the readiness of Banks in preparing the report of impairment allowance in timely and accurate manner. Other challenge is the decision making made by the Bank related to the volatility of impairment provision as a result of PSAK 50/55. This volatility will affect Bank’s profitability and credit risk exposure. If the allowance is too high, it impact on the profitability, whereas if the allowance is too small, credit risk is impacted, particularly when the bad debt is also increase. Therefore it required a datamart, which is able to consolidate a variety of data sources in a single view, spesific for the purpose of calculation impairment allowance in accordance with PSAK 50/55. Preparation of the report can be achieved on time and provide accurate result along with analytical capability for decision making support. Implementation datamart is also the foundation for OLAP application which can answers to the challenges of decision making. Those all benefits provide efficiencies and effectiveness of the Bank X. This research start with data collection, understanding the requirements of business and information, design of datawarehouse architecture and datamart design and implementation, including ETL processes and end with OLAP application. The result of this research is the implementation of PSAK 50/55 datamart and OLAP for the reporting and monitoring allowance for impairment in accordance with PSAK 50/55."

""Teknologi komputasi paralel telah berkembang pesat beberapa tahun terakhir ini, sejalan dengan teknologi perangkat keras dan perangkat lunak pendukungnya, Minimnya pengetahuan kita akan manfaat, cars penggunaan, atau bahkan untuk memahami definisi komputasi paralel itu sendiri mernbuat pengaaaaan ilmu tentang komputasi parallel itu sendiri menjadi terhambat. Implementasi komputasi paralel yang murah fasilitasnya, memungkinkan untuk dikembangkan, diketahui kode programnya, dapat dimodifikasi fungsi dan kemampuan dari perangkat kerasnya, bahkan untuk dijadikan perangkat pendamping pengajaran yang ringkas, tanpa kehilangan aspek teknisnya. Akan sangat membantu pemahaman terhadap komputasi paralel. Sistem Operasi ALIFLinux, merupakan produk remartering dari Distnbusi Linux ParallelKnoppix, yang memiliki kemampuan sebagai live CD (dapat dijalankan tanpa diinstallasi), mendeteksi perangkat keras, rescue CD (penyelamat saat tedadi kerusakan sistem operasi), menunjang komputasi parallel. Masalah yang dapat diselesaikan oleh komputasi paralel ialah komputasi kompleks yang membutuhkan banyak sumberdaya komputer. Pada Tugas Akhir ini dilakukan sebuali evaluasi kinerja dari sistem operasi Parallelknoppix yang telah diremaster menjadi ALIFlinux sebagai salah satu solusi komputasi paralel yang mudah dipelajari, digunakan dan murah. Evaluasi kmerja ini menggunakan bahan uji program Perkalian Matriks. Pengukuran keda yang ditunjukkan menunjukkan bahwa memang terjadi komputasi parallel pada cluster lokal. Dalam Tugas Akhir yang bedudul ""Evaluasi Kinerja Parallelknoppix Sebagai Sarana Komputasi Paralel dalam Menyelesaikan Masalah Komputasi Kompleks "", diharapkan dapat menjadi sarana pengembangan sumber daya manusia, bahan referensi dan acuan untuk pengembangan selanjutnya, khususnya di Jurusan Teknik Eiektro Fakultas Teknik Universitas Indonesia.""

"

Pada skripsi ini dipresentasikan desain rangkaian novel dc-dc flyback converter untuk mendukung teknologi 48 volt. Kebaruan dari rangkaian ini adalah pengaplikasian parallel input seried output dan umpan balik pada dc-dc flyback converter untuk mengubah 12V DC ke 48V DC. Disamping itu penggunaan transformator pada rangkaian yang berjumlah lebih dari satu berfungsi untuk membagi beban kerja induksi magnetik pada inti transformator. Desain umpan balik memanfaatkan arduino untuk memproses sinyal umpan balik sehingga menggerakan komponen penghasil sinyal PWM berdasarkan sinyal umpan balik yang diterima dan tegangan keluaran yang dihasilkan mencapai 48 volt meskipun dilakukan variasi beban. Rangkaian usulan terdiri atas keempat model yang berbeda, yaitu model tanpa umpan balik, model arduino-TL494CN, arduino saja, dan arduino-MCP4725-TL494CN. Hasil dari penelitian ini menyatakan model arduino-MCP4725-TL494CN memiliki presisi yang tinggi yaitu nilai defiasi yang paling rendah 0.02765 %⁄int dan tidak mengalami overshoot pada inisiasi rangkaian.

---

This essay presented dc-dc flyback converter for supporting 48 volt technology. This circuit merge parallel input seried output and feedback application. The new design development consist of parallel input seried output and feedback in dc-dc flyback converter to converter 12V DC to 48 V DC. Aside that, the function of using transformer more than one in circuit is for splitting magnetic induction workload for transformer core. Feedback design using arduino is for proccessing feedback signal so that driving PWM generator component based on received feedback signal and output voltage reach at 48 volt even the load is changing. The proposed circuit consist of four different model, that are no feedback model, arduino-TL494CN model, arduino only, and arduino-MCP4725-TL494CN model. Result of this research stated arduino-MCP4725-TL494CN model has the lowest deviation value 0.02765 %⁄int and preventing overshoot at circuit initiation.

"

"Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwibahasa (Indonesia - Inggris) dengan bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan bahasa Inggris sebagai karya tulis referensinya. Sistem pendeteksi plagiarisme terdapat dua bagian penting, yaitu akurasi dan kecepatan yang dihasilkan oleh sistem. Pada skripsi ini dilakukan pengembangan terhadap sistem pendeteksi plagiarisme dengan menambahkan penerjemah Microsoft Translator API dan menerapkan similar word. Penerapan penerjemah Microsoft Translator API dapat meningkatkan akurasi yang cukup signifikan yaitu sebesar 14,93 % dibandingkan penerjemah Googletrans API dan penerapan similar word dapat meningkatkan akurasi sistem dari 0,24% hingga 15,37%. Parallel processing diterapkan untuk mengatasi permasalahan waktu eksekusi yang lama ketika jumlah dokumen referensi yang digunakan banyak. Hasil pengujian dengan menerapkan parallel processing dapat meningkatkan kecepatan 1,06 hingga 6,71 kali lebih cepat dari program yang berjalan secara serial.

---

Plagiarism is the act of acknowledging the work of others personal work without their permissions. The prevalence of plagiarism is high in this digital era. In this thesis, an automatic plagiarism detection system on bilingual digital paper (Indonesian-English) is created with Indonesian paper as the tested paper and English paper as the reference paper. The plagiarism detection system has two important parts, namely the accuracy and speed produced by the system.

In this thesis, a plagiarism detection system is developed by adding a Microsoft Translator API translator and applying a similar word. The application of the Microsoft Translator API translator can increase the accuracy of the significant amount of 14.93% compared to the Googletrans API translator and the application of similar word can increase system accuracy from 0.24% to 15.37%. Parallel processing will be applied to overcome the problems of a long execution time when the number of reference documents that are used a lot. The test results by applying parallel processing can increase the speed of 1.06 to 6.71 times faster than programs running in serial."

"Jaringan Interkoneksi Bertingkat Banyak adalah jaringan interkoneksi yang digunakan untuk melakukan interkoneksi antar prosesor dan antar memori pada sistem yang menerapkan proses paralel yang memiliki unjuk kerja yang baik, ekonomis dan kompleksitas perangkat keras yang rendah sehingga jaringan ini sangat cocok untuk digunakan pada sistem berskala besar.Untuk mengatasi masalah konflik lintasan jaringan pada jaringan interkoneksi yang bersifat blocking, pada penelitian ini akan diamati skema routing bebas konflik yang diperlukan terutama pada penerapan algoritma paralel yang melakukan komunikasi antar prosesor yang intensif seperti mengumpulkan data dari banyak prosesor ke satu prosesor dan menyebarkan data dari satu prosesor ke banyak prosesor.Skema routing dibuat berdasarkan struktur komunikasi Quadtree, yang menentukan prosesor-prosesor mana yang harus dikirim data sehingga proses pengumpulan dan penyebaran data dilakukan dalam log4 M langkah. Skema routing yang dibuat untuk jaringan baseline ini dapat juga diterapkan pada jaringan lain yang mempunyai topologi yang ekivalen.Pada penelitian ini dibuat analisis dan simulasi untuk mengamati pengaruh skema routing ini pada unjuk kerja jaringan interkoneksi. Unjuk kerja yang diperhatikan ialah delay, throughput dan waktu turn-arround dari sekumpulan paket. Parameter-parameter yang diubah ialah ukuran jaringan, ukuran switchbox, probabilitas aliran paket dan urutan/lintasan paket-paket yaitu, dengan diterapkan atau tidaknya skema routing bebas konflik."

"Tingginya tingkat kompleksitas program menyebabkan program memiliki waktu eksekusi yang lama jikalau tidak dijalankan pada mesin berkomputasi tinggi. Masalah ini dapat diatasi salah satunya dengan cara menjalankan berbagai proses pada program tersebut secara simultan sehingga program dapat semakin cepat tereksekusi. Metode ini dikenal dengan istilah parallel computing. Untuk lebih mempercepat waktu eksekusi program, parallel computing tersebut dapat diimplementasikan pada arsitektur High Performance Computing HPC. Metode parallel computing dalam HPC tersebut diimplementasikan ke dalam program Sistem Penilaian Esai Otomatis Simple-O. Simple-O merupakan program penilai esai otomatis yang merupakan pengembangan dari Departemen Teknik Elektro. Dengan menerapkan parallel computing dan menjalankan program pada HPC, eksekusi yang dibutuhkan untuk memeriksa jawaban esai dapat semakin cepat. Parallel computing atau parallelism akan diterapkan pada salah satu bagian dari Simple-O yaitu pada algoritma pembelajaran dalam Simple-O, lebih tepatnya pada Self Organizing Map SOM atau Learning Vector Quantization LVQ. Parallelism dalam SOM dan LVQ diterapkan dengan metode network partition dimana node komputasi Euclidean distance dilakukan secara parallel. Pada penelitian ini didapatkan bahwa kecepatan program serial 1,28 kali lebih cepat dibandingkan program parallel.

---

The escalation of program complexity nowadays means slower run time when it is not executed in high performance machine. One way to address this issue is to execute the processes in the program simultaneously so the program may be executed quicker, known as parallel computing. To further accelerate the program parallel computing can be implemented in High Performance Computing HPC architecture. This method of applicating parallel computing with HPC is implemented in Automatic Essay Grading System, known as Simple O. Simple O is an automatic essay grading system developed by Department of Electrical Engineering Universitas Indonesia. The purpose of applicating the aforementioned method to Simple O is to accelerate the speed of essay grading execution. Parallel computing will be implemented to one of Simple O rsquo s part of program, which is in the learning algorithm. The learning algorithm applied in Simple O is Self Organizing Map SOM and Learning Vector Quantization LVQ. The implementation of parallelism in the learning algorithm uses network partition method, where the calculation of Euclidean distance is done in parallel. Through this research, it can be concluded that the the speed of serial program is 1.28 times quicker than the parallelized program."

"Sistem deteksi plagiarisme pada paper terdiri atas dua bagian penting, yaitu akurasi pada pengecekan dan optimalisasi kecepatan waktu proses saat melakukan pengecekan. Akurasi merupakan bagian yang menentukan apakah paper yang dicek termasuk plagiarisme atau tidak. Optimalisasi kecepatan merupakan usaha yang dilakukan dalam meningkatkan waktu proses dalam melakukan penerjemahan paper dan proses pengecekan paper dengan referensi. Adapun proses sistem deteksi plagiarisme paper adalah memasukkan data referensi Paper bahasa Inggris yang bersangkutan, pemasukan data referensi paper bahasa Indonesia yang akan dilakukan pengecekan, proses penerjemahan Paper dari bahasa Indonesia ke dalam bahasa Inggris, proses pengecekan deteksi plagiarisme kepada tiap-tiap referensi paper yang ada dengan menerapakan proses komputasi paralel dengan beberapa slave, pengecekan kemiripan dengan menggunakan metode LSA (Latent Semantic Analysis), memberikan keluaran nilai tingkat kemiripan berdasarkan proses LSA terhadap masing-masing paper. Pada skripsi ini difokuskan pada optimalisasi kecepatan waktu yang dihasilkan dengan menerapkan komputasi paralel pada sistem serta analisis performansi pada sistem deteksi plagiarisme paper bahasa Indonesia dengan referensi paper bahasa Inggris.

---

Paper plagiarism detection system consist of two important points, which is accuracy of checking and optimalization of amount of time usage for checking process. Accuracy is part to check whether tested paper is plagiarism or not. Speed optimalization is part to improve the process time of translating the tested paper and checking tested paper with reference paper. The process of plagiarism detection system are input of English language reference Paper, input of Indonesian language tested Paper, translating tested Paper from Indonesian language to English language process, checking to each reference Paper with parallel computation applied on slaves process, checking of similarity with LSA (Latent Semantic Analysis) method, gives output similarity scores between tested Paper and reference Paper given by LSA method. This thesis and research focused at optimalization of time usage with parallel computation system applied on plagiarism detection system between Indonesian language tested Paper and English language reference Paper speed."

"Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) merupakan algoritma untuk menyelesaikan permasalahan multiple sequence alignment (MSA). Algoritma ini menggabungkan dua teknik, pertama Tree Based yang merupakan Progressive Alignment dan kedua Consistency Objective Function berupa extending library. Pada pembahasan skripsi ini akan digunakan data sequence dari database ensembl yang terdiri dari database DNA atau protein yang akan diproses dengan global alignment (Needleman-Wunsch) dan local alignment (Smith- Waterman) dengan harapan informasi yang dihasilkan pada akhir pensejajaran akan menggambarkan hasil penyejajaran yang optimal. Proses pembentukan primary dan extended library pada T-COFFEE membutuhkan waktu lama sehingga untuk mempercepat waktu proses T-COFFEE digunakan teknik komputasi paralel Graphic Processing Unit (GPU). Skripsi ini akan menjelaskan algoritma T-COFFEE, algoritma paralel T-COFFEE, serta mengukur efisiensi dari kedua algoritma tersebut.

---

Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) is an algorithm to solve the problem of multiple sequence alignment (MSA). This algorithm combines two techniques, first is Tree-Based with Progressive Alignment and second is Consistency of Objective Function by extending library. In this skripsi, we use the data from the ensembl database that consisting of DNA or protein data. Those data will be processed by the global alignment (Needleman-Wunsch) and local alignment (Smith-Waterman) that is expected to give optimal alignment result at the end of the alignment process. The generating of Primary and Extended Library is the most time consuming, hence to speed up the T-COFFEE process, a parallel version of T-COFFEE algorithm is needed by implementing parallel computing on Graphic Processing Unit (GPU). In this skripsi, the T-COFFEE algorithm, the parallel T-COFFEE algorithm, and the measurement of their speed up and efficiency will be discuss."

"

Berbeda dengan arsitektur monolith, arsitektur microservice dapat melakukan scaling secara independen pada service tertentu saja, memberikan fleksibilitas yang lebih besar dalam menanggapi lonjakan traffic dan tentunya lebih menghemat resource dibanding monolith. Tidak semua service pada suatu aplikasi perlu dilakukan scaling, hanya service dengan load processing tertinggi saat menerima banyak request yang perlu dilakukan horizontal scaling untuk menghemat resource. Tetapi penentuan service yang harus dilakukan scaling harus dilakukan secara benar agar sesuai dengan kebutuhan pengguna. Salah satu metode yang bisa digunakan adalah Customer Behavior Model Graph (CBMG) dengan melihat probabilitas perpindahan halaman yang dilakukan oleh pengguna. Dari metode tersebut dapat ditemukan halaman yang paling sering diakses oleh pengguna sebelum akhirnya ditentukan service dengan load processing tertinggi. Salah satu teknik yang dimiliki oleh kubernetes adalah Horizontal Pod Autoscaling (HPA) yang memungkinkan untuk melakukan scaling hanya pada salah satu pod. Pada kubernetes, service lebih dikenal sebagai pod. Dari pengimplementasian HPA didapatkan bahwa pada percobaan terjadi penurunan access failure rate dari sebelum implementasi sebesar 17.19% dan 20.52% dan setelah implementasi turun menjadi 4.86% dan 5.44%. Selain itu terdapat kenaikan throughput pada percobaan dari sebelum implementasi sebesar 25.00 request/detik dan 41.30 request/detik, setelah implementasi didapatkan sebesar 39.30 request/detik dan 51.10 request/detik. Pada percobaan lainnya didapatkan sebelum implementasi sebesar 4.60 request/detik dan 4.20 request/detik, setelah implementasi didapatkan sebesar 15.50 request/detik dan 13.80 request/detik. Dari hasil implementasi bisa dilihat bahwa melakukan peningkatan pada salah satu pod sudah cukup untuk meningkatkan kinerja aplikasi website dengan resource yang tersedia dan dapat dioptimalkan dengan maksimal. Implementasi dilakukan pada salah satu aplikasi website microservice teastore, dengan strategi scaling berdasarkan CBMG, optimasi yg dilakukan berhasil menurunkan access failure rate dan meningkatkan throughput, meksipun menggunakan jumlah resource yang sama. dengan kata lain, setelah strategi yang dirancang diimplementasikan, penggunaan resource menjadi lebih optimal untuk melayani request-request yang ada.

---

Unlike monolithic architecture, microservice architecture can independently scale specific services, providing greater flexibility in responding to traffic spikes and, of course, saving more resources compared to monoliths. Not all services in an application need to be scaled; only pods with the highest load processing when receiving many requests need to be horizontally scaled to save resources. However, determining which services need scaling must be done properly to meet user needs. One method that can be used is the Customer Behavior Model Graph (CBMG), which looks at the probability of user page transitions. From this method, the most frequently accessed pages by users can be identified before determining the service with the highest load processing. One technique available in Kubernetes is Horizontal Pod Autoscaling (HPA), which allows scaling to be done only on specific pods. From the implementation of HPA, it was found that there was a decrease in the access failure rate from before implementation by 17.19% and 20.52%, and after implementation, it decreased to 4.86% and 5.44%. Additionally, there was an increase in throughput from before implementation by 25.00 requests/second and 41.30 requests/second, after implementation, it was found to be 39.30 requests/second and 51.10 requests/second. In another experiment, before implementation was 4.60 requests/second and 4.20 requests/second, after implementation, it was 15.50 requests/second and 13.80 requests/second. Improving the performance of one pod is sufficient to enhance the performance of the website application with the available resources and can be optimized to the maximum. The implementation was carried out on one microservice website application, making it better than monolithic architecture, which needs to scale the entire application."