Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTThe new student registration process begins with the process of filling out the registration form where to get it, the prospective student pays to get the form. Sanata Dharma University cooperates with the bank to develop an application to pay registration form with web service technology. The advantage of this technology is electronic service and can work 24 hours. Web service technology is a service thatallows communication between machines performed through a computer network with HTTP protocol web server. The web service application was developed and implemented by Sanata Dharma University and CIMB Niaga bank in October 2017. From the observation of January 2018 compared to January 2017, the January 2018 transaction increased by about 12% compared to January 2017. The proportion of web service transactions is around 30% of total transactions where 80% of them are conducted outside office hours. This data indicates that the knowledge of electronics services of prospective students and their parents is good enough."

"Salah satu fungsi CCTV yaitu untuk menjaga lalu-lintas pada persimpangan jalan, yang merupakan bagian dari ATCS. Ketika semakin banyak ATCS yang terpasang di jalan, secara konvensional, semakin banyak layar yang harus dipantau pada control room. Hal ini memerlukan sumber daya manusia tambahan, misalnya untuk dapat mengontrol keseluruhan lampu merah di persimpangan jalan. Sehingga, penggunaan algoritma YOLO dapat membantu melakukan pendeteksian kepadatan lalu lintas pada suatu persimpangan secara otomatis. Namun, menjalankan proses ini di sebuah server dapat mengakibatkan performa yang buruk bila jumlah aliran video dari CCTV yang harus diproses bertambah. Penelitian ini melakukan proof of concept untuk implementasi sistem di atas secara lebih scalable. Video yang berasal dari beberapa CCTV dikirimkan ke sebuah cluster kubernetes dengan memanfaatkan arsitektur multi-core pada GPU. Proses ini menghasilkan video deteksi yang telah diberikan bounding box dari kendaraan yang berada dalam lalulintas. Selain itu, terdapat hasil dari hitungan banyak kendaraan dari masing-masing lajur yang disimpan dalam sebuah databas. Data tersebut digunakan untuk web dashboard yang digunakan untuk memudahkan petugas dalam melakukan pemantauan dan pengambilan keputusan. Uji coba yang dilakukan membuktikan bahwa sistem dapat bekerja dengan stabil dengan auto-scaling mengikuti jumlah workload, dengan rerata penggunaan CPU yaitu 490 mCore, rerata penggunaan memory sebesar 1,7 GB untuk masing-masing pod, rata-rata penggunaan GPU 1,2 GB untuk satu koneksi client, dan 2 GB untuk dua koneksi client.

---

One of the functions of CCTV is to maintain traffic at crossroads, which is part of ATCS. As more and more ATCS are installed on the road, conventionally, more screens will have to be monitored in the control room. This requires additional human resources, for example, to be able to control the total number of red lights at crossroads. Thus, the use of the YOLO algorithm can help detect traffic density at an intersection automatically. However, running this process on a server can result in poor performance if the number of video streams from CCTV has to increase. This research does a proof of concept to implement the system in a more scalable way. Video from multiple CCTVs is sent to a Kubernetes cluster by leveraging the GPU's multi-core architecture. This process produces a detection video that has been assigned a bounding box from that in traffic. In addition, there are results from the count of the number of vehicles from each lane that are stored in a database. The data is used for a web dashboard that is used to make it easier for officers to monitor and make decisions. The tests were carried out to prove that the system can work stably with automatic scaling according to the number of workloads, with an average CPU usage of 490 mCore, the average memory usage of 1.7 GB for each pod, an average GPU usage of 1.2 GB for one client connection, and 2 GB for two client connections."

"Aplikasi investasi merupakan platform yang memungkinkan pengguna untuk dapat melakukan investasi secara online di berbagai instrumen atau aset investasi seperti saham, reksa dana, cryptocurrency, dan lainnya. Berdasarkan data dari laporan statistik pasar modal Indonesia KSEI (2022), jumlah investor di Indonesia mengalami peningkatan yang signifikan dari tahun 2019. Akan tetapi, jumlah investor tersebut jika dibandingkan dengan rasio penduduk yang ada di Indonesia masih lebih rendah dibandingkan negara-negara lain di kawasan Asean. Oleh karena itu, penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi customer intention pada aplikasi investasi dengan mengintegrasikan teori initial trust dan IS Success Model. Penelitian ini menggunakan metode analisis mixed-method, dengan didahului oleh proses analisis kuantitatif yang dilanjutkan dengan proses analisis kualitatif. Metode analisis kuantitatif dilakukan dengan menyebarkan kuesioner online dengan target responden pengguna aplikasi investasi di Indonesia. Sebanyak 489 responden berhasil didapatkan dan dianalisis secara kuantitatif menggunakan metode partial least square structural equation modelling (PLS-SEM). Penelitian kualitatif dilakukan dengan melakukan wawancara bersama 7 narasumber. Penelitian ini menemukan bahwa perceived benevolence, perceived integrity, dan perceived ability sebagai penyusun dari initial trust. Penelitian ini juga menemukan bahwa firm reputation, structural assurance, trust propensity, system quality, information quality, dan service quality memberikan pengaruh yang signifikan terhadap initial trust pengguna. Initial trust dan perceived usefulness juga ditemukan memberikan pengaruh signifikan terhadap intensi pengguna pada aplikasi investasi. Selain itu, penelitian ini menemukan bahwa financial literacy tidak mempengaruhi secara signifikan intensi pengguna dalam mengadopsi aplikasi investasi. Penelitian ini berkontribusi mengenai wawasan terkait integrasi initial trust model, dimension of trust dan IS success model dalam intensi pengadopsi aplikasi investasi di Indonesia. Penelitian ini juga mampu memberikan manfaat kepada penyedia layanan aplikasi investasi dalam mengembangkan aplikasi investasi untuk menghasilkan produk dan layanan yang sesuai dengan harapan dari pengguna dan pemerintah Indonesia dalam rangka mendorong pertumbuhan ekonomi di Indonesia.

---

Investment applications are platforms that allow users to invest online in various investment instruments or assets such as stocks, mutual funds, cryptocurrencies, and others. Based on data from KSEI's statistical report on the Indonesian capital market (2022), the number of investors in Indonesia has increased significantly from 2019. However, the number of investors when compared to the population ratio in Indonesia is still lower than other countries in the Asean region. Hence, this study aims to analyze the factors that influence customer intention in investment applications by integrating the initial trust model and the IS Success Model. This research uses a mixed-method analysis, preceded by a quantitative analysis process followed by a qualitative analysis process. The quantitative analysis method is carried out by distributing online questionnaires to the target respondents who are investment application users in Indonesia. A total of 489 respondents were obtained and analyzed quantitatively using the partial least square structural equation modeling (PLS-SEM) method. Qualitative research was conducted by conducting interviews with 7 respondents. This study found that perceived benevolence, perceived integrity, and perceived ability are constituents of initial trust. This study also found that firm reputation, structural assurance, trust propensity, system quality, information quality, and service quality have a significant influence on users' initial trust. Initial trust and perceived usefulness are also found to have a significant effect on user intentions in investment applications. In addition, this study found that financial literacy does not significantly affect the user's intention to adopt investment applications. This research contributes insights related to the integration of the initial trust model, dimension of trust and the IS success model in the intention of adopting investment applications in Indonesia. This research is also able to provide benefits to investment application service providers in developing investment applications to produce products and services that meet the expectations of users and the Indonesian government in order to encourage economic growth in Indonesia."

"ABSTRAKDi dalam disertasi ini dibuat satu metode baru pembuatan Mashup melalui sistem pemodelan pohon DOM yang dibentuk secara otomatis menggunakan algoritma Xtractorz. Mashup merupakan sebuah aplikasi web yang mengkombinasikan data atau fungsi dari dua atau lebih sumber eksternal (halaman web) untuk membuat satu bentuk layanan (new servives) di halaman web yang baru.Pohon DOM merupakan satu bentuk platform yang berguna untuk merepresentasikan beragam obyek dokumen halaman web berformat HTML atau XML untuk ditampilkan menjadi satu bentuk struktur pohon (tree-structure) atau lazimnya disebut node-tree Dengan menggunakan pendekatan platform struktur pohon DOM tersebut maka web browser dapat dengan mudah menginterpretasikan struktur kode HTML dari satu halaman web. Maksudnya, seluruh node yang ada dalam struktur kode HTML dari satu halaman web dapat diidentifikasi dan dimodifikasi struktur datanya secara mudah dan cepat.Tujuan dari metode baru ini adalah untuk memudahkan pengguna membuat satu rangkaian tahapan pembuatan Mashup secara online via Internet. Untuk mengimplementasikan metode baru tersebut, di dalam penelitian ini telah dibangun satu tool baru pembuat Mashup yang dinamakan Xtractorz. Tool Xtractorz terdiri dari algoritma induk dan algoritma turunannya serta sekumpulan aturan yang didisain untuk mampu membuat satu Mashup yang diawali proses ekstraksi tabel data dari satu halaman web HTML di Internet.Proses pembuatan Mashup dimulai dengan memetakan seluruh struktur kode-kode atau tag-tag tabel HTML yang berhasil diekstraksi dari satu halaman web. Kode-kode HTML yang merepresentasikan seluruh tabel di dalam halaman web HTML selanjutnya dipisahkan oleh algoritma induk Xtractorz untuk dikelompokan menjadi kelompok node Root, Parent, Child, Sibling dan Leaf.Pengelompokkan tersebut kemudian ditransformasikan bentuknya menjadi satu struktur pohon DOM yang dibentuk secara otomatis oleh tool Xtractorz. Struktur pohon DOM tersebut selanjutnya menjadi referensi untuk proses komputasi di setiap tahapan pembuatan Mashup, seperti tahap Data Retrieval, Data (Source) Modeling, Data Cleaning/ Filtering, Data Integration hingga Data Visualization.Hasil akhir tahapan pembuatan Mashup adalah beragam bentuk produk keluaran sesuai kebutuhan atau keinginan pengguna, contohnya dalam bentuk tabel PDF, tabel XML atau bentuk keluaran lainnya.Pengujian terhadap metode baru pembuatan Mashup dilakukan dengan cara menguji tool Xtractorz menggunakan skenario dan lingkungan pengujian yang pernah dilakukan oleh tools pembuat Mashup sejenis, yaitu Karma dan Dapper. Pengujian dilakukan oleh para penguji dengan kualifikasi programmers dan non-programmers yang merepresentasikan para pengguna Internet. Pengujian dilaksanakan dengan memberikan model penugasan Task 1, Task 2 dan Task 3.Pada prinsipnya para penguji diberi tugas melakukan pembuatan satu Mashup sesuai skenario penugasan yang diterima. Proses pembuatan Mashup diawali dengan tahapan ekstraksi tabel data secara online dan real time dari beberapa sumber halaman web HTML di Internet. Data hasil pengujian menunjukkan bahwa performa tool Xtractorz lebih unggul dibandingkan dengan tools Dapper dan Karma. Keunggulan tersebut dibuktikan dengan keberhasilan tool Xtractorz menyelesaikan seluruh rangkaian tahapan pembuatan Mashup secara lengkap dengan waktu proses (time spent) yang lebih cepat.Selain itu algoritma induk Xtractorz dan turunannya mampu menyelesaikan seluruh lima tahapan standar pembuatan Mashup, mulai dari tahap Data Retrieval, Data Modeling, Data Cleaning/ Filtering, Data Integration hingga Data Visualization yang tidak dapat dilakukan oleh tools sejenis lainnya.Dari hasil pengujian dapat ditarik kesimpulan bahwa metode baru pembuatan Mashup melalui sistem pemodelan pohon DOM yang dibentuk secara otomatis menggunakan algoritma Xtractorz memiliki performa yang dapat diandalkan bagi para pengguna Internet membuat satu Mashup secara mudah dan cepat.

---

ABSTRACTIn this dissertation, we created a new method for building a Mashup through DOM tree modeling system that automatically generated by using Xtractorz algorithm. Mashup is a web based application which combine data or function from two external sources (web pages) or more in order to create new services in the new web pages.DOM tree is a useful platform to represent various HTML or XML web pages document object in a form of tree structure or commonly called node-tree. With the use of DOM tree structure approach then the web browser could interpret the HTML tags structure from a web page very easily. This mean that all the nodes exist inside the HTML tags structure within a web page can be easily identify or modify its data structures.The aim of this new method is to help the Internet users to build a Mashup via online Internet. In order to implement this new method, a new Mashup builder tool called Xtractorz has been build in this research project. The Xtractorz tool consists of a main algorithm and its derivative algorithms completed with a set of rules which is designed to be capable to build a Mashup through a process of data table extraction from an HTML web page on the Internet.The process of building a Mashup is initiated by mapping the whole structure of a webpage HTML codes or tags that has been succesfully extracted and grouped from a single web page. Afterward, those HTML codes or tags that represent the web HTML tables will be grouped into Root, Parent, Child, Sibling and Leaf Nodes by the Xtractorz main algorithm.Those group of nodes will be transformed to a DOM tree structure model which is automatically build by Xtractorz tool. This DOM tree structure will be used as a main reference for computation process in every stages of building a Mashup, such as Data Retrieval, Data (Source) Modeling, Data Cleaning/Filtering, Data Integration and Data Visualization.The end result of Mashup building stages will be the variety of output as expected or needed by the users, for example in the form of PDF and XML tables and many more output forms. The new method of building a Mashup has been tested by testing the Xtractorz tool using the same scenario and environment test that has been done previously by similar Mashup builder tools, called Karma and Dapper. The tests has been done by the appointed testers with the qualification of programmers and non-programmers background as the representative of Internet users. The serial tests have been deployed with specific tasks model, namely Task 1, Task 2 and Task 3.Basically, the appointed testers created a Mashup as written on the scenario. The stage of building a Mashup is initiated by an on-line and real-time process of web data table extraction from the Internet.The data test results showed that the Xtractorz tool performance is better than the other tools, Karma and Dapper. This can be proofed by the successful test of Xtractorz tool which can complete the whole process of building a Mashup with the minimum time spent or more faster.In addition to that, the Xtractorz main algorithm and its derivatives can also complete the five stages standardization of building a Mashup, starting from Data Retrieval, Data Modeling, Data Cleaning/ Filtering, Data Integration until Data Visualization stage which can not be performed completely by other similar tools.As conclusion, the result test showed that this new method for building a Mashup through DOM tree modeling system which automatically generated using Xtractorz algorithm has a better performance that could help the Internet users to build a Mashup more faster and easily."

"Salah satu tantangan untuk menghasilkan User Interface (UI) secara otomatis dalam Software Product Line Engineering (SPLE) adalah bagaimana menghasilkan UI yang sesuai dengan fitur - fitur yang dipilih. Penelitian ini menggunakan Interaction Flow Modeling Language (IFML) untuk memodelkan UI untuk setiap fitur dalam SPLE. Setiap model IFML yang menggambarkan desain UI dari fitur - fitur yang dipilih akan digabungkan untuk membentuk UI dari aplikasi pada proses product derivation. Target dari penelitian ini adalah untuk menunjukan bagaimana IFML bisa menyelesaikan masalah SPLE untuk menghasilkan UI dengan membuat UI generator. Progressive Web Application dipilih sebagai contoh untuk menunjukan hasil dari penggunaan UI generator dan meningkatkan availability dari aplikasi yang dihasilkan oleh SPLE. IFML UI generator dalam penelitian ini melakukan beberapa prosedur untuk menghasilkan UI termasuk melakukan parsing terhadap model IFML, mendefinisikan Transformation Rule untuk mengubah notasi IFML menjadi elemen UI, dan menentukan strategi Code Construction yang dapat menggabungkan semua elemen UI pembentuk komponen UI. Hasil dari penelitian ini mampu menghasilkan komponen UI yang dapat digunakan dalam Angular Framework. Kinerja IFML UI generator dapat ditingkatkan dengan cara menyediakan mekanisme untuk membuat styling secara otomatis untuk aplikasi yang dihasilkan.

---

One challenge to automatically generate the User Interface (UI) in Software Product Line Engineering (SPLE) framework is to generate UI that match with selected features. This research uses Interaction Flow Modeling Language (IFML) to model UI of each feature in SPLE framework. The product derivation process combines each IFML model representing selected features from the Product Line to construct the UI of an application. The target of this research is to illustrate the usage of IFML to solve the problem of generating UI in SPLE by creating an IFML UI generator. Progressive Web Application is chosen as an example to demonstrate the result of generating UI and enhancing the availability of application produced by SPLE. The UI generator can be used with other SPLE tools in product derivation process. The IFML UI generator in this research performs several procedures including parsing the IFML model, define rules to transform IFML notations into UI elements, and define a code construction strategy that combines all UI elements into UI components. The generated UI components can be used in Angular Framework Web Application. The IFML UI generator needs to be improved by providing a mechanism to automatically create a styling for the generated UI components of PWA."

"Penelitian ini membahas perancangan dan realisasi sistem berupa aplikasi berbasis web untuk enkripsi dan dekripsi data dengan algoritma 3DES dan Twofish yang berfungsi untuk mengamankan sebuah data. Sistem dapat digunakan untuk mencegah tindakan pencurian informasi data dengan cara menyandikan informasi menggunakan teknik kriptografi berupa enkripsi dan dekripsi dengan menggunakan data metode yakni 3DES dan Twofish. Fungsi enkripsi adalah untuk menyandikan data sebenarnya (plaintext) menjadi data sandi (chipertext) dan fungsi dekripsi adalah sebaliknya. 3DES adalah salah satu algoritma enkripsi yang cukup populer dan perkembangan dari DES dengan menggunakan panjang kunci 168 bit, sedangkan Twofish merupakan algoritma dengan panjang kunci bervariasi 128-bit, 192-bit, dan 256-bit. Sistem dirancang dan dibangun berbasis web untuk mempermudah penggunaan yang dapat mulri platform. Implementasi sistem telah dilakukan dengan menggunakan berbagai macam tipe file dengan ukuran tertentu dan aplikasi telah berfungsi dengan baik tanpa mengubah file asli dengan teknik penyandian yang dipilih."

"Tech winter menyebabkan sebanyak 97,000 pekerja di sektor teknologi terdampak pemutusan hubungan kerja pada tahun 2022. Fenomena ini menyebabkan lapangan kerja yang semakin terbatas dan kompetitif, sehingga para lulusan baru di bidang teknologi informasi sulit mendapatkan pekerjaan. Faktor utama yang menyebabkan lulusan baru kalah bersaing adalah kurangnya pengalaman kerja praktis selama masa studi. Salah satu solusi untuk mengatasi masalah ini terletak dalam gig economy. Saat ini sudah banyak platform yang menawarkan gig economy dalam bentuk pekerjaan lepas (freelance), tetapi belum ada yang secara khusus menargetkan mahasiswa sebagai pasar utamanya. Padahal, melalui gig economy mahasiswa dapat membangun portofolio yang baik sejak masih duduk di bangku perguruan tinggi dengan menerima proyek lepas bidang Teknologi Informasi (TI). Dalam penelitian ini, dirancang sebuah aplikasi web yang khusus menyediakan proyek lepas di bidang TI bagi mahasiswa dengan menerapkan metodologi Customer Development. Aplikasi web tersebut dapat digunakan oleh dua tipe pengguna, yaitu pengguna pekerja mahasiswa dan pengguna klien. Penelitian ini berhasil menghasilkan luaran berupa solusi yang telah mencapai problem-solution fit dengan menggunakan value proposition canvas yang sudah tervalidasi, MVP berbentuk high-fidelity prototype, serta mengusulkan sebuah funnel akuisisi pengguna dengan memanfaatkan model AIDA. Secara garis besar, value propositions yang harus dimiliki oleh aplikasi adalah sistem verifikasi mahasiswa, sistem assessment bagi mahasiswa, sistem pendaftaran yang terpusat, bimbingan mentor saat pengerjaan proyek, dan sistem insentif yang kompetitif. Beranjak ke funnel akuisisi pengguna, awareness ditandai dengan pengguna pertama kali mengenal aplikasi, interest ditandai dengan pengguna mengunjungi aplikasi, desire ditandai dengan pengguna membuat akun pada aplikasi, dan akhirnya action ditandai dengan pengguna melamar pada proyek yang tersedia pada aplikasi. Hasil penelitian ini menunjukkan bahwa terdapat potensi besar dalam pemanfaatan gig economy untuk membantu mahasiswa TI mendapatkan pengalaman kerja nyata.

---

The tech winter led to the layoff of approximately 97,000 workers in the technology sector in 2022. This phenomenon has led to increasingly limited and competitive job opportunities, making it difficult for fresh graduates in the field of information technology to secure employment. The main factor contributing to fresh graduates' inability to compete is the lack of practical work experience during their studies. One solution to this issue lies in the gig economy. There are currently numerous platforms that offer gig economy opportunities in the form of freelance work, yet none specifically target students as their primary market. However, through the gig economy, students can build a strong portfolio from their university days by accepting freelance projects in the field of Information Technology (IT). In this research, a web application is designed specifically to provide freelance projects in the IT field for students, applying the Customer Development methodology. The web application will be facilitating two segment of users, the student workers and the clients. The research successfully produced outputs including a solution that has achieved a problem-solution fit using a validated value proposition canvas, a Minimum Viable Product (MVP) in the form of a high-fidelity prototype, and proposed a user acquisition funnel utilizing the AIDA model. To simplify, the value propositions for the application are student verification system, an assessment system for students, a centralized registration system, mentor guidance during project work, and a competitive incentive system. Moving on to the user acquisition funnel, awareness is characterized by users first getting to know the application, interest is characterized by users visiting the application, desire is characterized by users creating an account on the application, and finally action is characterized by users applying to projects available on the application. The findings of this research demonstrate a significant potential in leveraging the gig economy to assist IT students in gaining real work experience."

"This book explains not only the design decisions of the frameworks, but also how you can apply similar designs and techniques to your own code. This book takes great care in covering every inch of Spring MVC and Spring Web Flow to give you the complete picture. Along with all the best known features of these frameworks. You’ll also learn how to correctly and safely extend the frameworks to create customized solutions. This book is for anyone who wishes to write robust, modern, and useful web applications with the Spring Framework."

"Pada penelitian ini dikembangkan sebuah perangkat lunak yang dapat digunakan untuk melakukan perhitungan ketidakpastian aktivitas dari citra 3-Dimensi hasil pemindaian SPECT. Perangkat lunak ini melakukan kuantifikasi count rate dari citra 3-Dimensi menjadi nilai aktivitas dan nilai ketidakpastian aktivitas. Algoritma dirancang dengan melakukan propagasi ketidakpastian menggunakan the law of propagation uncertainty untuk mengkarakterisasi penyebaran sumber kesalahan pada faktor kalibrasi, count Rate, dan Recovery Coefficient. Penerapan analisis ketidakpastian dapat meningkatkan validitas hasil dosimetri dan dapat membantu mengidentifikasi dan mengurangi kesalahan yang bertujuan untuk meningkatkan kemungkinan pengamatan dosis sebenarnya. Menentukan nilai ketidakpastian penting untuk setiap parameter yang diukur untuk menghindari adanya overdose treatment dan underdose treatment yang diberikan untuk pasien. Perangkat lunak yang dirancang menggunakan Bahasa pemrograman MATLAB. Validasi dilakukan dengan membandingkan hasil kuantifikasi recovery coefficient oleh perangkat lunak dengan hasil referensi pada penelitian Gear et al.,2018. Hasil kuantifikasi citra pada penelitian ini berupa aktivitas dan ketidakpastian aktivitas pada organ right kidney sebesar (28,70±18,69%), (31,32±17,14%), (37,35±14,35%), (29,82±17,99%) dan pada organ left kidney (30,03±17,85%), (45,41±11,81%), (37,17±14.44%), (30,02±17,86%) aktivitas yang didapatkan berupa satuan MBq.

---

In this research, a software is developed that can be used to calculate the activity uncertainty of 3-Dimensional SPECT scanned images. This software performs quantificationcount ratefrom 3-Dimensional image into activity value and activity uncertainty value. The algorithm is designed by performing uncertainty propagation usingthe law of propagation uncertainty to characterize the spread of the error source on the calibration factor, count rate, and Recovery Coefficient. The application of uncertainty analysis can increase the validity of dosimetry results and can help identify and reduce errors in order to increase the likelihood of true dose observations. Determine the value of the important uncertainty for each measured parameter to avoid the presence ofoverdose treatment and underdose treatment given to the patient. Software designed using the MATLAB programming language. Validation is done by comparing the results of quantification recovery coefficient by software with reference results by Gear et al., 2018. The results of image quantification in this study are in the form of activity and uncertainty of activity in organs right kidney by (28.70±18.69%), (31.32±17.14%), (37.35±14.35%), (29.82±17.99%) and in left kidney (30.03±17.85%), (45.41±11.81%), (37.17±14.44%), (30.02±17.86%) the activity obtained is in MBq units."