Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKementerian Luar Negeri (Kemlu) merupakan Kementerian Negara yang mempunyai tugas menyelenggarakan urusan luar negeri dalam pemerintahan untuk membantu Presiden dalam menyelenggarakan pemerintahan negara. Latar belakang dilakukannya penelitian ini adalah dengan telah ditetapkan Peraturan Presiden (Perpres) tentang Satu Data Indonesia (SDI) no. 39 tahun 2019 pada bulan Juni 2019, Kemlu harus bersiap diri dan menaati peraturan tersebut dengan membuat peraturan menteri tentang manajemen data. Dampak yang ditimbulkan apabila belum ada peraturan tentang manajemen data adalah dapat memengaruhi kinerja Kemlu, terjadi pemborosan karena banyaknya aplikasi yang silo dan duplikasi data, serta belum dapat mendukung interoperability antar sistem yang berbeda dan tidak mendukung berbagi pakai antar Kementerian atau Lembaga di Indonesia. Untuk membangun keseluruhan proses di dalam manajemen data memerlukan waktu yang lama, sehingga penelitian ini difokuskan untuk membuat perencanaan tata kelola data terlebih dahulu, karena tata kelola merupakan pondasi dasar yang harus disiapkan untuk dapat menerapkan manajemen data. Tujuan penelitian ini adalah agar dapat dijadikan masukan oleh Kemlu dalam membuat strategi dan roadmap tata kelola data, menentukan walidata, menentukan tugas dan tanggung jawab terhadap data, dapat mendukung terlaksananya program SDI, mendukung terlaksananya integrasi data sehingga dapat menghilangkan aplikasi yang silo dan duplikasi sehingga tidak terjadi pemborosan anggaran. Metodologi yang digunakan pada penelitian ini merujuk kepada kerangka kerja dari Dama International (DMBOK, 2017).

---

ABSTRACT

The Ministry of Foreign Affairs of the Republic of Indonesia (Kemlu) is a state ministry that has the task of managing foreign affairs within the government to assist the President in organizing the government of the country. The background of this research is concerning of the Presidential Regulation (Perpres) Satu Data Indonesia (SDI) no. 39 of 2019 that has been established in June 2019, therefore Kemlu must prepare and obey the regulation by establishing data management regulation. The impact if there is no data management regulation, it can affect the performance of Kemlu, the occurrence of budget waste due to the many applications that silos and data duplication, and can not support interoperability between different systems and sharing of use between Ministries or Institutions in Indonesia. To build the whole process in data management requires a long time, so this research is focused on making data governance planning because governance is the basic foundation that must be prepared to be able to implement data management. The purpose of this research is to be used as an input by Kemlu in making data governance

strategies and roadmap, determining data stewardship, determining tasks and responsibilities for data, support the implementation of the SDI program, and support data integration to eliminate the silos applications and data duplication to reduce budget wasted. The methodology used in this study refers to the framework of Dama International (DMBOK, 2017)."

"ABSTRAKPelacakan multi objek merupakan salah satu topik penting pada bidang ilmu komputer yang memiliki banyak aplikasi, diantaranya adalah sebagai sistem pengawasan, navigasi robot, analisis bidang olahraga, autonomous driving car, dan lain-lain. Salah satu permasalahan utama pelacakan multi objek adalah oklusi. Oklusi adalah objek yang tertutupi oleh objek lainnya. Oklusi dapat menyebabkan ID antar objek tertukar. Penelitian ini membahas oklusi pada pelacakan multi objek serta penyelesaiannya dengan Network Flow. Diberikan data deteksi objek-objek pada setiap frame-nya, tugas pelacakan multi objek adalah mengestimasi pergerakan setiap objek kemudian menghubungkan objek-objek hasil estimasi dengan objek-objek pada frame berikutnya yang bersesuaian atau yang lebih dikenal dengan asosiasi data. Pandang setiap objek pada sebuah frame sebagai node, kemudian ada edge yang menghubungkan setiap node pada frame satu dengan frame lainnya, arsitektur seperti ini pada teori graph dikenal dengan Network Flow. Kemudian cari himpunan edge yang memberikan peluang terbesar transisi dari suatu frame ke frame berikutnya, atau pada dunia optimisasi lebih dikenal dengan max-cost network flow. Edge pada kasus ini berisikan informasi seberapa besar peluang suatu node berpindah ke node pada frame setelahnya. Perhitungan peluang berdasarkan jarak posisi dan kemiripan fitur, fitur yang digunakan adalah fitur CNN. Penulis memodelkan max-cost network flow sebagai permasalahan maximum likelihood yang kemudian diselesaikan dengan algoritme Hungarian. Data yang digunakan pada penelitian ini adalah 2DMOT2015. Hasil evaluasi performa menunjukkan sistem yang dibangun memberikan akurasi 20.1% dengan ID yang tertukar sebanyak 3084 dan pemrosesan frame yang cepat, mencapai 215.8 frame/second.

---

ABSTRACT

---

Multi object tracking is one of the most important topics of computer science that has many applications, such as surveillance system, navigation robot, sports analysis, autonomous driving car, and others. One of the main problems of multi-object tracking is occlusion. Occlusion is an object that is covered by other objects. Occlusion may cause the ID between objects to be switched. This study discusses occlusion on multi-object tracking and its completion with network flow. Given objects detection on each frame, the task of multi object tracking is to estimate the movement of objects and then connect the estimation objects corresponding to the objects in the next frame or well known as the data association. Notice that each object on a frame as a node, then there is an edge connecting each node on a frame with other frames, this architecture in graph theory is known as network flow. Then find the set of edges that provide the greatest probaility of transition from one frame to the next, or to the optimization problem well known as max-cost network flow. Edge contains information on how probabiltity a node moves to the node in the frame afterwards. This probability calculation is based on position distance and similarity feature between frames, the feature used is CNN feature. We modeled max-cost network flow as the maximum likelihood problem which was then solved with the Hungarian algorithm. The data used in this research is 2DMOT2015. Performance evaluation results show that the system built gives accuracy 20.1% with the ID switch is 3084 and fast computational process on 215.8 frame/second.

"

"Data Penginderaan Jauh adalah merupakan salah satu alternatif untuk mendapatkan informasi tentang suatu obyek dengan melakukan pengukuran dari jarak jauh tanpa menyentuh obyek. Aspek terpenting adalah dalam perolehan data (Data acusition atau collection) dan pengolahan atau analisis data (data processing atau analysis).Alternatif yang digunakan adalah data Landsat-TM dan data JERS-1 SAR serta data GPS sebagai sarana untuk koreksi geometri. Untuk Koreksi data JERS-1 S AR sangat sulit karena tidak dapat mengenali obyek karena itu digunakan data Landsat-TM yang selanjutnya digunakan metoda tumpang susun atau Overlay.Sedangkan pengukuran koordinat bumi dilakukan dengan menggunakan reseiver GPS (Global Positioning System) yang diletakkan pada sebuah kendaraan uyang bergerak menyusuri rute jalan raya dengan tujuan mendapatkan kurva yang telah ditentukan. Koleksi data koordinat yang terkumpulkan dirubah formatnya ke dalam format vektor yang lebih umum sehingga tampak sebagai bentuk gratis yang menggambarkan poligon dari seluruh route jalan yang dilalui, Dengan menggunakan teknik pengkombinasian data GPS dengan data radar JERS-l SAR terkoreksi geometrik maka dapat dilakukan analisis simpangan kurva yang ada diantara kedua jenis data tersebut."

"Now that people are aware that data can make the difference in an election or a business model, data science as an occupation is gaining ground. But how can you get started working in a wide-ranging, interdisciplinary field that's so clouded in hype? This insightful book, based on Columbia University's Introduction to Data Science class, tells you what you need to know. In many of these chapter-long lectures, data scientists from companies such as Google, Microsoft, and eBay share new algorithms, methods, and models by presenting case studies and the code they use"