Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kombinasi thumbnail dan judul pada portal berbagi video sangat berguna untuk memberikan gambaran mengenai isi video. Tetapi, terdapat juga thumbnail yang bersifat clickbait yang lebih bertujuan memancing masyarakat untuk menonton video. Bahkan terdapat clickbait thumbnail yang dibuat untuk menyesatkan masyarakat dengan agenda untuk membangun opini tertentu. Untuk membatasi variasi pada dataset permasalahan dipersempit pada clickbait thumbnail yang mengandung ujaran kebencian terhadap dai. Thumbnail yang dipilih sebagai dataset terdiri dari foto satu orang atau lebih dengan disertai teks narasi. Dari thumbnail diperoleh informasi berupa identitas individu dengan menggunakan face recognition dan teks narasi dengan menggunakan optical character recognition. Untuk mengolah teks narasi dari thumbnail dan judul video digunakan teknik analisis sentimen. Dibangun model machine learning dengan data yang diperoleh dari identitas, teks narasi dan judul video dengan menggunakan model SVM. Evaluasi terhadap model machine learning dilakukan dengan validasi silang 5-fold. Evaluasi menghasilkan akurasi 0.968, sensitivitas 0.968, nilai presisi 0.9698 dan F1-Score 0.967.

---

The combination of thumbnails and titles on video sharing portals is effective for providing an overview of the content of the video. However, there are also clickbait thumbnails that are more intended to lure people into watching the videos. There are even clickbait thumbnails created to mislead the public with an agenda to build a particular opinion. To limit the variation in the dataset the problem was narrowed down to clickbait thumbnails containing hate speech against dai. Thumbnails selected as datasets consist of photos of one or more people accompanied by narrative text. From the thumbnails, information is obtained in the form of individual identities using face recognition and narrative texts using optical character recognition. To process narrative text from thumbnails and video titles, sentiment analysis techniques are used. A machine learning model was built with data obtained from identity, narration text, and video titles using the SVM model. Evaluation of the machine learning model is carried out with 5-fold cross-validation. The evaluation resulted in an accuracy of 0.968, a sensitivity of 0.968, a precision value of 0.9698, and an F1-Score of 0.967"

"[ABSTRAKTesis ini membahas perbandingan efek penggunaan video dan audio dalam pengajaran kemahiran ceramah untuk mahasiswa Program Studi Inggris.Penelitian ini adalah penelitian kombinasi kuantitatif dan kualitatif dengan desain penelitian eksperimental.Hasil penelitian menunjukkan bahwa tidak ada perbedaan siginifikan antara hasil tes kemahiran menyimak kelas yang diajar dengan video dan hasil tes kemahiran menyimak kelas yang diajar dengan audio. Penggunaan video juga terbukti tidak memiliki efek yang signifikan terhadap hasil tes murid yang memiliki gaya pembelajaran visual. Walau demikian, hasil kuesioner dan wawancara membuktikan motivasi dan kepercayaan murid yang tinggi terhadap penggunaan video sehingga peneliti merekomendasikan penggunaan video dan audio sebagai media ajar.

---

ABSTRACTThis study examines the effects of the use of video and audio texts in listening to lecture classes for English Study Program Students. The method used was mixed method with experimental design. The study shows there was no significant difference between the listening test results of students using videos and those using audio texts. Furthermore, in terms of test results, students with visual learning styles using videos did not differ significantly from visual students using audio texts. Nevertheless, questionnaire and interview data suggest that students preferred videos to audio texts, so teachers should use both video and audio texts;This study examines the effects of the use of video and audio texts in listening to lecture classes for English Study Program Students. The method used was mixed method with experimental design. The study shows there was no significant difference between the listening test results of students using videos and those using audio texts. Furthermore, in terms of test results, students with visual learning styles using videos did not differ significantly from visual students using audio texts. Nevertheless, questionnaire and interview data suggest that students preferred videos to audio texts, so teachers should use both video and audio texts, This study examines the effects of the use of video and audio texts in listening to lecture classes for English Study Program Students. The method used was mixed method with experimental design. The study shows there was no significant difference between the listening test results of students using videos and those using audio texts. Furthermore, in terms of test results, students with visual learning styles using videos did not differ significantly from visual students using audio texts. Nevertheless, questionnaire and interview data suggest that students preferred videos to audio texts, so teachers should use both video and audio texts]"

"Video streaming saat ini menjadi teknologi yang mempermudah kita dalam mendapatkan informasi dalam bentuk tampilan video. Semakin interkatif sebuah video, user akan mendapatkan informasi lebih banyak. Pada penelitian ini dibuat sebuah sistem video streaming yang interaktif yaitu video clickable dengan menggunakan HTML5. Untuk mengetahui kualitas dari video interaktif ini, maka sistem ini akan diuji QoS nya yaitu delay dan jitter, kemudian dibandingkan dengan video streaming biasa. Pada pengukuran TCP dan HTTP menunjukan bahwa terjadi peningkatan delay sebesar 31.99% dari delay video streaming biasa sehingga menyebabkan delay semakin lama. Namun delay video clickable masih dalam standar delay yang baik karena di bawah 150 ms. Sedangkan pada pengukuran jitter, terjadi penurunan jitter sebesar 13.21% dari jitter video streaming biasa. Namun jitter video streaming biasa masih dalam standar jitter yang baik karena diantara 0-75 ms. Dari hasil survey menggunakan kuisioner, diperoleh nilai uji antarmuka dari keseluruhan sistem 4.32 dari nilai maksimal 5. Uji fungsionalitas sistem secara keseluruhan sudah berfungsi dengan baik. Pengujian terhadap browser yang berhasil mengakses halaman Web dengan baik adalah IE, Chrome dan Safari.

---

Nowadays, streaming video is becoming a technology that facilitate us to get information easier from video. More interactive the video is, more infomation that user will get. In this research, created an interactive streaming video, especially clickable video using HTML5. To know quality of interactive video, system will tested for its QoS that are delay and jitter.

In TCP and HTTP measurement, the enhancement delay of clickable video up to 31.99% from common streaming video so it is cause the delay time longer. However, the delay of clickable video still in a good standard of delay, because it is under 150 ms. On the other hand, in jitter measurement, the increased jitter of clickable video up to 13.21% from the common jitter streaming video. But, the normal condition of jitter streaming video still in a good standard for jitter, because it is between 0-75 ms.

From the survey that using questionnaire, the score of interface get 4.32 from the overall system of maximum score 5. Functionality test from the whole system are well functioning. Testing of the browser to access web pages successfully are IE, Chrome and Safari."

"This research is based upon the rapid development of mobile communication by the introduction of 3G network : and also the demand of reliable and real time multimedia services, such as video telephony, video conference, and digital television...."

"Skripsi ini mengkaji perbandingan antara dua metode kompresi video terkini, AV1 dan Versatile Video Coding (VVC), serta pengaruh tiga jenis filter - Bilateral, Histogram Equalization, dan Laplacian - dalam konteks deteksi jumlah kendaraan pada video lalu lintas. Tujuan utama adalah untuk menentukan metode kompresi mana dan dengan penggunaan filter atau tidak yang paling efektif dalam meningkatkan akurasi dan efisiensi deteksi objek. Penelitian ini menggunakan video lalu lintas jalanan, yang dikompresi menggunakan metode AV1 dan VVC, dan kemudian diterapkan filter sebagai modul preprocessing. Parameter yang diukur meliputi waktu encoding, peak signal-to-noise ratio (SNR), bit rate, Bjontegaard Metric dan Rata-rata Confidence score dalam deteksi objek. Hasil penelitian ini diharapkan memberikan wawasan baru tentang pengaruh metode kompresi video dan teknik filtering terhadap kinerja aplikasi deteksi objek dalam video lalu lintas, serta memberikan rekomendasi untuk aplikasi serupa di masa depan.

---

This thesis examines the comparison between two recent video compression methods, AV1 and Versatile Video Coding (VVC), and the impact of three types of filters - Bilateral, Histogram Equalization, and Laplacian - in the context of vehicle count detection in traffic videos. The primary objective is to determine which is the most effective compression method and whether to use of filters or not in improving the accuracy and efficiency of object detection. This study uses traffic road videos, which are compressed using the AV1 and VVC methods, and then filters are applied as preprocessing modules. The measured parameters include Encoding Time, peak signal-to-noise ratio (SNR), bit rate, Bjontegaard Metric, and Average Confidence score in object detection. The results of this study are expected to provide new insights into the impact of video compression methods and filtering techniques on the performance of object detection applications in traffic videos, as well as to provide recommendations for similar applications in the future."

"Netflix dan Disney+ Hotstar merupakan layanan Video on Demand (VoD) yang paling banyak digunakan di Indonesia. Kedua layanan tersebut menawarkan berbagai fitur berbeda yang dapat menyebabkan terjadinya perbedaan pengalaman pengguna. Pengalaman pengguna merupakan salah satu faktor yang dapat memengaruhi kesuksesan dari suatu layanan. Dengan ini, dilakukan penelitian yang bertujuan untuk mengetahui layanan VoD mana yang dapat memberikan pengalaman pengguna jangka panjang terbaik. Penelitian ini dilakukan dengan menggunakan metode UX Curve sebagai pendekatan kualitatif dan User Experience Questionnaire (UEQ) sebagai pendekatan kuantitatif. Terdapat 45 responden berumur 17-51 tahun yang berpartisipasi dalam penggambaran kurva UX Curve yang terdiri dari lima aspek, yaitu General UX, Attractiveness, Easy of Use, Utility, dan Degree of Usage. Responden menggambarkan perubahan pengalaman pengguna yang dirasakan dari awal hingga akhir penggunaan dan melakukan pengisian kuesioner UEQ. Hasil penelitian menggunakan UX Curve menunjukkan bahwa Netflix dan Disney+ Hotstar memiliki keunggulan dan kekurangan masing-masing dari berbagai aspek sehingga tidak dapat ditentukan layanan VoD mana yang dapat memberikan pengalaman pengguna terbaik. Namun dari hasil kuesioner UEQ, didapati bahwa pengalaman pengguna yang diberikan Netflix cenderung lebih baik dibandingkan dengan Disney+ Hotstar.

---

Netflix and Disney+ Hotstar are the most used Video on Demand (VoD) services in Indonesia. Both services offer different features that may result in a different user experience. User experience is one of the factors that could influence the success of a service. This research aims to find out which VoD services can provide the best long-term user experience. The research was conducted using the UX Curve method as the qualitative approach and User Experience Questionnaire (UEQ) as the quantitative approach. There were 45 respondents aged 17-51 years who participated in the UX Curve depiction consisting of five aspects, General UX, Attractiveness, Easy of Use, Utility, and Degree of Usage. Respondents described changes in user experience from the beginning to the end of use and filled out the UEQ questionnaire. The result of the research using the UX Curve shows that Netflix and Disney+ Hotstar have advantages and disadvantages from various aspects that cannot be determined which VoD service can provide the best user experience. However, from the results of the UEQ questionnaire, it was found that the user experience provided by Netflix tends to be better compared to Disney+ Hotstar."