Hasil Pencarian  ::  Simpan CSV :: Kembali

"Learning & development merupakan salah satu elemen yang memegang peranan penting dalam sebuah organisasi. Dalam prosesnya learning & development digunakan untuk memastikan pekerja memiliki pengetahuan, keterampilan, dan sikap yang tepat untuk organisasi, hal ini dilakukan agar proses berjalannya operasional perusahaan menjadi efektif. Dalam menjalankan proses learning & development PT SA menganggap kompetensi yang dimiliki oleh karyawannya masih belum efektif karena beberapa kompetensinya memiliki nilai di bawah standar minimum/job required sehingga PT SA memodifikasi metode learning and development yang digunakan guna meningkatkan kompetensi karyawan. Penelitian ini dilakukan untuk mengetahui proses learning and development dengan metode lama dan metode baru dan implementasi learning and development dengan metode lama dan metode baru terhadap kompetensi karyawan. Kemudian penulis juga menganalisis realisasi pencapaian target kompetensi dengan metode lama dan metode baru yang diterapkan oleh PT SA.

---

Learning & development is one of the elements which plays an important role in an organization. In the learning & development process, it is used to ensure employees have the right knowledge, skills, and attitudes for the organization, intending to the process of the company's operations becomes effective. In implementing the learning & development process, PT SA assesses that the competencies possessed by its employees are still not effective considering some of their competencies have scores below the minimum standard/job required, so that in 2020 PT SA modified the learning and development method to improve employee competencies. This research was conducted to determine the process of learning and development with the old method and the new method on employee competence. Moreover, this research also analyzed the realization of the achievement of competency targets with the old method and the new method applied by PT SA."

"ABSTRACTBig data or Data driven farming have been the latest improvement in agricultural sector. Data driven farming allows farmers to maximize the output of harvest by processing any significant data gathered regarding the crop. With the data of the crop available, it opens the possibility of evaluating the data to make a model for the crop. This model will allow predictions to be made which would improve the data driven farming to an extent. This project is based on improving Farmbot, a data driven farming tool, to allow the makings of a prediction based on sensor readings gathered by the tool. Several machine learning algorithms have been evaluated which takes account two sensor reading of the plant, and performances have been discussed. These parameters include soil moisture and light exposure level and the performance level gauged are predictability and interpretability. Based on the said parameters, Decision Tree Machine Learning Algorithm have been deemed the best method of prediction for a 2 class problem. This is based on its ability to make a prediction with relatively high confidence level with the addition of having high interpretability about how the algorithm come to the said conclusion. Decision Trees current state may be improved by implementing tree pruning method to omit unnecessary splits.

---

ABSTRACTBig-Data Farming atau pertanian berbasis data merupakan perkembangan mutakhir pada sektor agrikultur. Dengan berbasis data mengenai asupan cahaya dan tingkat kelembaban, petani dapat memaksimalkan hasil panen dari suatu tanaman dengan memproses data mengenai tanaman tersebut. Dengan menyediakan data mengenai tanaman, hal ini memungkinkan pengolahan data dan membuat model yang menggambarkan pengaruh data ndash; data yang diperoleh dengan hasil panen suatu tanaman. Proyek ini dilaksanakan atas dasar mengembangkan sistem Farmbot, sebuah alat tanam automatis berbasis data, untuk menyediakan prediksi tentang bagaimana hasil panen tanaman tersebut berdasarkan data yang diperoleh dari sensor yang terdapat pada alat tersebut. Kemampuan Farmbot untuk melakukan perdiksi tersebut bisa dilakukan dengan mengimplementasikan algoritma Machine Learning, Dengan adanya berbagai macam algoritma Machine Learning, pemilihan algoritma yang paling tepat untuk implementasi Farmbot juga merupakan salah satu bahan pembahasan. Berhubung 2 parameter yang telah disebutkan merupakan kunci dari pembuatan model prediksi, algoritma Decision Tree dianggap sebagai algoritma yang paling optimal untuk diimplementasikan. Keputusan ini berdasarkan kemampuan Decision Tree dalam membuat prediksi dengan tingkat keyakinan yang tinggi dan juga berkemampuan untuk menggambarkan langkah langkah yang ditempuh untuk mencapai suatu prediksi. Algoritma Decision Tree yang telah diimplementasikan pada Farmbot dapat ditingkatkan dengan mengimplementasikan metode Tree Pruning untuk menghilangkan perpisahan yang tidak dibutuhkan."

"Serangan MitM ini memiliki dampak yang cukup besar dan dapat membuka jalan untuk serangan selanjutnya, seperti Phishing. Penelitian ini membahas tentang pendekatan metode hybrid deep learning yang dapat membantu pendeteksian serangan MitM secara efektif. Metode hybrid deep learning yang digunakan dalam penelitian ini adalah CNN-MLP dan CNN-LSTM, yaitu merupakan gabungan dari CNN, MLP, dan LSTM. Selain itu, dalam skenario eksperimennya menggunakan berbagai metode feature scaling (StandardScaler, MinMaxScaler, dan MaxAbsScaler) dan tanpa menggunakan metode feature scaling sebelum melakukan pemodelan, yang kemudian akan ditentukan metode hybrid deep learning yang terbaik untuk mendeteksi serangan MitM dengan baik. Dataset yang digunakan dalam penelitian ini yaitu Kitsune Network Attack Dataset (ARP MitM Ettercap). Hasil dari penelitian ini yaitu metode CNN-MLP dengan 10 epoch menggunakan MaxAbsScaler memiliki nilai accuracy tertinggi, yaitu 99.93%. Pada urutan kedua, CNN-MLP dengan 10 epoch menggunakan StandardScaler memiliki nilai accuracy sebesar 99.89%.

---

Man in the Middle (MitM) has a sizeable impact because it could make the attackers will do another attacks, such as Phishing. This research is discussing about hybrid deep learning methods-approach on detecting MitM attacks effectively. We were used 2 (two) combinations of the Deep Learning methods (CNN, MLP, and LSTM), which are CNN-MLP and CNN-LSTM. Besides that, in the experiment scenarios, we also used various Feature Scaling methods (StandardScaler, MinMaxScaler, and MaxAbsScaler) and without using any Feature Scaling methods before building the models and will determine the better hybrid Deep Learning methods for detecting MitM attack. Kitsune Network Attack Dataset (ARP MitM Ettercap) is the dataset used in this study. The results of this research proves that CNN-MLP that with 10 epoch using MaxAbsScaler has the highest accuracy rate of 99.93%. In second place, CNN-MLP with 10 epoch using StandardScaler has the accuracy rate of 99.89%."

"Contents : - Foreword by Elaine Biech - Introduction - Chapter 1: Ready, Set, Aim! Goal Setting and Preparation - Chapter 2: Solo Flyer: Self-Directed Learning - Chapter 3: Doing Good: Learning by Volunteering - Chapter 4: Taking Time Out: Learning on a Sabbatical - Chapter 5: Two Can Do It: Learning by Mentoring or Being Mentored - Chapter 6: Move and Stretch: Learning Through Rotational and Stretch Assignments - Chapter 7: Team Effort: Learning in Special Teams - Chapter 8: Teaching to Learn: Learning by Teaching Others - Chapter 9: Fun and Games: Learning via Games and Contests - Chapter 10: Digital Storytelling: Learning by Creating Videos and Podcasts - Chapter 11: Zoning Out: Learning Through Innovation/Creativity Zones - Chapter 12: Getting Social: Social Learning Tools - Summary-Now What? - Index - About the Author "

"Dalam menghadapi masa depan yang penuh dengan tantangan global, PBL menawarkan landasan yang kokoh bagi mahasiswa kedokteran untuk tidak hanya menjadi dokter yang terampil tetapi juga pemimpin kesehatan yang visioner, siap menghadapi dan menyelesaikan masalah kesehatan yang kompleks dalam skala global. Berdasarkan uraian sebelumnya, penerapan PBL yang baik akan meningkatkan retensi dan elaborasi pengetahuan, keterampilan belajar mandiri, kemampuan berpikir kritis dan penalaran klinis, kemampuan dalam mengambil keputusan klinis, dan keterampilan menjadi pembelajar sepanjang hayat. Oleh karena itu, PBL tidak hanya mempersiapkan peserta didik untuk berhasil secara akademis tetapi juga sebagai warga negara global yang sadar dan bertanggung jawab, yang berkomitmen untuk mewujudkan SDGs di Indonesia dan di dunia."

"ABSTRAKSekolah Dasar merupakan pendidikan dasar wajib di Indonesia, sehingga para guru dituntut untuk berinovasi dalam pengajaran dan lingkungan kerjanya untuk mewujudkan perkembangan baru dan bermanfaat. Sebuah studi korelasional dilakukan untuk menguji apakah orientasi tujuan pembelajaran dan pengembangan profesional secara bersamaan memprediksi perilaku inovatif guru. Instrumen yang digunakan untuk mengukur perilaku inovatif guru adalah perilaku inovatif yang dikembangkan pertama kali oleh Messmann dan Mulder (2012) (α = 0,94), sedangkan instrumen yang digunakan untuk mengukur orientasi tujuan pembelajaran adalah instrumen orientasi tujuan yang pertama kali dikembangkan oleh VandeWalle (1997). ). ) (α = 0,80). Peserta berjumlah 243 guru sekolah dasar di Jakarta, Bogor, Depok dan Bekasi. Analisis data menggunakan regresi berganda yang menunjukkan bahwa kedua variabel tersebut secara bersamaan memprediksi perilaku inovatif guru. Secara khusus, semakin tinggi keinginan guru untuk meningkatkan kompetensi dan keterampilannya, maka semakin tinggi pula kecenderungan guru untuk berperilaku inovatif. Temuan ini akan dibahas lebih lanjut.

---

ABSTRACTElementary school is compulsory basic education in Indonesia, so that teachers are required to innovate in their teaching and work environment to realize new and useful developments. A correlational study was conducted to test whether learning goal orientation and professional development simultaneously predict teacher innovative behavior. The instrument used to measure the teachers innovative behavior is the innovative behavior that was first developed by Messmann and Mulder (2012) (α = 0.94), while the instrument used to measure the orientation of learning goals is a goal orientation instrument first developed by VandeWalle ( 1997). ). ) (α = 0.80). Participants totaled 243 elementary school teachers in Jakarta, Bogor, Depok and Bekasi. The data analysis used multiple regression which showed that the two variables simultaneously predict the innovative behavior of teachers. In particular, the higher the desire of teachers to improve their competence and skills, the higher the tendency for teachers to behave innovatively. These findings will be discussed further."