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."

"Pembelajaran jarak jauh, terutama yang bersifat asinkron, telah menjadi pilihan utama bagi banyak individu untuk pengembangan diri dan pendidikan formal. Kontrol lingkungan dalam pembelajaran asinkron memiliki dampak signifikan terhadap keberhasilan pelajar. Pandemi COVID-19 memaksa institusi pendidikan untuk beralih dari pembelajaran daring ke tatap muka, menciptakan tantangan bagi mahasiswa yang tidak terbiasa dengan metode pembelajaran luring. Banyak mahasiswa beralih ke platform MOOC dalam mencari pengetahuan, namun kurangnya dukungan teknologi untuk penerapan strategi SRL menyulitkan mereka. Studi literatur menunjukkan bahwa kemampuan belajar mandiri atau self-regulated learning competencies adalah kunci kesuksesan akademis. Self-Regulated Learning (SRL) memegang peranan penting dalam gelombang ketiga pengukuran SRL, di mana Jurnal Belajar menjadi komponen utama. Penggunaan rutin Jurnal Belajar terbukti meningkatkan hasil belajar dan mengembangkan kemampuan metakognisi. Namun, dalam konteks platform pembelajaran online, terdapat kebutuhan mendesak akan alat yang mendukung SRL. Penelitian ini merupakan kelanjutan dari pengembangan aplikasi jurnal belajar Diaria, yang sebelumnya mendapatkan evaluasi positif namun memiliki beberapa kendala teknis. Penelitian ini bertujuan untuk mengembangkan aplikasi Diaria yang lebih Scalable, mengatasi tantangan yang ada, dan mendukung para pelajar dalam mengembangkan keterampilan regulasi diri mereka. Proses pengembangan menggunakan pendekatan Software Development Life Cycle (SDLC) dengan fokus pada metode prototype. Hasil akhir aplikasi Diaria di-deploy pada cloud peneliti. Evaluasi dilakukan melalui usability testing dan performance testing. Meskipun pengguna berhasil menjalankan use case, terdapat beberapa masalah terkait tampilan dan flow aplikasi yang perlu diperbaiki. Performance testing menunjukkan skalabilitas yang menjanjikan, tetapi response time perlu dioptimalkan. Dalam keseluruhan, aplikasi Diaria memenuhi kebutuhan pengguna dengan beberapa perbaikan yang diperlukan.

---

Distance learning, especially asynchronous learning, has become the primary choice for many individuals for self-development and formal education. Environmental control in asynchronous learning significantly impacts the success of students. The COVID-19 pandemic forced educational institutions to transition from online to face-to-face learning, posing challenges for students unfamiliar with in-person learning methods. Many students turned to MOOC platforms in search of knowledge, but the lack of technological support for implementing SRL strategies proved to be a hindrance. Literature studies indicate that self-regulated learning competencies are crucial for academic success. Self-Regulated Learning (SRL) plays a vital role in the third wave of SRL measurement, where Learning Journals become a key component. Regular use of Learning Journals has proven to enhance learning outcomes and develop metacognitive abilities. However, in the context of online learning platforms, there is an urgent need for tools supporting SRL. This research builds upon the development of the Diaria learning journal application, which received positive evaluations but faced some technical challenges. The aim of this study is to develop a more scalable Diaria application, addressing existing challenges and supporting students in enhancing their self-regulation skills. The development process follows the Software Development Life Cycle (SDLC) approach, with a focus on the prototype method. The final Diaria application is deployed on the researcher’s cloud. Evaluation is conducted through usability testing and performance testing. Although users successfully executed use cases, there are some issues related to the application’s interface and flow that need improvement. Performance testing indicates promising scalability, but response times need optimization. Overall, the Diaria application meets user needs with some necessary enhancements."

"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%."

"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."

"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."