Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tulisan ini akan membahas analisa kinerja dari kalkulasi selruh akar suatu polinomial Pn(x) secara simultan yang diimplementasikan pada sistem multiprosesor berbasis transputer. Analisa yang dimaksud berkisar pada masalah speedup (peningkatan kecepatan) terhadap perbedaan jurnlah Prosesor, algoritma yang digunakan, dan trade-off paralelisme lainnya. Dalam tulisan ini ada 2 algoritma paralel pencari akar yang akan diuji yaitu yang dibuat oleh Durand-Kerner dan Ehrlich. Kedua algoritma ini mempunyai potensi untuk dikembangkan dalam sistem pemrosesan paralel. Kesimpulan utama yang didapat adalah bahwa untuk kedua algoriuna, speedup rneningkat seiring dengan bertambahnya jumlah prosesor yang digunakan walaupun dari segi efisiensi pemanfaatan prosesor terjadi penurunan."

"Pernrograman paralel pada mesin berbasis transputer dengan menggunakan peranti lunak bantu konvensional, seperti INMOS ANSI C, temyata cukup mempersulit pemakai. Kesulitan tersebut timbul karena pemakai harus mengetahui berbagai rnasalah teknis pemrograman dan aspek mesin dari transputer itu sendiri. Kesulitan tersebut dapat diatasi dengan membangun suatu wahana pemnograman paralel yang dapat rnenyembunyikan berbagai aspek teknis tersebut. Untuk mengatasi kesulitan tersebut, penulis melakukan penelitian yang bertujuan untuk membangun TransPVM, yaitu wahana pemrograrnan paralel berbasis message passing pada mesin berbasis tnnsuter, dengan mengimplernentasikan primitif-primitif dari Parallel Virtual Machine (PVM). Dengan TransPYM, pernrograman paralel dapat dinyatakan dalam sintaks PVM sehingga dapat diterapkan baik pada lingkungan PVM maupun TransPVM tanpa melakukan banyak perubahan pada program. Hasil yang diharapkan dari penelitian jul adalah: (1) TransPVM dapat memperrnudah pemrograman pada mesin berbasis transputer; (2) TransPVM dapat rnernpersingkat Ian gkah pemrograman yang diperlukan pada mesin berbasis transputer."

"Departemen Teknik Elektro Universitas Indonesia sejak tahun 2007 telah mengembangkan sistem penilaian esai otomatis yang dinamakan dengan Simple-O. Simple-O menggunakan metode Latent Semantic Analysis LSA untuk membandingkan dua esai dengan cara mengekstrak esai tersebut menjadi matriks. Pengembangan sebelumnya dari Simple-O adalah penambahan Learning Vector Quantization LVQ yang merupakan metode dari artificial neural network. Skripsi ini akan membahas serta memberikan analisis terkait pengaruh penambahan fungsi persamaan kata pada sistem penilaian esai otomatis Simple-O terhadap akurasi dari program itu sendiri. Untuk melihat pengaruh penambahan fungsi persamaan kata pada sistem penilaian esai otomatis Simple-O ini, maka dilakukan lima skenario berbeda. Skenario tersebut adalah dengan memvariasikan jumlah keywords yang ada pada esai jawaban menjadi sejumlah 100, 80, 60, dan 20 mendekati jumlah keywords jawaban referensi. Dari hasil pengujian yang telah dilakukan, terdapat skenario yang mengalami penurunan akurasi dan kenaikan akurasi. Jika disimpulkan, rata-rata akurasi program Simple-O setelah penambahan fungsi persamaan kata mengalami peningkatan. Namun, peningkatan rata-rata akurasi yang terjadi tidak terlalu signifikan, peningkatan rata-rata akurasi yang terjadi setelah penambahan fungsi persamaan kata adalah sebesar 5.4 dari 90.9 menjadi 96.3.

---

Department of Electrical Engineering Universitas Indonesia has developed an automatic essay grading system called Simple O since 2007. Simple O uses the Latent Semantic Analysis LSA method to compare two essays by extracting the essay into matrix. The previous development of Simple O is the addition of Learning Vector Quantization LVQ which is a method of artificial neural network. This research will discuss and provide analysis related to the effect of adding word similarity function to the automatic essay grading system Simple O to the accuracy of the system itself. The experiment will be conducted with five different scenarios by varying the number of keywords in the students answer essay to 100, 80, 60, 40, and 20 of the reference essay keywords. According to the result, there are scenarios that has decreased and increased in accuracy. The average accuracy of the Simple O system after the addition of word similarity function has increased, though not significant. The average increase in accuracy after the addition of word similarity function is 5.4 from 90.9 to 96.3."