Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada tulisan ini disusun suatu algoritma sebagai pengembangan dari algoritma yang sudah ada yaitu algoritma Quine-McCluskey untuk membantu meminimalkan fungsi Boole dalam bentuk sum of product. Algoritma ini berguna dalam perancangan rangkaian logika kombinasi terutama PLA (Programmable Logic Array) sehingga diperoleh rangkaian berbiaya rendah.Dalam rangkaian logika kombinasi, fungsinya secara eksplisit dinyatakan dalam fungsi Boole. Untuk meminimalkan fungsi Boole ini sudah dikenal beberapa metode antara lain metode Peta Karnaugh, metode tabulasi (HILLBI), metode MINI (ARE78) dan metode ESPRESSO (BRAY84) Pada metode tabulasi diperlukan tiga tahap untuk meminimalkan fungsi Boole, yaitu pencarian PI (Prime Implicant), pencarian EPI (Essential Prime Impicant) dan pemilihan NON-EPI. Algoritma Quine-McCluskey hanya melaksanakan tahap pertama yaitu pencarian Prime Implicant.Dengan menelusuri ide dasar penyusunan algoritma Quine-McCluskey, yaitu teori kubus, dan dengan menentuan suatu relasi partial ordering di himpunan C=(O,1,X) yang menjadikan (C,>-) sebuah lattice, maka dengan menggunakan sifat lattice tersebut dapat disusun aturan-aturan tertentu sehingga dapat dibuat algoritma yang lebih sederhana dari pada algoritma Quine-McCLuskey. Di samping itu, algoritma ini melaksanakan tahap pertama dan tahap kedua dari metode tabulasi sehingga selain menghasilkan Prime Implicant sekaligus juga menghasilkan Essential Prime Implicant, meskipun algoritma modifikasi ini memiliki kompleksitas waktu dan space yang sama dengan algoritma Quine-McCluskey yaitu O(n3) dan O(n)."

"Tesis ini membahas algoritma mengenal graf pariti G=(V,E) dan mencari klik terbesarnya, serta implementasinya pada pseudo_code yang diuraikan pada bahasa pemrograman C versi Turbo C. Algoritma ini merupakan algoritma sekuensial yang mengacu pada algoritma paralel 0(log2n) pada n /1og2n prosesor dari [PRZ91].Langkah pertama dari algoritma mengenal graf pariti adalah memilih sembarang verteks u E V sedemikian sehingga bentuk graf G diubah nenjadi himpunan subgraf level per level, dengan u sebagai verteks tunggal di level ke 0. Kemudian langkah berikutnya, hubungan verteks-verteks antar level dibuktikan keparitiannya berdasarkan sifat-sifat graf pariti [PR291]. Sedangkan langkah pertama dari algoritma meneari klik terbesar pada graf pariti adalah membentuk himpunan subgraf yang dibangun dari gabungan komponen di level ke i dengan tetangganya di level ke i-1. Kemudian langkah berikutnya, penentuan klik terbesar dapat dicari dari setiap subgraf tersebut [PRZ91).Hasil pengamatan pada banyaknya iterasi (langkah) dari basil eksekusi program pada 10 sampai dengan 70 verteks untuk 15 bentuk graf, diperoleh kesimpulan bahwa pemilihan verteks u untuk level ke 0 mempengaruhi jumlah iterasi, dan semakin besar jumlah komponen yang terjadi dalam pembuktian keparitian graf semakin besar pula jumlah iterasi yang diperoleh. Hasil pengamatan menunjukkan jumlah iterasi terbesar terjadi pada graf bipartisi lengkap dengan bentuk = level ke 1 berisi n-1- |n/3| verteks, level ke 2 benisi. 1n/31 verteks dan gabungan subgraf level ke 1 dan 2 merupakan bipartisi lengkap (n=|V|). Dengan mengasumsikan bahwa jumlah operasi pada setiap iterasi adalah konstan, maka implementasi algoritma menunjukkan kompleksitas 0(n4)."

"Sistem Penilaian Otomatis SIMPLE-O selama ini dikembangkan dengan pemrograman PHP di Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. Namun akurasi SIMPLE-O saat ini belum cukup tinggi untuk dapat digunakan secara praktis. SIMPLE-O kemudian dilanjutkan pengembangannya menggunakan pemrograman Bahasa C, tidak hanya untuk mencoba meningkatkan akurasi SIMPLE-O, tapi juga untuk memperluas penggunaannya. Untuk dapat meningkatkan akurasi penilaian SIMPLE-O diintegrasikan learning vector quantization LVQ pada pengembangannya. Skripsi ini membahas bagaimana pengembangan SIMPLE-O dengan LVQ menggunakan pemrograman Bahasa C.Seberapa banyak bagian data sampel yang digunakan pada saat training mempengaruhi performa penilaian. Semakin sedikit data yang digunakan pada fase training, maka akan terjadi penurunan akurasi pada fase evaluasi. Akurasi penilaian juga dipengaruhi proses ekstraksi ciri-ciri teks yang dilakukan menggunakan latent semantic analysis LSA dan singular value decomposition SVD . Akurasi penilaian dapat berubah ketika singular value yang dihasilkan, di proses terlebih dulu dengan frobenius norm dan vector angle. Faktor lainnya seperti jumlah kata-per-kolom matriks LSA tidak begitu mempengaruhi akurasi penilaian. Pada akhir percobaan, akurasi SIMPLE-O dengan LVQ secara rata-rata adalah 52.27 . Dengan menambahkan LVQ, akurasi SIMPLE-O mengalami peningkatan sebesar 41.67.

---

Sistem Penilaian Otomatis SIMPLE O was developed using PHP at Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. But the resulting accuracy of the SIMPLE O was not reliable enough to be used practically. Right now, SIMPLE O was being developed using C Programming Language. This was done to increase its reliability and to further widen its applications. To increase the accuracy of SIMPLE O, learning vector quantization LVQ was integrated as part of the new program. This Paper was written to address the development of SIMPLE O with LVQ.With less data used in LVQ training phase there will a decrease in the resulting accuracy of the validation phase. The accuracy was also affected by the method of how well the extraction of the text characteristic using latent semantic analysis LSA and singular value decomposition SVD . Additional process of the resulting singular value will result in change of accuracy. The number of words per column when creating the LSA matrix did not have any significant effect. At the end, SIMPLE O with LVQ has an average accuracy of 52.27. Implementation of LVQ give an increase of 41.67 of the accuracy."

"Studi tentang type theory telah memberikan kontribusi penting dalam dunia ilmu komputer, terutama dalam rekayasa perangkat lunak, basis data, computational linguistics, desain bahasa pemrograman, automated theorem proving, high performance compiler dan keamanan jaringan komputer. Tugas akhir ini berfokus pada varian type theory yang disebut Type Assignment (TA). Kontribusi dari tugas akhir ini terdiri dari tiga hal pokok. Pertama, algoritma Principal Type (PT) dan pencarian type inhabitant diimple- mentasikan dalam PROLOG dengan menggunakan Denite Clause Grammar (DCG).Hasil implementasi ini dapat dipakai untuk mencari tipe dari sebuah x-term dan juga sebaliknya, mencari inhabitant (berupa x-term) dari sebuah tipe. Kedua, seluk-belum TA, terutama algoritma PT dan pencarian type inhabitant, dipaparkan dengan bahasa yang lebih mudah dimengerti dibandingkan literatur yang sudah ada. Ketiga, sebuah antarmuka grafs dibangun untuk memudahkan user dalam menggunakan (mencoba) kedua algoritma tersebut. Dengan demikian, software ini bisa digunakan sebagai testbed untuk mempelajari TA, maupun untuk bereksperimen dalam type theory."

"Human action recognition merupakan suatu proses yang bertujuan untuk mengidentifikasi aksi seorang manusia dalam suatu kerangka gambar atau video. Informasi ini nantinya dapat dimanfaatkan untuk berbagai kebutuhan seperti pemantauan keamanan, pemantauan kegiatan, dan lain-lain. Untuk menghasilkan identifikasi yang akurat, sistem human action recognition membutuhkan lingkungan dengan pencahayaan yang baik dan kontras yang tinggi. Namun, dalam beberapa kasus, pencahayaan yang didapatkan oleh sistem human action recognition tidak begitu baik, sehingga hal ini dapat mengganggu proses identifikasi.  Penelitian ini bertujuan untuk merancang sistem human action recognition dengan menggunakan dataset video termal. Model human action recognition yang akan dibangun menggunakan algoritma PoseC3D dari MMAction2. PoseC3D merupakan salah satu metode pendekatan human action recognition berbasis kerangka manusia yang menggunakan 3D heatmap stack sebagai pengganti rangkaian graph sebagai representasi dasar kerangka manusia. Dataset video termal yang digunakan terdiri dari delapan (8) kelas aksi, yaitu aksi jalan, duduk, menyapu, memegang pistol, memegang senapan, berbaring, melempar, dan memegang pisau/senjata tajam. Selain itu, dilakukan juga penelitian pengaruh parameter detection score threshold dan rasio train test split dataset terhadap performa model. Dari hasil eksperimen, dapat dilihat bahwa model human action recognition yang dibangun memiliki performa yang tinggi, baik pada proses pelatihan maupun pengujian.

---

Human action recognition is a process that aims to identify the actions of a human in an image or video frame. This information can then be utilized for various needs such as security monitoring, activity monitoring, etc. To provide an accurate identification, human action recognition systems require an environment with good illumination and high contrast. However, in several cases, the illumination obtained by the human action recognition system is not so good, which can disrupt the identification process.  This research aims to design a human action recognition system using a thermal video dataset. The human action recognition system will be developed using the PoseC3D algorithm from MMAction2. PoseC3D is one of the skeleton-based human action recognition approach methods that uses a 3D heatmap stack instead of a sequence of graphs as a basic representation of the human skeleton. The thermal video dataset consists of eight (8) action classes, i.e., walking, sitting, sweeping the floor, holding a gun, holding a rifle, lying down, throwing something, and holding a knife/sharp weapon. In addition, a study was conducted to determine the impact of the detection score threshold parameter and the the train test split dataset ratio on model performance. From the experiment results, it can be concluded that the human action recognition model built has a high performance, both in the training and testing processes."

"Pengembangan sistem pendeteksi plagiarisme dibuat untuk mengatasi masalah plagiarisme yang kerap terjadi pada dunia akademis. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwi bahasa Indonesia-Inggris dengan Bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan Bahasa Inggris sebagai karya tulis referensinya. Sistem menerapkan algoritma winnowing yang dilengkapi dengan metode penerjemah bahasa Googletrans API dan similar words. Algoritma winnowing merupakan algoritma yang dapat mendeteksi kesamaan antar teks dengan menggunakan fingerprint yang didapat dari proses hashing karakter teks. Penelitian dilakukan untuk meningkatkan akurasi sistem dan mengetahui metode penilai kesamaan teks yang akurat. Dari hasil penelitian, didapatkan bahwa parameter terbaik algoritma winnowing secara umum terdapat saat nilai k-window = 5 dan nilai basis bilangan prima bernilai 3. Parameter n-gram bernilai kecil akan lebih akurat pada teks yang memiliki jumlah kata lebih sedikit dan/atau tingkat plagiarisme tinggi dan sebaliknya. Tingkat akurasi sistem pendeteksi plagiarisme otomatis dwi bahasa yang dikembangkan berkisar antara 75.02 hingga 99.51. Metode Cosine Similarity menjadi metode penilai kesamaan teks terbaik dari hasil penelitian ini. Selain itu, metode penerjemahan Googletrans API juga memberikan kelebihan dalam hal akurasi dan kelengkapan data kamus dibandingkan dengan metode kamus terjemahan database.

---

The development of plagiarism detection system is made to overcome the problem of plagiarism that often occurs in the academic world. In this thesis, an automatic plagiarism detection system on bilingual digital paper Indonesian English is created with Indonesian is used as the tested paper and English as the reference paper. The system implements the winnowing algorithm that comes with the Googletrans API language translator method and similar words. Winnowing algorithm is an algorithm that can detect similarity between text by using fingerprint obtained from hashing process of text character. The study was conducted to improve system accuracy and to know accurate method of text equality assessment.

From the study result, it is found that the best parameter of winnowing algorithm is generally occured when the value of k window 5 and the base value of the prime number is 3. The smaller value of n gram parameter will be more accurate in text that has fewer word counts and or high plagiarism levels and vice versa. The accuracy level of the automatic plagiarism detection system in the developed language ranged from 75.02 to 99.51 .

The Cosine Similarity method is the best method of text equality assessment according to results of this study. In addition, the Googletrans API translation method also provides advantages in terms of accuracy and completeness of dictionary data as compared to database translation dictionary method."