Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jaringan saraf konvolusi telah terbukti bekerja dengan baik pada tugas klasifikasi citra. Hasil tersebut didukung oleh sifat transformasi-ekuivarian yang merupakan salah satu karakteristik jaringan saraf konvolusi. Namun, sifat tersebut hanya terbatas pada transformasi translasi. Penelitian ini memperkenalkan transformasi-ekuivarian variasional (TEV), suatu model representasi tidak terawasi yang bersifat transformasi-ekuivarian terhadap transformasi yang lebih general. Pada pengimplementasiannya, TEV memanfaatkan predictive-transformation, suatu model pemelajaran terawasi sendiri yang berperan sebagai bias induktif. Proses optimisasi TEV melibatkan 2 estimasi batas bawah informasi timbal balik: metode estimasi Barber-Agakov (selanjutnya dinamakan model TEVBA) dan information noise contrastive (selanjutnya dinamakan model TEVInfoNCE). Model representasi TEV diuji berdasarkan rata-rata rasio kesalahan pada serangkaian tugas klasifikasi citra. Pada penelitian ini, perseptron lapis banyak, K-nearest neighbor, dan multinomial logistic regression dipilih sebagai classifier untuk tugas klasifikasi citra menggunakan dataset CIFAR-10 dan STL-10. Hasil menunjukkan TEVBA dan TEVInfoNCE mengungguli model baseline untuk masing-masing classifier pada kedua dataset. Secara spesifik, TEVBA secara konsisten menghasilkan rata-rata rasio kesalahan terendah untuk klasifikasi pada kedua dataset.

---

Convolution neural network (CNN) has shown promising results on various image classification tasks. One of the reasons due to the ability of CNN to extract representation that is equivariant to transformations. However, the notion only holds for the translation transformation. This research introduces variational transformation equivariant (VTE), a more general unsupervised transformation-equivariant representation model. During the implementation, VTE utilizes the Predictive-transformation, a self-supervised learning model that acts as inductive bias. The optimization of VTE involves two lower bound mutual information methods: Barber-Agakov and information noise contrastive (InfoNCE). The VTE models are evaluated based on the average error rate on image classification tasks on CIFAR-10 and STL-10 datasets. We utilize multi-layer perceptron, K-nearest neighbor, and multinomial logistic regression as the classifiers. Results show VTE with Barber-Agakov and VTE with InfoNCE outperform the baseline model for each classifier on both datasets. Specifically, VTEBA consistently achieves the lowest average error rate for both datasets."

"Makalah proyek akhir ini menganalisis pengaruh crowdsourcing (selanjutnya disebut urun daya) dan representasi terhadap kredibilitas infomasi museum di Indonesia. Tujuan penelitian ini adalah mengidentifikasi pengaruh urun daya terhadap kredibilitas, mengidentifikasi pengaruh representasi terhadap kredibilitas, mengidentifikasi pengaruh urun daya dan representasi terhadap kredibilitas. Metode penelitian ini adalah survei dengan menggunakan kuesioner untuk pengumpulan data. Data penelitian dianalisis dengan SPSS 26. Jumlah responden sebanyak 65 pengelola museum yaitu kepala museum, kurator, dan humas (media sosial). Berdasarkan hasil penelitian dapat disimpulkan bahwa terdapat pengaruh positif dan signifikan antara urun daya dengan kredibilitas pada museum di Indonesia, terdapat pengaruh secara signifikan representasi terhadap kredibilitas, urun daya dan representasi secara simultan berpengaruh signifikan terhadap kredibilitas. Kesimpulan penelitian ini adalah 3 variabel yang telah ditentukan semuanya secara langsung dan tidak langsung berpengaruh signifikan antara variabel satu dengan yang lainnya. Dapat dipastikan bahwa urun daya dan representasi koleksi mempengaruhi kredibilitas informasi koleksi museum di Indonesia. Penelitian ini menyarankan agar museum yang telah menerapkan konsep urun daya dapat merancang platform urun daya untuk meningkatkan sosialisasi online sehingga partisipasi serta kontribusi orang banyak (crowd) untuk proyek urun daya warisan dokumenter akan stabil dan meningkat. Kedua adalah dengan mengoptimalkan keterampilan teknis pengelola museum, memungkinkan museum dengan keterbatasan dana untuk menggunakan media sosial guna menekan biaya. Ketiga adalah koefisein determinasi dari urun daya dan representasi secara simultan terhadap kredibilitas sebesar 0,475 masih tergolong rendah, sehingga perlu ditingkatkan dengan penambahan variabel.

---

This final project paper analyzes the effect of crowdsourcing and representation on the kredibilitas of museum information in Indonesia. The purpose of this study is to identify the effect of urun daya on kredibilitas, identify the effect of representativeness on kredibilitas, identify the effect of urun daya and representativeness on kredibilitas. This research method is a survey using a questionnaire for data collection. Research data were analyzed using SPSS 26. The number of respondents was 65 museum managers, namely museum heads, curators, and public relations (social media). Based on the results of the study it can be concluded that there is a positive and significant influence between urun daya and kredibilitas in museums in Indonesia, there is a significant influence of representativeness on kredibilitas, urun daya and representativeness simultaneously have a significant effect on kredibilitas. The conclusion of this study is that the 3 variables that have been determined directly and indirectly have a significant effect between one variable and another. It is certain that crowdsourcing and collection representation affect the kredibilitas of information on museum collections in Indonesia. This research suggests that museums that have implemented the concept of crowdsourcing can design crowdsourcing platforms to increase online socialization so that the participation and contribution of the crowd to crowdsourced documentary heritage projects will be stable and increase. The second is by optimizing the technical skills of museum managers, enabling museums with limited funds to use social media to reduce costs. Third, the coefficient of determination of urun daya and representativeness simultaneously on kredibilitas of 0,475 is still relatively low, so it needs to be increased by adding variables."

"Perolehan informasi lintas bahasa adalah bidang perolehan informasi yang semakin berkembang seiring dengan pesatnya perkembangan Internet di seluruh dunia. Perolehan informasi lintas bahasa adalah sistem perolehan informasi yang memungkinkan pengguna memberikan query dalam bahasa yang berbeda dengan bahasa dokumen. Dalam perolehan informasi lintas bahasa, masalah perbedaan bahasa diatasi dengan proses penerjemahan dokumen atau penerjemahan query. Sumber daya bahasa yang digunakan untuk proses penerjemahan pada perolehan informasi lintas bahasa dapat berupa kamus dwi bahasa, mesin penerjemah atau korpus paralel. Penelitian ini mengembangkan sistem perolehan informasi lintas bahasa Indonesia-Inggris berdasarkan korpus paralel. Padanan kata dalam bahasa Indonesia-Inggris diperoleh dengan menggunakan dua metoda yaitu informasi mutual dan similarity thesaurus. Selanjutnya untuk meningkatkan hasil perolehan dokumen berdasarkan korpus paralel, maka diterapkan teknik perluasan query yaitu pseudo-relevance feedback. Kinerja terbaik dari metoda informasi mutual dan penerapan teknik perluasan query mencapai 41,86 % dari kinerja perolehan informasi lintas bahasa monolingual; 80,5 % dari kinerja perolehan informasi lintas bahasa Indonesia-Inggris dengan menggunakan kamus; serta mencapai 54% dari kinerja sistem perolehan informasi lintas bahasa Indonesia-Inggris menggunakan mesin penerjemah Transtool. Sedangkan kinerja terbaik dari metoda similarity thesaurus dan penerapan teknik perluasan query mencapai 55,61 % dari kinerja perolehan informasi lintas bahasa monolingual; mencapai 107% dari kinerja perolehan informasi lintas bahasa Indonesia-Inggris dengan menggunakan kamus; serta mencapai 71% dari kinerja perolehan informasi lintas bahasa Indonesia-Inggris dengan menggunakan mesin penerjemah Transtool. Berdasarkan hasil tersebut diatas, terlihat bahwa perluasan query dengan teknik pseudo-relevance feedback yang diterapkan pada sistem perolehan informasi lintas bahasa Indonesia-Inggris berdasarkan korpus paralel dengan metoda informasi mutual dan similarity thesaurus dapat meningkatkan kinerja sampai dengan 25 % dibanding tanpa proses perluasan query. Kemudian, dari hasil tersebut diatas juga dapat diambil kesimpulan umum bahwa sistem perolehan informasi lintas bahasa Indonesia-Inggris berdasarkan korpus paralel dapat menjadi alternatif bagi pengembangan sistem perolehan informasi lintas bahasa Indonesia-Inggris. Dan penelitian lebih lanjut mengenai metoda berdasarkan korpus paralel yang lebih baik serta usaha perbaikan kualitas korpus paralel perlu terus dilakukan bagi peningkatan kinerja sistem perolehan informasi lintas bahasa Indonesia-Inggris di masa yang akan datang."