Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 58963 dokumen yang sesuai dengan query
cover
Raditya Nurfadillah
Sistem Rekomendasi Berbasis Deep Learning dengan Data Gabungan Review dan Rating = Deep Learning-based Recommender Systems with Combined Reviews and Ratings Data
"Sistem rekomendasi menjadi salah satu kebutuhan utama bagi penyedia layanan e-commerce untuk memberikan saran rekomendasi produk sesuai dengan apa yang diinginkan oleh pengguna. Salah satu pendekatan yang paling banyak dilakukan dalam membangun sistem rekomendasi adalah collaborative filtering, dengan menggunakan data explicit feedback, yang dapat berupa review atau rating. Sistem rekomendasi dengan pendekatan collaborative filtering telah banyak dikembangkan dengan menggunakan metode machine learning dan metode deep learning. Penelitian ini berfokus untuk mengembangkan sistem rekomendasi dengan pendekatan collaborative filtering berbasis deep learning dengan menggunakan data gabungan review dan rating. Teknik deep learning yang digunakan diperkaya dengan word embeddings untuk dapat menangkap interaksi yang terdapat dalam data review. Penelitian ini menggunakan arsitektur yang diadopsi dari CARL. Modifikasi yang dilakukan pada CARL meliputi pengubahan optimizer dan penggunaan beberapa pretrained word embedding yang berbeda. Selain itu, penelitian ini juga membandingkan performa sistem rekomendasi yang diusulkan antara dataset berbahasa Inggris dan berbahasa Indonesia. Untuk melakukan evaluasi performa sistem rekomendasi yang dikembangkan, digunakan metrik evaluasi mean squared error (MSE). Hasil penelitian menunjukkan modifikasi model CARL (Review-based) dengan menggunakan optimizer Adam (CARL (Review-based) – Adam) menunjukkan performa terbaik dan dapat mengalahkan performa dari baseline model.
Recommender systems are one of the main needs for e-commerce to provide product recommendations according to what the users want. One of the most widely used approaches in developing recommender systems is collaborative filtering, using explicit feedback data, which can be in the form of reviews or ratings. Various collaborative filtering methods have been developed using machine learning and deep learning methods. This study focuses on developing deep learning-based recommender systems with collaborative filtering approach using combined reviews and ratings data. The deep learning technique that being used is enriched with word embeddings to capture the interactions contained in the review data. This study uses an architecture adopted from CARL. Modifications made to CARL include changing the optimizer and using several different pretrained word embeddings. This study also compares the performance of the proposed recommender systems between English datasets and Indonesian datasets. To evaluate the performance of the recommender systems, the mean squared error (MSE) evaluation metrics is used. The results showed that the modification of CARL (Review-based) model using Adam optimizer (CARL (Review-based) – Adam) showed the best performance and could beat the performance of the baseline model."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2024
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Putu Bagus Raka Kesawa
Pengembangan Sistem Identifikasi Pesawat Cessna 172SP dengan Deep Learning Neural Network = Development of Cessna 172SP Aircraft Identification System with Deep Learning Neural Network
"Kemajuan umat manusia dalam penerbangan modern sangat bergantung pada kemampuan untuk melakukan pemodelan sistem idenifikasi penerbangan dari suatu wahana pernerbangan. Pemodelan suatu sistem identifikasi penerbangan bergantung dengan tingkat kualitas dan kuantitas dari data simulasi yang digunakan untuk mendapatkan pendekatan situasi dan kondisi penerbangan aktual yang seakurat mungkin. Akurasi dan presisi dari data simulasi yang digunakan dalam pemodelan sistem penerbangan akan mempengaruhi hasil algoritma yang digunakan dalam sistem identifikasi. Dalam pencapaian kualitas data tersebut, digunakanlah perangkat lunak X-Plane yang berfungsi sebagai simulator penerbangan ultra-realistis yang menyuplai set data yang memungkinkan pembelajaran mesin dari algoritma berbasis komputer. Data pembelajaran pesawat terbang terdiri dari attitude orientasi pesawat. Data yang diperoleh dari simulator tersebut akan diproseskan menggunakan metode preprocessing, sehingga layak digunakan untuk pelatihan sistem identifikasi. Suatu algoritma artificial neural network diterapkan untuk mengidentifikasi sistem pesawat dengan mempelajari dataset yang disebutkan di atas, yang kemudian akan digunakan dalam pengembangan perancangan sistem kontrol. Algoritma artificial neural network yang dirancang dalam penelitian ini telah menunjukkan keberhasilan dalam sistem identifikasi untuk sistem penerbangan pesawat, dan siap digunakan dalam percobaan dan pengujian sistem kontrol pada pesawat.
Humanitys progress in modern aviation is very dependent on the ability to model the flight identification system of a flight vehicle. Modeling a flight identification system depends on the quality and quantity of simulation data used to get the most accurate representation of the actual flight situation and condition. The accuracy and precision of the simulation data used in the flight system modeling will affect the results of the algorithm used in the identification system. In achieving this data quality, X-Plane software is used which functions as an ultra realistic flight simulator that supplies data sets that enable machine learning from computer based algorithms. Airplane learning data consists of airplane orientation attitude. Data obtained from the simulator will be processed using the preprocessing method, so it is feasible to use for identification system training. An artificial neural network algorithm is applied to identify aircraft systems by studying the dataset mentioned above, which will then be used in the development of control system design. The artificial neural network algorithm designed in this study has shown success in the identification system for aircraft flight systems, and is ready to be used in the testing and testing of control systems on aircraft."
Depok: Fakultas Teknik Universitas Indonesia, 2020
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Thomas Hadi Wijaya
Prediksi Perencanaan Dosis pada Pasien Kanker Paru-Paru Berbasis Deep Learning: Residual Network (Resnet) = Prediction of Lung Cancer Patient's Dosage Planning Using Deep Learning: Residual Network (ResNet)
"Penelitian ini berfokus pada pengaplikasian teknologi deep learning, secara khusus menggunakan Residual Network (ResNet101) dalam prediksi perencanaan dosis untuk pasien kanker paru-paru. Tiga variasi input data diproses untuk dilatih dan diuji menggunakan ResNet, dan kemudian dievaluasi untuk menentukan variasi input yang paling akurat. Tujuan utama penelitian ini adalah memahami mekanisme kerja deep learning dalam prediksi perencanaan dosis, mengevaluasi akurasi prediksi menggunakan ResNet, dan menganalisis kinerja model pada masing-masing variasi input data. Metodologi yang digunakan melibatkan penggunaan model input dan output untuk menghasilkan kurva distribusi-volume dosis (DVH) prediksi dan aktual. DVH merupakan kurva yang digunakan untuk mengukur seberapa besar dosis yang diterima dalam persentase volume pada organ tertentu. Evaluasi dilakukan menggunakan metode Mean Absolute Error (MAE) dari persentase volume prediksi dan referensi masing-masing pasien pada rentang dosis yang ditentukan yaitu 0-60 Gy dengan lebar bin sebesar 0,25 Gy. Hasil evaluasi menunjukkan bahwa variasi data input A memberikan nilai MAE sebesar 11,24% ± 10,58%, variasi data input B memberikan MAE sebesar 12,79% ± 11,27%, dan variasi data input C memberikan MAE sebesar 12,22% ± 12,13%. Hasil tersebut memperlihatkan bahwa variasi data input A memiliki tingkat akurasi terbaik dengan nilai error dan standar deviasi terendah. Evaluasi juga melibatkan penggunaan train-val loss untuk masing-masing model yang dilatih. Temuan ini menunjukkan bahwa penggunaan citra CT sebagai channel 1, gabungan ROI tanpa ROI target sebagai channel 2, dan ROI target sebagai channel 3 memberikan prediksi perencanaan dosis yang paling akurat untuk pasien kanker paru-paru.
This study focuses on the application of deep learning technology, specifically using Residual Network (ResNet101), to predict dosage planning for lung cancer patients. Three variations of input data were processed for training and testing using ResNet, and then evaluated to determine the most accurate input variation. The primary objectives of this research are to understand the mechanism of deep learning in dosage planning prediction, evaluate prediction accuracy using ResNet, and analyze model performance for each input data variation. The methodology involved using input and output models to generate predicted and actual dose-volume histogram (DVH) curves. DVH is a curve used to measure the dose received as a volume percentage in a specific organ. Evaluation was conducted using the Mean Absolute Error (MAE) method from the volume percentage prediction and reference for each patient within a dose range of 0-60 Gy with a bin width of 0,25 Gy. The evaluation results showed that input data variation A yielded an MAE of 11,24% ± 10,58%, input data variation B yielded an MAE of 12,79% ± 11,27%, and input data variation C yielded an MAE of 12,22% ± 12,13%. These results indicate that input data variation A had the best accuracy with the lowest error and standard deviation. Evaluation also included using train-val loss for each trained model. These findings suggest that using CT images as channel 1, a combination of ROIs excluding the target ROI as channel 2, and the target ROI as channel 3 provides the most accurate dosage planning prediction for lung cancer patients."
Depok: Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Dwi Guna Mandhasiya
Hibrida Model BERT dan Deep Learning untuk Analisis Sentimen Bahasa Indonesia - Studi Kasus Sentimen Pengguna Media Sosial terkait Pilpres 2024 = The Hybrid of BERT and Deep Learning Models for Indonesian Sentiment Analysis - A Case Study of Social Media User Sentiments Regarding the 2024 Indonesia Presidential Election
"Ilmu Data adalah irisan dari matematika dan statistika, komputer, serta keahlian domain. Dalam beberapa tahun terakhir inovasi pada bidang ilmu data berkembang sangat pesat, seperti Artificial Intelligence (AI) yang telah banyak membantu kehidupan manusia. Deep Learning (DL) sebagai bagian dari AI merupakan pengembangan dari salah satu model machine learning yaitu neural network. Dengan banyaknya jumlah lapisan neural network, model deep learning mampu melakukan proses ekstrasi fitur dan klasifikasi dalam satu arsitektur. Model ini telah terbukti mengungguli teknik state-of-the-art machine learning di beberapa bidang seperti pengenalan pola, suara, citra, dan klasifikasi teks. Model deep learning telah melampaui pendekatan berbasis AI dalam berbagai tugas klasifikasi teks, termasuk analisis sentimen. Data teks dapat berasal dari berbagai sumber, seperti sumber dari media sosial. Analisis sentimen atau opinion mining merupakan salah satu studi komputasi yang menganalisis opini dan emosi yang diekspresikan pada teks. Pada penelitian ini analisis peforma machine learning dilakukan pada metode deep learning berbasis representasi data BERT dengan metode CNN dan LSTM serta metode hybrid deep learning CNN-LSTM dan LSTM-CNN. Implementasi model menggunakan data komentar youtube pada video politik dengan topik terkait Pilpres 2024, kemudian evaluasi peforma dilakukan menggunakan confusion metric berupa akurasi, presisi, dan recall.
Data Science is the intersection of mathematics and statistics, computing, and a domain of expertise. In recent years innovation in the field of data science has developed very rapidly, such as Artificial Intelligence (AI) which helped a lot in human life. Deep Learning (DL) as part of AI is the development of one of the machine learning models, namely neural network. With the large number of neural network layers, deep learning models are capable of performing feature extraction and classification processes in a single architecture. This model has proven to outperform state-of-the-art machine learning techniques in areas such as pattern recognition, speech, imagery, and text classification. Deep learning models have gone beyond AI-based approaches in a variety of text classification task, including sentiment analysis. Text data can come from various sources, such as source from social media. Sentiment analysis or opinion mining is a computational study that analyze opinions and emotions expressed in text. In this research, machine learning performance analysis is carried out on a deep learning method based on BERT data representation with the CNN and LSTM and hybrid deep learning CNN-LSTM and LSTM-CNN method. The implementation of the model uses YouTube commentary data on political videos related to the 2024 Indonesia presidential election, then performance analysis is carried out using confusion metrics in the form of accuracy, precision, and recall."
Depok: Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Bijak Rabbani
Residual neural network dan persistent homology untuk klasifikasi diabetik retinopati = Residual neural network and persistent homology for the classification of diabetic retinopathy
"Diabetik retinopati adalah komplikasi dari penyakit diabetes yang dapat mengakibatkan gangguan penglihatan bahkan kebutaan. Penyakit ini menjadi tidak dapat disembuhkan jika telah melewati fase tertentu, sehingga diagnosa sedini mungkin menjadi sangat penting. Namun, diagnosa oleh dokter mata memerlukan biaya dan waktu yang cukup besar. Oleh karena itu, telah dilakukan upaya untuk meningkatkan efisiensi kerja dokter mata dengan bantuan komputer. Deep learning merupakan sebuah metode yang banyak digunakan untuk menyelesaikan masalah ini. Salah satu arsitektur deep learning yang memiliki performa terbaik adalah residual network. Metode ini memiliki kelebihan dalam menghindari masalah degradasi akurasi, sehingga memungkinkan penggunaan jaringan yang dalam. Di sisi lain, metode persistent homology juga telah banyak berkembang dan diaplikasikan pada berbagai masalah. Metode ini berfokus pada informasi topologi yang terdapat pada data. Informasi topologi ini berbeda dengan representasi data yang didapatkan dari model residual network. Penelitian ini melakukan analisis terhadap penerapan persistent homology pada kerangka kerja residual network dalam permasalahan klasifikasi diabetik retinopati. Dalam studi ini, dilakukan eksperimen berkaitan dengan informasi topologi dan proses pengolahannya. Informasi topologi ini direpresentasikan dengan betti curve atau persistence image. Sementara itu, pada proses pengolahannya dilakukan ujicoba pada kanal citra, metode normalisasi, dan layer tambahan. Hasil eksperimen yang telah dilakukan adalah penerapan persistent homology pada kerangka kerja residual network dapat meningkatkan hasil klasifikasi penyakit diabetik retinopati. Selain itu, penggunaan betti curve dari kanal merah sebuah citra sebagai representasi informasi topologi memberikan hasil terbaik dengan skor kappa 0.829 pada data test.
Diabetic retinopathy is a complication of diabetes which can result in visual disturbance and even blindness. This disease becomes incurable after reaching certain phases, thus immidiate diagnosis is highly important. However, diagnosis by a professional ophthalmologist requires a great amount of time and cost. Therefore, efforts to increase the work efficiency of ophthalmologists using computer system has been done. Deep learning is a method that widely used to solve this particular problem. Residual network is one of deep learning architecture which has the best performance. The main advantage of residual network is its ability to prevent accuracy degradation, thus enabling the model to go deeper. On the other hand, persistent homology is also rapidly developing and applied in various fields. This method focus on the topological information of the data. This information are different with the data representation that extracted by neural network model. This study analyze the incorporation of persistent homology to residual networks framework for diabetic retinopati classification. In this study, experiments regarding about topological information and its process were carried out. The topological information is represented as betti curve or persistence image. Meanwhile, the experiments are analyzing the impact of image colour channel, normalization method, and additional layer. According to the experiments, application of persistent homology on residual network framework could improve the outcome of diabetic retinopathy classification. Moreover, the application of betti curve from the red channel as a representation of topological information has the best outcome with kappa score of 0.829."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Joansyah Adwie
Analisis Pengaruh Pengetahuan, Pemahaman, dan Kesadaran Pajak Pertambahan Nilai Perdagangan Melalui Sistem Elektronik Konsumen terhadap Kepercayaan dan Minat Beli Pada Penyedia Layanan E-Commerce = Analysis The effect of Knowledge, Understanding, and Awareness Trade Value Added Taxes Consumer Electronic Systems on Trust and Intention to Buy in E-Commerce
"Penerapan Pajak Pertambahan Nilai atas Perdagangan Melalui Sistem Elektronik (PPN PMSE) akan menimbulkan dampak bagi perekonomian di Indonesia. Penerapan ini dapat menimbulkan kenaikan harga jual barang dan jasa sehingga akan berpengaruh pada minat beli masyarakat. Selain itu, hal ini juga akan berdampak pada kepercayaan konsumen terhadap para pihak penyedia layanan karena mereka dituntut untuk memungut PPN PMSE kepada para konsumen. Maka dari itu penelitian ini bertujuan untuk menganalisis tingkat pengetahuan, pemahaman, dan kesadaran pajak konsumen barang dan jasa yang dikenakan PPN PMSE serta pengaruhnya terhadap minat beli dan kepercayaan konsumen. Metode penelitian yang digunakan berupa kuantitatif deskriptif dengan teknik purposive sampling. Sampel yang digunakan sebanyak 280 responden dengan survei menggunakan kuesioner. Hasil dari penelitian menunjukkan bahwa pengetahuan pajak dan kesadaran pajak berpengaruh positif dan signifikan terhadap kepercayaan dan minat beli konsumen. Kemudian pemahaman pajak berpengaruh negatif dan signifikan terhadap kepercayaan konsumen. Lalu pemahaman pajak tidak berpengaruh terhadap kepercayaan konsumen. Dan kepercayaan konsumen berpengaruh positif dan signifikan terhadap minat beli konsumen. Hasil ini juga diakibatkan dari adanya variabel kontrol yaitu loyalitas, persepsi risiko, dan dukungan pemerintah
The application of the Value Added Tax on Trade Through the Electronic System (PPN PMSE) will have an impact on the economy in Indonesia. This application can lead to an increase in the selling price of goods and services so that it will affect people's buying interest. In addition, this will also have an impact on consumer confidence in service providers because they are required to collect PMSE VAT from consumers. Therefore, this study aims to analyze the level of knowledge, understanding, and awareness of consumer taxes on goods and services subject to PMSE VAT and their effect on buying interest and consumer confidence. The research method used is descriptive quantitative with purposive sampling technique. The sample used was 280 respondents with a survey using a questionnaire. The results of the study indicate that tax knowledge and tax awareness have a positive and significant effect on consumer confidence and buying interest. Then the understanding of tax has a negative and significant effect on consumer confidence. Then the understanding of taxes has no effect on consumer confidence. And consumer trust has a positive and significant effect on consumer buying interest. This result is also caused by the existence of control variables, namely loyalty, risk perception, and government support."
Depok: Fakultas Ilmu Administrasi Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Panggabean, Andreas Christian Hamonangan
Pertanggungjawaban hukum penyelenggara sarana perdagangan melalui sistem elektronik terhadap kerentanan sistem dan produk = Legal liabilities of providers of electronic commercial system against system and product vulnerability.
"E-commerce atau perdagangan melalui sistem elektronik marak digunakan masyarakat dalam beberapa tahun terakhir. Dalam perkembangannya, permasalahan dalam e-commerce atau perdagangan melalui sistem elektronik adalah bagaimana pelaksanaan keamanan sistem elektronik tersebut dari kerentanan yang ada, baik kerentanan di sistem elektronik itu sendiri ataupun produk-produk yang ada dalam platform e-commerce itu. Skripsi ini membahas bagaimana tanggung jawab penyelenggara e-commerce dalam memastikan keandalan dan keamanan sistem elektroniknya jika melihat peraturan perundang-undangan Indonesia. Skripsi ini juga membahas dalam kondisi apa suatu kejadian pada platform e-commerce dapat dinyatakan sebagai kejadian tak tentu atau keadaan kahar atau force majeure. Hasil penelitian menunjukkan bahwa terdapat regulasi pemerintah yang berkaitan dengan kewajiban penyelenggara yaitu Surat Edaran Menteri Komunikasi dan Informatika Nomor 5 Tahun 2016 yang membahas mengenai pembatasan tanggung jawab penyelenggara platform yang ternyata substansinya ada yang bertentangan dengan Peraturan Pemerintah Nomor 80 Tahun 2019 tentang Perdagangan Melalui Sistem Elektronik, sehingga dalam mengatur regulasi terkait tanggung jawab sudah seharusnya dilakukan pembenahan. Selain itu, terdapat pengaturan dalam Peraturan Menteri Komunikasi dan Informatika Nomor 5 Tahun 2020 yang bertentangan dengan prinsip pertanggungjawaban yang dianut menurut Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik sebagaimana telah diubah dengan Undang-Undang Nomor 19 Tahun 2016 tentang Perubahan Atas Undang-Undang Nomor 11 Tahun 2008 Tentang Informasi dan Transaksi Elektronik. Oleh karena itu peraturan menteri tersebut haruslah dibenahi kembali. Selain itu, berdasarkan penelitian penulis, pemerintah dalam melaksanakan tugas dan wewenang terkait mengamankan e-commerce dengan penerapan standar manajemen keamanan sistem informasi harus dilakukan peningkatan agar terjadi pemerataan keamanan pada tiap e-commerce yang beroperasi di Indonesia. Serangan siber khususnya hacking yang merupakan salah satu kerentanan dalam platform e-commerce dapat dikatakan sebagai force majeure jika penyelenggara e-commerce telah berupaya semaksimal mungkin melaksanakan tanggung jawab keamanan, serta kejadian tersebut terjadi di luar batas pengetahuan penyelenggara.
E-commerce has become increasingly popular in the community in recent years. During its development, the problem in e-commerce or trading via electronic systems is how to implement the security of the electronic system from existing vulnerabilities, both vulnerabilities in the electronic system itself and the products on the e-commerce platform. This thesis discusses how the responsibilities of e-commerce providers or administrators in security monitoring of their electronic systems when looking at Indonesian regulations. This thesis also discusses under what conditions an event on an e-commerce platform can be stated as an indefinite event or force majeure. The results show that there is a provision related to the obligations of the organizers, namely the Circular Letter of the Minister of Communication and Information Technology Number 5 of 2016 which discusses the responsibilities of platform administrators, which in fact conflict with Government Regulation Number 80 of 2019 concerning Trade Through Electronic Systems, thus the improvements should be made. In addition, there is a provision in the Regulation of the Minister of Communication and Information Technology Number 5 of 2020 which contradict with the principle of liability regulated in Law Number 11 of 2008 concerning Electronic Information and Transactions that have been amended by Law Number 19 of 2016 concerning Amendments to Law Number 11 of 2008 concerning Electronic Information and Transactions. Therefore, this ministerial regulation must be improved. In addition, based on the author's research, the government in carrying out duties and authorities related to e-commerce with the application of information system management standards must be increased so that there is equal distribution of security in each e-commerce operating in Indonesia. Cyber attacks, especially hacking, which is one of the vulnerabilities in the e-commerce platform, can be said to be a force majeure if the e-commerce provider has made every effort to carry out security responsibilities, and the incident occurs beyond the knowledge of the organizer."
Depok: Fakultas Hukum Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Sabila Nur Maulidya
Pengaruh Shopping Motivation dan Product Browsing terhadap Online Impulsif Buying (Produk pakaian dan kosmetik konsumen Shopee Jabodetabek) = The Effect of Shopping Motivation and Product Browsing on Online Impulse Buying (Shopee Jabodetabek consumer clothing and cosmetic products)
"Perkembangan teknologi saat merubah perilaku masyakarat yang cendrung senang berbelanja melalui pasar digital atau e commere. Sehingga Penelitian ini bertujuan untuk menganalisis pengaruh perubahan perilaku konsumen dengan motivasi belanja hedonic dan utilitarian motivasi serta product browsing terhadap online impulsif buying (pembelian impulsif) dengan produk browsing sebagai variabel mediasi produk kosmetik dan fashion konsumen Shopee Jabodetabek. Penelitian ini menggunakan pendekatan kuantitatif dengan menyebarkan 150 kusioner secara online dan offline apakah konsumen shopee Jabodetabek pernah melalukan pembelian tidak terencana khususnya produk fashion dan kosmetik. Penentuan sampel dilakukan dengan non-probability dengan purposive sampling. Teknis analisis data yang digunakan dalam penelitian ini adalah Analisis Structural Equation Modelling (SEM) menggunakan smartpls3. Hasil penelitian ini bahwa motivasi belanja hedonic dan utilitarian serta product browsing memiliki pengaruh terhadap online impulsif buying dengan product browsing sebagai variabel mediasi.
he development of technology when changing peoples behavior tends to love shopping through digital markets or e commerce. So this study aims to analyze the effect of changes in consumer behavior by motivating hedonic shopping and utilitarian motivation as well as product browsing on impulsive online buying with browsing products as a mediating variable for cosmetics and fashion products of Jabodetabek Shopee consumers. This research uses a quantitative approach by spreading 150 online and offline questionnaires whether Jabodetabek shopee consumers ever pass unplanned purchases, especially fashion and cosmetic products. Determination of the sample is done by non probability with purposive sampling. The data analysis technique used in this study is Structural Equation Modeling (SEM) Analysis using smartpls3. The results of this study that the motivation of hedonic and utilitarian shopping and product browsing have an influence on impulsive buying online with product browsing as a mediating variable."
Depok: Fakultas Ilmu Administrasi Universitas Indonesia, 2020
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Abdul Halim Bashel
Perbandingan Dalam Upaya Pembaharuan Hukum Hak Privasi Konsumen E-commerce di Indonesia, Malaysia dan Singapura = Comparison of E-commerce Consumer Privacy Rights Legal Reform Efforts in Indonesia, Malaysia and Singapore
"Pelindungan data pribadi artinya memberikan perlindungan hukum bagi konsumen dalam hal pengumpulan, penggunaan, dan pengungkapan data pribadi. Perlindungan hukum data pribadi di Indonesia sebelumnya tidak dapat dikatakan cukup komprehensif sehingga membutuhkan adanya aturan yang kuat dan tegas untuk melindungi data pribadi konsumen dan menumbuhkan rasa kepercayaan konsumen. Penelitian ini bertujuan untuk menganalisa dan mengetahui perlindungan hukum hak privasi konsumen e-commerce di Indonesia, untuk menganalisa dan mengetahui perbandingan hukum terhadap perlindungan hukum hak privasi konsumen e-commerce di Malaysia dan Singapura dan untuk mengetahui upaya pembaharuan hukum hak privasi konsumen e-commerce di Indonesia. Metode penelitian ini menggunakan jenis penelitian yuridis normatif yang bersifat deskriptif analisis. Hasil penelitian menunjukkan bahwa perlindungan hukum hak privasi konsumen e-commerce di Indonesia diatur dalam Undang-Undang Untuk menjaga privasi pelanggan, Republik Indonesia mengesahkan Undang-Undang Nomor 27 Tahun 2022 atau dikenal dengan UU PDP yang mengatur pengumpulan, penggunaan, dan penyebaran informasi pribadi pada Pasal 1 ayat (2), pasal 5 dan pasal 13 ayat (1) dan Undang-undang Nomor 8 Tahun 1999 yang mengatur tentang perlindungan konsumen. UU No. 39 Tahun 1999 tentang Hak Asasi Manusia biasanya menjamin hak privasi pada pasal 29 ayat (1), 30, dan 32. Perbandingan hukum terhadap perlindungan hukum hak privasi konsumen e-commerce di Malaysia dan Singapura diatur dalam Undang-Undang Data Pribagi. Singapura memiliki Do Not Call (DNC) Registry, sedangkan Malaysia tidak memilikinya. Ketika membandingkan undang-undang kedua negara mengenai perlindungan hukum hak privasi konsumen e-commerce. Pada saat yang sama, prinsip dan pedoman perlindungan hak privasi konsumen di Indonesia untuk transfer data internasional tidak tersedia. Upaya pembaharuan hukum hak privasi konsumen e-commerce di Indonesia dapat dilakukan dengan memperbarui undang-undang privasi konsumen pada e-commerce, meliputi: Urgensi pembaharuan undang-undang perlindungan konsumen, Sifat e-commerce lintas batas negara, Memberikan sanksi kepada pelanggar, dan perjanjian atau kontrak. Urgensi pembaharuan Undang-Undang perlindungan konsumen Indonesia di era e-commerce diperlukan untuk mengatasi tantangan baru dalam praktik bisnis, terutama yang terkait dengan teknologi digital dan e-commerce, serta membutuhkan adaptasi hukum agar konsumen dapat terlindungi dari ancaman privasi data, keamanan siber, dan risiko lain yang muncul dalam transaksi online.
Personal data protection means providing legal protection for consumers in terms of collection, use and disclosure of personal data. Previously, legal protection of personal data in Indonesia could not be said to be comprehensive enough, requiring strong and firm regulations to protect consumers' personal data and foster a sense of consumer trust. This research aims to analyze and determine the legal protection of e-commerce consumer privacy rights in Indonesia, to analyze and determine the legal comparison of the legal protection of e-commerce consumer privacy rights in Malaysia and Singapore and to determine efforts to reform the e-commerce consumer privacy rights law in Indonesia. This research method uses a type of normative juridical research which is descriptive analysis. The research results show that the legal protection of the privacy rights of e-commerce consumers in Indonesia is regulated in the Law. To maintain customer privacy, the Republic of Indonesia passed Law Number 27 of 2022 or known as the PDP Law which regulates the collection, use and dissemination of personal information on Article 1 paragraph (2), article 5 and article 13 paragraph (1) and Law Number 8 of 1999 which regulates consumer protection. UU no. 39 of 1999 concerning Human Rights usually guarantees the right to privacy in articles 29 paragraphs (1), 30, and 32. Legal comparisons regarding the legal protection of e-commerce consumer privacy rights in Malaysia and Singapore are regulated in the Personal Data Law. Singapore has a Do Not Call (DNC) Registry, while Malaysia does not have one. When comparing the laws of the two countries regarding the legal protection of e-commerce consumer privacy rights. At the same time, principles and guidelines for protecting consumer privacy rights in Indonesia for international data transfers are not available. Efforts to reform the law on consumer privacy rights for e-commerce in Indonesia can be carried out by updating the consumer privacy law on e-commerce, including: The urgency of updating consumer protection laws, the nature of e-commerce across national borders, imposing sanctions on violators, and agreements or contract. The urgency of updating Indonesia's consumer protection law in the e-commerce era is needed to overcome new challenges in business practices, especially those related to digital technology and e-commerce, and requires legal adaptation so that consumers can be protected from threats to data privacy, cyber security and other risks that arise in online transactions."
Jakarta: Fakultas Hukum Universitas Indonesia, 2024
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Salma Dewi Taufiqoh
Pengembangan Model Deteksi Penyakit Kulit Pada Hewan Peliharaan Menggunakan Teknik Image Processing Dan Deep Learning = Development Of Detection Model For Skin Diseases In Pets Using Image Processing And Deep Learning Techniques
"Penelitian ini bertujuan untuk mengembangkan model deteksi penyakit kulit pada hewan peliharaan menggunakan image processing dan Deep Learning. Model ini dirancang untuk mendeteksi tiga jenis penyakit kulit yang umum, yaitu Ringworm, Scabies, dan Earmite, dengan memanfaatkan gambar yang diambil menggunakan kamera ponsel. Model ini menggabungkan teknik image processing, seperti CLAHE, filter Gaussian, dan segmentasi HSV, dengan model CNN. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-score. Pada penelitian ini digunakan dua model untuk mendeteksi penyakit yang berbeda. Hasil penelitian menunjukkan bahwa untuk model 1, yang melakukan klasifikasi multi-kelas, nilai metrik validasi Akurasi mencapai 83%, F1-score mencapai 82%, Precision mencapai 89%, dan Recall mencapai 83%. Sedangkan untuk hasil model 2, yang melakukan klasifikasi biner, nilai akurasi mencapai 100%, F1-score mencapai 100%, Precision mencapai 100%, dan Recall mencapai 100%. Model ini juga menunjukkan kinerja yang lebih baik dibandingkan dengan model transfer learning ResNet-50 dan VGG16.
This research aims to develop a skin disease detection model for pets using image processing and Deep Learning . The model is designed to detect three common skin diseases, namely Ringworm, Scabies, and Earmite, using images captured by mobile phone cameras. The model combines image processing techniques, such as CLAHE, Gaussian filter, and HSV segmentation, with a CNN model. Model evaluation is performed using the Accuracy, Precision, Recall, and F1-score metrics. In this study, two models were used to detect different diseases. The research results show that for model 1, which performs multi-class classification, the validation metric value of Accuracy reaches 83%, F1-score reaches 82%, Precision reaches 89%, and Recall reaches 83%. Meanwhile, for the results of model 2, which performs binary classification, the accuracy value reaches 100%, F1-score reaches 100%, Precision reaches 100%, and Recall reaches 100%. This model also shows better performance compared to the ResNet-50 and VGG16 transfer learning models."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>