Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Berdasarkan Kementerian Pendidikan dan Kebudayaan Indonesia pada tahun 2019, memperkirakan bahwa 70% dari anak berkebutuhan khusus belum dilayani. Luasnya Negara Republik Indonesia dan pandemi covid-19 saat ini serta adanya kebijakan pemerintah belajar dari rumah agar tetap terpenuhi hak anak serta mempertahankan kualitas hidup AbK-CP, maka kebutuhan pendamping terlatih sangat mendesak. Pelatihan dengan pembelajaran daring menjadi solusi terbaik dalam perluasan dan pemerataan pelayanan di Indonesia. Cerebral Palsy (CP) pada anak adalah gangguan dalam perkembangan yang dapat mempengaruhi kemampuan motorik dan menyeimbangkan tubuh yang memiliki tingkat keparahan. Material dalam penelitian ini pendamping AbK khususnya CP, gawai, aplikasi teleconference dengan materi pembelajaran berupa video maupun slide. Data diambil dengan penilaian observasi kinerja pendamping, akurasi dilakukan oleh tenaga ahli. Studi ini menggunakan analisis dengan metode kualitatif deskriptif untuk mengevaluasi kinerja hasil pelatihan bagi pendamping AbK-CP secara daring. Berdasarkan metode uji korelasi Spearmen nilai <0,05 didapatkan pada evaluasi capaian, proses pengulangan serta profesi responden yang menunjukkan bahwa ada korelasi yang signifikan. Secara kuantitatif keberhasilan pencapaian kinerja, baik berkaitan dengan pengulangan maupun berkaitan dengan profesi, mencapai 90%. Pelatihan dengan pembelajaran daring ini dapat memberikan layanan pada AbK-CP sesuai dengan karakteristik kebutuhan yang spesifik, oleh pendamping terlatih dengan metode ramah Ramah Otak Ramah HatI (RORI), serta dapat dilakukan dirumah.

---

ABSTRACT
Children with Special Needs Education-Cerebral palsy (CSN-CP) based on the Indonesian Ministry of Education and Culture in 2019, predicted that 70% of SNC had not been served. The extent of the Republic of Indonesia geographic area and pandemic Covid-19 nowadays and also the Government's policy of learning from home in order to remain to fulfill the children's rights and maintain the quality of CSN-CP life, so the needs of trained caregiver is very urgent. Training with online learning is the best solution in the expansion and equality service in Indonesia. Cerebral palsy (CP) in children is a disorder in development that can affect the motor ability and balance the body that has its severity. The material in this study caregiver CSN especially CP, gadgets, application of teleconference with the digital learning materials in the form of video and slides. Data is taken with an observation assessment of the caregiver performance; experts do accuracy. This study uses analysis with a qualitative descriptive method to evaluate the performance of training results for caregiver CSN-CP online. Based on the correlation test method Spearmen the value of < 0.05 is obtained in the evaluation of the achievement, the repetition process as well as the profession of respondents indicating that there is a significant correlation. Quantitatively, the success of performance, both related to repetition and related to the profession, reaches 90%. Training with online learning can provide services to CSN-CP in accordance with specific needs characteristic, by trained caregiver with friendly method of friendly brain-friendly heart (RORI), and can be done at home.

Abstrak :
Tesis ini membahas hubungan pemeriksaan kesehatan masa nifas dengan penggunaan metode kontrasepsi jangka panjang dikontrol dengan variabel kovariat yaitu usia, pendidikan, pekerjaan, status ekonomi, daerah tempat tinggal, jumlah anak ideal, pengambilan keputusan dan keterpaparan informasi pada wanita usia subur di Indonesia dengan menganalisis data sekunder SDKI tahun 2017. Penelitian ini adalah penelitian kuantitatif dengan hasil analisa univariat dan bivariat. Hasil penelitian yaitu sebagian besar responden menggunakan KB jenis Non-MKJP yaitu sebesar 78,0%; responden paling banyak melakukan pemeriksaan kesehatan masa nifas pada periode late postpartum; terdapat perbedaan risiko dari variabel usia, keputusan penggunaan KB, status pekerjaan, tingkat pendidikan dan keterpaparan informasi dengan penggunaan jenis KB; tidak terdapat perbedaan risiko dari variabel status ekonomi dan jumlah anak ideal dengan penggunaan jenis KB; pemeriksaan kesehatan masa nifas tidak mempunyai pengaruh terhadap penggunaan jenis KB (nilai-p >0,05). Peningkatan konseling kontrasepsi secara individu sejak awal perlu dilakukan terutama pada masa perencanaan kehamilan hingga masa nifas agar meningkatnya penggunaan MKJP khususnya KB pascasalin sehingga berkurangnya unmetneed dan angka kejadian kehamilan tidak diinginkan. ......The focus of this study is relationship postnatal care with long acting contraceptive methods uses among women in Indonesia controlled with covariate variable that is ages, education, profession, socioeconomic status, residential area, ideal number of children, decision-making and information exposure among women in Indonesia by analyzing secondary data DHS 2017. This research is quantitative with analysis results univariate analysis and bivariate analysis. Research result are most respondents uses Non-LACM wich is equal to 78,0%; respondents do the most postnatal care in late postpartum period; there is a difference in risk from variable ages, decision-making FP uses, profession, information exposure, education and with FP uses; there is no difference in risk from variable socioeconomic status, ideal number of children with FP uses; postnatal care have no effect FP uses (p-value >0,05). Early increase in individual contraceptive counseling necessary especially pregnancy planning period and postpartum period in order to increase the use LACM especially postpartum FP so that decrease unmetneed and unwanted pregnancy.

Abstrak :
Protein mempunyai peranan penting sebagai struktur dalam tubuh virus. Protein tersebut saling berinteraksi membentuk jaringan interaksi protein-protein. Jaringan interaksi protein coronavirus mempunyai ribuan protein dan interaksi yang membentuk jaringan interaksi protein yang besar, sehingga diperlukan metode pengelompokan untuk menyederhanakan analisis jaringan tersebut. Pada penelitian ini, algoritma Markov Clustering (MCL) yang dikombinasikan dengan maximum matching dijalankan pada sebuah kerangka kerja multilevel untuk mengelompokkan jaringan interaksi protein coronavirus. Algoritma maximum matching digunakan untuk memperoleh hasil matching yang optimal di fase graph coarsening pada setiap level dan algoritma MCL digunakan untuk mengelompokan jaringan interaksi protein tersebut. Hasil pengelompokan yang paling optimal diperoleh pada parameter penggelembungan dengan level-1. Hasil tersebut dilihat berdasarkan nilai average N-cut yaitu 0,8729. Semakin kecil nilai average N-cut, maka kualitas hasil pengelompokannya semakin baik. Hasil pengelompokan terbaik pada jaringan interaksi protein coronavirus menggunakan ML-MCL dengan maximum matching dihasilkan 21 klaster terpisah dengan 4911 interaksi. Protein yang mempunyai peran penting dapat dilihat dari pusat klaster pada hasil pengelompokan terbaik dan protein-protein tersebut yaitu ZW10, ZYG11A, ZNF771, ZZEF1, ZNF451, ZNF668, YKT6, WDR11, ZNF318, ZYG11B, ZNF428, ZPR1, ZFR, TK2, ZNF746, UBR5, ZNF609, ZZZ3, ZBTB16, XPNPEP3, dan USP7. Waktu yang dibutuhkan pada hasil pengelompokan terbaik yaitu 376,6494 detik. Pada simulasi ini, tidak terdapat protein yang hilang pada seluruh hasil pengelompokan. ......Protein has an essential role as a structure in the body of the virus. These proteins interact to form a network of protein-protein interactions. The protein interaction network of coronavirus has thousands of proteins and interactions that form a large protein interaction network, so that a clustering method is needed to simplify the analysis of the network. In this study, the Markov Clustering (MCL) algorithm was built combined with maximum matching in a multilevel framework to cluster the protein interaction network of coronavirus. The maximum matching algorithm is used to obtain the optimal matching result in the graph coarsening phase at each level, and the MCL algorithm is used to cluster the protein interaction network. The most optimal grouping results were obtained at inflation parameter with level-1. These results are seen based on the average N-cut value, which is 0.8729. The smaller the average N-cut value, the better the quality of the clustering results. The best clustering result of the protein interaction network of coronavirus using ML-MCL with maximum matching resulted in 21 separate clusters with 4911 interactions. Proteins that have an important role can be seen from the center of the cluster of the best clustering result, and these proteins are ZW10, ZYG11A, ZNF771, ZZEF1, ZNF451, ZNF668, YKT6, WDR11, ZNF318, ZYG11B, ZNF428, ZPR1, ZFR, TK2, ZNF746, UBR5, ZNF609, ZZZ3, ZBTB16, XPNPEP3, and USP7. The time required for the best clustering results is 376.6494 seconds. In this simulation, there were no missing proteins in all clustering results.

Abstrak :
Tesis ini terfokus pada usaha untuk mencegah penurunan perceived organizational support dan kepuasan kerja melalui program Information Sharing di PT. X. Peneliti pun melakukan wawancara kepada karyawan PT. X, dimana karyawan mengeluhkan kurangnya meratanya pemberian kegiatan pengembangan khususnya pelatihan, dimana hal tersebut dapat dipersepsikan sebagai ketidakadilan organisasi dalam melakukan pemerataan kegiatan pengembangan. Adanya persepsi ketidakadilan perlu diminimalisir, salah satu upaya yang dapat dilakukan dengan melakukan program information sharing. Peneliti melihat hubungan antara perceived organizational support dengan kepuasan kerja. Dari hasil analisis terhadap 37 karyawan di PT. X, ditemukan terdapat hubungan yang signifikan antara perceived organizational support dengan kepuasan kerja. Ditemukan koefisien korelasi sebesar 0,662 dan nilai signifikansi 0,000 (p<0,001). Dari hasil penelitian juga ditemukan terdapat 8 karyawan yang memiliki perceived organizational support yang rendah dan 14 karyawan yang merasakan ketidakpuasan terhadap organisasi. Oleh karena itu, peneliti memutuskan untuk melakukan upaya pencegahan dengan merancang program intervensi information sharing. Program information sharing dilakukan oleh atasan kepada bawahan. Sosialisasi program dilakukan kepada pihak HRD, pihak HR pun memberikan tanggapan atas program yang peneliti ajukan. Pada dasarnya pihak HR PT. X mendukung adanya program tersebut, dimana dengan adanya program tersebut maka terdapat wadah penyampaian informasi kepada karyawan di organisasi.

---

This thesis focuses on efforts to prevent the degradation of perceived organizational support and job satisfaction through information sharing program in company X. Researcher conducted interviews to Company X employees, where employees complain on the disparity of development program especially training, which can be perceived as organization unfairness. Thus, injustice perceptions from employees need to minimalize through information sharing program. Researcher observes the correlation between perceived organizational support and job satisfaction. Analysis from 37 employees in company X has resulted that there is a significant relationship between perceived organizational support and job satisfaction with the coefficient of correlation is 0.662 and the score of signification 0.000 (p<0,01). The research also found that there are 8 workers that have low perceived organizational support and 14 workers that dissatisfied with their company. Therefore, researcher decided to design an information sharing intervention program. Information sharing program will be conducted from superior to subordinate. Human resource in company X gave a feedback after the researcher carried out a socialization on information sharing program. They basically support the program, since the existence of the program provides a forum to deliver information to employees within the organization.

Abstrak :
Terkait klasifikasi detak elektrokardiogram (EKG), telah dikembangkan banyak algoritma, baik yang terkait dengan biomedik, maupun biometrik. Karena sifat non-stasioner dari sinyal EKG, agak sulit untuk menggunakan metode tradisional yang dioptimasi secara manual, misalnya ekstraksi fitur dan klasifikasi yang berbasis waktu. Hal ini membuka peluang untuk implementasi mesin cerdas.  Penelitian ini menyajikan metode baru, yaitu Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) untuk klasifikasi detak elektrokardiogram, baik yang terkait dengan biomedik, maupun biometrik. Dengan menggunakan metode ini, hanya diperlukan dua tahap proses saja, yaitu deteksi detak dan klasifikasi. Pemrosesan awal dilakukan bersamaan dengan deteksi detak, sedangkan ekstraksi fitur dilakukan sekaligus dengan klasifikasi. Selain itu, untuk meminimalkan beban komputasi dan tetap menjaga kualitas klasifikasi, beberapa teknik telah diterapkan, antara lain Residual Network, All Convolutional Network (ACN), Depthwise Separable Convolution (DSC), dan Batch Normalization (BN). Kinerja RDS-CNN ini telah dievaluasi menggunakan database aritmia Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) dan database ECG-ID.  Untuk implementasi biomedik, dalam fase pelatihan model Depthwise Separable CNN ini, digunakan sekitar 22% dari 110.057 detak yang diekstraksi dari 48 file dalam database MIT-BIH. Dengan hanya menggunakan 22% data latih ini, algoritma yang kami usulkan dapat mengklasifikasi 78% detak lainnya menjadi 16 kelas. Adapun, sensitifitas, spesifisitas, prediksi positif dan akurasi masing-masing adalah 99,03%, 99,94%, 99,03%, dan 99,88%. Hasil klasifikasi biomedik ini menunjukkan bahwa metode yang disajikan ini mengungguli metode terdepan lainnya.  Sedangkan untuk implementasi biometrik, model RDS-CNN telah terbukti dapat digunakan untuk otentifikasi identitas EKG (ID) 90 orang sehat dan 48 pasien dengan akurasi hingga 100%, melalui klasifikasi 8 detak otentifikasi untuk ID 90 orang sehat, dan 6 detak otentifikasi untuk ID 48 pasien. Hasil otentifikasi biometrik ini juga mengungguli metode terdepan lainnya yang menggunakan database yang sama. ......Regarding the classification of electrocardiogram (ECG) beats, many algorithms have been developed, both related to biomedical, and biometrics. Due to the non-stationary nature of ECG signals, it is complicated to use traditional methods that are manually optimized, for example, time-based feature extraction and classification. This computation problem opens up opportunities for machine learning implementation. This research proposes a new method, namely Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) for the classification of ECG beats, both related to biomedical, and biometrics. By using this method, only two stages of the process are needed, namely beat detection and classification. Preprocessing is done simultaneously within beat detection, while feature extraction is done simultaneously within the classification stage. Also, to minimize computational cost and to maintain classification quality, several techniques have been applied, including Residual Networks, All Convolutional Networks (ACN), Depthwise Separable Convolution (DSC), and Batch Normalization (BN). The performance of the RDS-CNN has been evaluated using the Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) arrhythmia database and the ECG-ID database. For biomedical implementation, 110,057 beats were extracted from 48 files in the MIT-BIH database. And approximately 22% of them used for latih the Depthwise Separable CNN model. With only 22% of this latih data, our algorithm can classify 78% of the rest ECG beats into 16 classes. Meanwhile, sensitivity, specificity, positive prediction, and accuracy are 99.03%, 99.94%, 99.03%, and 99.88%, respectively. The results of this biomedical classification show that this proposed method outperforms the other state-of-the-art methods. As for the biometric implementation, the RDS-CNN model has been proven to be able to authenticate ECG ID of 90 healthy people and 48 patients with up to 100% accuracy, through the classification of eight authentication beats for ID 90 healthy people, and six authentication beats for ID 48 patient. The results of this biometric authentication also outperform other state-of-the-art methods that use the same database.

Abstrak :
Perkembangan teknologi drone menyimpan beragam potensi bahaya bagi keamanan suatu wilayah. Dengan berkembangnya teknologi drone, sekelompok pihak dapat memantau secara ilegal atau bahkan melakukan penyerangan jarak jauh dengan mengendalikan drone menggunakan remote control maupun memprogram strategi pergerakan drone yang digunakan. Potensi bahaya teknologi drone menjadi semakin mengancam ketika drone yang digunakan untuk menyerang adalah bertipe drone berkelompok, yang memungkinkan terdapat sekelompok drone yang terkoordinasi secara sistematis untuk melakukan penyerangan terhadap suatu area. Meskipun saat ini telah berkembang beberapa teknologi penangkal drone, teknologi yang ada cenderung difokuskan untuk menangkal satu drone tunggal. Belum terdapat publikasi mendalam yang membahas kerangka kerja penangkal serangan drone berkelompok. Pada penelitian ini, dikembangkan suatu strategi pertahanan penangkal drone berkelompok (drone swarm) menggunakan pasukan autonomous-drone penjaga keamanan wilayah. Konsep usulan yang diajukan adalah dengan cara mengembangkan algoritma koordinasi yang memungkinkan suatu pasukan autonomous-drone penjaga keamanan wilayah untuk melakukan penangkapan atau penghentian secara terorganisir terhadap kelompok drone penyerang. Adapun dasar algoritma yang digunakan pada penelitian ini adalah Social Spider Optimization (SSO). Aspek utama kontribusi di dalam penelitian ini terdapat pada modifikasi algoritma SSO untuk mengatasi persoalan pencarian multi-target-bergerak berupa penangkapan atau penghentian serangan drone berkelompok. Penelitian ini telah diuji dalam simulator 3 dimensi, dengan konfigurasi pergerakan kelompok drone penyerang yang diujikan berbasis pendekatan penyerangan sekali jalan. Uji kinerja dilakukan dengan membandingkan kinerja usulan algoritma dengan 3 alternatif algoritma pergerakan kawanan drone pertahanan. Ketika dihadapkan dengan kelompok drone penyerang yang berkerumun, dibandingkan 3 alternatif algoritma pertahanan yang lain, usulan algoritma mampu mengurangi kerusakan hingga rasio 44% (terbaik), 67% (rata-rata), dan 97% (terburuk). ......Nowadays, drone technology development brings many dangerous possibilities for the security of an area. Because of the advanced development, many villains can conduct illegal surveillance or even long-distance attack on an area by remote controlling a drone or programming the drone movement strategy. Meanwhile, the dangerous impact of drone technology usage becomes higher when the technology used to attack an area is the type of drone swarm technology. In this kind of technology, every drone can coordinate and communicate while striking an area. Although there have been many anti-drone technologies developed at the moment, they tend to focus on targeting one single drone only. So far, no publication comprehensively proposes a framework to overcome the multi-drone attack. This research presents an anti-drone-swarm defense strategy to protect area safety by using the autonomous-drone unit. The proposed method concept is manifested by developing a coordination algorithm for an autonomous-drone army to communicate with each other while catching or stopping the invader drone swarm. The foundation of this research algorithm is Social Spider Optimization (SSO). This research's main contribution lies in modifying the SSO algorithm to handle the moving multiple-target searching problem, in this case, by catching or stopping the drone-swarm attack. This research has been tested in a 3D simulation environment where invader drone-swarm movement is developed based on a one-way-ticket approach. Performance evaluation is conducted by comparing the proposed method result with 3 other multiple defender drone movement algorithms. When facing an invader drone swarm with crowded formation, compared to the other 3 algorithms, the proposed method produces damage ratios up to 44% (best), 67% (average), and 97% (worst).