Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Deteksi dan pengenalan wajah merupakan salah satu pengolah citra yang dapat digunakan untuk surveillance pada UAV. Namun kasus pengenalan wajah dan deteksi wajah ini merupakan pekerjaan yang sangat sulit dilakukan karena komputer harus dapat melakukan lokalisasi wajah dengan baik kemudian melakukan klasifikasi wajah. Tesis ini membahas penelitian metode deep learning yaitu deteksi wajah dengan menggunakan metode RCNN dan pengenalan wajah dengan menggunakan metode CNN. Eksperimen dengan menggunakan variasi sudut wajah dan jarak wajah terhadap kamera dilakukan untuk mengamati pengaruh parameter terhadap performa model. Hasil penelitian menunjukkan bahwa model RCNN dengan menggunakan satu wajah subjek dapat digunakan untuk melakukan deteksi wajah pada subjek dengan recognition rate sebesar 74% pada parameter IoU > 0.5. Nilai recognition rate pada sistem terintegrasi deteksi dan pengenalan wajah sangat tergantung dari hasil prediksi area wajah yang dihasilkan dari model RCNN. Percobaan membuktikan bahwa jarak subjek kamera mempengaruhi recognition rate dari model deteksi wajah.

---

ABSTRACT
Face detection and recognition is an image processor that can be used for surveillance on UAVs. However, the case of face recognition and face detection is a very difficult job to do because the computer must be able to do localization of the face well then do face classification. This thesis discusses the research of deep learning methods, namely face detection using the RCNN method and face recognition using the CNN method. Experiments using variations in face angle and face distance to the camera were conducted to observe the effect of parameters on the performance of the model. The results showed that the RCNN model using one subject's face could be used to detect faces on subjects with a recognition rate of 74% on the IoU parameter > 0.5. The value of recognition rate in the integrated detection and face recognition system is highly dependent on the results of the prediction of face areas generated from the RCNN model. Experiments prove that the distance of the camera subject affects the recognition rate of the face detection model.

Abstrak :
Dalam skripsi ini dirancang suatu perangkat lunak yang dapat mengidentifikasi tidak hanya nilai nominal tetapi juga keaslian dari mata uang kertas rupiah melalui proses image processing dengan menggunakan Hidden Markov Model. Algoritma image recognition digunakan untuk mengekstraksi pola unik yang terdapat di setiap mata uang dan digunakan mengidentifikasi keaslian menggunakan kamera dengan sinar UV. Sedangkan pola gambar dari nilai nominal dari setiap mata uang juga diambil menggunakan scanner. Setelah dilakukan image pre-processing, kedua pola ini digunakan sebagai data pelatihan dan disimpan dalam database bernama codebook menggunakan kuantisasi vektor. Terdapat 10 buah sampel data yang digunakan sebagai pelatihan dari setiap mata uang mulai dari Rp1000, Rp5000, Rp10.000, Rp20.000, Rp50000 dan Rp100.000. Kedua pola mata uang akan diidentifikasi menggunakan Hidden Markov Model melalui program simulasi. Analisis menunjukkan variasi ukuran codebook, jumlah training, dan tingkat intensitas berpengaruh terhadap akurasi dari perangkat lunak. Berdasarkan hasil uji coba yang dilakukan didapatkan bahwa tingkat akurasi perangkat lunak mencapai 100 % pada ukuran codebook 256 bit dan jumlah pelatihan sebanyak 10 kali. Peningkatan ukuran codebook memperlambat waktu komputasi dari perangkat lunak. ......In this final project, a software for rupiah bank notes nominal and authenticity identification is developed, using image processing technique and Hidden Markov Model. An image recognition algorithm is applied to extract the unique pattern of each bank note and used to identify the originality using a camera with UV lighting. The image of nominal value of each bank note is also retrieved using a scanner. After image pre-processing, these two patterns are used as training data and stored in a database called codebook using vector quantization. There are 10 samples taken as training data for each bank note ranged from 1000, 5000, 10000, 20000, 50000 and 100000 rupiahs. Both patterns of a bank note will be recognized using Hidden Markov Model, in a simulation programme. Result analysis shows codebook size variation, number of training, and the input image intensity influence the identification accuracy. Having this analysis result, the recognition accuracy level reaches 100 % based on 256 codebook size for 10 training test. The analysis also shows that the increment of codebook size will also increase the computing time.

Abstrak :
Penelitian ini membahas mengenai penerapan akuntansi Piutang Tuntutan Ganti Rugi (TGR) Pemerintah Provinsi DKI Jakarta yang meliputi pengakuan, pengukuran, penyajian, dan pengungkapan serta kesesuaiannya dengan SAP berbasis kas menuju akrual. Selain itu juga dibahas mengenai analisis penyisihan Piutang TGR tidak tertagih serta efektivitas Pemerintah Provinsi DKI Jakarta dalam mengelola Piutang TGR. Penelitian ini merupakan penelitian kualitatif dengan pendekatan studi kasus. Hasil penelitian menyatakan bahwa pengakuan dan penyajian Piutang TGR belum sesuai dengan SAP berbasis kas menuju akrual, sedangkan untuk pengukuran dan pengungkapan Piutang TGR telah memenuhi ketentuan dalam SAP berbasis kas menuju akrual kecuali pengungkapan mengenai penjelasan penyelesaian Piutang TGR. Selain itu didapati bahwa pengelolaan Piutang TGR Pemerintah Provinsi DKI Jakarta belum efektif. Pemerintah Provinsi DKI Jakarta sebaiknya melakukan perbaikan atas pengakuan, penyajian, dan pengungkapan Piutang TGR agar sesuai dengan ketentuan dalam SAP berbasis kas menuju akrual serta memperbaiki upaya penagihan Piutang TGR.

---

This study discuss about the accounting application of Torts Claim Receivable in Local Government of DKI Jakarta which include the recognition, measurement, presentation, disclosure, and its compliance with the Government Accounting Standard, cash toward accrual. This study also analysis the allowance for doubtful accounts for Torts Claim Receivable and effectiveness of Local Governments of DKI Jakarta in managing its Torts Claim Receivable. This study is a qualitative case study approach. The study states that the recognition and presentation of its Torts Claim Receivable are not in accordance with the Government Accounting Standard, cash toward accrual. Meanwhile the measurement and disclosure have complied with the Government Accounting Standard, cash toward accrual except the explanation of Torts Claim Receivable settlement. In addition, it was found that the management of Torts Claim Receivable have yet effective. The Local Government of DKI Jakarta suppose to improve the recognition, presentation, and disclosure of its Torts Claim Receivable to conform with Government Accounting Standard, cash toward accrual and improve the collection.

Abstrak :
[Teknologi telah membantu manusia untuk menyelesaikan berbagai masalah. Salah satu perkembangan yang paling penting adalah perkembangan teknologi penglihatan komputer. Bagi tuna netra yang hidup di kawasan perkotaan, hidup mandiri bukan pilihan yang mustahil. Dan bertransaksi dengan menggunakan uang kertas merupakan bagian dari kemandirian tersebut. Teknologi pengenalan citra melalui penglihatan komputer dapat membantu tuna netra untuk mengenali uang kertas. Sistem pengenalan uang kertas pada penelitian ini menggunakan metode Bag of Word sebagai metode klasifikasi denominasi uang kertas. Geometric Verification diimplementasikan untuk mengatasi kelemahan metode Bag of Words di sisi konsistensi spasial dari fitur citra pada saat pengenalan. Untuk mengetahui performa dari sistem, sistem diuji dengan menggunakan empat parameter uji. Parameter uji yang digunakan adalah variasi resolusi citra uji, variasi salt and pepper noise, variasi gaussian noise, dan variasi jumlah citra yang digunakan pada proses voting untuk klasifikasi. Berdasarkan hasil pengujian, sistem bekerja dengan baik dengan akurasi mencapai 82.86% dengan dataset sejumlah 714 citra., Technology has helped people to solve various problems. One of the most important development is computer vision technology. For blind people who live in urban areas, to live independently is not an impossible option. And transaction using physical banknote is part of the independence. Image recognition technology through computer vision can help blind people to recognize the banknote. The banknote recognition system in this study is using Bag of Word as a method for classifying banknotes denomination. Geometric Verification is implemented to overcome the shortcomings of Bag of Words method in spatial consistency of image features during recognition. To determine the performance of the system, the system was tested by using four test parameters. Test parameters used is a variation of test image resolution, salt and pepper noise variations, gaussian noise variations, and variations in the number of images selected for the voting process of the classification. Based on test results, the system works well with the accuracy up to 82.86% with a 714 images dataset.]

Abstrak :
Penelitian ini bertujuan untuk melihat pengaruh kemampuan regulasi emosi terhadap masalah mental emosional pada mahasiswa tahun pertama Universitas Indonesia. Desain penelitian yang digunakan adalah non-eksperimental dan cross-sectional. Partisipan (N = 255) merupakan mahasiswa Universitas Indonesia angkatan 2019 yang berusia 17-21 (M = 18,29, SD = 0,743) dan sebagian besar perempaun (n = 147). Kemampuan regulasi emosi mahasiswa diukur menggunakan alat ukur DERS, sementara masalah mental emosional mahasiswa diukur menggunakan alat ukur SRQ-20. Hasil analisis menggunakan logistic regression menunjukkan bahwa kemampuan regulasi emosi secara signifikan memengaruhi masalah mental emosional mahasiswa berdasarkan kriteria Wald test, χ2 (1, N = 255) = 51,435, OR = 1,098, p < 0,001. Penurunan kemampuan regulasi emosi meningkatkan kemungkinan mengalami masalah mental emosional sebanyak 1,1 kali lebih besar. Sementara itu, jenis kelamin sebagai variabel kontrol juga secara signifikan memengaruhi masalah mental emosional mahasiswa, χ2 (1, N = 255) = 4,665, OR = 1,922, p < 0,05. Perempuan memiliki kemungkinan yang lebih besar untuk mengalami masalah mental emosional sebanyak 2 kali lebih besar dari laki-laki.

---

This study aims to look at the effect of emotion regulation ability on mental-emotional problems in first-year students at University Indonesia. Non-experimental and crosssectional research design were used. Participants (N = 255) were Universitas Indonesia students from class 2019 aged between 17-21 (M = 18.29, SD = 0.743) and mostly women (n = 147). The emotional regulation ability was measured using the Difficulties in Emotion Regulation Scale (DERS), while the students' mental-emotional problems were measured using the SRQ-20. Results of the logistic regression showed that emotion regulation ability significantly influenced students' mental-emotional problems based on the Wald test criterion, χ2 (1, N = 255) = 51.435, OR = 1.098, p <0.001. Decreased emotional regulation ability increases the likelihood of experiencing mentalemotional problems by as much as 1.1 times greater. Moreover, gender as a control variable also significantly influenced students' mental-emotional problems, χ2 (1, N = 255) = 4.665, OR = 1.922, p <0.05. Women had a higher risk of experiencing mentalemotional problems than men.

Abstrak :
Emosi atau perasaan manusia adalah salah satu faktor yang tidak dapat dikendalikan dalam aktivitas apapun. Tidak sedikit juga pekerjaan yang seringkali berkaitan dengan emosi manusia terutama di industri hiburan dan juga kesehatan. Oleh karena itu, 1 dekade kebelakang banyak riset yang dilakukan untuk mempelajari emosi manusia secara langsung maupun menggunakan teknologi. Pengembangan model speech emotion recognition berbahasa Indonesia masih sangat sedikit dan oleh karena itu dibutuhkan perbandingan secara spesifik pada penelitian ini diantara dua model classifier yaitu Convolutional Neural Network (CNN) dan juga Multilayer Perceptron (MLP) untuk menentukan model yang menghasilkan akurasi terbaik dalam memprediksi emosi dari suara manusia. Dalam speech recognition secara umum, salah satu faktor penting dalam mendapatkan model dengan akurasi terbaik adalah metode ekstraksi fiturnya. Oleh karena itu, penelitian ini menggunakan 3 fitur untuk melakukan pelatihan terhadap model yaitu Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram dan chroma. Dari 3 fitur ini, divariasikan dan menghasilkan 7 metode ekstraksi yang berbeda untuk digunakan sebagai input pelatihan model. Terakhir, untuk memastikan bahwa model sudah menggunakan parameter terbaik, dilakukan eksperimen dengan membandingkan model yang menggunakan batch size serta activation function yang berbeda. Ditemukan bahwa dengan menggunakan CNN dan fitur gabungan antara MFCC, mel-spectrogram dan juga chroma menghasilkan model dengan skor akurasi 50.6% sedangkan menggunakan MLP dengan fitur yang sama menghasilkan model dengan skor akurasi 58.47%.

---

Emotions or human feelings are one of the factors that cannot be controlled in any activity. There are also many jobs that are often related to human emotions, especially in the entertainment and health industries. The development of speech emotion recognition models in Indonesian is still very little and therefore a specific comparison is needed in this study between two classifier models, namely Convolutional Neural Network (CNN) and Multilayer Perceptron (MLP) to determine the model that produces the best accuracy in predicting the emotion of the human voice. In speech recognition in general, one of the important factors in acquiring a model with the best accuracy is the feature extraction method. Therefore, this study uses 3 features to train the model, namely Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram and chroma. From these 3 features, they were varied and resulted in 7 different extraction methods to be used as model training inputs. Finally, to ensure that the model has used the best parameters, an experiment was conducted by comparing models using different batch sizes and activation functions. It was found that using CNN and the combined features of MFCC, mel-spectrogram and also chroma resulted in a model with an accuracy score of 50.6% while using MLP with the same features resulted in a model with an accuracy score of 58.47%.

Abstrak :
Laporan magang ini membahas mengenai assessment prinsipal-agen untuk menentukan pengakuan imbalan PT IZ berdasarkan PSAK 72 yang dilakukan oleh KAP Satu. PT IZ merupakan anak perusahaan PT I yang mendistribusikan produk hasil produksi perusahaan asosiasinya, yaitu PT IY. Assessment dilakukan dengan membandingkan definisi prinsipal dan agen serta indikator pengendalian barang sebelum diserahkan kepada pelanggan berdasarkan PSAK 72 dengan kontrak keagenan antara PT IZ dan PT IY, ditunjang dengan fakta-fakta yang dipaparkan oleh manajemen. Hasil dari assessment yang telah dilaksanakan adalah PT IZ berperan sebagai agen dan harus mengakui pendapatan dengan metode neto. ......This internship report discusses the assessment of principal-agent to determine the revenue recognition of PT IZ based on PSAK 72 as performed by KAP Satu. PT IZ is a subsidiary of PT I distributing the products of its associated company, PT IY. The assessment comprises comparison of the principal-agent definitions and the control of goods before being handed over to customers indicators based on PSAK 72 with an agency contract between PT IZ and PT IY, supported by the facts presented by management. The result of the assessment is PT IZ acts as an agent and must recognize revenue using net method.

Abstrak :
Laporan magang ini disusun untuk mengevaluasi prosedur review pengakuan pendapatan yang dilakukan oleh KAP HSB Advisory terhadap PT SB Indonesia Tbk. Lingkup pembahasan terfokus pada Kertas Kerja (KK) Contract Review PSAK 72 yang menggunakan pendekatan five-step process. Penulis melakukan evaluasi dengan membandingkan kerangka evaluasi yaitu, materi mengenai pendapatan yang telah dipelajari di mata kuliah Teori Akuntansi Keuangan. Melalui analisis dan evaluasi yang dilakukan, ditemukan bahwa prosedur pengakuan pendapatan sudah sesuai PSAK 72 Pendapatan dari Kontrak dengan Pelanggan dan sudah diimplementasikan dengan efektif. Penulis juga melakukan evaluasi diri terhadap kegiatan magang yang telah penulis jalankan sebagai advisory intern pada KAP HSB Advisory. ......This internship report was prepared to evaluate the revenue recognition review procedures performed by KAP HSB Advisory on PT SB Indonesia Tbk. The scope of the discussion focuses on the Contract Review Working Paper PSAK 72 which uses a five-step process approach. The evaluation is conducted by comparing the evaluation framework, namely the theory on income that has been studied in the Financial Accounting Theory course. Through the analysis and evaluation conducted, it was found that the revenue recognition procedure was in accordance with PSAK 72 Revenue from Contracts with Customers and has been implemented effectively. The author also conducts a self-evaluation of the internship activities as an advisory intern at KAP HSB Advisory.

Abstrak :
Laporan magang ini bertujuan untuk mengevaluasi proses pengakuan pendapatan dari kontrak dengan pelanggan pada PT AAA yang diterapkan melalui pengisian kertas kerja Analisis Kontrak (AK). PT AAA merupakan perusahaan telekomunikasi yang memiliki beragam jasa antara lain Konektivitas, Internet, serta Teknologi Informasi dan Komunikasi (TIK). Kerangka yang digunakan untuk evaluasi adalah 5 Step Model dari PSAK 72: Pengakuan Pendapatan dari Kontrak dengan Pelanggan. Evaluasi dilakukan dengan membandingkan ketentuan menurut PSAK 72 dengan implementasi pengerjaan Analisis Kontrak (AK) yang dilakukan oleh Konsultan X untuk setiap tahapan dalam 5-Step Model. Hasil dari evaluasi ini menunjukkan bahwa proses pengakuan pendapatan dari kontrak dengan  pelanggan  dari PT AAA telah sesuai dengan PSAK 72. style="text-align: justify;"This internship report aims to evaluate PT AAA’s revenue recognition from contracts with customers which is implemented through fulfillment of working paper Analisis Kontrak (Contract Analysis). PT AAA is a telecommunication company which provides services such as Connectivity, Internet, and Information and Communication Technology (ICT). The framework used in this evaluation is 5-Step Model from PSAK 72: Revenue Recognition from Contracts with Customers. Evaluation is carried out by comparing each of steps according to PSAK 72 with the fulfillment of Analisis Kontrak (AK) by Konsultan X for each step in the 5-Step Model. The result of this evaluation indicates that the revenue recognition process from PT AAA is in accordance with PSAK 72.