Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pada umumnya tempat penyimpanan data absen pada sebuah perusahaan maupun instansi berada dalam database lokal maupun cloud. Namun, jenis penyimpanan ini memiliki beberapa masalah seperti privasi dan integritas data, karena privasi dan integritas data akan sepenuhnya diatur oleh beberapa pihak. Oleh karena itu, dibutuhkan sistem penyimpanan data yang dapat memberikan keamanan privasi dan integritas data untuk menjaga keaslian data sensitif. Dalam penelitian ini, kami ingin mengembangkan untuk menerapkan teknologi blockchain untuk menyimpan data kehadiran karyawan dari departemen SDM di suatu perusahaan. Data kehadiran karyawan diambil dari aplikasi web Angular terintegrasi dengan framework permissioned blockchain yang disebut Hyperledger Composer. Kami memilih Hyperledger Composer karena blockchain ini memiliki waktu validasi yang cepat sehingga dapat menyimpan data dengan cepat. Selain itu, Hyperledger Composer memiliki composer-rest-server (REST API), yang memungkinkan Hyperledger Composer untuk berinteraksi dengan komponen lain. Hasil implementasi kami menunjukkan bahwa Hyperledger Composer secara fungsional dapat digunakan sebagai penyimpanan data dari sistem Kehadiran dan Penggajian. Selain itu, kami mengukur kinerja Hyperledger dalam waktu pembuatan transaksi blok secara langsung didalam Hyperledger Composer, menggunakan Aplikasi web Angular melalui REST API dan menggunakan JMeter melalui REST API. Hasilnya, pengujian pembuatan blok transaksi bervariasi 1-17 ms pada percobaan secara langsung dalam Hyperledger Composer, 5-296 ms melalui REST API menggunakan tools JMeter dan 1-4270 ms melalui Aplikasi Web Angular. Hal ini menunjukkan bahwa performa dari REST API yang dihasilkan oleh composer-rest-server dicatat dalam waktu yang cepat dibandingkan Ethereum. Serta mampu menangani sistem yang membutuhkan data secara cepat seperti sistem voting, monitoring Kesehatan dan Internet of Things (IoT), karena rata-rata waktu melakukan transaksi masih dibawah satu detik. Dengan demikian penggunaan Hyperledger sebagai penyimpanan data kehadiran diharapkan menjadi jawaban untuk masalah privasi dan integritas data. ......In general, data storage for attendance at a company or agency is in a local or cloud database. However, this type of storage has several issues, such as privacy and data integrity, because several parties will fully regulate privacy and data integrity. Therefore, a data storage system is needed that can provide privacy security and data integrity to maintain the authenticity of sensitive data. In this research, we want to develop to implement blockchain technology to store employee attendance data from the HR department in a company. Employee attendance data is taken from the Angular web application integrated with a permissioned blockchain framework called Hyperledger Composer. We chose Hyperledger Composer because this blockchain has a fast validation time so that it can data quickly. Also, Hyperledger Composer has a composer-rest-server (REST Api), which allows Hyperledger Composer to interact with other components. The results of our implementation show that Hyperledger Composer can be functionally used as data storage from the Attendance and Payroll system. In addition, we measure Hyperledger's performance for block transactions directly within the Hyperledger Composer, using the Angular web application through the REST API and using JMeter through the REST API. As a result, testing for making transaction blocks varies from 1-17 ms on an experiment directly in Hyperledger Composer, 5-296ms through the REST API using JMeter tools and 1-4270 ms through the Angular Web Application. The result shows that the performance of the REST API produced by composer-rest-server is recorded in a faster time compared to Ethereum. And able to handle systems that require data quickly such as voting systems, monitoring Health and the Internet of Things (IoT), because the average time to conduct transactions is still under one second. Thus, the use of Hyperledger as a presence data storage is expected to be the answer to privacy and data integrity issues.

Abstrak :
Fragmentasi IoT menimbulkan tantangan interoperabilitas karena produsen masing-masing perangkat mungkin memiliki format pesan dan mekanisme komunikasi yang berbeda. Dengan kata lain, mereka harus menggunakan library atau aplikasi dari masing-masing produsen perangkat. Permasalahan tersebut dapat diatasi dengan Web of Things (WoT), yang mengatasi fragmentasi IoT dengan menggunakan dan memperluas teknologi Web standar yang sudah ada. Pemanfaatan teknologi Web pada IoT adalah dengan memprogram perangkat tertanam menjadi Web Server yang dapat mengekspos secara langsung interaksi ke perangkat melalui WoT API dengan standar data WoT. WoT API sebagai REST Server yang disematkan pada perangkat tertanam dapat secara langsung berinteraksi dengan perangkat melalui protokol HTTP. Tujuan dari penelitian ini adalah mengimplementasikan WoT dan melakukan pengujian waktu respons pada sistem WoT berbasis HTTP dengan membuat WoT API pada perangkat ESP8266. Karena WoT dibangun di atas RESTful API yang bersifat stateless, Implementasi sistem WoT dapat diintegrasikan pada berbagai lingkungan pengembangan yang mendukung Klien Web seperti aplikasi Web atau android dan sebagainya. Penelitian ini juga mengimplementasikan Web service pada sistem WoT sebagai layer autentikasi untuk WoT API dengan menyematkan JSON Web Token. Keseluruhan sistem WoT dapat ditempatkan sebuah Gateway yang dapat diimplementasikan sebagai akses remote untuk WoT API. ......IoT fragmentation poses interoperability challenges because the manufacturers of each device may have different message formats and communication mechanisms. In other words, they must use libraries or applications from each device manufacturer. These problems can be overcome with the Web of Things (WoT), which overcomes the fragmentation of the IoT by using and extending existing standard Web technologies. The utilization of web technology in IoT is to program embedded devices into web servers that can directly expose interactions to devices via WoT APIs with WoT data standards. WoT API, as a REST server embedded in an embedded device, can directly interact with the device via the HTTP protocol. This research aims to implement WoT and test the response time on an HTTP-based WoT system by creating a WoT API on an ESP8266 device. Because WoT is built on a stateless RESTful API, WoT system implementations can be integrated into various development environments that support web clients such as web or android applications and so on. The entire WoT system can host a gateway to be implemented as remote access for WoT API. This research also implements a web service on the WoT system as an authentication layer for the WoT API by embedding a JSON Web Token.

Abstrak :
Perusahaan XYZ menerapkan Customer Life Cycle atau CLC yang sudah disesuaikan dengan kebutuhan perusahaan demi menjaga loyalitas pengguna. Tak hanya menjaga loyalitas, Perusahaan XYZ menerapkan CLC guna memperluas bisnis yang dijalani olehnya. Dengan bantuan teknologi, CLC dapat dengan mudah untuk dianalisis lebih mendalam. Teknologi yang digunakan berupa pembelajaran mesin. Pembelajaran mesin ini diimplementasikan untuk mendapatkan insight dari data yang dimiliki Perusahaan XYZ. Dalam mendapatkan insight tersebut, digunakan beberapa metode seperti Support Vector Machine, Logistic Regression, Gradient Boosting, Random Forest, Decision Tree, dan FPGrowth. Insight yang didapatkan selanjutnya ditampilkan dalam bentuk visualisasi data yang diaplikasikan ke dalam website. Terdapat tiga permasalahan berbeda yaitu prediksi pembeli potensial, prediksi produk yang akan dibeli, dan prediksi waktu pembelian berikutnya. Permasalahan pertama dapat diselesaikan dengan model Logistic Regression dengan f1-score sebesar 76.35%. Permasalahan kedua diselesaikan dengan model FP-Growth dengan nilai minimum support dan confidence sebesar 0.001. Untuk permasalahan ketiga dapat diselesaikan dengan model Decision Tree dengan nilai akurasi 78.76% dan f1-score sebesar 77.01%. Dilakukan pula pengujian terhadap response time serta SQL query yang digunakan pada setiap endpoint yang bekerja sebagai aktor untuk melakukan distribusi data kepada aplikasi frontend dan aktor untuk melakukan update database. Terakhir, dilakukan pula pengujian terhadap visualisasi data. Pengujian terhadap visualisasi data dilakukan secara kualitatif. Pengujian ini dilakukan dengan menerapkan beberapa tipe visualisasi data untuk tiap business question yang ada. Setelah itu, dilakukan perbandingan pada tiap tipe visualisasi data sehingga mendapatkan visualisasi data yang tepat untuk tiap business question yang ada. ......XYZ Company implements customized Customer Life Cycle or CLC that fits with company’s needs in order to maintain user loyalty. Not only maintaining user loyalty, XYZ Company implements CLC in order to expand its business. With the help of technology, CLC can be easily analyzed with more depth. Technology that is being used within this research is machine learning. Machine learning is implemented to gain insights from data owned by Company XYZ. While obtaining insights, machine learning use several various methods such as Support Vector Machine, Logistic Regression, Gradient Boosting, Random Forests, and Decision Trees. The insights obtained from machine learning are displayed in the form of data visualization that is applied to website. Examination on the machine learning model was formed with different data balancing techniques. Examination using Undersampling balancing technique along with Decision Tree model gives the highest f1-score value at 88.70%. Examination were also conducted on the response time and SQL queries were also carried out for each endpoint that works as an actor to distribute data to frontend applications and actors to update the database. Finally, examination and comparison is conducted on data visualization using qualitative approach. Moreover, this examination is conducted by applying several types of data visualization for each existing business questions. At the end, comparisons were made for each type of data visualization to get the optimum visualization regarding each business question.

Abstrak :
Perusahaan XYZ menerapkan Customer Life Cycle atau CLC yang sudah disesuaikan dengan kebutuhan perusahaan demi menjaga loyalitas pengguna. Tak hanya menjaga loyalitas, Perusahaan XYZ menerapkan CLC guna memperluas bisnis yang dijalani olehnya. Dengan bantuan teknologi, CLC dapat dengan mudah untuk dianalisis lebih mendalam. Teknologi yang digunakan berupa pembelajaran mesin. Pembelajaran mesin ini diimplementasikan untuk mendapatkan insight dari data yang dimiliki Perusahaan XYZ. Dalam mendapatkan insight tersebut, digunakan beberapa metode seperti Support Vector Machine, Logistic Regression, Gradient Boosting, Random Forest, Decision Tree, dan FPGrowth. Insight yang didapatkan selanjutnya ditampilkan dalam bentuk visualisasi data yang diaplikasikan ke dalam website. Terdapat tiga permasalahan berbeda yaitu prediksi pembeli potensial, prediksi produk yang akan dibeli, dan prediksi waktu pembelian berikutnya. Permasalahan pertama dapat diselesaikan dengan model Logistic Regression dengan f1-score sebesar 76.35%. Permasalahan kedua diselesaikan dengan model FP-Growth dengan nilai minimum support dan confidence sebesar 0.001. Untuk permasalahan ketiga dapat diselesaikan dengan model Decision Tree dengan nilai akurasi 78.76% dan f1-score sebesar 77.01%. Dilakukan pula pengujian terhadap response time serta SQL query yang digunakan pada setiap endpoint yang bekerja sebagai aktor untuk melakukan distribusi data kepada aplikasi frontend dan aktor untuk melakukan update database. Terakhir, dilakukan pula pengujian terhadap visualisasi data. Pengujian terhadap visualisasi data dilakukan secara kualitatif. Pengujian ini dilakukan dengan menerapkan beberapa tipe visualisasi data untuk tiap business question yang ada. Setelah itu, dilakukan perbandingan pada tiap tipe visualisasi data sehingga mendapatkan visualisasi data yang tepat untuk tiap business question yang ada. ......XYZ Company implements customized Customer Life Cycle or CLC that fits with company’s needs in order to maintain user loyalty. Not only maintaining user loyalty, XYZ Company implements CLC in order to expand its business. With the help of technology, CLC can be easily analyzed with more depth. Technology that is being used within this research is machine learning. Machine learning is implemented to gain insights from data owned by Company XYZ. While obtaining insights, machine learning use several various methods such as Support Vector Machine, Logistic Regression, Gradient Boosting, Random Forests, and Decision Trees. The insights obtained from machine learning are displayed in the form of data visualization that is applied to website. Examination on the machine learning model was formed with different data balancing techniques. Examination using Undersampling balancing technique along with Decision Tree model gives the highest f1-score value at 88.70%. Examination were also conducted on the response time and SQL queries were also carried out for each endpoint that works as an actor to distribute data to frontend applications and actors to update the database. Finally, examination and comparison is conducted on data visualization using qualitative approach. Moreover, this examination is conducted by applying several types of data visualization for each existing business questions. At the end, comparisons were made for each type of data visualization to get the optimum visualization regarding each business question.