Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peran IT Strategic Plan menjadi semakin vital karena semakin tergantungnya organisasi terhadap TI untuk mendukung seluruh kebutuhan bisnisnya. Organisasi dapat menciptakan ataupun menangkap peluang-peluang bisnis yang ada, investasi terhadap Teknologi Informasi dapat sejalan dengan tujuan organisasi, serta kemudahan dalam proses integrasi merupakan beberapa alasan mengapa organisasi memerlukan IT Strategic Plan. Dengan memiliki IT Strategic Plan, organisasi dapat menentukan prioritasi investasi pada TI dengan justifikasi yang lebih akurat. Tantangan selanjutnya setelah memiliki IT Strategic Plan adalah tahapan implementasinya. Penelitian ini ditujukan untuk memetakan sejauh mana kesiapan organisasi dalam menyongsong implementasi IT Strategic Plan. Selain itu, dilakukan juga proses identifikasi faktor pendukung, dan faktor penghambat dalam implementasi IT Strategic Plan. Identifikasi dilakukan mengacu kepada COBIT 4.1 sebagai best practices.

---

The role of IT Strategic Plan becomes more vital as organizations highly dependent in IT to support all of the business needs. Organizations may create and capture business opportunities, creating IT-business alignment, and integration issues are the reason why some organizations need IT Strategic Plan. With an IT Strategic Plan, the organization can determine investment in IT with a more accurate justification. The next challenge after develop IT Strategic Plan is the implementation phase. This reaserch is designed to measure IT maturity level in an organisation in order to implement IT Strategic Plan. It is also identify enabler and inhibitor factor for implementing IT Strategic Plan. This research is based on COBIT 4.1 as a framework to measure IT Process Maturity."

"Pendahuluan: Program Pendidikan Spesialis Berbasis Kompetensi (PDSBK) rnerupakan Salah satu program Kementrian Kesehatan dalam rangka akselerasi peningkatan akses dan mutu pelayanan medik spesiaiis di Indonesia. Dalam pelaksanaan terdapat beberapa kendala yang harus dihadapi, seperti keterbatasan waktu, besar dan bervariasinya data yang harus diolah untuk dapat memutuskan calon penerima bantuan biaya pendidikan. Sistem Bantu Keputusan dibutuhkan untuk menunjang, pelaksanaan program. Dengan sistem ini pihak pengambil keputusan dapat lebih mudah menentukan calon peserta penerima biaya bantuan pendidikan, sehingga persoalan pemerataan dan pelayananaspesialis di daerah dapat teratasi, setidaknya dalam hal penempatan atau penugasan. Metode: penelitian ini mencari dan membandingkan tentang kebijakan tentang standar peraiatan medis yang ada dengan Modul Perididikan Spesialis Berbasis Kompetensi dalm rangka penetapan variabcl sarana. Dikembangkan sebuah sistem bantu keputusan Program ,Pemberian Bantuan Pendidikan, dengan cara mernbandingkan variabel ketenagaan rumah sakit dan. sarana yang ada di dalamnya dengan kebijakan dan standar yang berlaku. Hasil: penelitian menunjukkan bahwa sistem beljalan dengan baik, memberikan kemudahan dan sangat membantu dalam penerapan proses seleksi calon peserta penerima bantuan pendidikan. Sistem secara logika memberikan hasil lebih baik bila djbandingkan dengan pekerjaaa manual. Penyempurnaan dapat dilakukan dengan menambah variabel status peserta sebagai pembanding tambahan, dikarenakan adanya kebijakan otonomi daerah.

---

Introduction: Competency-Based Specialist Education Program (PDSBK) is one of the Ministry of Health program in order to accelerate improvement of access and quality of specialist medical services in Indonesia. During implementation of the program, there are several obstacles that must be faced, limited time, a large and varied data that must be processed in order to decide the candidate receiving tuition assistance. Decision support system is needed to support program implementation. With this system, the decision maker can easily determine the cost of potential participants receiving educational assistance, so the issue of equalization and specialist services in the remote area can be resolved, at least in terms of placement.

Method: this research explores and compares the policies of the existing standards of medical equipment specialist with the Competency Based Education Modules in order to achieve facility standard variables Developed a Decision support System. Program, by comparing the hospitals resource, manpower and facilities- variable -with current policies and standards.

Result: the results showed that the system is running well, provide simplicty and very helpful in the selection process. The logical system gives better results compared to manual work. Completion can be done by adding an assessment on the status of participants and participant status variables, due to the regional autonomy policy."

"Berawal pada pemodelan sederhana dari jaringan otak manusia, arsitektur jaringan saraf tiruan terbentuk dengan model matematika sel otak biologis atau neuron yang saling berhubungan membentuk sebuah jaringan. Dalam jaringan saraf tiruan ini, keterkaitan antar neuron diatur sedemikian rupa sehingga membentuk lapisan-lapisan, yakni lapis masukan, lapis tersembunyi dan lapis keluaran. Penelitian ini memperkenalkan sistem pengenalan objek tiga dimensi (3D). Data yang digunakan sebagai masukan adalah data image 2D serta memasukkan bobot tambahan yang nilainya berdasarkan pada sudut pandang. Sistem yang diperkenalkan berdasarkan pada MLP dengan pembelajaran propagasi balik. Karena sistem ini mengakomadasi sudut pandang pada pengenalan, maka perlu penyesuaian terhadap struktur lapis tersembunyi dengan melakukan modifikasi dari bentuk konvensional ke bentuk silindris (Cylindrical Hidden MLP-BP, atau CHMLP-BP). Pada penelitian ini dilakukan desain eksperimen yang dibedakan menurut perbandingan (ratio) antara data pelatihan dan data pengujian (NI/Np). Secara eksperimental ditunjukkan bahwa dengan hanya menggunakan rasio NI/Np = 50%:50%, performansi sistem untuk pengenalan objek-objek 3D yang sederhana mendekati 87%."

"

Urgensi personalisasi e-commerce saat ini didorong oleh beberapa faktor, diantaranya pertumbuhan pasar e-commerce, ekpektasi konsumen, information overload dan keuntungan yang signifikan bagi pengembang. Akan tetapi, menerapkan personalisasi e-commerce yang efektif bukanlah permasalahan yang mudah (non-trivial). Terdapat berbagai macam tantangan dari setiap proses personalisasi, mulai dari  tahap memahami konsumen, menyajikan personalisasi hingga tahap mengevaluasi dampak personalisasi. Saat ini, penelitian pada bidang ilmu komputer banyak memfokuskan studi pada tahap memahami konsumen dan menyajikan personalisasi. Di sisi lain, tahapan terakhir yakni evaluasi belum dieksplor sehingga evaluasi performa personalisasi e-commerce yang ada belum efektif. Beberapa penyebab masalah ini di antaranya adalah tujuan dan metrics yang tidak jelas, evaluasi hanya menggunakan perspektif teknis, dan terbatasnya metode evaluasi performa personalisasi. Untuk itu penelitian ini mencoba untuk mengusulkan metode yang metrics evaluasi dipetakan berdasarkan tujuannya dengan jelas. Selain itu, metode ini juga tidak hanya mengevaluasi dari perspektif teknis, tetapi juga bisnis. Pengembangan metode dilakukan berdasarkan hasil analisis data primer (wawancara) dan data sekunder (literatur). Setelah itu metode diuji engan pendekatan online dan offline menggunakan dataset Amazon dan MovieLens. Kesimpulannya, hasil pengembangan metode ini jika dibandingkan metode Carvalho tidak hanya menggunakan perspektif teknis, tetapi juga bisnis berupa akurasi, cakupan konsumen dan daya tarik produk yang dipersonalisasi.

---

The urgency of e-commerce personalization is currently driven by several factors, including e-commerce growth, consumer expectations, information overload and significant benefits for enterprise. However, implementing an effective e-commerce personalization is a non-trivial problem. There are several challenges in every personalization process, start from understanding consumers, presenting personalization and evaluating personalization performance. Today, research in computer science focuses on understanding consumers and presenting personalization only. On the other hand, the evaluation process has not been explored. It causes ineffectiveness in the evaluation of e-commerce personalization. The causes of this problem are unclear goals and metrics, technical perspective only, and limited methods of evaluating personalization performance. Therefore, this research proposes a method which evaluation metrics are mapped based on their objectives clearly. In addition, this method also not only evaluates from a technical perspective, but also business perspectives. Method development is based on the analysis results of primary data (interviews) and secondary data (literatures). The proposes method was tested with online and offline approaches using the Amazon dataset and MovieLens. In conclusion, the results of developing this method when compared to the Carvalho’s method have another insight not only technical perspective but also business perspective, including consumer coverage and attractiveness.

 

"

"ABSTRAKPelacakan multi objek merupakan salah satu topik penting pada bidang ilmu komputer yang memiliki banyak aplikasi, diantaranya adalah sebagai sistem pengawasan, navigasi robot, analisis bidang olahraga, autonomous driving car, dan lain-lain. Salah satu permasalahan utama pelacakan multi objek adalah oklusi. Oklusi adalah objek yang tertutupi oleh objek lainnya. Oklusi dapat menyebabkan ID antar objek tertukar. Penelitian ini membahas oklusi pada pelacakan multi objek serta penyelesaiannya dengan Network Flow. Diberikan data deteksi objek-objek pada setiap frame-nya, tugas pelacakan multi objek adalah mengestimasi pergerakan setiap objek kemudian menghubungkan objek-objek hasil estimasi dengan objek-objek pada frame berikutnya yang bersesuaian atau yang lebih dikenal dengan asosiasi data. Pandang setiap objek pada sebuah frame sebagai node, kemudian ada edge yang menghubungkan setiap node pada frame satu dengan frame lainnya, arsitektur seperti ini pada teori graph dikenal dengan Network Flow. Kemudian cari himpunan edge yang memberikan peluang terbesar transisi dari suatu frame ke frame berikutnya, atau pada dunia optimisasi lebih dikenal dengan max-cost network flow. Edge pada kasus ini berisikan informasi seberapa besar peluang suatu node berpindah ke node pada frame setelahnya. Perhitungan peluang berdasarkan jarak posisi dan kemiripan fitur, fitur yang digunakan adalah fitur CNN. Penulis memodelkan max-cost network flow sebagai permasalahan maximum likelihood yang kemudian diselesaikan dengan algoritme Hungarian. Data yang digunakan pada penelitian ini adalah 2DMOT2015. Hasil evaluasi performa menunjukkan sistem yang dibangun memberikan akurasi 20.1% dengan ID yang tertukar sebanyak 3084 dan pemrosesan frame yang cepat, mencapai 215.8 frame/second.

---

ABSTRACT

---

Multi object tracking is one of the most important topics of computer science that has many applications, such as surveillance system, navigation robot, sports analysis, autonomous driving car, and others. One of the main problems of multi-object tracking is occlusion. Occlusion is an object that is covered by other objects. Occlusion may cause the ID between objects to be switched. This study discusses occlusion on multi-object tracking and its completion with network flow. Given objects detection on each frame, the task of multi object tracking is to estimate the movement of objects and then connect the estimation objects corresponding to the objects in the next frame or well known as the data association. Notice that each object on a frame as a node, then there is an edge connecting each node on a frame with other frames, this architecture in graph theory is known as network flow. Then find the set of edges that provide the greatest probaility of transition from one frame to the next, or to the optimization problem well known as max-cost network flow. Edge contains information on how probabiltity a node moves to the node in the frame afterwards. This probability calculation is based on position distance and similarity feature between frames, the feature used is CNN feature. We modeled max-cost network flow as the maximum likelihood problem which was then solved with the Hungarian algorithm. The data used in this research is 2DMOT2015. Performance evaluation results show that the system built gives accuracy 20.1% with the ID switch is 3084 and fast computational process on 215.8 frame/second.

"

"

Bahasa isyarat merupakan suatu tatanan gerakan yang mewakili suatu kosakata pada bahasa tertentu dan memiliki fungsi untuk membantu penyandang tunarungu dalam mengatasi masalah berkomunikasi. Namun tidak semua masyarakat umum menguasai bahasa isyarat. Dari permasalahan tersebut, sistem penerjemah bahasa isyarat diperlukan dalam membantu proses komunikasi penyandang tunarungu. Sistem penerjemah memerlukan sebuah video gerakan bahasa isyarat untuk kemudian dapat dikenali Dalam sebuah video utuh yang berisi satu sequence gerakan kalimat isyarat terdapat dua jenis gerakan yaitu gerakan isyarat (gesture) yang mengandung arti dan gerakan transisi (non gesture). Pada penelitian ini diusulkan metode untuk menngenali gesture dan non gesture pada kalimat SIBI (Sistem Isyarat Bahasa Indonesia) menggunakan Threshold Conditional Random Field (TCRF). Data yang digunakan adalah 2.255 video rekaman gerakan untuk 28 isyarat kalimat pada SIBI yang di peragakan oleh  tiga orang guru dan dua orang murid dari SLB Santi Rama Jakarta. Untuk merepresentasikan data, pada penelitian ini dibandingkan teknik ekstraksi fitur skeleton, image, gabungan (gabungan antara fitur skeleton dan fitur image) dan MobileNetV2. Untuk klasifikasi digunakan metode TCRF dengan variasi nilai threshold dari 1 sampai 4. Berdasarkan hasil eksperimen, masing-masing teknik ekstraksi fitur menghasilkan akurasi terbaik sebesar 72.5% untuk skeleton dengan threshold 2, 70.3% untuk image dengan threshold 2, 68.5% untuk gabungan dengan threshold 2 dan 93.2% untuk MobileNetV2 dengan threshold 1.5. Berdasarkan akurasi tersebut teknik ekstraksi fitur dengan model MobileNetV2 dapat merepresentasikan data lebih baik dibandingkan dengan ekstraksi skeleton, image, dan gabungan

---

Sign language is a series of movements that represent the vocabulary of a particular language and is designed to help the hearing-impaired communicate. However, not everyone is familiar with the sign language gestures, so a sign language translation system would aid communication by allowing more people to understand sign language gestures. A video that contains a sequence of sign sentences with two types of movements, namely sign movements (word-gestures) which have represent language constructs, and transitional movements (transitional-gesture). A method to identify both word-gestures and transitional-gestures in a variant of the Indonesian Sign Language System called Sistem Isyarat Bahasa Indonesia (hereafter referred to as SIBI) sentences based on the Threshold Conditional Random Field (TCRF) was implemented. The dataset on which the model is trained, consists of 2,255 videos containing recorded movements for 28 commonly used sentences in SIBI, performed by three teachers and two students of the Santi Rama School (Sekolah Luar Biasa), a school for hearing-impaired students. Several feature extraction techniques were tested, including skeleton, image, skeleton-image combination and MobileNetV2. The classification method uses TCRF with variations in TCRF threshold values between 1 to 4 to recognize word-gestures and transitional-gestures, then deleting frames with transitional-gestures label, and obtaining accuracy from LSTM that recognizes words from the per-frame word-gesture label. The best accuracies achieved by each method were 72.5% for skeleton technique with a TCRF threshold of 2; 70.3% for image technique with a TCRF threshold of 2; 68.5 % for skeleton-image combination, with a TCRF threshold of 2; and 93.2% for MobileNetV2 with threshold 1.5. Using MobileNetV2 as a feature extractor yields significantly better results than previous feature extraction methods.

"

"SIBI merupakan bahasa isyarat resmi yang digunakan di Indonesia. Penggunaan SIBI seringkali ditemukan permasalahan karena banyaknya gerakan isyarat yang harus diingat. Penelitian ini bertujuan untuk mengenali gerakan isyarat SIBI dengan cara mengekstraksi fitur tangan dan wajah yang kemudian diklasifikasikan menggunakan Bidirectional Long ShortTerm Memory (BiLSTM). Ekstraksi fitur yang digunakan dalam penelitian ini adalah Deep Convolutional Neural Network (DeepCNN) seperti ResNet50 dan MobileNetV2, di mana kedua model tersebut digunakan sebagai pembanding. Penelitian ini juga membandingkan performa dan waktu komputasi antara kedua model tersebut yang diharapkan dapat diterapkan pada smartphone nantinya, dimana model tersebut akan diimplementasikan. Hasil penelitian menunjukkan bahwa penggunaan model ResNet50-BiLSTM memiliki kinerja yang lebih baik dibandingkan dengan MobileNetV2-BiLSTM yaitu 99,89%. Namun jika akan diaplikasikan pada arsitektur mobile, MobileNetV2-BiLSTM lebih unggul karena memiliki waktu komputasi yang lebih cepat dengan performa yang tidak jauh berbeda jika dibandingkan dengan ResNet50-BiLSTM.

---

SIBI is a sign language that is officially used in Indonesia. The use of SIBI is often found to be a problem because of the many gestures that have to be remembered. This study aims to recognize SIBI gestures by extracting hand and facial features which are then classified using Bidirectional Long ShortTerm Memory (BiLSTM). The feature extraction used in this research is Deep Convolutional Neural Network (DeepCNN) such as ResNet50 and MobileNetV2, where both models are used as a comparison. This study also compares the performance and computational time between the two models which is expected to be applied to smartphones later, where both models can now be implemented on smartphones. The results showed that the use of ResNet50-BiLSTM model have better performance than MobileNetV2-BiLSTM which is 99.89\%. However, if it will be applied to mobile architecture, MobileNetV2-BiLSTM is superior because it has a faster computational time with a performance that is not significantly different when compared to ResNet50-BiLSTM."

"Citra berkabut disebabkan oleh partikel mikro di udara yang menyerap atau memantulkan gelombang elektromagnetik. Hasil citra yang didapat akan buram atau kehilangan informasi secara detail. Penelitian ini bertujuan untuk menganalisis pengaruh kabut terhadap citra hyperspectral termasuk wavelength dependence, perubahan hue, dan ekstraksi informasi warna. Selain itu, penelitian ini akan membandingkan hasil dehazing pada citra spektral berkabut dengan citra spektral yang ditransformasi menjadi citra RGB. Hasil penelitian menunjukkan bahwa pengaruh kabut pada citra spektral adalah wavelength dependent. Selanjutnya perubahan kabut hampir sama sekali tidak signifikan perubahan pada hue tetapi perubahan terlihat dengan jelas pada intensitas citra. Visualisasi warna citra hyperspectral perlu dilakukan koreksi terhadap jarak wavelength untuk menghasilkan citra RGB yang baik. Selain itu, hasil dehazing pada citra hyperspectral lalu divisualisasi warna dengan metode CLTR berhasil memulihkan warna pada citra dibandingkan dehazing terhadap citra RGB.

---

Hazy images are caused by microparticles in the air absorbing or reflecting electromagnetic waves. The resulting image will be blurry or lose detailed information. This study analyzes the effect of fog on the hyperspectral image, including wavelength-dependence, hue changes and color information extraction. This study will also compare the results of dehazing on a hazy hyperspectral image with a spectral image transformed into an RGB image. The results showed that the effect of fog on the spectral image is wavelength dependence. Furthermore, the change in fog is almost completely insignificant for the shift in hue. Still, the difference is clearly visible in the intensity of the image. Hyperspectral image color visualization needs to be corrected to the distance wavelength to produce an excellent RGB image. Besides, the results of dehazing on a hyperspectral image and then visualized by the CLTR method succeeded in restoring the color in the image compared to dehazing against an RGB image."

"Salah satu faktor manusia yang dapat menyebabkan kecelakaan lalu lintas adalah pengemudi yang mengantuk dan tidak fokus pada jalan yang ada di hadapannya. Tanda-tanda pengemudi yang mengantuk dapat diamati berdasarkan tiga pengukuran, yaitu uji kinerja, uji fisiologis, dan uji perilaku. Karena uji fisiologis dan kinerja cukup sulit dan mahal untuk dilaksanakan, maka uji perilaku masih menjadi pilihan yang baik untuk digunakan dalam mendeteksi rasa kantuk sejak dini. Salah satu perilaku manusia yang bisa diamati untuk mendeteksi kantuk adalah gerakan mata. Oleh karena itu, penelitian ini akan merancang suatu model untuk mendeteksi rasa kantuk pengemudi secara otomatis berdasarkan uji perilaku yang menganalisis aktivitas mata. Model yang diusulkan akan mendeteksi area mata dan kedipan berdasarkan citra wajah pengemudi menggunakan model deep learning Mask Region Convolutional Neural Network (Mask R-CNN). Kemudian, data kedipan dari masing-masing urutan gambar akan dikalkulasi menggunakan Percentage of Eyelid Closure (PERCLOS) untuk mendeteksi apakah pengemudi dalam keadaan mengantuk atau waspada. Hasil dari penelitian ini menunjukkan hasil akurasi sebesar 0,70. Selain itu, diperoleh nilai precision, recall, dan F1 score dari model Mask R-CNN yaitu 0,667 untuk precision, 0,80 untuk recall, serta 0,727 untuk F1 score.

---

One of the human factors that can cause traffic accidents are the drowsy drivers that do not focus on the road before them. The signs of a drowsy driver can be observed based on three measurements; performance test, physiological test, and behavioural test. Since the physiological and performance test are quite difficult and expensive to implement, the behavioural test is still a good choice to use for detecting early drowsiness. One of the human behaviours that can be observed is the eye movement. Therefore, this study will design a model for automatically detecting driver drowsiness based on a behavioural test, which analyses the eye activity. The proposed model will detect the eye area and state based on drivers’ face images using Mask Region Convolutional Neural Network (Mask R-CNN) deep learning model. Then, the blink data from each image sequence will be calculated using Percentage of Eyelid Closure (PERCLOS) to detect whether the driver is in a drowsy or alert state. The result of this research shows an accuracy score of 0,70. Besides that, the precision, recall, and F1 score are also obtained from the Mask R-CNN model, namely 0,667 for precision, 0,80 for recall, and 0,727 for F1 score."

"instance point cloud memungkinkan untuk melakukan segmentasi bentuk dari instance 3D yang berbeda pada kelas semantik yang sama. Penerapan segmentasi 3D pada pemodelan 3D area perkotaan dapat merangsang perkembangan lebih lanjut untuk menganalisis pemodelan 3D area perkotaan. Segmentasi instance 3D point cloud perkotaan memiliki tantangan tersendiri, sebagai contoh ukuran skala besar dan bentuk instance yang lebih beragam, dibandingkan 3D point cloud di dalam ruang. Penelitian ini mengajukan optimasi dari segmentasi instance 3D point cloud pada daerah perkotaan skala besar dengan optimasi metode pencacahan menggunakan metode pencacahan overlapping dan modifikasi bagian backbone Hierarchical Aggregation 3D Instance Segmentation (HAIS) dengan 3D U-Net Attention ASPP Sparse CNN (metode proposed). Eksperimen dan evaluasi dilakukan terhadap HAIS dan metode proposed. Berdasarkan hasil eksperimen, didapati penggunaan metode pencacahan ukuran 50 overlapping dan modifikasi backbone HAIS dengan 3D U-Net Attention ASPP Sparse CNN (dengan hasil evaluasi AP = 48.78, AP50 = 60.45 dan AP25 = 65.33) memiliki tren kenaikan performa lebih baik dibandingkan dengan metode baseline (dengan hasil evaluasi AP = 44.83, AP50 = 56.48 dan AP25 = 62.36).

---

Instance segmentation of 3D point cloud is possible to perform the segmentation of 3D object shape and to differentiate instances on similar semantic class. Urban Area's large-scale 3D point cloud instance segmentation has its own challenges, namely large-scale instance forms and is more diverse, compared to indoor 3D point clouds. This study proposed optimization of 3D point cloud instance segmentation in largescale urban areas by enhancing the patching method by using overlapping method and modifying the HAIS backbone section with 3D U-Net Attention ASPP Sparse CNN (the proposed method). The experiments and evaluations will be carried out on HAIS model with baseline method from STPLS3D and our proposed method. Based on our experimental results, was found by using patching method 50 size overlapping and modification of the HAIS backbone with 3D U-Net Attention ASPP Sparse CNN (evaluation results of AP = 48.78, AP50 = 60.45 and AP25 = 65.33) has trend to increase the performance of HAIS method which is better than the baseline method (evaluation results AP = 44.83, AP50 = 56.48 and AP25."