Ditemukan 6 dokumen yang sesuai dengan query
Mar`atul Azizah
"Kebutuhan informasi dan semakin majunya perkembangan teknologi mendorong lahirnya Teknologi Informasi dan Komunikasi yang dapat memberi efektifitas dan efisiensi kerja manusia. Akses internet yang juga mudah dijangkau, kapan saja, dan dimana saja memicu lahirnya integrasi semua teknologi dan aplikasinya. Telepon, e-mail, instant messaging, bahkan video conference, mulai didorong agar dapat saling terintegrasi dan sinkron sehingga berbagai jenis aplikasi dan perangkatnya tersebut dapat diakses dalam satu waktu dan hanya dalam satu perangkat atau aplikasi. Unified Communications sebagai terobosan teknologi baru yang menjawab tantangan global ini diharapkan dapat memberikan layanan tidak hanya di dunia bisnis, namun juga di dunia pendidikan agar lebih meningkatkan efektifitas dan efisiensi sivitas akademika dalam melaksanakan aktivitas kesehariannya. Integrasi dan kemudahan ini bukan lantas tanpa meninggalkan masalah. Aspek keamanan menjadi sangat penting untuk mendukung kualitas layanan. Pada skripsi ini diimplementasikan aplikasi telepon berbasis VoIP dengan skenario pengamanan pada protokol SIP yang berbeda, yaitu tanpa adanya metode keamanan (RTP non-secure), SRTP, dan SSL. Kemudian dianalisa bagimana kinerja dan keamanan pada aplikasi IP Video Telephony sebelum dan sesudah menggunakan metode secure-SIP. Dari hasil uji coba, didapatkan bahwa QoS berupa delay, jitter, packet loss, dan throughput tidak mengalami perubahan yang signifikan dan masih memenuhi standar ITU-T. Nilai delay yang didapatkan sebelum pengamanan SIP sebesar 33,974 ms, sedangkan setelah implementasi secure-SIP naik menjadi 39,964 ms. Untuk nilai jitter dengan dan tanpa menggunakan secure-SIP sekitar 0,6 ms. Tidak ada paket yang hilang, dalam hal ini nilai packet loss sebesar 0%. Sedangkan nilai throughput sekitar 50 paket/detik.
Information needs and more advanced technological developments led to the establishment of information and communication technology which allowed human to work more effectively and efficiently. Internet access which available in anytime and anywhere, also triggered the integration of all means of technology and its applications. Telephone, e-mail, instant messaging, even video conference, are all begin to be integrated and synchronized so that they all could be accessed all at once, in a single device or application. As a new technological advancement, Unified Communications is expected to not only serve the business world, but also education, to increase the effectiveness and efficiency in conducting their daily activities. But this integration and ease comes with some unfavorable aspect. Security aspect becomes a very important part to support quality of services. This final paper was implemented the IP telephony for VoIP application with security scenario on different SIP protocol: RTP (non-secure), SRTP, and SSL. Then, the the performance and security on IP Video Telephony after and prior to the implementation of secure-SIP method was analyzed. The results show that QoS in forms of delay, jitter, packet loss and throughput, did not reveal significant changes and is still within the standard of ITU-T. Delay measurement prior to the SIP securing is 33,974 ms, whereas after the implementation of secure SIP, it increase to 39,964 ms. As for the jitter measurement, with or without secure-SIP, is approximately 0,6 ms. No packets are lost, so the value of packet loss is 0%. Throughput is about 50 packet/second."
Depok: Fakultas Teknik Universitas Indonesia, 2011
S62658
UI - Skripsi Membership Universitas Indonesia Library
Ramon Akbar
"Tingginya penggunaan telepon seluler untuk internet serta beasrnya ukuran data yang diakses mengakibatkan semakin pentingnya pengembangan komunikasi seluler di Indonesia yang dapat mengakomodasi pengguna internet dengan memberikan layanan internet yang cepat melakukan transkasi data serta mempunyai bandwith yang besar. Salah satu teknologi baru yang dapat diaplikasikan di jaringan internet seluler adalah teknologi 5G. Teknologi ini membutuhkan arsitekur dan platform yang memadai. Salah satu platform yang memadai, murah, dan open sourceadalah OpenAirInterface(OAI). OAI adalah platform fleksibel yang dibuat berdasarkan sistem 4G-5G dan memberikan bandwithyang besar untuk jaringan dan dapat diaplikasikan pada perangkat komputer biasa sehingga tidak perlu membeli perangkat khusus untuk mengelola lalu lintas data.
Tujuan penelitian adalah untuk membuat purwarupa teknologi seluler 5G dengan OpenAirInterface yang berbasis open source.Penelitian berfokus pada studi kualitas sinyal yang didapat dari hasil percobaan. Evualiasi meliputi kecepatan unduh dan unggah,serta waktu tunda pada jarak yang ditentukan. Hasil pengujian menunjukkan jarak memengaruhi waktu tunda jaringan seluler.Pada jarak 8 meter, waktu tunda yang didapat sebesar 87,45 ms, tertinggi pada pengujian. Namun jarak tidak terlalu memengaruhi kecepatan unduh dan unggah pada jaringan. Berdasarkan hasil pengujian, tidak ditemukan korelasi antara jarak dengan kecepatan.
The high use of cellular telephones for the internet as well as the large size of the data accessed has resulted in the growing importance of developing cellular communication in Indonesia that can accommodate internet users by providing fast internet services that have data transactions and having a large bandwidth. One of the new technologies that can be applied on cellular internet networks is 5G technology. This technology requires adequate architecture and platforms. One of the platforms that is adequate, inexpensive, and open source is OpenAirInterface (OAI). OAI is a flexible platform created based on the 4G-5G system and provides a large bandwidth for the network and can be applied on ordinary computer devices so there is no need to buy special devices to manage data traffic. The research objective is to create a prototype 5G cellular technology with OpenAirInterface based on open source. Research focuses on studies of signal quality obtained from experimental results. Evaluationincludes download andupload speeds, delays, and jitters at the specified distance. Test results show that distance affects the delay of cellular network. At distance of 8 meters, the delay time obtained was 87.45 ms, the highest in testing. But the distance does not really affect download speed and upload speed on the network. Based on the test results, no correlation was found between distance and speed."
Depok: Fakultas Teknik Universitas Indonesia, 2020
S-Pdf
UI - Skripsi Membership Universitas Indonesia Library
Ghulam Izzul Fuad
"Teknologi lokalisasi dalam ruangan berkembang pesat karena keterbatasan GPS di lingkungan tertutup. WiFi fingerprinting menjadi solusi menjanjikan karena ketersediaannya yang luas dan biaya rendah. Penelitian ini bertujuan menentukan posisi access point ilegal di dalam ruangan menggunakan infrastruktur WiFi Aruba dan klasifikasi berbasis machine learning. Pendekatan ini melibatkan dua fase utama. Pertama, fase konstruksi fingerprint database di mana data kekuatan sinyal WiFi dikumpulkan dari berbagai lokasi di dalam ruangan dan disimpan dalam database. Kedua, fase klasifikasi berbasis machine learning yang menggunakan algoritma seperti K-Nearest Neighbor (KNN), Random Forest (RF), Extreme Gradient Boosting (XGBoost), dan Artificial Neural Network (ANN) untuk mengklasifikasikan lokasi access point ilegal berdasarkan fingerprint received strength signal (RSS). Model dievaluasi menggunakan metric accuracy dan f1-score. Hasil eksperimen menunjukkan bahwa untuk dataset NTUST, model yang paling sesuai adalah model dengan algoritma XGBoost dengan label jenis satu, tanpa augmentasi, dan dengan hyperparameter tuning yang memiliki skor accuracy sebesar 0.793 dan skor weighted average f1-score sebesar 0.792. Untuk dataset UI, model yang paling sesuai adalah model dengan algoritma XGBoost dengan label jenis satu, dengan augmentasi, dan tanpa
hyperparameter tuning yang memiliki skor accuracy sebesar 0.591 dan skor weighted average f1-score sebesar 0.582.
Indoor localization technology is rapidly developing due to the limitations of GPS in enclosed environments. WiFi fingerprinting has become a promising solution due to its wide availability and low cost. This study aims to determine the position of illegal access points indoors using Aruba WiFi infrastructure and machine learning-based classification. This approach involves two main phases. First, the fingerprint database construction phase, where WiFi signal strength data is collected from various locations indoors and stored in a database. Second, the machine learning-based classification phase, which uses algorithms such as K-Nearest Neighbor (KNN), Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Artificial Neural Network (ANN) to classify the location of illegal access points based on received strength signal (RSS) fingerprints. The model is evaluated using accuracy and f1-score metrics. Experimental results show that for the NTUST dataset, the most suitable model is the one using the XGBoost algorithm with label type one, without augmentation, and with hyperparameter tuning, achieving an accuracy score of 0.793 and a weighted average f1-score of 0.792. For the UI dataset, the most suitable model is the one using the XGBoost algorithm with label type one, with augmentation, and without hyperparameter tuning, achieving an accuracy score of 0.591 and a weighted average f1-score of 0.582."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
Muhammad Raihan Azhari
"Tanda tangan memiliki peran penting dalam konteks sosial, ekonomi, pendidikan. Awalnya, tanda tangan hanya berbentuk tulisan di atas kertas, namun seiring perkembangan tekonlogi digital, tanda tangan online mulai digunakan dan telah diakui secara hukum. Meskipun tanda tangan telah menjadi komponen yang penting, namun kasus pemalsuan tanda tangan masih tinggi. Beragam metode telah dilakukan untuk menyelesaikan permasalahan tersebut, mulai dari metode tradisional hingga penggunaan teknologi. Penelitian ini bertujuan untuk mengembangkan sistem verifikasi keaslian tanda tangan melalui metode analisis time series dan arsitektur model Siamese Recurrent Neural Network yang efisien, memiliki akurasi yang tinggi, serta bersifat writer independent. Dari pengujian yang dilakukan, model yang dilatih menggunakan GRU (Gate Recurrent Unit) yang diimplementasikan dalam arsitektur Siamese RNN merupakan model paling optimal dengan tingkat akurasi pengujian 81.02%, durasi pelatihan selama 680 sekon, serta ukuran model sebesar 37.996 Mb. Data yang digunakan untuk pelatihan model ini didapatkan dengan menggunakan metode pemotongan (truncating) sinyal time series sehingga memiliki panjang 1116 data dan tanpa melakukan proses alignment menggunakan algoritma Dynamic Time Warping. Meskpun demikian, model yang menggunakan Bidirectional LSTM yang dilatih dengan data time series sepanjang 3489 data memiliki akurasi pengujian tertinggi sebesar 85.16%. Namun, model tersebut memiliki durasi pelatihan yang terlama yaitu sebesar 2431.2 sekon dan ukuran model terbesar yaitu 630 Mb.
Handwriting signature has important role at social, economic, and education context. Initially, handwriting signature only write in the paper. However, with the development of digital technology, online handwriting start to be used and has gained legal recognition in law. Although online handwriting signature has become important, there is still many cases of forgery handwriting signature. Various method has already implemented to solve this problem, start from traditional method until technology utilization. This research aims to develop system for handwriting signature authentication verification using time series analysis and Siamese Recurrent Neural Network model architecture that is efficient, highly accurate, and writer-independent. Based on experiments conducted in this research, the model trained using a GRU (Gate Recurrent Unit) implemented in Siamese RNN is the most optimal model generates 81.02% accuracy score, training time of 680 second, and memory size of 37.996 Mb. The data used for training this model was generated from time series signal truncation method resulting time series with data sequence length of 1116, without implementing alignment using Dynamic Time Warping algorithm. However the model utilizing Bidirectional LSTM trained with time series data sequence length of 3489 generates the highest accuracy score of 85.16%. But this model also has longest training time of 2431.2 second and largest memory size of 630 Mb."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
Qinthara Andini Hananto
"Dalam era revolusi industri 4.0, integrasi teknologi menjadi kunci untuk meningkatkan produktivitas di sektor manufaktur. Dalam konteks ini, penggunaan Cloud Computing, Internet of Things (IoT), dan Machine Learning (ML) memainkan peran penting. IoT dan Cloud Computing digunakan untuk mengelola proses pengumpulan dan pengolahan data, terutama dari sensor mesin. Data ini kemudian dapat digunakan untuk pelatihan model ML, khususnya dalam kasus Predictive Maintenance. Predictive Maintenance bertujuan untuk memprediksi kapan suatu mesin memerlukan perawatan. Dalam penelitian sebelumnya, pendekatan masalah hanya memilih satu metode (klasifikasi atau regresi). Oleh karena itu, penelitian ini menciptakan metode Predictive Maintenance yang menggabungkan keduanya. Model yang dikembangkan menggunakan dua jenis pendekatan: Random Forest Tree untuk klasifikasi dan LSTM (Long Short-Term Memory) dengan Fully Connected layer untuk prediksi. Hasil pengujian menunjukkan bahwa model yang menggunakan LSTM untuk klasifikasi dan regresi mencapai akurasi 100%. Diikuti dengan hasil recall, precission, dan F-1 score yang mencapai 1.00. Oleh karena itu, LSTM dapat dianggap sebagai algoritma terbaik untuk Predictive Maintenance dalam industri manufaktur.
In the era of the 4th industrial revolution, technology integration is key to improving productivity in the manufacturing sector. In this context, the use of Cloud Computing, Internet of Things (IoT), and Machine Learning (ML) plays a crucial role. IoT and Cloud Computing are used to manage the process of data collection and processing, especially from machine sensors. This data can then be used for ML model training, particularly in the case of Predictive Maintenance. Predictive Maintenance aims to predict when a machine requires maintenance. In previous research, the problem approach often involved choosing only one method (classification or regression). Therefore, this study created a Predictive Maintenance method that combines both approaches. The developed model uses two types of approaches: Random Forest Tree for classification and LSTM (Long Short-Term Memory) with a Fully Connected layer for prediction. Test results show that the model using LSTM for both classification and regression achieves 100% accuracy. Additionally, the recall, precision, and F-1 score results also reach 1.00. Therefore, LSTM can be considered the best algorithm for Predictive Maintenance in the manufacturing industry."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
Maulana Nurhendronoto
"Emosi adalah perasaan yang muncul dalam diri seseorang sebagai respon dari situasi tertentu. Perasan ini dapat memengaruhi pikiran, perilaku, dan persepsi seseorang terhadap suatu peristiwa. Klasifikasi emosi adalah bagian dari analisis sentimen yang bertujuan untuk menganalisis dan memperoleh emosi dari suatu data. Penelitian klasifikasi emosi berbasis teks perlu dilakukan karena dapat diimplementasikan pada berbagai bidang, seperti kesehatan dan pendidikan. Bahasa Indonesia menduduki peringkat 11 bahasa dengan penutur terbanyak di dunia dengan 200 juta penutur. Namun, penelitian klasifikasi emosi berbasis teks bahasa Indonesia masih sedikit dilakukan. Algoritma machine learning dapat digunakan untuk mengatasi berbagai tantangan dalam penelitian klasifikasi emosi seperti memahami emosi dan menganalisis emosi dari data yang tidak terstruktur. Penelitian ini berfokus pada pengembangan model machine learning dengan teknik convolutional neural network (CNN), long short-term memory (LSTM), dan bidirectional encoder representation from transformer (BERT). Berdasarkan pengujian yang dilakukan, metode convolutional neural network (CNN) mendapatkan F1 score sebesar 84,2%, metode long short term memory mendapatkan F1 score sebesar 82%, metode BERT en uncased mendapatkan F1 score sebesar 22%, dan metode BERT multi cased mendapatkan F1 score sebesar 32%. Hasil pengujian ini menandakan metode CNN merupakan metode dengan hasil pengujian terbaik dan BERT en uncased merupakan metode dengan hasil pengujian terburuk dibanding ketiga metode lainnya.
Emotions are feelings that arise within a person in response to a particular situation. These feelings can affect a person's thoughts, behavior, and perception of an event. Emotion classification is a part of sentiment analysis that aims to analyze and derive emotions from data. Text-based emotion classification research needs to be done because it can be implemented in various fields, such as health and education. Indonesian is ranked the 11th most spoken language in the world with 200 million speakers. However, there is still little research on Indonesian text-based emotion classification. Machine learning algorithms can be used to overcome various challenges in emotion classification research such as understanding emotions and analyzing emotions from unstructured data. This research focuses on developing machine learning models with convolutional neural network (CNN), long short-term memory (LSTM), and bidirectional encoder representation from transformer (BERT) techniques. Based on the tests conducted, the convolutional neural network (CNN) method gets an F1 score of 84,2%, the long short term memroy method gets an F1 score of 82%, the BERT en uncased method gets an F1 score of 22%, and the BERT multi cased method gets an F1 score of 32%. These results indicate that the CNN is the bets method while the BERT en uncased is the worst method compared to the three other methods."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership Universitas Indonesia Library
