Hasil Pencarian  ::  Simpan CSV :: Kembali

"Verifikasi perangkat lunak merupakan hal yang dilakukan untuk memastikan bahwa suatu perangkat lunak adalah valid terhadap spesifikasi yang telah ditetapkan sebelumnya. Proses verifikasi dari suatu perangkat lunak merupakan hal yang terkait pengujian-pengujian yang dilakukan terhadap perangkat lunak yang bersesuaian, baik secara otomatis maupun manual. Dalam penelitian ini dilakukan implementasi dan analisis dari verifikasi perangkat lunak berbasis Java, dengan menggunakan T2 Framework sebagai verification tool. Proses implementasi dilakukan terhadap studi kasus berupa Electronic Votes Manager yang dikembangkan sebagai perangkat lunak berbasis komponen dengan JavaBeans. Implementasi yang dilakukan meliputi definisi terhadap spesifikasi yang telah ditetapkan berikut tahap-tahap pengujian, sementara proses analisis dilakukan terhadap hasil dari eksperimen untuk mengukur kapabilitas dari T2 Framework sebagai sebuah verification tool untuk aplikasi berbasis Java, khususnya dalam proses verifikasi terhadap studi kasus."

"ABSTRAKBahasa Penguraian Perangkat-Keras membantu para perancang rangkaian digital untuk mendapatkan kemudahan dalam mewujudkan rancang-bangunnya ke tahap hasil industri. Bahasa Penguraian yang dikembangkan pada thesis ini mampu memvisualisasikan ekspresi Boole ke dalam tataletak gerbang digital dengan menggunakan teknologi CMOS Aturan rancang-bangun tata letak yang digunakan adalah aturan lambda. Kerumitan ekspresi Boole yang diijinkan sebagai masukan dibatasi pada ekspresi yang rangkaian logikanya maksimum mengandung cabang tingkat 8. Operator Boole yang digunakan meliputi NOT, AND, dan OR. Operator Boole lainnya harus diubah dulu ke dalam ketiga operator tersebut. Ekspresi Boole di atas harus dinyatakan dalam notasi infix. Oleh interpreter ASFRAC, notasi ini berturut-turut akan diubah kedalam notasi postfix dan simbol khusus, Yang terakhir ini digunakan o1eh interpreter ASFRAC untuk memvisualisasikan tataletak ekspresi Boole yang bersangkutan. Di samping perangkat interpreter yang dikembangkan pada thesis ini, juga disajikan beberapa perangkat kompilasi yang populer yakni perangkat kompilasi FIRST, MACPITTS, MODEL , ELLA, dan STRICT. Akan jelas bahwa masing-masing perangkat kompilasi itu memiliki kelebihan dan kekurangan. Demikian pula halnya dengan perangkat interpreter yang dikembangkan pada thesis ini.Keratomikosis masih tetap merupakan tantangan bagi dokter mata dalam hal diagnosis dan pengobatan. Hal ini disebabkan oleh adanya kemiripan keratomikosis dengan peradangan kornea yang disebabkan oleh organisme lain, terbatasnya obat anti jamur yang tersedia disertai penetrasinya yang buruk ke dalam jaringan kornea.(7,13) Pada sebahagian besar kasus, tidak mungkin mendiagnosis keratomikosis hanya berdasarkan gambaran klinis.(7,13,14). Diagnosis dini dan tepat keratomikosis merupakan hal yang sangat penting untuk keberhasilan pengobatannya.(9) Diagnosis pasti keratomikosis adalah dengan memastikan adanya jamur di lesi kornea tersebut dengan pemeriksaan laboratorium.(2,3,14,15)? "

"Mesin penerjemah merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Tujuan dari mesin penerjemah adalah dapat membuat orang ? orang yang berasal dari berbagai budaya, yang memiliki bahasa yang berbeda, dapat berkomunikasi satu sama lain dengan mudah. Mesin penerjemah statistik adalah sebuah pendekatan mesin penerjemah dimana hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks bilingual (atau paralel). Penelitian di bidang mesin penerjemah statistik untuk Bahasa Inggris ? Bahasa Indonesia belum terlalu mendapat perhatian. Kualitas hasil terjemahan Bahasa Inggris ? Bahasa Indonesia tersebut masih jauh dari sempurna dan memiliki nilai akurasi yang rendah. Diawali dari permasalahan ini, munculah sebuah ide untuk membuat aturan-aturan restrukturisasi teks pada Bahasa Inggris sesuai dengan struktur Bahasa Indonesia dengan tujuan untuk meningkatkan kualitas dan nilai akurasi hasil terjemahan mesin penerjemah statistik. Aturan restrukturisasi teks tersebut bisa berupa word reordering, phrase reordering, ataupun keduanya. Dalam penelitian ini penulis merancang 7 buah aturan word reordering, 7 buah aturan phrase reordering dan 2 buah aturan gabungan phrase reordering dan word reordering.Penelitian dilakukan dengan menggunakan Stanford POS Tagger, Stanford Parser, dan MOSES. Stanford POS Tagger digunakan dalam tahap word reordering, Stanford Parser dalam tahap phrase reordering, dan MOSES dalam tahap penerjemahan. Hasil eksperimen menunjukkan peningkatan akurasi dan kualitas penerjemahan yang efektif diperoleh dengan word reordering. Word reordering dapat memberikan peningkatan nilai BLEU sebesar 1.3896% (dari 0.1871 menjadi 0.1897) dan nilai NIST sebesar 0.6218% (dari 5.3876 menjadi 5.4211). Pada korpus bible, rata ? rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.5871% dan untuk nilai NIST terjadi penurunan sebesar 0.0144%. Pada korpus novel, rata ? rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.8751% dan untuk nilai NIST terjadi peningkatan sebesar 0.3170%. Besarnya peningkatan dan penurunan yang terjadi pada penelitian ini cenderung kecil (masih di bawah 1%). Hal ini dikarenakan aturan penerjemahan Bahasa Inggris-Indonesia menggunakan aturan MD-DM yang melibatkan penukaran kata yang jaraknya dekat sudah tercakup dalam distortion model pada mesin penerjemah statistik berdasarkan frase.

---

Machine translation is an automatic translation tool for a text from one language to another language. The goal of machine translation is to allow people with different cultures and languages to communicate with each other easily. Statistical machine translation is an approach to machine translation in which the results produced on the basis of statistical model that its parameters taken from the bilingual corpus (or parallel) text analysis. The research on statistical machine translation from English to Indonesian has not been received much attention. The English - Indonesian translation quality is still far from perfect and has low accuracy. Based on this issue, come out an idea to make some text restructuring rules on English according to Indonesian languange structure, with the purpose of improvement the quality and accuracy of the statistical machine translation. Text restructuring rules can be word reordering or phrase reordering or both. In this research, the authors design 7 word reordering rules, 7 phrase reordering rules and 2 combined phrase reordering and word reordering rules.This research uses Stanford POS Tagger, Stanford Parser, and MOSES. Stanford POS Tagger is used in word reordering process, Stanford parser used in phrase reordering process, and MOSES in translation process. The results from experiments show that the most effective improvement is word reordering. The improvement with word reordering in BLEU score is 1.3896% (from 0.1871 become 0.1897) and for NIST score is 0.6218% (from 5.3876 become 5.4211). On bible corpus, the average of all text restructuring rules score are increased 0.5871% (BLEU) and decreased 0.0144% (NIST). On novel corpus, the average of all text restructuring rules score are increased 0.8751% (BLEU) and increased 0.3170% (NIST). The amount of increase and decrease that occurred in this study is considered as a small occurence (which is still under 1%). This is caused by the MD-DM rules that involve exchanging words that have small distances between their range which have already been accounted for by the distortion model in phrase based statistical machine translation."

"Penggunaan huruf kapital merupakan aspek penting dalam menulis bahasa Indonesia yang baik dan benar. Aturan penggunaan huruf kapital dalam bahasa Indonesia telah dijelaskan dalam Pedoman Umum Ejaan Bahasa Indonesia (PUEBI) yang terdiri dari 23 aturan. Penelitian sebelumnya telah memulai mengembangkan pendeteksi dan pengoreksi kesalahan huruf kapital untuk bahasa Indonesia menggunakan pendekatan rule-based dengan kamus dan komponen Named Entity Recognition (NER). Namun, penelitian tersebut hanya mencakup 9 dari 23 aturan huruf kapital yang tercantum dalam PUEBI dan dataset uji yang digunakan tidak dipublikasikan sehingga tidak dapat digunakan untuk penelitian selanjutnya. Penelitian ini bertujuan untuk mengusulkan metode untuk mendeteksi dan mengoreksi 14 dari 23 aturan PUEBI menggunakan pendekatan yang mirip dengan penelitian sebelumnya. Model NER dikembangkan menggunakan pretrained language model IndoBERT yang dilakukan fine-tuning dengan dataset NER. Untuk menguji metode rule-based yang diusulkan, dibuat sebuah dataset sintesis yang terdiri dari 5.000 pasang kalimat. Setiap pasang terdiri dari kalimat benar secara aturan huruf kapital dan padanan kalimat salahnya. Kalimat salah dibuat dengan mengubah beberapa huruf kapital di kalimat yang awalnya benar. Sebelum dilakukan perbaikan terhadap kalimat yang salah, didapatkan akurasi sebesar 83,10%. Namun, setelah menggunakan metode ini, tingkat akurasi meningkat 12,35% menjadi 95,45%.

---

The correct use of capital letters plays a vital role in writing well-formed and accurate Indonesian sentences. Pedoman Umum Ejaan Bahasa Indonesia (PUEBI) provide a comprehensive set of 23 rules that explain how to use capital letters correctly. Previous research has attempted to develop a rule-based system to detect and correct capital letter errors in Indonesian text using dictionaries and Named Entity Recognition (NER). However, this study only covered 9 out of the 23 capital letter rules specified in PUEBI, and the test dataset used was not publicly available for further analysis. In this study, we aim to propose a method that can identify and rectify 14 out of the 23 PUEBI rules, following a similar approach to previous research. The NER model was trained using the IndoBERT pretrained language model and fine-tuned with a specific NER dataset. To evaluate the effectiveness of our rule-based method, we created a synthetic dataset comprising 5,000 sentence pairs. Each pair consists of a correctly capitalized sentence and an equivalent sentence with incorrect capitalization. Before applying our method, the baseline accuracy was 83.10%. However, after implementing our approach, the accuracy improved by 12.35% to reach 95.45%."

"Bahasa pemrograman C adalah bahasa yang sering dipilih untuk membuat program dengan performa yang tinggi. Sayangnya, bahasa C memiliki reputasi sebagai bahasa pemrograman yang tidak aman. Berbagai cara dilakukan untuk membuat program yang aman dan memiliki performa yang tinggi. Salah satu jawaban dari tantangan tersebut adalah dibuatnya bahasa pemrograman Rust. Bahasa Rust diklaim sebagai bahasa yang aman dan memiliki performa yang sebanding dengan bahasa C. Pertanyaan yang muncul selanjutnya adalah bagaimana perbandingan bahasa C dan Rust dalam hal keamanan, terutama yang terkait dengan memori program. Penelitian ini dilakukan dengan tujuan menjawab pertanyaan tersebut. Penelitian dilakukan dengan membandingkan kompilator bahasa C dan Rust terhadap program yang tidak aman. Evaluasi dilakukan untuk tujuh jenis pelanggaran keamanan memori. Hasil dari penelitian ini menunjukkan bahwa bahasa Rust memang bersifat lebih aman dibanding dengan bahasa C dalam aspek keamanan memori.

---

The C programming language is a language that is often chosen to create high-performance programs. Unfortunately, C has a reputation for being an unsafe programming language. Various ways are done to make programs that are safe and have high performance. One of the answers to this challenge is the creation of the Rust programming language. Rust is claimed to be a safe language and has a performance comparable to C. The question that arises next is about the comparison of C and Rust in terms of security, especially those related to the program’s memory. This research was conducted with the aim of answering that question. The research was conducted by comparing the C and Rust language compilers against unsafe programs. Evaluations were performed for seven types of memory safety violations. The results of this study show that the Rust language is indeed more secure than the C language in terms of memory safety.

"

"Representasi dokumen sebagai vektor GLSA pada beberapa percobaan seperti uji sinonim, klasifikasi dokumen, dan clustering terbukti mampu menghasilkan tingkat akurasi yang lebih baik daripada sistem sejenis yang berbasis algoritma LSA akan tetapi GLSA belum pernah diujikan pada sistem penilai esay otomatis. Percobaan ini meneliti pengaruh implementasi GLSA pada sistem penilai esay otomatis dan perbandingan unjuk kerjanya dengan sistem penilai esay otomatis berbasis LSA. Unjuk kerja sistem penilai esai otomatis berbasis GLSA lebih unggul daripada sistem berbasis LSA. Dari 60 kali pengujian, GLSA menghasilkan nilai yang lebih akurat pada 47 kali pengujian atau 78,3% total pengujian sedangkan LSA hanya unggul pada 9 kali pengujian atau 15% total pengujian dan sisanya 4 kali pengujian atau 6,7% total pengujian menghasilkan nilai dengan tingkat akurasi yang sama. Nilai Pearson Product Moment Correlation pada percobaan menggunakan sistem LSA 0.57775-0.85868 sedangkan pada GLSA sebesar 0.73335-0.76971. Hal ini mengindikasikan bahwa sistem berbasis LSA dan GLSA yang diujikan layak pakai karena memiliki performa yang sama baiknya dengan performa yang dilakukan oleh manusia. Ditinjau dari waktu proses yang dibutuhkan, LSA unggul pada soal 1 dan 2 dengan rataan 0,07466 detik dan 0,2935 detik sedangkan pada GLSA rataan waktu proses soal 1 dan 2 sebesar 1,32329 detik dan 17,3641 detik. Waktu proses yang dibutuhkan sistem penilai esai otomatis berbasis GLSA lebih lama dibandingkan dengan LSA. Akan tetapi karena GLSA menunjukkan kinerja yang amat baik, amat dipercaya bahwa manfaatnya lebih besar daripada biaya komputasi.

---

Document representation as GLSA vectors were shown to improve performance on different tasks such as synonymy test, document classification, and clustering compared to LSA based systems, however GLSA performance has never been tested on automated essay grading system. This experiment examines the effect of GLSA implementation on automated essay grading system and evaluates its performance compared to LSA based system. GLSA performance was shown to outperform LSA based automated essay grading system. From 60 samples, GLSA outperform LSA 47 times (78,3%), LSA outperform GLSA 9 times (15%), and 4 times (6,7%) resulted the same score accuracy. Pearson Product Moment Correlation Value resulted from the experiment using LSA based system is 0.57775-0.85868 and 0.73335-0.76971 for GLSA based system. This result incidates LSA and GLSA based system used on this experiment are ready to be used as human rater replacement because both of the system deliver similar performance with human rater. Processing time of LSA based system is faster with average processing time consecutively 0,07466 second and 0,2935 second compared to GLSA consecutively 1,32329 second and 17,3641 second. GLSA requires more processing time than LSA based system because GLSA based system has more calculation steps than LSA. However GLSA showed better performance, therefore it's believed that its benefits outweigh the computational cost."

"Pengembangan Perangkat lunak berhasil apabila sesuai dengan batasan yang ditentukan, tepat waktu, dan sesuai dengan anggaran yang dialokasikan. Laporan rekapitulasi capaian proyek di Jakarta Smart City (JSC) tahun 2020-2021 menunjukkan fakta bahwa proyek yang berhasil diselesaikan tepat waktu hanya 46.67%, sedangkan 30% diselesaikan terlambat dan 43.33% tidak selesai. Melalui identifikasi permasalahan menggunakan diagram fishbone, pada domain process disebutkan bahwa di JSC tidak ada standarisasi metode pengembangan perangkat lunak yang digunakan. Hal ini mendorong penulis melakukan penelitian berfokus pada pengembangan metodologi pengembangan perangkat lunak yang tepat di JSC menggunakan Essence Framework dan Agile Transition Framework dengan metode penelitian design science research (DSR). Identifikasi masalah dilakukan melalui wawancara dengan Kepala Divisi Pengembangan dan Manajer Proyek. Penyusunan metode melibatkan seluruh Team Lead Divisi Pengembangan melalui kegiatan focus group discussion (FGD). Kemudian dilakukan validasi dengan expert judgement oleh 3 pakar agile dari eksternal. Berdasarkan penelitian yang dilakukan, dari 99 praktik yang berasal dari 10 metode Agile, dihasilkan sebuah metodologi pengembangan perangkat lunak yang terdiri dari 20 praktik yang dipetakan dalam 10 aktivitas yang berasal dari 6 metode Agile (Scrum, Nexus, Kanban, Xtreme Programming) dan Scaling Agile (LeSS dan SAFe). Penerapan metodologi pengembangan perangkat lunak tersebut di JSC menggunakan strategi model ADAPT.

---

The success of software development if is in accordance with the specified scope, on time, and in accordance with the allocated budget. Based on the recapitulation report of project achievements in Jakarta Smart City (JSC) for 2020-2021, it was found that only 46.67% of projects were completed on time, while 30% were overdue and 43.33% were unfinished. Through problem identification using fishbone diagrams, it is stated in the process domain that at JSC there is no standard of software development methods. This prompted the author to conduct research focusing on the compose of appropriate software development methods in JSC. The composing the software development method based on the Essence Framework and the Agile Transition Framework, then combined it with the design science research (DSR). Problem identification was carried out through interview with the Head of Development Division and the Project Manager. It is involving all Team Leads from the Development Division through focus group discussions (FGD). The validation includes the expert judgment of 3 external agile experts / practitioners. Based on the conducted research, from 99 practices in which is derived from 10 the Agile methods, a software method was composed of 20 practices mapped into 10 activities derived from 6 Agile methods (Scrum, Nexus, Kanban, Xtreme Programming) and Scaling Agile (LeSS and SAFe). Furthermore, for the implementation of the software development method at JSC, follow the ADAPT model strategy."

"Penggunaan teknologi digital yang semakin luas mendukung perusahaan untuk membuat strategi bisnis yang lebih baru, yaitu mengembangkan ekosistem digital berbasis perangkat lunak dengan memanfaatkan hubungan antara bentuk dan fungsi produk di dalam perusahaan. Perusahaan perbankan dituntut untuk menerapkan pengembangan dengan metodologi agile agar dapat bersaing dengan cepat, meningkatkan kepuasan pelanggan, memperluas segmen pasar, meningkatkan produktivitas dan mengetahui kebutuhan pelanggan. Namun dalam realita nya penerapan metodologi agile itu sendiri dapat menjadikan suatu tantangan dikarenakan praktik-praktik yang harus dipatuhi dan dilaksanakan diperlukan prosedur yang dapat mengakibatkan deliverables fungsi atau fitur tidak sesuai dengan rencana pengembangan. Hal ini berakibat juga pada target bisnis perusahaan tidak terpenuhi karena volume transaksi tidak maksimal. Penelitian ini bertujuan untuk merancang suatu metodologi terhadap proses pengembangan perangkat lunak dan membuat panduan untuk implementasinya di suatu perusahaan berdasarkan prinsip-prinsip dari Essence Framework. Pelaksanaan penelitian ini menggunakan pendekatan Design Science Research (DSR). Penerapan Essence Framework pada penelitian ini dilakukan dengan menetapkan metode, memilih praktik-praktik dan pelaksanaan ujicoba demonstrasi. Pada proses pembangunan metode dengan Kernel, dilakukan penggabungan praktik lintas metode terhadap 24 praktik terpilih yang dihasilkan dari proses Focus Group Discussion (FGD) dengan tim pengembangan PT XYZ berdasarkan metode terpilih dari hasil studi literatur. Metode Agile untuk transformasi yang besar dan kompleks berdasarkan studi literatur adalah Scrum, Kanban, Extreme Programming dan Spotify. Metode Scaled Agile Framework (SAFe) dan Large Scale Scrum (LeSS) juga dimasukkan dalam metode terpilih karena SAFe dan LeSS merupakan metode scaling Agile paling populer berdasarkan hasil survei VersionOne tahun 2021. Penyesuaian metodologi berdasarkan hasil evaluasi dan juga dilakukan konfirmasi kepada para ahli adalah dengan menambahkan 5 praktik dan 2 metode baru selain dari 24 praktik yang telah dilakukan ujicoba demonstrasi.

---

The wider use of digital technology supports companies to create a new business strategy, namely to develop a software-based digital ecosystem by exploiting the relationship between the form and function of products within the company. Banking companies are required to apply development with an agile methodology in order to compete quickly, increase customer satisfaction, expand market segments, increase productivity and understand customer needs. However, in reality the application of the agile methodology itself can be a challenge because the practices that must be complied with and carried out require procedures that can result in function or feature deliverables not in accordance with the development plan. This also resulted in the company's business targets not being met because the transaction volume was not optimal. This study aims to design a methodology for the software development process and create guidelines for its implementation in a company based on the principles of the Essence Framework. The implementation of this research uses the Design Science Research (DSR) approach. The application of the Essence Framework in this study was carried out by establishing methods, choosing practices and carrying out demonstration trials. In the method development process with the Kernel, a combination of cross-method practices was carried out on 24 selected practices resulting from the Focus Group Discussion (FGD) process with the PT XYZ development team based on the selected methods from the results of the literature study. Agile methods for large and complex transformations based on literature studies are Scrum, Kanban, Extreme Programming and Spotify. The Scaled Agile Framework (SAFe) and Large Scale Scrum (LeSS) methods are also included in the selected methods because SAFe and LeSS are the most popular scaling Agile methods based on the results of the 2021 VersionOne survey. Methodological adjustments are based on evaluation results and also confirmed by experts by adding 5 practices and 2 new methods apart from the 24 practices that have been piloted demonstrations."