Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jenis ikan yang tergolong dalam ikan jenis sonikrous mempunyai suara yang khas_ Beberapa diantaxanya dapat mengeluarkan lebih dari satu jenis suara. Sebagai contoh ikan wealdish (Cynoscion regalis) jantan akan mengeluarkan suara drumming pada masa bertelur dan suara chartering untuk aktiiitas hidup sehari-bali, sedangkan untuk betina hanya mengbluarkan suara cha!!ering.Untuk dapat mengenali suara ikan tersebut clengan cepat diperlukan suam sarana agar proses identifikasi dapat dilalcukan dengan mudah, Penerapan teknologi voice recognition dapat mempemwdah dan mempercepat proses pengenalan suara ikan. Dengan diketahul suara ikan tersebut mal-za berarti pula dapat diketahui keberadaan jenis ikan dan aktiiitas hidup beberapa jenis ikan tertentu seperti proses bertelur yang terjadi di dalam laut. Penggunaan voice recognition dengan mengaplikasikan hidden mar/:ov model untuk mengidentifikasi suara ikan dapat mengenali dengan baik suara ikan yang dimasukan dalam sistem. Sistem dengan training data berupa sampel suara ikan yang terdiri dari kombinasi beberapa bursi dan satu periode pcnuh dari suara ikan menghasilkan sistem dengan kemampuan recognition yang Iebih baik. Dari percobaan yang dilakukan menunjukan sistem mempunyai tingkat akurasi yang baik sampai sekitar 5O - 90 %."

"Rasa nyeri yang kerap kali dirasakan oleh bayi dan sulit dideteksi hal ini dikarenakan metode untuk mendeteksi rasa nyeri bersifat self reporting pada kenyataannya bayi sendiri masih belum mampu menjabarkan rasa nyeri tersebut dengan verbal dengan baik. Secara statistic juga tercatat sekitar 80% dari populasi dunia kurang memperhatikan penilaian rasa nyeri terutama terhadap anak-anak padahal rasa nyeri ini memberi pengalaman yang buruk pada anak, sehingga dapat mengganggu respon nyeri di kemudian hari atau trauma psikis. Berdasarkan permasalahan tersebut maka dibuatlah sebuah prototype system untuk mendeteksi rasa nyeri, di mana dalam proses perjalanan pembuatan dan juga pengujian terciptalah 2 versi prototype yaitu versi 1 dibangun dengan Raspberry pi 4.0, dengan framework tensorflow, keras dan haar cascade untuk face recognition dan versi 2 dibangun menggunakan NVIDIA Jetson Nano Developer Kit dengan framework pytorch dan algoritma YOLO. Di mana untuk kedua versi tersebut dilengkapi dengan 2 parameter tambahan yaitu Galvanic Skin Response (GSR) dan Voice Detector. Hasil menunjukan menggunakan Raspberry nilai presisi sebesar 60%, recall 50% dan f1-score 54%. Menggunakan NVIDIA Jetson Nano dilakukan dengan 300 dataset diperoleh untuk nilai rata-rata Confidence sebesar 53.02%, presisi, recall, f1-score dan akurasi 71,4%, 62,5%,66,6%, 70%. Untuk pengujian dengan 600 dataset diperoleh rata-rata confidence 32.02%, presisi, recall, f1-score dan akurasi 75%,42.9%,54,5%,70%.

---

Pain in a baby is difficult to detect is because the method for detecting pain is self-reporting, even though babies themselves cannot describe the pain verbally. Statistically, it is also recorded that about 80% of the world's population pays less attention to pain assessment, especially for children, even though this pain gives children a bad experience so that it can interfere with pain responses in the future or psychological trauma. Based on these problems, a prototype system was made to detect pain, the process of making and testing two prototype versions, version 1 was built with Raspberry pi 4.0, with a TensorFlow framework, Keras and Haar cascade for face recognition, and version 2 was built using NVIDIA Jetson Nano Developer Kit with PyTorch framework and YOLO algorithm. Where both versions are equipped with 2 additional parameters, Galvanic Skin Response (GSR) and Voice Detector. The results show that using Raspberry the precision value is 60%, recall is 50% and f1-score is 54%. Using the NVIDIA Jetson Nano with 300 dataset get everage result of confidence is 53.52%, precision, recall, f1-score and accuracy 71,4%, 62,5%,66,6%, 70%. For testing with 600 dataset get everage result of confidence 32.02%, precision, recall, f1-score and accuracy 75%,42.9%,54,5%,70%. "

"UI telah mengidentifikasi 7 potensi keadaan darurat yaitu kebakaran, pohon tumbang, darurat medis, kecelakaan lalu lintas, insiden laboratorium, gempa bumi dan tenggelam. Keadaan darurat yang tidak ditanggulangi dengan baik dapat menjadi suatu keadaan krisis dan akan menimbulkan kerugian bagi Universitas. Aplikasi mobile Panic Button UI merupakan salah satu layanan notifiaksi keadaan darurat untuk menanggulangi 7 keadaan darurat tersebut. Namun pada penerapannya Aplikasi yang saat ini dimiliki masih memiliki beberapa keterbatasan, oleh karena itu peneliti melakukan pengembangan terhadap aplikasi tersebut. Hasil rancang ulang desain aplikasi Mobile UI Panic Button (PB 2) dapat meningkatkan 70% pemenuhan apalikasi sebelumnya (PB 1). Pemenuhan standar aplikasi tersebut meliputi informasi nama dan No HP pengguna, pilihan kategori  keadaan darurat, informasi korban, informasi foto/voice, deskripsi keadaan darurat (teks), pilihan lokasi kejadian, pengiriman notifikasi keadaan darurat, pop up notifikasi terkirim, informasi keadaan darurat kepada  petugas ERT. Setelah dilakukan pelatihan waktu penggunaan aplikasi mobile UI Panic Button lebih cepat 20 Detik. Pengembangan Aplikasi Mobile UI Panic Button (PB 2) dapat mempercepat waktu respon dan aksi respon, meningkatkan keakuratan respon, memudahkan proses notifikasi keadaan darurat serta memudahkan komunikasi keadaan darurat.

---

UI has identified 7 potential emergencies such as fire, fallen trees, medical emergencies, traffic accidents, laboratory incidents, earthquakes, and drowning. Emergencies that are not properly addressed can be a crisis and will cause harm to the University. A Panic Button UI mobile application is one of the existing emergency notification services in managing the identified 7 emergencies above. However, there were some limitations in this current application. Researcher, therefore, has developed an improvement of the application. The result shows that the redesign of the UI Panic Button (PB 2) application design can increase 70% of the fulfillment of previous applications (PB 1). Fulfillment of the standard application includes information on the user's name and mobile phone number, emergency category, victim information, photo/voice information, description of the emergency condition, location of the incident, sending an emergency notification, sending a pop-up notification, emergency notification to ERT officer. Moreover, after the training and simulation has been conducted, the time to use the UI Panic Button mobile application is shortened by 20 second. The development of the Mobile UI Panic Button (PB 2) application can accelerate response times and response actions, improve response accuracy, facilitate the emergency notification process and facilitate emergency communication."

"Penelitian ini membahas tentang gambaran penerapan sistem proteksi aktif, pasif, keselamatan jiwa, serta sistem tanggap darurat kebakaran. Tujuan penelitian ini adalah untuk mengetahui gambaran penerapan sistem proteksi aktif, pasif, keselamatan jiwa, serta sistem tanggap darurat kebakaran yang dilihat berdasarkan Peraturan Menteri Pekerjaan Umum yang dilengkapi dengan standar National Fire Protection Association. Penelitian ini menggunakan metode penelitian deskriptif melalui metode observasi, telaah dokumen, dan wawancara tidak terstruktur untuk mengetahui penerapan sistem proteksi di plant paper mesin (PM) B. Dari hasil penelitian ini dapat disimpulkan bahwa sistem proteksi aktif, pasif, keselamatan jiwa, serta sistem tanggap darurat kebakaran belum seluruhnya memenuhi standar.

---

This research discusses about overview the application of active and passive protection systems, life safety, and emergency response of fire at plant paper machine (PM) B. The purpose of this study is to describe the application of active protection systems, passive, life safety, fire and emergency response are seen based on the Minister of Public Works, incorporating the National Fire Protection Association standards.

This research used descriptive research through observation, review of documents, and unstructured interviews to determine the application of protection system at plant paper machine (PM) B. The conclusions of this research are the active and passive protection systems, life safety, and emergency response of fire at plant paper machine (PM) B have not fully complied the standards."

"The research was concerned with creating a device for vocal signal monitoring based on microcontrollerapplication. The device was implemented to monitor the vocal signal in order to prevent a negativeimpact so called voice disorder. The availability of a device for vocal signal monitoring can be a benefitto the concerned users. The principal work was creating a suitable logger system, including software andhardware parts. The hardware part consists of logger system, conditioning circuitry, and power circuitry.The data obtained from the microcontroller was analyzed off-line using MATLAB. The device wasorganized to work in both normal and calibration modes. The analysis consisted of Sound Pressure Level(SPL) calibration and fundamental frequency (f0) estimation which are the most important parametersused in voice monitoring systems. According to the experiment, the calibration constant K was 1.76 Pa/V(0.12% standard deviation) and error average of the ECM was -1.8 dB (4.6 dB standard deviation)compared to the reference microphone.Collaboration works between engineers and physicians areadvisable for a correct use of the estimated parameters."

"Pekerja yang bekerja dengan menggunakan suara, dianggap sebagai professional voice users atau pengguna suara okupasi (occupational voice users-OVU). Pekerja dengan suara memiliki resiko tinggi penurunan kualitas suara dan terdapat faktor-faktor lain saat bekerja yang dapat memperburuk kualitas suara dan meningkatkan risiko kejadian disfonia. Identifikasi faktor-faktor risiko ini penting untuk dapat meminimalisir risiko gangguan suara pada pekerja OVU dan non-OVU. Penelitian ini merupakan studi potong lintang yang akan dilakukan pada bulan Juni-Juli 2022. Data MDVP, demografi, dan informasi mengenai faktor-faktor risiko yang ada pada pekerja akan didapatkan melalui pemeriksaan pada guru yang bekerja di Sampoerna Foundation, Jakarta. Dari total 83 partisipan, ditemukan bahwa OVU memiliki hasil parameter suara (dengan perbedaan signifikan pada jitter, NHR, ATRI) lebih tinggi. Dari semua partisipan ditemukan bahwa merokok menyebabkan perbedaan signifikan pada hasil analisa suara (Jitter, Shimmer, NHR, ATRI lebih tinggi).Tidak ada perbedaan signifikan akan nilai anailsa suara pada partisipan dengan risiko dehidrasi, konsumsi alkohol, dan riwayat hipertensi atau gastritis. Studi ini menemukan bahwa OVU memiliki parameter kualitas suara yang cenderung lebih buruk dibanding non-OVU, dan merokok merupakan faktor risiko yang secara signifikan dapat memperburuk parameter kualitas suara.

---

Workers using their voices are considered professional or occupational voice users (OVU). Workers who utilize their voice extensively have a high risk of reduced voice quality which can be exacerbated by other risk factors, resulting in an increased risk of dysphonia. Identifying these risk factors is essential to minimize the risk of voice disorders in OVU and non-OVU workers while increasing workers' and companies' awareness of voice usage at work. This research is a cross-sectional study conducted in June-July 2022. MDVP data, demographics, and information about risk factors in workers were obtained by examining teachers who work at a school in Jakarta. From a total of 83 participants, it was found that OVU had significantly higher Jitter, NHR, and ATRI compared to non-OVU. From all participants, it was found that smoking caused a significantly higher Jitter, Shimmer, NHR, and ATRI. There was no significant difference in the sound analysis scores in participants with a risk of dehydration, alcohol consumption, and a history of hypertension or gastritis, yet this warrant careful interpretation because numerous pieces of literature have proven otherwise. Improving sound quality through avoiding risk factors and implementing voice hygiene and proper phonation may be helpful for OVU."

"Disaster Recovery Plan (DRP) adalah rancangan rencana yang fokus kepada sistem informasi untuk melakukan pemulihan target sistem, aplikasi, atau infrastruktur di lokasi alternatif setelah kondisi darurat. Bank XYZ yang merupakan salah satu bank terbesar di Indonesia, dibantu oleh konsultan independen melakukan Current Assessment Recoverability & Resiliency (CARR) tahun pada 2019. Berdasarkan hasil CARR, masih terdapat kesenjangan implementasi DRP Bank XYZ dengan standar leading practice, yaitu belum memiliki Disaster Recovery Plan (DRP) untuk komunikasi suara. Pentingya komunikasi suara dibutuhkan untuk membantu hubungan penting antara lokasi pemulihan dan lokasi lain, dimana informasi perlu disampaikan secara tepat waktu, efisien, dan efektif, dengan semua saluran komunikasi yang ada. Oleh karena itu, disusunlah rancangan DRP komunikasi suara menggunakan framework BCI GPG 2018 dan penentuan strategi pemulihan berdasarkan NIST SP 800-34 Rev.1 yang disesuaikan dengan kebutuhan organisasi. Penelitian ini merupakan penelitian kualitatif yang termasuk dalam case studies dan action research. Pengumpulan data berdasarkan studi literatur, dokumen internal hasil CARR, dan wawancara stakeholder terkait dengan proses komunikasi suara di Bank XYZ. Dari penelitian ini diperoleh dokumen DRP komunikasi suara yang sesuai dengan kebutuhan Bank XYZ. Tujuan adanya dokumen DRP tersebut, kesenjangan penilaian CARR dapat dipenuhi dan proses pemulihan bencana terkait proses operasional komunikasi suara Bank XYZ dapat berjalan dengan cepat, terarah, dan tepat sehingga dampak bencana dapat diminimalkan.

---

Disaster Recovery Plan (DRP) is a design plan that focuses on information systems to perform recovery of system targets, applications, or infrastructure in alternative locations after an emergency. Bank XYZ, which is one of the largest banks in Indonesia, assisted by independent consultants conducted a Current Assessment Recoverability &Resiliency (CARR) in 2019. Based on CARR's results, there is still a gap in the implementation of DRP Bank XYZ with leading practice standards, namely not having a Disaster Recovery Plan (DRP) for voice communication. The importance of voice communication is needed to help communicate between recovery sites and other locations, where information needs to be delivered in a timely, efficient, and effective manner, with all existing communication channels. Therefore, voice communication DRP was designed by using BCI GPG 2018 framework and recovery strategy based on NIST SP 800-34 Rev.1 tailored to the needs of the organization. This research is a qualitative study which is included in case studies and action research. Data collection is based on literature studies, internal documents from CARR results, and stakeholder interviews related to the voice communication process at Bank XYZ. From this study, a voice communication DRP document was obtained that was suitable with the needs of Bank XYZ. Benefit of DRP document, CARR's assessment gap can be fulfilled and the disaster recovery process related to the operational process of Bank XYZ's voice communication can run quickly, directed, and precisely so that the impact of the disaster can be minimized."

"Ever wonder what makes us buy from a certain salesperson or prefer one TV news announcer over another? In each case, a human voice is subtly captivating our ear and commanding our attention. Now celebrity voice coach Renee Grant-Williams reveals the trade secrets behind those persuasive voices and shows readers how to apply positive vocal techniques to business and personal situations. Much more than a guide to proper breathing or voice projection, this is a life-altering ""owner's manual"" to unleashing and directing the powers of communication within one's speaking voice."