Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengelola Nama Domain Internet Indonesia (PANDI) merupakan organisasi nirlaba yang dibentuk oleh Pemerintah Republik Indonesia bersama komunitas internet Indonesia untuk mengelola nama domain .id secara profesional, akuntabel, dan transparan. Tugas utama PANDI adalah mengatur, menjalankan, dan mempertahankan infrastruktur yang diperlukan serta mengakomodasi sistem elektronik untuk registrasi Top Level Domain Name Indonesia (.id). PANDI memiliki layanan helpdesk yang merupakan layanan fasilitas satu pintu bagi semua registran dan masyarakat untuk menyampaikan pertanyaan dan keluhan terkait nama domain .id. Dari hasil wawancara, disebutkan bahwa layanan helpdesk saat ini belum optimal dikarenakan beberapa kondisi seperti proses eskalasi laporan tidak melalui aplikasi, dokumentasi laporan masih manual, dan belum adanya tolak ukur kinerja helpdesk. Salah satu penyebabnya adalah layanan helpdesk belum didukung oleh manajemen layanan TI. Oleh karena itu, penelitian ini bertujuan untuk menghasilkan rancangan manajemen layanan TI pada helpdesk yang dapat menjadi pedoman bagi organisasi dalam menyelesaikan laporan permasalahan dan permintaan pengguna. Penelitian ini adalah penelitian kualitatif dan termasuk penelitian studi kasus. Proses identifikasi masalah dilakukan melalui studi dokumen PANDI dan wawancara terhadap Deputi Bidang Teknis dan koordinator helpdesk. Pengumpulan data penelitian dilakukan melalui studi literatur dan wawancara terhadap operator dan koordinator helpdesk. Penelitian ini menghasilkan rancangan manajemen layanan TI berdasarkan ITIL V3 2011. Berdasarkan rekomendasi, dapat ditambahkan status tracking, label prioritas, fitur reporting, dan kategori layanan pada sisi aplikasi. Pada sisi layanan, helpdesk dapat berpedoman pada dokumen yang dihasilkan meliputi katalog layanan yang mencakup 11 layanan Customer Facing Service (CFS) dan Resource Facing Service (RFS), lima SLA untuk layanan proses bisnis helpdesk, dan tiga SOP untuk layanan perubahan akun.

---

Indonesia Internet Domain Names Registry Association (PANDI) is a non-profit organization formed by the Government of the Republic of Indonesia together with the Indonesian internet community to manage .id domain names in a professional, accountable, and transparent manner. The main task of PANDI is to manage, operate, and maintain the necessary infrastructure and to accommodate electronic systems for Indonesian Top Level Domain Name registration. PANDI has a helpdesk service which is a one-stop facility for all registrants and the public to submit questions and complaints regarding .id domain names. Coordinator of helpdesk mentioned that the helpdesk service is currently not optimal due to few conditions, such as the escalation process and documentation report is still manual and there still no indicator for helpdesk performance. Helpdesk service is not yet supported by IT service management is one of the causes. Therefore, it is necessary to do research aimed to produce a helpdesk IT service management design that can be a guideline for organizations in solving problems and user requests. This research is a qualitative research with case study category. The process of problem identification conducted using the study of organizational documents and interviews with the Deputy of Technical Unit and the helpdesk coordinator. The process of data collection conducted using a literature study and an interview with the helpdesk coordinator and operators. The result of this research is IT service management design that can be a guideline for helpdesk based on ITIL V3 2011. Result of analysis shown that tracking status, priority label, reporting feature, and service categories can be added on the application side. Helpdesk can be guided by the documents produced in this study to improve the quality of services provided by PANDI. The documents consist of a service catalog that includes 11 Customer Facing Service (CFS) and Resource Facing Service (RFS) services, five SLAs for helpdesk business process services, and three SOPs for account change request service."

"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%."

"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."

"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.

"

"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)? "