Hasil Pencarian  ::  Simpan CSV :: Kembali

"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)? "

"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."

"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."

"Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwibahasa (Indonesia - Inggris) dengan bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan bahasa Inggris sebagai karya tulis referensinya. Sistem pendeteksi plagiarisme terdapat dua bagian penting, yaitu akurasi dan kecepatan yang dihasilkan oleh sistem. Pada skripsi ini dilakukan pengembangan terhadap sistem pendeteksi plagiarisme dengan menambahkan penerjemah Microsoft Translator API dan menerapkan similar word. Penerapan penerjemah Microsoft Translator API dapat meningkatkan akurasi yang cukup signifikan yaitu sebesar 14,93 % dibandingkan penerjemah Googletrans API dan penerapan similar word dapat meningkatkan akurasi sistem dari 0,24% hingga 15,37%. Parallel processing diterapkan untuk mengatasi permasalahan waktu eksekusi yang lama ketika jumlah dokumen referensi yang digunakan banyak. Hasil pengujian dengan menerapkan parallel processing dapat meningkatkan kecepatan 1,06 hingga 6,71 kali lebih cepat dari program yang berjalan secara serial.

---

Plagiarism is the act of acknowledging the work of others personal work without their permissions. The prevalence of plagiarism is high in this digital era. In this thesis, an automatic plagiarism detection system on bilingual digital paper (Indonesian-English) is created with Indonesian paper as the tested paper and English paper as the reference paper. The plagiarism detection system has two important parts, namely the accuracy and speed produced by the system.

In this thesis, a plagiarism detection system is developed by adding a Microsoft Translator API translator and applying a similar word. The application of the Microsoft Translator API translator can increase the accuracy of the significant amount of 14.93% compared to the Googletrans API translator and the application of similar word can increase system accuracy from 0.24% to 15.37%. Parallel processing will be applied to overcome the problems of a long execution time when the number of reference documents that are used a lot. The test results by applying parallel processing can increase the speed of 1.06 to 6.71 times faster than programs running in serial."

"Adanya kursus pemrograman daring diharapkan dapat membantu dalam meningkatkan kompetensi orang-orang yang memiliki minat terhadap pemrograman sehingga bisa memenuhi kebutuhan ahli di sektor digital terutama programmer yang saat ini jumlah antara kebutuhan dan permintaan masih tidak sebanding. Meskipun banyak orang yang memiliki minat pemrograman dan kursus pemrograman daring sudah mulai menjamur, masih ditemukan berbagai kendala seperti kesulitan dalam memahami materi pemrograman. Tujuan dari penelitian ini ialah merumuskan kebutuhan untuk menerapkan desain instruksional dan mengembangkan desain antarmuka bagi sasaran utama penelitian ini serta berdasarkan hasil analisis dan rancangan umum yang telah ditentukan dengan studi kasus Skydu Academy. Penelitian ini menggunakan pendekatan metode campuran. Dilakukan penyebaran kuesioner untuk mendapatkan data kualitatif dan pelaksanaan evaluasi usability testing untuk mendapatkan data kuantitatif dan kualitatif. Selain itu, dilakukan juga analisis terhadap prinsip-prinsip dari Gagne’s Nine Events of Instruction, Chickering and Gamson’s Seven Principles of Good Practice in Online Teaching, dan Shneiderman's Eight Golden Rules of Interface Design. Hasil menunjukkan bahwa evaluasi usability testing dari segi kuantitatif memiliki task success rate sebanyak 93.32% dan dari segi kualitatif mayoritas partisipan menyatakan ekspektasi belajar pemrograman menggunakan aplikasi ini sudah terpenuhi.

---

The existence of an online programming course is expected to help in increasing the competence of people who have an interest in programming so that they can meet the needs of experts in the digital sector, especially programmers, which currently there are a shortage of programmers. Although there is many people interested in programming and many online programming courses, there are still many obstacles such as difficulties in understanding programming material. The purpose of this research is to formulate the need to implement instructional design and develop interface design for the main objectives of this study and based on the results of analysis and general design that has been determined by the Skydu Academy case study. This research uses a mixed-methods approach. Questionnaires were distributed to obtain qualitative data and the evaluation of usability testing was carried out to collect quantitative and qualitative data. Also, the analysis of the principles of Gagne’s Nine Events of Instruction, Chickering and Gamson's Seven Principles of Good Practice in Online Teaching, and Shneiderman's Eight Golden Rules of Interface Design has been conducted. The overall results showed that the evaluation of usability testing has a task success rate of 93.32% in quantitative and expressing the participant's expectation to learn programming has been fulfilled in qualitative."

"Skripsi ini membahas rancangan dan pengembangan sistem penilaian esai otomatis untuk ujian Bahasa Jepang dengan bentuk isian singkat/esai. Sistem dirancang dengan model hybrid MLP (Multilayer Perceptron) dengan Particle Swarm Optimization. Sistem ditulis dalam bahasa pemrograman Python. Penilaian otomatis dilakukan dengan membandingkan jawaban mahasiswa dan jawaban dosen berdasarkan jarak kemiripan menggunakan Manhattan Distance. Model Hybrid MLP akan digunakan untuk menghasilkan vektor jawaban agar dapat dibandingkan dan dinilai. Dari variasi model yang diuji, variasi yang terbukti memiliki performa terbaik adalah variasi dengan model MLP yang dilatih secara backpropagation dengan optimizer Adam dengan learning rate sebesar 0.000001, fungsi loss categorical-crossentropy, dan dilatih selama 50 epoch. Model mendapatkan tingkat persentase eror sebesar 21.85% untuk rata-rata nilai prediksi dibandingkan dengan nilai yang diberikan oleh dosen.

---

This thesis discusses and explore the designs and development of Automatic Essay Grading System using combination of Multilayer Perceptron with Particle Swarm Optimization. The program is being developed with Python programming language. The system compares the matrix vector of the student’s answer with the key answer using Manhattan Distance. Out of all the variations that are tested, the model that is proven to be the most stable is the MLP model that are trained with Backpropagation with loss function crosscategorical-crossentropy and Adam optimizer with learning rate of 0.000001. The model achieves an error percentage of 21.85% for the average grade predicted compared to the actual grade."

"Penelitian ini bertujuan untuk menguji efektivitas pre-trained language model BERT pada tugas pencarian dosen pakar. Bidirectional Encoder Representations from Transformers (BERT) merupakan salah satu state-of-the-art model saat ini yang menerapkan contextual word representation (contextual embedding). Dataset yang digunakan pada penelitian ini terdiri dari data pakar dan bukti kepakaran. Data pakar merupakan data dosen Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI). Data bukti kepakaran merupakan data abstrak digital tugas akhir mahasiswa Fasilkom UI. Model yang diusulkan pada penelitian ini terdiri dari tiga variasi BERT, yaitu IndoBERT (Indonesian BERT), mBERT (Multilingual BERT), dan SciBERT (Scientific BERT) yang akan dibandingkan dengan model baseline menggunakan word2vec. Terdapat dua pendekatan yang dilakukan untuk mendapatkan urutan dosen pakar pada variasi model BERT, yaitu pendekatan feature-based dan fine-tuning. Penelitian ini menunjukkan bahwa model IndoBERT dengan pendekatan feature-based memberikan hasil yang lebih baik dibandingkan baseline dengan peningkatan 6% untuk metrik MRR hingga 9% untuk metrik NDCG@10. Pendekatan fine-tuning juga memberikan hasil yang lebih baik pada model IndoBERT dibandingkan baseline dengan peningkatan 10% untuk metrik MRR hingga 18% untuk metrik P@5. Diantara kedua pendekatan tersebut, dibuktikan bahwa pendekatan fine-tuning memberikan hasil yang lebih baik dibandingkan dengan pendekatan feature-based dengan peningkatan 1% untuk metrik P@10 hingga 5% untuk metrik MRR. Penelitian ini menunjukkan bahwa penggunaan pre-trained language model BERT memberikan hasil yang lebih baik dibandingkan baseline word2vec dalam tugas pencarian dosen pakar.

---

This study aims to test the effectiveness of the pre-trained language model BERT on the task of expert finding. Bidirectional Encoder Representations from Transformers (BERT) is one of the current state-of-the-art models that applies contextual word representation (contextual embedding). The dataset used in this study consists of expert data and expertise evidence. The expert data is composed of faculty members from the Faculty of Computer Science, University of Indonesia (Fasilkom UI). The expertise evidence data consists of digital abstracts by Fasilkom UI students. The proposed model in this research consists of three variations of BERT, namely IndoBERT (Indonesian BERT), mBERT (Multilingual BERT), and SciBERT (Scientific BERT), which will be compared to a baseline model using word2vec. Two approaches were employed to obtain the ranking of expert faculty members using the BERT variations, namely the feature-based approach and fine-tuning. The results of this study shows that the IndoBERT model with the feature-based approach outperforms the baseline, with an improvement of 6% for the MRR metric and up to 9% for the NDCG@10 metric. The fine-tuning approach also yields better results for the IndoBERT model compared to the baseline, with an improvement of 10% for the MRR metric and up to 18% for the P@5 metric. Among these two approaches, it is proven that the fine-tuning approach performs better than the feature-based approach, with an improvement of 1% for the P@10 metric and up to 5% for the MRR metric. This research shows that the use of the pre-trained language model BERT provides better results compared to the baseline word2vec in the task of expert finding."