Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSkripsi ini membahas tentang Pengolahan Koleksi Rekaman Suara : Studi Kasus Pustaka Musik Lembaga Penyiaran Publik Radio Republik Indonesia (LPP RRI). Tujuannya adalah untuk mengetahui proses pengolahan dan penyimpanan koleksi rekaman suara di Pustaka Musik LPP RRI, dan mengidentifikasi hambatan-hambatan dalam mengolah koleksi rekaman suara. Penelitian ini menggunakan pendekatan kualitatif. Metode penelitian yang digunakan adalah metode Studi Kasus. Teknik pengumpulan data yang dilakukan adalah dengan cara studi literatur, observasi, dan wawancara mendalam. Hasil penelitian ini adalah Pustaka Musik LPP RRI mempunyai kebijakan tersendiri dalam pengolahan serta sistem klasifikasi, hambatan-hambatan yang terdapat disana antara lain Sumber Daya Manusia (SDM) dan lokasi.

---

ABSTRACTThis Undergraduate thesis covers Sound Recording Collection Processing : Case Study in Pustaka Musik Lembaga Penyiaran Publik Radio Republik Indonesia (LPP RRI). The purpose was to find out the processing and storage of sound recording collection in Pustaka Musik LPP RRI, and to identify barriers in processing the collection of sound recording. This research used qualitative method. Data were collected by non-participant observation and interview the related sources. The result of this research was Pustaka Musik LPP RRI has its own policy in the processing and classification system, barriers that are human resources and location. "

"Tesis ini membahas tentang penerapan semantic role labeling untuk kalimat Bahasa Indonesia dengan metode Support Vector Machine / SVM. Dataset yang digunakan dalam penelitian ini yaitu kalimat-kalimat yang diambil dari FrameNet yang diterjemahkan dengan bantuan Google Translate. Data training menggunakan 100 kalimat yang diambil dari FrameNet, untuk data testing menggunakan 100 kalimat yang diambil dari FrameNet ditambah dengan 100 kalimat yang dibuat oleh penutur Bahasa Indonesia.Feature-feature yang digunakan dalam penelitian ini adalah headword, POS tag, preposition, predikat, voice, position, frame dan semantic class. Untuk penerapan klasifikasi semantic role labeling dengan metode SVM digunakan tools WEKA. Percobaan yang dilakukan dalam penelitian ini menggunakan kombinasi feature yang berbeda. Hasil yang baik dengan precision 61,6% dan recall 66,8% diperoleh dari kombinasi feature headword, POS tag, preposition, position, frame dan semantic class.

---

This thesis discusses about the implementation of semantic role labeling for Indonesian sentences using Support Vector Machine / SVM. Dataset which use in this research are the sentences that taken from FrameNet which translated using Google Translate. Training data uses 100 sentences from FrameNet, for testing data uses 100 senteces from FrameNet and added 100 sentences that made by Indonesian speakers.

The features that used in this research are headword, POS tag, preposition, predicate, voice, position, frames and semantic class. For the implementation of classification semantic role labeling with SVM methods is used WEKA tools. The experiments in this research use the combination of the different features. The good result with precision 61,6% and recall 66,8%,are gotten from combination feature between headword, POS tag, preposition, position, frame and semantic class."

"Klasifikasi aksi multi-objek berdasarkan video RGB aerial merupakan tantangan kompleks yang dapat berguna untuk pengembangan sistem keamanan. Terdapat dua pendekatan jaringan saraf tiruan yang umum digunakan dalam sistem pengenal berbasis kerangka, Convolutional Neural Network (CNN) dan Graph Convolutional Network (GCN). Pendekatan CNN lebih efektif dalam mempelajari fitur spatio-temporal, lebih kuat terhadap noise dalam estimasi pose, dan dapat menangani skenario multi-objek dengan komputasi yang lebih ringan. Penelitian ini meliputi pengembangan pengenal aksi manusia dengan pendeteksi spatio-temporal berbasis kerangka menggunakan pendekatan 3D Convolutional Neural Network (3D-CNN). Pendeteksi spatio-temporal memungkinkan sistem untuk mengenali tiap-tiap aksi yang simultan dilakukan oleh multi-objek dalam satu rekaman video. Percobaan dilakukan menggunakan sejumlah pre-trained dataset dan menggunakan dataset video RGB aerial primer yang dilatih terhadap model pengenal aksi berbasis video frontal, dengan menerapkan metode transfer learning. Proses tranfer learning dilakukan dengan dataset khusus untuk menghasilkan model pelatihan yang memiliki akurasi tinggi. Pelatihan memberi keluaran berupa model jaringan saraf tiruan dengan nilai akurasinya. Pengujian dilakukan menggunakan data video untuk mengetahui ketepatan model. Dari model yang diperoleh, akan dilakukan analisis terhadap keberhasilan dan keakuratan metode dalam mengenali aksi manusia.

---

Multi-object action recognition based on aerial RGB video is a complex challenge that can be useful for security system development. There are two commonly used artificial neural network approaches in skeleton-based recognition systems, Convolutional Neural Network (CNN) and Graph Convolutional Network (GCN). CNN approach is more effective in learning spatio-temporal features, more robust to noise in pose estimation, and can handle multi-object scenarios with lighter computation. This research involves developing a human action recognition with skeleton-based spatio-temporal detection using a 3D Convolutional Neural Network (3D-CNN) approach. Spatio-temporal detection allows the system to recognize each simultaneous action performed by multiple objects in a single video footage. Experiments were conducted using a number of pre-trained datasets and using a primary aerial RGB video dataset trained on a frontal video-based action recognition model, by applying the transfer learning method. The transfer learning process is performed with a specific dataset to produce a high-accuracy training model. The training outputs an artificial neural network model with its accuracy value. Testing is done using video data to determine the accuracy of the model. From the model obtained, the success and accuracy of the method in recognizing human actions will be analyzed."

"Felto merupakan material yang terbuat dari Polyester dan serat Fiber yang umum digunakan dibidang otomotif dimana Fungsi utamanya adalah untuk mereduksi suara selain juga dapat mereduksi panas dan getaran. Bunyi yang berasal dari mesin dan dari bagian bawah kendaraan sangat tidak nyaman bila terdengar oleh pengendara atau penumpang kendaraan_ Untuk itu pada kendaraan dengan harga menengah ke bawah khususnya pada kelas kendaraan niaga, Felto ini banyak digunakan untuk mengatasi hal tersebut. Tentunya Emgsi tersebut harus dibuktikan dengan melakukan pengujian atau percobaan. Felto yang banyak dipakai adalah felto dengan ketebalan 16 mm dan 10 mm. Kesulitan yang ditemui bagi konsumen felto ini adalah tidak aclanya spesiiikasi teknis yang berhubungan dengan fungsi utamanya yaitu sebagai pereduksi suara. Pengujian ini dilakukan untuk mendapatkan spesifikasi tersebut, sehingga dalam aplikasinya dapat diperhitungkan. pemakaian material ini sesuai dengan tujuan yang akan dicapai. Pemakaian material ini tidak hanya digunakan pada bidang otomotif tetapi juga banyak digunakan pada bidang lain. Pengujian dilakukan dengan menggunakan metode pengujian bunyi pada ruang akustik., yaitu dngan melewatkan bunyi pada specimen uji dan kemudian dibandingkan antara intensitas sumber bunyi dengan intensitas bunyi setelah melewati specimen tersebut baik Dan ini dilakukan baik terhadap material dasar yang tanpa pelapis ataupun dengan pelapis. Material dasar yang digunakan bukan hanya material yang digunakan pada otomotif seperti SPCC tetapi juga pada mateliai lain seperti Triplek dan gipsum etemit. Karena pemakaian Felto ini tidak hanya dalam bidang otomotif tetapi juga dalam bidang lain."