Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan utama dari deteksi perubahan (change detection) adalah untuk mendeteksi perbedaan pada dua citra satelit di wilayah yang sama tetapi diambil pada waktu yang berbeda. Deteksi perubahan merupakan salah satu masalah penginderaan jauh yang cukup sulit karena perubahan yang ingin dideteksi (real-change) bercampur dengan perubahan semu (pseudo-change). Hal ini terjadi akibat adanya faktor perbedaan kecerahan, perbedaan kelembapan, perbedaan musim dan lain-lain yang terdapat pada kedua citra. Kemunculan Vision Transformer (ViT) sebagai model state-of-the-art pada berbagai permasalahan di Computer Vision turut serta menggeser peran Convolution Neural Network (CNN) di bidang deteksi perubahan. Walaupun ViT mampu menangkap interaksi jarak jauh long-range attention dari setiap patch citra, akan tetapi kompleksitas komputasinya meningkat secara kuadratik terhadap jumlah patch. Salah satu solusi untuk mengurangi kompleksitas komputasi pada ViT adalah dengan mereduksi matriks Key (K) dan Values (V) pada mekanisme Self-Attention (SA). Akan tetapi, reduksi tersebut menurunkan efektivitas ViT akibat adanya informasi yang hilang, sehingga terjadi trade-off antara efektivitas dan efisiensi pada metode deteksi perubahan. Untuk mengatasi masalah tersebut, penulis mengembangkan metode deteksi perubahan baru bernama WaveCD dengan memanfaatkan dekomposisi Discrete Wavelet Transform (DWT) untuk mereduksi matriks K dan V. Selain berfungsi untuk mereduksi data, dekomposisi DWT juga berfungsi untuk mengekstraksi fitur-fitur yang penting yang mewakili citra sehingga data awal dapat diaproksimasi melalui proses Inverse Discrete Wavelet Transform (IDWT). Pada dataset CDD, hasil evaluasi WaveCD mencapai kenaikan nilai IoU sebesar 14.7% dan F1-score sebesar 8% terhadap nilai evaluasi metode pembanding, SwinSUNet. Sedangkan pada dataset LEVIR-CD, hasil evaluasi WaveCD mencapai kenaikan nilai IoU sebesar 4% dan F1-score sebesar 2%

---

Change detection is a remote sensing task for detecting a change from two satellite imagery in the same area while being taken at different times. Change detection is one of the most difficult remote sensing tasks because the change to be detected (real-change) is mixed with apparent changes (pseudo-change) due to differences in the two images, such as brightness, humidity, seasonal differences, etc. The emergence of a Vision Transformer (ViT) as a new standard in Computer Vision, replacing Convolutional Neural Network (CNN), also shifts the role of CNN in the field of DP. Although ViT can capture long-range interactions between image patches, its computational complexity increases the number of patches quadratically. One solution to reduce the computational complexity in ViT is to reduce the Key (K) and Values (V) matrices in the Self-Attention(SA) mechanism. However, this reduction also reduces the effectiveness of ViT due to missing information, resulting in a trade-off between the effectiveness and efficiency of the method. To solve the problem, we developed a new change detection method called WaveCD. WaveCD uses Wave Attention (WA) instead of SA. WA uses the Discrete Wavelet Transform (DWT) decomposition to reduce the K and V matrices. Besides reducing the data, DWT decomposition also serves to extract important features that represent images so that the initial data can be approximated through the Inverse Discrete Wavelet Transform (IDWT) process. On the CDD dataset, WaveCD outperforms the stateof-the-art CD method, SwinSUNet, by 14.7% on IoU and 8% on F1-score. While on the LEVIR-CD dataset, WaveCD outperforms SwinSUNet by 4% on IoU and 2% on F1-score."

"Ant Colony Optimization (ACO) is a nature-inspired optimization algorithm which is motivated by ants foraging behavior. Due to its favorable advantages, ACO has been widely used to solve several NP-hard problems, including edge detection. Since ACO initially distributes ants at random, it may cause imbalance ant distribution which later affects path discovery process. In this paper an adaptive ACO is proposed to optimize edge detection by adaptively distributing ant according to gradient ana-lysis. Ants are adaptively distributed according to gradient ratio of each image regions. Region which has bigger gradient ratio, will have bigger number of ant distribution. Experiments are conducted using images from various datasets. Precision and recall are used to quantitatively evaluate perfor-mance of the proposed algorithm. Precision and recall of adaptive ACO reaches 76.98% and 96.8%. Whereas highest precision and recall for standard ACO are 69.74% and 74.85%. Experimental results show that the adaptive ACO outperforms standard ACO which randomly distributes ants.

---

Ant Colony Optimization (ACO) merupakan algoritma optimasi yang terinspirasi oleh tingkah laku semut dalam mencari makan. Karena keunggulan yang dimilikinya, ACO banyak digunakan untuk menyelesaikan permasalahan non-polinomial yang sulit, salah satunya adalah deteksi tepi pada citra. Pada tahapan awal, ACO menyebarkan semut secara acak, hal ini dapat menyebabkan ketidak seim-bangan distribusi semut yang dapat mempengaruhi proses pencarian jalur. Paper ini mengusulkan algoritma adaptif ACO untuk mengoptimalkan deteksi tepi pada citra dengan cara menyebarkan se-mut awal secara adaptif berdasarkan analisis gradient. Semut disebarkan berdasarkan perbandingan gradient dari tiap bagian citra. Bagian citra dengan perbandingan gradient yang lebih besar akan men-dapatkan pembagian semut yang lebih banyak dibandingkan bagian lainnya. Percobaan dilakukan pada beberapa citra yang berasal dari berbagai data set. Precision dan recall digunakan sebagai alat untuk mengukur citra keluaran algoritma yang diusulkan secara kuantitatif. Berdasarkan hasil uji co-ba, adaptif ACO mampu mencapai precision dan recall hingga 76.98 % dan 96.8 %. Sedangkan, nilai precision and recall tertinggi menggunakan ACO murni mencapai 69.74% dan 74.85%. Hasil ini me-nunjukkan bahwa adaptif ACO mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO murni yang sebaran semut awalnya dilakukan secara acak."

"Komoditas kopi dan kakao Indonesia terkendala masalah mutu produk yang rendah akibat kontaminasi jamur penghasil okratoksin. Okratoksin A (OTA) bersifat neprotoksik, imunogenik, karsinogenik dan teratogenik yang membahayakan kesehatan. Karena efek negatif yang diakibatkan oleh mikotoksin ini, maka perlu dikembangkan deteksi dini kontaminasi okratoksin. Pendeteksian awal adanya pertumbuhan jamur pada produk pertanian dan perkebunan adalah kunci pencegahan pertumbuhan dan produksi okratoksin. Penelitian ini bertujuan menghasilkan antibodi imunoglobulin Y (IgY) untuk mengembangkan metode perakitan perangkat deteksi cepat berbasis imunologi untuk deteksi OTA. Hasil penelitian menunjukkan bahwa antibodi poliklonal anti OTA diperoleh dari telur ayam pada periode ke-4 (7 minggu setelah imunisasi awal). Antibodi ini menunjukkan reaktivitas anti OTA dengan metode dot blot immunoassay dan masih menunjukkan reaktivitas anti OTA sampai periode 9 (12 minggu setelah imunisasi awal). Antibodi anti BSA yang dihasilkan harus dihilangkan terlebih dahulu untuk meningkatkan sensitivitas antibodi terhadap okratoksin A dan pemisahan dapat dilakukan dengan penyerapan antibodi BSA. OTA-OVA dapat disintesis dengan metode ester aktif dengan menambahkan N-hidroksisuksiimida dan disiklokarboimida. Karakterisasi senyawa antara pada reaksi ini menunjukkan adanya absorpsi pada frekuensi 1600 cm-1 yang menunjukkan adanya vibrasi ulur ikatan C=O dan adanya banyak absorpsi pada 1300-1000 cm-1 yang mengindikasikan adanya serapan ulur yang kuat ikatan C-O. Konjugat antibodi-nanopartikel emas direaksikan pada kondisi pH optimum 9 dan pengenceran antibodi sebesar 1:7,5 v/v. Pada pengujian dengan spektrofotometer sinar tampak ditemukan adanya pergeseran serapan setelah antibodi dikonjugasikan pada nanopartikel emas sebesar 50 nm. Hasil pengujian pada test trip imunokromatografik masih belum terlihat jelas dan memiliki nilai cut off 10 ppb, tetapi mengindikasikan teknik ini dapat digunakan untuk deteksi kontaminasi okratoksin.

---

Indonesian coffee and cocoa commodities constrained low product quality problem due to contamination of fungal metabolites which accumulated ochratoxin. Ochratoxin A (OTA) is neprotoxic, immunogenic, carcinogenic and teratogenic to human health. Early detection method in post-harvest of coffee and cocoa samples should be developed because of those negative effects. Early detection of fungal growth in agriculture and plantation products is the key to prevent the growth and ochratoxin production. This research aim was to produce antibody to develop a method of assembling the rapid detection device for OTA detection. In this research it could be concluded that the anti OTA polyclonal antibodies could be obtained from chicken eggs in the 4th period (7 weeks after the initial immunization). These antibodies showed anti ochratoxin reactivity using dot blot immunoassay and still showed anti OTA reactivity in 9th period (12 weeks after initial immunization). Anti-BSA antibodies might be removed in order to increase sensitivity to ochratoxin and separation could be conducted using BSA antibody absorption. OTA-OVA could be synthesized using active ester method using N-hydroxysucciimide and dicyclocarboimide. Characterization of the intermediate compound showed C=O stretching vibrational band at 1600 cm-1 and C-O stretching vibrational band at 1300-1000 cm-1. Antibody-nanogold particle conjugate was synthesized in optimum pH 9 and dilution antibody at 1:7.5 v/v. There was 50 nm absorbtion shift in visible absorbtion after the antibody conjugated with nanogold particle. Immunochromatographic test trip testing had not showed the very clear visualization yet dan cut off value 10 ppb, but it indicated this technique could be conducted to detect ochratoxin contamination."

"ABSTRAK Latar Belakang: Deteksi ovulasi sangat berguna ada kasus infertilitas. Dampak masalah ini di negara berkembang lebih berat daripada negara maju, karena selain menyebabkan penderitaan fisik juga dampak masalah psikososial. Ada berbagai metode sederhana untuk mendeteksi ovulasi diantaranya suhu basal tubuh dan lendir serviks. Berbagai data sensitivitas dan spesifisitas yang cukup baik pada kedua metode tersebut, sehingga bisa menjadi alternatif bagi pasien infertilitas di sarana kesehatan lini pertama. Penelitian ini bertujuan untuk menjadikan pemeriksaan suhu basal tubuh dan lendir serviks sebagai pemeriksaan alternatif dalam mendeteksi ovulasi terutama pada fasilitas kesehatan yang tidak mempunyai ultrasonografi.Metode: Penelitian potong lintang ini dilakukan di poliklinik RSUPN Dr. Ciptomangunkusumo pada tahun 2016-2017. Sebanyak 49 pasien perempuan infertilitas yang mempunyai siklus menstruasi yang normal diminta untuk berpartisipasi dan dilakukan pengukuran suhu basal tubuh, pengambilan sampel lendir serviks dan pemeriksaan ultrasonografi transvaginal. Dan data dikelompokkan menjadi 3 Hari Perkiraan Ovulasi HPO yaitu HPO-2, HPO dan HPO 2. Dilakukan uji diagnostik dan dilakukan perbandingan akurasi antara suhu basal tubuh, lendir serviks dan kombinasi keduanya.Hasil: Didapatkan hasil yang paling baik adalah akurasi lendir serviks dan kombinasi keduanya dengan hasil 65 . Dan yang paling rendah adalah suhu basal tubuh dengan hasil 59 Dengan suhu basal tubuh dalam mendiagnosis ovulasi memiliki sensitivitas 46,7 , spesifisitas 78,9 , dan akurasi 59 . Lendir serviks dalam mendiagnosis ovulasi memiliki sensitivitas 70 , spesifisitas 57,8 , dan akurasi 65 . Kombinasi suhu-lendir serviks dalam mendiagnosis ovulasi memiliki sensitivitas 46,67 , spesifisitas 94,73 , dan akurasi 65 .Kesimpulan: Pemeriksaan lendir serviks memiliki akurasi yang lebih baik dibanding dengan pemeriksaan suhu basal tubuh dalam mendeteksi ovulasi. Diperlukan penelitian mengenai validasi alat diagnostik ini pada masyarakat yang lebih luas dan bukan hanya pada kelompok yang mengalami infertilitas sehingga dapat diterapkan pada masyarakat umum.

---

ABSTRACTBackground Ovulation detection is particularly useful in cases of infertility. The impact of this problem in developing countries is more severe than developed countries, because in addition to physical suffering is also the impact of psychosocial problems. There are various simple methods to detect ovulation including measurement of basal body temperature and cervical mucus. Various data are sensitive and specific enough for both methods therefore these might act as alternative for infertility patients in primary health facilities. This study aims to make basal body temperature examination and cervical mucus as an alternative examination in detecting ovulation, especially in health facilities that do not have ultrasound.Methods This cross sectional study was conducted at outpatient clinic of RSUPN Dr. Cipto Mangunkusumo in the year 2016 2017. A total of 49 infertile female patients who had normal menstrual cycles were asked to participate and performed basal body temperature measurements, cervical mucus sampling and trans vaginal ultrasound examination. The data are subsequently grouped into 3 Days Estimated Ovulation DEO DEO 2 days, DEO and DEO 2 days. Diagnostic tests were performed and accurate comparison between basal body temperature, cervical mucus and a combination of both were later assessed.Results The best accuracy was found on cervical mucus and combination of both with 65 in detecting ovulation, whilst the lowest was basal body temperature 59 with sensitivity 46,7 , and specificity 78,9 . Cervical mucus in diagnosing ovulation has a sensitivity of 70 and specificity 57.8 . The combination of temperature cervical mucus in diagnosing ovulation has sensitivity of 46.67 and specificity of 94.73 .Conclusion Cervical mucus examination has better accuracy compared with basal body temperature examination in detecting ovulation. A further research for validating these diagnostic tools to the wider community and not only in patients with infertility is needed.Keywords Ovulation Detection, Body Basal Temperature, Cervical Mucus, Ultrasound, Infertility"

"Kebakaran hutan dan lahan merupakan bencana alam yang terjadi berulang hampir setiap tahun di Indonesia, dan mengakibatkan kerugian ekonomi yang besar maupun bagi lingkungan. Penggunaan data satelit penginderaan jauh dalam menurunkan informasi fire hotspot dapat digunakan untuk melakukan pemantauan kebakaran lahan gambut (peat) dan tanah mineral (non-peat) di Indonesia. Sistem pemantauan harian sangat diperlukan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan mitigasi bencana. Tujuan penelitian ini adalah membangun sebuah model filtering dan clustering untuk deteksi dini kebakaran hutan dan lahan di Indonesia dengan data sensor Visible Infrared Imaging Radiometer Suite (VIIRS) dari satelit Suomi NPP dan NOAA-20 menggunakan metode Euclidean distance. Model filtering dan clustering digunakan untuk menyederhanakan jumlah fire hotspot yang sangat bermanfaat bagi kepentingan di lapangan ketika terjadi kebakaran hutan dan lahan. Model filtering dilakukan dengan cara membangun peta hotspot per tahun dengan kejadian pengulangan melebihi suatu ambang batas, dan peta tersebut akan digunakan sebagai filter dari data fire hotspot yang dihasilkan. Model clustering dilakukan dengan menggunakan menghitung jarak Euclidean antar titik fire hotspot yang dihasilkan, jika jaraknya memenuhi 1,5 kali ukuran piksel maka titik fire hotspot tersebut akan dikelompokkan menjadi satu cluster. Nilai akurasi dievaluasi berdasarkan estimasi luas kebakaran, peta burned area, dan peta lahan gambut dari setiap kejadian kebakaran yang dilaporkan petugas lapangan. Hasil pengolahan dan analisis menunjukkan bahwa akurasi efektif pada data VIIRS yaitu pada jarak 1,5 km atau empat kali ukuran pikselnya dari pusat kebakaran. Akurasi deteksi secara umum untuk cluster hotspot (cluster-HS) dan titik hotspot (titik-HS) masing-masing sebesar 52% dan 53%. Untuk wilayah yang luasnya lebih dari 14 ha, akurasinya menjadi sangat baik yaitu sampai dengan sebesar 83%. Analisis dengan pemilahan lahan gambut dan tanah mineral menunjukkan cluster-HS berkinerja lebih baik di lahan gambut dengan akurasi sebesar 62% dibandingkan di lahan tanah mineral sebesar 57%. Tanpa mengurangi ketepatan pengamatan titik api, penelitian ini menunjukkan bahwa model dapat diandalkan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan. Oleh karena itu, model ini dapat diimplementasikan ke dalam pemantauan hotspot harian di Indonesia.

---

In Indonesia, forest and land fires are frequent natural catastrophes that do significant damage to the environment and economy. The use of remote sensing satellite data to derive fire hotspot information can be used to monitor peat and non-peat land fires in Indonesia. A daily monitoring system is very necessary to assist stakeholders in the field in taking disaster mitigation actions. The aim of this research is to build a filtering and clustering model for early detection of forest and land fires in Indonesia using Visible Infrared Imaging Radiometer Suite (VIIRS) sensor data from the Suomi NPP and NOAA-20 satellites using the Euclidean distance method. The filtering and clustering model is used to simplify the number of fire hotspots which is very useful for interests in the field when forest and land fires occur. The filtering model is carried out by building a persistent hotspot map per year with repeated events exceeding a threshold, and this map will be used as a filter for the resulting fire hotspot data. The clustering model is carried out by calculating the Euclidean distance between the resulting fire hotspot points. If the distance is 1.5 times the pixel size, the fire hotspot points will be grouped into one cluster. Accuracy values ​​are evaluated based on estimates of fire area, burned area maps, and peatland maps for each fire incident reported by field officers. The results of processing and analysis show that the effective accuracy of VIIRS data is at a distance of 1.5 km or four times the pixel size from the center of the fire. The general detection accuracy for hotspot clusters (cluster-HS) and hotspot points (point-HS) is 52% and 53%, respectively. For areas larger than 14 ha, the accuracy is very good, namely up to 83%. Analysis by separating peat and non-peat land shows that the HS-cluster performs better on peat land with an accuracy of 62% compared to 57% on non-peat land. Without reducing the accuracy of hotspot observations, this research shows that the model can be relied on to assist stakeholders in the field in taking action. Therefore, this model can be implemented into daily hotspot monitoring in Indonesia."

"This paper presents a lip and smile detection method based-on the normalized RGB chromaticity diagram. The method employs the popular Viola-Jones detection method to detect the face. To avoid the false positive, the eye detector is introduced in the detection stage. Only the face candidates with the detected eyes are considered as the face. Once the face is detected, the lip region is localized using the simple geometric rule. Further, the the red color thresholding based-on the normalized RGB chromaticity diagram is proposed to extract the lip. The projection technique is employed for detecting the smile state. From the experiment results, the proposed method achieves the lip detection rate of 97% and the smile detection rate of 94%.Paper ini menyajikan medote pendeteksi bibir dan senyum berdasarkan diagram tingkat kromatis RGB ternormalisasi. Metode ini menggunakan metode Viola-Jones yang populer untuk mendeteksi wajah. Untuk menghindari kesalahan positif, detektor mata diperkenalkan pada tahapan deteksi. Hanya kandidat wajah dengan mata yang telah terdeteksi yang dianggap sebagai wajah. Setelah wajah dideteksi, bagian bibir ditempatkan dengan menggunakan aturan geometris sederhana. Selanjutnya, batasan warna merah berdasarkan pada diagram kromatisitas RGB ternormalisasi digunakan untuk mengekstrak bibir. Teknik proyeksi digunakan untuk mendeteksi keadaan tersenyum. Dari hasil percobaan, metode yang diusulkan mencapai 97% untuk tingkat deteksi bibir dan 94% untuk tingkat deteksi senyum."

"Indonesia merupakan negara rawan gempa karena secara geografis indonesia terletak pada pertemuan empat lempeng tektonik. Karena ini, pengembangan sebuah sistem prediksi real-time gempa bumi yang mencakup wilayah yang luas dengan gempa bumi besar sangat dibutuhkan untuk mengurangi korban jiwa. Penelitian ini mengusulkan pembuatan sistem pendeteksi cepat kedatangan gelombang-p dan penentuan hiposenter dan magnitudo gempa menggunakan deep-learning. Pengembangan sistem berbasis web ini bertujuan untuk memperingati masyarakat agar dapat lebih dini untuk melindungi diri sebelum gempa terjadi. Menggunakan data dari BMKG, data yang kami gunakan mencakupi 1892 set data gempa pada tahun 2009–2017 dan 26 set data gempa dari Katalog BMKG Januari 2019, penelitian ini menggunakan algoritma STA/LTA dalam menemukan P-Arrival dan membandingkan tiga model pembelajaran mesin untuk memprediksi hiposenter gempa dimana model Conv1d digabung dengan LSTM dengan interval waktu 20 detik merupakan skenario model terbaik dengan memiliki mean absolute error sebesar 0.470. Selain itu, penelitian ini berhasil mengimplementasi sistem berbasis web yang dapat menampilkan visualisasi data dengan menggunakan websocket berdasarkan data seismik yang dikumpulkan oleh BMKG. Visualisasi data seismik ini ditampilkan menggunakan dynamic line chart dan peta web interaktif.

---

Indonesia is an earthquake-prone country because geographically Indonesia is located at the confluence of four tectonic plates. Therefore, the development of a real-time earthquake prediction system that covers large areas with large earthquakes is urgently needed to reduce fatalities. This study proposes the creation of a rapid detection system for the arrival of p-waves, hypocenters and earthquake magnitudes using deep-learning. The development of this web-based system is aimed at warning people so that they can protect themselves before an earthquake occurs. Using data from BMKG, we used 1892 earthquake data sets in 2009–2017 and 26 earthquake data sets from January 2019 BMKG Catalog, this research uses the STA/LTA algorithm to find P-Arrival and compares three machine learning models to predict the earthquake hypocenter where Conv1d model is combined with LSTM with a time interval of 20 seconds is the best model scenario with a mean absolute error of 0.470. In addition, this research succeeded in implementing a web-based system that can display data visualization using websocket based on seismic data collected by BMKG. This seismic data visualization is displayed using dynamic line charts and an interactive web map."

"Sistem deteksi aritmia otomatis sangat diperlukan karena keterbatsan dokter spesialis jantung di Indinesia. Paper ini akan mendiskusikan secara lengkap tentang studi dan implementasi dari sistem tersebut. Kami menggunakan berbagai macam metode pengolahan sinyal untuk mengenali aritmia berdasarkan sinyal ekg. Bagian utama dari sistem adalah klasifikasi. Kami menggukanakn jaringan syaraf tiruan berbasis LVQ yang meliputi LVQ1, LVQ2, LVQ2.1, FNLVQ, FNLVQ MSA, FNLVQ-PSO, GLVQ dan FNGLVQ. Hasil eksperimen menunjukkan untuk data non round robin tingkat akurasi sistem mencapai 94.07%, 92.54%, 88.09% , 86.55% , 83.66%, 82.29 %, 82.25%, dan 74.62%d berturut-turut untuk FNGLVQ, FNLVQ-PSO, GLVQ, LVQ2.1, FNLVQ-MSA, LVQ2, FNLVQ dan LVQ1. Sedangkan untuk data round robin tingkat akurasi sistem mencapai 98.12%, 98.04%, 94.31%, 90.43%, 86.75%, 86.12 %, 84.50%, dan 74.78% berturut-turut untuk GLVQ, LVQ2.1, FNGLVQ, FNLVQ-PSO, LVQ2, FNLVQ-MSA, FNLVQ dan LVQ1.

---

An automatic Arrythmias detection system is urgently required due to small number of cardiologits in Indonesia. This paper discusses only about the study and implementation of the system. We use several kinds of signal processing methods to recognize arrythmias from ecg signal. The core of the system is classification. Our LVQ based artificial neural network classifiers based on LVQ, which includes LVQ1, LVQ2, LVQ2.1, FNLVQ, FNLVQ MSA, FNLVQ-PSO, GLVQ and FNGLVQ. Experiment result show that for non round robin dataset, the system could reach accuracy of 94.07%, 92.54%, 88.09% , 86.55% , 83.66%, 82.29 %, 82.25%, and 74.62% respectively for FNGLVQ, FNLVQ-PSO, GLVQ, LVQ2.1, FNLVQ-MSA, LVQ2, FNLVQ and LVQ1. Whereas for round robin dataset, system reached accuracy of 98.12%, 98.04%, 94.31%, 90.43%, 86.75%, 86.12 %, 84.50%, and 74.78% respectively for GLVQ, LVQ2.1, FNGLVQ, FNLVQ-PSO, LVQ2, FNLVQ-MSA, FNLVQ and LVQ1."

"Saat ini, teknologi komputer 3D semakin berkembang pesat khususnya dengan hadirnya library OpenGL yang memudahkan programmer membuat bentukbentuk 3D dalam aplikasi. Selain untuk game dan film, teknologi tersebut juga diaplikasikan pada virtual reality. Untuk mewujudkan unsur real dalam suatu simulasi virtual, hal yang perlu diperhatikan adalah kualitas grafis, suara, kemampuan user untuk berinteraksi dengan aplikasi, kontrol, dan algoritmaalgoritma yang mendukungnya, salah satunya adalah collision detection. Algoritma ini memungkinkan avatar tidak dapat menembus objek dan memudahkan pemograman aplikasi-aplikasi lain yang interaktif. Dalam skripsi ini dibuat suatu virtual musium yang interaktif dan terlihat real dengan menggunakan Croquet untuk membuat tampilan 3 dimensi.Tujuan utama dalam skripsi ini adalah mengimplementasikan objek interaktif dan algoritma collision detection pada musium virtual. Dalam virtual musium yang dibuat, user dapat berinteraksi dengan objek-objek tertentu. Objek-objek ini didefinisikan dengan suatu class baru, misalnya pintu musium, manuskrip, dan lift. Selain itu, juga terdapat objek yang melakukan animasi, seperti langit yang dapat berubah dan jam dinding. Untuk menambah kesan real, ditambahkan algoritma collision detection, yaitu algoritma yang mencegah avatar menembus benda. Algoritma collision detection bekerja dengan membandingkan posisi avatar sebelum dan sesudah bergerak dengan posisi tempat terjadinya tabrakan, kemudian memundurkan avatar sebagai respons dari adanya tabrakan tersebut.Objek patung yang terdapat di dalam musium diimpor dari file model 3D berformat .ase. Aplikasi kemudian diuji coba oleh 10 pemakai yang menjadi responden penelitian. Pengguna sistem yang melakukan uji coba yang kebanyakan kurang familiar dengan bahasa pemograman yang digunakan untuk membuat aplikasi (rata-rata 2 dari skala 5) menilai musium secara keseluruhan cukup baik, dengan rata-rata 3 dari skala 5. Pengguna juga cukup puas dengan kehadiran beberapa objek yang disimulasikan dan objek lain yang dapat berinteraksi dengan mereka (rata-rata 4 dari skala 5), begitu pula dengan kinerja collision detection, dengan rata-rata 4 dari skala 5.

---

Nowadays, computer 3D technology grows rapidly especially for OpenGL library which enable programmer to easily make 3D shapes. In addition to gaming and film, this technology can be applied for virtual reality. Graphic quality, sound quality, user ability to interact with applications, controls, and algorithms which support virtual simulation are very important in virtual reality. Collision detection is the new feature introduced in this works. These algorithms make avatar can not penetrate some objects and interactive application programming can be made easily.

The purpose of this work is implement interactive virtual museum using Croquet. 3D virtual reality application can be made with this engine. In this virtual museum, users can interact with certain objects. These objects will be defined with a new class. These objects are museum door, manuscript, and lift. On the other hand, there are animated object, such as changing sky and clock. Collision detection algorithm has been added in this work, to make Croquet approve to reality. This algorithm will prevent avatar from penetrating objects.

This museum design is implemented in Croquet with primitive shapes in Croquet utility. The statues in this museum are imported from 3D formatted file with extension .ase. This application was tested by ten users. It was found that the users does not accustom to programming language used in application (approximately on scale 2 from 5), appreciate the overall of museum good enough (approximately on scale 3 from 5). The users also satisfied with the interaction of the simulated objects with them (approximately on scale 4 from 5), also with the work of collision detection (approximately on scale 4 from 5)."

"Pada dasarnya Intrusion Detection System (IDS) memonitor aktivitas lalu lintas jaringan yang mencurigakan, IDS merespon kejanggalan / anomaly lalu lintas jaringan yang dianggap berbahaya dengan melakukan tindakan seperti memblokir alamat Internet Protokol sumber intrusi. IDS mempunyai berbagai metode mendeteksi paket lalu lintas data yang mencurigakan, ada yang berbasis jaringan disebut Network Based Intrusion Detection System (NBIDS) dan yang lainnya berbasis host disebut Host Based Intrusion Detection System (HBIDS). HBIDS berbasis anomaly memonitor besarnya bandwidth, port dan protokol apa yang digunakan, pada paket lalu lintas data inbound dan outbound kemudian membandingkan pola paket lalu lintas data terhadap baseline HBIDS, bila terdeteksi terjadi anomaly dari perangkat jaringan akan mengirim alert kepada pengguna atau administrator untuk melakukan tindakan pencegahan terhadap intrusi jaringan. Simulasi ini mendapatkan data analisa kinerja HBIDS sebesar 18,56% lebih baik dari kondisi Snort.

---

Basically Intrusion Detection System (IDS) monitors network activity for suspicious traffic, the IDS responds to irregularities / anomalies of network traffic that is considered dangerous to perform actions such as blocking Internet Protocol address of the source intrusion. IDS has a variety of methods to detect packet data traffic is suspicious, there is a network-based so-called Network Based Intrusion Detection System (NBIDS) and the other so-called host-based Host Based Intrusion Detection System (HBIDS).

HBIDS based anomaly monitors the amount of bandwidth, what ports and protocols used, the packet data traffic inbound and outbound packets then comparing traffic patterns against baseline data HBIDS, when the detected anomaly occurs from the network device will send alerts to the user or administrator to perform actions prevention against network intrusion. This simulation analysis of performance data HBIDS get for 18.56% better than the condition of Snort."