Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 106520 dokumen yang sesuai dengan query
cover
Ajeng Pramastuty
Aplikasi Pada Android Menggunakan Algoritma Berbasis Rumah Sakit = Application in Android for Queue Management Systemt Using Hospital-Based Algorithm
"Antrian menjadi hal yang tak terpisahkan dari kegiatan sehari- hari, terutama pada rumah sakit yang dengan kompleksitasnya sering membuat pasien terlibat antrian dalam pelayanannya. Kerja antrian tidak terlepas dari algoritma penjadwalan yang bekerja dibelakangnya untuk mengatur antrian atau dalam hal ini dengan kata lain algoritma penjadwalan adalah algoritma berbasis rumah sakit. Penelitian ini memfokuskan diri pada membangun sistem manajeman antrian pada lingkungan rumah sakit dengan memanfaatkan algoritma penjadwalan FCFS, Priority dan SPFuntuk mendapatkan waktu tunggu antrian yang terbaik. Pemanfaatan teknologi ponsel pintar berbasis Android yang saat ini penjualannya mendominasi secara global dapat menunjang flesibilitas aksesnya. Tujuan yang ingin dicapai dari tesis ini adalah bagaimana algoritma penjadwalan dapat dimanfaatkan untuk menghasilkan waktu tunggu antrian yang lebih pendek serta mengaplikasikannya pada sebuah aplikasi ponsel pintar berbasis Android pada lingkungan pelayanan kesehatan rumah sakit. Hipotesis awal mengharapkan bahwa penggunaan algoritma penjadwalan FCFS, Priority dan SPF pada sistem antrian berbasis Android dapat memperpendek total waktu tunggu antrian. Hasil pengujian penggunaan algoritma penjadwalan pada sistem menajemen antrian yang disimulasikan berdasarkan data pengamatan lapangan menunjukkan bahwa ada pengurangan total waktu tunggu antrian, namun nilai signifikansinya menunjukan perbedaan tidak bermakna antara kelompok antrian lama dengan kelompok antrian menggunakan algoritma penjadwalan.
Queue has becomes inseparable from our daily life activities, especially in hospital with its complexity often makes patients involved in the long waiting line. A queues work based on scheduling algorithms that work behind it to manage the queue or in this research scheduling algorithms can also be called Hospital – Based olgorithm. This study focuses on to build queue management system in a hospital environment by utilizing the scheduling algorithm FCFS , Priority and SPF to get the best queue waiting time. Utilization of an Android-based smart phone technology that currently dominates global sales to support the access flexibility. The aim of this thesis is how the scheduling algorithm can be used to generate a shorterqueue waiting time and apply it on an Android-based smart phone application in healthcare environments. Initial hypothesis expects that the use of scheduling algorithms FCFS, Priority and SPF on Android -based queuing system can shorten the total waiting time. Test results that is simulated by a data field observations indicate that there is a reduction in the total queue wait time,but significancy value indicate that diffrences not significant meaning"
Jakarta: Sekolah Kajian Stratejik dan Global Universitas Indonesia, 2014
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Muhammad Akha Dewantoro
Implementasi algoritma regression machine learning pada aplikasi pemantauan kondisi kendaraan roda empat berbasis android dan cloud untuk memperkirakan kondisi komponen kendaraan menggunakan OBD II = Implementation of the regression machine learning algorithm in android and cloud-based four-wheeled vehicle condition monitoring application to estimate condition of vehicle components using OBD II
"ABSTRAK
Industri 4.0 telah membuat industri otomotif di dunia mengalami pertumbuhan dan lebih memperhatikan pengemudi yang diklasifikasikan sebagai generasi muda atau modern. Hal tersebut telah mendorong industri otomotif Indonesia sebagai produsen terbesar kedua setelah Thailand di Asia Tenggara untuk mempertimbangkan minat pengemudi generasi muda dalam teknologi digital untuk mengakses data kendaraan, memeriksa dan mendiagnosis kondisi komponen. Internet of Things sebagai istilah dalam teknologi digital memiliki dampak pada pengurangan biaya pemeliharaan dan meningkatkan siklus hidup kendaraan yang merupakan kegiatan penting bagi kendaraan. Salah satunya adalah penggunaan algoritma machine learning yang telah banyak digunakan dalam mendiagnosis masalah kendaraan. Untuk menjadwalkan kegiatan pemeliharaan, algoritma machine learning yang digunakan adalah metode regresi yang akan diperbandingkan dengan perhitungan empirikal rumus. Sebuah perangkat diagnosa dibuat untuk memberikan informasi kendaraan secara real-time menggunakan sambungan yang sudah tersedia pada kendaraan. Informasi tersebut kemudian digunakan
untuk memprediksi kondisi komponen pada kendaraan. Perangkat terhubung dan menyimpan data di cloud. Kemudian pengemudi dapat mengawasi kondisi kendaraan secara langsung melalui smartphone dengan hasil perhitungan baik secara empirikal maupun menggunakan machine learning yang telah diverifikasi oleh uji verifikasi untuk memperbarui program perhitungan dalam mengurangi nilai kesalahan. Perhitungan pada aplikasi tersebut diperoleh dengan melakukan pengujian berdasarkan perilaku berkendara. Kondisi komponen yang diamati memberikan penurunan sebesar 1.35% - 2.38% untuk komponen penyaring udara dengan nilai MAE dan MSE berturut-turut
sebesar 0.117 dan 0.017 yang terbesar terjadi pada perilaku Eco. Komponen pelumas juga mengalami penurunan sebesar 2.38% - 36.32% dengan nilai MAE dan MSE secara berturut-turut adalah 0.237 dan 0.082 yang terbesar terjadi pada perilaku Normal. Secara menyeluruh, aplikasi dapat dipercaya memprediksi kondisi komponen dengan tingkat kesalahan pada komponen penyaring udara dan pelumas berturut-turut adalah 0.3163% dan 0.2367%.
ABSTRACT
Industry 4.0 has made the automotive industry in the world experience growth and pay more attention to drivers who are classified as young or modern generation. This has pushed the Indonesian automotive industry as the second largest producer after Thailand in Southeast Asia to consider the interest of young generation drivers in digital technology to access vehicle data, examine and diagnose component conditions. Internet of Things as a term in digital technology has an impact on reducing maintenance costs and increasing vehicle life cycles which are important activities for vehicles. One of them is the use of machine learning algorithm which has been widely used in diagnosing vehicle problems. To schedule maintenance activities, the machine learning algorithm used is a regression method that will be compared with the empirical calculation of the formula. A diagnostic device is made to provide vehicle information in real-time using the connection
that is already available on the vehicle. The information is then used to predict the condition of the components on the vehicle. The device is connected and stores data in the cloud. Then the driver can monitor the condition of the vehicle directly through a smartphone with the results of calculations both empirically and using machine learning that has been verified by a verification test to update the calculation program in reducing the error value. Calculations in the application were gained by doing test based on driving behavior. Observed component condition had decreasing value around 1.35% - 2.38% for air filter component with MAE and MSE number 0.117 and 0.017 respectively which the
biggest error occurred at Eco behavior. Engine lubricant also experienced decreasing value around 2.38% - 36.32% with MAE and MSE number 0.237 and 0.082 respectively which the biggest error occurred at Normal behavior. Overall, the application can reliably
predict component conditions with an error rate in the air filter and lubricant components respectively 0.3163% and 0.2367%."
Depok: Fakultas Teknik Universitas Indonesia, 2020
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Rizky Ramadian Wijaya
Pengembangan aplikasi android pendeteksi kantuk dengan menggunakan kamera pada Smarpthone berbasis OpenCV = Development of android application to detect drowsiness using camera on Smartphone based on OpenCV
"Perancangan sistem ini dibangun dengan bentuk aplikasi menggunakan kamera yang terdapat pada smartphone untuk mendapatkan citra digital lalu diolah dengan pustaka OpenCV. Pengolahan dilakukan dengan metode Haar Cascade Classifiers untuk mendapat daerah mata, lalu dengan menggunakan kontour, blur, tresholding, keadaan mata dilacak untuk mendeteksi tanda kantuk yang berupa mata tertutup. Aplikasi diuji kecepatan pengolahan dengan pengimplementasian pengembangan optimasi region of interest, nilai ambang HSV, pengaruh kondisi cahaya, dan karakteristik mata.
Hasil yang didapatkan menunjukan bahwa dengan memberikan optimasi algoritma kepada sistem yang sudah ada dapat meningkatkan kecepatan pengolahan. Nilai ambang HSV optimal yang didapatkan bermulai dengan V=10 atau 20 dengan selisih tinggi 15 atau 20. Aplikasi memiliki tingkat kegagalan 11.11% pada kondisi pencahayaan dan gagal saat malam. Dari pengujian pengaruh kacamata, didapatkan tidak bahwa kacamata tidak berpengaruh besar dengan tingkat keberhasilan 94.44% untuk pengguna kacamata.
The development of this system is built as an application that uses the camera built in smartphones to get digital images which will be processed using the OpenCV library. In the process, Haar Cascade Classifier is used to find the region of interest of the eye, which will then be tracked using contour, thresholding, and blur to detect signs of drowsiness which are closed eyes. The application is tested based on the optimization made on the algorithm, the value for HSV thresholding, the effect of light on different times, and on the characteristic of the eye.
The results show that the optimization made has caused significant speed up on the processing in comparison to existing algorithm. The HSV threshold found to be the most effective is V=10 or 20 with a difference of 15 or 20 to the upper limit.  The effect of light causes 11.11% chance of failure especially when its night without lights. The characteristic of the eye, whether there are glasses or not, does not make a big difference and still has a 94.44% chance of success."
Depok: Fakultas Teknik Universitas Indonesia, 2019
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Aldinisa Rahma Sabillah
Pengembangan Sistem Penilaian Ujian Lisan (SIPENILAI) Bahasa Jepang Menggunakan Algoritma Winnowing Berbasis Android = Development of Oral Test Examination and Grading System in Japanese (SIPENILAI) Using Winnowing Algorithm Android Based
"ABSTRAK
Dalam penelitian ini, dibahas penerapan Algoritma Winnowing dalam Pengembangan Sistem Penilaian Pengucapan Bahasa Jepang (SIPENILAI). Algoritma Winnowing adalah sebuah algoritma berbasis fingerprint yang digunakan untuk menilai tingkat kemiripan dari dua buah teks. Masukkan dari sistem ini berupa suara yang kemudian diubah menjadi teks dengan speech recognition Julius. Pertama, dokumen yang telah ditangkap oleh Julius akan diproses untuk mendapatkan nilai hash masing-masing. Setiap kata memiliki nilai hash yang berbeda, digunakan algoritma Rolling Hash untuk mencari nilai hash tersebut. Dari kumpulan nilai hash dipilih nilai hash minimum sebagai fingerprint. Kedua dokumen teks yang telah diwakili fingerprint, akan dibandingkan kesamaannya menggunakan Cosine Similarity. Akurasi yang didapatkan sistem mencapai 90.33%.
ABSTRACT
In this research, discussed the application of the Counteract Algorithm in the Development of Japanese Language Assessment System (SIPENILAI). Counteracting Algorithm is a fingerprint-based algorithm used to assess the degree of similarity of two texts. Julius. First, documents that have been taken by Julius will be processed to get their respective hash values. Each word has a different hash value, used the Rolling Hash algorithm to find the hash value. From the collection of hash values the minimum hash value is chosen as the fingerprint. The two text documents that have the fingerprint represented, will be compared offered using Cosine Similarity. The accuracy obtained by system is 90.33%."
Depok: Fakultas Teknik Universitas Indonesia, 2020
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
R. Ahmad Imanullah Zakariya
Pengembangan dan Analisis Metode Penilaian Risiko Privasi pada Aplikasi Mobile Berbasis Android Menggunakan Multiple Application Attributes = Development and Analysis Privacy Risk Assessment Method for Android-Based Mobile Applications Using Multiple Application Attributes
"Pengembangan aplikasi yang tidak dilengkapi dengan informasi detail mengenai aspek keamanan aplikasi menyebabkan pengguna mengalami kesulitan untuk menilai dan memahami risiko keamanan privasi yang mereka hadapi, sehingga banyak informasi sensitif yang terungkap tanpa sepengetahuan pengguna. Penelitian ini mengembangkan desain penilaian risiko privasi melalui pendekatan analisis statik dengan memanfaatkan permission dan beberapa atribut aplikasi (multiple application attributes), serta menggunakan majority voting ensemble learning dengan menerapkan teknik pemilihan fitur Random Forest Feature Importance untuk mendeteksi keamanan aplikasi. Nilai risiko diperoleh dari sebuah matriks risiko yang dibentuk dari dua aspek penilaian, yaitu frekuensi terjadinya risiko (likelihood) dan tingkat keparahannya (severity). Penilaian likelihood dilakukan dengan mengkombinasikan prediksi ensemble learning dan atribut aplikasi, sementara penilaian severity berdasarkan pada karakteristik dan jumlah permission. Untuk mengevaluasi model pembelajaran dan desain penilaian risiko privasi digunakan dataset CIC-AndMal2017 yang terdiri dari 2126 file APK. Jumlah data yang digunakan untuk membentuk model memiliki proporsi 80% data training dan 20% data testing, serta metode klasifikasi data yang digunakan adalah binary class (malicious dan benign). Penelitian ini menerapkan bahasa pemrograman Python dan menggunakan parameter default pada proses pembentukan model pembelajaran. Hasil percobaan menunjukkan bahwa model ensemble learning yang dibentuk dari algoritma Decision Tree, K-Nearest Neighbor, dan Random Forest memiliki performa model yang lebih baik dibandingkan single classification model, dengan accuracy sebesar 95.2%, precision 93.2%, dan F1-Score sebesar 92.4%. Penerapan teknik pemilihan fitur mampu meningkatkan efisiensi waktu selama pembelajaran model dengan total waktu sebesar 263 ms. Serta, hasil penilaian risiko mampu memberikan informasi yang komprehensif dan logis mengenai keamanan privasi aplikasi kepada pengguna. Hal ini menunjukkan bahwa desain penilaian risiko yang dibuat dapat menilai aplikasi secara efektif dan objektif.
Lack of detailed information about the application's security aspects leads to the user's inability to assess and understand the risk of privacy breaches and leads to the disclosure of a great deal of sensitive information without the user's knowledge. This study proposes a privacy risk assessment development through employing static analysis with permission and multiple application attributes and using majority voting ensemble learning with the Random Forest Feature Importance technique to detect app security. The risk score is obtained from a risk matrix based on two assessment aspects, namely the frequency of risk (likelihood) and its severity. The likelihood assessment is performed by combining ensemble learning predictions and information on multiple application attributes, while the severity assessment is performed by utilizing the number and characteristics of permissions. The dataset CIC-AndMal2017, which consists of 2126 APK files, was used to evaluate learning models and privacy risk assessment design. The amount of data used to build models consists of 80% data training and 20% data testing, while the data classification method used is binary class (malicious and benign). This study employs Python programming and implements default parameters in building a learning model. The experimental results show that ensemble learning model built from Decision Tree, K-Nearest Neighbor, and Random Forest algorithms provides better model performance than single classification models with accuracy of 95.2%, precision of 93.2%, and F1-Score of 92.4%. By applying feature selection technique, it could improve the efficiency of time used to learn the model with a total time of 263 milliseconds. Moreover, the results of the risk assessment provide comprehensive and rational information about the security of application privacy to users. This shows that the risk assessment design can assess the applications effectively and objectively. "
Jakarta: Fakultas Teknik Universitas Indonesia, 2023
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Jidan Dhirayoga Gumbira
Pengembangan Sistem Face Recognition pada Aplikasi Ujian Berbasis Android AyoTest Menggunakan FaceNet untuk Meningkatkan Efektivitas Pengawasan Ujian Berbasis Daring = Face Recognition System Development on Android-Based Examination Application AyoTest using FaceNet to Increase Effectiveness in Online Examination Proctoring
"Skripsi ini membahas tentang pengembangan sistem face recognition yang diaplikasikan pada aplikasi ujian berbasis Android yang diberi nama AyoTest menggunakan FaceNet. Tujuan dari dikembangkannya AyoTest sendiri adalah untuk membantu tenaga pengajar dalam meningkatkan efektivitas pengawasan ujian yang dilakukan secara daring. Penelitian ini diharapkan dapat membantu dalam meningkatkan efektivitas pengawasan ujian daring dengan menggunakan face recognition untuk mengotomatisasi sebagian besar dari kegiatan pengawasan yang sebelumnya harus dilakukan secara manual oleh tenaga pengajar. Berdasarkan hasil penelitian, didapatkan bahwa implementasi sistem face recognition dari aplikasi AyoTest dapat digunakan untuk meningkatkan efektivitas pengawasan ujian, di mana pada proses face authentication akurasi yang didapatkan adalah sebesar 100% bahkan ketika peserta ujian hanya memiliki 1 foto pada basis data wajah dan nilai false negative dan false positive pada proses face monitoring yang tercatat hanya sebesar 16,67% dan 22,22% untuk 18 partisipan yang berhasil melaksanakan ujian.
This bachelor thesis discusses the system development of face recognition applied to an Android-based examination application called AyoTest using FaceNet. The purpose of the development of AyoTest itself is to assist teaching staff in increasing the effectiveness of conducting online examinations. This research is hoped to assist in increasing the effectiveness of examination proctoring with face recognition to automate most of the supervisions that previously had to be conducted manually by teaching staff. Based on the results of the research, it was found that the implementation of the face recognition system from the AyoTest application can be used to increase the effectiveness of examination proctoring, where the accuracy score obtained in the face authentication process is 100% even if the examinee only has 1 photo in the face database and the false negative and false positive scores in the face monitoring process were recorded at only 16.67% and 22,22% for 18 participants who successfully carried out the examination."
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ilham Darmawan Candra Purnama
Pengembangan Aplikasi Layanan Psikologi Berbasis Android Menggunakan Metode Open Unified Process (OpenUP) = Development of Android-Based Psychology Service Application Using Open Unified Process (OpenUP)
"Pada karya ilmiah ini dilakukan pengembangan aplikasi layanan psikologi berbasis Android dengan metode pengembangan Open Unified Process (OpenUP). Pengembangan dilakukan menggunakan OpenUP untuk membuktikan sifat agile dan ringan dari metode tersebut. Selain itu, metode pengembangan juga harus mendukung terciptanya kualitas produk yang baik. Kerangka kerja OpenUP diterapkan pada versi 1.5.0.4 yang meliputi peran, tugas, artefak, dan komponen lainnya selama pengembangan aplikasi berlangsung. Dari hasil evaluasi, metode pengembangan OpenUP dinilai cukup efektif berdasarkan jumlah peran yang diemban, use case yang diimplementasikan, dan artefak yang dihasilkan. Selain itu, kualitas aplikasi yang dihasilkan juga cukup baik berdasarkan kompatibilitas, performa, dan survei dari responden. Dengan hasil evaluasi tersebut, diharapkan OpenUP dapat menjadi salah satu metode pengembangan yang banyak digunakan dan aplikasi yang dihasilkan dapat memberikan manfaat serta dapat dikembangkan lebih lanjut.
Development of Android-based psychology service application using Open Unified Process implemented in this scientific work. The purpose of the development using OpenUP is to prove the agile dan lightweight characteristic of the method. Furthermore, development method should bolster the quality of the result product. OpenUP version 1.5.0.4 framework implemented including role, task, artifact, and other components during the application development. From the evaluation, OpenUP method provides a quite effective result based on role acquired, use case implemented, and artifact produced. It also produces well-quality application based on compatibility, performance, and survey response. With that result, OpenUP is expected to be a widely used development method and the application produced could bring benefits while also to be further developed."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Alvito Ikramu Walidain
Analisis Deteksi Malware pada Aplikasi Berbasis Android Application Package (APK) dan IOS Appstore Package (IPA) Menggunakan Framework MobSF dengan Metode Hybrid = Analysis of Malware Detection in Android-Based Applica- tion Package (APK) and IOS Appstore Package (IPA) Using MobSF Framework with Hybrid Method
"Penelitian ini bertujuan untuk mendeteksi dan menganalisis malware pada aplikasi berbasis Android Application Package (APK) dan iOS Appstore Package (IPA) menggunakan MobSF. Penelitian ini mengadopsi metode hybrid, yang meng- gabungkan pendekatan statik dan dinamik, guna memberikan pandangan yang lebih menyeluruh tentang aspek keamanan aplikasi mobile. Pada pendekatan statik, MobSF menganalisis file aplikasi tanpa mengeksekusinya sehingga dapat mende- teksi potensi malware melalui pemeriksaan source code dan struktur file. Seba- liknya, pendekatan dinamik melibatkan eksekusi aplikasi di emulator untuk me- mantau perilaku runtime-nya, memungkinkan deteksi ancaman yang hanya muncul saat aplikasi dijalankan. Penelitian ini melibatkan pengujian terhadap berbagai je- nis aplikasi yang diunduh di luar platform resmi penyedia aplikasi, seperti Google Play Store dan AppStore, dengan fokus pada akurasi MobSF dalam mendeteksi malware. Penelitian ini menggunakan sampel file APK dan IPA dengan penya- maran yang digunakan oleh malware untuk mengelabui sistem deteksi keamanan. Hasil analisis akan dievaluasi untuk mengukur keberhasilan MobSF dalam mende- teksi dan mengidentifikasi malware. Hasil penelitian menunjukkan bahwa MobSF mendeteksi adanya 15.38% false positive pada sampel APK dan 100% false positive pada sampel IPA. Hasil ini mengindikasikan bahwa MobSF mampu mendeteksi be- berapa ancaman, tetapi juga menghasilkan sejumlah false positive yang perlu diper- hatikan. Hasil penelitian ini dapat menjadi dasar untuk pengembangan dan per- baikan tool analisis malware yang lebih efektif dalam menghadapi ancaman yang terus berkembang di ekosistem perangkat mobile.
This research aims to detect and analyze malware in Android Application Package (APK) and iOS Appstore Package (iOS Appstore Package) using MobSF. This research adopts a hybrid method, which combining static and dynamic approaches, to provide a more comprehensive view of the security aspects of mo- bile applications. In the static approach, MobSF analyzes application files without executing them so that it can de- detect potential malware through examining the source code and file structure. In contrast, the dynamic approach involves executing the application on an emulator to monitor its runtime behavior, enabling the detec- tion of threats that only emerge when the application is executed. This research involved testing different types of apps downloaded outside of official app provider platforms, such as the Google Play Store and AppStore, with a focus on MobSF’s accuracy in detecting malware. The research utilized samples of APK and IPA files with the disguises used by malware to trick security detection systems. The re- sults analysis will be evaluated to measure the success of MobSF in detecting and identifying malware. The analysis results show that MobSF detected 15.38% false positives in APK samples and 100% false positives in IPA samples. These findings indicate that while MobSF can detect some threats, it also produces a number of false positives that need to be addressed. This research is expected to provide in- sight into about MobSF’s reliability in detecting and analyzing APK- and IPA-based malware attacks, as well as providing further understanding of the advantages and disadvantages of static and dynamic approaches in security analysis. The results of this research can serve as a basis for the development and improvement of malware analysis tools that are more effective in dealing with evolving threats in the mobile device ecosystem."
Depok: Fakultas Teknik Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Muhammad Zidan Arsyad
Aplikasi Android untuk Pemantauan Performa dan Throughput pada Jaringan menggunakan Packet Sniffing Tools = Android Application for Performance and Throughput Monitoring in a Network using Packet Sniffing Tools
"Pandemi global COVID-19 mendorong digitalisasi di seluruh dunia. Digitalisasi di berbagai aktivitas memicu pertambahan pengguna internet dengan pesat. Penambahan pengguna meningkatkan kebutuhan akan aplikasi pengecekan performa layanan internet. Pada saat ini, terdapat beberapa aplikasi untuk melakukan pengukuran performa internet, misalnya aplikasi Speedtest. Aplikasi tersebut menguji parameter konektivitas internet, seperti ping, jitter, serta kecepatan download dan upload. Namun, aplikasi itu tidak menyediakan penjelasan terkait istilah teknis yang dapat dipahami pengguna awam. Aplikasi Network Checker berbasis Java yang penulis kembangkan menggunakan fitur pengukuran performa internet dari LibreSpeed. Penulis juga menyediakan penjelasan mengenai istilah-istilah teknis tersebut dalam halaman bantuan. Selain itu, aplikasi ini memiliki fitur untuk mendeteksi persentase throughput. Fitur tambahan tersebut diterapkan dengan basis packet sniffer TCPDUMP. Besar data hasil tangkapan TCPDUMP per detiknya diubah menjadi persentase terhadap kecepatan download maksimal. Hasil pengujian Network Checker dengan aplikasi resmi LibreSpeed memiliki perbedaan di bawah 15% untuk ping dan download speed; perbedaan 21,9% dan 39,5% untuk jitter dan upload speed. Pengujian persentase throughput menunjukkan perbedaan hanya sebesar 0,29%. Pembandingan Network Checker dengan Speedtest memperlihatkan perbedaan ping dan download speed tidak lebih dari 8%; jitter dan upload speed sebesar 25,68% dan 58,16%. Aplikasi Network Checker unggul dalam segi fitur dibandingkan dengan Speedtest, namun dengan server yang terbatas.
The global COVID-19 pandemic was driving digitalization around the world. Digitization in various activities triggered the rapid increase in internet users. In addition to users increases, the need for internet service performance checking applications also grew. Currently, there are several applications to measure internet performance, such as the Speedtest application. This application tests internet connectivity parameters, such as ping, jitter, and download and upload speeds. However, the application does not provide explanations related to technical terms that can be understood by ordinary users. The Java-based Network Checker application that the author developed uses the internet performance measurement feature of LibreSpeed. The author also provides explanations of these technical terms in the help page. Furthermore, this application has a feature to detect the throughput percentage. These additional features are implemented on the basis of the TCPDUMP packet sniffer. The size of the TCPDUMP captured data per second is converted into a percentage of the maximum download speed. The test results of Network Checker with the official LibreSpeed application have a difference of under 15% for ping and download speeds; difference of 21.9% and 39.5% for jitter and upload speed. Throughput percentage testing shows a difference of only 0.29%. Comparison of Network Checker with Speedtest shows the difference in ping and download speed is not more than 8%; jitter and upload speed of 25.68% and 58.16%. The Network Checker application excels in features compared to Speedtest, but with limited servers."
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Josef Eric
Implementasi Kontrak Pintar pada Aplikasi Berbasis Android dalam Mekanisme Pencegahan Covid-19 = Implementation of Smart Contract on Android Based Application in Covid-19 Prevention Mechanism
"Blockchain yaitu buku besar publik yang terdesentralisasi, terdistribusi secara digital yang ada di seluruh jaringan dapat digunakan untuk memfasilitasi proses pencatatan transaksi. Blockchain dapat diterapkan pada aplikasi android dalam membantu industri medis seperti untuk memantau dan mencegah penularan Covid-19. Salah satu teknologi Blockchain yaitu smart contract dengan kode bekerja persis seperti yang diprogram dan tak dapat diubah di blockchain Ethereum. Pencegahan penularan Covid-19 dapat dilakukan dengan metode contact tracing yaitu metode penyimpanan data yang berisi informasi tempat dan waktu yang telah dikunjungi oleh pengguna. Pada penelitian ini akan dibangun aplikasi berbasis android dengan bahasa pemrograman Java dengan penerapan smart contract untuk menyimpan data hasil proses contact tracing dalam bentuk transaksi untuk memantau dan mencegah penularan Covid-19. Pengujian akan dilakukan pada smart contract dan performa aplikasi contact tracing. Pengujian pada smart contract dilakukan sebelum dengan menggunakan alat audit smart contract dan sesudah di sebarkan pada jaringan pengujian Ethereum menggunakan Remix IDE untuk berinteraksi dengan smart contract. Pengujian performa aplikasi contact tracing dilakukan dengan melakukan perbandingan performa dengan aplikasi PeduliLindungi dalam matriks penggunaan CPU, Frame Per Second (FPS) yang didapatkan dan App startup time atau waktu mulai aplikasi. Hasil pengujian pada smart contract yang didapatkan adalah smart contract yang aman dari serangan perentas, tidak ada bug dan efisien dalam biaya yang digunakan. Sedangkan hasil pengujian pada performa aplikasi yang didapatkan adalah perbandingan performa aplikasi contact tracing yang telah dirancang dengan performa aplikasi contact tracing yang telah ada
Blockchain is a decentralized, digitally distributed public ledger that exists throughout the network and can be used to facilitate the process of transaction records. Blockchain can be applied to Android applications to assist the medical industry such as to monitor and prevent the transmission of Covid-19. One of Blockchain technology is smart contracts with code that works exactly as programmed and immutable on the Ethereum blockchain. Prevention Covid-19 transmission can be carried out using the contact tracing method, namely the data storage containing information on places and times that have been visited by the user. In this study, an Android based application will be built with Java programming language with implementation of smart contracts to store data the results of the contact tracing process in the form of transactions to monitor and prevent Covid-19 transmission. Tests will be carried out on smart contracts and performance contact tracing applications. Testing on smart contracts is carried out before using a smart contract audit tool and after deploying it on the Ethereum test network using the Remix IDE to interact with the smart contract. Testing the performance of the contact tracing application is carried out by doing the following: performance comparison with PeduliLindungi app in usage matrix CPU, Frame Per Second (FPS) earned and App startup time start application. The test results on the smart contract obtained are smart contracts that are safe from hacker attacks, no bugs and cost efficient. While the test results on the application performance obtained are a comparison of the performance of the contact tracing application that has been designed with the performance of existing contact tracing applications."
Depok: Fakultas Teknik Universitas Indonesia, 2022
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>