Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebangkitan Kecerdasan Buatan (AI) telah mendorong banyak sektor pekerjaan untuk berkembang atau berisiko menjadi kuno. Industri penerjemahan tidak terkecuali. Artikel ini bertujuan untuk mempraktikkan penerjemahan pascahumanis dengan Gemini. Studi ini bertujuan untuk menunjukkan kelebihan dan kekurangan dari terjemahan yang dihasilkan oleh AI melalui penerjemahan puisi tradisional: yang diperoleh dan yang hilang dalam terjemahan, serta bagaimana prompt engineering dapat mempengaruhi hasil terjemahan dari beberapa Pantun Nasihat, Agama, dan Adat yang dipilih dari Pantun Melayu: Masa Silam dan Masa Kini (2008). Untuk tujuan ini, modifikasi analisis multi-fitur dan empat pendekatan dalam penerjemahan puisi yang dikemukakan oleh Holmes (1970) dalam Eesa (2008) akan diterapkan. Temuan menunjukkan bahwa kinerja Gemini dalam menerjemahkan masih tidak konsisten, tetapi adanya potensi untuk menjadi alat yang kuat jika mendapat bimbingan yang tepat. Bimbingan ini, dalam bentuk masukan yang diterima, yang harus dilakukan oleh penerjemah manusia yang akrab dengan genre teks dan konvensi teks yang ingin mereka terjemahkan.

---

The rise of Artificial Intelligence (AI) has incited many job sectors to evolve or risk obsolescence. The translation industry is no exception. The article aims to put posthumanist translation into practice with Gemini. The study aims to show the advantages and drawbacks of AI-generated translations through the translation of traditional poetry: what is gained and what is lost in translation, and how prompt engineering could affect the results of the translation of select pantuns of Wisdom (Nasihat), Religion (Agama), and Customs (Adat) extracted from Pantun Melayu: Masa Silam dan Masa Kini (2008). For this purpose, a modification of the multi-feature analysis and the four approaches in poetry translation as propounded by Holmes (1970) in Eesa (2008) will be applied. Findings indicate that Gemini’s performance in translating is still inconsistent, but it does have the potential to be a powerful tool if it received the right guidance. This guidance, in the form of the input it receives, must be done by a human translator who is familiar with the textual genre and conventions of the text they wish to translate.

"

"

Kecerdasan buatan atau Artificial Intelligence (AI) banyak berkembang dalam sektor-sektor seperti: speech recognition, computer vision, Natural Language Processing, dll. Salah satu sektor penting yang banyak dikembangkan oleh peneliti adalah Speech Emotion Recognition atau pengenalan emosi berdasarkan suara manusia. Penelitian ini semakin berkembang karena timbul sebuah tantangan bagi manusia untuk memiliki interaksi mesin dan manusia yang lebih natural yaitu suatu mesin yang dapat merespon emosi manusia dengan memberikan balasan yang tepat juga. Perancangan Speech Emotion Recognition pada penelitian ini menggunakan dataset berupa fitur ekstraksi audio MFCC, Spectrogram, Mel Spectrogram, Chromagram, dan Tonnetz serta memanfaatkan metode Transfer Learning VGG-16 dalam pelatihan modelnya. Dataset yang digunakan diperoleh dari pemotongan audio dari beberapa film berbahasa Indonesia dan kemudian audio yang diperoleh diekstraksi fitur dalam kelima bentuk fitur yang disebut sebelumnya. Hasil akurasi model paling baik dalam penelitian ini adalah model transfer learning VGG-16 dengan dataset Mel Spectrogram yaitu dengan nilai akurasi 56.2%. Dalam pengujian model dalam pengenalan setiap emosi, f1-score terbaik diperoleh model transfer learning VGG-16 dengan dataset Mel Spectrogram dengan f1-score yaitu 55.5%. Skala mel yang diterapkan pada ekstraksi fitur mel spectrogram berpengaruh terhadap baiknya kemampuan model dalam mengenali emosi manusia.

---

Artificial Intelligence has been used in many sectors, such as speech recognition, computer vision, Natural Language Processing, etc. There was one more important sector that has been developed well by the scientists which are Speech Emotion Recognition. This research is developing because of the new challenge by human to have a better natural interaction between machines and humans where machines can respond to human’s emotions and give proper feedback. In this research, to create the speech emotion recognition system, audio feature extraction such as MFCC, Spectrogram, Mel Spectrogram, Chromagram, and Tonnetz were used as input, and using VGG-16 Transfer Learning Method for the model training. The datasets were collected from the trimming of audio from several Indonesian movies, the trimmed audio will be extracted to the 5 features mentioned before. The best model accuracy is VGG-16 with Mel Spectrogram dataset which has reached 56.2% of accuracy. In terms of recognizing the emotion, the best f1-score is reached by the model VGG-16 with Mel Spectrogram dataset which has 55.5% of f1-score. Mel scale that is applied to the feature extraction of mel spectrogram affected the model’s ability to recognize human emotion.

"

"Sektor perikanan Indonesia merupakan salah satu sektor penting bagi kemajuan perekonomian Indonesia dikarenakan Indonesia yang memiliki luas laut yang sangat besar dan SDA ikan yang berlimpah. Namun, sampai saat ini perdagangan ikan ilegal masih sering terjadi di kalangan nelayan yang biasanya dilakukan di atas kapal walaupun sudah ada petugas pengawas. Untuk mengatasi masalah ini perlu adanya sistem pengawasan dengan menggunakan kamera CCTV dan artificial intelligence di atas kapal dengan harapan dapat mengurangi resiko kecurangan petugas setempat dan meningkatkan efektivitas pengawasan penangkapan ikan. Penelitian ini berfokus untuk mencari model dengan menyesuaikan beberapa hyperparameter untuk mendapatkan hasil yang terbaik dengan menggunakan algoritma YOLOv6 untuk object detection dan YOLOv8 untuk segmentation. Penelitian ini mendapatkan model terbaik untuk object detection menggunakan YOLOv6 dengan nilai mAP @0,5 sebesar 0,833, mAP @0,5-0,95 sebesar 0,63, F1-score sebesar 0,861 dan FPS 92 dan segmentation menggunakan YOLOv8 menghasilkan nilai mAP mask @0,5 sebesar 0,804, mAP mask @0,5-0,95 sebesar 0,426, mAP box @0,5 sebesar 0,843, dan mAP box @0,5-0,95 sebesar 0,561. Kedua versi YOLO tersebut dapat mengklasifikasi jenis ikan yang ditangkap oleh nelayan dengan harapan dapat mempermudah proses pencatatan dan penyimpanan data hasil penangkapan ikan.

---

The Indonesian fisheries sector is one of the important sectors for the progress of the Indonesian economy because Indonesia has a very large sea area and abundant fish resources. However, until now illegal fish trade is still common among fishermen, which is usually carried out on boats even though there are supervisors. To overcome this problem, it is necessary to have a surveillance system using CCTV cameras and artificial intelligence on board so that it will reduce the risk of fraud by local officers and increase the effectiveness of fishing supervision. This research focuses on finding a model by adjusting several hyperparameters to get the best results using the YOLOv6 algorithm for object detection and YOLOv8 for segmentation. This study found the best model for object detection using YOLOv6 with a mAP @0.5 value of 0.833, mAP @0.5-0.95 of 0.63, F1-score of 0.861 and FPS 92 and segmentation using YOLOv8 produces a mAP mask value @0.5 is 0.804, mAP mask @0.5-0.95 is 0.426, mAP box @0.5 is 0.843, and mAP box @0.5-0.95 is 0.561. The two YOLO versions can classify the types of fish caught by fishermen in the hope of facilitating the process of recording and storing data on fishing results."

"Perkembangan Artificial Intelligence (AI) sudah berkembang pesat. Dari ketiga arah pengembangan AI yakni computer vision, speech processing dan natural language processing. Speech processing memiliki tren paling rendah di antara ketiga pengembangan tersebut. Meskipun begitu pengembangan di bidang speech processing seperti speech recognition dan keyword spotting sudah banyak di implementasikan seperti model keyword spotting menggunakan Convolutional Neural Network (CNN) di microcontroller, mobile device dan perangkat lainnya. Namun CNN saja belum tentu menghasilkan akurasi yang tinggi maka dicoba Depthwise Separable Convolutional Neural Network (DSCNN) untuk mendapatkan hasil dengan akurasi yang lebih tinggi. Pengembangan model keyword spotting belum banyak diimplementasikan di edge device lainnya, yang dimaksud dengan edge device yaitu perangkat sederhana di sisi pengguna yang kemampuan komputasinya terbatas. Dengan menggunakan DSCNN menunjukkan nilai F1 score yang dibandingkan dengan model CNN. Model DSCNN menghasilkan model dengan nilai F1 score paling optimal dengan 4 layer konvolusi depthwise separable, menggunakan filter konvolusi sebanyak 256 dengan jumlah filter konvolusi depthwise 512 menggunakan optimizer RMSprop dan menggunakan batch size berukuran 126. Dari hasil pengujian dapat diketahui bahwa secara umum DSCNN menghasilkan F1 score yang lebih baik dibandingkan CNN yaitu sebesar 31,8% dengan CNN sebesar 28,35%. Namun DSCNN menggunakan sumber daya yang lebih banyak dan lebih lama waktu responsnya.

---

The development of Artificial Intelligence (AI) has grown rapidly. Of the three directions of AI development, namely computer vision, speech processing, and natural language processing. Speech processing has the lowest trend among the three developments. However, many developments in speech processing such as speech recognition and keyword spotting have been implemented, such as the keyword spotting model using the Convolutional Neural Network (CNN) in microcontrollers, mobile devices, and other devices. However, CNN alone does not necessarily produce high accuracy, so a Depthwise Separable Convolutional Neural Network (DSCNN) is used to get results with higher accuracy. The development of the keyword spotting model has not been widely implemented in other edge devices, which is meant by edge devices, namely simple devices on the user's side with limited computing capabilities. Using DSCNN shows the F1 score which is compared with the CNN model. The DSCNN model produces a model with the most optimal F1 score with 4 layers of convolution depthwise separable, using a convolution filter of 256 with a convolution depthwise filter of 512 using the RMSprop optimizer and using a batch size of 126. From the test results, in general DSCNN produces F1 score which is better than CNN, which is 31,8% with CNN at 28,35%. However, DSCNN uses more resources and a longer response time."

"Skripsi ini membahas tentang peran dan identitas ilustrator di tengah maraknya penggunaan AI Art. Keberadaan AI Art yang mampu menciptakan ilustrasi secara otomatis telah menimbulkan pertanyaan kritis apakah kehadiran kecerdasan buatan ini akan menggantikan peran tradisional ilustrator di masa depan. Metode penelitian yang digunakan dalam skripsi ini adalah wawancara mendalam dengan tiga subjek yang merupakan ilustrator berpengalaman, serta dilakukan observasi terhadap aktivitas mereka di media sosial. Hasil penelitian ini menunjukkan bahwa pemahaman dan pandangan beragam para ilustrator tentang potensi mereka akan digantikan oleh AI. Ilustrator meyakini memiliki kelebihan tersendiri dibandingkan dengan AI yang mendasari tindakan mereka dalam membuat ilustrasi yang berbeda dengan hasil ilustrasi buatan AI.

---

This paper discusses the role and identity of the illustrator in the midst of the widespread use of AI Art. The existence of AI Art which is able to create illustrations automatically has raised a critical question whether the presence of artificial intelligence will replace the traditional role of the illustrator in the future. The research method used for this paper is in-depth interviews with three subjects who are experienced illustrators, as well as observing their activities on social media. The results of this study show that illustrators has diverse understanding and views of their potential will be replaced by AI. Illustrators believe they have their own advantages compared to AI which underlies their actions in making illustrations that are different from the illustrations made by AI."

"Dewasa ini, tidak dapat dipungkiri bahwa teknologi telah berkembang pesat dan digunakan secara masif di seluruh dunia. Mesin kecerdasan buatan atau AI pada masa ini mampu memenuhi berbagai macam kebutuhan manusia. Saat ini, sudah hadir generative AI dengan bentuk chatbot yang mampu menjawab pertanyaan dalam bentuk prompt dari manusia sebagai pengguna. Namun, tentunya perkembangan pesat kecerdasan buatan ini tidak bersifat sempurna. Dalam beberapa situasi, terjadi kesalahan dalam perkembangan kecerdasan buatan dan hal tersebut justru berpotensi untuk merugikan manusia, contohnya terjadinya pencemaran nama baik dalam chatbot seperti yang terjadi pada tahun 2023 di Amerika Serikat. Situasi tersebut pastinya akan menimbulkan beberapa macam ketidakpastian, salah satunya adalah pihak yang akan bertanggungjawab dalam hal terjadinya kesalahan hasil dari mesin kecerdasan buatan. Perumusan penulisan akan membahas lebih lanjut mengenai kedudukan generative AI di Indonesia dan Amerika Serikat sampai dengan tanggung jawab terhadap performa AI yang dianggap mencemarkan nama baik. Penulisan penelitian ini dilakukan dengan metode penelitian hukum doktrinal yang disusun lebih lanjut dengan pendekatan analisis yuridis normatif, yaitu dengan berfokus kepada kaidah-kaidah norma hukum dan penerapannya.

---

Today, technology has developed rapidly and is used massively throughout the world. Today's artificial intelligence or AI machines are able to fulfil various human needs. Currently, generative AI is available in the form of chatbot which is able to answer questions in the form of prompts from humans as users. However, of course, the rapid development of artificial intelligence is not perfect. In several situations, errors occur in the development of artificial intelligence and has the potential to harm humans, for example defamation in chatbots as happened in 2023 in the United States. Such situation will inevitably create several kinds of uncertainty, one of which is determining who will be held responsible when errors arise as the results of artificial intelligence systems. The formulation of this paper will discuss the standing of generative AI in Indonesia and the United States, including responsibility for AI performance that is considered defamatory. The writing of this study is reviewed with doctrinal research method, developed with a normative juridical analysis approach, focusing on legal norms and the application of legal norms."

"Artificial Intelligence (AI) telah berkembang sangat pesat sehingga sudah sering terlihat dan digunakan secara umum oleh masyarakat. Salah satu jenis AI yang sering digunakan adalah speech recognition terutama keyword spotting yang disebabkan karena pandemi COVID-19. Implementasi keyword spotting dapat diterapkan pada lift sebagai sistem navigasi agar para pengguna lift tidak perlu melakukan kontak pada tombol, melainkan dapat menggerakkan lift hanya dengan mengucapkan lantai yang dituju. Metode untuk melakukan implementasi keyword spotting pada sistem lift dapat dilakukan dengan banyak metode, namun pada skripsi ini, metode yang diujikan adalah CNN (Convolutional Neural Network) dan MHAtt RNN (Multihead Attention Recurrent Neural Network). Penelitian yang dilakukan memiliki batasan untuk setiap metode agar dapat melakukan klasifikasi enam keyword dan melihat performa kedua metode dalam berbagai skenario yang dapat terjadi dalam lift. Dalam pembentukan model dari MHAtt RNN, dapat diketahui bahwa model memiliki performa terbaik ketika dibentuk dengan jumlah head untuk attention sebesar 8 dan LSTM dengan jumlah unit sebanyak 32. Pelatihan pada model dilakukan menggunakan optimizer Adam dengan learning rate sebesar 0.001 dan decay 0.005 agar pelatihan dapat menghasilkan model yang paling baik. Setelah melakukan pengujian pada berbagai skenario yang dapat terjadi di dalam sebuah lift, didapatkan hasil bahwa secara keseluruhan model CNN memiliki performa yang lebih baik dibandingkan model MHAtt RNN karena memiliki nilai F1-score dan precision yang lebih tinggi.

---

Artificial Intelligence (AI) has grown so rapidly that it has often been seen and used in general by the public. One type of AI that is often used is speech recognition, especially keyword spotting caused by the COVID-19 pandemic. The implementation of keyword spotting can be applied to elevators as a navigation system so that elevator users do not need to make contact with buttons but can move the elevator just by saying the intended floor. There are many methods to implement keyword spotting in elevator systems, but in this thesis, the methods tested are CNN (Convolutional Neural Network) and MHAtt RNN (Multihead Attention Recurrent Neural Network). The research conducted has limitations for each method in order to be able to classify six keywords and see the performance of both methods in various scenarios that can occur in an elevator. In forming the model from MHAtt RNN, it can be seen that the model has the best performance when it is formed with the number of heads for attention of 8 and the LSTM with the number of units of 32. The training on the model is carried out using the Adam optimizer with a learning rate of 0.001 and a decay of 0.005 so that the training can produce the best models. After testing on various scenarios that can occur in an elevator, the results show that the CNN model overall has better performance than the MHAtt RNN model because it has a higher F1-score and precision."

"This Festschrift published in honor of Vladimir Lifschitz on the occasion of his 65th birthday presents 39 articles by colleagues from all over the world with whom Vladimir Lifschitz had cooperation in various respects. The 39 contributions reflect the breadth and the depth of the work of Vladimir Lifschitz in logic programming, circumscription, default logic, action theory, causal reasoning and answer set programming."

"Penelitian ini menyelidiki integrasi Unreal Engine 5 dengan teknologi AI canggih, OpenAI dan ElevenLabs, untuk meningkatkan interaksi manusia-komputer melalui pembuatan gerakan berbasis aturan pada agen virtual. Penggunaan Unreal Engine 5 memungkinkan penciptaan lingkungan virtual beresolusi tinggi, yang sangat penting untuk interaksi agen yang realistis. Pengembangan sistem berbasis aturan sederhana yang mensintesis gerakan berdasarkan aturan yang telah ditentukan yang selaras dengan input yang diucapkan, dinilai dengan model lainnya. Sebuah studi komparatif, yang terinspirasi oleh Tantangan GENEA 2022, dilakukan untuk menilai efektivitas sistem yang diusulkan. Studi ini melibatkan studi pengguna di mana para partisipan menilai kemiripan manusia dan kesesuaian gerakan yang dihasilkan oleh sistem dengan model berbasis aturan, sistem model acak, model ground truth, dan model idle. Studi ini menggunakan model agen virtual yang sama untuk memastikan kondisi visual dan auditori yang konsisten di semua skenario pengujian. Temuan ini menunjukkan bahwa pembuatan gerakan berbasis aturan secara signifikan meningkatkan kealamian dan kontekstualitas interaksi agen virtual dibandingkan dengan 3 metode generasi gerakan lainnya. Hal ini mendukung potensi pendekatan terstruktur dalam menghasilkan interaksi yang lebih menarik dan realistis dalam lingkungan virtual. Penelitian ini diharapkan dapat memberikan kontribusi pada bidang desain agen virtual, dengan menekankan pentingnya mengintegrasikan teknik-teknik berbasis AI yang canggih untuk meningkatkan kualitas interaksi manusia-komputer.

---

This research investigates the integration of Unreal Engine 5 with advanced AI technologies, OpenAI and ElevenLabs, to enhance human-computer interaction through rule-based gesture generation on a virtual agent. Employing Unreal Engine 5 enables the creation of high-fidelity virtual environments, crucial for realistic agent interactions. The development of a simple rule-based system that synthesizes gestures based on predefined rules aligned with spoken inputs, is assessed against different models. A comparative study, inspired by the GENEA Challenge 2022, was conducted to evaluate the effectiveness of the proposed system. This involved a user study where participants rated the human likeness and appropriateness of gestures generated by rule-based, randomized systems, ground truth, and idle. The study utilized the same virtual agent model to ensure consistent visual and auditory conditions across all test scenarios. The findings demonstrated that rule-based gesture generation significantly enhances the perceived naturalness and contextuality of virtual agent interactions compared to the other 3 methods of gesture generation. This supports the potential of structured approaches in producing more engaging and realistic interactions in virtual environments. The research hopes to contribute to the field of virtual agent design, emphasizing the importance of integrating sophisticated AI-driven techniques to improve the quality of human-computer interaction."

"Teknologi yang disebut sebagai AI (Artificial Inteligence atau kecerdasan buatan) diciptakan dengan tujuan agar manusia dapat berinteraksi dengan algoritma dan program yang kompleks namun dengan komunikasi yang natural layaknya berbicara dengan manusia lain. Serupa teknologi lain, AI memiliki kelebihan dan kekurangan yang tampak sebagai hasil dari interaksi antara manusia dengan AI, seperti yang tampak pada film pendek Unter Druck. Unter Druck merupakan sebuah film pendek yang dibuat oleh kanal YouTube Filmakademie Baden-Württemberg, yang menceritakan seorang seniman amatir yang meraih kesuksesan dengan bantuan mesin fotokopi yang memiliki kemampuan berpikir layaknya sebuah AI. Penelitian ini akan membahas tentang interaksi dan dampak dari interaksi antara manusia dengan AI yang tergambarkan pada film tersebut. Penelitian ini menggunakan teori mengenai paradoks yang menjelaskan tentang adanya kekecewaan yang ada dikarenakan perkembangan AI yang maju dan tingkat produktivitas yang tidak meningkat oleh Erik Brynjolfsson, Daniel Rock, dan Chad Syverson, dan teori lain mengenai jenis-jenis AI, pentingnya perkembangan AI bagi hidup manusia, dan apa yang bisa dilakukan untuk mengembangkan AI oleh Philip Boucher. Hasil penelitian menunjukkan bahwa interaksi antara manusia dengan AI dapat menguntungkan bagi manusia dalam berbagai aspek bila interaksi tersebut merupakan interaksi yang sehat, namun bila kekurangan AI seperti ketidakmampuan untuk menyaring informasi tidak diperbaiki, interaksi antara manusia dengan AI dapat berakibat fatal bagi manusia. Selain itu, sifat manusia yang serakah juga dapat berkontribusi terhadap munculnya interaksi yang tidak sehat antara manusia dengan AI, yang dapat berakibat buruk bagi manusia.

---

The technology known as AI (Artificial Intelligence) was created with the aim that humans can interact with complex algorithms and programs with natural communication processes as easy as talking to other humans. Like other technologies, AI certainly has advantages and disadvantages that will be shown as a result of the interaction between humans and AI, as seen in the short film Unter Druck. Unter Druck is a short film made by the YouTube channel Filmakademie Baden-Württemberg, which tells of an amateur artist who achieves success with the help of a photocopy machine that has the ability to think and act like an AI. Therefore, this study will discuss the interactions and impacts of the said interactions between humans and AI depicted in the film. This study uses a theory that explains of a certain paradox that dictates that there is a disappointment regarding the stagnant state of productivity, while AI developments has reached the point where it has never seen before by Erik Brynjolfsson, Daniel Rock, and Chad Syverson, and another theory by Philip Boucher that explains the many categories of AI, why AI is important for human lives, and what can we do to improve AI. The results of the study show that the interaction between humans and AI can benefit humans in various aspects if the interaction is a healthy interaction, but if AI deficiencies such as the inability to filter information are not corrected, the interaction between humans and AI can be fatal for humans. Aside from that, certain the human trait of greed can also contribute to the rising of such an unhealthy interaction between humans and AI, an interaction that can have an unpleasant result for humans.

"