Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rust adalah bahasa pemrograman sistem yang dikenal akan fitur keamanannya seperti ownership dan borrowing yang menjamin keamanan pada memori. Namun tidak semua keamanan dijamin oleh compiler Rust. Salah satunya karena adanya keyword unsafe yang tidak dicek oleh compiler. Prusti adalah alat verifikasi formal untuk bahasa Rust. Penelitian ini bertujuan untuk mengevaluasi seberapa akurat Prusti dalam memverifikasi program Rust. Eksperimen dilakukan dengan melakukan uji coba pada topik seperti conditional, operasi matematika, recursion, loop, indexing, borrowing dan fungsi unsafe. Program tersebut diverifikasi menggunakan Prusti lalu keluaran dari verifikasi dibandingkan dengan hasil yang diharapkan. Hasil penelitian menunjukkan Prusti akurat dalam memverifikasi program sederhana, namun memiliki keterbatasan untuk menangani fitur Rust yang belum didukung oleh Prusti seperti keyword unsafe. Untuk penelitian lanjutan, disarankan memperluas cakupan eksperimen ke fitur Prusti lainnya. Meskipun demikian, penelitian ini telah menunjukkan potensi Prusti dalam meningkatkan jaminan keamanan program Rust.

---

Rust is a systems programming language known for its safety features such as ownership and borrowing that guarantee memory safety. However, not all security aspects are guaranteed by the Rust compiler. The presence of the unsafe keyword allows code to bypass compiler checks. Prusti is a formal verification tool for the Rust language. This study aims to evaluate the accuracy of Prusti in verifying Rust programs. Experiments were conducted by evaluating topics such as conditionals, mathematical operations, recursion, loops, indexing, mutable borrows, and unsafe functions. The programs were verified using Prusti, and the outputs were compared with the expected results. The results show that Prusti is quite accurate in verifying simple programs but has limitations regarding Rust features that are not yet supported by Prusti, such as unsafe code. For further research, it is suggested to expand the scope of experiments to other Prusti features. Nevertheless, this study has demonstrated Prusti’s potential in enhancing the security assurances of Rust programs."

"Rust adalah bahasa pemrograman yang dirancang untuk mengatasi permasalahan memory safety tanpa mengorbankan performa. Penelitian terdahulu telah membuktikan bahwa Rust memiliki CPU Time yang lebih cepat dibandingkan bahasa C, meskipun penggunaan memorinya sedikit lebih besar. Namun demikian, bukan berarti Rust hadir tanpa cacat, masih banyak catatan CVE yang dipublikasikan atas nama bahasa pemrograman ini tanpa terkecuali mengenai permasalahan memory safety. Pada tugas akhir ini, penulis melakukan penyelidikan terhadap catatan-catatan CVE mengenai Rust dengan tujuan untuk memahami karakteristik dari isu memory safety pada bahasa pemrograman Rust. Penelitian ini menemukan bahwa Uninitialized Memory Access menjadi kategori may- oritas diantara tiga kategori lainnya dalam dataset yang digunakan. Temuan ini berbeda dengan hasil yang diperoleh penelitian terhadulu, yang telah melakukan penyelidikan serupa mengenai hal ini. Selain itu, penelitian ini juga menemukan bahwa mayoritas kode proof-of-concept yang disediakan dalam catatan CVE mampu untuk memvalidasi dan mereproduksi permasalahan yang dimaksud. Dengan dibuatnya penelitian ini, diharapkan supaya pembaca dapat memahami kode Rust yang berpotensi menyebabkan isu memory safety sehingga dapat membuat kode Rust yang lebih aman.

---

Rust is a programming language design to prevent memory-safety issues without sacri cing performance. Previous research has proven that Rust has a faster CPU Time compared to the C language, although it’s memory usage is slightly larger. However, this does not mean that Rust is without aws, as there are still many CVE records published in the name of this programming language, including those regarding memory safety issues. In this nal project, the author investigates CVE records related to Rust with the aim of understanding the characteristics of memory safety issues in the Rust programming language. This research found that Uninitialized Memory Access is the majority category among three other categories in the dataset used. This result is differs from the previous research, which conducted similar investigations on this matter. Additionaly, this research also found that the majority of proof-of-concept codes provided in the CVE records are capable to validating and reproducing the mentioned issue. With this work, it is hoped that readers can understand Rust code that has the potential to cause memory safety issues, so that enabling them to write safer Rust code."

"ABSTRAKProses pembelajaran menjadi sangat mendasar dalam kehidupan kita. Melalui pembelajaran akan terbentuk karakter dan kualitas seseorang. Proses pembelajaran yang baik dan benar merupakan suatu keharusan dalam mencapai tujuan pembelajaran. Tujuan belajar dapat terpenuhi dengan baik ketika siswa merasa puas dengan proses belajar yang ada saat ini. Proses pembelajaran dapat mencakup metode, model, dan strategi pembelajaran. Perkembangan teknologi telah menyebar ke seluruh industri. Pengembangan teknologi membuat ketertarikan masyarakat untuk belajar bahasa pemrograman menjadi lebih tinggi, namun nyatanya, banyak siswa yang belajar tentang komputer, kurang memiliki kemampuan dalam memecahkan masalah dan berpikir logis yang menjadi dasar pembelajaran bahasa pemrograman. Masalah ini mungkin terjadi karena proses pembelajaran yang tidak semestinya, seperti penggunaan metode atau model atau strategi pembelajaran yang salah. Oleh karena itu diperlukan suatu metode pembelajaran yang dapat memenuhi kepuasan siswa dalam mempelajari bahasa pemrograman. Penelitian ini ingin menguji kepuasan siswa dengan menggunakan peta konsep dalam mempelajari bahasa pemrograman.Peserta dipilih dengan mendistribusikan formulir pendaftaran melalui beberapa media sosial menggunakan formulir Google. Peserta diminta mengisi formulir yang menyatakan kemauan untuk mengikuti penelitian sampai penelitian berakhir. Empat puluh sembilan orang mendaftar, tapi hanya 35 yang dinyatakan valid. Penulis menggunakan analisis korelasi dan analisis Pearson dalam menganalisa data. Hasil yang diperoleh bahwa faktor keandalan dalam peta konsep adalah faktor yang memiliki pengaruh paling tinggi terhadap kepuasan siswa. Sedangkan unsur berwujud adalah pengaruh terendah terhadap kepuasan siswa. Sementara itu, kegunaan dan kualitas informasi merupakan faktor yang memiliki dampak tinggi pada kepuasan siswa setelah keandalan. Selanjutnya diikuti oleh kredibilitas, empati, dan kepastian. Secara keseluruhan, semua faktor memiliki efek positif pada kepuasan siswa. Dapat disimpulkan bahwa siswa merasa puas dengan penggunaan peta konsep dalam mempelajari bahasa pemrograman.

---

ABSTRACTThe learning process is fundamental in our life. Through learning, it will form the character and quality of a person. An excellent and correct learning process is a must in achieving the learning objectives. Learning goals can be met well when students are satisfied with the current learning process. The learning process can include methods, models, and learning strategies. Technological developments that have spread throughout the industry. Development of technology makes the community interest in learning programming language becomes higher, but in fact, many students who learn about computers have less ability in problem solving and logical thinking which is the basis of learning programming languages. This problem may occur due to the improper learning process, the use of methods or models or learning strategies are wrong. Therefore, it takes a learning method that can meet the student`s satisfaction in learning the programming language. This study wants to examine student rsquo s satisfaction using the concept map in learning programming languages.Participants were chosen by distributing the registration form through some social media using Google form. Participants are requested to fill the willingness to follow the research until the study ends. Forty nine people were registering, but only 35 were declared valid. The author uses Pearson correlation and regression analysis in analyzing the data. The results obtained that the reliability factor in the concept map is the factor that has the highest influence on student satisfaction. While the tangible element is the lowest influence on student satisfaction. Meanwhile, Usability and information quality are factors that have a high impact on student satisfaction after reliability. Furthermore, followed by credibility, empathy, and assurance. Overall, all factors have a positive effect on student satisfaction. It can be concluded that students are satisfied with the use of the concept map in learning programming languages."

"Departemen Teknik Elektro Universitas Indonesia sejak tahun 2007 telah mengembangkan sistem penilaian esai otomatis yang dinamakan dengan Simple-O. Simple-O menggunakan metode Latent Semantic Analysis LSA untuk membandingkan dua esai dengan cara mengekstrak esai tersebut menjadi matriks. Pengembangan sebelumnya dari Simple-O adalah penambahan Learning Vector Quantization LVQ yang merupakan metode dari artificial neural network. Skripsi ini akan membahas serta memberikan analisis terkait pengaruh penambahan fungsi persamaan kata pada sistem penilaian esai otomatis Simple-O terhadap akurasi dari program itu sendiri. Untuk melihat pengaruh penambahan fungsi persamaan kata pada sistem penilaian esai otomatis Simple-O ini, maka dilakukan lima skenario berbeda. Skenario tersebut adalah dengan memvariasikan jumlah keywords yang ada pada esai jawaban menjadi sejumlah 100, 80, 60, dan 20 mendekati jumlah keywords jawaban referensi. Dari hasil pengujian yang telah dilakukan, terdapat skenario yang mengalami penurunan akurasi dan kenaikan akurasi. Jika disimpulkan, rata-rata akurasi program Simple-O setelah penambahan fungsi persamaan kata mengalami peningkatan. Namun, peningkatan rata-rata akurasi yang terjadi tidak terlalu signifikan, peningkatan rata-rata akurasi yang terjadi setelah penambahan fungsi persamaan kata adalah sebesar 5.4 dari 90.9 menjadi 96.3.

---

Department of Electrical Engineering Universitas Indonesia has developed an automatic essay grading system called Simple O since 2007. Simple O uses the Latent Semantic Analysis LSA method to compare two essays by extracting the essay into matrix. The previous development of Simple O is the addition of Learning Vector Quantization LVQ which is a method of artificial neural network. This research will discuss and provide analysis related to the effect of adding word similarity function to the automatic essay grading system Simple O to the accuracy of the system itself. The experiment will be conducted with five different scenarios by varying the number of keywords in the students answer essay to 100, 80, 60, 40, and 20 of the reference essay keywords. According to the result, there are scenarios that has decreased and increased in accuracy. The average accuracy of the Simple O system after the addition of word similarity function has increased, though not significant. The average increase in accuracy after the addition of word similarity function is 5.4 from 90.9 to 96.3."

"Pengembangan sistem pendeteksi plagiarisme dibuat untuk mengatasi masalah plagiarisme yang kerap terjadi pada dunia akademis. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwi bahasa Indonesia-Inggris dengan Bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan Bahasa Inggris sebagai karya tulis referensinya. Sistem menerapkan algoritma winnowing yang dilengkapi dengan metode penerjemah bahasa Googletrans API dan similar words. Algoritma winnowing merupakan algoritma yang dapat mendeteksi kesamaan antar teks dengan menggunakan fingerprint yang didapat dari proses hashing karakter teks. Penelitian dilakukan untuk meningkatkan akurasi sistem dan mengetahui metode penilai kesamaan teks yang akurat. Dari hasil penelitian, didapatkan bahwa parameter terbaik algoritma winnowing secara umum terdapat saat nilai k-window = 5 dan nilai basis bilangan prima bernilai 3. Parameter n-gram bernilai kecil akan lebih akurat pada teks yang memiliki jumlah kata lebih sedikit dan/atau tingkat plagiarisme tinggi dan sebaliknya. Tingkat akurasi sistem pendeteksi plagiarisme otomatis dwi bahasa yang dikembangkan berkisar antara 75.02 hingga 99.51. Metode Cosine Similarity menjadi metode penilai kesamaan teks terbaik dari hasil penelitian ini. Selain itu, metode penerjemahan Googletrans API juga memberikan kelebihan dalam hal akurasi dan kelengkapan data kamus dibandingkan dengan metode kamus terjemahan database.

---

The development of plagiarism detection system is made to overcome the problem of plagiarism that often occurs in the academic world. In this thesis, an automatic plagiarism detection system on bilingual digital paper Indonesian English is created with Indonesian is used as the tested paper and English as the reference paper. The system implements the winnowing algorithm that comes with the Googletrans API language translator method and similar words. Winnowing algorithm is an algorithm that can detect similarity between text by using fingerprint obtained from hashing process of text character. The study was conducted to improve system accuracy and to know accurate method of text equality assessment.

From the study result, it is found that the best parameter of winnowing algorithm is generally occured when the value of k window 5 and the base value of the prime number is 3. The smaller value of n gram parameter will be more accurate in text that has fewer word counts and or high plagiarism levels and vice versa. The accuracy level of the automatic plagiarism detection system in the developed language ranged from 75.02 to 99.51 .

The Cosine Similarity method is the best method of text equality assessment according to results of this study. In addition, the Googletrans API translation method also provides advantages in terms of accuracy and completeness of dictionary data as compared to database translation dictionary method."