Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode penelusuran sinar ( ray tracing ) merupakan sebuah metode yang banyak digunakan didalam tomografi untuk memperoleh sebuah pemodelan mengenai struktur bawah permukaan, adapun dalam proses pembuatan program penelusuran sinar ini mengunakan asumsi bahwa gelombang tersebut merambat secara sferis dan dalam penjalarannya tidak mengalami atenuasi dan dianggap sangat ideal atau tanpa noise. Dalam penelitian ini, data seismik 2D (dimensi) dibuat dalam empat tipe yaitu model datar tiga lapisan, model patahan, model graben, model antiklin, dan model datar berlapis banyak, adapun metode numerik yang digunakan dalam penjalaran gelombang tersebut didasarkan pada persaman eikonal dan selanjutnya solusi dari persamaan eikonal tersebut diselesaikan dengan metode finite-difference (beda hingga). Hasil dari penelusuran sinar tersebut akan menghasilkan model struktur bawah permukaan berupa snapshot, shot record sintetik, dan struktur geologi dalam bentuk wavelet. Hasil dari ketiga hal ini kemudian dianalisa.

---

Ray tracing method is a method widely used in tomography to obtain a modeling of the subsurface structure. As for the process of making this program we use the assumption that the wave propagate in spherical form and is considered ideal. In this research, 2D seismic data was made in five types: flat model with three layer, fault models, Graben model, anticline model and a flat model with many layer, as for the numerical methods used in the wave propagation is based on the eikonal equations and subsequent solution eikonal equation is solved by finite-difference method and the results of the ray tracing will produce a model of subsurface such a snapshot, synthetic shot record, and the subsurface structure, and the results of these three is then analyzed."

"Fast pyrolysis biomassa dapat menghasilkan bio-oil dengan potensi aplikasi yang luas, salah satunya dapat digunakan sebagai bio-fuel. Sayangnya, bio-oil berbasis biomassa memiliki sifat fisikokimia yang buruk dan banyak mengandung senyawa oksigenat sehingga heating value-nya rendah. Plastik diketahui memiliki rasio H/C yang lebih tinggi dan miskin akan oksigen sehingga slow co-pyrolysis biomassa dengan plastik dapat digunakan sebagai solusi upgrading bio-oil yang sederhana, efektif dan murah. Dengan mencampurkan keduanya, sebuah efek sinergetik akan tercipta untuk memperbaiki kuantitas dan kualitas bio-oil yang dihasilkan. Bonggol jagung dipilih sebagai biomassa karena kandungan total selulosanya yang tinggi dan ketersediaannya yang melimpah di Indonesia. Bonggol jagung akan dipirolisis bersama-sama dengan plastik polipropilena dalam reaktor batch berpengaduk dengan variasi rasio plastik dalam umpan sebesar 12,5%, 25%, 37,5%, 50%, 62,5%, 75%, dan 87,5%. Kondisi operasi dengan suhu maksimum sebesar 500oC, laju alir N2 sebesar 0,5 L/menit, holding time 10 menit dan heating rate 5oC/menit digunakan selama eksperimen berlangsung. Terjadi peningkatan pH, densitas, dan warna pada bio-oil hasil slow co-pyrolysis. Karakterisasi GC-MS menunjukkan penurunan senyawa oksigenat di dalam bio-oil berbanding lurus dengan komposisi plastik dalam umpan. Efek sinergetik teramati saat rasio plastik ≥50%. Komposisi umpan 12,5% bonggol jagung dan 87,5% plastik PP menghasilkan yield tertinggi dengan kandungan senyawa oksigenat terendah.

---

Fast pyrolysis of biomass produces bio-oil with many potential applications, one of them is to be bio-fuel. Unfortunately, biomass derived bio-oil has low physicochemical properties and contains lot of oxygenated compounds thus the heating value is low. Plastics are known to have higher H/C ratio and almost no oxygen content, so co-pyrolysis of biomass and plastic could be used as a simple, effective yet cheap bio-oil upgrading solution. By mixing those two as a feed, a synergetic effect will occur and improve the bio-oil both in quantity and quality.

Corn cobs are chosen as the biomass due to its high cellulose content and availability. Corn cobs will be slow co-pyrolyzed with polypropylene plastic in a two stirrer batch reactor with plastic ratio variation of 12,5%, 25%, 37,5%, 50%, 62,5%, 75%, and 87,5%. Maximum temperature of 500oC, 0,5 L/min nitrogen flow, 10 minutes holding time and heating rate of 5oC/min was used in the experiment. pH, density, and color improvement were observed.

GC-MS results showed that lower oxygenated compounds in the bio-oil are associated with higher plastic feed composition. Synergetic effect is happened when plastic ratio is ≥50%. Composition of 12,5% corn cobs and 87,5% polypropylene plastic is found to produce the highest yield of bio-oil with the lowest oxygenates."

"Gempa bumi, salah satu bencana alam yang sering terjadi di Indonesia dan sering memakan banyak korban jiwa. Sistem peringatan dini terbukti efektif untuk mengurangi jumlah korban jiwa akibat gempa bumi ataupun bencana susulan lainya. Perangkat Internet-of-things berbasis seluler dapat digunakan sebagai perangkat peringatan dini untuk mendeteksi gempa bumi.Ketika banyak perangkat pendeteksi kejadian secara bersamaan melakukan transmisi ke jaringan seluler maka akan terjadi bursty transmission yang mengakibatkan kongesti pada jaringan seluler. Kongesti yang terjadi mengakibatkan peningkatan delay dan penuruan success probability pada prosedur random access jaringan seluler yang dapat mengurangi efektifitas sistem deteksi dini. Pengaturan preamble pada access class dapat digunakan untuk mengurangi dampak kongesti yang terjadi.

---

Earthquakes, one of the natural disasters that often occur in Indonesia and often take many lives. The early warning system has proven to be effective in reducing the number of casualties due to earthquakes or other aftershocks. Cellular-based Internet-of-things devices can be used as early warning devices to detect earthquakes. When multiple incident detection devices are simultaneously transmitting to the cellular network, bursty transmission will occur, resulting in congestion on the cellular network. The congestion that occurs results in an increase in delay and a decrease in success probability in random access cellular network procedures which can reduce the effectiveness of the early detection system. Preamble settings on access classes can be used to reduce the impact of congestion that occurs."

"Tindak kecurangan mahasiswa menjadi suatu masalah dalam penggunaan aplikasi e-Assessment untuk melaksanakan ujian online dalam masa pandemi COVID-19. Oleh karena itu, dibutuhkan suatu aplikasi e-Assessment yang dapat mengatasi masalah tersebut. Penelitian ini bertujuan untuk mengembangkan aplikasi e-Assessment bernama Lexam sebagai salah satu rekomendasi solusi dari masalah tersebut. Selain untuk mengatasi masalah tindak kecurangan, aplikasi Lexam juga dirancang untuk dapat dioperasikan dengan mudah sehingga perlu diperhatikan aspek usability dalam sistemnya. User-Centered Design (UCD) digunakan sebagai metodologi untuk memaksimalkan aspek usability aplikasi Lexam. Setelah dievaluasi dengan menggunakan Usability Testing (UT) dan pengukuran usability secara keseluruhan dengan metrik System Usability Scale (SUS), diperoleh hasil rata-rata skor SUS 73.33 untuk modul dosen, serta 93.33 untuk modul alat ujian. Berdasarkan penemuan kebutuhan aplikasi Lexam modul dosen, diperoleh 23 kebutuhan aplikasi untuk melakukan manajemen pengguna, bank soal, dan ujian oleh dosen. Sedangkan pada modul alat ujian, diperoleh 4 kebutuhan aplikasi untuk dapat melakukan pengerjaan ujian oleh mahasiswa. Untuk dapat mengimplementasi 27 kebutuhan aplikasi tersebut, diperlukan sistem backend untuk melayani dan memproses kebutuhan yang ada, serta sistem frontend yang digunakan sebagai tampilan untuk interaksi antara pengguna dan sistem. Pengembangan backend dimulai dengan tahapan desain pengembangan aplikasi. Pengembangan backend dimulai dengan desain pengembangan aplikasi, didapatkan 53 activity diagram untuk memenuhi kebutuhan modul dosen dan 64 sequence diagram untuk memenuhi kebutuhan modul alat ujian. Selain itu, dilakukan perancangan database schema diagram dan class diagram aplikasi. Kemudian implementasi backend aplikasi dilakukan berdasarkan desain perancangan yang telah dibuat. Setelah implementasi backend aplikasi, dilakukan implementasi frontend aplikasi berdasarkan solusi desain yang dibuat. Implementasi frontend aplikasi menghasilkan 5 halaman utama yang memenuhi kebutuhan modul dosen dan 2 halaman utama yang memenuhi kebutuhan modul alat ujian. Berdasarkan penelitian ini diperoleh sebuah aplikasi e-Assessment bernama Lexam untuk sebagai rekomendasi solusi untuk mengatasi tindak kecurangan yang dilakukan oleh mahasiswa dalam melaksanakan ujian online.

---

Cheating is a problem among students in using e-Assessment applications to conduct online exams during the COVID-19 pandemic. Therefore, an e-Assessment application is needed that can overcome this problem. This research aims to develop an e-Assessment application called Lexam as one of the recommended solutions to the problem. In addition to overcoming the problem of cheating, the Lexam application is also designed to be operated easily, so that usability aspects need to be considered in the system. User-Centered Design (UCD) is used as a methodology to maximize the usability aspects of the Lexam application. After being evaluated using Usability Testing (UT) and measuring overall usability with the System Usability Scale (SUS) metric, the results obtained an average SUS score of 73.33 for the lecturer module, and 93.33 for the exam tool module. Based on the discovery of the requirements for the lecturer module, 23 application requirements were obtained to perform user management, question banks, and exams by lecturers. While in the exam tool module, 4 application needs are obtained to be able to do exam work by students. To be able to implement the 27 application needs, a backend system is needed to serve and process existing needs, as well as a frontend system that is used as a display for interaction between users and the system. Backend development begins with the application development design stage. Backend development begins with application development design, 53 activity diagrams are obtained to meet the needs of the lecturer module and 64 sequence diagrams to meet the needs of the exam tool module. In addition, the database schema diagram and class diagram of the application were designed. Then the backend application implementation is carried out based on the design design that has been made. After the backend implementation of the application, the frontend implementation of the application is carried out based on the design solution made. The implementation of the application frontend produces 5 main pages that meet the needs of the lecturer module and 2 main pages that meet the needs of the exam tool module. Based on this research, an e-Assessment application named Lexam is obtained as a recommended solution to overcome cheating committed by students in carrying out online examinations."

"Emosi atau perasaan manusia adalah salah satu faktor yang tidak dapat dikendalikan dalam aktivitas apapun. Tidak sedikit juga pekerjaan yang seringkali berkaitan dengan emosi manusia terutama di industri hiburan dan juga kesehatan. Oleh karena itu, 1 dekade kebelakang banyak riset yang dilakukan untuk mempelajari emosi manusia secara langsung maupun menggunakan teknologi. Pengembangan model speech emotion recognition berbahasa Indonesia masih sangat sedikit dan oleh karena itu dibutuhkan perbandingan secara spesifik pada penelitian ini diantara dua model classifier yaitu Convolutional Neural Network (CNN) dan juga Multilayer Perceptron (MLP) untuk menentukan model yang menghasilkan akurasi terbaik dalam memprediksi emosi dari suara manusia. Dalam speech recognition secara umum, salah satu faktor penting dalam mendapatkan model dengan akurasi terbaik adalah metode ekstraksi fiturnya. Oleh karena itu, penelitian ini menggunakan 3 fitur untuk melakukan pelatihan terhadap model yaitu Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram dan chroma. Dari 3 fitur ini, divariasikan dan menghasilkan 7 metode ekstraksi yang berbeda untuk digunakan sebagai input pelatihan model. Terakhir, untuk memastikan bahwa model sudah menggunakan parameter terbaik, dilakukan eksperimen dengan membandingkan model yang menggunakan batch size serta activation function yang berbeda. Ditemukan bahwa dengan menggunakan CNN dan fitur gabungan antara MFCC, mel-spectrogram dan juga chroma menghasilkan model dengan skor akurasi 50.6% sedangkan menggunakan MLP dengan fitur yang sama menghasilkan model dengan skor akurasi 58.47%.

---

Emotions or human feelings are one of the factors that cannot be controlled in any activity. There are also many jobs that are often related to human emotions, especially in the entertainment and health industries. The development of speech emotion recognition models in Indonesian is still very little and therefore a specific comparison is needed in this study between two classifier models, namely Convolutional Neural Network (CNN) and Multilayer Perceptron (MLP) to determine the model that produces the best accuracy in predicting the emotion of the human voice.

In speech recognition in general, one of the important factors in acquiring a model with the best accuracy is the feature extraction method. Therefore, this study uses 3 features to train the model, namely Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram and chroma. From these 3 features, they were varied and resulted in 7 different extraction methods to be used as model training inputs.

Finally, to ensure that the model has used the best parameters, an experiment was conducted by comparing models using different batch sizes and activation functions. It was found that using CNN and the combined features of MFCC, mel-spectrogram and also chroma resulted in a model with an accuracy score of 50.6% while using MLP with the same features resulted in a model with an accuracy score of 58.47%."