Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK Dalam transaksi perdagangan internasional yang menggunakan letter of Credit (L/C) terdapat dua permasalah krusial. Pertama, pembayaran L/C hanya dapat dilakukan jika terdapat presentasi yang sesuai. Dalam praktiknya banyak terjadi ketidaksesuaian antara dokumen-dokumen yang disyaratkan oleh L/C (discrepancies). Kedua, bank hanya berurusan dengan dokumen-dokumen tidak dengan barang sehingga pihak beneficiary dari L/C yang berkudukan di negara lain sangat berpeluang melakukan fraud, seperti mempresentasikan dokumen yang dipersyaratkan L/C tetapi tidak melakukan pengiriman barang (ekspor fiktif) ataupun mengirimkan barang, namun barang yang dikirim merupakan barang rongsok. Pengadilan yang memiliki kewenangan memeriksa perkara sengketa demikian dalam praktiknya memiliki pandangan sendiri dalam memeriksa dan memutus perkara. Dengan menggunakan metode kualitatif dan tipologi deskriptif, sumber-sumber hukum di bidang L/C seperti aturan, doktrin dan praktik-praktik perbankan di bidang L/C dianalisis bersama-sama dengan putusan pengadilan mengenai discrepancies dan fraud. Hasil dari penelitian ini menjelaskan adanya perbedaan antara pertimbangan dan putusan pengadilan dengan pengaturan-pengaturan maupun dengan teori-teori yang ada di bidang hukum L/C. ......Letter of Credit (L/C) in international trade has two crusial issues. Firstly, the credit will only be honoured against complying presentation. In practice, presenting the documents to the bank seems like a hassle, there are a lot of discrepancies between the documents and L/C requirements. Secondly, banks only deal with documents and not with goods, therefore the beneficiary of L/C overseas have an advantageous opportunities to commit fraud, e.g. the beneficiary ships a non-existent cargo or the goods are in inferior quality or quantity. Court has judicial authority to hear and decide, they also have their own view when deciding such cases. This thesis uses qualitative research analytical and descriptive typological methods to address the issue. Thus the sources of L/C law, such as rules, doctrines and banking practices are analyzed together with the court verdict regarding discrepancies and fraud. The outcome of this study is to point out a contrast between the law of the L/C and the court verdict.

Abstrak :
ABSTRACT
Pengenalan ekspresi wajah telah menjadi tantangan dalam ilmu digital selama bertahun-tahun. Dengan pertumbuhan baru-baru ini di dalam bidang machine learning, sistem pengenalan ekspresi wajah secara real-time dengan machine learning dapat berguna untuk sistem monitoring emosi untuk interaksi manusia-komputer (HCI). Model yang penulis ajukan dirancang dengan model Convolutional Neural Network (CNN) dan menggunakannya untuk melatih dan menguji gambar ekspresi wajah dengan TensorFlow. Sistem ini memiliki dua bagian, sebuah recognizer untuk validasi dan model pelatihan data untuk data training. recognizer berisi detektor wajah dan pengenal ekspresi wajah. Detektor wajah mengekstrak gambar wajah dari frame video dan pengenal ekspresi wajah mengklasifikasikan gambar yang diekstrak. Model pelatihan data menggunakan CNN untuk melatih data. Sistem pengenal juga menggunakan CNN untuk memantau keadaan emosi dari pengguna melalui ekspresi wajah mereka. Sistem ini mengklasifikasikan emosi dalam enam kelas universal, marah, jijik, senang, terkejut, sedih dan takut, ditambah dengan emosi netral.

---

ABSTRACT
The introduction of facial expressions has been a challenge in digital science for many years. With the recent growth in machine learning, a real-time facial recognition recognition system with machine learning can be useful for emotional monitoring systems for human-computer interaction (HCI). The model the author proposes is designed with the Convolutional Neural Network (CNN) model and uses it to train and test facial expression images with TensorFlow. The system has two parts, a recognizer for validation and a data training model for training data. The recognizer contains face detector and facial recognition. The face detector extracts the face image from the video frame and facial expression identifiers classify the extracted image. The data training model uses CNN to train data. The identification system also uses CNN to monitor the emotional state of the user through their facial expressions. This system classifies emotions in six universal classes, anger, disgust, pleasure, shock, sadness and fear, coupled with neutral emotions.