Hasil Pencarian  ::  Simpan CSV :: Kembali

"Meta analisis ini bertujuan untuk mengetahui tingkat signifikan pengaruh computeraisited instruction (CAI) "atau" Compoter asisted learning (CAL) terhadap hasil belajar...."

"ABSTRAKBerkembangnya proses komputerisasi di masa sekarang ini turut menjadi pemicu adanya sistem komputerisasi untuk pengambilan data suatu pengujian. Terlepas dari jenis pengujian yang dilakukan. sistem komputerisasi pengambilan data pengujian jelas memberikan beragam nilai tambah bagi pengujian itu sendiri. Dari hasil komputerisasi pengambilan dan pengolahan data uji tarik menggunakan mesin tarno didapat bahwa dengan sistem komputerisasi, laju pengambilan data dapat ditingkatkan secara signifikan dan memungkinkan adanya pengolahan data yang lebih mudah dikarenakan dimungkinkannya digunakan perangkat Iunak tambahan lainnya seperti Microsoft Excel. Akan tetapi harus diingat bahwa suatu sistem komputerisasi pengambilan data tetap bergantung kepada alat utamanya.dalam hal ini mesin uji tarik Tarno, tanpa presisi dan kemampuan alat utama yang, baik maka suatu sistem komputerisasi pengambilan data akan menjadi tak berguna

---

"

"A computerized intensity detection system has been designedand constructed using single board TK-85 microprocessor system.Two types of hardware architectures, Address Mapped and MemoryMapped Input-Output systems are utilized as Input module fromlight detector and Output module to X-Y recorder, respectively.A performance test on the computer system has shown that thesystem hardware and software function properly with consistentgain -of l.36O. An educational grating- used for the overallperformance test has also indicated instrumental accuracyconsistent with design limitation. A preliminary application ofthis system in light scattering experiment has exhebitedqualitative features in the angular distribution of thescattered light intensity which are consistent with theoriticalprediction."

"Perkembangan teknologi informasi saat ini sudah mengalami kemajuan yang sangat pesat dalam jangka waktu yang cukup singkat, hal itu memicu pengembangan aplikasi yang memanfaatkan sistem cloud computingkarena mampu mengefisiensikan pengeluaran biaya dan sumber daya yang digunakan untuk aplikasi. Pada penelitian ini dilakukan pengujian performansi pada SIMPLE-O yang diterapkan pada cloud computing. Dari hasil dua pengujian performansi SIMPLE-O didapatkan bahwa untuk pengujian dengan metode GET yaitu pada saat pengguna hanya mengakses halaman utama dari aplikasi, performansi SIMPLE-O pada layanan cloud computing lebih baik dibandingkan dengan shared hosting, dimana cloud computing mengalami error sebesar 1,70 % dari 6000 request yang terkirim dengan response time rata-rata sebesar 32,62 s. Sementara shared hosting mengalami error sebesar 18,04 % dari 6000 request yang terkirim dengan response time rata-rata sebesar 36,27 s. Namun untuk pengujian dengan metode POST yaitu pada saat aplikasi SIMPLE-O melakukan proses penilaian otomatis terhadap jawaban yang dikirimkan, performansi SIMPLE-O pada layanan cloud computing sedikit lebih buruk dbandingkan dengan shared hosting, dimana cloud computing mengalami error sebesar 1,60 % dari 1000 request yang terkirim dengan response time rata-rata sebesar 63,95 s. Sedangkan shared hosting mengalami error sebesar 0,30 % dari 1000 request yang terkirim dengan response time rata-rata sebesar 52,67 s.

---

The development of information technology have progress very rapidly in a relatively short period of time, it triggers the development of applications that take advantage of cloud computing systems because have more efficient cost and resource for application.From the results of two performance testing SIMPLE-O, for the testing with GET method it was found that when the user only access the main page of the application, the performance of SIMPLE-O in cloud computing services is better than shared hosting, where cloud computing has an error by 1.70% from the 6000 request that sent with average response time in 32,62 s. While shared hosting has an error by 18.04% from the 6000 request that sent with average response time in 36,27 s. However, for testing with POST method, that when the application SIMPLE-O doing aautomatic process to assessment the exam’s answer from the user, the performance of SIMPLE-O in cloud computing services slightly worse than shared hosting, where cloud computing which has an error by 1.60% from 1000 request that sent with average response time in 63,95 s. While shared hosting has an error by 0.30% from 1000 request that sent with average response time in 52,67 s."

"ABSTRAKTesis ini memberikan pendekatan baru dalam melakukan klasifikasi objek, yaitumotif-motif Songket Palembang, dengan memanfaatkan local descriptor SIFT danSURF. Pendekatan tersebut adalah pendekatan matching scores berupa keypointdistance. Data gambar yang tersimpan dan data gambar yang diuji dilakukandengan teknik 10-fold cross validation. Dalam melakukan pencocokan, dilakukandua pendekatan yaitu pengambilan rata-rata dari 5, 10, 15, atau 25 buah nilai keypointdistance terkecil dan pengambilan jumlah terbanyak dari matched keypoint.Dalam pendekatan keypoint distance ataupun pendekatan jumlah matched keypointterbanyak, klasifikasi motif songket dapat dilakukan. Akurasi dan waktu eksekusimenjadi indikator dari performa metode atau pendekatan yang dilakukan. Terdapatbeberapa buah skenario dalam melakukan evaluasi metode, termasuk melibatkanproses derau pada gambar. Hasil menunjukkan bahwa SIFT memiliki tingkatakurasi yang lebih tinggi dibandingkan dengan SURF baik dengan pendekatankeypoint distance maupun pendekatan jumlah matched keypoint meskipun waktueksekusi SIFT lebih lama dibandingkan dengan metode SURF. Akan tetapi,permasalahan ini dapat dibantu dengan proses derau dengan kerapatan derausebesar 0.2 sehingga waktu eksekusi dapat berkurang hingga 39%.

---

ABSTRACTThis thesis provides a new approach in object classification, namely Songket-Palembang motif classification, using the local descriptors SIFT and SURF. Theapproach is by matching scores in terms of keypoint distances. Saved picture dataand testing picture data are validated by 10-fold cross validation. In matching, thereare two approaches, namely taking the average of 5, 10, 15, or 25 smallest keypointdistance values and taking the largest number of matched keypoints. In both approaches,the songket motifs can be classified successfully. Accuracy and executiontime are the performance indicators of the approaches. There are a few scenariosin the evaluation method, including adding noise to picture data. The results showthat SIFT has higher accuracy than SURF in both approaches although SIFT haslonger execution time. But this problem can be solved by the noise process withnoise density of 0.2 to achieve execution time reduction of 39%."