Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Teori graf dan aljabar merupakan cabang dari matematika yang berkembang menjadi kajian yang menarik. Penelitian aljabar dalam teori graf merupakan topik dari matematika yang mengkaji graf melalui sifat-sifat aljabar antara lain representasi graf dalam matriks. Lebih tepatnya lagi, teori spektral graf membahas sifat-sifat graf yang berhubungan dengan polinomial karakteristik, nilai eigen dan vektor eigen dari matriks yang merepresentasikan graf tersebut. Salah satu cara merepresentasikan graf tersebut adalah dengan menggunakan representasi matriks adjacency. Dalam tesis ini akan ditentukan bentuk umum dari polinomial karakteristik pada kelas graf berarah yaitu kelas graf pohon berarah yang memiliki akar yang disebut out-tree dan menggali informasinya menggunakan representasi matriks antiadjacency.

---

ABSTRACT
Graph theory and linier algebra is the branch of mathematics that developed into an interesting study. The studies graph by algebraic research is a topic of mathematics that studies the properties of graphs through algebra, such as, in the matrix graph representation. More in particular, the spectral graph theory studies the properties of the graph associated with the characteristic polynomial, eigenvalues and eigenvectors of the matrix representing the graph. One way is to represent the graph using adjacency matrix representation. This thesis will be determined in the general form of the characteristic polynomial class of directed graph in which class directed graph that has a tree root called out tree and find out the information using the antiadjacency matrix representation.

Abstrak :
Kamera pengawas sengat penting keberadaannya untuk membantu mengawasi area tertentu. Gambar digital yang direkam biasanya adalah aktivitas yang terjadi atau keberadaan objek di dalamnya, termasuk objek masker, kacamata hitam, helm dan topi yang rawan digunakan sebagai penutup identitas ketika sedang melakukan tindak kejahatan. Kemampuan tersebut dapat mencegah maupun menelusuri kejadian yang tidak diinginkan seperti tindakan criminal. Namun, saat ini kamera pengawas bersifat pasif sehingga berpotensi meningkatkan resiko kelalaian oleh pihak penjaga (user) dalam memantau aktivitas yang sedang terjadi. Penelitian ini bertujuan untuk merancang sistem yang mampu meningkatkan kinerja kamera pengawas dalam mendeteksi objek pada perangkat Raspberry Pi sehingga kamera dapat bersifat aktif serta mampu memberikan hasil yang optimal dan juga mengurangi penggunaan penyimpanan berlebih. Sistem deteksi objek yang digunakan menerapkan teknik Deep Learning dengan MobileNetV2-SSD sebagai model arsitektur jaringannya. Uji coba penelitian dilakukan pada beberapa variasi jarak terhadap objek sejauh 0-1,5 meter. Hasil penelitian didapatkan nilai mAP 70,3% dan saat  pengujian real-time menunjukkan keakurasian pada jarak 0-1 meter sebesar 87,5%. Pada jarak lebih dari 1,5 meter kemampuan deteksi system mulai berkurang. ......Monitoring cameras are very important to help monitor certain areas. Digital images recorded are usually activities that occur or the presence of objects in them, including masks, sunglasses, helmets and hats which are prone to be used as a cover for identity when committing a crime. This capability can prevent or track unwanted events such as criminal acts. However, currently monitoring cameras are passive so that they have the potential to increase the risk of negligence by the user in monitoring ongoing activity. This study aims to design a system that can improve the performance of monitoring cameras in detecting objects on the Raspberry Pi device so that the camera can be active and able to provide optimal results and also reduce excess storage usage. The object detection system used applies Deep Learning techniques with MobileNetV2-SSD as the network architecture model. Research trials were carried out at several variations of the distance to objects as far as 0-1.5 meters. The results are mAP value is 70.3% and 87.5% accuracy during real-time testing at a distance of 0-1 meter. At a distance of more than 1.5 meters the detection capability of the system begins to decrease.

Abstrak :
ABSTRAK
Perkembangan teknologi robotika saat ini telah mampu membuat beberapa robot untuk secara kooperatif melakukan suatu tugas tertentu. Untuk aplikasi ini, setiap robot harus mampu mengetahui posisinya sendiri maupun posisi robot yang lain agar mampu mencapai tujuannya dan tidak saling bersinggungan. Keterbatasan sensor posisi yang ada saat ini, hanya mampu memberikan posisi dari satu robot saja dan jika digunakan satu jenis sensor saja seringkali menimbulkan error yang cukup besar. Maka pada skripsi akan dibahas implementasi computer vision yang mampu mendeteksi dan memberikan data posisi dari beberapa objek berupa mobile robot. Perancangan dimulai dengan membuat pattern pola untuk mobile robot yang akan dideteksi. Pattern objek yang akan ditelaah yaitu berupa empat lingkaran putih diatas persegi berwarna hitam. Dimana satu lingkaran berukuran jauh lebih besar dan digunakan sebagai pusat objek. Selain itu, ditambah juga dengan persegi panjang dengan jumlah yang bervariasi untuk membedakan masing-masing robot.Hasil dari pengujian yang dilakukan, algoritma pendeteksian mampu membedakan pattern mobile robot dengan objek lain dan membedakan mobile robot yang satu dengan mobile robot yang lain, algoritma efektif bekerja pada jarak pengambilan gambar 1 meter dan 2 meter dengan sudut pengambilan gambar 0o, 15o dan 30o. Tingkat keberhasilan pendeteksian pada kondisi tanpa getaran sebesar 99.18 dan pada kondisi getaran sebesar 82.76 . Waktu pemrosesan yang dibutuhkan untuk menjalankan algoritma pada Raspberry Pi 3 sebesar 123.2 ms.

---

ABSTRACT
The development of robotics technology has reach point where multiple robots are able to perform a task cooperatively. This application require each robot to know of its own position and the others position to reach its destination without crashing on each other. Currently, the position sensors has a drawback from its estimation error. Therefore, implementation of computer vision for detecting multi mobile robot is proposed. First the pattern design of mobile robots are specifically determined as the focus of object detection using four white circles in black background. The pattern design include a big circle as the mobile robot center of gravity and rectangles to differentiate beetwen each mobile robot.The results show that detection algorithm is able to differentiate each mobile robots. The proposed algorithm is effective for distance 1 and 2 meters with angle 0o, 15o and 30o. Success detection rate with no vibrate condition is 99.18 and at vibrate condition is 82.76 . The processing time required to run the algorithm on Raspberry Pi 3 is 123.2 ms.

Abstrak :
Teknologi alat akuisi seismic sudah semakin berkembang. Pada penelitian sebelumnya sudah dilakukan penelitian mengenai alat akuisisi sinyal seismik berbasis sensor accelerometer MEMS. Sehingga pada penelitian ini telah memperbaharui alat akuisisi sinyal seismik dari sisi komunikasi agar dapat mengakuisisi lebih banyak geophone atau alat akuisisi sinyal seismik. Selain itu agar jangkauan kabel atau jarak antar geophone juga semakin panjang. Keluaran data dari sistem ini hamper setara dengan keluaran data dari geophone konvensinal. Sistem ini menggunakan Modul SPI Extender untuk membuat satu buah Raspberry Pi dapat mengakuisisi geophone MEMS dengan lebih banyak dan jengan jangakaun kabel yang lebih panjang. Hasil respon atau keluaran dari geophone disimpan kedalam Raspberry Pi terlebih dahulu untuk kemudian bisa diambil secara wireless oleh komputer host. Uji coba dilakukan di Universitas Indonesia. ......The technology of seismic acquisition instrumentation has getting developed. In previous research, a study of seismic signal acquisition instrumentation based on MEMS accelerometer sensor has been done. This research has renewed seismic signal accelerometer by communication aspect to acquire more geophones or seismic signal acquisition instrumentation. Output data of this system is almost same with output from conventional geophone. This system uses SPI Extender modul to make one Raspberry Pi to acquire more MEMS geophone and with further cable reach. Respond result or output of geophone is saved into Raspberry Pi first so that it can be taken wirelessly by host computer. Trial test is done at Universitas Indonesia.

Abstrak :
Teknologi SMS sebagai media komunikasi dapat digunakan untuk mengendalikan perangkat IoT seperti SCADA Supervisory Control and Data Acquisition untuk pengontrolan suatu proses dalam sistem kendali industri berbasis computer . Serta sebagai alternatif yang handal pengganti media Internet untuk kendali jarak jauh. Namun, teknologi SMS masih memiliki kekurangan terhadap aksi penyadapan. Oleh karena itu pada penelitian ini dirancang pengendalian jarak jauh melalui SMS berbasis algoritma enkripsi NTRU dan kompresi GZIP yang di implementasikan pada Raspberry Pi dan perangkat Android. Dari hasil uji coba penerapan algoritma NTRU dan GZIP pada Raspberry pi menghasilkan parameter bilangan prima 5 sampai 23 untuk membangun public key dan dalam proses enkripsi dekripsinya. Dengan rentang parameter tersebut membuat perintah dapat dikirim dalam 1 kali SMS tidak lebih dari 160-byte . Dengan menggunakan parameter optimal yaitu 23, implementasi enkrispi dan kompresi dilanjutkan pada hasil performa untuk menggerakan 3 aktuator relay, servo, dan LED PWM dengan 100 perintah yang dikirim berhasil diterjemahkan untuk dieksekusi pada aktuator. ......SMS Technology as a communication medium can be used to control the IoT device for example, SCADA Supervisory Control And Data Acquisition . However, SMS technology still has a disadvantage of wiretapping. Therefore, in this study designed remote control system via SMS based NTRU Encryption and GZIP compression algorithm that is implemented on Raspberry Pi and Android devices to control the actuator. Based on the result, the best parameter size of NTRU encryption and GZIP compression algorithm is 5 until 23 to build public key and encryption decryption process that can be sent in one time SMS not more than 160 bytes. Using the optimum parameter of 23, the encryption and compression implementation are continued on the performance result to drive three actuators relay, servo and LED PWM with 100 of the commands sent successfully decrypted for control the actuator.

Abstrak :
Pada penelitian kali ini telah dirancang dan dibangun Sistem Akuisisi Data Elektrokardiograf (ECG) 12-Lead dengan ADS1298RECGFE-PDK sebagai analog front end dan Raspberry Pi 4 secara ringan, hemat daya, dan harga yang terjangkau. Rancangan sistem juga dikembangkan dengan baterai internal Sony VTC 5 dengan tujuan untuk reduksi noise dari power line. Pengambilan data dilakukan dengan menggunakan Prosim4 Fluke dengan data yang diambil adalah 60bpm, 80bpm, 90bpm dan partisipan dalam kondisi berbaring. Rancangan sistem ini akan dibandingkan dhasilnya dengan Bionet Cardiocare 2000 Hasil rekaman kemudian diolah dengan melakukan baseline wander removal, LPF, dan FFT. Data yang telah diproses pada rancangan sistem kemudian akan disimpan dalam format WFDB. Penelitian ini kemudian melakukan penghitungan selisih sinyal yang diperoleh dari Cardiocare dengan rancangan sistem yang dibuat. Metode regresi linier juga dilakukan untuk komparasi kedua rekaman. Regresi linier dilakukan pada sinyal rekaman 80 bpm. Dari hasil tersebut didapat error paling besar pada v1 dengan error selisih, gradien, dan intercept masing-masing 25.257, 0.132%, dan 3.641%. Rancangan sistem akan digunakan untuk identifikasi Myocardial Infarction menggunakan dataset dari PTB Diagnostic. Metode yang digunakan adalah convolutional neural network (CNN). Hasil dari klasifikasi diperoleh akurasi 96.28%, spesifisitas 94.07%, dan sensitivitas 96.89%.

---

This study has designed and built a 12-Lead Electrocardiograph Data Acquisition System with ADS1298RECGFE-PDK as an analog front end and Raspberry Pi 4 in a lightweight, power-saving, and affordable price. The system was also developed with the Sony VTC 5 battery in order to reduce noise from the power line. Data retrieval is done using Prosim4 Fluke with data taken are 60bpm, 80bpm, 90bpm and participants lying down. The system will be compared with the results of Bionet Cardiocare 2000. The results are then processed by performing a baseline wander removal, LPF, and FFT. Data that has been processed will be saved in WFDB format. This study then calculate the difference of signal obtained from Cardiocare with the system created. Linear regression method was also used to compare the records. Linear regression was performed on 80 bpm signal. From these results, the largest error was obtained in v1 with error difference, gradient, and intercept of 25.257, 0.132%, and 3.641%, respectively. This system will be used to identify Myocardial Infarction using dataset from PTB Diagnostic. The method used is convolutional neural network (CNN). The results have an accuracy of 96.28%, specificity of 94.07%, and sensitivity of 96.89%.

Abstrak :
ABSTRAK
Perkuliahan merupakan kegiatan akademis yang dilaksanakan berdasarkan kurikulum yang memang telah direncanakan. Kegiatan perkuliahan tersebut dilaksanakan untuk pencapaian yang maksimal. Sehingga dalam pencapaiannya diperlukan pemantauan terhadap komponen-komponen yang mendukung jalannya aktivitas perkuliahan. Pencatatan absensi merupakan salah satu bagian penting dalam kegiatan perkuliahan. Sistem yang selama ini digunakan untuk mendukung absensi mahasiswa masih konvensional yaitu dengan mengisi daftar kehadiran berupa tandatangan secara tertulis, sehingga validitas data absensi kurang mampu dipertanggungjawabkan dan kurangnya efisiensi dalam hal pengolahan data ke pusat administrasi kampus. Sebuah raspberry pi 3 berperan sebagai gateway antara perangkat bluetooth dari masing-masing smartphone dan server, akan melakukan pencarian identitas perangkat berupa mac address bluetooth dari setiap perangkat smartphone yang masuk dalam jangkauannya. Segala pengolahan data akan dilakukan pada sisi backend yang sebelumnya beberapa paket data perlu dikirim terlebih dahulu oleh gateway melalui koneksi internet secara periodik. Sehingga kesimpulan mengenai kehadiran setiap mahasiswa mampu didapatkan Sistem absensi ini diharapkan mampu menjadi solusi bagi permasalahan dalam kegiatan perkuliahan yang ada. Performa yang diukur selama pengujian ditunjukkan oleh waktu identifikasi perangkat dengan beberapa parameter yang divariasikan seperti konfigurasi posisi gateway, jumlah gateway, jumlah responden dan kecermatan sistem dalam mengidentiifkasi setiap mahasiswa. Berdasarkan pengujian yang dilakukan, diperoleh kesimpulan bahwa posisi gateway memberikan pengaruh terhadap durasi yang diperlukan untuk melakukan identifikasi terhadap seluruh perangkat. Durasi identifikasi terbaik yang mampu dilakukan gateway untuk 20 responden adalah 1 menit 24 detik pada posisi gateway diletakkan pada ketinggian 2 meter dari permukaan tanah. Selain itu, jumlah gateway yang perlu diaplikasikan sistem untuk mengidentifikasi perangkat dipengaruhi oleh bentuk dan dimensi suatu ruangan.

---

ABSTRACT
Lectures are academic activities undertaken based on a curriculum that has been planned. Lecture activities are carried out for maximum achievement. So in the achievement required monitoring of the components that support the course of lecture activities. Registration of attendance is an important part of lecturing activities. The system that has been used to support student absences is still conventional by filling the attendance list in the form of signatures in writing, so the validity of data absenteeism is not accountable and lack of efficiency in terms of data processing to the campus administration center. A raspberry pi acts as a gateway between the bluetooth device of each smartphone and server, will perform a device identity search in the form of a bluetooth mac address of any smartphone device within its range. Then the data processing will be done on the backend side previously sent first by gateway through internet connection periodically. So the conclusion about the presence of each student can be obtained. This system is designed to be the solution for problems in classes. Performance is tested by device 39 s identification time, with several changed variables gateway position, number of respondents, and system 39 s accuracy in identifying students. Based on the tests performed, it is concluded that the gateway position has an effect on the duration required to identify all devices. The best identification duration a gateway can perform for 20 respondents is 1 minute 24 seconds at the gateway position is placed at a height of 2 meters from the ground level. In addition, the number of gateways that the system needs to apply to identify devices is influenced by the shape and dimensions of a room.

Abstrak :
Perkembangan komunikasi data yang sangat pesat saat ini, disertai dengan beberapa permasalahanya. Salah satunya adalah permintaan bandwith oleh user melebihi kapasitas yang disediakan oleh jaringan yang disebut kongesti, ini dapat menurunkan perfomansi jaringan. Transmission Control Protocol (TCP) adalah sebuah transport protocol yang dapat mendeteksi pembuangan paket dan menginterpretasikan pada sumber sebagai indikasi terjadi kongesti pada jaringan. Active Queue Management (AQM) merupakan suatu mekanisme proaktif dari router untuk memberikan indikasi terjadinya kongesti pada jaringan. Penelitian ini membahas tentang kontrol kongesti dengan menggunakan mekanisme AQM, yaitu Random Earlv Detection (RED), pengontrol proportional-integral (PI) dan Random Exponential Marking (REM). Langkah pertama yang dilakukan adalah membangun model matematika dari prilaku aliran TCP. Selanjutnya, menganalisis model sehingga masalah AQM dapat dipandang sebagai masalah kontrol umpan balik. Akhirnya, dengan menggunakan aproksimasi Pade untuk masalah delay, masalah kontrol umpan balik disimulasikan menggunakan Nehvork Nimulator (NS) dimana RED, PI, dan REM sebagai AQM. Performansi REM lebih baik dari pada RED dan pengontrol PI untuk utilitas link dan throughput. Tetapi untuk kestabilan ukuran antrian pengontrol PI lebih baik dari pada RED dan REM.