Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada Tesis ini dibahas proses industri yang disimulasikan ke dalam simulator otomasi mesin pelubang dengan pengendali PLC TSX 17-20 telemecanique. Baik dilakukan secara manual maupun automatis. Sistirn otomasi mesin pelubang dimodelkan dan diprogramkan pada komputer PC dengan teknik pemrograman Visual sehingga dapat mewakili kondisi kerja seperti realita di lapangan. Pengendalian dilakukan dengan PLC TSX 17-20 telemecanique yang dimiliki Laboratorium Kendali dan Otomasi - Universitas Indonesia yang memiliki fasilitas pemrograman diagram fungsi dan diagram tangga. Untuk dapat menghubungkan perangkat simulasi dengan PLC , dibuat rangkaian antarmuka dengan memanfaatkan IC 8255 sebagai Programmable I/D. Program Pengendalian ditulis dalam ladder diagram. Dari program yang dibuat dan diamati terdapat perbedaan proses secara manual dan otomatis. Hasil pengamatan menunjukkan pengerjaan dengan proses secara manual - otomatis tidak dapat dilakukan secara bersama dalam satu program PLC karena dibatasi oleh jumlah Output yang terbatas. Panel Pengendali dirancang sesuai dengan kebutuhau operator di lapangan, beberapa fasilitas yang disediakan antara lain, Tombol start-stop, Emergency Stop dan otomatis Start I Manual Start. Pada Simulator ini juga disediakan fasilitas untuk mengetahui fault' di dalam sistim yang akan membunyikan alarm."

""Teknologi komputasi paralel telah berkembang pesat beberapa tahun terakhir ini, sejalan dengan teknologi perangkat keras dan perangkat lunak pendukungnya, Minimnya pengetahuan kita akan manfaat, cars penggunaan, atau bahkan untuk memahami definisi komputasi paralel itu sendiri mernbuat pengaaaaan ilmu tentang komputasi parallel itu sendiri menjadi terhambat. Implementasi komputasi paralel yang murah fasilitasnya, memungkinkan untuk dikembangkan, diketahui kode programnya, dapat dimodifikasi fungsi dan kemampuan dari perangkat kerasnya, bahkan untuk dijadikan perangkat pendamping pengajaran yang ringkas, tanpa kehilangan aspek teknisnya. Akan sangat membantu pemahaman terhadap komputasi paralel. Sistem Operasi ALIFLinux, merupakan produk remartering dari Distnbusi Linux ParallelKnoppix, yang memiliki kemampuan sebagai live CD (dapat dijalankan tanpa diinstallasi), mendeteksi perangkat keras, rescue CD (penyelamat saat tedadi kerusakan sistem operasi), menunjang komputasi parallel. Masalah yang dapat diselesaikan oleh komputasi paralel ialah komputasi kompleks yang membutuhkan banyak sumberdaya komputer. Pada Tugas Akhir ini dilakukan sebuali evaluasi kinerja dari sistem operasi Parallelknoppix yang telah diremaster menjadi ALIFlinux sebagai salah satu solusi komputasi paralel yang mudah dipelajari, digunakan dan murah. Evaluasi kmerja ini menggunakan bahan uji program Perkalian Matriks. Pengukuran keda yang ditunjukkan menunjukkan bahwa memang terjadi komputasi parallel pada cluster lokal. Dalam Tugas Akhir yang bedudul ""Evaluasi Kinerja Parallelknoppix Sebagai Sarana Komputasi Paralel dalam Menyelesaikan Masalah Komputasi Kompleks "", diharapkan dapat menjadi sarana pengembangan sumber daya manusia, bahan referensi dan acuan untuk pengembangan selanjutnya, khususnya di Jurusan Teknik Eiektro Fakultas Teknik Universitas Indonesia.""

"

Pada skripsi ini dipresentasikan desain rangkaian novel dc-dc flyback converter untuk mendukung teknologi 48 volt. Kebaruan dari rangkaian ini adalah pengaplikasian parallel input seried output dan umpan balik pada dc-dc flyback converter untuk mengubah 12V DC ke 48V DC. Disamping itu penggunaan transformator pada rangkaian yang berjumlah lebih dari satu berfungsi untuk membagi beban kerja induksi magnetik pada inti transformator. Desain umpan balik memanfaatkan arduino untuk memproses sinyal umpan balik sehingga menggerakan komponen penghasil sinyal PWM berdasarkan sinyal umpan balik yang diterima dan tegangan keluaran yang dihasilkan mencapai 48 volt meskipun dilakukan variasi beban. Rangkaian usulan terdiri atas keempat model yang berbeda, yaitu model tanpa umpan balik, model arduino-TL494CN, arduino saja, dan arduino-MCP4725-TL494CN. Hasil dari penelitian ini menyatakan model arduino-MCP4725-TL494CN memiliki presisi yang tinggi yaitu nilai defiasi yang paling rendah 0.02765 %⁄int dan tidak mengalami overshoot pada inisiasi rangkaian.

---

This essay presented dc-dc flyback converter for supporting 48 volt technology. This circuit merge parallel input seried output and feedback application. The new design development consist of parallel input seried output and feedback in dc-dc flyback converter to converter 12V DC to 48 V DC. Aside that, the function of using transformer more than one in circuit is for splitting magnetic induction workload for transformer core. Feedback design using arduino is for proccessing feedback signal so that driving PWM generator component based on received feedback signal and output voltage reach at 48 volt even the load is changing. The proposed circuit consist of four different model, that are no feedback model, arduino-TL494CN model, arduino only, and arduino-MCP4725-TL494CN model. Result of this research stated arduino-MCP4725-TL494CN model has the lowest deviation value 0.02765 %⁄int and preventing overshoot at circuit initiation.

"

"Adanya kursus pemrograman daring diharapkan dapat membantu dalam meningkatkan kompetensi orang-orang yang memiliki minat terhadap pemrograman sehingga bisa memenuhi kebutuhan ahli di sektor digital terutama programmer yang saat ini jumlah antara kebutuhan dan permintaan masih tidak sebanding. Meskipun banyak orang yang memiliki minat pemrograman dan kursus pemrograman daring sudah mulai menjamur, masih ditemukan berbagai kendala seperti kesulitan dalam memahami materi pemrograman. Tujuan dari penelitian ini ialah merumuskan kebutuhan untuk menerapkan desain instruksional dan mengembangkan desain antarmuka bagi sasaran utama penelitian ini serta berdasarkan hasil analisis dan rancangan umum yang telah ditentukan dengan studi kasus Skydu Academy. Penelitian ini menggunakan pendekatan metode campuran. Dilakukan penyebaran kuesioner untuk mendapatkan data kualitatif dan pelaksanaan evaluasi usability testing untuk mendapatkan data kuantitatif dan kualitatif. Selain itu, dilakukan juga analisis terhadap prinsip-prinsip dari Gagne’s Nine Events of Instruction, Chickering and Gamson’s Seven Principles of Good Practice in Online Teaching, dan Shneiderman's Eight Golden Rules of Interface Design. Hasil menunjukkan bahwa evaluasi usability testing dari segi kuantitatif memiliki task success rate sebanyak 93.32% dan dari segi kualitatif mayoritas partisipan menyatakan ekspektasi belajar pemrograman menggunakan aplikasi ini sudah terpenuhi.

---

The existence of an online programming course is expected to help in increasing the competence of people who have an interest in programming so that they can meet the needs of experts in the digital sector, especially programmers, which currently there are a shortage of programmers. Although there is many people interested in programming and many online programming courses, there are still many obstacles such as difficulties in understanding programming material. The purpose of this research is to formulate the need to implement instructional design and develop interface design for the main objectives of this study and based on the results of analysis and general design that has been determined by the Skydu Academy case study. This research uses a mixed-methods approach. Questionnaires were distributed to obtain qualitative data and the evaluation of usability testing was carried out to collect quantitative and qualitative data. Also, the analysis of the principles of Gagne’s Nine Events of Instruction, Chickering and Gamson's Seven Principles of Good Practice in Online Teaching, and Shneiderman's Eight Golden Rules of Interface Design has been conducted. The overall results showed that the evaluation of usability testing has a task success rate of 93.32% in quantitative and expressing the participant's expectation to learn programming has been fulfilled in qualitative."

"Skripsi ini membahas rancangan dan pengembangan sistem penilaian esai otomatis untuk ujian Bahasa Jepang dengan bentuk isian singkat/esai. Sistem dirancang dengan model hybrid MLP (Multilayer Perceptron) dengan Particle Swarm Optimization. Sistem ditulis dalam bahasa pemrograman Python. Penilaian otomatis dilakukan dengan membandingkan jawaban mahasiswa dan jawaban dosen berdasarkan jarak kemiripan menggunakan Manhattan Distance. Model Hybrid MLP akan digunakan untuk menghasilkan vektor jawaban agar dapat dibandingkan dan dinilai. Dari variasi model yang diuji, variasi yang terbukti memiliki performa terbaik adalah variasi dengan model MLP yang dilatih secara backpropagation dengan optimizer Adam dengan learning rate sebesar 0.000001, fungsi loss categorical-crossentropy, dan dilatih selama 50 epoch. Model mendapatkan tingkat persentase eror sebesar 21.85% untuk rata-rata nilai prediksi dibandingkan dengan nilai yang diberikan oleh dosen.

---

This thesis discusses and explore the designs and development of Automatic Essay Grading System using combination of Multilayer Perceptron with Particle Swarm Optimization. The program is being developed with Python programming language. The system compares the matrix vector of the student’s answer with the key answer using Manhattan Distance. Out of all the variations that are tested, the model that is proven to be the most stable is the MLP model that are trained with Backpropagation with loss function crosscategorical-crossentropy and Adam optimizer with learning rate of 0.000001. The model achieves an error percentage of 21.85% for the average grade predicted compared to the actual grade."

"Penelitian ini bertujuan untuk menguji efektivitas pre-trained language model BERT pada tugas pencarian dosen pakar. Bidirectional Encoder Representations from Transformers (BERT) merupakan salah satu state-of-the-art model saat ini yang menerapkan contextual word representation (contextual embedding). Dataset yang digunakan pada penelitian ini terdiri dari data pakar dan bukti kepakaran. Data pakar merupakan data dosen Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI). Data bukti kepakaran merupakan data abstrak digital tugas akhir mahasiswa Fasilkom UI. Model yang diusulkan pada penelitian ini terdiri dari tiga variasi BERT, yaitu IndoBERT (Indonesian BERT), mBERT (Multilingual BERT), dan SciBERT (Scientific BERT) yang akan dibandingkan dengan model baseline menggunakan word2vec. Terdapat dua pendekatan yang dilakukan untuk mendapatkan urutan dosen pakar pada variasi model BERT, yaitu pendekatan feature-based dan fine-tuning. Penelitian ini menunjukkan bahwa model IndoBERT dengan pendekatan feature-based memberikan hasil yang lebih baik dibandingkan baseline dengan peningkatan 6% untuk metrik MRR hingga 9% untuk metrik NDCG@10. Pendekatan fine-tuning juga memberikan hasil yang lebih baik pada model IndoBERT dibandingkan baseline dengan peningkatan 10% untuk metrik MRR hingga 18% untuk metrik P@5. Diantara kedua pendekatan tersebut, dibuktikan bahwa pendekatan fine-tuning memberikan hasil yang lebih baik dibandingkan dengan pendekatan feature-based dengan peningkatan 1% untuk metrik P@10 hingga 5% untuk metrik MRR. Penelitian ini menunjukkan bahwa penggunaan pre-trained language model BERT memberikan hasil yang lebih baik dibandingkan baseline word2vec dalam tugas pencarian dosen pakar.

---

This study aims to test the effectiveness of the pre-trained language model BERT on the task of expert finding. Bidirectional Encoder Representations from Transformers (BERT) is one of the current state-of-the-art models that applies contextual word representation (contextual embedding). The dataset used in this study consists of expert data and expertise evidence. The expert data is composed of faculty members from the Faculty of Computer Science, University of Indonesia (Fasilkom UI). The expertise evidence data consists of digital abstracts by Fasilkom UI students. The proposed model in this research consists of three variations of BERT, namely IndoBERT (Indonesian BERT), mBERT (Multilingual BERT), and SciBERT (Scientific BERT), which will be compared to a baseline model using word2vec. Two approaches were employed to obtain the ranking of expert faculty members using the BERT variations, namely the feature-based approach and fine-tuning. The results of this study shows that the IndoBERT model with the feature-based approach outperforms the baseline, with an improvement of 6% for the MRR metric and up to 9% for the NDCG@10 metric. The fine-tuning approach also yields better results for the IndoBERT model compared to the baseline, with an improvement of 10% for the MRR metric and up to 18% for the P@5 metric. Among these two approaches, it is proven that the fine-tuning approach performs better than the feature-based approach, with an improvement of 1% for the P@10 metric and up to 5% for the MRR metric. This research shows that the use of the pre-trained language model BERT provides better results compared to the baseline word2vec in the task of expert finding."