Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Di dalam disertasi ini dibuat satu metode baru pembuatan Mashup melalui sistem pemodelan pohon DOM yang dibentuk secara otomatis menggunakan algoritma Xtractorz. Mashup merupakan sebuah aplikasi web yang mengkombinasikan data atau fungsi dari dua atau lebih sumber eksternal (halaman web) untuk membuat satu bentuk layanan (new servives) di halaman web yang baru. Pohon DOM merupakan satu bentuk platform yang berguna untuk merepresentasikan beragam obyek dokumen halaman web berformat HTML atau XML untuk ditampilkan menjadi satu bentuk struktur pohon (tree-structure) atau lazimnya disebut node-tree Dengan menggunakan pendekatan platform struktur pohon DOM tersebut maka web browser dapat dengan mudah menginterpretasikan struktur kode HTML dari satu halaman web. Maksudnya, seluruh node yang ada dalam struktur kode HTML dari satu halaman web dapat diidentifikasi dan dimodifikasi struktur datanya secara mudah dan cepat. Tujuan dari metode baru ini adalah untuk memudahkan pengguna membuat satu rangkaian tahapan pembuatan Mashup secara online via Internet. Untuk mengimplementasikan metode baru tersebut, di dalam penelitian ini telah dibangun satu tool baru pembuat Mashup yang dinamakan Xtractorz. Tool Xtractorz terdiri dari algoritma induk dan algoritma turunannya serta sekumpulan aturan yang didisain untuk mampu membuat satu Mashup yang diawali proses ekstraksi tabel data dari satu halaman web HTML di Internet. Proses pembuatan Mashup dimulai dengan memetakan seluruh struktur kode-kode atau tag-tag tabel HTML yang berhasil diekstraksi dari satu halaman web. Kode-kode HTML yang merepresentasikan seluruh tabel di dalam halaman web HTML selanjutnya dipisahkan oleh algoritma induk Xtractorz untuk dikelompokan menjadi kelompok node Root, Parent, Child, Sibling dan Leaf. Pengelompokkan tersebut kemudian ditransformasikan bentuknya menjadi satu struktur pohon DOM yang dibentuk secara otomatis oleh tool Xtractorz. Struktur pohon DOM tersebut selanjutnya menjadi referensi untuk proses komputasi di setiap tahapan pembuatan Mashup, seperti tahap Data Retrieval, Data (Source) Modeling, Data Cleaning/ Filtering, Data Integration hingga Data Visualization. Hasil akhir tahapan pembuatan Mashup adalah beragam bentuk produk keluaran sesuai kebutuhan atau keinginan pengguna, contohnya dalam bentuk tabel PDF, tabel XML atau bentuk keluaran lainnya. Pengujian terhadap metode baru pembuatan Mashup dilakukan dengan cara menguji tool Xtractorz menggunakan skenario dan lingkungan pengujian yang pernah dilakukan oleh tools pembuat Mashup sejenis, yaitu Karma dan Dapper. Pengujian dilakukan oleh para penguji dengan kualifikasi programmers dan non-programmers yang merepresentasikan para pengguna Internet. Pengujian dilaksanakan dengan memberikan model penugasan Task 1, Task 2 dan Task 3. Pada prinsipnya para penguji diberi tugas melakukan pembuatan satu Mashup sesuai skenario penugasan yang diterima. Proses pembuatan Mashup diawali dengan tahapan ekstraksi tabel data secara online dan real time dari beberapa sumber halaman web HTML di Internet. Data hasil pengujian menunjukkan bahwa performa tool Xtractorz lebih unggul dibandingkan dengan tools Dapper dan Karma. Keunggulan tersebut dibuktikan dengan keberhasilan tool Xtractorz menyelesaikan seluruh rangkaian tahapan pembuatan Mashup secara lengkap dengan waktu proses (time spent) yang lebih cepat. Selain itu algoritma induk Xtractorz dan turunannya mampu menyelesaikan seluruh lima tahapan standar pembuatan Mashup, mulai dari tahap Data Retrieval, Data Modeling, Data Cleaning/ Filtering, Data Integration hingga Data Visualization yang tidak dapat dilakukan oleh tools sejenis lainnya. Dari hasil pengujian dapat ditarik kesimpulan bahwa metode baru pembuatan Mashup melalui sistem pemodelan pohon DOM yang dibentuk secara otomatis menggunakan algoritma Xtractorz memiliki performa yang dapat diandalkan bagi para pengguna Internet membuat satu Mashup secara mudah dan cepat.

---

ABSTRACT
In this dissertation, we created a new method for building a Mashup through DOM tree modeling system that automatically generated by using Xtractorz algorithm. Mashup is a web based application which combine data or function from two external sources (web pages) or more in order to create new services in the new web pages. DOM tree is a useful platform to represent various HTML or XML web pages document object in a form of tree structure or commonly called node-tree. With the use of DOM tree structure approach then the web browser could interpret the HTML tags structure from a web page very easily. This mean that all the nodes exist inside the HTML tags structure within a web page can be easily identify or modify its data structures. The aim of this new method is to help the Internet users to build a Mashup via online Internet. In order to implement this new method, a new Mashup builder tool called Xtractorz has been build in this research project. The Xtractorz tool consists of a main algorithm and its derivative algorithms completed with a set of rules which is designed to be capable to build a Mashup through a process of data table extraction from an HTML web page on the Internet. The process of building a Mashup is initiated by mapping the whole structure of a webpage HTML codes or tags that has been succesfully extracted and grouped from a single web page. Afterward, those HTML codes or tags that represent the web HTML tables will be grouped into Root, Parent, Child, Sibling and Leaf Nodes by the Xtractorz main algorithm. Those group of nodes will be transformed to a DOM tree structure model which is automatically build by Xtractorz tool. This DOM tree structure will be used as a main reference for computation process in every stages of building a Mashup, such as Data Retrieval, Data (Source) Modeling, Data Cleaning/Filtering, Data Integration and Data Visualization. The end result of Mashup building stages will be the variety of output as expected or needed by the users, for example in the form of PDF and XML tables and many more output forms. The new method of building a Mashup has been tested by testing the Xtractorz tool using the same scenario and environment test that has been done previously by similar Mashup builder tools, called Karma and Dapper. The tests has been done by the appointed testers with the qualification of programmers and non-programmers background as the representative of Internet users. The serial tests have been deployed with specific tasks model, namely Task 1, Task 2 and Task 3. Basically, the appointed testers created a Mashup as written on the scenario. The stage of building a Mashup is initiated by an on-line and real-time process of web data table extraction from the Internet. The data test results showed that the Xtractorz tool performance is better than the other tools, Karma and Dapper. This can be proofed by the successful test of Xtractorz tool which can complete the whole process of building a Mashup with the minimum time spent or more faster. In addition to that, the Xtractorz main algorithm and its derivatives can also complete the five stages standardization of building a Mashup, starting from Data Retrieval, Data Modeling, Data Cleaning/ Filtering, Data Integration until Data Visualization stage which can not be performed completely by other similar tools. As conclusion, the result test showed that this new method for building a Mashup through DOM tree modeling system which automatically generated using Xtractorz algorithm has a better performance that could help the Internet users to build a Mashup more faster and easily.

Abstrak :
Sebagian besar masyarakat dunia merupakan masyarakat heterogen. Ini dapat dilihat memberi kemungkinan saling pengayaan dan saling melengkapi, yang akan bermanfaat bagi masyarakat umum . Di pihak lain, heterogen juga dapat dilihat negatif, sebagai sumber konflik, khususnya di negara-negara dalam situasi transisi dari rezim represif menuju pemerintahan yang lebih demokratik. Perempuan dan laki-laki terkena dampak berbeda. Dalam peperangan dan konflik, sangat sering bentuk-bentuk diskriminasi berdasar etnis,ras, juga kecurigaan pada'orang asing' atau 'berbeda' bersilangan dengan bentuk-bentuk kekerasan gender. Mayoritas pengungsi adalah perempuan dan anak , dan korban mati atau luka juga lebih sering terjadi pada penduduk sipil , banyak di antaranya perempuan dan anak . Sementara itu, ada pula bentuk- bentuk khusus kekerasan terhadap perempuan, seperti sterilisasi paksa,perkosaan, perdagangan perenpuan, dan bentuk- bentuk kekerasan seksual lain. Penulis menggunakan Indonesia masa kini sebagai ilustrasi, khususnya kasus Mei 1998 dan kasus Aceh; selain yang tidak langsung terkait dengan konflik politik, tetapi relevan untuk dibahas, yakni situasi perempuan pekerja migran. Ia kemudian menyudahi tulisan dengan mengusulkan agenda penelitian terkait dengan upaya memahami akan penyebab diskriminasi rasial,xenophobia, dan bentuk-bentuk intoleransi lain dari tinjauan gender; langkah-langkah melakukan reformasi hukum dan keadilan ; serta memfokus pada upaya mengembangkan kemampuan masyarakat mengelola keragaman dan situasi konflik, dengan perhatian khusus pada dimensi gender.

Abstrak :
Smart driving dan eco driving saat ini menjadi isu yang penting dimana mengkaitkan cara berkendara dengan lingkungan, kenyamanan, dan keselamatan berkendara. Untuk mencapai target yang dituju dalam smart dan eco driving diperlukan pengukuran atau evaluasi terhadap behaviour kita dalam berkendara. Salah satu parameter yang mencerminkan behaviour kita dalam berkendara adalah driving cycle. Besaran yang diukur dalam driving cycle adalah kecepatan kendaraan setiap detiknya. Dalam riset ini, kecepatan kendaraan akan diukur menggunakan accelerometer pada smart phone. Dipilih menggunakan smartphone karena smartphone merupakan perangkat yang aplikasinya saat ini telah cukup luas tidak terbatas sebagai alat komunikasi saja karena telah dilengkapi dengan berbagai sensor dan feature lainnya. Kendala terbesar penggunaan accelerometer sebagai alat ukur kecepatan adalah timbulnya drift, hasil pengukuran dipengaruhi vibrasi dan gravitasi Bumi. Pada riset ini, digunakan metoda Fuzzy Logic untuk memberikan koreksi terhadap pembacaan accelerometer arah longitudinal yang dipengaruhi vibrasi dan drift dengan melihat besar vibrasi pada arah lateral dan vertikal. Degree of membership DOM dari setiap himpunan yang menggambarkan state gerak dan vibrasi kendaraan ditentukan berdasarkan sampling data yang kemudian dianalisis menggunakan distribusi Gauss sehingga besar peluang suatu percepatan menggambarkan suatu state atau keadaan dapat dimodelkan. Keakuratan dalam melakukan filter sangat tergantung desain filter yang kita lakukan meliputi meliputi range DOM pada setiap state atau himpunan yang didefinisikan, Membership Function, dan sebagainya. ......Smart driving and eco driving now become an important issue which they integrate environment, comfort, and safety riding. To achieve this condition, it is needed measurements or evaluations on our riding behaviour. One of parameters that describes our riding behaviour is driving cycle. The variable that is measured in driving cycle is the vehicle speed in each second. In this research the velocity of vehicle was measured by accelerometer on a smartphone. The choice of using smartphone in this research was because it is used for communication tool by many people and equipped by many sensors such as accelerometer, magnetometer, and many other features. The biggest obstacle of using accelerometer as velocity measuring instrument was the measurement result is affected by drift, vibration, and earth gravitation. In this research, Fuzzy Logic was used to give correction on accelerometer reading in longitudinal direction which is affected by vibration and drift by looking at vibration in the lateral and vertical direction. Degree of membership DOM in each set which describes vehicle's movements and vibrations is determined based on sampling data and analyzed with Gauss Distribution that probability of acceleration which describes a state can be modelled. The accuracy of filtering is depend on filter design that we have made that covers range DOM on each defined state or sets, Membership Function, etc.

Abstrak :
Saat ini pengguna media sosial semakin kreatif dalam menyampaikan ujaran kebencian. Untuk menghindari peraturan kebijakan di media sosial, pengguna menggunakan kode untuk berinteraksi satu sama lain. Kode tersebut merupakan istilah atau julukan berisi kebencian yang ditargetkan pada suatu pihak untuk menyampaikan ujaran kebencian. Penelitian ini bertujuan untuk menggunakan kode kebencian dalam mengidentifikasi ujaran kebencian pada media sosial. Penelitian ini menggunakan twit berbahasa Indonesia serta menggunakan metode Logistic Regression, Support Vector Machine, Naïve Bayes, dan Random Forest Decision Tree. Hasil penelitian menunjukkan bahwa fitur kode kebencian (hate-code HC) yang diusulkan, dapat digunakan sebagai fitur untuk identifikasi ujaran kebencian. Jika tanpa fitur kode kebencian, F-Measure menghasilkan tidak lebih dari 55%. Namun, performa meningkat jika menggunakan fitur kode kebencian dengan hasil F-Measure sebesar 80.71% yang dikombinasikan dengan metode Logistic Regression Nowadays social media users are increasingly creative in expressing hate speech. ......To avoid policy regulations on social media, users use code to interact with each other. The code is a term or nickname containing hatred that is targeted at a individual or groups to convey the utterance of hate. This study aims to use hate codes in identifying hate speech on social media. This study uses twit in Indonesian and uses the Logistic Regression, Support Vector Machine, Naïve Bayes, and Random Forest Decision Tree. The results show the hate code features (HC) that proposed can be used as a feature to identify hate speech. If without the hate code feature, F Measure generates nomore than 55%. However, performance increases if using this feature, with the result of F-Measure of 80.71% combined with Logistic Regression method.