Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Level atau tingkatan antusiasme seseorang merupakan tolak ukur yang penting bagi performa sebuah perusahaan. Level antusiasme tersebut dapat dimodelkan melalui face recognition yang nantinya digunakan sebagai sebuah acuan untuk mengetahui apakah seseorang termasuk dalam kelas antusias, sedikit antusias, atau tidak antusias. Pengklasifikasian face recognition ini berbasis supervised machine learning. Klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine SVM dengan metode one-vs-one karena kelas pada data terdiri lebih dari dua kelas. Adapun, dalam upaya peningkatan performa classifier, perlu dilakukan pemilihan fitur. Pemilihan fitur yang digunakan pada skripsi ini adalah Fisher rsquo;s Ratio dan Information Gain. Hasil yang diberikan di akhir tulisan ini berupa perbandingan akurasi dan running time dari klasifikasi SVM tanpa pemilihan fitur dan klasifikasi SVM dengan menggunakan masing-masing pemilihan fitur Fisher rsquo;s Ratio dan Information Gain. Pada klasifikasi SVM tanpa pemilihan fitur, didapatkan akurasi dan running time masing-masing sebesar 80,95238 dan 2,125 detik; dengan pemilihan fitur Fisher rsquo;s Ratio didapatkan akurasi dan running time masing-masing sebesar 88,89 dan 5,47 detik; sedangkan dengan pemilihan fitur Information Gain didapatkan akurasi sebesar 80,95238 dengan running time 1,265625 detik. ...... Enthusiasm level of a person is an important measurement for a company performance. Enthusiasm level can be modeled by face recognition that in the future will be used as standard to distinguish whether someone is classified as enthusiast, tend to enthusiast, or not at all. This face recognition classification is based on supervised machine learning. This paper uses Support Vector Machine SVM as a classifier with one vsone method because the data consists of more than two classes. In order to increase classifier performance, it is necessary to do feature selection. This paper uses Fisher rsquo s Ratio and Information Gain as feature selection. The conclusion at the end of this research is in the form of comparison of running time and accuracy between SVM classification without feature selection and with Fisher rsquo s Ratio and Information Gain feature selection, respectively. In SVM classification without feature selection, the accuracy and running time are 80,95238 and 2,125 seconds, respectively with Fisher rsquo s Ratio feature selection the accuracy and running time are 88,89 and 5,47 seconds, respectively whilst with Information Gain feature selection the accuracy and running time are 80,95238 , and 1.265625 seconds, respectively.

Abstrak :
Tesis ini membahas tentang Analisa Kebijakan Klasifikasi Jasa Telekomunikasi dalam General Agreement on Trade in Services (GATS) Sebagai Referensi Penyusunan Komitmen Indonesia Dalam Liberalisasi Perdagangan Di Bidang Jasa Telekomunikasi dan kepentingan Indonesia dalam rangka liberalisasi jasa serta kesesuaian dengan komitmen dalam (GATS-WTO) khususnya di bidang jasa telekomunikasi. Sesuai dengan prinsip perdagangan global, yang menitikberatkan pada asas perdagangan bebas dan tidak diskriminatif, Indonesia harus menyiapkan diri untuk menyesuaikan penyelenggaraan telekomunikasi, termasuk didalamnya regulasi nasional dan specific commitments untuk perundingan Internasional. Penelitian ini merupakan penelitian yuridis normatif, karena penelitian ini menitik beratkan pada penelitian kepustakaan yang meneliti asas-asas hukum, sistematis hukum, dan sikronisasi hukum dengan jalan menganalisa kebijakan specific commitments yang disusun oleh negara anggota WTO dalam sektor telekomunikasi. Data yang diperoleh dianalisis dengan menggunakan metode preskiptif kualitatif. Dari hasil penelitian ini menunjukkan bahwa saat ini banyak negara anggota WTO memiliki penafsiran yang berbeda-beda dalam menyusun specific commitments. Klasifikasi dalam dokumen W120 yang dijadikan acuan dalam penyusunan specific commitments sampai saat ini perlu dilakukan penyesuaian dengan perkembangan teknologi telekomunikasi, struktur pasar telekomunikasi, model bisnis dan juga regulasinya.

---

This thesis discusses the Policy Analysis Classification of Services in the General Agreement on Trade in Services (GATS) As Reference Preparation of Indonesia's commitment in Trade Liberalization in the Field of Telecommunication Services and Indonesian interests in the context of the liberalization of services and compliance with the commitments (GATS-WTO) in particular in the field of telecommunications services. In accordance with the principle of global trade, which focuses on the principles of free trade and non-discriminatory, Indonesia must be prepared to adjust the operation of telecommunications, including the national regulations and specific commitments for International negotiations. This research is normative, because this study focuses on the research literature that examines the principles of law, the law systematically, and analyze the synchronization law with specific policy commitments that WTO member countries compiled by the telecommunications sector. The data obtained were analyzed using qualitative methods prescriptive. From the results of this study indicate that many current WTO member countries have different interpretations in preparing specific commitments. Classification in the referenced documents W120 in the preparation of specific commitments to date needs to be adjusted with the development of telecommunications technology, telecommunications market structure, business models and regulation.