Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKJaringan nirkabel atau wireless adalah salah satu media atau sistem transmisi data yang menggunakan gelombang radio sebagai media transmisinya dan sebuah pengembangan dari jaringan komputer yang sebelumnya menggunakan kabel sebagai media penghubungnya. Nirkabel memanfaatkan udara/gelombang elektromagnetik sebagai media lalu lintas pertukaran data. Namun seiring perkembangannya, keamanan pada jaringan nirkabel ternyata cukup rentan, dan memberikan potensi yang cukup tinggi bagi para hacker. Keamanan jaringan mempunyai dampak yang besar bagi dunia terhadap penggunaannya, seluruh informasi dapat dikirimkan dan diterima tanpa menggunakan kabel. Jaringan nirkabel menyediakan semua fungsi yang sama seperti jaringan kabel tanpa adanya perangkat fisik. Tujuan utama dari studi ini ialah mendemonstrasikan dan menganalisis jenis variasi serangan yang dapat ditemui saat menggunakan jaringan nirkabel sekaligus mitigasi terhadap serangan yang terjadi. Jaringan nirkabel memiliki banyak celah dalam penggunaannya. Pada studi kali ini akan digunakan software yaitu Kali Linux 3.0 adalah open source yang digunakan untuk melakukan uji penetrasi. Uji penetrasi akan dilakukan menggunakan beberapa metode yang nantinya studi ini akan memeberikan edukasi kepada setiap orang agar lebih berhati-hati dalam mengakses jaringan nirkabel di rumah maupun tempat umum.

---

ABSTRACTWireless or wireless network is one media or data transmission system that uses radio waves as transmission media and is a development of a computer network that previously used the cable as a connector. Wireless utilize air electromagnetic waves as a medium of traffic exchange data. But over the development of security on wireless networks was quite vulnerable, and provide a high enough potential for hackers. Network security has a major impact on the world for its use, all information can be sent and received without the use of cables. Wireless networks provide all the same functions as cable networks in the absence of physical devices. The main purpose of this study is to demonstrate and analyze the types of attack variations that can be encountered when using wireless networks and also how to mitigate them. Wireless networks have many loopholes in its use. In this study will be used software that is Kali Linux 3.0 is open source used to do penetration test. The penetration test will be conducted using several methods that will provide education for everyone to be more careful in accessing wireless networks at home and public places. "

"ABSTRAKKetika dunia menjadi lebih maju secara teknologi, kendaraan akan sampai pada titik bahwa mereka akan memiliki kemampuan untuk berkomunikasi dan bekerja sama satu sama lain untuk memberikan informasi yang bermanfaat dan menghindari tabrakan. Agar kerjasama kendaraan ini dimungkinkan, semua kendaraan harus dilengkapi dengan modul 802.11p nirkabel kompatibel on-board-unit (OBU) khusus yang menerapkan standar ITS-G5. Namun, aplikasi komunikasi kendaraan dibatasi oleh jarak antara kendaraan yang berkomunikasi dan tidak dapat mentolerir penundaan lama sambungan saat saling mengirim dan menerima informasi, dan modul 802.11p belum tersedia di seluruh dunia. Tesis ini membahas desain, implementasi dan evaluasi laju pengiriman paket serta latensi ujung ke ujung dari prototipe komunikasi kendaraan-ke-kendaraan dengan menjaga parameter seperti frekuensi sedekat mungkin dengan standardisasi akses nirkabel untuk lingkungan kendaraan. (WAVE). Dalam tesis ini, jalur komunikasi yang didasarkan pada perangkat keras komunikasi yang sesuai dengan IEEE 802.11a digunakan. Perangkat lunak yang digunakan untuk mengirim dan menerima paket ditulis dalam Java dan analisis paket diamati melalui aplikasi Wireshark.

---

ABSTRACTAs the world becomes more technologically advanced, vehicles will come to a point that they will have the ability to communicate and cooperate with each other in order to provide useful information and avoid collisions. For this vehicles cooperation to be possible, all vehicles must be equipped with a special on-board-unit (OBU) compatible wireless 802.11p modules that implement the ITS-G5 standard. However, vehicular communication applications are limited by distance between the communicating vehicles and cannot tolerate long connection establishment delays upon sending and receiving information among each other, and the 802.11p modules are not yet readily available worldwide. This thesis addresses the design, implementation and evaluation of packet delivery rate as well as end-to-end latency of a vehicle-to-vehicle communication prototype by keeping parameter such as frequency as close as possible to the standardization of wireless access for vehicular environment (WAVE). In this thesis, communication line based on an IEEE 802.11a compliant communication hardware is used. The software used for sending and receiving packets is written in Java and the packets analyzation is observed through Wireshark application."

"Pertumbuhan industri e-commerce di Indonesia telah meningkat secara signifikan dalam beberapa tahun terakhir. Nilai transaksi di sektor e-commerce di Indonesia diproyeksikan akan tumbuh sekitar 115%. Respons cepat terhadap keluhan pelanggan di platform digital menjadi krusial dalam mempertahankan kepercayaan dan loyalitas pelanggan di tengah persaingan yang ketat. Salah satu strategi yang digunakan oleh perusahaan adalah pendekatan multi-channel, di mana media sosial berperan penting. Namun, penggunaan media sosial sebagai saluran komplain menghadapi tantangan dalam membedakan keluhan yang sebenarnya dari noise yang tidak relevan. Saat ini, PT XYZ mengalami kesulitan dalam mengidentifikasi secara akurat interaksi mana yang memerlukan penanganan khusus dan mana yang tidak. Sistem yang ada saat ini mengharuskan tim khusus melakukan penyaringan secara manual. Metode ini menyebabkan tim tidak dapat mengimbangi saat terjadi peningkatan volume interaksi yang pesat. Akibatnya, waktu respon menjadi lebih lambat hingga 20%. Penelitian ini bertujuan untuk mengevaluasi performa model berbasis klasifikasi yang dapat dimanfaatkan serta menyusun rekomendasi dalam upaya meningkatkan skalabilitas untuk mengatasi tantangan tersebut. Desain penelitian ini menggunakan metode experimental research, di mana data yang diolah berasal dari interaksi pelanggan di media sosial dari rentang waktu tertentu. Dalam pengembangan model klasifikasi, digunakan beberapa metode meliputi Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), dan XGBoost menggunakan TF-IDF sebagai metode ekstraksi fitur, serta menggunakan BERT untuk ekstraksi fitur hingga klasifikasi. Pemodelan interaksi pelanggan dilakukan sebanyak lima kali dengan pengaturan k-fold cross-validation untuk menghindari bias. Hasil penelitian ini menunjukan bahwa dari persebaran data interaksi yang terdiri terdapat 6.220 keluhan dan 4.572 bukan keluhan. Akun sosial media perusahaan yang dikhususkan sebagai saluran komplain terbukti menjadi saluran yang efektif untuk menangani keluhan pelanggan, sementara akun yang bersifat umum lebih sering digunakan untuk interaksi yang lebih luas yang tidak terkait dengan keluhan. Tipe keluhan juga teridentifikasi bahwa keluhan yang berkaitan dengan logistik mendominasi, mencakup isu-isu seperti keterlambatan pengiriman, serta pelayanan dari kurir atau ekspedisi. Model klasifikasi terbaik yang berhasil dikembangkan menggunakan BERT dengan indobert-p1 mencapai F1-score sebesar 98,3%. Implementasi model ini berpotensi mengurangi beban pekerjaan hingga 97,58% dan menghasilkan ROI sebesar 23,52 kali. Dengan pengurangan beban pekerjaan ini, perusahaan dapat mengurangi jumlah headcount yang dibutuhkan untuk proses klasifikasi manual menjadi hanya 1 orang.

---

The e-commerce industry in Indonesia has experienced significant growth in recent years, with transaction values projected to increase by around 115%. Rapid responsiveness to customer complaints on digital platforms is crucial for maintaining trust and loyalty amidst intense competition. One strategy utilized by companies involves a multi-channel approach, where social media plays a pivotal role. However, using social media as a complaint channel faces challenges in accurately discerning genuine complaints from irrelevant noise. Currently, PT XYZ encounters difficulties in precisely identifying which interactions necessitate specialized handling, relying on manual screening by dedicated teams. This method proves inadequate during periods of increased interaction volumes, resulting in response times slowing by up to 20%. To address these challenges, this research aims to evaluate the performance of machine learning models and provide recommendations for enhancing scalability. The study employs an experimental research design, analyzing customer interactions on social media over a specified timeframe. Various classification methods, including Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and XGBoost, utilize TF-IDF for feature extraction and BERT for feature extraction and classification. Customer interaction modeling is conducted five times with k-fold cross-validation to mitigate bias. The findings reveal that the dataset comprises 6,220 complaints and 4,572 non-complaints. Company-designated social media accounts prove effective for handling customer complaints, while general accounts are more commonly used for broader interactions unrelated to complaints. Issues related to logistics, such as delivery delays and courier services, dominate the identified types of complaints. The best-performing classification model, leveraging BERT with indobert-p1, achieves an impressive F1-score of 98.3%. Implementation of this model has the potential to reduce workload by 97.58% and yield an ROI of 23.52 times. By minimizing the need for manual classification, the company could potentially reduce required headcount to only 1 person.

"

"Penelitian pada data berbahasa Inggris menemukan bahwa Dense Passage Retriever atau DPR mempunyai keterbatasan dalam hal menangani kondisi out-of-distribution data termasuk out-of-domain data. Saat ini, data latih berbahasa Indonesia yang bisa digunakan untuk melatih DPR cukup terbatas. Semua data latih tersebut berasal dari domain umum yang jika digunakan untuk melatih DPR mungkin menghasilkan performa yang rendah pada data uji dengan domain spesifik. Penelitian ini membandingkan antara performa DPR yang dilatih pada data latih dengan domain berbeda dengan domain data uji dan performa sparse retriever model untuk mengetahui apakah fenomena performa DPR yang tidak terlalu baik pada kondisi out-of-domain data juga terjadi pada bahasa Indonesia. Selain itu, penelitian ini mengevaluasi dua pendekatan untuk memperbaiki performa DPR dan mengatasi permasalahan keterbatasan data latih yakni pendekatan untuk memasukkan informasi exact-term matching kepada DPR dan pendekatan untuk mencoba melatih DPR pada beberapa jenis synthetic dataset berbahasa Indonesia. Hasil eksperimen menunjukkan bahwa performa DPR yang tidak terlalu baik pada data uji out-of-domain juga terjadi pada bahasa Indonesia yang ditunjukkan dengan skor evaluasi DPR yang relatif rendah terhadap skor evaluasi sparse retriever model. Selain itu, salah satu metode pemasukan informasi exact-term matching pada DPR yakni hybrid DPR-sparse retriever model menghasilkan skor BPref yang cenderung lebih baik dibandingkan skor BPref DPR pada seluruh eksperimen. Hasil pengujian pendekatan pelatihan DPR dengan synthetic dataset menunjukkan bahwa DPR yang dilatih dengan synthetic dataset pada penelitian ini menghasilkan skor BPref yang mengimbangi skor BPref DPR yang dilatih dengan data latih yang memang bisa digunakan untuk melatih DPR. Investigasi lebih lanjut pada hasil pengujian tersebut menunjukkan bahwa proses fine-tuning dan faktor domain data latih mungkin bisa mempengaruhi performa DPR. Selain itu, panjang token data latih dan faktor ukuran data latih tidak mempunyai korelasi terhadap performa DPR.

---

Researches on English data found that Dense Passage Retriever (DPR), a neural information retrieval model, has limitation on handling out-of-distribution data, including out-of-domain data. Information retrieval datasets in Indonesian that can be used for training DPR are quite scarce. All of those datasets are open-domain which may produce low model performance when the DPR tested on certain domain-specific dataset. This research compared the DPR performance to sparse retriever model performance to check whether DPR’s lack of performance when it’s tested on out-of-domain also can occur on Indonesian dataset. This research also tested two approaches that might improve DPR performance on that condition and also might overcome the training data scarcity problem that consist of methods to embed exact-term matching information into DPR and DPR fine-tuning on several Indonesian synthetic training datasets. The experiment result shows that DPR’s lack of performance on out-of-domain data also occur in Indonesian dataset which can be shown that all evaluation scores produced by DPR which is trained on out-of-domain training data are lower than any sparse retriever model’s evaluations scores. Result shows that hybrid DPR-sparse retriever model produced relatively higher BPref than DPR BPref. Additionally, result shows that DPR which is fine-tuned on synthetic datasets that were used on this research produced relatively in-par BPref score in compare to BPref score that is produced by DPR which is fine-tuned on training datasets that are inherently can be used to fine-tune DPR. Further investigation on the synthetic dataset training approach results found that fine-tuning process and training data’s domain may affect DPR performance. Additionally, training data token length and training data size don’t have correlation with the DPR performance according to this experiment."