Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Urgensi personalisasi e-commerce saat ini didorong oleh beberapa faktor, diantaranya pertumbuhan pasar e-commerce, ekpektasi konsumen, information overload dan keuntungan yang signifikan bagi pengembang. Akan tetapi, menerapkan personalisasi e-commerce yang efektif bukanlah permasalahan yang mudah (non-trivial). Terdapat berbagai macam tantangan dari setiap proses personalisasi, mulai dari  tahap memahami konsumen, menyajikan personalisasi hingga tahap mengevaluasi dampak personalisasi. Saat ini, penelitian pada bidang ilmu komputer banyak memfokuskan studi pada tahap memahami konsumen dan menyajikan personalisasi. Di sisi lain, tahapan terakhir yakni evaluasi belum dieksplor sehingga evaluasi performa personalisasi e-commerce yang ada belum efektif. Beberapa penyebab masalah ini di antaranya adalah tujuan dan metrics yang tidak jelas, evaluasi hanya menggunakan perspektif teknis, dan terbatasnya metode evaluasi performa personalisasi. Untuk itu penelitian ini mencoba untuk mengusulkan metode yang metrics evaluasi dipetakan berdasarkan tujuannya dengan jelas. Selain itu, metode ini juga tidak hanya mengevaluasi dari perspektif teknis, tetapi juga bisnis. Pengembangan metode dilakukan berdasarkan hasil analisis data primer (wawancara) dan data sekunder (literatur). Setelah itu metode diuji engan pendekatan online dan offline menggunakan dataset Amazon dan MovieLens. Kesimpulannya, hasil pengembangan metode ini jika dibandingkan metode Carvalho tidak hanya menggunakan perspektif teknis, tetapi juga bisnis berupa akurasi, cakupan konsumen dan daya tarik produk yang dipersonalisasi.

---

The urgency of e-commerce personalization is currently driven by several factors, including e-commerce growth, consumer expectations, information overload and significant benefits for enterprise. However, implementing an effective e-commerce personalization is a non-trivial problem. There are several challenges in every personalization process, start from understanding consumers, presenting personalization and evaluating personalization performance. Today, research in computer science focuses on understanding consumers and presenting personalization only. On the other hand, the evaluation process has not been explored. It causes ineffectiveness in the evaluation of e-commerce personalization. The causes of this problem are unclear goals and metrics, technical perspective only, and limited methods of evaluating personalization performance. Therefore, this research proposes a method which evaluation metrics are mapped based on their objectives clearly. In addition, this method also not only evaluates from a technical perspective, but also business perspectives. Method development is based on the analysis results of primary data (interviews) and secondary data (literatures). The proposes method was tested with online and offline approaches using the Amazon dataset and MovieLens. In conclusion, the results of developing this method when compared to the Carvalho’s method have another insight not only technical perspective but also business perspective, including consumer coverage and attractiveness.

 

"

"ABSTRAKSteganografi adalah metode pengamanan informasi yang dikembangkan untuk menutupi keberadaan informasi itu alih-alih mengacak informasi tersebut. Permasalahan dari steganografi adalah kapasitas yang terbatas karena keharusan steganografi untuk tidak menimbulkan kecurigaan akibat derau pada medium. Tesis ini membahas teknik yang dapat meningkatkan kapasitas steganografi dengan memanipulasi gambar sedemikian sehingga kapasitas steganografi dapat ditingkatkan dengan teknik-teknik manipulasi yang diijinkan dalam kompetisi fotografi. Teknik manipulasi gambar yang dapat menunjukkan peningkatan kapasitas steganografi gambar antara lain, peningkatan kontras, pengaturan kecerahan, peningkatan kualitas, perubahan dimensi terbatas, dan pemilihan gambar dengan banyak subyek.

---

ABSTRACTSteganography is a way to secure information by hiding it as opposed to scrambling said information as in cryptography. The problem with steganography is that it often limited in capacity due to requirement to not raise suspicion regarding the image distortion. This thesis discussed techniques that enhance capacity using image manipulation techniques allowed in photography contests. Capacity-enhancing techniques are equalization, contrast stretching, brightness adjustment, quality improvement, limited image scaling, and choosing images with more subjects"

"ABSTRAKSertifikasi kompetensi merupakan salah satu upaya yang telah dilakukan oleh pemerintah untuk mengatasi masalah kesenjangan antara demand dan supply terkait tenaga kerja di Indonesia. Namun proses sertifikasi kompetensi yang saat ini telah berjalan memiliki beberapa permasalahan seperti inkonsistensi hasil penilaian yang disebabkan SDM asesor yang terbatas, perbedaan sudut pandang terkait bukti, reliability asesor, bahkan minimnya aturan penilaian sertifikasi secara detail dari BNSP (Badan Nasional Sertifikasi Profesi). Penelitian ini mengembangkan decision support guna membantu menyelesaikan permasalahan inkonsistensi yang terjadi pada proses penilaian sertifikasi kompetensi. Decision support yang dikembangakan mengintegrasikan data model ontologi karena mempertimbangkan keragaman data yang diolah pada proses penilaian sertifikasi. Hasil dari penelitian ini adalah metode pengembangan ontologi yang berdasarkan pada penggabungan metode TOVE, Methontologi dan YAMO dengan langkah preparation phase, conceptual phase, dan formalization phase. Hasil evaluasi kecocokan antara ontologi yang dihasilkan dan pertanyaan kompetensi yang digunakan oleh validator memiliki kesesuaian sebesar 74%. Selanjutnya, untuk hasil konsistensi penerapan ontologi pada decision support untuk penilaian sertifikasi kompetensi sebesar 75% dari 35 jumlah asesi yang diuji.

---

ABSTRACT

Competency certification is government effort to solve demand and supply problem regarding labor in Indonesia. However, the certification processes that occur have problems such as inconsistency in the assessment results. These inconsistencies due to limited assessor, difference in the assessor perspective about the competency, assessor reliability, and limited policy from BNSP (National Certification Agency). This research developed decision support in order to solve inconsistencies occurred in the competency certification assessment. The Decision support developed using ontology data model. Ontology data model used because the data diversity in the assessment process. The results of this research are ontology development method based on TOVE, Methontology, and YAMO merger. The merger steps are preparation phase, conceptual phase, and the last is formalization phase. The results of the evaluation of the match between the ontology produced and the questions of competence used by the validator have a suitability of 74%. The consistency of the assessment result is 75% from 35 assessments."

"Tuberkulosis (TB) adalah penyakit menular dan dapat berakibat fatal, terutama di negara berkembang. WHO merekomendasikan penggunaan screening yang sistematis dan luas, salah satunya menggunakan citra X-ray dada. Sayangnya, jumlah ahli radiologi masih kurang dan belum terdistribusi dengan baik di negara berkembang seperti Indonesia. Oleh karena itu, penelitian ini mengembangkan sistem Computer-Aided Detection (CAD) untuk membantu mendeteksi TB menggunakan analisis tekstur. Terdapat tiga tahap pada sistem, yaitu segmentasi otomatis, koreksi segmentasi manual, dan deteksi lesi TB. Hasil akhir sistem memberikan visualisasi heatmap berdasarkan probabilitas lesi TB pada citra X-ray dada. Penelitian ini fokus pada tahap deteksi lesi TB. Analisis tekstur diimplementasi menggunakan berbagai kombinasi dari fitur tekstur Hogeweg, Gray-Level Co-occurrence matrix (GLCM), dan Gabor. Selain itu, metode reduksi dimensi juga diimplementasikan untuk mendapatkan representasi optimal. Analisis tekstur ini digunakan pada area lokal patch melalui perhitungan probabilitas untuk klasifikasi patch lesi TB dan patch normal. Klasifikasi ini dilatih menggunakan Logistic Regression, Support Vector Machine (SVM), dan Multilayer Perceptron (MLP). Hasil terbaik dicapai oleh Logistic Regression dengan kombinasi fitur Hogeweg, GLCM, dan Gabor yang diimplementasikan PCA yang mampu mencapai nilai 0.734 sensitivity. Dokter spesialis radiologi menilai bahwa beberapa visualisasi model ini cukup baik dalam mengenali lesi TB, namun masih ada beberapa kesalahan dalam mendeteksi area normal sebagai lesi TB.

---

Tuberculosis (TB) is an infectious disease and can be fatal, especially in developing countries. WHO recommends the use of systematic and broad screening, one of which is using chest X-ray images. Unfortunately, the number of radiologists is still lacking and not well distributed in developing countries such as Indonesia. Therefore, this study developed a Computer-Aided Detection (CAD) system to help detect TB using texture analysis. There are three stages in the system, they are automatic segmentation, manual segmentation correction, and TB lesion detection. The final result of the system provides a heatmap visualization based on the probability of TB lesions on a chest X-ray image.

This study focused on the stage of TB lesion detection. Texture analysis was implemented using various combinations of Hogeweg texture features, Gray-Level Co- occurrence matrix (GLCM), and Gabor. In addition, the dimensional reduction method is also implemented to obtain the optimal representation. This texture analysis is applied to the local area of the patch by calculating the probability for the classification of the TB lesion patch and the normal patch. This classification is trained using Logistic Regression, Support Vector Machine (SVM), and Multilayer Perceptron (MLP).

The best result was achieved by Logistic Regression with a combination of Hogeweg, GLCM, and Gabor features implemented by PCA which was able to reach a value of 0.734 sensitivity. Radiology specialists considered that some of the visualizations of this model were quite good in recognizing TB lesions, but there were still some errors in detecting normal areas as TB lesions."