Techno.Com
Not a member yet
738 research outputs found
Sort by
Deteksi Suara Suling Sunda Menggunakan Metode Key-Nearest Neighbor
Get PDFSuling Sunda merupakan alat musik tiup tradisional yang memiliki berbagai jenis. Masing-masing jenis suling Sunda memiliki karakteristik suara yang berbeda-beda. Hal ini menghasilkan keindahan suara yang beragam, mulai dari suara yang lembut dan mendayu-dayu hingga suara yang ceria dan dinamis. Namun, mengenali jenis suling Sunda tidaklah mudah bagi sebagian orang. Oleh karena itu, diperlukan metode deteksi suara suling Sunda yang dapat dilakukan secara otomatis.Penelitian ini telah berhasil mengembangkan metode deteksi suara suling Sunda dengan metode KNN. Metode KNN dipilih karena lebih sederhana dan menghasilkan akurasi yang tinggi. Hasil penelitian menunjukkan bahwa model KNN dengan nilai k=5 memiliki akurasi sebesar 79,76% pada data uji. Akurasi ini meningkat menjadi 82,5% pada pengujian aplikasi. Penelitian ini memberikan kontribusi yang penting dalam pengembangan teknologi deteksi suara suling Sunda. Metode KNN yang dikembangkan terbukti dapat menghasilkan akurasi yang tinggi, sehingga dapat menjadi solusi untuk mengenali jenis suling Sunda secara otomatis. Implementasi model KNN pada smartphone Android juga dapat menjadi sarana untuk memperkenalkan teknologi kecerdasan buatan kepada generasi muda Indonesia. Aplikasi ini dapat digunakan untuk mendeteksi jenis suling Sunda secara langsung, sehingga dapat membantu generasi muda untuk lebih memahami keberagaman jenis-jenis suara suling Sunda
Peringkasan Teks Berbahasa Indonesia dengan Latent Dirichlet Allocation dan Maximum Marginal Relevance
Get PDFKemajuan teknologi membuat berita mudah ditemukan pada media online. Jumlah artikel berita yang tersedia semakin banyak dengan teks yang cukup panjang. Hal ini akan menyulitkan pembaca berita dalam mencari inti informasi dari berita sehingga diperlukan ringkasan teks untuk membantu pengguna memahami inti dari suatu teks tanpa perlu membaca seluruhnya. Metode yang digunakan untuk peringkasan teks yaitu Maximum Marginal Relevance (MMR) dengan menggabungkan dua faktor pemilihan, yaitu relevansi dan keragaman. Sering ditemukan saat ini bahwa judul berita dalam artikel online belum sepenuhnya mewakili isi berita atau disebut clickbait, untuk menghindari judul yang kurang sesuai, pada penelitian ini peringkasan didasarkan pada kata kunci yang dihasilkan dengan metode Latent Dirichlet Allocation (LDA). Hasil uji coba dengan 2500 data artikel berita menghasilkan nilai rata-rata ROUGE-1 terbaik sebesar 0.488 untuk tingkat kompresi 50% dan 0.462 untuk tingkat kompresi 30%. Nilai ROUGE-1 terendah yaitu 0.453 untuk tingkat kompresi 50% dan 0.435 untuk tingkat kompresi 30%. Hasil tersebut menunjukkan bahwa sistem dapat menghasilkan ringkasan yang cukup relevan dengan menggunakan kata kunci yang diekstrak dari konten berita.
Advances in technology make news easy to find on online media. The number of news articles available is increasing with a fairly long text. This will make it difficult for news readers to find the core information from the news so that a text summary is needed to help users understand the essence of a text without the need to read it all. The method used for text summarization is Maximum Marginal Relevance (MMR) by combining two selection factors, namely relevance and diversity. It is often found today that news titles in online articles do not fully represent the content of the news or called clickbait, to avoid inappropriate titles, in this study the summary is based on keywords generated by the Latent Dirichlet Allocation (LDA) method. The test results with 2500 news article data produced the best average ROUGE-1 value of 0.488 for a compression level of 50% and 0.462 for a compression level of 30%. The lowest ROUGE-1 value is 0.453 for a compression level of 50% and 0.435 for a compression level of 30%. These results show that the system can produce quite relevant summaries using keywords extracted from news content
Evaluasi Tata Kelola TI Menggunakan Framework COBIT 2019 pada PT. Pundi Mas Berjaya (Jova Software) Medan
Get PDFPenelitian ini menggunakan COBIT 2019 sebagai kerangka kerja untuk mengevaluasi tata kelola TI pada PT. Pundi Mas Berjaya (Jova Software) Medan. Penelitian ini dimulai dengan melakukan identifikasi domain menggunakan design factor. Dari hasil identifikasi terdapat 3 domain yang perlu dilakukan evaluasi, yakni BAI.04, BAI.11, dan APO.11. Tahap selanjutnya adalah dengan melakukan penilaian level kapabilitas yang dimulai dengan menyebarkan kuesioner kepada kepala divisi TI perusahaan, dimana data hasil kuesioner digunakan untuk menilai level kapabilitas dengan hasil BAI.04 berada di level kapabilitas 4, BAI.11 berada di level kapabilitas 3, dan APO.11 berada di level kapabilitas 2. Selanjutnya dilakukan analisis kesenjangan berdasarkan hasil penilaian level kapabilitas. Didapati kesenjangan untuk BAI.04 sebesar 0, BAI.11 sebesar 1, dan APO.11 sebesar 2. Pemberian rekomendasi berdasarkan analisis kesenjangan, diberikan sebanyak 13 rekomendasi untuk mengatasi kesenjangan yang terjadi saat ini.
Kata kunci: Evaluasi tata kelola TI, COBIT 2019, Design factor, Level kapabilitas, Analisis Kesenjanga
ANALISIS TINGKAT KAPABILITAS SISTEM INFORMASI RUMAH SAKIT BERDASARKAN COBIT 5 (MEA01) PADA RSUD TUGUREJO SEMARANG
Get PDFRSUD Tugurejo Semarang merupakan Rumah Sakit kelas B milik pemerintah Provinsi Jawa Tengah yang menyediakan pelayanan jasa untuk masyarakat. Dalam manajemen pengolahan data, RSUD Tugurejo Semarang telah menggunakan sistem informasi rumah sakit. Untuk mengetahui apakah sistem informasi telah berjalan seperti yang diharapkan, maka perlu dilakukan analisis tatakelola teknologi informasi. Pada penelitian ini analisis tatakelola teknologi informasi berfokus pada proses pengawasan, evaluasi dan penilaian kinerja, dan kesesuaian kinerja teknologi informasi, yaitu domain MEA01 pada framework COBIT 5.Tujuan penelitian ini untuk mengetahui tingkat kapabilitas dan strategi perbaikan untuk proses pengawasan, evaluasi dan penilaian kinerja dan kesesuaian TI. Metode pengumpulan data penelitian ini dengan menggunakan studi dokumen, kuesioner dan wawancara kemudian dianalisis tingkat kapabilitas dan kesenjangan. Tingkat kapabilitas yang didapat dari hasil penelitian yaitu berada level 2 (managed). Untuk menaikkan tingkat kapabilitas pada level 3 maka maka perlu dilakukan secara bertahap strategi perbaikan pada PA 2.1, PA2.2, PA 3.1, dan 3.2. Kata kunci: Analisis Tata Kelola TI, COBIT 5, MEA01, Tingkat Kapabilitas, Rumah Sakit
METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PENENTUAN PERINGKAT DALAM PEMBUATAN PETA TEMATIK DAERAH RAWAN DEMAM BERDARAH DENGUE (STUDI KASUS KABUPATEN PATI )
Get PDFDemam berdarah Dengue (DBD) adalah penyakit yang sangat berbahaya karena tingginya jumlah kematian yang disebabkan oleh nyamuk Aedes aegypti. Kabupaten Pati termasuk daerah tropis yang memiliki potensi penyebaran nyamuk ini. Tujuan dari penelitian ini adalah membuat peta tematik sebagai upaya antisipasi, penanganan, dan pengendalian terhadap wilayah berpotensi DBD. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW yang sering disebut metode penjumlahan terbobot yaitu mencari penjumlahan dari rating kinerja pada setiap alternative dari semua atribu. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Dengan menerapkan metode Simple Additive Weighting (SAW), dapat membantu dinas kesehatan untuk penilaian peringkat daerah rawan demam berdarah dengue di kabupaten Pati. Berdasarkan penelitan yang dilakukan, pola penyebaran DBD yang meliputi intensitas curah hujan, kepadatan penduduk, dan insiden kejadian demam berdarah sebagai variabel penentuan peringkat daerah rawan. Untuk menggambarkan daerah rawan DBD di Kabupaten Pati, maka pola tersebut disajikan dengan peta tematik menggunakan aplikasi ArcView. Hasil penelitian bahwa penyebaran antara penderita satu dengan lainnya tidak lepas dari pengaruh perkembangbiakan nyamuk, populasi penduduk dan penyebaran dari penderita satu kependerita lainnya. Dan peringkat tertinggi kerawanan pada tahun 2014 berada di kecamatan Pati dengan nilai 2,25 diikuti sukolilo 2,08 dan Margorejo 2,06. Kata Kunci: Demam Berdarah Dengue, Simple Additive Weighting (SAW), Peta tematik
DETEKSI KEDIPAN MATA DENGAN HAAR CASCADE CLASSIFIER DAN CONTOUR UNTUK PASSWORD LOGIN SISTEM
Get PDFKeamanan merupakan menjadi prioritas utama dalam era teknologi informasi, yang meliputi keamanan data, hardware atau software. Untuk menjaga keamanan diperlukan data pribadi sebagai autentifikasi dan validasi pengguna yang sah. Password merupakan data pribadi yang dimasukan pengguna secara langsung melalui keyboard. Memasukan data password melalui keyboard mudah dicuri dengan aplikasi Keylogger. Tahun 2008, 78% terdapat ancaman pencurian informasi rahasia data pengguna, dan 76% menggunakan komponen keystroke logging untuk mencuri informasi seperti akun bank online. beberapa variasi password yang dapat meminimalisir interaksi langsung pengguna dengan keyboard adalah memanfaatkan kedipan mata menjadi password. Dalam paper ini akan di pakai teknik Haar Cascade Classifier sebagai metode deteksi bagian tubuh tertentu suatu obyek, dan metode Contour sebagai deteksi kontur pada object spesifik, teknik ini dapat mendeteksi mata dan indikasi adanya kedipan, berdasarkan jarak, posisi obyek dan posisi sumber cahaya tertentu.Hasil dari penelitian yang di lakukan dengan memanfaatkan template deteksi kontur mata sempurna sebagai acuan kedipan mata. Nilai threshold juga berpengaruh pada hasil kontur yang dihasilkan dari berbagai jenis mata baik bentuk maupun warnanya. Berdasarkan hasil pengujian terhadap 15 sampel password kedipan, didapatkan akurasi 71,43 %, dan pengujian keystroke dengan aplikasi keylogger, password kedipan tidak terekam dalam log file keylogger. Kata Kunci: Deteksi kedipan mata, Haar cascade Classifier, Contour, password, login sistem
Implementasi Metode Penetration Testing pada Layanan Keamanan Sistem Kartu Transaksi Elektronik Wahana Permainan
Get PDFPenggunaan kartu magnetic stripe pada wahana permainan rentan terhadap akses yang tidak sah, seperti skimming, yang dapat merugikan pengelola dan penyedia wahana. Penetration testing merupakan metode yang dapat digunakan untuk mengidentifikasi dan eksploitasi kerentanan. Pada pengujian penetration testing terdapat tujuh fase yang digunakan yaitu pre-engagement, information gathering, threat modeling, vulnerability analysis, exploitation, post exploitation, dan reporting. Dalam Penelitian sebelumnya menunjukkan bahwa komunikasi antara magnetic stripe reader dan komputer utama dilakukan melalui koneksi kabel, yang menghasilkan layanan confidentiality dan availability. Namun, pada penelitian ini, pengimplementasian penetration testing menggunakan koneksi nirkabel menghasilkan temuan bahwa layanan keamanan yang tersedia adalah availability. Oleh karena itu, dapat disimpulkan bahwa komunikasi baik melalui koneksi kabel maupun nirkabel tidak terdapat layanan keamanan integrity. Rekomendasi bagi penyedia layanan untuk meningkatkan kemanan kartu di lokasi tersebut dengan menerapkan enkripsi data
Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label Multiclass dengan Imbalance Data
Get PDFSalah satu permasalahan kesehatan yang sering ditemui di banyak negara termasuk Indonesia adalah stunting. Stunting telah mendapat banyak perhatian di Indonesia, terlihat dari alokasi APBN masing-masing sebesar Rp48,3 triliun dan Rp49,4 triliun pada tahun 2022 dan 2023 untuk bidang ini. Pada tahun 2022, Kementerian Kesehatan merilis temuan dari Survei Status Gizi Indonesia (SSGI) yang menyatakan bahwa angka stunting di Indonesia mencapai 21,6% pada saat Rapat Kerja Nasional BKKBN pada 25 Januari 2023.Hal ini menunjukkan pentingnya untuk mengerti pemahaman mendalam tentang faktor-faktor yang mengidentifikasi anak-anak berisiko tinggi terkena stunting. Banyak penelitian sebelumnya yang membahas faktor resiko stunting, namun masih sedikit penerapannya dalam metode machine learning, dalam data yang kompleks dan tidak seimbang.Penelitian ini mengevaluasi kinerja dari berbagai metode machine learning yang bertujuan dapat memberikan kontribusi penting dalam bidang kesehatan anak dan analisis data. Diantara metode machine learning yang dipilih metode Bagging Decision Tree mendapatkan nilai accuracy yang terbaik sebesar 78,93%, precision 78% dan recall sebesar 77,99%. Dalam penelitian ini menunjukkan bahwa metode ensemble learning mampu bekerja dengan baik dalam atribut multiclass dan data yang tidak seimbang pada dataset pertumbuhan balita
Analisa Sistem Keamanan Distribusi Daya Signal Hut Pada Lintas Stasiun Angke dan Stasiun Kampung Bandan
Get PDFSistem Distribusi Daya Signal Hut (SDDSH) pada jalur KRL lintas Stasiun Duri menuju Stasiun Tangerang khususnya Stasiun Angke dan Stasiun Kampung Bandan menggunakan SDDSH tipe Jepang. Peralatan catu daya pada SDDSH tipe Jepang belum memiliki sistem keamanan atau proteksi yang baik, sehingga apabila terjadi gangguan pada salah satu gardu traksi dapat membahayakan saat pemindahan suplai beban. Untuk itu diperlukan sistem keamanan yang mempermudah dalam memonitor aliran suplai daya pada peralatan catu daya agar peralatan persinyalan dapat bekerja dan sistem persinyalan kereta tidak terganggu. Penelitian ini menggunakan metode kualitatif deksriptif berupa hasil wawancara yang diterjemahkan kedalam bentuk simulasi pemrograman menggunakan aplikasi PLC. Penggunaan logika 1 sebagai masukan dengan logika 0 (nol) untuk keluarannya pada ladder diagram agar dapat mengunci aliran daya listrik yang disuplai ke peralatan catu daya khususnya LBS dan MCB. Hasil simulasi menghasilkan 4 cara untuk sistem penyuplaian daya yang lebih baik. Indikator simulasi ini bekerja ditunjukkan dengan perubahan warna lampu LED pada tampilan HMI. Lampu berwarna merah menunjukkan kondisi LBS terkunci atau tidak adanya daya listrik yang tersuplai. Lampu berwarna hijau menandakan adanya aliran daya listrik yang masuk mengalir ke dalam peralatan catu daya atau penyuplaian daya untuk sistem persinyalan di SDDSH kedua stasiun tidak terganggu
Visual Question Answering Bahasa Indonesia Berbasis Deep Learning untuk Pembelajaran Visual Anak TK
Get PDFIndonesia semakin gencar melakukan persiapan transformasi digital dalam berbagai sektor, termasuk dalam bidang pendidikan. Salah satu upaya yang dilakukan pemerintah adalah dengan mengimplementasikan platform e-learning dalam kegiatan belajar mengajar hingga ke jenjang taman kanak-kanak. Metode pembelajaran visual pada taman kanak-kanak dapat diimplementasikan ke dalam e-learning yang lebih interaktif dan menarik dengan sistem Visual Question Answering (VQA). Sistem VQA dapat memberikan pertanyaan terkait dengan gambar yang ditampilkan dan mengecek kesesuaian jawaban dari siswa secara otomatis. Pada penelitian ini dibangun sistem VQA yang dapat menerima pertanyaan berbahasa Indonesia dan mengoreksi jawaban dalam bahasa Indonesia. Sistem dibangun dengan menggunakan model Bootstrapping Language-Image Pre-training (BLIP) untuk VQA dan model No Language Left Behind (NLLB) untuk penerjemahan. Uji coba dilakukan pada enam jenis jawaban yaitu ya/tidak, kata benda, kata kerja, kata sifat, kata keterangan, dan numeral. Hasil pengujian menunjukkan bahwa sistem dapat menjawab dengan nilai ketepatan 100 untuk jawaban ya/tidak, kata benda, kata kerja, dan numeral. Sementara untuk kata sifat dan kata keterangan masing-masing memiliki nilai ketepatan 62,5 dan 87,5