Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem deteksi plagiarisme pada paper terdiri atas dua bagian penting, yaitu akurasi pada pengecekan dan optimalisasi kecepatan waktu proses saat melakukan pengecekan. Akurasi merupakan bagian yang menentukan apakah paper yang dicek termasuk plagiarisme atau tidak. Optimalisasi kecepatan merupakan usaha yang dilakukan dalam meningkatkan waktu proses dalam melakukan penerjemahan paper dan proses pengecekan paper dengan referensi. Adapun proses sistem deteksi plagiarisme paper adalah memasukkan data referensi Paper bahasa Inggris yang bersangkutan, pemasukan data referensi paper bahasa Indonesia yang akan dilakukan pengecekan, proses penerjemahan Paper dari bahasa Indonesia ke dalam bahasa Inggris, proses pengecekan deteksi plagiarisme kepada tiap-tiap referensi paper yang ada dengan menerapakan proses komputasi paralel dengan beberapa slave, pengecekan kemiripan dengan menggunakan metode LSA (Latent Semantic Analysis), memberikan keluaran nilai tingkat kemiripan berdasarkan proses LSA terhadap masing-masing paper. Pada skripsi ini difokuskan pada optimalisasi kecepatan waktu yang dihasilkan dengan menerapkan komputasi paralel pada sistem serta analisis performansi pada sistem deteksi plagiarisme paper bahasa Indonesia dengan referensi paper bahasa Inggris.

---

Paper plagiarism detection system consist of two important points, which is accuracy of checking and optimalization of amount of time usage for checking process. Accuracy is part to check whether tested paper is plagiarism or not. Speed optimalization is part to improve the process time of translating the tested paper and checking tested paper with reference paper. The process of plagiarism detection system are input of English language reference Paper, input of Indonesian language tested Paper, translating tested Paper from Indonesian language to English language process, checking to each reference Paper with parallel computation applied on slaves process, checking of similarity with LSA (Latent Semantic Analysis) method, gives output similarity scores between tested Paper and reference Paper given by LSA method. This thesis and research focused at optimalization of time usage with parallel computation system applied on plagiarism detection system between Indonesian language tested Paper and English language reference Paper speed."

"[Sistem deteksi plagiarisme pada paper terdiri atas dua bagian penting, yaitu akurasi pada pengecekan dan optimalisasi kecepatan waktu proses saat melakukan pengecekan. Akurasi merupakan bagian yang menentukan apakah paper yang dicek termasuk plagiarisme atau tidak. Optimalisasi kecepatan merupakan usaha yang dilakukan dalam meningkatkan waktu proses dalam melakukan penerjemahan paper dan proses pengecekan paper dengan referensi. Adapun proses sistem deteksi plagiarisme paper adalah memasukkan data referensi Paper bahasa Inggris yang bersangkutan, pemasukan data referensi paper bahasa Indonesia yang akan dilakukan pengecekan, proses penerjemahan Paper dari bahasa Indonesia ke dalam bahasa Inggris, proses pengecekan deteksi plagiarisme kepada tiap-tiap referensi paper yang ada dengan menerapakan proses komputasi paralel dengan beberapa slave, pengecekan kemiripan dengan menggunakan metode LSA (Latent Semantic Analysis), memberikan keluaran nilai tingkat kemiripan berdasarkan proses LSA terhadap masing-masing paper. Pada skripsi ini difokuskan pada optimalisasi kecepatan waktu yang dihasilkan dengan menerapkan komputasi paralel pada sistem serta analisis performansi pada sistem deteksi plagiarisme paper bahasa Indonesia dengan referensi paper bahasa Inggris.;Paper plagiarism detection system consist of two important points, which is accuracy of checking and optimalization of amount of time usage for checking process. Accuracy is part to check whether tested paper is plagiarism or not. Speed optimalization is part to improve the process time of translating the tested paper and checking tested paper with reference paper. The process of plagiarism detection system are input of English language reference Paper, input of Indonesian language tested Paper, translating tested Paper from Indonesian language to English language process, checking to each reference Paper with parallel computation applied on slaves process, checking of similarity with LSA (Latent Semantic Analysis) method, gives output similarity scores between tested Paper and reference Paper given by LSA method. This thesis and research focused at optimalization of time usage with parallel computation system applied on plagiarism detection system between Indonesian language tested Paper and English language reference Paper speed., Paper plagiarism detection system consist of two important points, which is accuracy of checking and optimalization of amount of time usage for checking process. Accuracy is part to check whether tested paper is plagiarism or not. Speed optimalization is part to improve the process time of translating the tested paper and checking tested paper with reference paper. The process of plagiarism detection system are input of English language reference Paper, input of Indonesian language tested Paper, translating tested Paper from Indonesian language to English language process, checking to each reference Paper with parallel computation applied on slaves process, checking of similarity with LSA (Latent Semantic Analysis) method, gives output similarity scores between tested Paper and reference Paper given by LSA method. This thesis and research focused at optimalization of time usage with parallel computation system applied on plagiarism detection system between Indonesian language tested Paper and English language reference Paper speed.]"

"Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwibahasa (Indonesia - Inggris) dengan bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan bahasa Inggris sebagai karya tulis referensinya. Sistem pendeteksi plagiarisme terdapat dua bagian penting, yaitu akurasi dan kecepatan yang dihasilkan oleh sistem. Pada skripsi ini dilakukan pengembangan terhadap sistem pendeteksi plagiarisme dengan menambahkan penerjemah Microsoft Translator API dan menerapkan similar word. Penerapan penerjemah Microsoft Translator API dapat meningkatkan akurasi yang cukup signifikan yaitu sebesar 14,93 % dibandingkan penerjemah Googletrans API dan penerapan similar word dapat meningkatkan akurasi sistem dari 0,24% hingga 15,37%. Parallel processing diterapkan untuk mengatasi permasalahan waktu eksekusi yang lama ketika jumlah dokumen referensi yang digunakan banyak. Hasil pengujian dengan menerapkan parallel processing dapat meningkatkan kecepatan 1,06 hingga 6,71 kali lebih cepat dari program yang berjalan secara serial.

---

Plagiarism is the act of acknowledging the work of others personal work without their permissions. The prevalence of plagiarism is high in this digital era. In this thesis, an automatic plagiarism detection system on bilingual digital paper (Indonesian-English) is created with Indonesian paper as the tested paper and English paper as the reference paper. The plagiarism detection system has two important parts, namely the accuracy and speed produced by the system.

In this thesis, a plagiarism detection system is developed by adding a Microsoft Translator API translator and applying a similar word. The application of the Microsoft Translator API translator can increase the accuracy of the significant amount of 14.93% compared to the Googletrans API translator and the application of similar word can increase system accuracy from 0.24% to 15.37%. Parallel processing will be applied to overcome the problems of a long execution time when the number of reference documents that are used a lot. The test results by applying parallel processing can increase the speed of 1.06 to 6.71 times faster than programs running in serial."

"Tingginya tingkat kompleksitas program menyebabkan program memiliki waktu eksekusi yang lama jikalau tidak dijalankan pada mesin berkomputasi tinggi. Masalah ini dapat diatasi salah satunya dengan cara menjalankan berbagai proses pada program tersebut secara simultan sehingga program dapat semakin cepat tereksekusi. Metode ini dikenal dengan istilah parallel computing. Untuk lebih mempercepat waktu eksekusi program, parallel computing tersebut dapat diimplementasikan pada arsitektur High Performance Computing HPC. Metode parallel computing dalam HPC tersebut diimplementasikan ke dalam program Sistem Penilaian Esai Otomatis Simple-O. Simple-O merupakan program penilai esai otomatis yang merupakan pengembangan dari Departemen Teknik Elektro. Dengan menerapkan parallel computing dan menjalankan program pada HPC, eksekusi yang dibutuhkan untuk memeriksa jawaban esai dapat semakin cepat. Parallel computing atau parallelism akan diterapkan pada salah satu bagian dari Simple-O yaitu pada algoritma pembelajaran dalam Simple-O, lebih tepatnya pada Self Organizing Map SOM atau Learning Vector Quantization LVQ. Parallelism dalam SOM dan LVQ diterapkan dengan metode network partition dimana node komputasi Euclidean distance dilakukan secara parallel. Pada penelitian ini didapatkan bahwa kecepatan program serial 1,28 kali lebih cepat dibandingkan program parallel.

---

The escalation of program complexity nowadays means slower run time when it is not executed in high performance machine. One way to address this issue is to execute the processes in the program simultaneously so the program may be executed quicker, known as parallel computing. To further accelerate the program parallel computing can be implemented in High Performance Computing HPC architecture. This method of applicating parallel computing with HPC is implemented in Automatic Essay Grading System, known as Simple O. Simple O is an automatic essay grading system developed by Department of Electrical Engineering Universitas Indonesia. The purpose of applicating the aforementioned method to Simple O is to accelerate the speed of essay grading execution. Parallel computing will be implemented to one of Simple O rsquo s part of program, which is in the learning algorithm. The learning algorithm applied in Simple O is Self Organizing Map SOM and Learning Vector Quantization LVQ. The implementation of parallelism in the learning algorithm uses network partition method, where the calculation of Euclidean distance is done in parallel. Through this research, it can be concluded that the the speed of serial program is 1.28 times quicker than the parallelized program."

"Penelitian ini mengembangkan dan menganalisa sistem pendeteksi plagiarisme dua bahasa berbasis Latent Semantic Analysis untuk karya tulis berbahasa Indonesia dan referensi berbahasa Inggris. Sistem pendeteksi plagiarisme menggunakan algoritma backpropagation neural network untuk melakukan klasifikasi pasangan karya tulis berbahasa Indonesia dan Inggris yang sudah dinilai tingkatan plagiarismenya secara manual. Sistem dapat memperoleh klasifikasi akurasi F-measure sampai dengan 92.75. Hasil percobaan menunjukkan bahwa akurasi tertinggi dapat diperoleh jika menggunakan metode term frequency binary dalam penghitungan jumlah kata dan penggunaan frobenius norm, vector angle slice, dan vector angle pad sebagai pilihan fitur untuk masukan backpropagation neural network.

---

This research aims to develop and analyse dual language plagiarism detection system based on Latent Semantic Analysis for papers with Indonesian language and reference text with English language. The plagiarism detection system uses backpropagation neural network algorithm to classify pairs of Indonesian and English papers which plagiarism levels has been graded manually. The system has reached classification accuracy using F measure metric up to 92.75.

Experiment results show that the highest accuracy obtained when using term frequency binary method in counting frequency of words and using frobenius norm, vector angle slice, and vector angle pad features for backpropagtion neural network input."

"Implementasi PSAK 50/55 di masing-masing Bank di Indonesia merupakan salah satu syarat regulatory compliance dari Bank Indonesia dan Ikatan Akuntan Indonesia. Salah satu cakupan dari PSAK 50/55 adalah Penyisihan Kerugian Kredit (Loan-Loss Provisionin / Loan Impairment) atau dikenal dengan istilah Cadangan Kerugian Penurunan Nilai (CKPN) yang wajib dibentuk oleh Bank, sebagai akibat dari penyaluran kredit atau pembiayaan. Perhitungan CKPN membutuhkan data pembiayaan dari berbagai source system (core banking) dalam kurun waktu minimal 3 tahun. Oleh karena itu tantangan yang dihadapi Bank adalah kesiapan dalam menyusun laporan pembentukan CKPN secara tepat waktu dan akurat sesuai dengan metodologi perhitungan yang disyaratkan oleh regulator. Tantangan lainnya adalah terkait dengan pengambilan keputusan akibat volatilitas pembentukan CKPN sesuai dengan aturan PSAK 50/55. Volatilitas tersebut akan berpengaruh kepada tingkat profitabilitas Bank itu sendiri dan potensi kerugian risiko kredit. Apabila penyisihan terlalu besar, maka berdampak pada profitabilitas bank, sedangkan apabila penyisihan terlalu kecil, maka dapat meningkatkan risiko kredit bank khususnya apabila kredit yang bermasalah meningkat. Oleh karena itu dibutuhkan datamart PSAK 50/55 yang mampu mengumpulkan berbagai sumber data pembiayaan yang dapat digunakan untuk perhitungan CKPN sesuai dengan ketentuan PSAK 50/55. Dengan adanya datamart ini penyusunan laporan penyisihan kerugian kredit (CKPN) oleh Bank X dapat dicapai secara tepat waktu dan akurat. Implementasi datamart juga merupakan fondasi dalam penerapan OLAP yang dapat memberikan jawaban atas tantangan pengambilan keputusan, sehingga dapat memberikan efisiensi dan efektivitas bagi Bank X. Penelitian dilakukan dengan pengumpulan data, pemahaman kebutuhan bisnis dan informasi, perancangan arsitektur datawarehouse dan perancangan dan implementasi datamart, termasuk proses ETL dan penerapan OLAP. Hasil penelitian ini berupa implementasi datamart PSAK 50/55 dan penerapan OLAP dalam pelaporan dan monitoring penyisihan CKPN pada portfolio pembiayaan sesuai dengan PSAK 50/55.

---

Implementation of PSAK 50/55 in each Bank in Indonesia is one of the regulatory compliance requirements from Bank Indonesia (BI) and Indonesia Accountants Association (IAI). The scope of PSAK 50/55 is the allowance for credit losses or known as CKPN. In order to calculate loan impairment allowance, Banks need to consolidate from variety of source systems (core banking) with at least 3 years loan historical data. The challenge faced is the readiness of Banks in preparing the report of impairment allowance in timely and accurate manner. Other challenge is the decision making made by the Bank related to the volatility of impairment provision as a result of PSAK 50/55. This volatility will affect Bank’s profitability and credit risk exposure. If the allowance is too high, it impact on the profitability, whereas if the allowance is too small, credit risk is impacted, particularly when the bad debt is also increase. Therefore it required a datamart, which is able to consolidate a variety of data sources in a single view, spesific for the purpose of calculation impairment allowance in accordance with PSAK 50/55. Preparation of the report can be achieved on time and provide accurate result along with analytical capability for decision making support. Implementation datamart is also the foundation for OLAP application which can answers to the challenges of decision making. Those all benefits provide efficiencies and effectiveness of the Bank X. This research start with data collection, understanding the requirements of business and information, design of datawarehouse architecture and datamart design and implementation, including ETL processes and end with OLAP application. The result of this research is the implementation of PSAK 50/55 datamart and OLAP for the reporting and monitoring allowance for impairment in accordance with PSAK 50/55."

"Pengembangan sistem pendeteksi plagiarisme dibuat untuk mengatasi masalah plagiarisme yang kerap terjadi pada dunia akademis. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwi bahasa Indonesia-Inggris dengan Bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan Bahasa Inggris sebagai karya tulis referensinya. Sistem menerapkan algoritma winnowing yang dilengkapi dengan metode penerjemah bahasa Googletrans API dan similar words. Algoritma winnowing merupakan algoritma yang dapat mendeteksi kesamaan antar teks dengan menggunakan fingerprint yang didapat dari proses hashing karakter teks. Penelitian dilakukan untuk meningkatkan akurasi sistem dan mengetahui metode penilai kesamaan teks yang akurat. Dari hasil penelitian, didapatkan bahwa parameter terbaik algoritma winnowing secara umum terdapat saat nilai k-window = 5 dan nilai basis bilangan prima bernilai 3. Parameter n-gram bernilai kecil akan lebih akurat pada teks yang memiliki jumlah kata lebih sedikit dan/atau tingkat plagiarisme tinggi dan sebaliknya. Tingkat akurasi sistem pendeteksi plagiarisme otomatis dwi bahasa yang dikembangkan berkisar antara 75.02 hingga 99.51. Metode Cosine Similarity menjadi metode penilai kesamaan teks terbaik dari hasil penelitian ini. Selain itu, metode penerjemahan Googletrans API juga memberikan kelebihan dalam hal akurasi dan kelengkapan data kamus dibandingkan dengan metode kamus terjemahan database.

---

The development of plagiarism detection system is made to overcome the problem of plagiarism that often occurs in the academic world. In this thesis, an automatic plagiarism detection system on bilingual digital paper Indonesian English is created with Indonesian is used as the tested paper and English as the reference paper. The system implements the winnowing algorithm that comes with the Googletrans API language translator method and similar words. Winnowing algorithm is an algorithm that can detect similarity between text by using fingerprint obtained from hashing process of text character. The study was conducted to improve system accuracy and to know accurate method of text equality assessment.

From the study result, it is found that the best parameter of winnowing algorithm is generally occured when the value of k window 5 and the base value of the prime number is 3. The smaller value of n gram parameter will be more accurate in text that has fewer word counts and or high plagiarism levels and vice versa. The accuracy level of the automatic plagiarism detection system in the developed language ranged from 75.02 to 99.51 .

The Cosine Similarity method is the best method of text equality assessment according to results of this study. In addition, the Googletrans API translation method also provides advantages in terms of accuracy and completeness of dictionary data as compared to database translation dictionary method."

"Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) merupakan algoritma untuk menyelesaikan permasalahan multiple sequence alignment (MSA). Algoritma ini menggabungkan dua teknik, pertama Tree Based yang merupakan Progressive Alignment dan kedua Consistency Objective Function berupa extending library. Pada pembahasan skripsi ini akan digunakan data sequence dari database ensembl yang terdiri dari database DNA atau protein yang akan diproses dengan global alignment (Needleman-Wunsch) dan local alignment (Smith- Waterman) dengan harapan informasi yang dihasilkan pada akhir pensejajaran akan menggambarkan hasil penyejajaran yang optimal. Proses pembentukan primary dan extended library pada T-COFFEE membutuhkan waktu lama sehingga untuk mempercepat waktu proses T-COFFEE digunakan teknik komputasi paralel Graphic Processing Unit (GPU). Skripsi ini akan menjelaskan algoritma T-COFFEE, algoritma paralel T-COFFEE, serta mengukur efisiensi dari kedua algoritma tersebut.

---

Tree Based Of Consistency Objective Function For Evaluation Alignment (T-COFFEE) is an algorithm to solve the problem of multiple sequence alignment (MSA). This algorithm combines two techniques, first is Tree-Based with Progressive Alignment and second is Consistency of Objective Function by extending library. In this skripsi, we use the data from the ensembl database that consisting of DNA or protein data. Those data will be processed by the global alignment (Needleman-Wunsch) and local alignment (Smith-Waterman) that is expected to give optimal alignment result at the end of the alignment process. The generating of Primary and Extended Library is the most time consuming, hence to speed up the T-COFFEE process, a parallel version of T-COFFEE algorithm is needed by implementing parallel computing on Graphic Processing Unit (GPU). In this skripsi, the T-COFFEE algorithm, the parallel T-COFFEE algorithm, and the measurement of their speed up and efficiency will be discuss."

"This book constitutes the refereed proceedings of the 19th European MPI Users' Group Meeting, EuroMPI 2012, Vienna, Austria, September 23-26, 2012. The 29 revised papers presented together with 4 invited talks and 7 poster papers were carefully reviewed and selected from 47 submissions. The papers are organized in topical sections on MPI implementation techniques and issues, benchmarking and performance analysis, programming models and new architectures, run-time support, fault-tolerance, message-passing algorithms, message-passing applications, IMUDI, improving MPI user and developer interaction."