Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu perkembangan yang memanfaatkan internet dan fiber optik adalah FTTH (Fiber to The Home). FTTH merupakan teknologi jaringan dari kantor pusat menuju ke kawasan pengguna dengan menggunakan kabel fiber optik. Daerah urban menjadi kawasan strategis untuk menggelar jaringan FTTH. Pada tahun 2022, Indonesia memiliki rata-rata kecepatan data 16,52 Mbps. Dengan meningkatnya jumlah penduduk, maka dibutuhkan bandwidth yang lebih besar. Maka dari itu, dilakukan penelitian untuk merancang teknologi FTTH berbasis XGS-PON (10 Gigabit Symetrical – Passive Optical Network). Penelitian ini juga akan merancang 2 rangkaian teknologi XGS-PON, yaitu unidirectional dan bidirectional. Hal ini dilakukan untuk mengetahui kinerja yang paling baik untuk teknologi XGS-PON. Penelitian dilakukan dengan memvariasikan panjang kabel fiber pada rangkaian XGS-PON dengan menggunakan splitter 1:256. 1:128. 1:64. Berdasarkan hasil penelitian, dapat diketahui bahwa daya transmisi serta rasio splitter berpengaruh terhadap nilai BER yang dihasilkan, daya yang didapatkan, dan kelas atenuasi. Selanjutnya, didapatkan hasil bahwa baik rangkaian unidirectional maupun bidirectional memiliki kinerja yang layak pada panjang kabel fiber yang ditentukan pada standar ITU-T G.9807.1. Berdasarkan BER yang didapatkan pada rangkaian unidirectional dan bidirectional, dapat dilihat bahwa teknologi XGS-PON memiliki kinerja yang lebih baik pada rangkaian bidirectional.

---

One development that utilizes the internet and fiber optics is FTTH (Fiber to The Home). FTTH is a network technology from the head office to the user area using a fiber optic cable. Urban areas are strategic areas for deploying FTTH networks. In 2022, Indonesia has an average data rate of 16,52 Mbps. With an increasing population, greater bandwidth is needed. Therefore, research was conducted to design XGS-PON (10 Gigabit Symmetrical – Passive Optical Network) based FTTH technology. This research will also design 2 sets of XGS-PON technologies, namely unidirectional and bidirectional. This is done to find out the best performance for XGS-PON technology. The research was carried out by varying the length of the fiber cable in the XGS-PON circuit using a 1:256 splitter. 1:128. 1:64. Based on the research results, it can be seen that the transmission power and splitter ratio affect the resulting BER value, the power obtained, and the attenuation class. Furthermore, the results show that both unidirectional and bidirectional circuits have decent performance at fiber cable lengths specified in the ITU-T G.9807.1 standard. Based on the BER obtained on unidirectional and bidirectional circuits, it can be seen that XGS-PON technology has better performance on bidirectional circuits."

"

FTTH (Fiber to the Home) menjadi salah satu bidang teknologi yang berkembang pesat untuk pemanfaatan internet dan jaringan aksesnya. Pemanfaatan internet menggunakan FTTH umumnya menyesuaikan lokasi dan kepadatan penduduk. Hal tersebut untuk menentukan metode yang tepat dalam menyediakan layanan internet melalui FTTH. Pada daerah urban, kepadatan penduduk tinggi mengindikasikan pengguna layanan internet yang tinggi. Pengguna layanan internet di Indonesia mengalami peningkatan setiap tahunnya dan pada tahun 2022 mencapai sebanyak 224 juta pengguna. Permintaan kapasitas akses internet juga meningkat. Kapasitas lebih tinggi sangat penting untuk teknologi yang akan datang. Penelitian ini mempelajari perancangan teknologi FTTH berbasis TWDM-PON, M-Channel 10 Gigabit - Passive Optical Network, untuk memenuhi kebutuhan kapasitas akses internet yang semakin meningkat. Perancangan mempertimbangkan 2 konfigurasi TWDM PON, yaitu konfigurasi data rate simetris dan asimetris, splitting ratio 1:128, disimulasikan pada Optisystem. Menurut ITU, standar TWDM-PON Loss Budget adalah 29 dB untuk kelas N1 ODN dan Q-factor adalah 6 serta minimum jangkauan penggelaran 20 km (DD20). Dari hasil perancangan, TWDM-PON konfigurasi data rate simetris mencapai target penggelaran pada jarak 20 km, memenuhi Loss Budget sebesar 28,96 dB dengan Q-factor downstream dan upstream masing-masing 6,22 dan 6,11. Konfigurasi data rate asimetris tercapai pada jarak 21 km memenuhi Loss Budget sebesar 28,95 dB dengan Q-factor downstream dan upstream masing-masing 6 dan 13.

---

FTTH (Fiber to the Home) is a technology field that is growing rapidly for the use of the internet and its access network. Utilization of the internet using FTTH generally adjusts to location and population density. This is to determine the right method of providing internet services via FTTH. In urban areas, high population density indicates high internet service users. Internet service users in Indonesia have increased every year and by 2022 there will be as many as 224 million users. The demand for internet access capacity is also increasing. Higher capacities are critical for future technologies. This research studies a design FTTH technology based on TWDM PON, M-Channel 10 Gigabit - Passive Optical Network. The design considers 2 configurations of TWDM PON, namely symmetric and asymmetric data rate configurations for a 1:128 splitting ratio, simulated using Optisystem. According to the ITU standard, the Loss Budget standard is 29 dB for the N1 ODN class and Q-factor standard is 6 for minimum 20 km distance of TWDM PON (DD20). Based on designed TWDM PON with 1:128 splitting ratio at 20 km for each channel shows that symmetric data rate configuration has satisfied the Loss Budget of 26.96 dB. Q-factor on downstream and upstream are 6.22 and 6.11, respectively. In comparison, asymmetric data rate configuration at 21 km shows that the obtained power is 26.95 dB, and Q-factor on downstream and upstream are 6 and 13, respectively."

"Skripsi ini membahas peningkatan kapasitas produksi pada perusahaan komponen otomotif perakitan transmisi. Order dari customer setiap bulannya meningkat, yang mengakibatkan kapasitas produksi berada pada level maksimum. Pada level ini apabila masih terdapat peningkatan order maka proses produksi yang ada sudah tidak normal. Pengamatan di lapangan menunjukkan proses produksi belum berjalan dengan baik sehingga mengakibatkan ketidakseimbangan lintasan. Untuk memperbaiki hal tersebut, maka dilakukan proses line balancing. Proses line balancing dilakukan dengan metode Helgeson-Birnie, Moodie Young, dan New Bidirectional. Hasil penelitian menunjukkan bahwa metode Moodie Young menghasilkan rancangan keseimbangan lintasan terbaik, dengan tingkat efisiensi lintasan 96.75%, balance delay 3.25%, smoothing index 9.25, dan stasiun kerja berjumlah 14.

---

This study discusses production capacity improvement at transmission assembly lines of an automotive component company. Order from customers increases every month and resulted the production capacity level at the maximum level. At this level if order still increases, then the existing production process will be not normal. From the observations shows the production process is still not running in the good condition and makes the imbalance of the assembly lines.

To solve it then do the line balancing process. Line balancing process performed with the Helgeson-Birnie, Moodie Young, and New Bidirectional method. The results from this research showed that the Moodie Young method is better to design the line balance, with a level of line efficiency 96.75%, balance delay 3.25%, smoothing index 9.25, and 14 number of work stations."

"ABSTRAKJaringan Mobile IPv6 mendukung Mobile Node untuk tetap terhubung kepadatitik akses jaringan dan berpindah ke titik akses lain tanpa harus melakukankoneksi ulang. Pada jaringan vertical mobile, perpindahan titik akses disebuthandover yang dan didukung dengan dua jenis metode komunikasi antaraCorrespondent Node dengan Mobile Node, yaitu Bidirectional Tunneling danRoute Optimization. Untuk mengetahui performansi jaringan pada kedua jenismetode komunikasi tersebut, dibuat suatu jaringan MIPv6 sederhana dan diukurbeberapa parameter performansi seperti transfer time, delay, dan throughput. Padaskripsi ini akan digunakan aplikasi File Transfer Protocol (FTP).Hasil pengukuran membuktikan bahwa transfer time dengan metode komunikasiRoute Optimization lebih cepat 8.82% pada Home Link dan lebih cepat 32.49%pada Foreign Link, delay dengan metode komunikasi Route Optimization lebihkecil 8.85% pada Home Link dan lebih kecil 32.50% pada Foreign Link, danthroughput dengan metode komunikasi Route Optimization meningkat sebesar9.71% pada Home Link dan meningkat sebesar 47.71% pada Foreign Link.

---

AbstractMobile IPv6 networks support Mobile Nodes to stay connected to the networkaccess point to another without having to do a connection reset. On the networkthe mobile vertical displacement called handover and is backed with two methodsor communication between Mobile Node and Correspondent Node withBidirectional Tunneling and Route Optimization. To find out which networkperformance on both types of communication methods, has made a simple MIPv6network and be measured several parameter such as transfer time, delay, andthroughput. Here will be using File Transfer Protocol (FTP) application.The result prove that the transfer time measurement with Route Optimizationmethod 8.82% faster on the Home Link and 32.49% faster on the Foreign Link,delay measurement with Route Optimization method 8.85% faster on the HomeLink and 32.50% faster on the Foreign Link, throughput measurement with RouteOptimization method increase 9.71% on the Home Link and increase 47.71% onthe Foreign Link."

"Skripsi ini membahas tentang aplikasi Voice over Internet Protocol (VoIP) pada jaringan Mobile IPv6 (MIPv6) dengan menggunakan mekanisme komunikasi bidirectional tunneling. Jaringan MIPv6 sederhana yang dirancang akan diserang menggunakan variasi ukuran paket serangan Ping of Death sebesar 1 kB, 10 kB dan 100 kB untuk mendapatkan perubahan Quality of Service tertentu, yakni delay dan throughput, pada layanan VoIP. Kemudian akan dilakukan uji coba penyerangan pada variasi jenis codec (G.711, G.723.1 dan G.729) untuk menentukan jenis codec yang paling baik untuk digunakan pada jaringan Mobile IPv6 dengan ancaman keamanan Denial of Service. Data hasil simulasi menunjukkan bahwa pada Home Network peningkatan delay mencapai 652,83 % dan penurunan throughput mencapai 57,05 % untuk serangan 1 kB, peningkatan delay 908,87 % dan penurunan throughput 60,95 % untuk serangan 10 kB dan peningkatan delay 2871,30 % dan penurunan throughput 61,75 % untuk serangan 100 kB. Codec G.723.1 merupakan codec yang paling baik digunakan untuk aplikasi VoIP pada environment ini dengan nilai delay paling kecil, yakni 147,94 ms di Home Network sebelum serangan dan 2,3 s setelah mendapat serangan, serta 4,9 s di Foreign Network sebelum serangan dan 10,8 s setelah mendapat serangan.

---

This paper discussing about Voice over Internet Protocol(VoIP) application in Mobile IPv6 (MIPv6) network using bidirectional tunneling mechanism. The simple MIPv6 network is going to be attacked using variant sizes of Ping of Death packets which are 1 kB, 10 kB and 100 kB to breakdown the certain Quality of Service, which are delay and throughput, on VoIP services. Then the attacking experiment to the variant of codec (G.711, G.723.1 and G.729) will be conducted to determine the recommended codec to be used for MIPv6 network which faces the security threats of Denial of Service.

Simulation data shows that in Home Network the delay increased by 652,83 % and the throughput decreased by 57,05 % for 1 kB Ping of Death, delay increased by 908,87 % and throughput decreased by 60,95 % for 10 kB Ping of Death, delay increased by 2871,30 % and throughput decreased by 61,75 % for 100 kB Ping of Death. Codec G.723.1 is the most recommended codec for VoIP application to be used in this kind of environment with the least delay value, which is 147,94 ms in Home Network before the threat occured and 2,3 s after the threat occured, and then 4,9 s in Foreign Network before the threat occured and 10,8 s after the threat occured."

"Simulasi ini membahas tentang perancangan, dan desain DC to DC Converter Bidirectional untuk aplikasi sistem Regenerative Braking yang akan digunakan pada kendaraan listrik. Dimana sistem Regenerative Braking ini merupakan sistem yang biasa digunakan pada kendaraan beroda untuk memanfaatkan energi kinetik balik saat dilakukan pengereman, dan diubah menjadi energi listrik, sehingga energi tersebut tidak terbuang sia-sia dan dapat dimanfaatkan secara efektif. Pada simulasi ini ditunjukan proses pendesainan Full-Bridge Push-Pull DC-DC Converter Bidirectional 400V menjadi 10.8V dan sebaliknya, dengan menggunakan transformator berfekruensi tinggi 50kHz. Full-Bridge Push-Pull DC-DC Converter Bidirectional yang telah didesain tersebut akan digunakan untuk menyimpan energi lebih dari sistem Regenerative Braking menuju supercapacitor, lalu energi yang tersimpan tersebut dapat dikembalikkan lagi menuju Dc Link untuk digunakan kembali energinya sebagai energi cadangan yang nantinya dapat diimplementasikan pada kendaraan listrik. Supercapacitor dipilih karena sifatnya yang ideal untuk sistem, yaitu dapat dengan cepat melakukan charge/discharge, dan dapat menyuplai energi dengan densitas yang besar.

---

This simulation discusses the process, and the design of DC to DC Bidirectional Converter for Regenerative Braking system applications that will be used on electric vehicle. Where the Regenerative Braking system is a system commonly used in wheeled vehicles to utilize reverse kinetic energy when braking is carried out, and converted into electrical energy, so that energy is not wasted and can be utilized effectively.

In this simulation the design process for Full-Bridge Push-Pull DC-DC Bidirectional 400V Converter to 10.8V and vice versa, using a transformer with a high frequency of 50kHz. The Full-Bridge Push-Pull Bidirectional DC-DC Converter that has been designed will be used to store extra energy from the Regenerative Braking system towards the supercapacitor, then the stored energy can be returned to Dc Link to be reused as a backup energy which can later be implemented on electric vehicles. Supercapacitor was chosen because it is ideal for systems, which can quickly charge / discharge, and can supply energy with a large density."

"Skripsi ini membahas mengenai pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) untuk ujian esai berbahasa Indonesia. Sistem ini dirancang dengan menggunakan Stacked Bidirectional LSTM dan menggunakan dua jenis similarity measurement, yaitu Manhattan Distance dan Cosine Similarity, untuk mencari model dengan performa paling optimal dan selisih terbaik dari tiap jenis similarity measurement. Sistem ini menggunakan bahasa pemrograman Python, dan terdiri atas tahap preprocessing, word embedding, training menggunakan deep learning, testing, dan similarity measure untuk menghitung kemiripan antar kata pada input. Input yang digunakan pada sistem ini adalah jawaban dosen sebagai kunci jawaban dan jawaban mahasiswa. Fase training menggunakan data augmentasi dan fase testing menggunakan jawaban mahasiswa asli. Pengujian sistem ini dilakukan dengan menggunakan 7 jenis skenario. Dengan hasil selisih akhir dari model untuk fase training dan testing pada Manhattan Distance sebesar 1.871 dan 7.808, dan Cosine Similarity sebesar 2.31 dan 7.635.

---

This thesis discusses the development of an Automated Essay Scoring System (SIMPLE-O) for Indonesian-language essay exams. This system is designed using Stacked Bidirectional LSTM and uses two types of similarity measurement, which are Manhattan Distance and Cosine Similarity, to find the model with the most optimal performance and the best difference from each type of similarity measurement. The system uses Python programming language, and the system's stages consist of preprocessing, word embedding, training using deep learning, testing, and similarity measuring to calculate the similarity between words on the input. The inputs used in this system are lecturers' answers as answer keys and students' answers. The training phase uses augmented data, and the testing phase uses original student answers. To test this system uses 7 types of scenarios. The final difference results of the model for the training and testing phases are 1.871 and 7.808 on Manhattan Distance and 2.31 and 7.635 on Cosine Similarity."

"

Jaringan seluler merupakan teknologi yang terus berkembang karena terus meningkatnya kebutuhan pengguna. Kebutuhan ini mendorong lahirnya 5G yang diharapkan dapat mendukung Massive Machine Type Communication (mMTC), Enhanced Mobile Broadband (eMBB), dan Ultra-Reliable and Low Latency Communication (uRLLC). Dalam mendukung aplikasi ini dibutuhkan kecepatan pengiriman data yang tinggi terutama pada jaringan fronthaul untuk mendukung akses radio ke pengguna. Teknologi bidirectional radio over fiber pada gelombang milimeter memiliki prospek tinggi bagi jaringan 5G fronthaul, namun terjadinya dispersi data menjadi hambatan dalam memperoleh kinerja sistem yang optimal. Penelitian ini merancang sistem bidirectional radio over fiber dan melakukan optimasi sistem dengan dispersion compensating fiber (DCF). Penelitian mengamati kinerja sistem pada variasi jarak dan bit rate dengan menganalisis parameter Bit Error Rate (BER) dan Q Factor. Hasil penelitian menunjukkan pada rancangan sistem bidirectional Radio over Fiber skema downstream mencapai standar pada jarak 1-2 km dengan peak bit rate 16 Gbps, sedangkan skema upstream mencapai standar pada jarak 1-4 km dengan peak bit rate 16 Gbps. Sementara itu, rancangan sistem bidirectional Radio over Fiber dengan penambahan DCF, menunjukkan peningkatan kualitas sinyal sebesar 150% pada skema downstream dan peningkatan 140% pada skema upstream, dengan memenuhi standar pada jarak 1-15 km dengan peak bit rate 16 Gbps.

---

The cellular network continues to grow due to the increasing needs of users. Recently, the 5G network has offered not only higher capacity mobile broadband known as Enhanced Mobile Broadband (eMBB) but also Massive Machine-Type Communications (mMTC) and Ultra-Reliable and Low Latency Communication (uRLLC). These promising applications require high data transfer, especially in fronthaul networks, to support radio access to users. The millimeter wave-based bidirectional Radio over Fiber (RoF) technology is prospective for 5G fronthaul due to its reliable link performance. However, dispersion has become an issue in obtaining an optimum performance in desired distances. This research designs a bidirectional radio over fiber system and studies a dispersion compensating fiber (DCF) optimization. The system is analyzed with Bit Error Rate (BER) and Q Factor parameters by varying distances and bit rates. The bidirectional Radio over Fiber system achieves the standard at 1-2 km with a peak bit rate of 16 Gbps for the downstream scheme, while the upstream scheme achieves the standard at 1-4 km with a peak bit rate of 16 Gbps. Moreover, the bidirectional Radio over Fiber system with DCF shows a 150% increase in signal quality for the downstream scheme and a 140% increase for the upstream scheme by meeting the standards at 1-15 km with a peak bit rate of 16 Gbps.

"

"Text clustering adalah teknik pengelompokan teks sehingga teks di dalam kelompok yang sama memiliki tingkat similaritas yang lebih tinggi satu sama lain dibandingkan dengan teks pada kelompok yang berbeda. Proses pengelompokkan teks secara manual membutuhkan waktu dan sumber daya yang banyak sehingga digunakan machine learning untuk melakukan pengelompokan secara otomatis. Representasi dari teks perlu diekstraksi sebelum dimasukkan ke dalam model machine learning. Metode yang umumnya digunakan untuk mengekstraksi representasi data teks adalah TFIDF. Namun, metode TFIDF memiliki kekurangan yaitu tidak memperhatikan posisi dan konteks penggunaan kata. Model BERT adalah model yang dapat menghasilkan representasi kata yang bergantung pada posisi dan konteks penggunaan suatu kata dalam kalimat. Penelitian ini menganalisis kinerja model BERT sebagai metode representasi data teks dengan membandingkan model BERT dengan TFIDF. Selain itu, penelitian ini juga mengimplementasikan dan membandingkan kinerja metode ekstraksi dan normalisasi fitur yang berbeda pada representasi teks yang dihasilkan model BERT. Metode ekstraksi fitur yang digunakan adalah max dan mean pooling. Sementara itu, metode normalisasi fitur yang digunakan adalah identity, layer, standard, dan min-max normalization. Representasi teks yang diperoleh dimasukkan ke dalam 4 algoritma clustering berbeda, yaitu k-means clustering, eigenspace-based fuzzy c-means, deep embedded clustering, dan improved deep embedded clustering. Kinerja representasi teks dievaluasi dengan menggunakan metrik clustering accuracy, normalized mutual information, dan adjusted rand index. Hasil simulasi menunjukkan representasi data teks yang dihasilkan model BERT mampu mengungguli representasi yang dihasilkan TFIDF pada 28 dari 36 metrik. Selain itu, implementasi ekstraksi dan normalisasi fitur yang berbeda pada model BERT memberikan kinerja yang berbeda-beda dan perlu disesuaikan dengan algoritma yang digunakan.

---

Text clustering is a task of grouping a set of texts in a way such that text in the same group will be more similar toward each other than to those from different group. The process of grouping text manually requires significant amount of time and labor. Therefore, automation utilizing machine learning is necessary. Text representation needs to be extracted to become the input for machine learning models. The common method used to represent textual data is TFIDF. However, TFIDF cannot consider the position and context of a word in a sentence. BERT model has the capability to produce text representation that incorporate position and context of a word in a sentence. This research analyzed the performance of BERT model as a text representation method by comparing it with TFIDF. Moreover, various feature extraction and normalization methods are also applied in text representation from BERT model. Feature extraction methods used are max and mean pooling. On the other hand, feature normalization methods used are identity, layer, standard, and min-max normalization. Text representation obtained become an input for 4 clustering algorithms, k-means clustering, eigenspace-based fuzzy c-means, deep embedded clustering, and improved deep embedded clustering. Performance of text representations in text clustering are evaluated utilizing clustering accuracy, normalized mutual information, and adjusted rand index. Simulation results showed that text representation obtained from BERT model outperforms representation from TFIDF in 28 out of 36 metrics. Furthermore, different feature extraction and normalization produced varied performances. The usage of these feature extraction and normalization must be altered depending on the text clustering algorithm used."

"Coronavirus Disease 2019 (COVID-19)adalah sebuah penyakit yang menyerang sistem pernafasan dan merupakan penyakit menular yang menyebar secara cepat keseluruh dunia. Penyebaran COVID-19 di Indonesia khusus nya Provinsi DKI Jakarta terus mengalami peningkatan yang cukup signifikan, kasus terkonfirmasi positif maupun meninggal terus bertambah setiap harinya. Informasi mengenai prediksi angka kasus harian COVID-19 dapat membantu pihak-pihak terkait dalam melakukan tindakan preventif penyebaran COVID-19. Dalam memprediksi kasus harian COVID-19, pendekatan machine learning dapat digunakan untuk menyelesaikan permasalahan ini. Salah satu algoritma di dalam machine learning yang dapat digunakan dalam memprediksi kasus harian COVID-19 yaitu Bidirectional LSTM (Bi-LSTM). Data yang digunakan diambil dari Website Jakarta Tanggap COVID-19 yang tercatat mulai 03 Maret 2020 hingga 15 Mei 2021. Bi-LSTM cocok digunakan untuk prediksi data yang bersifat time-series. Dalam implementasinya, data kasus harian COVID-19 dinormalisasi terlebih dahulu dan kemudian diimplementasikan pada metode Bi-LSTM untuk memprediksi kasus positif harian, sembuh harian, dan meninggal harian COVID-19 di DKI Jakarta. Fungsi aktivasi ReLU dan fungsi optimasi Adam digunakan dalam proses prediksi kemudian untuk evaluasi model digunakan Root Mean Squared Error (RMSE). Nilai RMSE terkecil yang diperoleh untuk prediksi kasus positif harian sebesar 203,193 dengan menggunakan perbandingan 95% data training:5% data testing; sembuh harian sebesar 211,068 dengan menggunakan perbandingan 95% data training:5% data testing; dan meninggal harian sebesar 6,758 dengan menggunakan perbandingan 80% data training:20% data testing. Hasil RMSE yang didapat lebih baik dibandingkan dengan penelitian sebelumnya.

---

Coronavirus Disease 2019 (COVID-19) is an infectious disease that attacks respiratory system and it spreads rapidly throughout the world. The spread of COVID-19 in Indonesia, especially in DKI Jakarta, the confirmed positive cases and deaths continue to increase every day. Information regarding the prediction of the daily number of COVID-19 cases can assist related parties in taking preventive actions against the spread of COVID-19. To predict the daily cases of COVID-19, a machine learning algorithm approach can be used to solve this problem. One of the algorithms in machine learning that can be used to predict daily cases of COVID-19 is Bidirectional LSTM (Bi-LSTM). The data used is taken from Jakarta Tanggap COVID-19 which was recorded from March 3, 2020 to May 15, 2021. Bi-LSTM is suitable for predicting time-series data. In its implementation, the daily cases data of COVID-19 is normalized first and then implemented on the Bi-LSTM method to predict daily positive cases, daily recovery cases, and daily death cases of COVID-19 in DKI Jakarta. ReLU activation function and Adam optimization are used for the prediction process, while Root Mean Squared Error (RMSE) is used for the model evaluation. The smallest RMSE value for daily positive cases prediction is 203,193 using comparison 95% data training:5% data testing; daily recovery cases 211,068 using comparison 95% data training:5% data testing; and daily death cases 6,758 using comparison 80% data training:20% data testing. The RMSE value obtained is better than previous studies. "