Claim Missing Document
Check
Articles

Found 7 Documents
Search

Metode Absensi Mahasiswa berbasis QR Code dan Time-Based One-Time Password Sari, Aprianti Nanda; Abdillah, Trisna Gelar
Jurnal Informatika Polinema Vol 7 No 2 (2021): Vol 7 No 2 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i2.492

Abstract

Sistem absensi manual dengan cara memanggil nama mahasiswa satu persatu oleh dosen atau dengan menandatangani list kehadiran tentunya akan memakan waktu yang cukup lama dan tidak aman. Maka dibangunlah sistem absensi terkomputerisasi berbasis sidik jari, RFID, pengenalan wajah dan lainnya. Akan tetapi metode-metode tersebut memerlukan biaya tambahan untuk membeli alat khusus. Sebagai solusi, akhirnya sistem absensi berbasis QR code semakin diminati karena hanya memerlukan webcam bawaan dari laptop atau PC. Mahasiswa yang hadir di kelas hanya butuh memindai QR code yang tertera pada saat kelas berlangsung melalui smartphone mereka sebagai tanda kehadiran. Akan tetapi sistem absensi berbasis QR code ini memiliki celah misalnya mahasiswa yang hadir dapat mengambil gambar dan mengirimkan QR code di kelas kepada temannya yang tidak hadir agar dapat dianggap hadir. Sehingga diperlukan sistem autentikasi dengan keamanan tambahan agar kecurangan pada sistem absensi berbasis QR code tidak terjadi. Salah satu upayanya adalah dengan menggunakan One-Time Password yang dibuat unik dan dinamis untuk setiap mahasiswa dan hanya berlaku sekali saja dalam waktu singkat saja atau yang lebih dikenal sebagai Time-based One-Time Password atau disingkat TOTP. Dari hasil analisa, penggunaan TOTP dapat menghindari berbagai kemungkinan kecurangan oleh mahasiswa dan penyerangan oleh pihak ketiga.
Dataset Citra Papan Sirkuit Tercetak dengan Komponen yang Terbakar Iwan Awaludin; Trisna Gelar; Muhammad Rizqi Sholahuddin; Gina Melinia; Irvan Kadhafi; Rezky Wahyuda Sitepu
Building of Informatics, Technology and Science (BITS) Vol 3 No 3 (2021): Desember 2021
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (593.375 KB) | DOI: 10.47065/bits.v3i3.1025

Abstract

The application of artificial intelligence, especially in the automatic optical inspection of printed circuit boards or PCBs, is increasingly being carried out by researchers. Unfortunately, the data used to train and test artificial intelligence models is synthetic data. Printed circuit boards in good condition are imaged and then changed by software to give the impression of defects. In addition, the type of damage is limited to pre-operation, namely when the PCB is not yet operational. After the PCB is operational, damage can occur, for example, burned components. Until now, there is no data set of PCB images with burned components. This study, therefore, explores data retrieval techniques that can produce the required data set. This data collection technique includes hardware setup and PCB data sources. Based on the exploration results, it is concluded that a trinocular digital microscope with high resolution can produce sharp PCB images. The obstacle that arises is the difficulty of getting PCBs with burned components. The solution was obtained by referring to the PCB repair video from the Youtube channel. Several data were collected and tested with EfficientDet with 90% mAP.
Exploration of Spontaneous Speech Corpus Development in Urban Agriculture Instructional Videos Trisna Gelar; Aprianti Nanda
Journal of Software Engineering, Information and Communication Technology (SEICT) Vol 3, No 1: June 2022
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/seict.v3i1.44548

Abstract

Video transcription can be obtained automatically based on the original language translation of the video maker's speech, but the quality of the transcription depends on the quality of the audio signal and the natural voice of the speaker. In this study, Deep Speech is used to predict letters based on acoustic recognition without understanding language rules. The Common Voice multilingual corpus helps Deep Seech to transcribe Indonesian. However, this corpus does not accommodate the special topic of urban agriculture, so an additional corpus is needed to build acoustic and language models with the urban agriculture domain. A total of 15 popular videos with closed captions and nine E-Books with the theme of Horticulture (fruit, vegetables and medicinal plants) were curated. The video data were extracted into audio and transcription according to specifications as training data, while the agricultural text data were transformed into language models, which were used to predict recognition results. The evaluation results show that the number of epochs has an effect on improving the transcription performance. The language model score used during prediction improved WER performance as it interpreted words with agricultural terms. Another finding was that the model was unable to predict short words with informal varieties and located at the end of the sentence.
PENGEMBANGAN UNIT PELATIHAN TEKNOLOGI INFORMASI DI POLITEKNIK NEGERI BANDUNG Ghifari Munawar; Bambang Wisnuadhi; Lukmanul Hakim Firdaus; Aprianti Nanda Sari; Cholid Fauzi; Siti Dwi Setiarini; Trisna Gelar
Jurnal Difusi Vol 3 No 2 (2020): Jurnal Difusi
Publisher : Pusat Penelitian dan Pengabdian Masyarakat (P3M) Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (435.486 KB) | DOI: 10.35313/difusi.v3i2.1901

Abstract

Berdasarkan data dari Badan Pusat Statistik (BPS), tingkat pengangguran tahun 2019 untuk lulusan SMK merupakan angka paling tinggi dibanding jenjang pendidikan lainnya. Hal ini terjadi karena keterampilan lulusan SMK belum sepenuhnya sesuai dengan kebutuhan industri. Untuk itu, perlu adanya unit pelatihan teknologi informasi di perguruan tinggi yang bidangnya bersesuaian sebagai wadah para lulusan SMK yang belum bekerja untuk meningkatkan kemampuan mereka agar dapat diterima di industri. Selain itu, unit pelatihan teknologi informasi di perguruan tinggi juga dapat menjadi sarana dosen untuk melaksanakan pengabdian kepada masyarakat dengan menjadi instruktur pada pelatihan tersebut. Metode pelaksanaan yang dilakukan dalam pengabdian masyarakat ini antara lain studi literatur, pengumpulan data, analisa kebutuhan, perencanaan pembuatan unit pelatihan, dan pembuatan media promosi.Luaran lain dari program ini adalah terbentuknya dokumen kurikulum pelatihan dan bahan ajar yang sesuai dengan kompetensi SKKNI yang diharapkan dan sesuai dengan kebutuhan industri, sehingga angkatan kerja lulusan SMK dapat terserap dengan baik. Kata kunci: Pengembangan Unit Pelatihan, SMK, Pelatihan, Lulusan SMK
Klasifikasi Komentar Video Instruksional Populer Bertemakan Pekarangan Perkotaan menggunakan Auto-Keras Trisna Gelar; Aprianti Nanda Sari
Journal of Software Engineering, Information and Communication Technology (SEICT) Vol 1, No 1: December 2020
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (414.445 KB) | DOI: 10.17509/seict.v1i1.29050

Abstract

Keterbatasan kompetensi menjadi halangan untuk memulai melakukan kegiatan pekarangan perkotaan. Mempraktikkan langkah-langkah pada video instruksional populer di Youtube dari individu maupun profesional dapat meningkatkan kompetensi diri. Namun, kualitas video instruksional(konten, audio dan visual) sangat bervariasi bergantung pada orang yang memproduksinya. Penonton secara langsung dapat berinteraksi dengan memberikan apresiasi (positif maupun negatif), tanggapan atau pertanyaan pada kolom komentar seputar topik yang dipresentasikan. Umpan balik tersebut digunakan untuk memperbaiki kualitas dari video seperti memberikan penjelasan mendalam untuk topik yang sering ditanyakan dan melanjutkan atau menghentikan video berdasarkan topik yang paling disukai atau sebaliknya. Pekerjaan klasifikasi komentar dapat diselesaikan dengan mudah menggunakan Auto-Keras karena proses pemilihan model, pencarian arsitektur neural-network dan evaluasi model terbaik dilakukan secara otomatis. Penelitian pada umumnya terdiri atas empat fase, yaitu (1) pengumpulan dataset, (2) text processing, (3) feature engineering, dan (4) pemodelan dan evaluasi. Pada penelitian ini telah terkumpul 5194 komentar berlabel(aspirasi, pertanyaan, dan pernyataan) dari 5 video instruksional populer bertemakan pekarangan kota yang dikurasi oleh penulis berdasarkan urutan views, likes dan dislikes tertinggi. Kualitas kalimat komentar diperbaiki pada fase persiapan melalui proses text cleaning, normalization, tokenization dan stemming. Pada proses normalization, kamus istilah pertanian menjadi informasi agar tidak tercampur dengan bahasa informal yang mirip. Kalimat komentar yang telah normal dikonversikan menjadi n-gram dan word embedding sebagai input auto-keras. Dari hasil pengujian evaluasi model, akurasi yang dihasilkan auto-keras dengan fitur word embedding mencapai 86.91% sedikit lebih baik dari akurasi fitur n-gram 86.33%.Keterbatasan kompetensi menjadi halangan untuk memulai melakukan kegiatan pekarangan perkotaan. Mempraktikkan langkah-langkah pada video instruksional populer di Youtube dari individu maupun profesional dapat meningkatkan kompetensi diri. Namun, kualitas video instruksional(konten, audio dan visual) sangat bervariasi bergantung pada orang yang memproduksinya. Penonton secara langsung dapat berinteraksi dengan memberikan apresiasi (positif maupun negatif), tanggapan atau pertanyaan pada kolom komentar seputar topik yang dipresentasikan. Umpan balik tersebut digunakan untuk memperbaiki kualitas dari video seperti memberikan penjelasan mendalam untuk topik yang sering ditanyakan dan melanjutkan atau menghentikan video berdasarkan topik yang paling disukai atau sebaliknya. Pekerjaan klasifikasi komentar dapat diselesaikan dengan mudah menggunakan Auto-Keras karena proses pemilihan model, pencarian arsitektur neural-network dan evaluasi model terbaik dilakukan secara otomatis. Penelitian pada umumnya terdiri atas empat fase, yaitu (1) pengumpulan dataset, (2) text processing, (3) feature engineering, dan (4) pemodelan dan evaluasi. Pada penelitian ini telah terkumpul 5194 komentar berlabel(aspirasi, pertanyaan, dan pernyataan) dari 5 video instruksional populer bertemakan pekarangan kota yang dikurasi oleh penulis berdasarkan urutan views, likes dan dislikes tertinggi. Kualitas kalimat komentar diperbaiki pada fase persiapan melalui proses text cleaning, normalization, tokenization dan stemming. Pada proses normalization, kamus istilah pertanian menjadi informasi agar tidak tercampur dengan bahasa informal yang mirip. Kalimat komentar yang telah normal dikonversikan menjadi n-gram dan word embedding sebagai input auto-keras. Dari hasil pengujian evaluasi model, akurasi yang dihasilkan auto-keras dengan fitur word embedding mencapai 86.91% sedikit lebih baik dari akurasi fitur n-gram 86.33%.
Pendeteksian Penggunaan Masker Berbasis Android dan YOLOv5 untuk Media Video Realtime pada Ruang Perkantoran Trisna Gelar; Mugi Pangestu; Muhammad Fikri; Naufal Taufik; Urip Teguh; Jonner Hutahaean
Jurnal Pendidikan Multimedia (Edsence) Volume 4 No 2 (Desember 2022)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/edsence.v4i2.52230

Abstract

Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.
ENKRIPSI SELEKTIF PADA CITRA MEDIS DENGAN MENGGUNAKAN LINEAR CONGRUENTIAL GENERATOR Aprianti Nanda; Trisna Gelar
Jurnal Informatika Polinema Vol. 8 No. 2 (2022): Vol 8 No 2 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i2.913

Abstract

Di bidang rekam medis, citra medis merupakan data yang sensitif. Akan tetapi, masih banyak sistem rekam medis di rumah sakit atau institusi kesehatan yang menyimpan citra medis pasien dalam database tanpa dienkripsi terlebih dahulu. Hal ini memberikan peluang terhadap pihak yang tidak berwenang untuk mengakses citra medis secara ilegal. Pada penelitian ini hanya sebagian bit pada citra medis yang dienkripsi, atau biasa disebut sebagai enkripsi selektif. Sebagian bit pada setiap piksel tersebut dioperasikan dengan bilangan acak yang dibangkitkan dengan menggunakan algoritma Linear Congruential Generator. Dari hasil pengujian, metode yang diajukan memiliki performa yang cukup baik sehingga dapat diaplikasikan pada kasus nyata.