Hasil Pencarian  ::  Simpan CSV :: Kembali

"Fungsi partikel konjungtif (setsuzokujoshi/接続助詞) to dalam Kamus Pola Kalimat Bahasa Jepang untuk Pengajar dan Pemelajar (Nihongo Kyoushi to Gakushuusha no Tame no Bunkei Jiten/日本語教師と学習者のた めの文型辞典) dijabarkan ada enam macam, yaitu: kondisi umum (ippan jouken/ 一般条件), pengulangan/kebiasaan (hanpuku, shuukan/反復.習慣), kondisi hipotetis (katei jouken/仮定条件), kondisi tetap (kakutei jouken/確定条件), to sugu (とすぐ), dan prakata (maeoki/前置き). Setelah menelaah tiap-tiap fungsibeserta subfungsi di dalamnya, penulis jurnal ini menemukan bahwa tiap kelas klasifikasi partikel konjungtif to tersebut mempunyai fungsi dan makna tersendiri yang berbeda, namun ada ketumpangtindihan di antara keenam fungsi tersebut. Maka penulis mengusulkan penyederhanaan teori, mereduksinya menjadi empat fungsi dengan mengeliminasi fungsi to sugu (とすぐ) dan prakata (maeoki/前置き).

---

Dictionary of Japanese Sentence Pattern for Teacher and Learner (Nihongo Kyoushi to Gakushuusha no Tame no Bunkei Jiten/日本語教師と学習者のための文型辞典) explains six types of conjunctive particle to (setsuzokujoshi/接続助詞) functions, namely: general condition (ippan jouken/一般条件), repetition/custom (hanpuku, shuukan/反復.習慣), hypothetical condition (katei jouken/仮定条件), fixed condition (kakutei jouken/確定条件), to sugu (とすぐ), and preface (maeoki/前置き). After examining each function with its subfunction, the writer of this journal finds that each class of the conjunctive particle to classification has its own use and distinct meaning, yet there are some overlaps among the six functions. So the writer proposes to simplify the theory, reducing them into four functions by eliminating to sugu (とすぐ) and preface (maeoki/前置き) function."

"Masalah lalu lintas secara garis besar terdiri atas kemacetan lalu lintas, pelanggaran lalu lintas dan kecelakaan lalu lintas. Penelitian menunjukkan faktor manusia terutama pengemudi memegang peran utama sebagai salah satu penyebab timbulnya masalah dibidang lalu lintas terutama kecelakaan lalu lintas.

Dalam upaya penanggulangan masalah lalu lintas utamanya kecelakaan lalu lintas Polri melakukan berbagai upaya melalui pelaksanaan fungsi kepolisian dibidang lalu lintas (fungsi lantaspol) yakni :
- Penegakkan hukum dibidang lalu lintas
- Pendidikan lalu lintas
- Enjinering Ialu lintas
- Registrasi dan identifikasi pengemudi

Salah satu bentuk kegiatan registrasi dan identifikasi pengemudi adalah penyelenggaraan Surat Ijin Mengemudi, dan untuk pengujian kecakapan jasmani dan rohani para pemohon SIM umum, Polri telah membentuk Klinik Pengemudi. Dengan diharuskannya para pemohon SIM umum diuji kecakapan jasmani dan rohaninya di Klinik Pengemudi diharapkan kecelakaan lalu lintas yang diakibatkan oleh faktor kecakapan jasmani dan rohani pengemudi yang kurang baik dapat dicegah. Untuk membuktikan harapan tersebut peneliti mengadakan penelitian dengan tujuan ingin membuktikan hubungan/pengaruh tes klinik pengemudi dan unsur-unsur pada pengemudi dengan kecelakaan lalu lintas dan pelanggaran lalu lintas.

Dalam penelitian tersebut, peneliti mengemukakan 7 hipotesa dan yang dapat dibuktikan dari 7 hipotesa tersebut adalah: 
1. Bahwa tes Klinik Pengemudi yang baik mempunyai pengaruh menurunkan pelanggaran/Kecelakaan lalu lintas. 
2. Bahwa penguasaan terhadap peraturan dan sopan santun lalu lintas mempunyai pengaruh menurunkan pelanggaran/kecelakaan lalu lintas. 

Disamping kedua hipotesa yang dapat dibuktikan tersebut faktor-faktor lain seperti: 
1. Riwayat perkawinan pengemudi 
2. Penghasilan pengemudi 
3. Tajam penglihatan pengemudi 
4. Kelainan fisik pengemudi. 

Ternyata merupakan faktor resiko yang belum/tidak dapat diabaikan pengaruhnya terhadap pelanggaran/kecelakaan lalu lintas."

"Dalam beberapa tahun terakhir, cloud computing telah berkembang menjadi salah satu TI yang tumbuh paling cepat. Saat ini beberapa instansi pemerintahan di Indonesia sudah mengimplementasikan layanan teknologi tersebut. Diantara semua keunggulan dan manfaat yang ditawarkan cloud computing, muncul tantangan-tantangan baru terhadap manajemen keamanan pada cloud computing, seperti kebocoran data. Sebagai salah satu langkah yang dapat dilakukan untuk mencapai keamanan dalam transisi cloud computing adalah klasifikasi data. Peraturan Pemerintah (PP) Republik Indonesia Nomor 71 tahun 2019 tentang penyelenggaraan sistem dan transaksi elektronik di Indonesia, khususnya pada Pasal 20 ayat (6) dan ayat (7) juga menyebutkan bahwa dalam hal Penyelenggaraan Sistem Elektronik Lingkup Publik yang menggunakan layanan pihak ketiga, Penyelenggara Sistem Elektronik (PSE) Lingkup Publik wajib melakukan klasifikasi data sesuai risiko yang ditimbulkan, namun ketentuan lebih lanjut mengenai klasifikasi data tersebut akan diatur dengan Peraturan Menteri terpisah. Berdasarkan penyataan tersebut diketahui bahwa hingga saat ini belum ada Peraturan Menteri atau standar baku terpusat lainnya yang membahas tentang klasifikasi data untuk PSE di Indonesia, sehingga sebagian besar PSE yang sudah mengimplementasikan cloud computing belum melakukan proses klasifikasi data. Oleh karena itu untuk memudahkan PSE dalam melakukan klasifikasi data sesuai tingkat risiko, maka perlu disusun suatu regulasi atau kebijakan yang dapat dijadikan pedoman bagi PSE lingkup publik dalam melakukan klasifikasi data. Penelitian ini dilakukan dengan metodologi penelitian kualitatif. Adapun perumusan kebijakan klasifikasi data dalam penelitian ini dilakukan dengan menggunakan Soft System Methodology dengan mengacu kepada standar ISO / IEC 27001: 2013 dan NIST SP 800-60. Hasil penelitian ini berupa konsep dan rancangan kebijakan klasifikasi data yang menggunakan model dengan skema klasifikasi tiga tingkat yang terdiri dari rahasia, terbatas, dan biasa/terbuka. Masing-masing tingkat klasifikasi tersebut diberikan rekomendasi penanganan keamanan yang harus dilakukan yang terdiri dari pelabelan, penyimpanan, pemberian akses, pengiriman elektronik, pengiriman manual, penggandaan, dan metode penghancuran. Selanjutnya untuk melengkapi kebijakan tersebut, terdapat rancangan standar operasional prosedur (SOP) yang pendukung draf kebijakan tersebut yang dapat dijadikan panduan PSE dalam menentukan tingkat klasifikasi data dan pengamanan data tersebut.

---

In recent years several government agencies in Indonesia have implemented these technology services. Among all advantages and benefits offered by cloud computing, there are new challenges related to security management in cloud computing, such as data leakage. One of the steps that can be take to achieve security in cloud computing is data classification. Government Regulation of the Republic of Indonesia Number 71 of 2019 state that in the case of Public Sector Electronic System Operation using third party services, the Electronic System Operator (PSE) is required to classify data according to risks level, but further provisions regarding the data classification will be regulated by a separate Ministerial Regulation. Based on this statement, it is known that until now there is no Ministerial Regulation or other centralized standard that discusses data classification for PSE in Indonesia, so the most of PSE have not carried out the data classification process. Therefore, to facilitate PSE in classifying data according to risk the level, it is necessary to develop a regulation or policy that can be used as a guide for PSE. This research was conducted with a qualitative research methodology. The development of the data classification policy in this study was carried out using the Soft System Methodology with reference to the ISO/IEC 27001: 2013 and NIST SP 800-60 standards. The results of this study are concept and design of data classification policy using three-tier classification scheme consisting of confidential, limited, and public data. Each classification level is given recommendations for security that must be carried out which consist of labeling, storage, granting access, electronic delivery, manual delivery, copying, and destruction methods. Furthermore, to complete the policy, there is a standard operating procedure (SOP) that supports the policy which can be used as a guide for PSE in determining the level of data classification and data security. "

"Salah satu masalah abadi yang tidak pernah habis untuk dibicarakan adalah pengelolaan persediaan suku cadang. Persediaan suku cadang erat kaitannya dengan produktivitas, pemeliharaan, dan keandalan fasilitas manufaktur di dunia industri. Kurangnya suku cadang dapat mengakibatkan hilangnya produksi jika peralatan rusak, namun bila nilai stok terlalu tinggi juga dapat mengakibatkan hilangnya peluang. Berdasarkan fakta tersebut, salah satu tugas terpentingnya adalah mengklasifikasikan komponen cadangan untuk menentukan mana yang stok atau non stok. Klasifikasi suku cadang multi-kriteria akan dibuat dengan mempertimbangkan penggunaan, keandalan pabrik, dan ketersediaan barang. Dengan menggunakan 11 kriteria yang ditentukan, kami akan menggunakan AHP untuk menghitung bobot setiap kriteria. Kemudian bobot tersebut akan digabungkan dengan skor pilihan alternatif untuk menghasilkan skor keputusan dan menentukan keputusan saham/non saham. Kajian ini akan dilakukan di sektor pupuk di Indonesia yang memiliki sekitar 200.000 SKU suku cadang. Hasil penelitian menunjukkan bahwa AHP dapat menciptakan model klasifikasi suku cadang yang sederhana, konsisten, dan selaras dengan kebutuhan perusahaan.

---

One timeless problem that never gets old to talk about is the management of spare parts inventory. Spare part inventory is intimately related to manufacturing facilities' productivity, maintenance, and reliability in the industrial world. The lack of spare parts can lead to the loss of production when equipment fails, but when the value of the stock is too high, it can also lead to opportunity loss. Based on this fact, one of the most critical tasks is classifying spare components to determine which stock or non-stock. A multi-criteria classification of spare parts will be made considering usage, factory dependability, and availability of goods. Using the 11 defined criteria, we will employ AHP to calculate the weight of each criterion. Then the weight will be combined with the score of the alternative options to generate a decision score and determine the stock/non-stock decision. The study will be conducted in the fertilizer sector of Indonesia, which has approximately 200,000 SKUs of spare parts. The research results indicate that AHP can create a straightforward, consistent spare parts classification model that aligns with the company's needs."

"Penelitian ini membahas skema klasifikasi yang ada di Kementerian Keuangan Republik Indonesia, yang bertujuan untuk menganalisis proses penyusunan skema klasifikasi dan mendeskripsikan penerapan skema klasifikasi di Subbagian Arsip dan Dokumentasi. Skema klasifikasi merupakan elemen penting yang mendasari interpretasi rekod di dalam organisasi dan diperlukan untuk memudahkan capture, temu kembali, pemeliharaan dan penyusutan rekod. Skema klasifikasi juga harus dapat mengikuti perubahan yang ada di dalam organisasi. Masalah yang diangkat pada penelitian kali ini adalah bagaimana penyusunan skema klasifikasi dan pengaruh perubahan struktur organisasi terhadap skema klasifikasi yang ada. Metode yang digunakan pada penelitian ini ialah metode kualitatif. Teknik pengumpulan data yang digunakan peneliti ialah observasi dan wawancara. Hasil penelitian ini menunjukkan bahwa adanya perubahan struktur organisasi memberikan dampak pada skema klasifikasi, jika ada penambahan fungsi baru dalam organisasi. Hingga saat ini, lingkungan Kementerian Keuangan masih menggunakan skema klasifikasi yang sama padahal sudah ada beberapa fungsi baru yang tidak terakomodir di dalam skema tersebut.

---

Classification schemes are important elements underlying the interpretation of records within the organization. Classification schemes are needed to facilitate capture, retrieval, maintenance and disposal of records. Classification schemes must also be able to follow changes in the organization structure. The problem in this research is how the process of classification scheme and the implementation in in the Archive and Documentation Subdivision. The purpose of this study is to analyze the process of classification scheme and describing the practice or implementation of classification schemes in the Archive and Documentation Subdivision. The method used in this study is a qualitative method. Data collection techniques used by the researcher are observation and interviews. The result of this study indicates that the change in organizational structure does not have an impact on the classification scheme, but new functions have on the classification scheme. Until now, The Archive and Documentation Subdivision Office of  the Ministry of Finance environment still uses the same classification scheme even though there are already several new functions that are not accommodated in the scheme. The existing classification scheme must be updated so it can cover all function and activity in Ministry of Finance Republic of Indonesia."

"Penyakit kronis adalah penyakit yang diderita dalam waktu panjang dan dapat berkembang secara cepat, salah satunya adalah penyakit kanker dan diabetes. Oleh karena itu, dengan melakukan pendeteksian dini maka perkembangan penyakit kanker dan diabetes akan menurun. Salah satu cara pendektesian dini dapat dilakukan oleh machine learning. Teknik machine learning banyak digunakan dalam berbagai bidang khususnya untuk analisa data medis.  Clustering merupakan salah satu metode dari machine learning yang bertujuan untuk mengelompokkan suatu dataset ke dalam subset berdasarkan ukuran jarak. Salah satu contoh metode clustering adalah metode Entropi Fuzzy C-Means yang dapat mengidentifikasi entropi disetiap titik data dan memilih pusat kluster terdekat dengan entropi minimum. Pada penelitian akan digunakan data kanker dan diabetes dari UCI Repository dengan menggunakan metode Entropi Fuzzy C-Means yang akan dimodifikasi dengan kernel RBF. Sebelum dilakukan klasifikasi, dilakukan pemilihan fitur menggunakan Chi-Square. Tujuan dari penelitian ini adalah untuk mendapatkan fitur-fitur yang optimal dan mengetahui hasil akurasi menggunakan untuk klasifikasi data diabetes dan kanker. Diperoleh hasil akurasi tertinggi pada klasifikasi data medis menggunakan metode Entropi Fuzzy C-Means berbasis kernel dengan pemilihan fitur Chi-Square yaitu sebesar 83.33% untuk data diabetes dan 77.77-100% untuk data kanker.

---

Chronic disease is a disease that occur for a long time and can develop quickly, one of them is cancer and diabetes. The early detection is very helpful to reduce the development of the disease. One of the ways to detect cancer and diabetes disease is using machine learning technic. Machine learning technic is widely use in many aspects especially in medical data analysis. Clustering is part of machine learning technic that is used to group a dataset into subset based on space size. Entropy Fuzzy C-Means is one of the methods which can identify entropy in every data and can choose the cluster center similar with minimum entropy. In this paper we will use cancer and diabetes medical data from UCI Repository using Entropy Fuzzy C-Means method which is modified by kernel RBF. Before classification, we will select the feature using Chi-Square  to get the optimal subset feature. The purpose of this study was to obtain optimal features and find out the results of accuracy using for the classification of diabetes and cancer data. The medical data classification using Entropy Fuzzy C-Means based on kernel with Chi-Square feature selection gives the 100% highest accuration result for cancer data and 83,33% for diabetes data."

"Dewey decimal classification (klasifikasi persepuluhan dewey) merupakan sistem klasifikasi yang paling banyak digunakan dikarenakan kemutakhiran dan kelengkapannya. Di dalam sistem klasifikasi tersebut terdapat banyak "Option Number" (nomor optional)"

"Aktivitas anomali pada jaringan internet BMKG belum seluruhnya dapat dianalisis secara manual, sehingga beberapa sistem BMKG terdampak oleh aktivitas siber ini. Deteksi dan klasifikasi intrusi merupakan upaya penting yang dapat dilakukan BMKG dalam menangani serangan siber. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik untuk mengklasifikasikan intrusi. Dataset yang digunakan adalah dataset CICIDS2017 dan data internet BMKG yang kemudian dilakukan penanganan data tidak seimbang menggunakan SMOTE. Untuk meningkatkan performa klasifikasi, dilakukan seleksi fitur dan diusulkan tiga variasi jumlah fitur, yaitu 7 fitur, 18 fitur, dan 82 atau keseluruhan fitur. Klasifikasi yang dilakukan mencakup klasifikasi biner untuk membedakan serangan dan normal, serta multikelas untuk mengklasifikasikan beberapa jenis serangan. Algoritma klasifikasi yang digunakan dalam penelitian ini adalah KNearest Neighbor (KNN), Decision Tree (DT), dan Random Forest (RF). Hasil model klasifikasi terbaik untuk kelas biner adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,1%. Sedangkan model terbaik untuk multikelas adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,2%. Penelitian ini menunjukkan bahwa model klasifikasi berbasis pembelajaran mesin dapat meningkatkan deteksi dan klasifikasi serangan siber dengan akurasi tinggi. BMKG dapat mengimplementasikan model ini untuk deteksi otomatis dan respons cepat terhadap ancaman, melakukan uji coba lapangan, memberikan pelatihan staf, dan memastikan pemeliharaan serta pemantauan rutin model. Langkah-langkah ini dapat membantu BMKG dalam meningkatkan keamanan jaringan dan melindungi data serta layanan dari serangan siber di masa mendatang.

---

Anomalous activity on the BMKG's internet network cannot be fully analyzed manually, so several BMKG systems have been affected by this cyber activity. Intrusion detection and classification is an important effort that can be made by BMKG in dealing with cyber attacks. This research aims to create the best classification model to classify intrusions. The datasets used are the CICIDS2017 dataset and BMKG internet data, which are then handled with unbalanced data using SMOTE. To improve classification performance, feature selection is performed, and three variations in the number of features are proposed, namely 7 features, 18 features, and 82 or all features. The classification includes binary classification to distinguish between normal and attack and multiclass classification to classify multiple types of attacks. The classification algorithms used in this research are K-Nearest Neighbor (KNN), Decision Tree (DT), and Random Forest (RF). The best classification model for binary classes is DT with 82 or all features with 99.1% accuracy. While the best model for multiclass is DT with 82 or all features with 99.2% accuracy. This research shows that a machine learning-based classification model can improve cyberattack detection and classification with high accuracy. BMKG can implement this model for automated detection and rapid response to threats, conduct field trials, provide staff training, and ensure regular model maintenance and monitoring. These steps can help BMKG improve network security and protect data and services from future cyberattacks."

"Tesis ini membahas representasi pengetahuan untuk sistem MELATI, yaitu sistem tutor cerdas berbasis strategi belajar. Sistem MELATI merupakan sistezn tutor cerdas yang bertujuan untuk meningkatkan kemampuan berfikir siswa sekolah menengah, yaitu dengan meningkatkan kemampuan teknik berpikir kerasnya.Domain pengetahuan sistem MELATI adalah pengetahuan untuk mengidenti fikasi strategi belajar berdasarkan skrip rekaman teknik berpikir keras_ Pengetahuan sistem ini berasal dari pengetahuan pakar psikologi pendidikan Universitas Indonesia. Fokus pembahasan tesis ini adalah mencari model teknik representasi yang cocok untuk merepresentasikan pengetahuan pakar tersebut, sehingga dapat diolah dengan menggunakan komputer.Berdasarkan hasil studi literatur disimpulkan bahwa: teknik representasi pengetahuan berbasis jaringan semantik dan frame cocok untuk merepresentasikan domain pengetahuan yang hierarkis dan sating berhubungan; sedangkan teknik representasi berbasis aturan cocok untuk merepresentasikan domain pengetahuan yang dapat dinyatakan dengan pasangan kondi'si dan aksi, dan potongan pengetahuan dalam domain itu masing masing dapat berdiri sendiri. Disamping itu, berdasarkan hasil analisis karakteristik pengetahuan strategi belajar, disimpulkan bahwa: pengetahuan strategi belajar merupakan pengetahuan deklaratif yang dapat dinyatakan dengan bentuk pasangan kondisi-aksi; dan tiap potongan pengetahuan strategi belajar bersifat otonom, sehingga dapat berdiri sendiri_ Dengan demikian maka teknik representasi yang cocok untuk merepresentasikan pengetahuan strategi belajar adalah sistem berbasis aturan.Sebagai uji cobs dalam riset ini dibuat suatu prototipe Sistem Pakar Identifikasi Strategi Belajar (SPISB) dengan memakai CLIPS. Basis pengetahuan prototipe ini inenggunakan teknik representasi berbasis aturan. Dengan subjek siswa SMU Jakarta, diperoleb basil eksperimen bahwa: sister mampu mengidentifil:asi dengan benar pada eksperimen pertama sebesar 85% dan pada eksperimen kedua sebesar 60%. Sebagai pembanding hasil identifikasi SPISB dibandingkan dengan hasil identifikasi pakar psikologi pendidikan Universitas Indonesia."

"Bentonit yang diteliti disini adalah bentonit yang dipakai sebagai bahan dasar dari lumpur pemboran sumur-sumur minyak, gas atau geothermal. Bentonit yang selama ini digunakan pada kegiatan pemboran adalah Na-Bentonit yang diimpor dari Wyoming, Amerika Serikat.Program penelitian ini mencoba merubah Ca-Bentonit lokal menjadi Na-Bentonit dengan Proses Ion Exchange, sehingga Bentonit lokal dapat mendekati sifat-sifat Bentonit impor, dan dapat dipakai disetiap operasi pemboran sumur-sumur minyak dan gas bumi di Indonesia. Hasil yang dicapai dari penelitian ini cukup menggembirakan dari metode yang dipakai, yakni dengan metode menghisap atau menekan larutan melewati filter dari hasil proses ion exchange pada pencampuran bentonit-air-Na2 EDTA dan Na OH. Ternyata kandungan Ca yang dapat dikeluarkan sangat menggembirakan, yakni rata-rata hampir 90 %. Akan tetapi unsur Na juga ikut keluar dari endapan Bentonitnya yakni rata-rata 42 %.Untuk mengatasi hal ini Campuran Bentonit dengan Na-EDTA tersebut dijenuhi dengan Na dengan menambahkan Na-OH. Dari hasil pemeriksaan analisa kimia dengan AAS (Atomic Absorption Spectroscopy) ternyata unsur Ca-nya telah terusir sedang unsur Na nyapun telah masuk kedalam Bentonit.Banyaknya kandungan Ca yang dapat dikeluarkan dari basal plane bentonit lokal rata-rata diatas 90% dan unsur Na yang dapat dimasukkan kedalam basal plane bentonit lokal berkisar antara 120% sampai 1367% dari banyaknya kandungan Na di basal plane mula-mula. Dengan demikian yang tadinya berupa Ca-Bentonit telah berubah menjadi Na-Bentonit.Untuk lebih menyakinkan apakah unsur Ca-nya telah keluar dari Bentonit dan telah berubah menjadi Na-Bentonit dilakukan pengukuran dengan XRD (X Ray Difractometer) dan DTA (Differential Thermal Analysis). Jarak antara basal plane (d) hasil pengukuran XRD Bentonit Boyolali ialah sebesar 15A° sebelum mengalami perlakuan dan sebesar 12,9A° setelah mengalami perlakuan. Hal ini sesuai dengan d dari Ca-bentonit sebesar 15,2A° dan d dari Na-bentonit sebesar 12,8A°. Demikian juga ternyata sebagian Bentonit lokal setelah mengalami perlakuan dapat memenuhi performance yang diingini sebagai lumpur bor, yakni besar viskositas semu (Appearant Viscocity) sekitar 16 Cps (syarat minimum =15 Cps), swellingnya sekitar 7 (syarat minimum = 5), plastis viscosity sekitar 8 (syarat minimum = 8) dan tapisan sekitar 13,5 (syarat maksimum = 15)."