Articles

Found 23 Documents
Search

Ontologi Sistem Penilaian E-Learning Berbasis Kompetensi Windisari, Desi; Kusumawardani, Sri Suning; Santosa, P. Insap
Majalah Forum Teknik UGM Vol 34, No 1 (2011)
Publisher : Majalah Forum Teknik UGM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Automation grading on e-Learning assessment helps educators in assessing the results of the exam. In a previous research, automation grading vaue jus in the form of numbers, not performed a review the achievement of competency standards. In this research we developed assessment system ontology design fo e-learning base competence. This propose ontology design models the relation between matter and competence then made the rule for the calculation of achievement students against each competency and make recommendations to the student passing the exam. From the test results with the protege show that ontology design can grade the assessment and give recommendations to the student passing the exam, in accordance with the rules made.Keywords : Ontology, assessment e-Learning, Automation grading.
Perancangan dan Pembuatan Business Logic Layer Pada Situs Social Networking Berbasis Penelitian (KoKKo) Damarjati, Cahya; Nugroho, Lukito Edi; Kusumawardani, Sri Suning
Jurnal Buana Informatika Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract. Business Logic Layer on Social Networking Sites Design and Development Based on Research. KoKKo, virtual community for science was born based on the belief that “no one knows everything, and everyone knows something” atau “none of us is as smart as all of us”. KoKKo is a web application that use three tier web architecture. The three tier of KoKKo are presentation layer, BLL, and DAL. This final prject will discuss everything about engineering and implementation of BLL in KoKKo Web Application. BLL implement object oriented programming concept. With that concept, BLL consists of methods definition that is packaged in class. BLL methods contain DAL functions to access database. Presentation layer use BLL methods to pick data, add data, change date, or delete data from database.Keyword: Three tier web architecture, BLL, Object Oriented Programming, Class, Methods.Abstrak. KoKKo sebagai komunitas virtual untuk berbagi pengetahuan, lahir dari adanya istilah “no one knows everything, and everyone knows something” atau “none of us is as smart as all of us”. Wujud KoKKo berupa aplikasi web yang menggunakan Arsitektur Web Tiga Tingkat. Tiga Tingkat dari KoKKo adalah tingkat presentasi, BLL, dan DAL. Penelitian ini akan membahas segala hal tentang perancangan dan implementasi BLL pada aplikasi web KoKKo. BLL menerapkan konsep Pemrograman Berorientasi Objek (OOP). Dengan konsep tersebut, BLL tersusun dari definisi Metode-Metode yang dikemas dalam Kelas. Metode BLL berisi fungsi-fungsi DAL untuk mengakses basis data. Tingkat presentasi menggunakan metode BLL untuk mengambil data, menambah data, mengubah data, atau menghapus data dari basis data.Kata kunci: Arsitektur Web Tiga Tingkat, BLL, Pemrograman Beorientasi Objek, Kelas, Metode.
Parental Control Model for High School E-Learning Kusumawardani, Sri Suning; Ferdiana, Ridi
Majalah Forum Teknik UGM Vol 35, No 1 (2013)
Publisher : Majalah Forum Teknik UGM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Adopting e-Learning in high school is challenging. The main problem in this situation is the adoption of e-Learning as a self-paced learning. In universities, the problem rarely happens since the students in universities have an awareness to explore and to learn by themselves. In high school level, student awareness is limited.High school students more likely need a control mechanism to use e-Learning. In this research, an efort is made to create a model that collaborate parents to control e-Learning usages. The collaboration of parents in e-Learning strongly believed can provides additional value of effectiveness in student e-Learning usage.The result of this research is a model called PCM (Parental Control Model). PCM is an architectural model that contains of information and software architecture that will cover business process collaboration between parent and student.Keywords: e-Learning, parental control model, software architecture, interaction model
Machine Learning Untuk Estimasi Posisi Objek Berbasis RSS Fingerprint Menggunakan IEEE 802.11g Pada Lantai 3 Gedung JTETI UGM Chairani, Chairani; Widyawan, Widyawan; Kusumawardani, Sri Suning
Jurnal INFOTEL Vol 7, No 1 (2015): Jurnal INFOTEL, Volume 7 Nomor 1 Mei 2015
Publisher : Sekolah Tinggi Teknologi Telematika Telkom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1348.62 KB)

Abstract

Penelitian ini membahas tentang  estimasi  posisi  (localization)  objek  dalam gedung menggunakan jaringan  wireless  atau IEEE 802.11g  dengan pendekatan  Machine Learning.  Metode pada pengukuran  RSSmenggunakan  RSS-based fingerprint. Algoritma  Machine Learning  yang digunakan dalam memperkirakan lokasi dari pengukuran  RSS-based  menggunakan  Naive Bayes.    Localization  dilakukan pada lantai 3 gedung Jurusan Teknik Elektro dan Teknologi Informasi (JTETI) dengan luas 1969,68 m2dan memiliki 5 buah titik penempatan  access point  (AP).  Untuk membentuk peta  fingerprint  digunakan dimensi 1 m x 1 m  sehingga terbentuk  grid  sebanyak 1893 buah. Dengan menggunakan  software Net  Surveyor  terkumpul data  kekuatan sinyal yang diterima (RSS) dari jaringan wireless  ke perangkat penerima (laptop) sebanyak 86.980 record. Hasil nilai rata-rata error jarak estimasi untuk  localization seluruh ruangan di lantai 3 dengan menggunakan algoritma Naive Bayes  pada fase  offline  tahap  learning  adalah 6,29 meter.  Untuk fase  online  dan tahap  post learningdiperoleh rata-rata error jarak estimasi sebesar 7,82 meter.
MACHINE LEARNING UNTUK ESTIMASI POSISI OBJEK BERBASIS RSS FINGERPRINT MENGGUNAKAN IEEE 802.11G PADA LANTAI 3 GEDUNG JTETI UGM Chairani, Chairani; Widyawan, Widyawan; Kusumawardani, Sri Suning
Jurnal Infotel - Jurnal Informatika,Telekomunikasi dan Elektronika Vol 7, No 1 (2015): Jurnal INFOTEL, Volume 7 Nomor 1 Mei 2015
Publisher : Sekolah Tinggi Teknologi Telematika Telkom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (750.155 KB) | DOI: 10.20895/infotel.v7i1.96

Abstract

Penelitian ini membahas tentang estimasi posisi (localization) objek dalam gedung menggunakan jaringan wireless atau IEEE 802.11g dengan pendekatan Machine Learning. Metode pada pengukuran RSS menggunakan RSS-based fingerprint.  Algoritma Machine Learning yang digunakan dalam memperkirakan lokasi dari pengukuran RSS-based menggunakan Naive Bayes.  Localization dilakukan pada lantai 3 gedung Jurusan Teknik Elektro dan Teknologi Informasi (JTETI) dengan luas 1969,68 m2 dan memiliki 5 buah titik penempatan access point (AP). Untuk membentuk peta fingerprint digunakan dimensi 1 m x 1 m sehingga terbentuk grid sebanyak  1893 buah. Dengan menggunakan software Net Surveyor terkumpul data kekuatan sinyal yang diterima (RSS) dari jaringan wireless ke perangkat penerima (laptop) sebanyak 86.980 record. Hasil nilai rata-rata error jarak estimasi untuk localization seluruh ruangan di lantai 3 dengan menggunakan algoritma Naive Bayes pada fase offline tahap learning adalah 6,29 meter. Untuk fase online dan tahap post learning diperoleh rata-rata error jarak estimasi sebesar 7,82 meter.
Peningkatan Nilai Recall dan Precision pada Penelusuran Informasi Pustaka Berbasis Semantik (Studi Kasus : Sistem Informasi Ruang Referensi Jurusan Teknik Elektro dan Teknologi Informasi UGM) Novianti, Kadek Dwi Pradnyani; Setiawan, Noor Akhmad; Kusumawardani, Sri Suning
Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) 2015
Publisher : Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (653.05 KB)

Abstract

Sistem Informasi Ruang Referensi (SIRREF) JTETI UGM memiliki permasalahan dalam penelusuran informasi pustaka. Kesenjangan pemahaman makna antara pengguna dan mesin pencari serta tidak terpenuhinya persepsi pengguna yang terjadi ketika pengguna melakukan penelusuran informasi dapat diatasi dengan penerapan teknologi web semantik, dimana ontologi dapat diaplikasikan untuk merepresentasikan informasi pustaka tersebut sehingga dapat dipahami dan diproses oleh mesin. Pembangunan ontologi dilakukan menggunakan adopsi METHONTOLOGY yang menghasilkan 5 class yaitu Publication, Department, Keyword, Person dan Publisher. Hasil yang diperoleh menunjukan terjadinya peningkatan nilai recall sebesar 85,87% dan nilai precision sebesar 40,05% pada sistem penelusuran berbasis semantik. Penerapan web semantik dapat meningkatkan relevansi serta ketepatan informasi pustaka yang ditampilkan oleh sistem penelusuran berbasis semantik pada SIRREF JTETI UGM, sehingga mampu mengatasi kesenjangan pemahaman makna yang terjadi dan memenuhi persepsi pengguna.
Machine Learning Untuk Estimasi Posisi Objek Berbasis RSS Fingerprint Menggunakan IEEE 802.11g Pada Lantai 3 Gedung JTETI UGM Chairani, Chairani; Widyawan, Widyawan; Kusumawardani, Sri Suning
JURNAL INFOTEL Vol 7 No 1 (2015): Jurnal Infotel Vol.7 No.1 Mei 2015
Publisher : LPPM SEKOLAH TINGGI TEKNOLOGI TELEMATIKA TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (750.155 KB) | DOI: 10.20895/infotel.v7i1.23

Abstract

Penelitian ini membahas tentang estimasi posisi (localization) objek dalam gedung menggunakan jaringan wireless atau IEEE 802.11g dengan pendekatan Machine Learning. Metode pada pengukuran RSS menggunakan RSS-based fingerprint.  Algoritma Machine Learning yang digunakan dalam memperkirakan lokasi dari pengukuran RSS-based menggunakan Naive Bayes.  Localization dilakukan pada lantai 3 gedung Jurusan Teknik Elektro dan Teknologi Informasi (JTETI) dengan luas 1969,68 m2 dan memiliki 5 buah titik penempatan access point (AP). Untuk membentuk peta fingerprint digunakan dimensi 1 m x 1 m sehingga terbentuk grid sebanyak  1893 buah. Dengan menggunakan software Net Surveyor terkumpul data kekuatan sinyal yang diterima (RSS) dari jaringan wireless ke perangkat penerima (laptop) sebanyak 86.980 record. Hasil nilai rata-rata error jarak estimasi untuk localization seluruh ruangan di lantai 3 dengan menggunakan algoritma Naive Bayes pada fase offline tahap learning adalah 6,29 meter. Untuk fase online dan tahap post learning diperoleh rata-rata error jarak estimasi sebesar 7,82 meter.
Unjuk Kerja Routing Protocol OLSR Pada Wireless Mesh Network Berbasis Standar IEEE 802.11b/g Primaned, Ari; Widyawan, Widyawan; Kusumawardani, Sri Suning
Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI) Vol 1, No 1 (2012)
Publisher : Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v1i1.2

Abstract

WMN merupakan model jaringan komunikasi yang menggabungkan teknologi wireless dan routing ad-hoc yang membentuk sebuah topologi mesh. Optimized Link State Routing Protocol (OLSR) merupakan salah satu routing protocol yang digunakan untuk jaringan ad-hoc agar setiap wireless router yang terhubung dalam jaringan dapat melakukan komunikasi dan menghasilkan jaringan dengan jangkauan yang luas. Tujuan penelitian ini adalah melakukan analisis terhadap kinerja yang dihasilkan oleh testbed WMN dengan menggunakan routing protocol OLSR.Untuk mengetahui kinerja dari WMN, dilakukan pengukuran parameter throughput, latency, jitter, dan packet loss pada tesbed WMN yang dibangun menggunakan lima buah wireless router Linksys WRT54GL dengan firmware OpenWRT Freifunk pada lantai 1 Gedung KPTU Fakultas Teknik, Universitas Gadjah Mada.Hasil analisis pada testbed WMN tersebut adalah sebagai berikut; nilai throughput pada singlehop 988.48 Kbps dan pada multihop 78.952 Kbps, nilai latency berkisar antara 0.5 ms – 7.15 ms, nilai jitter pada singlehop 16.3931 ms dan pada multihop 105.5513 ms, nilai packet loss pada singlehop 2.06 % dan pada multihop 33.3 %.
Implementasi pada FPGA atas Soft-Output Viterbi Algorithm (SOVA) untuk Pengawasandian Turbo Chandra, Daryus; Setiyanto, Budi; Kusumawardani, Sri Suning
Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI) Vol 2, No 4 (2013)
Publisher : Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (779.784 KB) | DOI: 10.22146/jnteti.v2i4.100

Abstract

Abstract—There are two kinds of algorithm that widely used for decoding the turbo codes, those are Soft-Output Viterbi Algorithm (SOVA) and Maximum A Posteriori Algorithm (MAP). MAP Algorithm gives a better result on error correcting capability, but the consequence it has higher complexity algorithm, in contrary to SOVA. This paper presented a design for decoding turbo codes using SOVA with Very high-speed integrated circuit Hardware Description Language (VHDL) as the modelling program and the design is implemented on the FPGA. Implementation result shows that SOVA occupies 159 slices or 3% of the available slices in Xilinx Spartan-3E, 105 flip flop (1%), 278 LUT (2%), and 141 IOB (60%) with maximum frequency clock is 43,384 MHz. FPGA implementation of SOVA decoder is able to correct up to six non-burst error symbols from 16 received symbols, but SOVA fails to perform its errorcorrecting capability for three consecutive error symbols. SOVA decoder can be implemented for turbo decoding by combining SOVA decoder with interleaver and deinterleaver.Intisari—Terdapat dua algoritma yang digunakan untuk mengawasandikan sandi turbo yaitu Soft-Output Viterbi Algorithm (SOVA) dan Maximum A Posteriori Algorithm (MAP). Algoritma MAP memberikan kemampuan koreksi yang sedikit lebih baik daripada SOVA, namun dengan kompleksitas algoritma MAP yang lebih tinggi jika dibandingkan dengan SOVA. Dalam penelitian ini dipaparkan rancangan pengawasandian turbo dengan Soft-Output Viterbi Algorithm (SOVA) dengan menggunakan Very high speed integrated circuit Hardware Description Language (VHDL). Hasil implementasi menunjukkan bahwa pengawasandi SOVA membutuhkan 159 slices atau 3% dari keseluruhan slices yang tersedia pada FPGA Xilinx Spartan-3E, 105 flip flop (1%), 278 LUT (2%), dan 141 IOB (60%) dengan frekuensi clock maksimum yang dapat dicapai adalah 43,384 MHz. Pengawasandi SOVA mampu melakukan koreksi hingga enam simbol galat tipe acak dari 16 runtun simbol namun pengawasandi SOVA gagal melakukan koreksi galat apabila terdapat tiga buah galat deburan muncul pada runtun kata sandi. Implementasi FPGA atas pengawasandi SOVA dapat diimplementasikan dalam sistem pengawasandian turbo dengan menambahkan blok interleaver dan blok deinterleaver pada blok pengawasandi SOVA.Kata Kunci— Penyandian kanal, teknik koreksi galat, sandi turbo, SOVA, FPGA
Rekomendasi Berdasarkan Nilai Pretest Mahasiswa Menggunakan Metode Collaborative Filtering dan Bayesian Ranking Stefani, Brillian; Adji, Teguh Bharata; Kusumawardani, Sri Suning; Hidayah, Indriana
Edu Komputika Journal Vol 5 No 1 (2018): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract- Self-Regulated Learning (SRL) skill can be improved by improving students’ cognitive and metacognitive abilities. To improve metacognitive abilities, metacognitive support in learning process using e-learning needs to be included. One of the example is assisting students by giving feedbacks once students had finished doing specific avtivities. The purpose of this study was to develop a pedagogical agent with the abilities to give students feedbacks, particularly recommendations of lesson sub-materials order. Recommendations were given by considering students pretest scores (students’ prior knowledge). The computations for recommendations used Collaborative Filtering and Bayesian Ranking methods. Results obtained in this study show that based on MAP (Mean Average Precision) testings, Item-based method got the highest MAP score, which was 1. Computation time for each method was calculated to find runtime complexity of each method. The results of computation time show that Bayesian Ranking had the shortest computation time with 0,002 seconds, followed by Item-based with 0,006 seconds, User Based with 0,226 seconds, while Hybrid has the longest computation time with 0,236 seconds. Keyword- self-regulated learning, metacognitive, metacognitive support, feedback, pretest (prior knowledge), Collaborative Filtering, Bayesian Ranking, Mean Average Precision, runtime complexity.