📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenPENGEMBANGAN ANTARMUKA DAN IMPLEMENTASI PLATFORM EKSPERIMEN JARINGAN BERKINERJA TINGGI DENGAN DATA PLANE DEVELOPMENT KIT (DPDK) DAN VECTOR PACKET PROCESSOR (VPP)
Penelitian ini mengkaji perbandingan kinerja pemrosesan paket jaringan pada server general-purpose menggunakan teknologi kernel bypass (DPDK dan VPP) dan stack jaringan Linux konvensional. Dengan pertumbuhan data yang eksplosif dan kebutuhan akan aplikasi real-time, efisiensi pemrosesan paket menjadi sangat krusial. Metodologi penelitian melibatkan pengembangan platform eksperimen jaringan dinamis berkinerja tinggi yang terintegrasi dengan testbed 100Gbps ITB, dirancang untuk memfasilitasi eksperimen otomatis. Platform ini terdiri dari tiga subsistem: User Interface untuk input skenario, Automation sebagai orkestrator menggunakan Ansible, dan Infrastructure untuk eksekusi eksperimen dan pengukuran. Hasil pengujian menunjukkan bahwa VPP dan DPDK secara signifikan meningkatkan throughput paket per core dibandingkan dengan jaringan Linux, memproses lebih banyak lalu lintas dengan alokasi CPU yang sama. Dalam skenario Receive-Only, Basic Forwarding, Increasing Routing Table, dan Network Address Translation, DPDK-VPP menunjukkan peningkatan kinerja yang substansial (masing-masing 15x, 60x, 17x, dan 35x lebih tinggi). Meskipun dalam skenario Varying Destination IP Addresses & Source Ports VPP tidak selalu melampaui Linux Kernel dalam total paket yang diterima, kemampuannya untuk membatasi alokasi CPU sejak awal merupakan keuntungan, menjadikannya lebih tangguh terhadap serangan DDoS dengan menghindari kelelahan CPU bahkan di bawah lalu lintas tinggi. Penelitian ini menyimpulkan bahwa teknologi kernel bypass menawarkan solusi superior untuk kebutuhan jaringan berperforma tinggi.
DESIGN AND IMPLEMENTATION OF SMART CONTRACTS FOR MUSIC MONETIZATION AND ROYALTY DISTRIBUTION THROUGH NFTS
This research designs a blockchain-based music monetization platform that represents each song as an ERC-721 standard NFT, aiming to address the lack of transparency and high royalty cuts faced by independent musicians. Three smart contracts—MusicNFT, NFTMarketplace, and NFTStreaming—are developed using the Solidity programming language and tested on the Sepolia network through a Next.js-based web prototype integrated with MetaMask. Guided by the Design Science Research Methodology framework, the proposed solution is evaluated through unit testing, integration testing, and static analysis using Slither, showing that all core system functions operate as specified with no critical vulnerabilities found. The results demonstrate that the system enhances royalty distribution transparency, reduces intermediary costs, and strengthens fan engagement through digital asset ownership that also confers rights to royalty income.
PERANCANGAN ARSITEKTUR ENTERPRISE UNTUK UNIT PERUSAHAAN PENGELOLA GEDUNG KANTOR (STUDI KASUS: GEDUNG X)
Dalam era digitalisasi, pengelolaan gedung perkantoran dituntut untuk semakin efisien dan terintegrasi melalui pemanfaatan sistem Enterprise Resource Planning (ERP). Unit pengelola Gedung X saat ini masih menghadapi tantangan berupa fragmentasi sistem yang mengakibatkan inefisiensi operasional, kurangnya standardisasi alur informasi dan proses kerja antar divisi, serta keterbatasan infrastruktur teknologi yang menghambat optimalisasi pemanfaatan ERP. Untuk menjawab tantangan tersebut, diperlukan sebuah kerangka arsitektur terintegrasi yang mampu memetakan proses bisnis, sistem, dan infrastruktur secara menyeluruh sebagai landasan implementasi ERP yang optimal. Penelitian ini bertujuan untuk merancang Enterprise Architecture (EA) sebagai cetak biru implementasi sistem ERP pada unit pengelola gedung X untuk mengatasi permasalahan tersebut. Pendekatan yang digunakan adalah Business-Outcome-Driven Enterprise Architecture (BODEA) melalui TOGAF ADM berdasarkan EA to Support Project, untuk memastikan bahwa rancangan arsitektur selaras dengan tujuan bisnis organisasi. Rancangan arsitektur mencakup visi arsitektur, desain arsitektur, dan rencana migrasi berupa urutan prioritas implementasi sistem ERP. Evaluasi dilakukan melalui pendekatan expert judgement dengan metode penilaian berbasis Enterprise Architecture Realization Scorecard (EARS). Hasil evaluasi menunjukkan bahwa rancangan EA dinilai telah menggambarkan kebutuhan operasional secara menyeluruh, realistis untuk diimplementasikan, serta mampu mendukung transformasi digital yang bertahap dan terstruktur. Skor EARS tertinggi dicapai pada hasil pengembangan sub-arsitektur dengan skor total 8,28, diikuti oleh perumusan visi arsitektur (7,92), dan perencanaan migrasi (7,785). Dengan demikian, dapat disimpulkan bahwa rancangan EA yang dikembangkan telah berhasil menjawab permasalahan yang dikaji dan memenuhi tujuan penelitian, yaitu menyediakan landasan arsitektur yang terintegrasi, aplikatif, dan sesuai konteks untuk mendukung implementasi sistem ERP di Gedung X.
AUDIT PENGELOLAAN DATA PRIBADI SESUAI DENGAN UU PDP DAN ISO/IEC 27701:2019 PADA SISTEM MANAJEMEN KARTU DEBIT DI PT BANK X
Pelindungan data pribadi menjadi semakin krusial di era digital, khususnya pada sektor perbankan yang mengelola data nasabah dalam jumlah besar. Di Indonesia, telah diberlakukan Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP) sehingga setiap sistem informasi wajib disesuaikan dengan ketentuan yang tertuang dalam regulasi tersebut. PT Bank X merupakan perusahaan perbankan yang baru mengimplementasikan sistem manajemen kartu debit pada tahun 2024. Namun, belum dilakukan evaluasi mendalam terhadap kesesuaian sistem tersebut dengan regulasi perlindungan data pribadi yang berlaku di Indonesia maupun internasional, yaitu UU PDP dan ISO/IEC 27701:2019. Penelitian ini bertujuan untuk melakukan audit kepatuhan pada sistem manajemen kartu debit dengan pendekatan gabungan UU PDP dan ISO 27701, juga memberikan rekomendasi perbaikan terhadap kontrol yang belum memadai. Berdasarkan hasil audit, ditemukan sejumlah kesenjangan kontrol keamanan data pribadi yang belum sesuai standar. Rekomendasi perbaikan kemudian disusun dan dievaluasi oleh lima stakeholder internal perusahaan yang merupakan pengelola sistem. Hasil evaluasi menunjukkan bahwa usulan rekomendasi memperoleh rata-rata penilaian sebesar 4,52 dari skala 5, yang berarti rekomendasi telah dinilai relevan, juga sesuai dengan kebutuhan perusahaan dan standar yang dituju. Penelitian ini menunjukkan bahwa integrasi ISO 27701 dan UU PDP mampu menghasilkan evaluasi dan perbaikan sistem yang lebih baik dibandingkan satu standar internasional saja, juga memperluas cakupan audit karena terdapat beberapa aspek penting dalam UU PDP yang tidak tercakup oleh ISO 27701.
MINING TOURISM DESTINATION PATTERNS AND INSTAGRAM INFLUENCER BEHAVIOR FOR AN INSTAGRAM SOCIAL MEDIA BOT
Instagram has now become one of the main channels for promoting tourist destinations, driven by the active role of influencers in shaping public perception. This study designs an Instagram bot named Nusava, a prototype social media bot developed to leverage the behavioral patterns and popularity of tourism influencer accounts. Nusava consists of four main modules: the data mining module, the Large Language Model (LLM) module, the dashboard module, and the automation system module. The data mining module is responsible for providing general information about tourist destinations, tourism destination patterns, and influencer behavior. Destination information is obtained through scraping from the Tiket.com and Traveloka platforms. Tourism destination patterns are analyzed using similarity measurement with the cosine distance function. In addition, the data mining module also calculates the geographical distance between tourist attractions, so that destinations that are geographically close and share similar characteristics can be recommended. To obtain influencer behavioral pattern data, user interaction data on Instagram needs to be stored in a social network, which is then divided into several communities using the Speaker-Listener Label Propagation (SLPA) algorithm. Within each community, the users who are influencers in that community and the popular posts will be analyzed. Afterwards, the data mining module will be integrated with the LLM module to provide labels and brief descriptions of these communities. This study mined 1,348 tourist attractions, formed a social network containing 479,442 users and 2,287 posts, and discovered 290 communities. Through testing and evaluation, the results show that an Instagram social media bot based on LLM and data mining can support the promotion process of tourist attractions.
PENGEMBANGAN MODUL VISUALISASI ROLLING SPHERE METHOD DAN PENEMPATAN TIANG PROTEKSI PADA PERANGKAT LUNAK SISTEM PROTEKSI PETIR
Indonesia merupakan negara tropis yang terletak di garis khatulistiwa, sehingga memiliki karakteristik petir yang berbeda dibandingkan dengan negara lain. Frekuensi petir yang cukup tinggi serta muatan petir yang tajam menyebabkan perlunya penyesuaian parameter dalam perancangan sistem proteksi petir. Perancangan sistem proteksi petir dilakukan menggunakan metode rolling sphere untuk menentukan area perlindungan dari sambaran petir. Namun pada praktiknya, proses perancangan tersebut masih dilakukan secara manual oleh engineer, sehingga mengurangi efektivitas dan akurasi perhitungan. Untuk mengatasi permasalahan ini, dikembangkan sebuah perangkat lunak yang mendukung perancangan sistem proteksi petir dengan metode rolling sphere secara visualisasi 3D yang terintegrasi dengan AutoCAD. Dengan berfokus pada objek prisma segi empat dan prisma segi tiga, perangkat lunak mampu melakukan visualisasi rolling sphere method secara tepat dan optimal. Penggambaran visualisasi dilakukan dengan memanfaatkan persamaan lingkaran untuk mengetahui letak jatuhnya bola dan menggambarkan objek 2D yang menyerupai alas objek. Selain itu, pada perangkat lunak terdapat pula visualisasi penempatan tiang. Titik penempatan tiang ini berguna untuk meningkatkan level proteksi masing-masing bangunan. Setiap bangunan yang terdiri dari beberapa objek akan dilakukan penempatan tiang sesuai dengan rumus dan evaluasi kondisi yang ada. Hasil pengujian perangkat lunak, baik secara kode maupun dengan melibatkan pengguna, menunjukkan bahwa perangkat lunak ini mampu membantu engineer dalam merancang sistem proteksi petir dengan peningkatan efektivitas dan efisiensi hanya dengan membutuhkan waktu sekitar 10 menit. Dengan demikian, perangkat lunak ini diharapkan dapat menjadi solusi dalam meningkatkan akurasi dan produktivitas dalam perancangan sistem proteksi petir.
PENGEMBANGAN MODEL PEMBELAJARAN MESIN DENGAN METODE EXPLAINABLE ARTIFICIAL INTELIGENCE (XAI) UNTUK MEMPREDIKSI PENDAPATAN DI PT. AKUAKULTUR ABC
PT. Akuakultur ABC menghadapi kesulitan dalam memprediksi pendapatan secara akurat, yang menghambat pengambilan keputusan dalam perencanaan strategis perusahaan. Selama ini, estimasi pendapatan dilakukan secara subjektif oleh tim unit bisnis dengan menanyakan langsung kepada sales terkait proyeksi pencapaian hingga akhir bulan. Upaya sebelumnya dari tim BI CEOO yang menggunakan metode statistik sederhana seperti moving average juga belum mampu menghasilkan prediksi yang andal. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengembangkan model prediksi pendapatan dengan tingkat kesalahan maksimum 40% serta memiliki interpretabilitas yang baik untuk mendukung proses pengambilan keputusan. Beberapa pendekatan dievaluasi, seperti time series forecasting, deep learning, dan tree-based models. Berdasarkan karakteristik data transaksi harian yang dimiliki dengan jumlah yang terbatas dan cenderung tidak stabil, tree-based models dipilih sebagai solusi yang paling tepat. Hasil penelitian menunjukkan bahwa model berbasis gradient boosting, khususnya LightGBM, mampu memberikan prediksi yang paling akurat dan stabil dibandingkan model lain, seperti decision tree, random forest, dan XGBoost. Proses tuning hyperparameter dilakukan menggunakan Optuna yang mengadopsi pendekatan Bayesian optimization untuk menghasilkan kombinasi hyperparameter terbaik secara efisien. Untuk meningkatkan transparansi dan pemahaman terhadap model, metode Explainable AI (XAI) berupa SHAP diterapkan guna mengidentifikasi kontribusi masing-masing fitur terhadap hasil prediksi.
RANCANG BANGUN ARSITEKTUR MICROSERVICES DENGAN PENDEKATAN DDD DAN API GATEWAY PATTERN PADA SISTEM MANAJEMEN RANTAI PASOKAN AGRIKULTUR
Tugas Akhir ini merancang dan mengimplementasikan sistem manajemen rantai pasokan agrikultur yang modular dan andal dengan menggunakan pendekatan berbasis arsitektur microservices. Permasalahan yang diangkat adalah bagaimana membangun sistem yang dapat dikembangkan secara independen, aman, dan tetap responsif terhadap beban penggunaan yang tinggi. Dalam Tugas Akhir ini, pendekatan Domain-Driven Design (DDD) digunakan untuk membagi sistem ke dalam layanan-layanan independen berdasarkan bounded context, sedangkan API gateway pattern diterapkan sebagai pintu masuk tunggal guna menyederhanakan komunikasi antarlayanan sekaligus meningkatkan keamanan. Sistem dikembangkan dalam beberapa layanan utama, di antaranya layanan autentikasi, pengelolaan komoditas, pengelolaan aktivitas produksi, dan pemesanan. Evaluasi sistem dilakukan pada beberapa aspek, di antaranya kesesuaian fungsionalitas, modularitas, maintainability, skalabilitas, serta keamanan. Hasil pengujian menunjukkan bahwa semua endpoint berfungsi sesuai skenario, layanan tetap berjalan meskipun salah satu service dimatikan, dan perubahan pada satu layanan tidak berdampak pada layanan lainnya. Pengujian kinerja melalui load testing hingga 200 virtual users menunjukkan rata-rata waktu respons sebesar 300 ms yang masih berada dalam batas toleransi. Selain itu, sistem juga terbukti aman terhadap serangan SQL injection melalui penggunaan parameterized query. Berdasarkan evaluasi tersebut, dapat disimpulkan bahwa rancangan arsitektur microservices berbasis DDD dan API gateway pattern mampu memenuhi kebutuhan sistem manajemen rantai pasokan agrikultur dari sisi modularitas, maintainability, skalabilitas, dan keamanan.
PERSONALISASI DAN MITIGASI BIAS PADA DATASET DAISEE UNTUK ENGAGEMENT RECOGNITION MENGGUNAKAN METODE GENERATIVE ADVERSARIAL NETWORK
Sistem engagement recognition berperan penting dalam mendukung efektivitas pembelajaran daring, namun masih terkendala bias terhadap karakteristik individu serta keterbatasan jumlah dan kualitas data pada dataset publik seperti DAiSEE. Penelitian ini mengusulkan pendekatan personalisasi adaptif untuk mengenali engagement dengan data pelatihan terbatas. Pendekatan utama meliputi subjectspecific fine-tuning dan augmentasi data berbasis Generative Adversarial Network (GAN). Fine-tuning dilakukan menggunakan data spesifik masing-masing subjek, sedangkan augmentasi dilakukan melalui manipulasi laten dengan StyleGAN. GFPGAN digunakan untuk restorasi wajah guna mengatasi oklusi kacamata yang mengganggu deteksi wajah. Penelitian ini juga menggunakan label berbasis selfreport, memungkinkan model mempelajari engagement dari persepsi internal setiap subjek. Hasil evaluasi menunjukkan bahwa pendekatan fine-tuning meningkatkan kinerja model secara konsisten, dengan rata-rata peningkatan akurasi sebesar 13,4- 19,3% dibandingkan baseline. Pendekatan ini juga mengatasi penurunan kinerja sebesar 14,39% yang dialami model baseline dalam pengujian cross-dataset, menegaskan efektivitas personalisasi dalam menghadapi perbedaan domain. Augmentasi berbasis GAN meningkatkan kinerja sebesar 5,9%, mencapai hasil sebanding atau lebih baik dibanding augmentasi geometris, meskipun menggunakan jumlah data sintetis yang lebih sedikit. Temuan ini menunjukkan bahwa personalisasi dan augmentasi dapat meningkatkan keandalan sistem engagement recognition, terutama dalam kondisi data dunia nyata yang terbatas.
STUDI KOMPARASI MODEL PRE - TRAINED NLP BERBASIS TRANSFORMER DALAM MENGHASILKAN RINGKASAN TEKS ULASAN PRODUK E - COMMERCE
Salah satu kakas yang dapat diimplementasikan untuk menunjang proses pengambilan keputusan pembelian melalui pembacaan ulasan produk adalah peringkasan teks ulasan dengan pemanfaatan model pemrosesan bahasa alami (NLP). Berbagai penelitian terdahulu telah mengimplementasikan berbagai model peringkasan teks secara abstrak berbasis Transformer dan menjadi model state-of- the-art (SOTA) untuk kumpulan data ulasan produk. Akan tetapi, evaluasi pemilihan model pre-trained, selain BART dan PEGASUS, sebagai model basis masih minim dilakukan, walaupun terdapat model SOTA peringkasan teks lain, seperti T5 dan PRIMERA. Oleh karena itu, pada tugas akhir ini dilakukan studi komparasi model-model pre-trained SOTA peringkasan teks yang memanfaatkan teknik transfer learning untuk memvalidasi model basis terbaik dalam sistem peringkasan otomatis teks ulasan produk e-commerce. Metodologi yang digunakan dalam tugas akhir ini adalah CRISP-DM. Seluruh proses perbandingan memanfaatkan kumpulan data ulasan produk Amazon, yaitu AmaSum. Model- model pre-trained peringkasan teks SOTA yang dibandingkan meliputi beberapa checkpoint dari model BART, PEGASUS, LongT5, dan PRIMERA. Sementara itu, kakas pembanding hasil ringkasan setiap model meliputi metrik-metrik otomatis evaluasi peringkasan teks secara objektif (ROUGE, BERTScore, BLEU, dan METEOR), penilaian kualitatif oleh manusia, dan TOPSIS untuk memeringkatkan alternatif model terbaik. Berdasarkan hasil analisis perbandingan model baseline, peringkat model terbaik dari peringkat tertinggi adalah BART, LongT5, PRIMERA, dan PEGASUS. Setelah dilakukan fine-tuning dengan 5 trials Optuna per model, peringkat model terbaik dari peringkat tertinggi adalah BART, PRIMERA, PEGASUS, dan LongT5. Hal tersebut membuktikan bahwa BART merupakan model basis terbaik untuk sistem peringkasan otomatis teks ulasan produk e-commerce.
RANCANG BANGUN SISTEM ANALITIK AKTIVITAS DI RUAS JALAN DENGAN OPTIMASI METODE DETEKSI DAN PELACAKAN OBJEK PADA SUDUT PANDANG KAMERA PEMANTAU STATIS
Manajemen lalu lintas di kawasan perkotaan seperti Koridor Kayutangan, Malang, menghadapi tantangan akibat metode pengambilan data manual yang tidak efisien, terbatas, dan rentan terhadap kesalahan manusia. Penelitian ini mengatasi masalah tersebut dengan merancang dan membangun sebuah sistem analitik otomatis berbasis computer vision yang mampu mengekstraksi data volume kendaraan berdasarkan klasifikasi dan metrik aktivitas penyeberangan (jumlah dan durasi) dari input video kamera pengawas statis. Metodologi penelitian mengadopsi pendekatan Design Science Research Methodology (DSRM) yang mencakup serangkaian eksperimen sistematis untuk menemukan pipeline pemrosesan yang paling optimal. Eksperimen dilakukan untuk membandingkan varian arsitektur deteksi YOLO (YOLOv11n, YOLOv11s, YOLOv11m), algoritma pelacakan (multi-object tracking) antara BoT-SORT dan ByteTrack, serta menguji pengaruh metode preprocessing berbasis background subtraction untuk meningkatkan deteksi objek kecil dan teroklusi. Hasil eksperimen menunjukkan bahwa kombinasi paling optimal adalah penggunaan model YOLOv11s yang dipadukan dengan pelacak BoT-SORT dan dioptimalkan dengan preprocessing background subtraction. Konfigurasi ini berhasil meningkatkan akurasi deteksi (mAP50) dari 85,9% menjadi 88% dan secara signifikan mengurangi kesalahan pelacakan (ID switch) dari 19 menjadi 3, sambil mempertahankan kecepatan pemrosesan (25,3 FPS) pada perangkat dengan GPU. Sistem yang dihasilkan berhasil divalidasi dan memenuhi seluruh kebutuhan fungsional dan nonfungsional yang ditetapkan, membuktikan kelayakan penggunaan computer vision untuk menyediakan data analitik lalu lintas yang akurat dan efisien.
PENGEMBANGAN SENSOR ELEKTROKIMIA UNTUK DETEKSI BIOMARKER PENYAKIT JANTUNG CARDIAC TROPONIN I
Penyakit kardiovaskular merupakan penyebab utama kematian global, dengan infark miokard akut (AMI) sebagai salah satu penyebab utamanya. Diagnosis dini menjadi kunci penting dalam menurunkan angka mortalitas dengan biomarker cardiac troponin I (cTnI) kini telah menjadi standar emas dalam mendeteksi AMI karena spesifisitasnya yang tinggi terhadap jaringan miokard. Namun, metode konvensional seperti ELISA masih memiliki keterbatasan, khususnya dari sisi waktu analisis yang lama, ketergantungan pada laboratorium, serta kurang mendukung pengujian berbasis Point-of-Care Testing (POCT). Untuk itu, diperlukan suatu pendekatan alternatif yang cepat, portabel, dan memiliki sensitivitas tinggi. Penelitian ini bertujuan untuk mengembangkan sensor elektrokimia berbasis Screen-Printed Carbon Electrode (SPCE) dengan pendekatan non-enzimatik sebagai alat deteksi biomarker cTnI. Pengembangan dilakukan melalui serangkaian proses modifikasi permukaan elektroda dengan menggunakan material Graphene Oxide (GO) dan linker berbasis Pyr-NHS, serta imobilisasi antibodi spesifik terhadap troponin I. Pengujian dilakukan terhadap variasi konsentrasi probe redox K?[Fe(CN)?], variasi scan rate, sampel antigen troponin I dengan variasi konsentrasi, serta terhadap variasi konsentrasi material. Analisis sinyal elektroda menunjukkan bahwa modifikasi dengan GOk dan Pyr- NHS secara signifikan meningkatkan sensitivitas sensor, ditunjukkan oleh penurunan arus puncak yang sebanding dengan peningkatan konsentrasi antigen. Hal ini mengindikasikan keberhasilan imobilisasi biomolekul dan peningkatan resistansi transfer elektron akibat pembentukan kompleks imun antigen antibodi. Hasil pengujian menunjukkan bahwa performa terbaik diperoleh dengan kombinasi GOk 5 mg/mL, Nafion 1:100, dan antibodi Abcam. Sensor yang dikembangkan memiliki akurasi tertinggi yaitu, 100% menggunakan GOk 5 mg/mL dibandingkan konsentrasi lain.
PENGEMBANGAN PENGUKURAN VISKOSITAS DARAH NON-INVASIF DENGAN PENGOLAHAN CITRA PADA NAILFOLD CAPILLAROSCOPY
Viskositas darah merupakan parameter penting dalam skrining kondisi kesehatan karena mencerminkan fungsionalitas darah dan aliran sistemik, yang berpengaruh terhadap perfusi jaringan. Meskipun signifikan, metode pengukuran konvensional cenderung invasif, mahal, dan tidak ideal untuk pemantauan berkelanjutan. Penelitian ini mengeksplorasi potensi nailfold capillaroscopy sebagai pendekatan minimal invasif untuk memperkirakan viskositas darah berdasarkan parameter aliran. Proses pengolahan citra dilakukan dalam lima tahap untuk mengekstraksi diameter kapiler, panjang lintasan, dan kecepatan aliran menggunakan optical flow pada tiga wilayah morfologis: ascending, curve, dan descending. Dengan memodifikasi persamaan Hagen-Poiseuille dan mempertimbangkan konstanta kehilangan energi di bagian curve, diperoleh estimasi viskositas darah sebesar 0.00506 Pa·s yang masih dalam rentang normal meskipun mendekati batas atas. Ditemukan bahwa rata-rata kecepatan aliran terendah berada pada region curve, sementara diameter kapiler paling besar juga terdapat di area ini. Perbedaan morfologi kapiler menunjukkan adanya efek kehilangan energi dan distorsi struktural yang signifikan pada belokan pembuluh. Analisis korelasi menunjukkan bahwa tekanan darah berhubungan positif dengan viskositas dan negatif dengan diameter kapiler serta kecepatan aliran. Aktivitas fisik menunjukkan efek vasokonstriksi adaptif, sedangkan kebiasaan merokok dan konsumsi alkohol menunjukkan korelasi positif terhadap kecepatan aliran, kemungkinan karena efek vasodilatasi sementara. Hasil ini mendukung bahwa nailfold capillaroscopy berpotensi digunakan untuk estimasi viskositas darah secara non-invasif, terutama dalam konteks klinis dengan keterbatasan akses terhadap alat laboratorium konvensional.
PERANCANGAN SISTEM AUTOMASI ANALITIK SURVEILANS PENYAKIT MENULAR DAN PERINGATAN DINI BERBASIS ANOMALI: STUDI KASUS DEMAM BERDARAH DENGUE DI KOTA BANDUNG
Sistem surveilans penyakit menular di Kota Bandung masih menghadapi tantangan, seperti pengolahan data manual, keterlambatan analisis, dan sistem peringatan dini yang reaktif. Tugas akhir ini merancang dan mengevaluasi prototipe sistem automasi analitik dan peringatan dini proaktif dengan studi kasus demam berdarah dengue, menggunakan metode Design Science Research Methodology (DSRM). Prototipe terdiri dari tiga komponen utama: (1) dashboard analitik interaktif berbasis Power BI untuk visualisasi tren, spasial, dan demografis; (2) sistem peringatan dini berbasis model SARIMA untuk prediksi lonjakan kasus; dan (3) aplikasi web simulasi sebagai antarmuka evaluasi. Pengujian menunjukkan seluruh fitur berfungsi dengan baik. Evaluasi menggunakan kerangka Technology Acceptance Model (TAM) menunjukkan respon positif dari staf Dinas Kesehatan, yang menilai sistem ini berguna dalam mengurangi pekerjaan manual dan mudah digunakan.
IMPLEMENTASI SISTEM PENGECEKAN DAN PENDATAAN STATUS TUNGGAKAN PAJAK KENDARAAN BERMOTOR UNTUK TNKB PROVINSI DIY DI AREA GATE BARRIER
Proses pendataan tunggakan pajak kendaraan bermotor di DIY yang masih manual menjadi kendala dalam optimalisasi pendapatan daerah. Keterbatasan anggaran dan proses yang memakan waktu menyebabkan pendataan tidak efisien dan hasilnya kurang memuaskan. Untuk mengatasi masalah ini, penelitian ini bertujuan merancang dan mengimplementasikan sistem pengecekan dan pendataan status tunggakan pajak kendaraan bermotor secara otomatis di area gate barrier Rumah Sakit Bhayangkara POLDA DIY. Sistem ini dikembangkan dengan pendekatan Internet of Things (IoT) dan Computer Vision. Perangkat IoT yang terdiri dari mikrokontroler ESP32 dan sensor ultrasonik digunakan untuk mendeteksi kedatangan kendaraan. Arsitektur sistem IoT dibangun menggunakan Service-Oriented Architecture (SOA). Untuk deteksi TNKB, digunakan model You Only Look Once (YOLOv11) dan PaddleOCR untuk pengenalan karakter. Sistem backend yang dibuat di-deploy di cloud. Untuk mengatasi tantangan antrean kendaraan saat jam sibuk, diterapkan mekanisme pemrosesan queue-based processing pada perangkat IoT. Hasil pengujian di lapangan menunjukkan sistem berhasil memenuhi semua kebutuhan fungsional, mulai dari deteksi kendaraan, deteksi dan identifikasi TNKB, pengecekan tunggakan pajak untuk TNKB DIY, hingga penyimpanan data. Implementasi pemrosesan berbasis antrean secara signifikan meningkatkan kinerja sistem dalam menangani antrean kendaraan, dengan nilai precision deteksi kendaraan mencapai 0,98 dan recall 0,96. Model deteksi TNKB mencapai tingkat keberhasilan 75%, memenuhi kebutuhan non-fungsional yang ditetapkan. Penelitian ini berhasil membuktikan bahwa sistem otomatis dapat menjadi solusi efektif untuk membantu optimalisasi pendataan status tunggakan pajak kendaraan.