📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenDETEKSI KOMUNITAS PADA JARINGAN SOSIAL DINAMIS DENGAN PENDEKATAN DEEP LEARNING
Deteksi komunitas pada jaringan sosial dinamis merupakan tantangan tersendiri dalam memahami struktur dan dinamika kelompok sosial seiring berjalannya waktu. Penelitian ini memanfaatkan pendekatan deep learning berbasis representasi, yaitu Deep Learning Evolutionary Clustering (DLEC) dan Dynamic Network Feature Embedding (DNFE), untuk mengidentifikasi komunitas dalam jaringan sosial dinamis secara efisien dan tanpa pengawasan. Kedua metode ini mengintegrasikan pembelajaran representasi simpul dengan regularisasi temporal untuk menjaga konsistensi komunitas antar snapshot. Evaluasi dilakukan menggunakan metrik modularitas, temporal smoothness, dan silhouette score. Hasilnya menunjukkan bahwa meskipun struktur komunitas yang terdeteksi cukup jelas secara topologis (modularitas tinggi), kualitas embedding yang diperoleh tidak selalu menghasilkan clustering spasial yang optimal (silhouette rendah). Hal ini disebabkan oleh berbagai faktor, seperti sparsity jaringan, perubahan struktur yang fluktuatif antar waktu, pemilihan parameter embedding, dan jumlah komunitas yang tidak selalu selaras dengan representasi laten jaringan. Meskipun demikian, pendekatan DLEC dan DNFE terbukti efektif dalam mendeteksi komunitas dinamis serta dapat diimplementasikan pada platform komputasi terbatas. Eksperimen ini menunjukkan potensi besar metode deep learning dalam menganalisis pola komunitas jangka panjang pada jaringan sosial dinamis dari dunia nyata.
PENGEMBANGAN MODUL VISUALISASI ROLLING SPHERE METHOD DAN ANALISIS RISIKO PADA PERANGKAT LUNAK SISTEM PROTEKSI PETIR
Indonesia adalah negara beriklim tropis dengan intensitas petir tinggi, sekitar 100– 200 hari per tahun, sehingga berisiko tinggi terhadap berbagai kerusakan akibat sambaran petir. Meskipun demikian, sistem proteksi petir yang diterapkan masih belum optimal, sebagian besar disebabkan oleh pendekatan perencanaan yang belum mempertimbangkan karakteristik petir tropis secara spesifik dan masih dilakukan secara manual serta terpisah. Untuk menjawab permasalahan tersebut, tugas akhir ini mengusulkan pengembangan perangkat lunak sistem proteksi petir yang terintegrasi dan adaptif terhadap kondisi lokal. Perangkat lunak ini mengacu pada standar internasional IEC 62305 dan mencakup empat modul utama: analisis risiko, visualisasi zona perlindungan menggunakan metode rolling sphere, penempatan tiang proteksi, dan biaya proteksi. Fokus utama tugas akhir adalah visualisasi zona perlindungan dengan metode rolling sphere untuk objek berbentuk silinder dan surface network dalam model 3D interaktif dengan integrasi AutoCAD, serta pengembangan modul analisis risiko. Modul analisis risiko dirancang untuk mengidentifikasi area dengan tingkat risiko tinggi, sedang, atau rendah, disertai dengan rekomendasi level proteksi berdasarkan standar IEC 62305 dan karakteristik petir di Indonesia. Setiap level proteksi memiliki radius Rolling Sphere Method (RSM) yang berbeda, sehingga pemilihannya berpengaruh langsung terhadap cakupan perlindungan. Selain itu, juga dilakukan evaluasi ulang terhadap risiko setelah sistem proteksi diterapkan, serta menyediakan analisis efektivitas biaya proteksi. Setelah melalui proses pengembangan dan pengujian, perangkat lunak ini mampu memenuhi kebutuhan dalam perancangan sistem proteksi petir secara lebih efisien. Proses perancangan yang sebelumnya memerlukan waktu antara 30 menit hingga satu minggu apabila dilakukan secara manual, kini dapat diselesaikan dalam waktu 10–15 menit menggunakan perangkat lunak ini. Selain itu, perangkat lunak mendapatkan tanggapan positif dari pengguna, terutama terkait kemudahan penggunaan serta efektivitas fitur-fitur yang disediakan. Dengan demikian, sistem ini dinilai mampu menjadi solusi yang tepat dan efisien untuk perancangan proteksi petir di Indonesia.
PENGEMBANGAN SOAL CONTEXT-FREE GRAMMAR INTERAKTIF UNTUK MENDUKUNG PROSES PEMBELAJARAN BERPIKIR KOMPUTASIONAL
Abstrak dapat dilihat di file nya
PREDIKSI PENDETEKSIAN INTERMEDIATE-MASS BLACK HOLE DI GUGUS BOLA DENGAN MICROLENSING
Lubang hitam bermassa menengah (Intermediate-mass black hole, IMBH), adalah lubang hitam yang berada pada rentang massa 102 ???????????????????105 ?????. IMBH merupakan kunci untuk memahami pembentukan lubang hitam supermasif (supermassive black hole, SMBH) di pusat galaksi. Berdasarkan teori pembibitan (black hole seeding theory) IMBH terbentuk di redshift tinggi (?????10) melalui berbagai mekanisme, termasuk tumbukan bintang di dalam gugus bintang berkerapatan tinggi, dan berkembang menjadi SMBH melalui proses penyatuan dan akresi materi. Namun, tidak semua IMBH ini berhasil membentuk SMBH. IMBH yang gagal membentuk SMBH diduga dapat ditemukan di alam semesta lokal, salah satunya pada gugus bola. Hingga saat ini, IMBH belum terdeteksi secara definitif, meskipun terdapat beberapa kandidat kuat yang ditemukan di inti gugus bola. Dalam pekerjaan ini, diselidiki kemungkinan pendeteksian IMBH melalui peristiwa pelensaan mikro (microlensing) di gugus bola yang berada dekat arah pusat Galaksi Bima Sakti. Metode deteksi microlensing dipilih karena dapat memberikan informasi mengenai massa dan jarak IMBH melalui pengukuran perubahan posisi dan kecerlangan bintang latar akibat efek pelensaan gravitasi. Studi literatur dilakukan untuk melakukan seleksi gugus, dan diperoleh 10 gugus yang akan diperhitungkan lebih lanjut, yaitu: Pal 6, NGC 6440, Djorg 2, NGC 6540, NGC 6544, NGC 6553, NGC 6626, NGC 6642, NGC 6656, dan NGC 6717. Pada peneilitian ini digunakan data GAIA untuk menghitung densitas bintang latar belakang, s, dan gerak diri relatif,, ????????????, untuk masing-masing gugus. Simulasi Monte Carlo dilakukan untuk memperoleh probabilitas terdeteksinya peristiwa microlensing untuk epoch pengamatan 20, 25, dan 30 tahun. Berdasarkan hasil simulasi, diperoleh bahwa untuk epoch 20 tahun, NGC 6656 merupakan satu-satunya kandidat dengan probabilitas yang cukup tinggi. Untuk epoch 25 tahun, kandidat-kandidat terbaik bertambah yaitu NGC 6544 dan NGC 6626. Sementara untuk epoch 30 tahun, NGC 6553 juga termasuk ke dalam daftar kandidat terbaik.
PENGEMBANGAN PROCEDURAL CONTENT GENERATION DENGAN LARGE LANGUAGE MODEL UNTUK DESAIN LINGKUNGAN TIGA DIMENSI
Pengembangan lingkungan 3D dalam industri gim memerlukan investasi signifikan, dengan judul besar membutuhkan anggaran 50-85 juta USD dan waktu 5-9 tahun. Procedural Content Generation (PCG) menawarkan solusi otomatisasi, namun implementasi tradisional masih memerlukan keterampilan teknis tinggi. Tugas akhir ini mengembangkan plugin PCG terintegrasi Large Language Models (LLM) di Unreal Engine untuk menyederhanakan pembuatan lingkungan 3D melalui perintah bahasa natural, dengan tantangan utama berupa inkonsistensi output LLM yang memerlukan optimasi khusus menggunakan teknik few-shot prompting, prompt engineering, Retrieval Augmented Generation (RAG), dan structured output dengan format JSON. Sistem menggunakan arsitektur dua lapis yaitu LLM Processing Layer untuk menangani input pengguna dan Content Generation Layer untuk membangkitkan aset visual. Backend Python berfungsi sebagai penghubung antara plugin PCG dan LLM, dengan data RAG dari berbagai sumber untuk memperkaya konteks pembangkitan konten. Evaluasi dengan 22 responden menunjukkan sistem RAG dipilih sebagai hasil terbaik oleh 74,2% responden, dengan sistem mencapai nilai rata-rata 4,82 untuk kualitas visual, 4,98 untuk efisiensi waktu, dan 4,76 untuk kesesuaian dengan prompt pada skala 1-5. Structured output mencapai tingkat keberhasilan 100% untuk semua kategori konten, sementara system prompt meningkatkan akurasi validasi input hingga 97%. Plugin mencapai kemudahan penggunaan dengan nilai sempurna 5,0 dan kepuasan pengguna 4,76. Sistem memungkinkan desainer menggunakan bahasa natural untuk menghasilkan konten terrain, vegetasi, objek, dan jalur dengan konsistensi tinggi, membuktikan integrasi PCG dan LLM sebagai solusi efektif untuk meningkatkan efisiensi desain lingkungan 3D.
PENGEMBANGAN FRONTEND PADA PLATFORM PEMBELAJARAN COMPUTATIONAL THINKING DENGAN PENDEKATAN MAZE-BASED PROGRAMMING
Belajar pemrograman merupakan tantangan besar bagi pemula, terutama karena tingginya beban kognitif dalam memahami konsep-konsep abstrak dan rendahnya motivasi yang sering kali berujung pada frustrasi. Tugas akhir ini bertujuan untuk merancang dan membangun sebuah frontend untuk platform pembelajaran Computational Thinking yang secara spesifik menjawab kedua tantangan tersebut. Solusi yang diusulkan adalah sebuah platform web interaktif yang mengimplementasikan pendekatan Maze-Based Programming (MBP) untuk menyederhanakan konsep pemrograman, serta menerapkan elemen-elemen gamifikasi seperti Poin (XP), Modul & Level, Leaderboard, dan Daily Streak untuk meningkatkan keterlibatan pengguna. Arsitektur frontend ini dibangun menggunakan framework Next.js, React, dan Redux Toolkit, dengan library Pixi.js untuk menangani rendering grafis. Evaluasi terhadap platform dilakukan melalui serangkaian pengujian yang komprehensif. Hasil pengujian kinerja menunjukkan performa yang sangat baik, dengan frame rate animasi rata-rata mencapai 141 FPS pada beban kerja yang kompleks. Pengujian kegunaan yang melibatkan 5 pengguna target menghasilkan skor rata-rata System Usability Scale (SUS) sebesar 84,5, yang termasuk dalam kategori "Excellent". Selanjutnya, evaluasi keterlibatan pengguna melalui kuesioner User Engagement Scale (UES) juga menunjukkan hasil yang sangat positif, dengan skor rata-rata yang tinggi pada semua dimensi, terutama pada Daya Guna yang Dirasakan (4,67/5) dan Faktor Penghargaan (4,40/5). Hasil evaluasi ini mengindikasikan bahwa proyek ini telah berhasil menghasilkan sebuah frontend yang tidak hanya andal secara teknis, tetapi juga memiliki tingkat kegunaan dan keterlibatan yang tinggi. Dengan demikian, rancangan pengalaman pengguna yang mengintegrasikan visualisasi maze dengan elemen gamifikasi menunjukkan hasil yang efektif dalam menciptakan lingkungan belajar yang positif dan memotivasi bagi pemula.
PENGEMBANGAN FRONT-END APLIKASI MOBILE UNTUK PENYAJIAN HASIL EXPLAINABLE ARTIFICIAL INTELLIGENCE DALAM ESTIMASI RISIKO DIABETES
Diabetes merupakan salah satu tantangan kesehatan terbesar di Indonesia dengan prevalensi yang terus meningkat. Meskipun aplikasi kesehatan berbasis artificial intelligence (AI) telah banyak dikembangkan untuk deteksi dini, sebagian besar masih bersifat "black box" yang tidak memberikan penjelasan atas hasil prediksinya. Metode explainable artificial intelligence (XAI) menawarkan solusi untuk masalah ini, namun penjelasannya sering kali terlalu teknis dan sulit dipahami oleh pengguna awam. Penelitian ini bertujuan untuk mengembangkan antarmuka front-end aplikasi mobile yang mampu menyajikan hasil analisis risiko diabetes dari XAI dalam format yang intuitif dan mudah dimengerti. Metodologi pengembangan yang digunakan adalah model Waterfall yang mencakup tahap analisis kebutuhan melalui survei pengguna, perancangan antarmuka, implementasi, dan evaluasi. Berdasarkan hasil survei preferensi pengguna, aplikasi ini mengimplementasikan dua jenis visualisasi utama, yaitu bar chart dan pie chart, untuk menyajikan kontribusi setiap faktor risiko. Visualisasi ini didukung oleh narasi tekstual yang dipersonalisasi yang dihasilkan melalui integrasi dengan large language models (LLM), yaitu GPT-4o. Aplikasi dikembangkan secara native untuk platform Android menggunakan bahasa pemrograman Kotlin dan framework Jetpack Compose. Hasil dari penelitian ini adalah sebuah prototipe aplikasi mobile yang mampu menerjemahkan data teknis dari model XAI (nilai SHAP) menjadi kombinasi visualisasi grafik dan penjelasan naratif yang mudah dipahami. Hasil evaluasi melalui pengujian pemahaman pengguna (skala Likert dan wawancara) serta pengujian fungsionalitas teknis (end-to-end) menunjukkan bahwa tujuan penelitian berhasil dicapai. Kombinasi visualisasi dan narasi tekstual terbukti efektif meningkatkan pemahaman pengguna (skor rata-rata 4.31 dari 5), memberdayakan mereka untuk mengambil langkah preventif, serta didukung oleh aplikasi yang berfungsi andal dengan tingkat keberhasilan pengujian 100%.
PEMBANGUNAN ALAT BANTU PENGUKURAN KETERBACAAN DAN PEMBUATAN SARAN PERBAIKAN KODE SUMBER
Kualitas kode menjadi faktor penting dalam pengembangan perangkat lunak, terutama dalam mendukung kolaborasi tim dan kemudahan dalam pemeliharaan perangkat lunak. Kualitas keterbacaan kode menjadi salah satu aspek yang dapat mempengaruhi pemahaman dan komunikasi antar pengembang. Kemajuan teknologi kecerdasan buatan, khususnya LLM, memunculkan peluang untuk meningkatkan keterbacaan kode melalui pemahaman konteks dan pemberian saran perbaikan. Tugas akhir ini bertujuan untuk mengembangkan alat bantu yang mampu mengukur keterbacaan kode sumber dan pemerian saran peningkatan kualitas keterbacaan kode dengan memanfaatkan LLM. Kode diukur dengan metrik objektif seperti lines of code, code duplication, cyclomatic complexity, dan comment percentage, serta LLM memberikan saran perbaikan tanpa mengubah logika kode melalui analisis yang mendalam. Proses pengembangan mencakup analisis masalah, perancangan prompt, pembangunan alat bantu, serta pengujian dan evaluasi. Alat bantu diimplementasikan sebagai aplikasi web yang terintegrasi dengan LLM. Hasil pengujian menunjukkan bahwa saran perbaikan yang diberikan mampu meningkatkan nilai metrik keterbacaan kode. Dengan demikian, LLM dapat menjadi agen evaluatif dalam memahami konteks kode dan memberikan rekomendasi perbaikan yang relevan guna meningkatkan kualitas dan keterbacaan kode sumber.
OPTIMALISASI KINERJA PROTOKOL KONSENSUS AVALANCHE UNTUK PENINGKATAN EFISIENSI DAN SKALABILITAS BLOCKCHAIN
Efisiensi dan skalabilitas merupakan tantangan utama dalam pengembangan protokol konsensus blockchain. Tugas Akhir ini mengusulkan pendekatan untuk mengatasi hal tersebut melalui penerapan arsitektur microservices dan pemrosesan paralel berbasis multi-worker pada protokol konsensus Avalanche. Saat ini, implementasi resmi Avalanche masih bersifat monolitik dan belum mengoptimalkan pemanfaatan sumber daya komputasi. Sistem Avalanche Parallel berbasis microservices yang diusulkan terdiri dari API Gateway, Main Node, Queue Balancer, dan Worker Pool, dengan transaksi diproses secara paralel oleh worker yang saling terkoordinasi. Hasil pengujian menunjukkan bahwa prototipe sistem ini mampu meningkatkan performa secara signifikan dibandingkan arsitektur monolitik. Konfigurasi optimal tercapai pada 16 worker dengan speedup maksimum sebesar 3,46×. Prototipe sistem juga menunjukkan efisiensi CPU yang lebih baik pada konfigurasi worker rendah-menengah, meskipun konsumsi memori meningkat sebesar 20–47% akibat overhead komunikasi antar layanan. Dengan pendekatan skalabilitas horizontal tanpa mengubah algoritma inti, sistem ini diharapkan akan mampu meningkatkan kinerja Avalanche untuk aspek performa waktu eksekusi dengan penggunaan utilisasi sumber daya pada CPU dan memori yang dipakai pada pengujian.
DESAIN INTERAKSI APLIKASI MARKETPLACE JASA JAHIT MENGGUNAKAN USER CENTERED DESIGN
Perkembangan teknologi digital telah mendorong kemunculan berbagai platform layanan berbasis daring. Namun, pada sektor jasa jahit masih menghadapi tantangan seperti kesulitan menemukan penjahit yang sesuai, keterbatasan informasi harga, keraguan terhadap kualitas hasil, serta sulitnya melacak status pesanan. Penelitian ini bertujuan untuk merancang desain interaksi aplikasi marketplace jasa jahit dengan pendekatan user centered design. Tahapan perancangan meliputi pemahaman konteks pengguna, identifikasi kebutuhan, pembuatan prototipe low-fidelity dan highfidelity, serta pengujian desain secara iteratif. Setiap tahapan melibatkan pengguna untuk memastikan solusi sesuai kebutuhan mereka. Evaluasi dilakukan dengan metrik Task Completion Rate (TCR), Time on Task (ToT), System Usability Scale (SUS), dan Single Ease Question (SEQ). Pada pengujian iterasi pertama terhadap prototipe low-fidelity, desain interaksi aplikasi yang dikembangkan memperoleh rata-rata skor SEQ 5,87. Pada pengujian iterasi kedua terhadap prototipe high-fidelity, aplikasi yang dikembangkan memperoleh TCR 100% di seluruh tugas, lebih tinggi dibanding aplikasi pembanding yang hanya mencapai 40% pada salah satu tugas. Rata-rata ToT aplikasi yang dikembangkan lebih rendah di semua tugas, misalnya 76,2 detik pada tugas terlama dibanding 101,4 detik pada aplikasi pembanding. Skor SUS aplikasi yang dikembangkan mencapai rata-rata 84, meningkat sebesar 107,4% dibanding aplikasi pembanding yang memperoleh rata-rata 40,5. Rata-rata skor SEQ aplikasi yang dikembangkan sebesar 6,625, meningkat sekitar 43,2% dibanding aplikasi pembanding yang memperoleh 4,625. Hasil ini membuktikan bahwa pendekatan user centered design efektif menghasilkan desain interaksi yang efektif, efisien, mudah digunakan, dan memuaskan pengguna.
IMPLEMENTASI KRIPTOGRAFI HIBRIDA ASCON AEAD DAN ECDH PADA SISTEM PEMANTAUAN ELEKTROKARDIOGRAM JARAK JAUH
Sistem pemantauan elektrokardiogram (EKG) jarak jauh adalah sistem yang melakukan pemantauan kondisi jantung secara jarak jauh untuk deteksi dini terhadap segala jenis kelainan jantung. Data EKG yang dibawa sistem bersifat sensitif sehingga kebocoran, modifikasi, atau akses tidak sah dapat berdampak serius terhadap privasi dan keselamatan pasien. Tugas akhir ini mengusulkan implementasi kriptografi hibrida menggunakan Ascon AEAD (Authenticated Encryption with Associated Data) dan ECDH (Elliptic-curve Diffie–Hellman) pada sistem pemantauan EKG jarak jauh. Ascon AEAD digunakan untuk menjaga kerahasiaan dan integritas data, sedangkan ECDH memastikan data EKG dikirimkan pada pihak yang tepat dengan membentuk kunci enkripsi dan dekripsi yang hanya diketahui oleh pengirim dan penerima. Evaluasi dilakukan melalui pengukuran latensi, serta uji penyadapan dan modifikasi data. Hasil menunjukkan metode ini mampu melindungi kerahasiaan dan integritas data EKG dengan rata-rata latensi 29,0840 ms.
TUNING PARAMETER DBMS MYSQL MENGGUNAKAN REINFORCEMENT LEARNING DENGAN MODEL QUERY PERFORMANCE PREDICTION NETWORK
Salah satu metode performance tuning pada basis data adalah dengan melakukan tuning konfigurasi parameter DBMS. Salah satu kakas untuk melakukan pekerjaan tersebut adalah CDBTune. CDBTune memanfaatkan reinforcement learning dengan algoritma Deep Deterministic Policy Gradient (DDPG) untuk menyarankan konfigurasi parameter secara otomatis. Proses ini melakukan evaluasi langsung terhadap DBMS selama beberapa iterasi sehingga proses tuning-nya menjadi lama. Tugas akhir ini mencoba memanfaatkan Query Performance Prediction Network (QPPN) dengan CDBTune sehingga proses tuning menjadi lebih efisien. Konfigurasi parameter yang digunakan dalam pembangunan model meliputi parameter alokasi ukuran buffer, jumlah thread yang digunakan untuk operasi read dan write, serta parameter lain untuk pembacaan informasi tabel. Data serta skema yang digunakan dalam pembangunan model diambil dari skema Sakila1 yang berukuran 1,9 GB. Model QPPN yang dihasilkan dapat memprediksi waktu eksekusi dengan galat yang rendah untuk query dengan karakteristik yang serupa dengan data latih, namun menghasilkan galat yang lebih besar pada query dengan karakteristik yang berbeda. Penggabungan model QPPN dengan CDBTune menghasilkan sebuah prototipe sistem performance tuning, dengan memodifikasi proses evaluasi CDBTune dari penggunaan DBMS menjadi menggunakan model QPPN. Pengujian dilakukan menggunakan workload dengan karakteristik baik serupa maupun berbeda dari data latih model QPPN, serta pada basis data dengan volume yang lebih besar untuk menguji ketahanan model. Hasil pengujian menunjukkan penurunan waktu eksekusi sebesar 50,81% hingga 39,09% pada setiap skenario pengujian yang dilakukan. Melalui penggabungan model QPPN dan CDBTune, dihasilkan sistem yang mampu memberikan rekomendasi konfigurasi parameter secara lebih cepat. Selain itu, hasil tuning yang dilakukan menyebabkan waktu eksekusi workload menjadi lebih efisien.
PENGEMBANGAN SISTEM REKOMENDASI SOAL ALJABAR BERDASARKAN CAPAIAN PEMBELAJARAN DENGAN PENDEKATAN CONTENT-BASED FILTERING
Penjaminan mutu soal yang sesuai dengan capaian pembelajaran menjadi tantangan utama dalam dunia pendidikan, khususnya pada mata pelajaran matematika. Proses perumusan soal yang dilakukan secara manual dan tidak terstruktur sering kali menyebabkan ketidaksesuaian antara soal dengan capaian pembelajaran yang diharapkan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi soal aljabar berbasis Content-Based Filtering yang dapat membantu guru dalam memilih soal yang relevan dengan capaian pembelajaran. Tahapan pengembangan dimulai dari pemahaman dan persiapan data menggunakan dataset Math QSA, ekstraksi fitur dari teks soal dan capaian pembelajaran dengan model SentenceTransformer all-MiniLM-L12-v2, hingga perancangan dan implementasi sistem rekomendasi berbasis kemiripan vektor. Evaluasi dilakukan untuk mengukur relevansi rekomendasi terhadap capaian pembelajaran menggunakan metrik Top-N Accuracy dan Mean Reciprocal Rank (MRR). Sistem yang dibangun berhasil mencapai skor Top-3 Accuracy sebesar 78,5% dan MRR sebesar 0,785, yang menunjukkan bahwa pendekatan berbasis representasi semantik efektif dalam menghasilkan rekomendasi soal yang sesuai. Sistem ini diharapkan dapat menjadi solusi awal untuk meningkatkan efisiensi dan kualitas proses perancangan soal yang selaras dengan capaian pembelajaran.
PENGEMBANGAN INTERPRETER PADA PLATFORM PEMBELAJARAN COMPUTATIONAL THINKING DENGAN PENDEKATAN MAZE-BASED PROGRAMMING
Pembelajaran pemrograman merupakan tantangan bagi pemula, bukan hanya karena sifatnya yang abstrak, tetapi juga karena kesulitan dalam membentuk model mental yang akurat mengenai cara kerja program. Penelitian ini mengkaji permasalahan tersebut dengan mengembangkan platform pembelajaran computational thinking berbasis maze yang berfungsi sebagai jembatan untuk memvisualisasikan eksekusi kode secara interaktif. Fokus dari penelitian ini adalah merancang dan mengembangkan sebuah interpreter sebagai mesin pemroses logika utama untuk platform tersebut, dengan tujuan utama menerjemahkan instruksi kode dari pengguna menjadi serangkaian objek keadaan di dalam maze. Penelitian ini menghasilkan sebuah Domain-Specific Language (DSL) dengan sintaksis yang terinspirasi dari Python agar dapat merepresentasikan aksi domain dan logika umum secara bersamaan. Selain itu, penelitian ini juga menghasilkan sebuah sistem interpreter berbasis arsitektur tree-walk yang terdiri dari komponen parser, resolver, executor, dan game engine. Pengujian sistem dilakukan melalui pendekatan unit testing dan integration testing. Hasil pengujian menunjukkan bahwa seluruh komponen fungsional berjalan sesuai spesifikasi dan berhasil lulus semua skenario uji. Pengujian integrasi secara khusus memvalidasi bahwa DSL yang dirancang mampu merepresentasikan berbagai pola logika penyelesaian masalah dan sistem interpreter berhasil menerjemahkan kode tersebut menjadi urutan aksi yang dapat divisualisasikan.
GEOKIMIA ANORGANIK DAN SEDIMENTOLOGI FORMASI MELUHU PADA LENGAN TENGGARA PULAU SULAWESI
Tersingkap di Lengan Tenggara Pulau Sulawesi, Formasi Meluhu merupakan batuan dasar yang berumur Mesozoikum berafinitas kerak benua. Penelitian sebelumnya masih berfokus pada karakterisasi proses sedimentasi dan stratigrafi, namun hubungan asal usul penyaluran dengan tatanan tektoniknya belum dijelaskan dengan baik. Tujuan dari penelitian ini yaitu untuk mengetahui karakteristik sedimentologi, pola geokimia, dan paleogeografi Formasi Meluhu. Lokasi penelitian terbagi menjadi 11 titik pengukuran di sepanjang Lengan Tenggara, Pulau Sulawesi. Metode yang digunakan adalah analisis fasies, analisis petrografi kuantitaf-kualitatif, dan analisis geokima (ICP-OES dan ICP-MS). Sedimentologi Formasi Meluhu dibagi menjadi 27 kode litofasies yaitu FaShc, Fhc, Fl, Sm, Gms, Gcs, Sl, Flb, Sbm, Fcm, Lm, Shsc, SGm, Sf, Fbhc, Shb, Sc, Sfm, FShc, Sp, St, Scm, Fm, Sh, C, Ss, dan Flc, lalu di kelompokkan menjadi 5 asosiasi fasies yaitu asosiasi fasies fluvial, delta plain, delta front, pro delta, dan marine. Fasies fluvial ditafsirkan sebagai jenis sungai bermeander, sedangkan sistem delta diinterpretasikan sebagai delta jenis energi campuran yang didominasi oleh fluvial dan pasang surut. Morfologi pengendapan delta Formasi Meluhu diinterpretasikan tidak tegak lurus terhadap datangnya gelombang akibat garis pantai saat pengendapan. Keberadaan asosiasi fasies marine dengan asosiasi fasies non-marine (fluvio-deltaik) di atasnya kemungkinan merupakan suatu batas sikuen yang signifikan; karena tidak hadirnya silisiklastik dalam interval batuan karbonat, sedangkan di atasnya langsung diendapkan transisi deltaik. Dua kelompok batuan secara petrografi dijumpai yaitu arenite dan wacke, dengan rata-rata perbandingan kuarsa, feldspar, dan litik yaitu Q66.2F4.8L29.9. Analisis QFL menunjukkan recycled orogenic, diikuti cratonic interior dan mixed area provenance. Kehadiran variasi jenis kuarsa seperti monocrystalline quartz, polycrystalline quartz, undulose quartz, non-undulose quartz, straight to slightly curved quartz, crenulated to suture quartz, litik batuan metamorf, batuan sedimen, dan batuan vulkanik menunjukkan batuan sumber yang bervariasi. Kenampakan tekstur overgrowth, kompaksi, perekahan, pelarutan, dan penggantian mineral mencirikan dominasi efek mesogenesis pada batupasir Formasi Meluhu. Analisis geokimia menunjukkan tatanan tektonik Formasi Meluhu adalah passive margin yang dipengaruhi oleh active continental margin. Pola distribusi REE yang dinormalisasi kondrit pada diagram laba-laba menunjukkan pola pengayaan LREE dan pola datar pada HREE, disertai anomali negatif Eu yang menyerupai pola geokimia Upper Continental Crust (UCC) dan Post-Archean Australian Shale (PAAS), sehingga mendukung interpretasi pengendapan dalam tatanan Passive margin. Nilai rata-rata rasio unsur Eu/Eu* (0,59), La/Sc (4,38), La/Co (20,05), Th/Sc (1,83), Th/Co (8,76), dan Cr/Th (1.78), mengindikasikan sumber batuan berasal dari batuan felsik. Interpretasi paleoklimat dan indeks pelapukan purba berdasarkan analisis geokimia (CIA, CIW, PIA, dan ICV) menunjukkan pelapukan kimia pada tingkat sedang sampai intensif dalam kondisi iklim hangat dan lembab, dengan indikasi sedimentasi multisiklus. Kesimpulannya, Formasi Meluhu dapat berasal dari reworking fluvio-deltaik dari batuan beku, metamorf dan sedimen yang mengalami pelapukan sedang hingga intensif dari sekitar Tasman Line Orogen, South West Borneo, dan Kraton Tua Australia, lalu diendapkan di bagian paling barat dari Sula Spur, di tepi barat laut (NW), Gondawana. Sejarah pengendapan Formasi Meluhu berlangsung di sepanjang passive margin yang sebelumnya berasal dari active continental margin dari penujaman paleo-pasifik. Pengendapan passive marine dikontrol oleh subsiden dan penipisan kerak akibat perubahan tektonik regional di Australia Utara. Secara umum, hasil studi ini dapat berkontribusi dalam rekonstruksi sejarah pengendapan dan evolusi paleogeografi Formasi Meluhu pada Lengan Tenggara Sulawesi, yang saat Mesozoikum masih menyatu dengan Gondwana.