Light-weight MobileNet for Fast Detection of COVID-19

The machine learning models based on Convolutional Neural Networks (CNNs) can be effectively used for detection and recognition of objects, such as Corona Virus Disease 19 (COVID-19). In particular, the MobileNet and Single Shot multi-box Detector (SSD) have recently been proposed as the machine learning model for object detection. However, there are still some challenges for deployment of such architectures on the embedded devices, due to the limited computational power. Another problem is that the accuracy of the associated machine learning model may be decreased, depending on the number of concerned parameters and layers. This paper proposes a light-weight MobileNet (LMN) architecture that can be used to improve the accuracy of the machine learning model, with a small number of layers and lower computation time, compared to the existing models. By experimentation, we show that the proposed LMN model can be effectively used for detection of COVID-19 virus. The proposed LMN can achieve the accuracy of 98% with the file size of 27.8 Mbits by replacing the standard CNN layers with separable convolutional layers.

Pengembangan Sistem Stock Opname Berbasis Mobile Application Using SDLC Methode

Stock opname dalam sebuah perusahaan merupakan hal yang penting. Namun sering terjadi kendala saat proses stock opname berjalan, seperti sering loss connection antara scanner dengan tab sehingga mengurangi produktivitas pekerjaan. Pengimplementasian sistem stock opname yang belum menggunakan sistem berbasis mobile apps berpengaruh terhadap produktivitas, kecepatan dan keefektifan dalam prosesnya. Tujuan pembuatan aplikasi ini adalah untuk mempermudah petugas dalam proses stock opname karena sistem mobile apps cukup menggunakan satu perangkat cerdas yang mempermudah user dalam menginput data stock dengan cepat sehingga meningkatkan produktivitas, kecepatan dan keefektifan. Aplikasi yang akan dibuat ini menggunakan metode SDLC (System Development Life Cycle) Waterfall, metode ini digunakan untuk mengembangkan sistem teknologi informasi yang lebih kompleks, dan dilanjutkan dengan membuat pemodelan rancangan sistem mobile apps dengan UML (Unified Modelling Language). Sedangkan uji coba sistem mobile apps menggunakan metode black box yang bertujuan untuk memastikan aplikasi berjalan dengan baik. Sistem stock opname berbasis mobile apps ini digunakan untuk lebih mengoptimalkan produktivitas pekerjaan juga memangkas biaya operasional alat. Berdasarkan pengujian metode black box, aplikasi ini berjalan dengan baik dan sesuai dengan fungsinya.

Analisis Penentuan Resiko Kredit Menggunakan Algoritma C.5.0

Risk rating atau pemeringkatan resiko merupakan salah satu cara pelabelan resiko kredit pada data, dimana label ini mencerminkan tingkat resiko dan kemampuan seorang nasabah atau perusahaan memenuhi kewajiban tanggungan keuangan. Lembaga perbankan ataupun koperasi terkadang membutuhkan waktu lama untuk melakukan pelabelan data baru, memperbarui label pada data lama dan menjadikannya dasar pengambilan keputusan pada penelitian ini melakukan pemodelan untuk memprediksi nilai risk rating atau pemeringkatan resiko kredit sehingga dapat dijadikan basis pengambilan keputusan terhadap proses pengajuan pinjaman baru. Tahapan yang dilakukan terdiri dari 3 tahap yaitu persiapan data, pemodelan menggunakan algoritma C.5.0 dan analisis hasil pemodelan. Dari evaluasi hasil algoritma C.5.0 pemodelan yang dibentuk untuk klasifikasi atau prediksi resiko kredit tetap memiliki tingkat kesalahan sebesar 24%, sehingga model yang dihasilkan cukup layak digunakan. Dari hasil cofussion matrix dapat disimpulkan jika perpotongan kolom dan baris jatuh pada label yang sama maka klasifikasi dari model tersebut benar, namun jika labelnya berbeda maka klasifikasinya salah. Selain itu dari tampilan cofussion matrix bisa dilihat jika angka dengan diagonal ke kanan bawah menunjukkan data dengan prediksi yang benar dari model karena berpotongan pada label yang sama.

Penerapan Metode Profile Matching Pada Proses Seleksi Rekrutmen Pegawai Berdasarkan Faktor Kompetensi Spencer

One of the keys to the company's success is how to place the right people in the right positions. For this reason, the recruitment selection process plays a significant role. This study applies the Profile Matching method to the employee recruitment selection process for the marketing director position. The prerequisites for occupying the position of marketing director are based on 20 Spencer competency factors divided into 6 competency groups with varying weights. The Spencer competency groups used along with the weight variations are Achievement and Action (AA) – 30%, Helping and Human Service (HHS) – 5%, Impact and Influence (IMIN) – 10%, Managerial (MNG) – 30%, Cognitive (COG) – 15% and Personal Effectiveness (PE) – 10%. The results showed that the employee on behalf of Sigit Hernowo was the strongest candidate for the Marketing Director position with a score based on the Spencer competency factor of 4.46 points.

Sistem Pakar: Implementasi Metode Bayes Probabilties untuk Penentuan Kriteria Pasien COVID-19 Berdasarkan Fitur Gejala (Studi Kasus: RSUD M. Yunus Bengkulu)

Bengkulu merupakan provinsi yang ke 32 yang terjangkit virus corona Berdasarkan laman Jurnal bengkulu,Tim Gugus Percepatan Penanganan Kasus Covid-19 Provinsi Bengkulu melaporkan pada Juni 2020 total kasus konfirmasi Covid 19 mencapai 101 orang dengan demikian Dinas Kesehatan Provinsi Bengkulu mengumumkan, Bengkulu telah di tetapkan sebagai wilayah transmisi local penularan Covid 19 karena terjadi penularan ke orang pertama dan ke orang-orang di sekitarnya. Pada penelitian ini, penulis bermaksud merancang suatu program aplikasi penentuan krteria pada pasien covid 19 berbasis android. Aplikasi atau system ini menggunakan metode probabilitas bayes dengan Bahasa pemprograman java pada android studio. Berdasarkan percobaan yang telah di lakukan data yang sudah masuk ke dalam sistem yaitu 101 Pasien yang terpapar Covid 19, dengan identifikasi Pasien Dalam Pengawasan (PDP) 25 orang, Orang Dalam Pemantauan (ODP) 35 orang, Kasus Probable 9 orang, Kasus Konfirmasi 6 orang dan Kontak Erat 26 orang. sistem sudah mampu untuk menentukan kriteria pada pasien covid 19 di provinsi bengkulu dengan rata-rata akurasi system dalam mendiagnosa penyakit berdasarkan gejala klinis dan hasil pengujian dalam berbagai kondisi bernilai sekitar 53,33% dan nilai akurasi tertinggi mencapai 96,66666667. Dengan demikian untu sistem layak digunakan.

Sistem Monitoring Suhu pada Aplikasi Absensi Pegawai untuk Deteksi Dini COVID-19

Abstrak— Kasus terkonfirmasi positif COVID-19 pada klaster perkantoran semakin meningkat. Hal ini terjadi seiring dengan diizinkannya kembali pembukaan beberapa perusahaan oleh pemerintah untuk membantu menggerakkan ekonomi. Beberapa protokol kesehatan telah dibuat oleh Kementerian Kesehatan. Akan tetapi pada penerapan yang dilakukan di perkantoran, penyebaran COVID-19 belum bisa dicegah sepenuhnya. Salah satu cara agar penyebaran COVID-19 pada klaster perkantoran bisa dicegah adalah memastikan karyawan yang datang dalam kondisi yang sehat. Untuk memastikan karyawan yang datang berkemungkinan terinfeksi virus COVID-19 atau tidak, diperlukan sebuah sistem deteksi dini COVID-19 yang cepat dan handal. Dalam penelitian ini, diajukan sebuah sistem deteksi dini COVID-19 dengan memadukan sistem monitoring suhu dan sistem pakar yang diimplementasikan pada sistem absensi karyawan. Setiap karyawan yang hendak masuk, diwajibkan melakukan presensi pada sistem. Sebelum sistem merekam kehadiran karyawan tersebut, sistem akan memproses informasi suhu karyawan dari sistem monitoring suhu dan sistem pakar untuk mendeteksi apakah karyawan tersebut berkemungkinan terkonfirmasi COVID-19 atau tidak. Hasil dari deteksi dini ini dapat menjadi rekomendasi kepada perusahaan untuk menentukan seorang karyawan boleh tetap bekerja di kantor atau harus bekerja di rumah.

Modifikasi IDFIFv2 Untuk Penanganan Smartwatch Forensic

Abstrak—Penelitian ini bertujuan untuk mengetahui proses modifikasi framework IDFIF v2 sebagai kerangka kerja forensik smartwatch dengan menggunakan metode SDLC dan untuk mengetahui hasil akusisi dan analisis smartwatch setelah memodifikasi IDFIF v2. Metode yang digunakan adalah metode SDLC yang digunakan untuk melakukan modifikasi IDFIF v2 dan memiliki 6 tahapan yaitu planning, analysis, design, implementation, dan maintenance. Setelah mendapatkan hasil modifikasi IDFIF v2, studi kasus dilakukan dengan menggunakan smartwatch kingwear 88 sebagai objek penelitian dan menggunakan tools forensik Mobiledit sebagai tools analisis forensik. Hasil penelitian menunjukkan bahwa dalam penerapan framework, pada penyelesaian investigasi smartwatch tidak ditemukan adanya tahapan yang terbuang atau tidak terpakai, sehingga bisa dikatakan bahwa IDFIF v2 adalah framework yang cocok untuk smartwatch forensic. Hal ini menunjukkan bahwa IDFIF v2 adalah salah satu framework yang fleksibel yang bisa mencakup analisa forensik berbagai macam device salah satunya adalah smartwatch. Sehingga dalam penyelesaian smartwatch forensik yang dilakukan dapat mencakup segala tahapan yang dilakukan untuk analisa smartwatch forensik. Keywords— IDFIF v2; SDLC; smartwatch.

Komputasi Budaya Untuk Pencarian Gambar Semantik Pada Lukisan Budaya Indonesia Dengan Deteksi Dan Informasi Aliran Lukisan

Lukisan merupakan salah satu gambaran kompleks yang mencerminkan pengamatan dan perasaan seniman terhadap lingkungan. Kondisi ini memperluas kebutuhan akan sistem pendeteksi citra budaya karena masyarakat awam yang kurang memiliki pengalaman artistik akan sulit mendapatkan kesan lukisannya. Oleh karena itu, peneliti menekankan penerapan lukisan budaya Indonesia ke dalam aplikasi mobile. Sistem yang diusulkan telah diimplementasikan pada 239 lukisan budaya Indonesia yang terdiri dari lima kategori gaya lukisan. Kategorinya adalah abstraksionisme, naturalisme, ekspresionisme, realisme, dan romantisme. Sistem mengekstrak 3 fitur, yaitu fitur warna, bentuk, dan tekstur. Ekstraksi ciri warna menggunakan Histogram 3D Color Vector Quantization. Ekstraksi fitur bentuk menggunakan Connected Component Labeling Algorithm (CCL) dengan menghitung nilai area, diameter setara, luas, convex hull, soliditas, eksentrisitas, dan perimeter masing-masing objek. Ekstraksi fitur tekstur menggunakan Gabor Transformation dengan 40 kernel. Sedangkan untuk ekstraksi impresi dilakukan survey terhadap beberapa orang tentang impresi lukisan budaya Indonesia. Survei ini dilakukan terhadap responden yang memahami seni lukis seperti pelukis, pemerhati lukisan, dan orang-orang yang berkecimpung di dunia seni rupa. Untuk menunjukkan gaya lukisan peneliti menggunakan proses klasifikasi menggunakan K-Nearest Neighbor. Hasil eksperimen menunjukan fitur warna sebagai fitur terbaik dalam impression query

Pembuatan File Input berbasis Chat untuk Screen-Smart Device Interaction (SSI)

Public display memiliki potensi untuk menjadi media diseminasi informasi kepada publik. Sayangnya, mayoritas public display memiliki kecenderungan untuk diabaikan oleh orang-orang yang melewatinya. Beberapa riset menunjukkan bahwa pengguna akan melihat sebuah public display jika dapat berinteraksi dengan display tersebut. Salah satu pendekatannya adalah Screen-Smart Device Interaction (SSI). Pada penelitian ini, dikembangkan sebuah interaksi untuk menampilkan sebuah file dari smart device ke sebuah display menggunakan antar muka berbasis Chat. Pengujian dilakukan dengan alat ukur SUS dan UEQ-S. Dari pengujian diperoleh kesimpulan bahwa hasil yang dikembangkan termasuk kategori acceptable dengan skor SUS 72.8. Akan tetapi dari UEQ-S diperoleh skor hedonic yang lebih rendah dari pragmatic, yang artinya perlu pengembangan lebih lanjut terkait tampilan dari prototype yang diujikan.

Web Usage Mining Menggunakan Algoritma Clastering K-Mean

Algoritma K-means merupakan salah satu algoritma yang digunakan untuk metode clustering dalam data mining. Algoritma ini hanya bisa digunakan untuk mengolah data bertipe numerik menjadi pengetahuan. Metode ini cocok digunakan untuk mengolah data log access file server web untuk bidang web usage mining. Dari sekian banyak data di log access pengunjung dapat diambil pengetahuannya setelah diolah oleh algoritma K-mean. Penelitian ini dilakukan untuk mengetahui kluster dari waktu yang digunakan oleh pengguna untuk mengakses website pada sebuah instansti. Setelah melakukan try and error dalam menetapkan jumlah k dan nilai centroid awal,maka diperoleh 4 kluster. Dengan penggunaan distance measure yaitu squared Euclidean distance. Dengan average cluster distance sama dengan 207,286. Nilai Davies boudin index untuk klaster k sama dengan 4 adalah 0,076.