Ulasan Skripsi 6 : Pembangunan Aplikasi SMS dengan Fitur Suara Berformat MP3 Menggunakan JSR 135

Penulis Skripsi	:	Ingrid Masithoh
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/13045
Tahun	:	2009

Dalam skripsinya penulis menuliskan bahwa di dunia ini terdapat kurang lebih 37 juta jiwa tunanetra(karmayog.org) dan menurut DEPKOMINFO ada 197.080 jiwa berasal dari Indonesia (depkominfo.go.id). Oleh karena itu, perusahaan Samsung (idsa.org) dan GW Micro telah membuat telepon selular dan PDA khusus yang dinamakan Samsung Touch Messanger dan GW micro VoiceSense tapi dengan harga yang sangat mahal. Hal inilah yang menjadi alasan penulis untuk membangun aplikasi short message service dengan penambahan fitur suara di dalamnya agar dapat mempermudah tunanetra atau orang dengan penglihatan kurang dalam menggunakan fasilitas short message service.

Selain untuk membuat aplikasi yang diberi nama MySMS oleh penulis, penelitian yang dilakukan bertujuan untuk mengukur pengaruh penambahan fitur suara terhadap kinerja aplikasi.

Metode penelitian yang digunakan penulis adalah OOSE (Object Oriented Software Engineering). Pada tahap pembentukan berkas suara, penulis melakukan perekaman suara menggunakan perangkat lunak Audacity. Untuk mendapatkan ukuran berkas terkecil, penulis mengubah-ubah nilai bit-rate berkas suara dan membuang bagian dari berkas suara yang tidak diperlukan. Terakhir, berkas suara diekspor dalam format MP3. Penulis menggunakan 46 berkas MP3 bertipe mono yang terdiri dari sepuluh berkas angka, 26 berkas huruf, dan sepuluh berkas lainnya. Seluruh berkas suara memiliki bit rate 64 kbps dengan frekuensi 44100Hz.

Untuk implementasi lingkup operasi penelitiannya, penulis menggunakan bahasa pemrograman Java, platform J2ME, emulator Sony Ericsson, Netbeans Mobility Pack 5.5, dan Audacity 1.3 Beta. Sedangkan untuk implementasi pada perangkat kerasnya, penulis menggunakan telepon selular Sony Ericsson dan Nokia S660.

Pengujian yang dilakukan penulis ada dua, yakni performance testing dan installation testing. Performance testing dilakukan dengan mengukur kinerja kecepatan ketik pada aplikasi. Untuk pengujian aplikasi dengan tambahan fitur suara diperoleh kecepatan 20,46 Word Per Minute (WPM), sedangkan jika tanpa fitur suara diperoleh kecepatan 48,78 WPM. Berikutnya, installation testing dilakukan untuk mengetahui kemudahan aplikasi pada saat dipasangkan dan kecocokannya pada beragam platform.

Ada beberapa hal yang dijadikan saran oleh penulis dari penelitiannya, yaitu: fitur playback untuk mendengar karakter yang telah diketik, penambahan kemampuan untuk mengakses phone book, meningkatkan portabilitas, dan pengujian usability pada pengguna sebenarnya.

Ulasan Skripsi 5 : Ekstraksi Ciri Morfologi Dan Tekstur Untuk Temu Kembali Citra Helai Daun

Penulis Skripsi	:	Annisa
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/11521
Tahun	:	2009

Banyaknya jenis daun dengan karakteristik yang berbeda menyebabkan sulitnya melakukan pengenalan helai daun dalam ilmu biologi dan kehutanan. Penulis memilih ciri morfologi dan tekstur untuk mengidentifikasi jenis daun karena gabungan dari keduanya membuat identifikasi menjadi lebih akurat. Sedangkan ciri warna tidak digunakan karena secara umum warna daun adalah hijau. Hal tersebutlah yang menjadi latar belakang penulis dalam skripsinya.

Tujuan dari penelitian penulis adalah untuk mengevaluasi hasil temu kembali citra pada helai daun dengan menggunakan penciri morfologi, tekstur dan gabungan keduanya.

Penulis mengklasifikasikan sebelas jenis daun dalam penelitiannya, yaitu daun alpukat, bisbul, cokelat, durian, jamblang, jambu biji, jambu bol, kepel, manggis, menteng, dan nangka. Masing-masing jenis daun dimabil seratus contoh dengan menggunakan kamera digital.

Dari data hasil foto berupa 11000 citra daun berformat JPG penulis lalu mengubah setiap ukurannya menjadi 200x150 piksel dengan latar belakang putih. Kemudian citra RGB diubah menjadi grayscale, citra grayscale dikonversi menjadi citra biner dengan threshold 0.87, dan terakhir noise dihilangkan dengan 3x3 rectangular averaging filter.

Matriks yang dihasilkan dari ekstraksi ciri morfologi seluruh citra berupa matriks berukuran 6 x 1100 yang merupakan representasi dari 11000 citra dengan setiap citranya memiliki vector yang terdiri dari 6 elemen, yaitu diameter, leaf area, leaf perimeter, smooth factor, form factor, dan perimeter ratio of diameter. Sedangkan matriks yang dihasilkan dari ekstraksi ciri tekstur berupa matriks berukuran 7 x 11000 yang berasal dari 11000 citra dengan 7 elemen pada tiap citranya, yaitu energy, moment, entropy, maximum probablity, contrast, correlation, dan homogeneity.

Temu kembali yang dihasilkan dari penelitian yang dilakukan oleh penulis merupakan citra-citra yang memiliki kemiripan yang paling tinggi dengan citra query berdasarkan ciri morfologi, ciri tekstur, atau gabungan keduanya dengan model Bayesian Network. Penulis melakukan perhitungan nilai recall dan precision untuk menentukan tingkat keberhasilan dalam proses temu kembali citra.

Dari perbandingan rata-rata nilai recall precision menggunakan ciri morfologi, tekstur dan model Bayesian Network penulis melihat bahwa nilai rata-rata precision terbesar untuk seluruh kelas diperoleh menggunakan model Bayesian Network dan nilai rata-rata precision terkecil untuk seluruh kelas diperoleh menggunakan penciri morfologi.

Ulasan Skripsi 4 : Perbandingan Algoritma Huffman Statik dengan Algoritma Huffman Adaptif pada Kompresi Data Teks

Penulis Skripsi	:	Danny Dimas Sulistio
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/2502
Tahun	:	2004

Tujuan dari penelitian skripsi penulis adalah untuk mempelajari dan membandingkan unjuk kerja dari algoritma Huffman Statik dan algoritma Huffman Adaptif pada kompresi data.

Penulis menggunakan file teks dalam percobaan melakukan kompresi data. Ada tiga percobaan yang dilakukan penulis, yaitu percobaan menggunakan file teks dari potongan artikel, percobaan menggunakan file teks dari satu variasi karakter, dan percobaan menggunakan file teks dengan 5 dan 256 variasi karakter. Penulis menggunakan tiga Kriteria/parameter untuk membandingkan kedua algoritma tersebut, yaitu rasio kompresi, lama waktu untuk mengkompresi, dan lama waktu dekompresi.

Dalam skripsinya penulis menuliskan bahwa kompresi menggunakan algoritma Huffman Statik memiliki kompleksitas sebesar O(n log m), sedangkan algoritma Huffman Adaptif memiliki kompleksitas sebesar O(nm) dengan n adalah banyaknya karakter dan m adalah besarnya variasi karakter. Dari perbandingan nilai kompleksitas tersebut dapat dilihat bahwa kompresi yang dilakukan dengan algoritma Huffman Statik lebih cepat dibandingkan menggunakan algoritma Huffman Adaptif karena memiliki nilai kompleksitas yang lebih rendah.

Pada bagian akhir abstrak skripsi, penulis menyimpulkan bahwa waktu iterasi untuk kompresi dan dekompresi dengan algoritma Huffman Statik lebih cepat dibandingkan menggunakan algoritma Huffman Adaptif. Namun dari segi kualitas, hasil kompresi menggunakan algoritma Huffman Adaptif lebih baik dibandingkan algoritma Huffman Statik.

Ulasan Skripsi 3 : Pembangunan Sistem Informasi Tingkat Keanekaragaman Tumbuhan Vegetasi (Studi Kasus di Tanaman Nasional Way Kambas)

Penulis Skripsi	:	Dhyana Nur
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/2363
Tahun	:	2004

Dalam pengelolaan hutan, pengolahan data selalu terkait dengan perhitungan beberapa parameter kuantitatif vegetasi dan tingkat keanekaragaman jenis tumbuhan vegetasi. Pengolahan data yang manual dan dalam jumlah yang sangat banyak menjadi latar belakang bagi penulis dalam skripsinya.

Dalam penelitiannya, penulis menggunakan metode Siklus Hidup Sistem(System Life Cycle) untuk mengetahui tingkat keanekaragaman jenis tumbuhan pada satu lokasi yang dihitung menggunakan indeks Shannon. Indeks Shannon adalah indeks yang digunakan untuk mengukur keragaman data kategorikal. Keuntungan dari indeks ini adalah memperhitungkan jumlah spesies dan kemerataan spesies. Indeks akan meningkat baik dengan bertambahnya spesies unik atau dengan bertambahnya kemerataan jenis spesies.

Input dari sistem yang dibangun oleh Penulis adalah:
- lokasi tumbuhan (tipe vegetasi dan tingkat pertumbuhan)
- waktu survey (tahun dan musim)
- jumlah petak contoh
- nama lokal tumbuhan
- diameter tumbuhan
- nomor petak ditemukannya tumbuhan.

Sedangkan untuk outputnya adalah:
- nilai parameter kuantitatif vegetasi
- kerapatan relatif
- dominasi
- dominasi relatif
- frekuensi
- frekuensi relatif
- Indeks Nilai Penting (INP)
- tingkat keanekaragaman

Dalam skripsinya, penulis menggunakan metode Black Box untuk melakukan pengujian aplikasi.

Ulasan Skripsi 2: Pengenalan Pembicara dengan Jaringan Syaraf Tiruan Backpropagation

Penulis Skripsi	:	Baskoro Aktianto
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/2266
Tahun	:	2004

Skripsi dari Baskoro Aktianto tersebut membahas mengenai Pengenalan Pembicara dengan menggunakan Jaringan Syaraf Tiruan Backpropagation. Dalam skripsinya, penulis membagi permasalahan menjadi dua, yaitu identifikasi pembicara dan verifikasi pembicara.

Data suara diproses menggunakan feature extraction dan feature selection.
Proses feature extraction dilakukan dengan analisis cepstral dan feature selection dilakukan dengan principal component analysis.

Hasil dari JST selanjutnya diolah oleh model pembuatan keputusan yang digunakan untuk menentukan identitas pembicara dan memverifikasi klaim yang diajukan oleh pembicara.

Dari hasil penelitian diperoleh bahwa sistem pengenalan pembicara mampu mengidentifikasi dengan tingkat generalisasi tertinggi sebesar 92,3077% dan verifikasi dengan nilai equal error rate sebesar 6,5657%.

Ulasan Skripsi 1 : Sistem Informasi Geofrafis untuk Pencarian Rute Terpendek Pada Wilayah Kampus IPB Darmaga

Penulis Skripsi	:	Jiwa Adisetya
Sumber	:	http://iirc.ipb.ac.id/jspui/handle/123456789/2194
Tahun	:	2004

Skripsi ini berisi tentang implementasi Algoritma Dijkstra dalam pencarian rute terpendek dari satu titik awal ke titik tujuan. Algoritma Dijkstra adalah algoritma pencarian rute terpendek dari satu node ke node tujuan dengan cara memilih jarak terpendek dari satu node ke node berikutnya.

Di dalam skripsinya, penulis menggunakan perangkat lunak ArcView GIS 3.1 sebagai tools untuk pembuatan sistem pencarian rute terpendek di Kampus Darmaga. Arcview merupakan salah satu perangkat lunak Sistem Informasi geografi yang di keluarkan oleh ESRI (Environmental Systems Research Intitute). ArcView dapat melakukan pertukaran data, operasi-operasi matematik, menampilkan informasi spasial maupun atribut secara bersamaan, membuat peta tematik, menyediakan bahasa pemograman (script) serta melakukan fungsi-fungsi khusus lainnya dengan bantuan extensions seperti spasial analyst dan image analyst (ESRI).

Penulis menggunakan script Avenue yang telah terintegrasi dengan Arcview untuk menerapkan algoritma Dijkstra.