mengakses forum. Aplikasi ini menjadi solusi alternatif pembelajaran menggunakan
perangkat bergerak yang efisien dan interaktif. M-Learning Interaktif ini dikembangkan
dengan metode Personal Extreme Programming. Aplikasi client diimplementasikan
menggunakan bahasa Java dan aplikasi server menggunakan database E-Learning moodle
Kata kunci : M-Learning, Mobile Phone, Perkuliahan, Android, Extreme Programming
Dewasa ini kebutuhan teknologi semakin berkembang dan sangat berperan penting dalam memudahkan pekerjaan manusia. Salah satu contohnya adalah sistem penentuan posisi yang dapat diterapkan di dalam ruangan. Sistem penentuan posisi erat hubungannya dengan jaringan sensor nirkabel yang menggunakan teknologi nirkabel sebagai media untuk menghantarkan komunikasi ke penerima seperti Bluetooth, Wifi, dan Zigbee. Sistem penentuan posisi 3 dimensi ini dirancang dengan konsep Wireless Sensor Network (WSN) dan menggunakan ZigBee sebagai protokol komunikasi. Gelombang sinyal radio pada perangkat ZigBee akan diproses menjadi nilai Received Signal Strength Indicator (RSSI) dan kemudian diolah dengan metode Jaringan Syaraf Tiruan (JST) untuk mengestimasi koordinat mobile node. RSSI digunakan untuk mengestimasi jarak mobile node ke tiap anchor node. Backpropagation pada metode jaringan syaraf tiruan di MATLAB akan melatih data untuk dapat mengkalkulasi estimasi posisi antara anchor node dengan mobile node sehingga menghasilkan nilai berupa koordinat. Kemudian, komponen normalisasi, denormalisasi, aktivasi, bobot, dan bias yang didapat dari hasil pelatihan JST digunakan pada program uji JST Arduino. Untuk menganalisis perbedaan error dan sistem, maka kondisi pengujian dilakukan dengan menggunakan 3 anchor node dan 4 anchor node. Area pengujian berukuran 4x4x3 m3 dengan anchor node terletak pada koordinat (0,0,1), (4,1,2), (1,4,1), dan (4,4,2). Nilai error rata-rata untuk pengujian dengan 3 anchor berturut turut adalah 8,278%, 2,8%, 4,556%, 4,633%, dan 8,444%. Nilai error rata-rata untuk pengujian dengan 4 anchor berturut turut adalah 4,267%, 0,933%, 2,111%, 3,433%, dan 6,667%. Kata kunci: Penentuan posisi, RSSI, xbee, jaringan syaraf tiruan, posisi 3D.
Indonesia terletak pada pertemuan 3 lempeng besar aktif yang terus menerus bergerak. Oleh karenanya, Indonesia merupakan salah satu negara yang memiliki tingkat risiko gempa bumi yang tinggi. Penelitian ini bertujuan untuk mengelompokan data gempa bumi wilayah Indonesia berdasarkan data koordinat yang berisi variabel data garis lintang dan bujur, serta data karakteristik gempa bumi yang berisi variabel data frekuensi kejadian, kedalaman, dan kekuatan gempa bumi. Data gempa bumi diperoleh dari situs resmi BMKG dengan menggunakan data periode 2018 sampai dengan 2020. Teknik pengelompokan yang digunakan adalah algoritma DBSCAN. Algoritma ini membutuhkan parameter masukan epsilon dan MinPts. Hasil kelompok terbentuk kemudian akan divalidasi menggunakan koefisien silhouette. Berdasarkan data koordinat, kelompok terbentuk sebanyak 4 dengan gangguan sebanyak 4. Berdasarkan data karakteristik, kelompok terbentuk sebanyak 3 dengan gangguan sebanyak 5. Adapun koefisien silhouette yang diperoleh sebesar 0,35 untuk data koordinat dan 0,39 untuk data karakteristik. Penelitian ini bermanfaat untuk meningkatkan nilai guna informasi gempa bumi yang melimpah dan dapat dijadikan sebagai upaya mitigasi bencana alam gempa bumi. Kata kunci: Pengelompokan, DBSCAN, gempa bumi, Indonesia
Penggunaan Computed Tomography (CT) untuk diagnosis medis menjadi salah satu modalitas dengan sumber radiasi medis yang besar. Dalam kajian potensi risiko dan jaminan mutu radiologi pada pasien pediatri, Diagnostic Reference Level (DRL) merupakan nilai panduan pemantauan dosis pasien sebagai upaya optimisasi yang dilaksanakan melalui sistem manajemen dosis pasien dengan penyusunan reference level menggunakan nilai kuartil ke-tiga (Q3) yang diamati dalam survei data dosis pasien. DRL pada CT-Scan dinyatakan dalam Computed Tomography Dose Index (CTDIvol) dan Dose-Length Product (DLP). Penelitian ini berupaya mengkaji melalui perhitungan untuk mendapatkan DRL pada pemeriksaan CTkepala pediatri melalui data dosis pasien yang didapatkan dari Si-INTAN menggunakan parameter kelompok usia dan studi lanjut parameter massa tubuh pasien untuk analisis tambahan sebagai pengembangan DRL. Diperoleh hasil DRL, yaitu CTDIvol sebesar 60 mGy dan 59 mGy, DLP sebesar 1215 mGy.cm dan 1.074 mGy.cm pada kelompok usia Bayi (0-4 tahun) dengan estimasi massa tubuh 0 sampai 30 kilogram, kemudian CTDIvol sebesar 60.6 mGy dan 59 mGy, DLP sebesar 1269.4 mGy.cm dan 1.916,4 mGy.cm pada kelompok usia Anak-anak (5- 14 tahun) dengan estimasi massa tubuh 30 sampai kurang dari 80 kilogram untuk masing-masing pemeriksaan non-kontras dan kontras. Hasil analisis pada parameter kelompok usia menunjukkan nilai DRL nasional pada pemeriksaan CTkepala pediatri yang lebih tinggi dibandingkan negara-negara lain serta besarnya variasi dosis pasien antar rumah sakit atau wilayah. Parameter pengelompokan massa tubuh memberikan nilai DRL lebih tinggi dibandingkan kelompok usia. Hasil analisis mendapatkan pemeriksaan CT-kepala pasien pediatri di Indonesia tidak mempertimbangkan massa tubuh pasien mendukung kelompok usia lebih direkomendasikan sebagai parameter pengelompokan untuk DRL. Kata kunci: DRL, pediatri, CT-kepala, survei dosis pasien, optimisasi, radiologi
Beberapa tahun terakhir di Indonesia ditemukan objek terpendam yang diduga sebagai warisan budaya pada masa lampau. Identifikasi objek terpendam terutama benda sejarah yang memiliki sensitifitas tinggi membutuhkan metode non destruktif agar objek terpendam tersebut terhindar dari kerusakan, salah satunya adalah metode Horizontal to Vertical Spectral Ratio (HVSR). Tujuan dari penelitian ini adalah untuk menentukan posisi serta kedalaman dan karakteristik objek terpendam dangkal dalam lapisan sedimen menggunakan metode HVSR berdasarkan analisis spasial, faktor amplifikasi, dan frekuensi dominan. Penelitian dilakukan pada objek berbentuk silinder berbahan beton dengan diameter 15 cm dan tinggi 30 cm yang sengaja dipendam. Akuisisi data mikrotremor dengan 196 titik yang tersebar pada 5 lintasan menghasilkan data yang selanjutnya diolah menggunakan software geopsy yang menghasilkan profil spektra HVSR. Profil spektra HVSR kemudian dimodelkan dengan membuat kontur amplifikasi untuk menganalisis kedalaman objek terpendam. Hasil penelitian ini menunjukkan bahwa terdapat empat objek yang ditemukan pada Lintasan 2, lintasan 8, lintasan 12 dan lintasan 39. Terdapat beberapa variasi kedalaman objek yaitu kedalaman objek terpendam adalah 106 cm pada lintasan 2, 51 cm pada lintasan 8 dan lintasan 39, dan 57 cm pada lintasan. Rentang nilai amplifikasi dari objek terpendam adalah 1,26-1,50. Kata kunci: objek terpendam, HVSR, kedalaman, frekuensi, amplifikasi