Knowledge Sharing

Sistem Informasi Absensi dan Penggajian (SIAP)

Dari sistem ini ada 2 knowledge sharing bagian HRD

1. Data : Data Absensi Karyawan per Periode

Informasi : Laporan Data Absensi per Periode

Knowledge : Knowledge yang didapat mengenai performa karyawan

Dari Knowledge tersebut, perusahaan bisa mengambil keputusan untuk :

- Kenaikan gaji untuk karyawan – karyawan yang meiliki kinerja baik

- Promosi karyawan tersebut

Dari ke-2 keputusan, perusahaan mengkategorikannya berdasarkan

- Pendidikan

- Per divisi

- Usia Karyawan

2. Data : Data Absensi Karyawan (Jam Kerja)

Informasi : Kompleksitas Pekerjaan

Knowledge : Knowledge yang didapat mengenai kompleksitas pekerjaan

Misalnya: jika dilihat dari kegiatan lembur yang sering dilakukan pada suatu divisi/bagian di perusahaan,sehingga perusahaan memberikan solusi dengan membuat sistem prediksi rekrutmen karyawan baru atau perusaan melakukan training untuk karyawan yang akan ditempatkan pada divisi tersebut.

Nama Kelompok :

1. Ade Ofik Hidayat G64086014

2. Anggi Putriani G64086024

3. Beni Said Alfarisi G64086023

4. Clara G64086025

5. Suci Armelia Sanur G64086011

Knowledge Sharing

Sistem Informasi Absensi dan Penggajian (SIAP)

Dari sistem ini ada 2 knowledge sharing bagian HR

1. Data : Data Absensi Karyawan per Periode

Informasi : Laporan Data Absensi per Periode

Knowledge : Knowledge yang didapat mengenai performa karyawan

Dari Knowledge tersebut, perusahaan bisa mengambil keputusan untuk :

- Kenaikan gaji untuk karyawan – karyawan yang meiliki kinerja baik

- Promosi karyawan tersebut

Dari ke-2 keputusan, perusahaan mengkategorikannya berdasarkan

- Pendidikan

- Per divisi

- Usia Karyawan

2. Data : Data Absensi Karyawan (Jam Kerja)

Informasi : Kompleksitas Pekerjaan

Knowledge : Knowledge yang didapat mengenai kompleksitas pekerjaan

Misalnya: jika dilihat dari kegiatan lembur yang sering dilakukan pada suatu divisi/bagian di perusahaan,sehingga perusahaan memberikan solusi dengan membuat sistem prediksi rekrutmen karyawan baru atau perusaan melakukan training untuk karyawan yang akan ditempatkan pada divisi tersebut.

Nama Kelompok :

1. Ade Ofik Hidayat G64086014

2. Anggi Putriani G64086024

3. Beni Said Alfarisi G64086023

4. Clara G64086025

5. Suci Armelia Sanur G64086011

Metode Penelitian dan Telaah Pustaka (5)

ALGORITME SEGMENTED DYNAMIC TIME WARPING

PADA PENCARIAN AUDIO

Skripsi ini ditulis oleh AGUS PUDHIJONO, Departemen Ilmu Komputer FMIPA IPB 2004

Link : http://iirc.ipb.ac.id/jspui/handle/123456789/195

Ulasan :

Latar belakang penelitian ini, adanya kesulitan dalam mencari informasi sebuah lagu tetapi yang dipunyai berupa potongan lagu atau hanya hafal nada dalam lagu tersebut. Karena itu dikembangkan pencarian yang bersifat content based yaitu pencarian berdasarkan informasi yang ada dalam lagu tersebut.

Algoritma Segmented Dynamic Time Warping (SDTW) merupakan algoritma meringkas vektor dan merupakan algoritma yang dikembangkan dari algoritma Dynamic Time Warping (DTW). Algoritma Dynamic Time Warping merupakan algoritma perhitungan nilai kecocokan vektor amplitudo yang dihasilkan dari suatu input terhadap vektor-vektor amplitudo pada koleksi file audio yang ingin dicari. Namun karena DTW mempunyai kelemahan waktu eksekusi yang lama maka digunakan algoritma Segmented Dynamic Time Warping.

Dari percobaan proses segmentasi vector, SDTW dapat mempercepat waktu eksekusi 29 kali lebih cepat daripada DTW. Dan hasil pencariannya lebih baik karena hasil temu kembali yang rlevan pada posisi lima besar.

Meode Penelitian dan Telaah Pustaka (4)

PENGENALAN PEMBICARA DENGAN

JARINGAN SYARAF TIRUAN BACKPROPAGATION

Skripsi ini ditulis oleh BASKORO OKTIANTO, Departemen Ilmu Komputer FMIPA IPB 2004

Link : http://iirc.ipb.ac.id/jspui/handle/123456789/2266

Ulasan:

Penelitian ini dilatarbelakangi dalam masalah pengenalan pembicara. Salah satu cara mempelajarinya dengan cara mengenai pola-pola suara pembicara dengan menggunakan jaringan syaraf tiruan (JST). Dalam penelitian ini sistemyang dibangun menggunakan JST backpropagation. Metode JST backpropagation merupakan metode sistematik untuk pelatiha multiplayer jaringan syaraf tiruan.

Backpropagation melatih jaringan sehingga didapatkan jaringan yang memiliki kemampuan untuk mengingat akan pola-pola training (memori) dan memberikan respon yang benar terhadap pola2 yang belum dikenal sebelumnya (generalisai). Sebelum diproses dalam JST data suara lebih terdahulu diproses dengan proses-proses sinyal digital melalui suatu proses feature extraction ditambah dengan proses feature selection. Masing-masing proses dianalisis dengan analisis cepstral dan principal component analysis. Kemudian dibuat model pembuatan keputusan untuk mengidentifikasi pembicara.

Hasil dari penelitian, sistem ini mampu mengidentifikasi dengan tingkat generalisasi tertinggi sebesar 92,307% dengan nilai equal error rate sebesar 6,5657%. Menurut saya penelitian ini lebih lengkap jika mengidentifikasi pembicaranya dibuat dua model keputusan.