Anda di halaman 1dari 2127

Dipublikasikan Tahun 2014 oleh:

Pusat Pengembangan, Penelitian, dan Pengabdian Masyarakat (LP4M)


STMIK DIPANEGARA MAKASSAR
SULAWESI SELATAN - INDONESIA

ISSN: 2355-1941

Panitia tidak bertanggung jawab terhadap isi paper dari peserta

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

PROCEEDINGS
KONFERENSI NASIONAL SISTEM INFORMASI 2014
Ketua Editor
Drs. I Wayan Simpen, M.MSI.

Sekretaris Editor
Yesaya Tommy Paulus, S.Kom., MT.

Anggota Editor
M. Syukri Mustafa, S.Si., M.MSI.
Indra Samsie, M.Kom.
Jufri, S.Kom., MT.
Asran, ST.,MT.
Ahmad Sukarna S.,S.Kom.,MT.

KNSI 2014

ii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KOMITE KNSI 2014


PENANGGUNG JAWAB:
Drs. Suarga, M.Sc., M.Math., Ph.D.
Ketua Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Dipanegara Makassar
KETUA PELAKSANA KNSI 2014:
Indra Samsie, M.Kom.
STEERING COMMITTEE
Kridanto Surendro, Ph.D
Dr. Rila Mandala
Dr. Husni S Sastramihardja
Prof. Iping Supriatna
PROGRAM COMMITTEE
Dr. Kridanto Surendro (ITB)
Dr. Rila Mandala (ITB)
Dr. Husni Sastramihardja (ITB)
Dr. Masayu Leyla Khodra (ITB)
Dr. Djoko Soetarno (BINUS)
Dr. Agus Hardjoko (UGM)
Dr. Sri Hartati (UGM)
Dr. Retyanto Wardoyo (UGM)
Prof. Zainal A. Hasibuan (UI)
Dr. Sri Nurdiati (IPB)
Dr. Agus Buono (IPB)
Prof. Benny Mutiara (Universitas Gunadarma)
TECHNICAL COMMITTEE

Drs. I Wayan Simpen, M.MSI.


Johny Soetikno, SE.,MM.
Indra Samsie, S.Kom.,M.Kom.
M. Syukri Mustafa, S.Si.,M.MSI.
Ir. Mirfan, MM.
Abdul Ibrahim, S.Kom.,M.MSI.
Ahmad Sukarna, S.Kom.,M.Si.
Asran, ST.,MT.
Wilem Musu, S.Kom.,MT.
Erfan Hasmin, S.Kom.,MT.
Komang Aryasa, S.Kom.,MT.
Yesaya Tommy Paulus, S.Kom.,MT.
Jufri, S.Kom.,MT.

KNSI 2014

Cucut Susanto, S.Kom.,M.Si.


Ir. Mirfan, MM.
Ir. H. Irsal, MT
Michael Octavianus, S.Kom.,MM.
Ir. Kamarullah Nusu
Muh. Khadafi Tayyeb, SE.
Ir. Mahmud Hasan
Michael Polinggomang, SSI.
Nurbaeda, S.Kom.
Marsha, SE.,
ST. Herlina, SE.
Ramlah Amir, S.Pd.

iii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

DAFTAR ISI

Susunan Komite KNSI 2014 ......................................................................................................................

iii

Daftar isi .....................................................................................................................................................

iv

Kata Sambutan Ketua STMIK Dipanegara Makassar ................................................................................

Kata Sambutan Ketua Panitia KNSI 2014 ..................................................................................................

vi

Susunan Acara KNSI 2014 .........................................................................................................................

vii

Jadwal Presentas .........................................................................................................................................

Daftar Makalah ............................................................................................................................................

xxvii

Makalah ......................................................................................................................................................

KNSI 2014

iv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

SAMBUTAN KETUA STMIK DIPANEGARA MAKASSAR

Assalamu alaikum warahmatullahi wabarakatuh.


Salam sejahtera buat kita semua.

Yang terhormat para undangan, peserta KNSI 2014, para pembicara, pemakalah, steering committee, organizing
committee, para reviewer, dan panitia lokal. Puji syukur yang setinggi-tinggi-nya kita panjatkan ke pada Allah
Subhanahu Watala, Tuhan Semeste Alam Yang Maha Esa, yang telah memberikan kepada kita sekalian rahmat
kesehatan dan kesempatan sehingga dapat hadir dan memeriahkan acara Konferensi Nasional ini.
KNSI 2014 dapat terselenggara di STMIK Dipanegara Makassar dengan adanya kerjasama dan kepercayaan
yang diberikan oleh Kelompok Keilmuan Informatika Institut Teknologi Bandung yang menjadi Steering
Committee dan penggagas dari KNSI. Panitia telah bekerja maksimal untuk men-sukses-kan acara ini, sebagai
salah satu indikator-nya adalah adanya lebih dari 320 makalah yang telah diseleksi untuk di-sajikan dalam
konferensi ini. Peserta selain dari pembicara dan pemakalah dari berbagai perguruan tinggi di nusantara, juga
dihadiri oleh pemerhati teknologi informasi dari berbagai kalangan.
STMIK Dipanegara Makassar didirikan pada tanggal 7-Juli-1994, nama Dipanegara diambil dari nama Pahlawan
Nasional Pangeran Diponegoro, dengan maksud agar semangat Diponegoro dapat di-warisi oleh civitas
academica dalam berjuang dimedan pendidikan. STMIK Dipanegara hingga kini telah meluluskan lebih dari
10.000 alumni yang tersebar ke seluruh pelosok tanah air. Jumlah mahasiswa aktif sekitar 4000 dengan tiga
program-studi: Sistem Informasi-S1, Teknik Informatik-S1, dan Manajemen Informatik-D3. Semua program
studi telah ter-akreditasi oleh BAN-PT.
Saya selaku Ketua STMIK Dipanegara dengan ini menyampaikan banyak terima kasih kepada semua panitia
baik panitia pusat maupun panitia lokal yang telah bekerja keras sehingga KNSI 2014 bisa terselenggara
ditempat ini. Selain itu terimalah permohonan maaf dari saya, mewakili Yayasan Dipanegara dan civitas
academica STMIK Dipanegara, apabila dalam penyelenggaraan konferensi dan pelayanan kami ada yang
dirasakan kurang memadai, demikian pula kesalahan dan ke-khilafan yang kami tidak sadari.
Akhirnya, selamat ber-konferensi, semoga dapat berjalan lancar dan sukses. Bagi peserta yang baru pertama-kali
ke Makassar kami ucapkan selamat datang dan selamat menikmati alam dan budaya khas Sulawesi Selatan.
Makassar, 27 Februari 2014
Ketua STMIK Dipanegara Makassar

Drs. Suarga. M.Sc, M.Math, Ph.D

KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

SAMBUTAN KETUA PANITIA KNSI 2014

Selamat datang di Kota Makassar.


Puji syukur kepada Tuhan Yang Maha Esa, atas perkenaan-Nya, Konferensi Nasional Sistem informasi (KNSI)
ke-10 tahun 2014 ini dapat diselenggarakan. Kegiatan ini merupakan kerjasama Sekolah Teknik Elektro dan
Informatika Institut Teknologi Bandung (ITB) dengan STMIK Dipanegara, Makassar.
Merupakan hal yang menggembirakan bahwa KNSI yang ke-10 ini menjadi pintu gerbang bagi terbitnya
proceeding dengan kode ISSN; yang akan dipakai untuk KNSI seterusnya.
Dalam KNSI 2014 ini terkumpul 349 paper yang akan dipublikasikan ke dalam proceeding dengan berbagai
macam topik diantaranya manusia, pendidikan, teknologi, organisasi dan budaya. Harapan kedepan agar lebih
banyak topik yang berhubungan dengan organisasi, sehingga masyarakat semakin paham bahwa posisi sistem
informasi merupakan posisi yang strategis.
Sebagai akhir kata, kami seluruh panitia konferensi mengucapkan banyak terima kasih kepada semua pihak yang
telah membantu terlaksananya KNSI 2014 ini.

Makassar, 25 Pebruari 2014


Ketua Panitia Pelaksana

Indra Samsie, S.Kom., M.Kom.

KNSI 2014

vi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

SUSUNAN ACARA KNSI 2014

Hari Pertama
Hari: Kamis, Tanggal 27 Pebruari 2014

No.
1.
2.
3.
4.
5.
6.

Waktu (Wita)
08.00 - 08.30
08.30 - 08.35
08.35 - 08.45
08.45 - 09.00
09.00 - 09.15
09.15 - 09.30

7.

09.30 - 09.45

8.
9.
10.
11.

09.45 - 09.50
09.50 - 09.30
10.30 - 11.00
11.00 - 12.30

12
13

12.30-13.30
13.30-15.00

14
15

15.00-15.30
15.30-17.00

Acara
Registration Peserta
Pembukaan MC
Tarian Pembukaan
Sambutan Ketua Pelaksana KNSI 2014
Sambutan Steering Committee KNSI
Sambutan Ketua STMIK Dipanegara Makassar
(Drs.H.Suarga, M.Sc., M.Math., Ph.D.)
Opening speech, Koordinator Kopertis Wilayah IX Sulawesi sekaligus
membuka acara KNSI 2014
Doa
Keynote Speaker iping
Persiapan Paralel Session I
Kelp.1
Kelp.2
Kelp.3
Kelp.4
R.108
R.109
R.110
R.111
Kelp.5
Kelp.6
Kelp.7
Kelp.8
R.112
R.201
R.202
R.203
Kelp.9
Kelp.10
Kelp.11
Kel.12
R.204
R.205
R.208
R.209
Kelp.13
Kelp.14
Kelp.15
R.210
R.211
R.212
Isoma/Persiapan Paralel Session II
Kelp.1
Kelp.2
Kelp.3
Kelp.4
R.108
R.109
R.110
R.111
Kelp.5
Kelp.6
Kelp.7
Kelp.8
R.112
R.201
R.202
R.203
Kelp.9
Kelp.10
Kelp.11
Kel.2
R.204
R.205
R.208
R.209
Kelp.13
Kelp.14
Kelp.15
R.210
R.211
R.212
Coffe Breack/Persiapan Palarelel Session III
Kelp.1
Kelp.2
Kelp.3
Kelp.4
R.108
R.109
R.110
R.111
Kelp.5
Kelp.6
Kelp.7
Kelp.8
R.112
R.201
R.202
R.203
Kelp.9
Kelp.10
Kelp.11
Kel.12
R.204
R.205
R.208
R.209
Kelp.13
Kelp.14
Kelp.15
R.210
R.211
R.212

Keterangan :Masing-masing peserta dialokasikan 15 menit untuk presentasi dan Tanya jawab

KNSI 2014

vii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

HARI KEDUA
Hari : Jumat, Tanggal 28 Pebruari 2014

No.

Waktu (Wita)

Acara

1
2

08.00-08.30
08.30-10.00

3
4

10.00-10.15
10.15 12.00

Registrasi Peserta, Persiapan Paralel Session IV


Kelp.1
Kelp.2
Kelp.3
Kelp.4
R.108
R.109
R.110
R.111
Kelp.5
Kelp.6
Kelp.7
Kelp.8
R.112
R.201
R.202
R.203
Kelp.9
Kelp.10
Kelp.11
Kel.12
R.204
R.205
R.208
R.209
Kelp.13
Kelp.14
Kelp.15
R.210
R.211
R.212
Coffee Break/Persiapan Penutupan
Penutupan

Keterangan :Masing-masing peserta dialokasikan 15 menit untuk presentasi dan Tanya jawab
HARI KETIGA
Hari : Sabtu, 01 Maret 2014
Pelaksanaan Paket Wisata / One Day Tour

KNSI 2014

viii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

PANDUAN UNTUK PRESENTASI PEMBICARA

1. Presntasi dalam bahasa Indonesia


2. Pembicara harus menyiapkan presentasinya lam format Microsoft Power Point File (*.ppt or *.ppb).
3. File presentasi harus diserahkan pada Organiting Committee sebelum dimulainya presentasi
4. Tiap paper hanya bias dipresentasikan oleh satu orang pembicara. Jika pembicara ingin mewakilkan
pada orang lain presentasinya, maka harus menghubungi panitia terlebih dahulu.
5. Pembicara harus menggunakan laptopyang disediakan oleh panitia
6. Tiap pembicara mempunyai waktu 15 menit untuk mempresentasikan papernya termasuk waktu
diskusi/Tanya jawab
7. Panitia berhak mengakhiri waktu presentasi apabila sudah melebihi 15 menit.

KNSI 2014

ix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

JADWAL PRESENTASI
SESSI I

No.

No.KNSI

KNSI-3

KNSI-8

3
4

KNSI-12
KNSI-14

KNSI-16

KNSI-18

No.

No.KNSI

KNSI-22

KNSI-24

KNSI-25

KNSI-27

KNSI-28

KNSI-29

No.
1

No.KNSI
KNSI-30

KNSI-33

KNSI-39

KNSI-1

KNSI-44

No.
1
2

No.KNSI
KNSI-55
KNSI-58

KNSI-59

4
5

KNSI-60
KNSI-144

KNSI-64

KNSI 2014

HARI PERTAMA, KAMIS, 27 Pebruari 2014


SESI I, KELOMPOK 1, RUANG 108
JUDUL MAKALAH
Arsitektur Pertukaran Data Berbasis Data Grid Dalam
Membangun Gorontalo Library Network
Sistem Pendukung Keputusan Untuk Menentukan Kualitas
Beras Berbasis Website Pada Kelompok Tani
Sistem Informasi Ruang Kuliah Berbasis Piranti Bergerak
Sistem Informasi Absensi Secara Online Di Perguruan Tinggi
E-Library Pada Badan Perpustakaan Dan Arsip Daerah
Provinsi Jambi
Pengenalan Iris Dengan Metode Principal Component
Analysis Dan Algoritma Quickprop
SESI I, KELOMPOK 2, RUANG 109
JUDUL MAKALAH
Pengenalan Iris Dengan Metode Principal Component
Analysis Dan Algoritma Quickprop
Sistem Televisi Jaringan Tertutup (CCTV) Berbasis Web
Web Usage Mining Untuk Penentuan Pola Akses User
Menggunakan Algoritma Hierarchical
Pengukuran Kinerja Aplikasi Micro Banking System
Menggunakan It Balanced Scorecard
Perancangan Sebuah Hexacopter
Pengembangan Sistem Simpan Pinjam Dan Keuangan Sesuai
Standar Akuntansi
SESI I, KELOMPOK 3, RUANG 110
JUDUL MAKALAH
Bayesian Network Prediction For Student Successfulness Of
Study On Academic Information System Engineering Faculty
Sistem Pendukung Keputusan Pemilihan Vendor Dengan
Metode Anp Dan Topsis
Pendekatan Program Stimulus Pada Anak Usia 7 Dan 8 Tahun
Untuk Pengenalan Kemampuan Berhitung
Perangkat Lunak Pengambilan Pengetahuan Akuntansi Di
Dalam Big Data
Clustering Dengan K-Means Dan K-Means Modifikasi
SESI I, KELOMPOK 4, RUANG 111
JUDUL MAKALAH
Aplikasi Mobile Sistem Informasi Manajemen Skripsi Online
Pengukuran Kaki Manusia Menggunakan Kode Rantai Untuk
Mendisain Sepatu Khusus
Penyeleksian Calon Mahasiswa Dengan Fuzzy Multi Attribute
Decision Making Menggunakan Topsis (Studi
Framework Knowledge Management Untuk Perguruan Tinggi
Model Sistem Executive Digital Dashboard Untuk Perguruan
Tinggi
Sistem Informasi Geografis Potensi Luas Lahan Wilayah
Pertanian Indonesia Berbasis Web Studi Kasus

PENULIS
Satria Abadi, Moh.
Hidayat Koniyo,
Satria Abadi,
M.Muslihudin
Rendra Gustriansyah
Farida Amalya
Faiza Rini, Muhammad
Ikhsan
Ferry Augustian
Siregar

PENULIS
Ferry Augustian
Siregar
Muhammad Risal
Arham
Maulana,Angelina
Prima Kurniati
Sandy Kosasi
Edi Victor Haryanto
Wilis Kaswidjanti

PENULIS
Heri Wijayanto, Sari
Ismi Wardani
Farindika Metandi
Reynoldus Andrias
Sahulata
Tacbir Hendro
Pudjiantoro, Elly
Suryani
Dian Eka Ratnawati

PENULIS
Ahmad Raf'ie Pratama
Cahyo Dwi Raharjo
Novi Yanti
Henderi
Henderi
Istikmal, Tody
Ariefianto Wibowo

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

SESI I, KELOMPOK 5, RUANG 112


JUDUL MAKALAH
Analisis Dan Design Big Data Social Media Untuk Bisnis Pt.
Telekomunikasi Indonesia, Tbk
Audit Teknologi Informasi Pusat Teknologi Informasi Dan
Pangkalan Data Menggunakan Cobit 4.1
Pengembangan Sistem E-Tracer Study Pada Perguruan Tinggi

No.KNSI
KNSI-69

KNSI-74

KNSI-80

KNSI-81

KNSI-87

KNSI-91

No.
1

No.KNSI
KNSI-90

KNSI-94

KNSI-98

KNSI-102

KNSI-105

KNSI-112

No.
1

No.KNSI
KNSI-114

SESI I, KELOMPOK 7, RUANG 202


JUDUL MAKALAH
Komunikasi Csr Melalui Media Sosial, Mungkinkah?

KNSI-116

Mengukur Tingkat Kebergunaan Aplikasi Berbasis Web

KNSI-117

KNSI-119

KNSI-121

KNSI-128

Analisa Ketahanan Citra Stego Metode LSB, LSB+1, LSB+2,


MSB Terhadap Perubahan Kecerahan Citra
Aplikasi Visualisasi Informasi Rute Dan Area Di Sekitar
Halte Trans Jakarta Jurusan Pulogadung Dukuh Atas Berbasis
Multimedia
Perancangan Aplikasi Deteksi Kecurangan Pada Klaim
Jaminan Kesehatan Daerah Kabupaten Berau
Penerapan Fuzzy Sugeno Dalam Sistem Pendukung
Keputusan Menentukan Kelas Peminatan (Studi Kasus : Stmik
Potensi Utama)

No.
1

No.KNSI
KNSI-129

KNSI-131

3
4

KNSI-132
KNSI-134

KNSI 2014

Penerapan Fuzzy Logic Pada Sistem Pendukung Penentuan


Loyal Customer
Sistem Informasi Pemberian Beasiswa Pada Sekolah
Menengah Atas Dengan Metode Simple Additive
Analisis Model Aplikasi Ventila Dengan Uml Dan Pendekatan
Agile
SESI I, KELOMPOK 6, RUANG 201
JUDUL MAKALAH
Aplikasi Augmented Reality Pengenalan Lingkungan
Perpustakaan Universitas Gunadarma Berbasis
Tingkat Penggunaan Web Sebagai Media Komunikasi Csr
Oleh Perusahaan Di Indonesia
Penerapan Teknik Kompresi Huffman Sebagai Penghematan
Tempat Penyimpanan File Ciphertext
Penerapan Teknik Kompresi Huffman Sebagai Penghematan
Tempat Penyimpanan File Ciphertext
Aplikasi Enkripsi Dan Dekripsi Pada Short Message Service
Menggunakan Algoritma Vigenere
Penerapan E-Crm Pada Layanan Informasi Akademik Di
Perguruan Tinggi

SESI I, KELOMPOK 8, RUANG 203


JUDUL MAKALAH
Implementasi Kerangka Kerja Disciplined Agile Delivery
Dalam Proses Analisa Dan Perancangan Sistem Informasi
Adopsi Balanced Scorecard Pada Model Implementasi ELearning
Media Pembelajaran Interaktif Bagi Siwa Sekolah Dasar
Perancangan Aplikasi Pemesanan Taksi Berbasis Sms

PENULIS
Asniar
Angraini, Megawati
Reza Chandra, Renny
Dian Tri Wiyanti, B.
Very Christioko
Citra Noviyasari
Stanley Karouw

PENULIS
Andiny Oktariana
Sri Wulan Windu
Ratih, Purwanti
Iwan Fitrianto Rahmad
Dyah Cita Irawati
Ana Kurniawati
Dessy Wulandari
Asfary Putri. Hanum
Putri P.

PENULIS
Ati Harmoni, Marliza
Ganefi
Almed Hamzah
Yudhi Andrian
M. Al' Amin

Kusrini
Alfa Saleh

PENULIS
Stanley Karouw
Yanuar Firdaus,
Kusuma Ayu
Laksitowening
Winda Widya Ariestya
Helmi Kurniawan

xi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

No.KNSI

KNSI-138

KNSI-141

No.
1

No.KNSI
KNSI-142

2
3

KNSI-143
KNSI-62

4
5

KNSI-146
KNSI-149

KNSI-153

No.
1

No.KNSI
KNSI-154

KNSI-159

KNSI-162

KNSI-164

KNSI-166

KNSI-168

No.
1

No.KNSI
KNSI-170

KNSI-172

KNSI-176

KNSI-181

KNSI-183

KNSI-187

No.
1

No.KNSI
KNSI-188

KNSI 2014

SESI I, KELOMPOK 8, RUANG 203


JUDUL MAKALAH
Gateway Pada Perusahaan Travel Taksi
Aplikasi Augmented Reality Pengenalan Alat Dapur
Tradisional Berbasis Desktop
Pengembangan Algoritma Identifikasi Fertilitas Telur Itik
Menggunakan Segmentasi Citra

SESI I, KELOMPOK 9, RUANG 204


JUDUL MAKALAH
Rancang Bangun Sistem Informasi Potensi Pangan Lokal Di
Provinsi Nusa Tenggara Timur (Ntt)
Pengembangan Sistem Informasi Apotek
Penerapan Data Mining Untuk Menganalisa Mahasiswa
Terdaftar Menggunakan Teknik Klaster Di
Aplikasi Mobile Peresepan Pulveres
Prototipe Pemanfaatan Telepon Selular Untuk Menyampaikan
Informasi Kondisi Pintu Air Ke Pusat Kendali
Pengembangan Sistem Informasi Kepegawaian Berbasis Web
(Studi Kasus: Baitulmaal Muamalat)
SESI I, KELOMPOK 10, RUANG 205
JUDUL MAKALAH
Implementasi Kriptografi Dalam Pengamanan Data Pemilihan
Umum Tahun 2014
Model Prototype Sistem Erp Modul Pembelian Dan Penjualan
Untuk Meningkatkan Produktifitas Pada Koperasi Konsumsi
Di Indonesia
Analisis Pemanfaatan Teknologi Informasi Menggunakan
Pendekatan Unified Theory Of Acceptance And Use
Technology 2 (UTAUT 2) (Studi Kasus : Flexible Learning
(F-Learn) UKSW)
Desain Aplikasi Layanan Gangguan Penerangan Jalan Umum
Sebagai Implementasi G2c
Analisis Problem Management It Helpdesk Dengan Penerapan
Itsm Dan Sla (Studi Kasus : Citigroup Indonesia)
Pengukuran Tingkat Penerimaan Sistem Informasi Knowledge
Management Batik Menggunakan Metode Utaut2 (Studi
Kasus: Mahasiswa Institut Manajemen Telkom)
SESI I, KELOMPOK 11, RUANG 208
JUDUL MAKALAH
Sistem Peringatan Dini Status Gunung Berapi Menggunakan
Pengklasifikasi Naive Bayes
Analisis Kebutuhan Dan Faktor Yang Mempengaruhi
Kepuasan Pengguna Sistem Informasi
Penjadwalan Perawat Di IRD Rumah Sakit XYZ
Menggunakan Model Goal Programming
Aplikasi Pembelajaran Berwudhu Dan Sholat Menggunakan
Adobe Flash Cs5
Peringkasan Otomatis Dokumen Teks Berbahasa Indonesia
Dengan Metode Lexrank
Pengembangan Algoritma Pengolahan Citra Dijital Model
Warna Dasar Dalam Penentuan Mutu Buah Jeruk Keprok
SESI I, KELOMPOK 12, RUANG 209
JUDUL MAKALAH
Rancang Bangun Pkumaps.Com Berbasis Location Based

PENULIS
Rizka
Muslimaturrohmah
Suharni, Lussiana Etp

PENULIS
Natalia Magdalena
R.Mamulak
Rin Rin Meilani Salim
Green Ferry Mandias
Hendrik
Tjahjo Dwinurti,
Dyah Pratiwi
Nia Kumaladewi

PENULIS
Irwansyah
Santo F.Wijaya,
Hendra Alianto
Adi Tio Christiono,
Johan J. C. Tambotoh

Meta Amalya Dewi


Lena Magdalena, Deny
Martha
Ni Putu Nurwita
Pratami Wijaya

PENULIS
Dewi Yanti Liliana,
Indri Neforawati
Gede Agung Ary
Wisudiawan
Wiwik Anggraeni
Erma Sova, Rani
Puspita
Achmad Ridok
Zainul Arham

PENULIS
Nazruddin Safaat H,

xii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

No.KNSI

SESI I, KELOMPOK 12, RUANG 209


JUDUL MAKALAH
Service (Lbs) Dengan Teknologi Multi Platform

KNSI-196

KNSI-197

KNSI-199

KNSI-200

KNSI-201

No.
1

No.KNSI
KNSI-202

KNSI-205

KNSI-210

KNSI-211

KNSI-215

KNSI-216

No.
1

No.KNSI
KNSI-217

KNSI-222

KNSI-223

KNSI-224

KNSI-226

KNSI-227

No.
1

No.KNSI
KNSI-230

SESI I, KELOMPOK 15, RUANG 212


JUDUL MAKALAH
Perancangan Kerangka Crowdsourcing Berbasis Wisdom Of
Crowds Untuk Kamus Bahasa Sasak Online

KNSI-233

Algoritma C 4.5 Dan Adaboost Untuk Pengklasifikasian Pola

KNSI 2014

Perancangan Modulator Ask Pada Tag Rfid 13,56 Mhz


Dengan Berbantuan Mentor Graphics Teknologi Ams 0,35 M
Perancangan Comparator Pada Tag Rfid 13.56 Mhz Dengan
Berbantuan Mentor Graphics Pada Teknologi Cmos Ams 0.35
m
Identifikasi Kondisi Permukaan Jalan Dengan Pemanfaatan
Jaringan Syaraf Tiruan
Pengenalan Pola Citra Ikan Laut Berdasarkan Tekstur Dan
Bentuk
Perencanaan Strategik Sistem Informasi Manajemen Rsud Dr.
Murjani Sampit
SESI I, KELOMPOK 13, RUANG 210
JUDUL MAKALAH
Model Pembuatan Pengetahuan Sebagai Pendukung Kinerja
Penelitian Perguruan Tinggi (Studi Kasus : Perguruan Tinggi
Swasta Di Bandung)
Implementasi Dan Desain Kamera Berbasis Teknologi CMOS
0.35m Menggunakan Aplikasi Mentor Graphics
Market Basket Analysis Dengan Menerapkan Ct-Pro
Sistem Pengenalan Wajah Dengan Menggunakan Metode
Linear Discriminant Analysis (Lda)
Sistem Pendukung Keputusan Penerimaan Mahasiswa Baru
Program Beasiswa D3 Tkj Dengan Metode Saw ( Simple
Additive Weigthing)
Prediksi Lama Kelulusan Mahasiswa Menggunakan Metode
Jaringan Syaraf Tiruan Study Case Stmik Tasikmalaya
SESI I, KELOMPOK 14, RUANG 211
JUDUL MAKALAH
Implementasi Teknologi Informasi dan Komunikasi dalam
Sistem Pembayaran Pajak di Indonesia: Suatu Analisis
Institusional Komparatif
Sistem Informasi Akuntansi Pendapatan pada Perusahaan ECommerce: Studi Kasus deal.co.id
Model Prediksi Masa Studi Mahasiswa Menggunakan
Algoritma Projective Art
Penilaian Performa Jaringan Dengan Menggunakan Jaringan
Syaraf Tiruan
Penggalian Data Ijin Gangguan/Ho (Hinderordonnantie)
Untuk Pemetaan Kesesuaian Jalan Dan Indeks Gangguan
Dalam Pengeluaran Ijin Di Unit Pelayanan Satu Atap
Pemerintah Kabupaten Tasikmalaya Menggunakan Teknik
Clustering
Sistem Informasi Keuangan Sebagai Teknologi Tepat Guna
Bagi Koperasi Pemulung Barang Bekas (BABE)

PENULIS
Dimas Essa Anugrah
Putra
Erma Triawati Ch
Erma Triawati Ch

Yance Sonatha, Meri


Azmi
Bambang Krismono
Triwijoyo
Slamet Riyadi

PENULIS
Bagus Kurniawan

Purnawarman Musa,
missa lamsani
Shinta Siti Sundari,
Evi Dewi Sri Mulyani
Ichsan Taufik
Teuku Mufizar,
Dani Rohpandi
Egi Badar Sambani,
Rahadi Deli Saputra

PENULIS
Agung Darono

Stepani Sisca
Wulandari
Lillyan Hadjaratie
Edwin Riksakomara
Evi Dewi Sri Mulyani,
Egi Badar Sambani

imam tahyudin,
Fandy Setyo Utomo

PENULIS
Aswian Editri
Sutriandi,
L. M. Samsu, Ramli A.
Fitri Nuraeni,

xiii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

No.KNSI

KNSI-236

KNSI-241

KNSI-244

KNSI-250

No.
1

No.KNSI
KNSI-251

KNSI-256

KNSI-260

KNSI-261

KNSI-262

No.
1

No.KNSI
KNSI-266

KNSI-267

KNSI-275

KNSI-277

KNSI-280

KNSI-281

No.
1

No.KNSI
KNSI-282

KNSI-283

KNSI-285

KNSI-287

5
6

KNSI-290
KNSI-293

KNSI 2014

SESI I, KELOMPOK 15, RUANG 212


JUDUL MAKALAH
Pembayaran Kredit Motor Perusahaan Pembiayaan (Leasing)
Colaborative Methods Model Dalam Membandingkan
Dokumen Untuk Mengukur Prosentase Kemiripan
Model Sistem Evaluasi Kinerja Guru SMK

Penerapan Algoritma Dijkstra Pada Aplikasi Pekanbaru Taksi


Guide Pada Platform Android
MEMO ONLINE: Aplikasi Kolaborasi Surat Dinas

SESSI II
SESI II, KELOMPOK 1, RUANG 108
JUDUL MAKALAH
Formulasi Model Olah Data Spasial Sekolah Menengah Atas
Untuk Menduga Kecukupan Daya Tampung Berdasar Lulusan
Sekolah Menengah Pertama
Permasalahan Limbah Elektronik (E-waste) dan Solusi
Penanganannya di Indonesia
Sistem Informasi Tata Letak Ruang Pada Lokasi Kampus
Berbasis Android
Sistem Pendukung Keputusan Seleksi Pemain Futsal (Studi
kasus UKM Futsal Fakultas Teknologi Industri Universitas
Islam Indonesia)
Aplikasi Pemantauan Bus Pariwisata Dengan Menggunakan
Php Dan Google Maps

PENULIS
Dani Rohpandi
Junaidi
Rosa de Lima Endang
Padmowati
Febi Yanto
Nyoman Bogi Aditya
Karna

PENULIS
Agus P

Ranny
Revida Iriana
Napitupulu
Arwan Ahmad
Khoiruddin
Ricky Agus T.
Malika Purna

SESI II, KELOMPOK 2, RUANG 109


JUDUL MAKALAH
Analisis Metode Bootstrap Untuk Pembangunan Parallel
Corpus Pada Statistical Machine Translation

PENULIS
Kurniawan Nur
Ramadhani

Aplikasi Navigasi Peta Bangunan Dalam Bentuk 3 Dimensi


Berbasis Game
Model Penyusunan Blue Print Information Technology
Governance Di Rumah Sakit

indri neforawati,
Dewi Yanti Liliana
N. Tri Suswanto
Saptadi

Perancangan Aplikasi Emotion Detection Software Untuk


Pengenalan Ekspresi Wajah
Evaluasi Tata Kelola Ti Pemerintah Kabupaten Banyuasin

Vitri Tundjungsari

Aplikasi Simple Additive Weighting (Saw) Dalam Penentuan


The Most Loyal Customer
SESI II, KELOMPOK 3, RUANG 110
JUDUL MAKALAH
Online Analitical Processing Sistem Pengelolaan Keuangan
Daerah (Studi Kasus Pemerintah Provinsi XYZ)
Aplikasi Berbasis Web Untuk Pelatihan Meningkatkan Daya
Ingat
Membangun Model Micropayment Berbasis Smart Card
Dengan Menggunakan Framework Hevner
Penggunaan Teknik Reverse Engineering Pada Malware
Analysis Untuk Identifikasi Serangan Malware
XForms: Form Web Masa Depan?
Penerapan Framework Zachman Untuk Integrasi Sistem

Muhammad Rizky
Pribadi
Dian Tri Wiyanti,
Nursanti Irliana,

PENULIS
Kholid Haryono
Ami Fauzijah,
Niken Dianita
Azzahra Ratu Kamila
Yudi Prayudi
Ungkawa
ikbal jamaludin

xiv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Informasi Apotek Menggunakan Metode Enterprise


Architecture Planning

No.
1

No.KNSI
KNSI-294

KNSI-297

KNSI-298

KNSI-301

5
6

KNSI-302
KNSI-304

No.
1

No.KNSI
KNSI-305

KNSI-306

KNSI-308

KNSI-309

KNSI-310

KNSI-311

No.
1

No.KNSI
KNSI-315

KNSI-318

KNSI-320

KNSI-323

KNSI-325

KNSI-326

No.
1

No.KNSI
KNSI-329

KNSI 2014

SESI II, KELOMPOK 4, RUANG 111


JUDUL MAKALAH
3 Dimensi Modeling Character Hewan Berkaki Empat Dengan
Metode Rigging
Analisis Budaya Organisasi Terhadap Strategi Penerapan
Teknologi Informasi Untuk Membangun Budaya Organisasi
Yang Islami
Implementasi Layanan Informasi Akademik Menggunakan
Twitter
Survey Terhadap Pembelajaran Mesin untuk Deteksi Penipuan
(Fraud) Transaksi Kartu Kredit
E-Marketplace Sebagai Penyedia Layanan Penjualan Barang
Sistem Informasi Monitoring Kuliah online

SESI II, KELOMPOK 5, RUANG 112


JUDUL MAKALAH
Implementasi Refactoring Pada Source Code Untuk
Memudahkan Maintenance Program
Evolusi Software Open Source Dalam Perspektif Fase
Pengembangan Dan Hukum Lehman
Sistem Pendukung Keputusan Penilaian Risiko Kerugian
Bank Syariah
Desain Dan Implementasi E-Commerce Untuk Ukm Berbasis
Komunitas : Studi Kasus Ukm Di Wilayah Pamulang
Pengembangan Model Penerapan Togaf Dan Cobit Dalam
Tata Kelola Teknologi Informasi Pada Amik Wahana Mandiri
Pengembangan Sistem Quran Retrieval Untuk Terjemahan
Bahasa Inggris Dengan Metode Okapi Bm25 Dan Porter
Stemmer
SESI II, KELOMPOK 6, RUANG 201
JUDUL MAKALAH
Implementasi Web Service Pada Aplikasi Sistem Informasi
Akademik Dengan Platform Mobile
Batik Stereogram dengan Depth Map Smoothing
Teknik Control Mark Packet dan Mark Connection
Menggunakan Metode PCQ
Sistem Informasi Geografis Dengan Fitur Peta Dan Rute
Perjalanan, Studi Kasus Di Kabupaten Malang
Pengembangan Alat Bantu Brand Monitoring Di Situs Jejaring
Sosial Twitter Menggunakan Metode Nave Bayes Classifier
Dan Mutual Information
Kajian Analisis Penerapan Konten e-government Pada
Website Resmi Pemerintah Propinsi Nusa Tenggara Timur
SESI II, KELOMPOK 7, RUANG 202
JUDUL MAKALAH
Rancang Bangun Aplikasi Location Based Service Praktek
Dokter Hewan Pada Sistem Operasi Android Dengan
Menggunakan Java Eclipse Galileo

PENULIS
Muhammad Rusdi
Tanjung,
Megawati

Dwi Agus Diartono,


Herny Februariyanti
Luqman Abdul
Mushawwir
David
Yasin Efendi

PENULIS
Mardhiah Fadhi
Mardhiah Fadhli
Rakhma Oktavina,
Retno Maharesi
Saipul Anwar
Yasin Efendi
Sucipto
Surya Agustian

PENULIS
Purnawansyah
Amaliah Faradibah
Arwan Ahmad
Khoiruddin
Gat
Djoni Haryadi
Setiabudi
ZK Abdurahman
Baizal
Yulianti Paula Bria

PENULIS
Nur Sultan Salahuddin

xv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
2

No.KNSI
KNSI-330

KNSI-341

KNSI-342

KNSI-344

KNSI-346

No.
1

No.KNSI
KNSI-328

KNSI-43

KNSI-348

KNSI-349

KNSI-359

KNSI-360

No.
1

No.KNSI
KNSI-89

KNSI-361

KNSI-364

KNSI-365

KNSI-368

KNSI-369

No.
1

No.KNSI
KNSI-379

KNSI-380

KNSI-382

KNSI-383

KNSI 2014

SESI II, KELOMPOK 7, RUANG 202


JUDUL MAKALAH
Algoritma Freeman Chain Code Untuk Pembelajaran Menulis
Aksara Jawa
Rancang Bangun Web Services Pada Aplikasi Presensi
Pemerintah Kota Manado
Aplikasi Kehadiran Siswa Berbasis SMS Gateway
menggunakan Teknologi Barcode pada SMA Unklab
Segmentasi Citra Ct Scan Paru Dengan Metode Morfologi
Dan Watershed Untuk Mengurangi Over- Segmentasi Pada
Citra
Penerapan Steganografi Metode End Of File (Eof) Dan
Enkripsi Metode Data Encryption Standard (Des) Pada
Aplikasi Pengamanan Data Gambar Berbasis Java
Programming

SESI II, KELOMPOK 8, RUANG 203


JUDUL MAKALAH
Perbandingan Metode Pengenalan Wajah Secara Real-Time
Pada Perangkat Bergerak Berbasis Android
Penentuan Pola Peminjaman Buku Pada Perpustakaan Stikom
Bali Menggunakan Algoritma Fp-Growth
Sistem Rekomendasi Pariwisata di Kota Palu Menggunakan
Knowledge based Filteringnowledge based Filtering
Pemanfaatan Relasi Semantik WordNet untuk Penentuan
Susunan Kalimat Ringkasan Ekstraktif
Trend Forensik Sistem File Dalam Penyelidikan Data Sebagai
Bukti Kejahatan
Sistem Informasi Kehadiran Mahasiswa pada AMIK Wahana
Mandiri berbasis PHP
SESI II, KELOMPOK 9, RUANG 204
JUDUL MAKALAH
Pengembangan Sistem Ujian Masuk Stmik Stikom Bali
Berbasis Windows Phone 7
Deteksi Warna Kulit Manusia Berbasis Pixel Menggunakan
Ruang Warna Hsv Dan Ycbcr
Implementasi Algoritma Douglas-Peucker Untuk
Minimalisasi Data Jalur Pelacakan Lokasi
Algoritma Pewarnaan-F Untuk Optimasi Penjadwalan Waktu
Komputasi
Pemanfaatan Sistem Informasi Geografis (Gis) Untuk
Pemetaan Data Daerah Penghasil Kopi Pada Kecamatan
Doloksanggul
Algoritma Sieve Of Eratosthenes Paralel Berbasis Mpi Pada
Sistem Komputasi Paralel In-Grid
SESI II, KELOMPOK 10, RUANG 205
JUDUL MAKALAH
Usulan Rancangan Sistem Administrasi Penduduk Jawa Barat
Sebagai Portal Online Berkonsep Zero Stop Services
Dashboard Monitoring Layanan Berkas Pada Kantor Notaris
Agus Rahmat, Sh Spn
Aplikasi Custom Batik Design Sebagai Pelengkap Inovasi
Pemasaran Produk Batik
Kontrol Robot Mobil Berbasis Android Menggunakan Wi-Fi

PENULIS
Rudatyo Himamunanto
Deddy Christoper
Kakunsi, Virginia T.
Stenly Richard Pungus
Rina Noviana

Yayuk Anggraini,
Dolly Virgian Shaka
Yudha Sakti

PENULIS
Septian Adi Wijaya
I Gusti Rai Agung
Sugiartha
Debby E. Sondakh
Margaretha Siahaan,
Masayu Leylia Khodra
Resi Utami Putri
Rushendra,
Saipul Anwar

PENULIS
I Gede Muriarka
Muh. Arif Rahman
Handika Chandra,
Maria Irmina
Prasetiyowati
Adiwijaya
Alfonsus Situmorang

Surya Agustian

PENULIS
Inne Gartina Husein
Meta Amalya Dewi,
Wisnu hidayat
Ira Phajar Lestari,
YUDI ADHA
Sugeng Purwantoro

xvi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI-385

KNSI-388

No.
1
2

No.KNSI
KNSI-390
KNSI-397

KNSI-403

KNSI-415

KNSI-37

KNSI-5

No.
1

No.KNSI
KNSI-6

KNSI-10

KNSI-17

KNSI-21

KNSI-23

KNSI-40

No.
1

No.KNSI
KNSI-31

KNSI-32

KNSI-36

KNSI-38

KNSI-41

KNSI-175

No.
1

No.KNSI
KNSI-42

KNSI 2014

Sebagai Media Remote


Pemanfaatan Basic For Android Dan Sqlite Dalam
Membangun Aplikasi Smartphone Untuk Monitoring Prestasi
Siswa
Analisis Metode Untuk Diagnosis Penyakit Dbd
Menggunakan Artificial Neural Networks Dan Neurofuzzy
SESI II, KELOMPOK 11, RUANG 208
JUDUL MAKALAH
Implementasi Aplikasi E-Voucher Game Online
Peningkatan Kualitas Pembelajaran Mata Kuliah
Pemrograman Berorientasi Objek
Aplikasi Pembelajaran Bahasa Inggris Dengan Materi
Pengenalan Tenses Menggunakan Visual Basic
Pemodelan Aplikasi Sistem Monitoring Cerdas Berbasis
Embedded System (Sistem Tertanam) & SMS Gateway
Meto de Most Prominent Ridge Line Pada Pengukuran
Rangka Atlet Jalan Cepat
Software Requirement Specification Sistem Perencanaan
Biaya Perjalanan Ibadah Haji Sesuai Dengan Standard IEEE
830-

SESI II, KELOMPOK 12, RUANG 209


JUDUL MAKALAH
Sistem Pendukung Keputusan Seleksi Siswa Berprestasi Pada
Smk Nurul Huda Pringsewu Menggunakan
Penerapan Visualisasi Algoritma BFS dan A-Star
Menggunakan Library Pathfinding.js Pada Kegiatan
Perkuliahan
Sistem Pakar Diagnosa Penyakit Hipertensi Menggunakan
Metode Case Based Reasoning
Membangun E-Lerning Menggunakan Moodle Pada Smk
Negeri 4 Samarinda
Perbandingan: Prediksi Prestasi Belajar Mahasiswa
Menggunakan Teknik Data Mining (Study Kasus
Pengembangan Sistem Informasi Sekolah Berbasis Mobile
Augmented Reality
SESI II, KELOMPOK 13, RUANG 210
JUDUL MAKALAH
Pengembangan Basisdata Penyakit Kulit Berbasis Computer
Vision Melalui Deteksi Tepi
Penerapan Metode Case Based Reasoning Dan Forward
Chaining Pada Sistem Pakar Untuk Diagnosa Awal
Analisa Sumber Daya Untuk Peningkatan Keamanan Pada
Sistem Jaringan Cloud Computing
Sistem Pakar Dengan Beberapa Basis Pengetahuan Untuk
Peningkatan Kualitas Tanaman Pangan
Penerapan Metode Penetration Testing Untuk Pengujian
Keamanan Jaringan
Pembuatan Aplikasi Kompresi Dokumen Berbahasa Indonesia
Menggunakan Algoritma Burrows-Wheeler
SESI II, KELOMPOK 14, RUANG 211
JUDUL MAKALAH
Dampak Gabungan Kata Berbahasa Arab Terhadap Hasil
Mesin Penerjemah Berbasis Statistik

E.S.G.S
Junaidi

Suhaeri

PENULIS
Suryatiningsih
Susana Limanto
Rizal
Arief Andy Soebroto,
Nabila Mahastika
Priadana
Hustinawaty
Yudhi Kurniawan,

PENULIS
M. Muslihudin
R. Sandhika Galih A.

Heny Pratiwi
Siti Qomariah, Heny
Pratiwi
Sofi Defiyanti
MIftah Adriansyah,
Nuryuliani

PENULIS
Hapnes Toba
Titik Wihayanti, Soni
Fajar Surya Gumilang
Yohannes Yahya
Welim
Agus Sasmito Aribowo
Bambang Pujiarto
Lulu Chaerani

PENULIS
Rahmat Izwan Heroza

xvii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
2

No.KNSI
KNSI-45

KNSI-46

KNSI-49

KNSI-50

KNSI-61

No.
1
2

No.KNSI
KNSI-67
KNSI-71

KNSI-79

KNSI-84

KNSI-85

KNSI-88

SESI II, KELOMPOK 14, RUANG 211


JUDUL MAKALAH
Penilaian Model Strategi Implementasi Teknologi Cloud
Computing Untuk Pemerintah Daerah
Optimalisasi Kinerja Sistem Informasi Akademik Universitas
Siliwangi Menggunakan Memcached Dan
Aplikasi Profile Matching Dalam Pemilihan Barang Kategori
High Shrinkage
Implementasi Des Dan Ip Security Pada Sistem Informasi
Penjualan E-Pharmacy
Penerapan Jaringan Saraf Tiruan pada Mikrokontroler untuk
Identifikasi Intonasi Suara

SESI II, KELOMPOK 15, RUANG 212


JUDUL MAKALAH
Strategi Outsourcing menggunakan Software as a Service
Implementasi Algoritma Genetika Pada Sistem Penjadwalan
Mata Kuliah
Pengembangan Sistem Pelacakan Dan Dokumentasi Foto
Sejarah Indonesia Dengan Pendekatan Content
Model Multimedia Sebagai Media Pembelajaran Alternatif
Untuk Meningkatkan Self Motivated Learning
Perancangan Self-Service Kiosk Information System Di
Universitas Abc
Pengukuran Penerimaan Sistem Informasi Dampaknya
Terhadap Kualitas Layanan

PENULIS
Eka Wahyu Hidayat
Eka Wahyu Hidayat,
Alam Rahmatulloh
Nursanti Irliana, Vensy
Vydia
Dewi Rosmala
I Nyoman Kusuma
Wardana. Ni Luh Gede
Pivin Suwirmayanti

PENULIS
Toni Kusnandar
Jasman Pardede
Nelly Sofi1
Emiliana Meolbatak
Eka Wahyu Hidayat
Sali Alas M

SESSI III
No.
1

No.KNSI
KNSI-99

2
3

KNSI-104
KNSI-106

KNSI-113

KNSI-118

KNSI-123

No.
1

No.KNSI
KNSI-126

KNSI-137

KNSI-145

4
5

KNSI-155
KNSI-157

KNSI-158

KNSI 2014

SESI III, KELOMPOK 1, RUANG 108


JUDUL MAKALAH
Evaluasi Popularitas Electronic Journal Dengan Pendekatan
Social Network System
Pengembangan Website Virtual Charity
Vulnerability Assessment Terhadap Jaringan Untuk
Keamanan Informasi
Perancangan Sistem E-Document Pada Cabang Bank Dki
Perancangan Model Penilaian Keterampilan Mahasiswa di
Perguruan Tinggi
Prototipe Visualisasi Informasi Industri Kreatif Berbasis Web
Sistem Informasi Geografis

SESI III, KELOMPOK 2, RUANG 109


JUDUL MAKALAH
Sistem Informasi Pelaporan Perjalanan Dinas (Studi Kasus :
Sekretariat Jenderal Kementerian Agama
Aplikasi Augmented Reality Wisata Taman Mini Indonesia
Indah Berbasis Android
Integrasi Sistem Sensor Accelerometer, Modul 3G dan GPS
serta Mobile Network untuk Mendeteksi Kekuatan Benturan
Sistem Pakar Diagnosa Penyakit Gigi dan Mulut berbasis Web
Implementasi Multithreading Untuk Meningkatkan Kinerja
Information Retrieval Dengan Metode Gvsm
Model pembelajaran Computer Assisted Learning berbasis
multimedia matakuliah Psikologi Kognitif

PENULIS
Ivan Maurits
Gunawan, Fandi Halim
Doddy Ferdiansyah
Deasy Indayanti, Nelly
Sofi
Caca E. Supriana
EMY HARYATMI

PENULIS
Sarip Hidayatuloh
Nur Senjani Putri,
Dyah Pratiwi
Iman Fahruzi
Sefty Wijayanti
Jasman Pardede
M.Achsan Isa Al
Anshori, Tri
Sulistyorini

xviii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

SESI III, KELOMPOK 3, RUANG 110


JUDUL MAKALAH
Sebuah Usulan Cloud Computing Governance Model

No.
1

No.KNSI
KNSI-163

KNSI-167

KNSI-174

KNSI-186

Arsitektur Sistem Informasi Pariwisata

KNSI-195

KNSI-219

Tata Kelola TI Menggunakan Weill-Ross Model (Studi Kasus:


Itenas Bandung)
Prediksi Keberhasilan Studi Mahasiswa Menggunakan
Artificial Neural Network Berbasis Indeks Prestasi

No.
1

No.KNSI
KNSI-221

KNSI-232

KNSI-235

KNSI-240

KNSI-255

KNSI-265

No.
1

No.KNSI
KNSI-245

2
3

KNSI-248
KNSI-270

KNSI-273

KNSI-274

KNSI-284

No.
1

No.KNSI
KNSI-271

2
3

KNSI-295
KNSI-296

KNSI-331

KNSI-332

KNSI-337

KNSI 2014

Pengukuran Kebijakan Penerapan TI Menggunakan Hype


Cycle Studi Kasus Absensi Fingerprint di Fakultas Teknik
Organizational Alignment Himpunan Mahasiswa di Perguruan
Tinggi

SESI III, KELOMPOK 4, RUANG 111


JUDUL MAKALAH
Model Keputusan Decision Tree Untuk Optimalisasi
Pengadaan Obat Di Apotek
Klasifikasi Kategori Berita Dengan Metode Pembelajaran
Semi Supervised
Rancangan Sistem Informasi Pengelolaan Peralatan Olahraga
Dengan Pendekatan Fixed-Asset Management Life Cycle
Penetapan Function dan Event dalam Perancangan System
Requirement
Pemanfaatan Aplikasi Mysql Workbench Untuk Penerapan
Visualisasi Desain Erd Dalam Manajemen
Sistem Informasi Keunikan Alam Dan Tradisi Petang
Mangupura Berbasis Android
SESI III, KELOMPOK 5, RUANG 112
JUDUL MAKALAH
Penetapan Business System Pada Rancang Bangun Sistem
Pendukung Keputusan Perekomendasian Bidang
Profil Pengguna Perbankan Internet di Pulau Jawa
Analisis Perencanaan Jaringan Lte (Long Term Evolution) Di
Denpasar Bali
Perancangan Aplikasi Peta Lokasi Konser Musik Dan
Pemesanan Tiket Konser Online
Rancang Bangun Komponen Pengumpan Data Pengolahan
Citra Berbasiskan Fpga
Penggunaan Qr Code Untuk Mempermudah Sensus Barang Di
Kota Cilegon
SESI III, KELOMPOK 6, RUANG 201
JUDUL MAKALAH
Analisa Pengelompokan Konsentrasi Program Studi
menggunakan K-Means Clustering
C4.5 Algorithm For Forest Fire Prediction
Faktor-Faktor Yang Memengaruhi Knowledge Sharing Di
Antara Staf Akademik Di Kupang
Aplikasi E-Learning Pada Smp Negeri 1 Bayung Lincir
Personalisasi Konten Pembelajaran Berdasarkan Pendekatan
Tipe Belajar Triple-Factor pada Student Centered EINFRASTRUKTUR SCADA (Supervisory Control And Data

PENULIS
Soni Fajar Surya
Gumilang
Nanda Prasetyo, Shelly
Yolanda
Siti Fauzia
Khairunnisa, Puput
Nurovy
Rachmansyah,
Gusmelia Testiana
R. Budiraharjo
Mukhtar Hanafi

PENULIS
Agus Heryanto, Sali
Alas M
Masayu Leylia Khodra,
Danang Tri Massandy
Pepy Tri Anisa, Sali
Alas M
Yogi Nur Fadilah, Sali
Alas M
Jejen Samsul Aripin
Ni Nyoman Harini
Puspita

PENULIS
Nita Apriyanti, Sali
Alas M
Kartika Sari
Candra Ahmadi
Kartini
Sunny Arief Sudiro,
Bheta Agus Wardijono
Anggoro Suryo
Pramudyo

PENULIS
Ni Ketut Dewi Ari
Jayanti
Castaka Agus Sugianto
Semlinda Juszandri
Bulan
Beni Murdani, sukma
puspitorini
Mira Suryani
Didik Aribowo

xix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Acquisition) PT. KRAKATAU DAYA LISTRIK

No.
1

No.KNSI
KNSI-272

KNSI-345

3
4

KNSI-347
KNSI-351

KNSI-352

KNSI-370

No.
1
2

No.KNSI
KNSI-371
KNSI-372

KNSI-373

KNSI-374

KNSI-375

KNSI-396

No.
1

No.KNSI
KNSI-381

KNSI-384

3
4
5

KNSI-387
KNSI-402
KNSI-406

KNSI-410

No.
1

No.KNSI
KNSI-56

KNSI-148

KNSI-171

KNSI-173

KNSI-180

KNSI-198

KNSI 2014

SESI III, KELOMPOK 7, RUANG 202


JUDUL MAKALAH
Kombinasi Algoritma Genetik Dan K-Prototype Untuk
Menentukan Jumlah Cluster Optimal Pada Data
Perancangan Aplikasi Sistem Informasi Pelyanan Responsi di
Laboratorium Teknik Informatika UNPAS
Analisis Mining System Pada Bitcoin
Model Implementasi Centralized Authentication Service Pada
Sistem Software As A Service
Aplikasi Pelacakan Ponsel Berbasis Windows Mobile Phone
Kajian Teori Flow Sebagai Sumber Motivasi Intrinsik Belajar
Melalui Serious Game
SESI III, KELOMPOK 8, RUANG 203
JUDUL MAKALAH
Model Pelatihan Tik
Analisis Penerimaan Sistem Informasi Kepegawaian
Pengaruhnya Terhadap Kinerja Pengguna (Studi Kasus
Model Evaluasi Untuk Menilai Kualitas Requirement Sistem
Informasi
Perancangan Sistem Informasi Dengan Menggunakan
Pendekatan Knowledge Sharing Untuk Komunitas
Mengukur Keberhasilan Penerapan Sistem Informasi
Manajemen Menggunakan Model Operations
Analisis Investasi Sistem Informasi Dengan Menggunakan
Domain Teknologi - Metode Information
SESI III, KELOMPOK 9, RUANG 204
JUDUL MAKALAH
Studi dan Implementasi Algoritma Terinspirasi Sistem Imun:
Clonal Selection Algorithm
Kontribusi Sistem Informasi terhadap Sistem Kerja Event
Organizer
Data Mining Kredit Usaha Mikro Di Bank Xxxx
Emv Dan Pola Aliran Cairan Pada
Menyembunyikan Pesan Yang Tersembunyi: Bentuk
Pengamanan Informasi
Aplikasi Sistem Pakar Berbasis Mobile Untuk Mengenali
Masalah Kesehatan Kewanitaan
SESI III, KELOMPOK 10, RUANG 205
JUDUL MAKALAH
Analisis User Interface Media Pembelajaran Pengenalan
Kosakata Untuk Anak Tunarungu
Pengenalan Konsep Sistem Informasi Pewarigaan (Sip)
Sebagai Alat Bantu Dosen Dalam Menentukan
Perancangan Aplikasi Portal Sekolah Minggu Studi Kasus
Gereja Masehi Injili di Minahasa
Adopsi Teknologi Internet Pada Usaha Mikro Kecil dan
Menengah
Sistem Registrasi Penyakit Dalam Mendukung Pelayanan
Hiv/Aids Di Rumah Sakit
Analisis pada Layanan Learning Management System (Studi
Kasus: Virtual Learning Politeknik Pos Indonesia)

PENULIS
I Made Ari Santosa, I
Wayan Budi Sentana
Muhammad Agung
Rizkyana
Ferry Mulyanto
Muhammad Arfan
Agustinus
Noertjahyana
Ririn Dwi Agustin

PENULIS
Nadya Safitri
Syachriani Syam
Iwan Kurniawan, Sali
Alas M
Agung Aldhiyat, Shanti
Herliani
Dwi Vernanda, Sali
Alas M
Leo Willyanto Santoso,
Yulia

PENULIS
Ayi Purbasari, Oerip
Santoso
Asep Somantri
Agus Hexagraha
Kartini
Frizka Ferina,
Windarto, Hadi
Setiawan

PENULIS
Adam Mukharil
Bachtiar
Ni Ketut Sriwinarti
Stanley Karouw
Kartika Gianina Tileng,
Rinabi Tanamal
Guardian Yoki
Sanjaya, Marthalena
Erbin Nahak
Maniah

xx

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
1

No.KNSI
KNSI-185

KNSI-229

KNSI-357

KNSI-4

KNSI-37

KNSI-2

No.
1

No.KNSI
KNSI-3

KNSI-11

KNSI-13

KNSI-26

KNSI-35

No.
1

No.KNSI
KNSI-51

KNSI-54

KNSI-57

KNSI-63

KNSI-66

KNSI-75

No.
1

No.KNSI
KNSI-95

KNSI-100

KNSI-107

KNSI-109

KNSI-110

KNSI 2014

SESI III, KELOMPOK 11, RUANG 208


JUDUL MAKALAH
Implementasi Alternatif Layanan Komunikasi E-Kampus
Berbasis Simplex Communication Method
Pengembangan Sistem Informasi Manajemen Pendonor Darah

Rancangan Sistem Pembangkit Anotasi Otomatis Untuk


Kredibilitas Dan Reliabilitas Informasi Dalam
Perancangan Aplikasi Real-Time Log Monitoring Via E-mail
dan SMS pada Server Berbasis Linux
Metode Most Prominent Ridge Line Pada Pengukuran Rangka
Atlet Jalan Cepat
Klasifikasi Karakter Manusia Menggunakan Algoritma Nave
Bayes untuk Rekomendasi Motif Karawo berbasis Budaya
SESI III, KELOMPOK 12, RUANG 209
JUDUL MAKALAH
Arsitektur Pertukaran Data Berbasis Data Grid dalam
Membangun Gorontalo Library Network
Manajemen Rute Travel Berbasis Mobile Programming (Studi
Kasus : Pada Northside Shuttle)
Analisis Persediaan Barang Dengan Model Economic Order
Quantity Studi Kasus Kantor Bupati Asahan
Pemanfaatan Sistem Pakar sebagai dasar memilih jurusan bagi
calon mahasiswa berdasarkan analisa Biometri dan
Sistem Peringatan Dini Kebocoran Gas Lpg Pada Regulator
Berbasis Mikrokontroler Avr Atmega 8535
SESI III, KELOMPOK 13, RUANG 210
JUDUL MAKALAH
Implementasi Crisp-Dm Dan Nave Bayes Classifier Pada
Datamining Churn Prediction
Enhancing Learning Experience For Young Child Through
Educational Content Using Multimedia
Perancangan Aplikasi Penentuan Menu Sehat Sesuai
Golongan Darah Dengan Metode Tf-Idf Berbasis
Hierarchy Clustering Analysis Pemberian Beasiswa Pada
Level Pendidikan SMP , SMA
Rancangan Sistem Penandatanganan Kontrak Elektronik
Dengan Pemanfaatan E-Ktp Sebagai Identitas
Pengembangan Plugin Geospasial Pada Cms Untuk Pemetaan
Industri Kreatif Di Indonesia
SESI III, KELOMPOK 14, RUANG 211
JUDUL MAKALAH
Model Riset Adopsi Teknologi Informasi Dan Komunikasi Di
Perguruan Tinggi: Meta Analysis
Penentuan Rumus Pembusukan Ikan Menggunkan Metode
Curve Fitting Dengan Pendekatan Pengolahan
Model Alat Pengatur Lampu Otomatis
Implementasi Metode Linier Dalam Sistem Pendukung
Keputusan Seleksi Calon Kepala Sekolah Dasar (Studi
Pemodelan Pintu Otomatis Kandang Hewan Peliharaan

PENULIS
S N M P Simamora
Annisa Ristya
Rahmanti, Lutfan
Lazuardi
Yudi Wibisono
Madyana Patasik,
novita Sambo

Arip Mulyanto

PENULIS
Moh. Hidayat Koniyo,
Arip Mulyanto
Fajar Masya
Safrian Aswati
Terttiaavini Saputra
Hasanuddin Sirait

PENULIS
Dewi Rosmala
Virginia Tulenan
Nurul Aini
Warnia Nengsih
Annas Nurezka
Pahlevi, Rara Aprianti
Dewi
Abdus Syakur

PENULIS
Farida
Luther A. Latumakulita
Jimmy Agustian
Loekito
Ramen Antonov
Andrew Sebastian
Lehman

xxi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
6

No.KNSI
KNSI-350

No.
1
2

No.KNSI
KNSI-111
KNSI-127

KNSI-130

KNSI-133

KNSI-135

KNSI-139

SESI III, KELOMPOK 14, RUANG 211


JUDUL MAKALAH
Perancangan Aplikasi Penentuan Kategori Tunagrahita Pada
Anak Dengan Fuzzy Inference System (FIS)

SESI III, KELOMPOK 15, RUANG 212


JUDUL MAKALAH
Sistem Informasi Agen Studi Ke Luar Negeri
Pengaruh Faktor Organisasional Terhadap Pemanfaatan
Teknologi Informasi (Studi Kasus : Ukm Kota
Aplikasi Ensiklopedi Ilmu Biologi Umum Menggunakan
Android Mobile
Sistem Informasi Akutansi Francise Dengan Metode
Pembagian Laba
Transformasi Watershed Untuk Ekstraksi Fitur Nodul Kanker
Citra Ct-Scan Paru
Adopsi Metode Kano Untuk Kesuksesan Dan
Ketidaksuksesan Sistem Informasi

PENULIS
Kusuma Hati

PENULIS
Hendry Wong
Ervi Cofriyanti
Siti Chodidjah
Adil Setiawan
Rina Noviana
Edwar J Ramdon

SESSI-IV
No.
1

No.KNSI
KNSI-65

KNSI-147

KNSI-150

KNSI-151

KNSI-152

KNSI-160

No.
1

No.KNSI
KNSI-225

KNSI-161

KNSI-165

KNSI-169

KNSI-177

KNSI-178

No.

No.KNSI

KNSI 2014

SESI IV, KELOMPOK 1, RUANG 108


JUDUL MAKALAH
Perancangan Sistem Transaksi Berbasis Near Field
Communication (Nfc) Dengan Sistem Operasi Android
Peningkatan Kinerja Layanan Kejaksaan Negeri Kota Xyz
Melalui Enterprise Architecture
Aplikasi Pembelajaran untuk Anak Tunagrahita Ringan
Berbasis Android
Rancang Bangun E-Recruitment Karyawan (Studi Kasus :
CV. Barbeku Yasmin Sarana Bahagia)
Algoritma Frozen Spots Dan Hot Spots Untuk Efisiensi
Pengembangan Game
Pengembangan Sistem Berbasis Pengetahuan Untuk
Pemilihan Bibit Kelapa Sawit Menggunakan Pendekatan
Usability

SESI IV, KELOMPOK 2, RUANG 109


JUDUL MAKALAH
Perancangan Sistem Collaborative Society Learning Jawa
Barat
sistem manajemen pengetahuan dalam penanggulangan
penyakit pada tanaman kelapa sawit dengan menggunakan
Alat Pendeteksi Kecukupan Tinggi Badan Untuk Beraktivitas
Pada Wahana Permainan
Pengembangan Website Untuk Mencari Rute Terpendek
Angkutan Kota Dengan Menggunakan Algoritma
Pengaruh Iklim Organisasi dan Motivasi Terhadap
Pelaksanaan Tri Dharma Perguruan Tinggi (Studi kasus Staf
Edukatif
Aplikasi Untuk Analisis Penilaian Investasi

SESI IV, KELOMPOK 3, RUANG 110


JUDUL MAKALAH

PENULIS
Jay Idoan Sihotang,
Hudiarto
Wahyu Pratama, Banu
Adi Witono
Mochammad
Zulkarnain, Qurrotul
Aini
Tajuddin Abdillah
Thoyyibah T, Agus
Buono

PENULIS
Erlangga
SURIANTI, Agus
Buono
Semuil Tjiharjadi
Youllia Indrawaty
Nurhasannah, Redian
Pribadi
DARA
KUSUMAWATI,
DARA
KUSUMAWATI

PENULIS

xxii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
1

No.KNSI
KNSI-334

KNSI-179
KNSI-182

3
4

KNSI-184

KNSI-189

KNSI-194

No.
1

No.KNSI
KNSI-212

KNSI-191

KNSI-192

KNSI-193

KNSI-203

KNSI-204

No.
1

No.KNSI
KNSI-384

KNSI-206

KNSI-207

KNSI-212

KNSI-214

KNSI-220

No.
1

No.KNSI
KNSI-231

KNSI-238

KNSI-239

KNSI-242

KNSI 2014

SESI IV, KELOMPOK 3, RUANG 110


JUDUL MAKALAH
Aplikasi Penilaian Prestasi Pegawai

Perancangan Sistem Pemeringkatan Modal Intelektual


Perbankan Indonesia Berbasis WEB
Implementasi Sistem Pakar Anxiety Disorder Berbasis Web
Pada Remaja
Aplikasi Perbandingan Metode Sequential Search Dan
Breadth-First Search
Penjadwalan Perkuliahan Dengan Menggunakan Algortima
Genetika Dengan Metode Seleksi Rank
Perbandingan Som Dan Lvq Pada Identifikasi Citra Wajah
Dengan Wavelet Sebagai Ekstraksi Ciri

SESI IV, KELOMPOK 4, RUANG 111


JUDUL MAKALAH
Mplementasi Aplikasi E-Prescribing Untuk Tujuan Patient
Safety
Menggunakan Clarion 5.0
Penjadwalan Mata Kuliah Berbasis Algoritma Genetika
Dengan Kromosom Permutasi
Sistem Pakar Diagnosa Masalah Medis Bayi Baru Lahir
Berbasis Android
Perancangan Aplikasi Pembelajaran Interaktif Online Dua
Bahasa Pada Tk. Merpati Pos Makassar
Perancangan CMS Untuk Group Decission Support System
Perusahaan
Analisis Fungsi Aktivasi Sigmoid Algoritma Backpropagation
Pada Prediksi Data
SESI IV, KELOMPOK 5, RUANG 112
JUDUL MAKALAH
Kontribusi Sistem Informasi terhadap Sistem Kerja Event
Organizer
Evaluasi Aktivitas Dan Kinerja Mahasiswa Dalam
Pemanfaatan Virtual Class
Pembuatan Metronome Menggunakan Microchip Atmega
Implementasi Aplikasi E-Prescribing Untuk Tujuan Patient
Safety Menggunakan Clarion 5.0
Pembuatan Model Enterprise Resource Planning Dinas
Ketahanan Pangan Kabupaten Klaten
Perancangan Situs Crowdfunding Untuk Ukm Kreatif Di Kota
Bandung
SESI IV, KELOMPOK 6, RUANG 201
JUDUL MAKALAH
Usulan Model Object Oriented Database Perpustakaan Stimik
Amikom Menggunakan Db4o
Enterprise Application Integration Menggunakan Activemq
Dan Central Authentication Service Studi Kasus: Integrasi
Student Portal, E-Learning Dan E-Library Unpar
Pengenalan Genre Musik Melalui Ekstraksi Ciri Audio Pada
Domain Waktu Menggunakan Metode K-Means
Perancangan Basis Data Berorientasi Obyek Untuk

PENULIS
Deden Sofya
n Hamdani
Yuli Maharetta Arianti,
Budi Prijanto
Banu Adi Witono,
Citra Ika Wibawati
Taufiq
Iwan Lesmana, Agus
Buono
Agus Buono

PENULIS
Yohanes Adi Bangun
Wiratmo
Ema Rachmawati,
Mahmud Dwi Sulistiyo
Sulistyo Puspitojati,
Ahyuna
Almasari Aksenta
Sri Redjeki

PENULIS
Asep Somantri
Silvia Harlena
Marvin Chandra
Wijaya
Yohanes Adi Bangun
Wiratmo
Lalu Satria Abdi
Negara, Sri
Handayaningsih
Dicky Hidayat

PENULIS
Fajar Triadmojo,
Muhammad Ikhsan
Gede Karya

Enny Itje Sela


Yenni Yuliati, Ishadi

xxiii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

No.KNSI

5
6

KNSI-246
KNSI-247

No.
1

No.KNSI
KNSI-254

KNSI-286

KNSI-258

KNSI-259

KNSI-52

KNSI-398

No.
1

No.KNSI
KNSI-268

KNSI-269

KNSI-276

KNSI-278

KNSI-279

KNSI-252

No.
1

No.KNSI
KNSI-288

2
3
4

KNSI-292
KNSI-299
KNSI-300

KNSI-303

KNSI-312

No.
1

No.KNSI
KNSI-313

KNSI-316

KNSI-317

KNSI 2014

SESI IV, KELOMPOK 6, RUANG 201


JUDUL MAKALAH
Mendukung Aplikasi Full Time Equivalent (Fte) Dosen
Aplikasi Schedule Post Sosial Media
Perancangan Sistem Pencari Pakar Menggunakan Struktur
Basis Data Berorientasi Obyek

SESI IV, KELOMPOK 7, RUANG 202


JUDUL MAKALAH
Desain Dan Implementasi Virtual Reality Sebagai Model
Visualisasi Interaktif Ruang Digital
Penerapan Kriptografi pada Smart Card
Penggunaan Teknik Reverse Engineeirng Pada Malware
Analysis Untuk Identifikasi Serangan Malware
Rancangan Tata Kelola Data Dengan Pendekatan Iso
38500:2008 Dan Poac; Sebuah Usulan
Efektifitas Metode Saw (Simple Additive Weighting) Dalam
Sistem Pendukung Pengambilan Keputusan
Implementasi Data Mining Untuk Klasifikasi Kebutuhan Guru
Menggunakan Algoritma Nearest Neighbor
SESI IV, KELOMPOK 8, RUANG 203
JUDUL MAKALAH
Pembuatan Model Pelayanan (Service) Akademik Pada
Mahasiswa Menggunakan Kerangka Manajemen
Pengukuran Tingkat Kesuksesan Sistem Informasi Akademik
Universitas Xyz Dengan Model Delone Dan
Aplikasi Pengelola Keuangan Menggunakan Handphone
Android
Penetapan Keputusan Hukum dalam Pengadilan secara
Transparansi dan On-Line menggunakan Metode Transien,
Aplikasi Informasi Lokasi Banjir Dan Rute Alternatif Di Dki
Jakarta
Deteksi Outlier Menggunakan Algoritma Local Outlier Factor
(Studi Kasus Data Akademik Mahasiswa Universitas Abc)
SESI IV, KELOMPOK 9, RUANG 204
JUDUL MAKALAH
E-Government Dan Proses Pengolahan Data Pegawai
(Implementasi Pada Sistem E-Government Dirjen
Ekstraksi Query Untuk Mendukung Query Rewriting
E-Crm Pada Perusahaan Konsultan Arsitektur
Analisa Teknik Data Mining untuk Prediksi Harga Saham di
Index Syariah Jakarta
Penerapan Shamirs Threshold Scheme Dan Algoritma BlumBlum-Shub Dalam Kriptografi Berkas Pada
Mengelola Informasi Dengan Teknik Data Mining (Contoh
Kasus Teknik Association Rule Dan Support
SESI IV, KELOMPOK 10, RUANG 205
JUDUL MAKALAH
Intelligent Agent For Predicting Stock Market Based On Anfis
Penerapan Sistem Pakar Untuk Pemberian Informasi
Pencarian Padanan Obat Jadi
Penggunaan Struktur Data untuk Pembuatan Aplikasi

PENULIS
Fauzan
Riya Widayanti
Indri Dwi Erfianti,
Fahmi Lutfiansyah
Moechtar

PENULIS
Tonny Hidayat
I Made Mustika Kerta
Astawa
Heru Ari Nugroho,
Yudi Prayudi
Hanung Nindito
Prasetyo
Johanes Eka Priyatma,
Johanes Eka Priyatma
Sitti Suhada

PENULIS
Khairul Sani, Sri
Handayaningsih
Amri Ahmad, Sri
Handayaningsih
Juwairiah
Herri Trisna Frianto,
Eliyani
Daniel Tomi Raharjo,
Ridowati Gunawan

PENULIS
Hidayatulah Himawan
Detty Purnamasari
Atur Sumedi
Kartina Diah Kusuma
Wardhani
Tony Darmanto
Ermatita

PENULIS
Dede Setiawan, Heri
Wijayanto
Bambang Irawan
Yulia

xxiv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.

No.KNSI

KNSI-321

KNSI-324

KNSI-327

No.
1

No.KNSI
KNSI-335

KNSI-336

KNSI-97

KNSI-340

KNSI-353

No.
1

No.KNSI
KNSI-362

KNSI-366

KNSI-367

KNSI-376

KNSI-356

No.
1

No.KNSI
KNSI-386

KNSI-391

KNSI-392

KNSI-393

KNSI-395

No.
1

No.KNSI
KNSI-401

KNSI-399

KNSI 2014

SESI IV, KELOMPOK 10, RUANG 205


JUDUL MAKALAH
Permainan Tradisional Indonesia
Pengukuran Perencanaan Investasi Teknologi Informasi
Aplikasi Metatrader Pada Pt. Xyz
Analisis Maturity Level Sistem Informasi Perpustakaan
Dengan Framework Cobit 4.1 (Studi Kasus : Perpustakaan
Universitas Islam Riau)
Model Knowledge Management System Berbasis Cbr Pada
Service Center Elektronik

SESI IV, KELOMPOK 11, RUANG 208


JUDUL MAKALAH
Audit Sistem Informasi Menggunakan Frameworkcobit Pada
Domain Delivery And Support (Ds) Studi
Miniatur Alat Simulasi Gempa Bumi

Optimasi Penjadwalan Two-Stage Assembly Flowshop


Menggunakan Algoritma Genetika Yang
Optimasi Part Type Selection And Machine Loading Problems
Pada Fms Menggunakan Metode Particle
Pembuatan Aplikasi Prediksi Kata Berbahasa Indonesia
Dengan Metode Bigram Dan Trigram
SESI IV, KELOMPOK 12, RUANG 209
JUDUL MAKALAH
Sistem Pendukung Keputusan Pemberian Beasiswa Bidik Misi
Pengukuran Kebijakan Penerapan TI Menggunakan Hype
Cycle Studi Kasus Absensi Fingerprint di Fakultas Teknik
Purwarupa Sistem Video Conference Berbasis Web
Perancangan Forum Online Peduli Banyumas Sebagai Forum
Diskusi Dan Penampung Aspirasi Masyarakat
Sistem Pemantauan Ladang Jamur Tiram Berbasiskan Web
SESI IV, KELOMPOK 13, RUANG 210
JUDUL MAKALAH
Rekayasa Sistem Pendeteksi Kebakaran menggunakan
Webcam dengan metode Wavelet
Model Dan Implementasi Arsitektur Enterprise Pelayanan
Perizinan Terpadu Menggunakan Togaf Adm
Aplikasi Sistem Basis Data Terdistribusi untuk
Pendistribusian Semen
Sistem Pendukung Keputusan Penentuan Golongan Ukt (Uang
Kuliah Tunggal) Menggunakan Metode
Simulasi Inisialisasi Kemampuan dengan Metode Futsuhilow
dalam Computerized Adaptive Testing
SESI IV, KELOMPOK 14 RUANG 211
JUDUL MAKALAH
Aplikasi Pencatatan Pembelian Dan Persediaan
Perancangan Model Sistem Diagnosa Awal Penyakit Kanker
Menggunakan Neuro-Fuzzy

PENULIS
Rani Puspita, Imelda
Idria Maita

Rahmawati

PENULIS
Iwan Rijayana
Pin Panji Yapinus,
Andrew Sebastian
Lehman
Wayan Firdaus
Mahmudy
Wayan Firdaus
Mahmudy
Silvia Rostianingsih

PENULIS
Pesos Umami, Leon
Andretti Abdillah
Nanda Prasetyo, Shelly
Yolanda
Donny Erlangga, M.
Ravii Marwan
Dhanar Intan Surya
Saputra, Berlilana
Mohammad Iqbal

PENULIS
Syamsu Alam
RAE Virgana
Satriawaty Mallu
Bustami
Rukli

PENULIS
Muchamad Ichsan, Mia
Rosmiati
Irsal, Michael
Oktavianus

xxv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No.
3

No.KNSI
KNSI-400

KNSI-404

KNSI-378

KNSI 2014

SESI IV, KELOMPOK 14 RUANG 211


JUDUL MAKALAH
Perbandingan Performansi Video Streaming Menggunakan
Jaringan Serat Optik Pada Teknik Digital
Perancangan Sistem Informasi Pengelolaan Retribusi
Pengujian Kendaraan Bermotor Pada Dinas
Perancangan Aplikasi Sederhana Anti Virus Lokal

PENULIS
Nurul Asni
Dahlan Abdullah
Imran Djafar

xxvi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

DAFTAR MAKALAH
No. KNSI2014-1
PERANGKAT LUNAK PENGAMBILAN PENGETAHUAN AKUNTANSI DI
DALAM BIG DATA ..........................................................................................................
Tacbir Hendro Pudjiantoro, Elly Suryani, Ridwan Ilyas
No. KNSI2014-2
KLASIFIKASI KARAKTER MANUSIA MENGGUNAKAN ALGORITMA NAVE
BAYES UNTUK REKOMENDASI MOTIF KARAWO BERBASIS BUDAYA
GORONTALO ....................................................................................................................
Arip Mulyanto, Manda Rohandi, Moh. Syafri Tuloli
No. KNSI2014-3
ARSITEKTUR PERTUKARAN DATA BERBASIS DATA GRID DALAM
MEMBANGUN GORONTALO LIBRARY NETWORK .................................................
Moh. Hidayat Koniyo, Arip Mulyanto, Rochmad Thohir Jassin
No. KNSI2014-4
PERANCANGAN APLIKASI REAL-TIME LOG MONITORING VIA E-MAIL DAN
SMS PADA SERVER BERBASIS LINUX ......................................................................
Madyana Patasik, Novita Sambo Layuk
No. KNSI2014-5
SOFTWARE REQUIREMENT SPECIFICATION SISTEM PERENCANAANBIAYA
PERJALANAN IBADAH HAJI SESUAI DENGAN STANDARD IEEE 830-1998 .......
Yudhi Kurniawan, Yuswanto
No. KNSI2014-6
SISTEM PENDUKUNG KEPUTUSAN SELEKSI SISWA ERPRESTASI PADA SMK
NURUL HUDA PRINGSEWU MENGGUNAKAN METODE AHP ...............................
M.Muslihudin, Lailatul Rohmah
No. KNSI2014-8
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS
BERAS BERBASIS WEBSITE PADA KELOMPOK TANI PEKON SIDOHARJO
PRINGSEWU LAMPUNG .................................................................................................
Satria Abadi, M.Muslihudin, Fiqih Satria
No. KNSI2014-9
MENINGKATKAN KINERJA MUTU PRODUK MELALUI PRAKTIK TOTAL
QUALITY MANAGEMENT (TQM): Studi Persepsi ........................................................
Musran Munizu
No. KNSI2014-10
PENERAPAN VISUALISASI ALGORITMA BFS DAN A-STAR MENGGUNAKAN
LIBRARY PATHFINDING.JS PADA KEGIATAN PERKULIAHAN ............................
R. Sandhika Galih A.

KNSI 2014

14

19

25

31

38

43

50

xxvii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-11
MANAJEMEN RUTE TRAVEL BERBASIS MOBILE PROGRAMMING (STUDI
KASUS : PADA NORTHSIDE SHUTTLE) ......................................................................
Fajar Masya, Tri Rejeki, Elvina

No. KNSI2014-12
SISTEM INFORMASI MANAJEMEN RUANG KULIAH BERBASIS PIRANTI
BERGERAK........................................................................................................................
Rendra Gustriansyah, Nazori Suhandi
No. KNSI2014-13
ANALISIS PERSEDIAAN BARANG DENGAN MODEL ECONOMIC ORDER
QUANTITY STUDI KASUS KANTOR BUPATI ASAHAN SUMATERA UTARA .....
Safrian Aswati

59

64

69

No. KNSI2014-14
SISTEM INFORMASI ABSENSI SECARA ONLINE DI PERGURUAN TINGGI ........
Farida Amalya

78

No. KNSI2014-15
MEDIA PEMBELAJARAN INTERAKTIF BAGI SIWA SEKOLAH DASAR ...............
Winda Widya Ariestya, Yulia Eka Praptiningsih, Septi Mariani TR , Rio Martdiko

83

No. KNSI2014-16
E-LIBRARY PADA BADAN PERPUSTAKAAN DAN ARSIP DAERAH PROVINSI
JAMBI .................................................................................................................................
Faiza Rini, Muhammad Ikhsan
No. KNSI2014-17
SISTEM PAKAR DIAGNOSA PENYAKIT HIPERTENSI MENGGUNAKAN
ETODE CASE BASED REASONING...............................................................................
Heny Pratiwi, Siti Qomariah2, Ita Arfyanti

89

95

No. KNSI2014-18
PENGENALAN IRIS DENGAN METODE PRINCIPAL COMPONENT ANALYSIS
DAN ALGORITMA QUICKPROP .................................................................................... 100
Ferry Augustian Siregar, Sriyani Violina, Bedy Purnama
No. KNSI2014-19
MENGUKUR TINGKAT KEBERGUNAAN APLIKASI BERBASIS WEB................... 106
Almed Hamzah
No. KNSI2014-21
MEMBANGUN E-LERNING MENGGUNAKAN MOODLE PADA SMK NEGERI 4
SAMARINDA ..................................................................................................................... 109
Siti Qomariah, Heny Pratiwi, Nursobah

KNSI 2014

xxviii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-22
PREDIKSI KERAWANAN DAERAH TERHADAP P PENYAKIT DEMAM
BERDARAH DENGUE MENGGUNAKAN ANFIS ........................................................ 113
Candra Dewi, Khori Widayanti
No. KNSI2014-23
PERBANDINGAN: PREDIKSI PRESTASI BELAJAR MAHASISWA
MENGGUNAKAN TEKNIK DATA MINING (STUDY KASUS FASILKOM
UNSIKA) ............................................................................................................................. 117
Sofi Defiyanti
No. KNSI2014-24
SISTEM TELEVISI JARINGAN TERTUTUP (CCTV) BERBASIS WEB ...................... 121
Muhammad Risal, Rhiza S. Sadjad, Zulfajri B. Hasanuddin
No. KNSI2014-25
WEB USAGE MINING UNTUK PENENTUAN POLA AKSES USER
MENGGUNAKAN ALGORITMA HIERARCHICAL AGGLOMERATIVE
CLUSTERING .................................................................................................................... 127
Arham Maulana, Angelina Prima Kurniati, Yanuar Firdaus A. W.
No. KNSI2014-26
PEMANFAATAN SISTEM PAKAR SEBAGAI DASAR MEMILIH JURUSAN BAGI
CALON MAHASISWA BERDASARKAN ANALISA BIOMETRI DAN
PSIKOMETRI BERBASIS WEB ....................................................................................... 134
Terttiaavini
No. KNSI2014-27
PENGUKURAN KINERJA APLIKASI MICRO BANKING SYSTEM
MENGGUNAKAN IT BALANCED SCORECARD......................................................... 141
Sandy Kosasi
No. KNSI2014-28
PERANCANGAN SEBUAH HEXACOPTER .................................................................. 147
Edy Victor Haryanto
No. KNSI2014-29
PENGEMBANGAN SISTEM SIMPAN PINJAM DAN KEUANGAN SESUAI
STANDAR AKUNTANSI .................................................................................................. 150
Wilis Kaswidjanti
No. KNSI2014-30
BAYESIAN NETWORK PREDICTION FOR STUDENT SUCCESSFULNESS OF
STUDY ON ACADEMIC INFORMATION SYSTEM ENGINEERING FACULTY
MATARAM UNIVERSITY ............................................................................................... 154
Heri Wijayanto, Sari Ismi Wardani, Misbahuddin
No. KNSI2014-31
PENGEMBANGAN BASISDATA PENYAKIT KULIT BERBASIS
COMPUTER VISION MELALUI DETEKSI TEPI ........................................................... 161
KNSI 2014

xxix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Hapnes Tobal, Antonius Hendrik, Riskadewi

No. KNSI2014-32
PENERAPAN METODE CASE BASED REASONING DAN FORWARD
CHAINING PADA SISTEM PAKAR UNTUK DIAGNOSA AWAL PENYAKIT
GINJAL ............................................................................................................................... 166
Titik Wihayanti, Soni Fajar Surya Gumilang
No. KNSI2014-33
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN VENDOR DENGAN METODE
ANP DAN TOPSIS ............................................................................................................. 171
Farindika Metandi, Sri Hartati
No. KNSI2014-34
SISTEM PENDETEKSI GETARAN GEMPA BERBASIS MIKROKONTROLER
(STUDI KASUS PADA GEDUNG STMIK PARNA RAYA MANADO) ....................... 177
Hasanuddin Sirait
No. KNSI2014-35
SISTEM PERINGATAN DINI KEBOCORAN GAS LPG PADA REGULATOR
BERBASIS MIKROKONTROLER AVR ATMEGA 8535 ............................................... 182
Hasanuddin Sirait
No. KNSI2014-36
ANALISA SUMBER DAYA UNTUK PENINGKATAN KEAMANAN PADA
SISTEM JARINGAN CLOUD COMPUTING ................................................................. 188
Yohannes Yahya, TW Wisjhnuadji
No. KNSI2014-37
METODE MOST PROMINENT RIDGE LINE PADA PENGUKURAN RANGKA
ATLET JAL`AN CEPAT .................................................................................................... 195
Hustinawaty, Sulistyo Puspito Jati, Orida Siahaan
No. KNSI2014-38
SISTEM PAKAR DENGAN BEBERAPA BASIS PENGETAHUAN UNTUK
PENINGKATAN KUALITAS TANAMAN PANGAN .................................................... 201
Agus Sasmito Aribowo
No. KNSI2014-39
PENDEKATAN PROGRAM STIMULUS PADA ANAK USIA 7 DAN 8 TAHUN
UNTUK PENGENALAN KEMAMPUAN BERHITUNG ................................................ 207
Reynoldus Andrias Sahulata
No. KNSI2014-40
PENGEMBANGAN SISTEM INFORMASI SEKOLAH BERBASIS MOBILE
AUGMENTED REALITY .................................................................................................. 213
Miftah Andriansyah, Nuryuliani, Sutresnawati, Relly Andayani
KNSI 2014

xxx

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-41
PENERAPAN METODE PENETRATION TESTING UNTUK PENGUJIAN
KEAMANAN JARINGAN ................................................................................................. 217
Bambang Pujiarto
No. KNSI2014-42
DAMPAK GABUNGAN KATA ARAB TERHADAP HASIL MESIN PENERJEMAH
BERBASIS STATISTIK ..................................................................................................... 220
Rahmat Izwan Heroza
No. KNSI2014-43
PENENTUAN POLA PEMINJAMAN BUKU PADA PERPUSTAKAAN STIKOM
BALI MENGGUNAKAN ALGORITMA FP-GROWTH ................................................. 223
I Gusti Rai Agung Sugiartha
No. KNSI2014-44
CLUSTERING DENGAN K-MEANS DAN K-MEANS MODIFIKASI ......................... 229
Dian Eka Ratnawati, Marji
No. KNSI2014-45
PENILAIAN MODEL STRATEGI IMPLEMENTASITEKNOLOGI CLOUD
COMPUTING UNTUK PEMERINTAH DAERAH .......................................................... 233
Eka Wahyu Hidayat
No. KNSI2014-46
OPTIMALISASI KINERJA SISTEM INFORMASI AKADEMIK UNIVERSITAS
SILIWANGIMENGGUNAKAN MEMCACHEDDAN MIRROR SERVER ................... 240
Eka Wahyu Hidayat, Alam Rahmatulloh
No. KNSI2014-49
APLIKASI PROFILE MATCHING DALAM PEMILIHAN BARANG KATEGORI
HIGH SHRINKAGE ........................................................................................................... 245
Nursanti Irliana, Vensy Vydia
No. KNSI2014-50
IMPLEMENTASI DES DAN IP SECURITY PADA SISTEM INFORMASI
PENJUALAN E-PHARMACY........................................................................................... 250
Dewi Rosmala, Mira Musrini Barmaw, Eko Suhendro
No. KNSI2014-51
IMPLEMENTASI CRISP-DM DAN NAVE BAYES CLASSIFIER PADA
DATAMINING CHURN PREDICTION ........................................................................... 256
Dewi Rosmala, Wulandari
No. KNSI2014-52
EFEKTIFITAS METODE SAW (SIMPLE ADDITIVE WEIGHTING) DALAM
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT
BPR X .................................................................................................................................. 263
Dyah Ayu Paramita, Johanes Eka Priyatma

KNSI 2014

xxxi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-53
KAJIAN ANALISIS PENERAPAN KONTEN E-GOVERNMENT PADA WEBSITE
RESMI PEMERINTAH PROPINSI NUSA TENGGARA TIMUR .................................. 270
Yulianti Paula Bria
No. KNSI2014-54
ENHANCING LEARNING EXPERIENCE FOR YOUNG CHILD THROUGH
EDUCATIONAL CONTENT USING MULTIMEDIA .................................................... 275
Virginia Tulenan
No. KNSI2014-55
APLIKASI MOBILE SISTEM INFORMASI MANAJEMEN SKRIPSI ONLINE .......... 281
Ahmad Raf'ie Pratama, Nahdiar Edhiya
No. KNSI2014-56
ANALISIS USER INTERFACE MEDIA PEMBELAJARAN PENGENALAN
KOSAKATA UNTUK ANAK TUNARUNGU ................................................................. 287
Adam Mukharil Bachtiar, Mira Kania Sabariah, Jelita Ardhiyani
No. KNSI2014-57
PERANCANGAN APLIKASI PENENTUAN MENU SEHAT SESUAI GOLONGAN
DARAH DENGAN METODE TF-IDF BERBASIS ANDROID ...................................... 293
Erfan Hasmin, Nurul Aini
No. KNSI2014-58
PENGUKURAN KAKI MANUSIA MENGGUNAKAN KODE RANTAI UNTUK
MENDISAIN SEPATU KHUSUS...................................................................................... 297
Cahyo Dwi Raharjo, Fajar Suryani, Izzati Muhimmah
No. KNSI2014-59
PENYELEKSIAN CALON MAHASISWA DENGAN FUZZY MULTI ATTRIBUTE
DECISION MAKING MENGGUNAKAN TOPSIS (STUDI KASUS: STIKes X
PEKANBARU) ................................................................................................................... 304
Novi Yanti, Uci Rahmadani
No. KNSI2014-60
FRAMEWORK KNOWLEDGE MANAGEMENT UNTUK PERGURUAN TINGGI ... 311
Henderi, Khabib Mustofa
No. KNSI2014-61
PENERAPAN JARINGAN SARAF TIRUAN PADA MIKROKONTROLER UNTUK
IDENTIFIKASI INTONASI SUARA ................................................................................ 319
I Nyoman Kusuma Wardana, Ni Luh Gede Pivin Suwirmayanti
No. KNSI2014-62
PENERAPAN DATA MINING UNTUK MENGANALISA MAHASISWA
TERDAFTAR MENGGUNAKAN TEKNIK KLASTER DI UNIVERSITAS KLABAT
Green F. Mandias

KNSI 2014

324

xxxii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-63
HIERARCHY CLUSTERING ANALYSIS PEMBERIAN BEASISWA PADA LEVEL
PENDIDIKAN SMP , SMA ................................................................................................ 330
Warnia Nengsih
No. KNSI2014-64
SISTEM INFORMASI GEOGRAFIS POTENSI LUAS LAHAN WILAYAH
PERTANIAN INDONESIA BERBASIS WEB STUDI KASUS TANAMAN PADI
PULAU JAWA .................................................................................................................... 334
Istikmal, Todi A W, Iman H S, Rizatus S
No. KNSI2014-65
PERANCANGAN SISTEM TRANSAKSI BERBASIS NEAR FIELD
COMMUNICATION (NFC) DENGAN SISTEM OPERASI ANDROID DI TOKO
VIRTUAL............................................................................................................................ 340
Jay Idoan Sihotang

No. KNSI2014-66
RANCANGAN SISTEM PENANDATANGANAN KONTRAK ELEKTRONIK
DENGAN PEMANFAATAN E-KTP SEBAGAI IDENTITAS......................................... 347
Annas Nurezka Pahlevi, Rara Aprianti Dewi
No. KNSI2014-67
STRATEGI OUTSOURCING MENGGUNAKAN SOFTWARE AS A SERVICE ......... 353
Toni Kusnandar
No. KNSI2014-69
ANALISI S DAN DESIGN BIG DATA SOCIAL MEDIA UNTUK BISNIS PT.
TELEKOMUNIKASI INDONESIA, TBK ......................................................................... 359
Asniar, Kridanto Surendro
No. KNSI2014-71
IMPLEMENTASI ALGORITMA GENETIKA PADA SISTEM PENJADWALAN
MATA KULIAH ................................................................................................................. 367
Jasman Pardede, Asep Nana Hermana
No. KNSI2014-74
AUDIT TEKNOLOGI INFORMASI PUSAT TEKNOLOGI INFORMASI DAN
PANGKALAN DATA MENGGUNAKAN COBIT 4.1 ................................................... 373
Angraini, Megawati, Supriadi
No. KNSI2014-75
PENGEMBANGAN PLUGIN GEOSPASIAL PADA CMS UNTUK PEMETAAN
INDUSTRI KREATIF DI INDONESIA............................................................................. 379
Abdus Syakur, Dessy Wulandari Asfary Putri, Moch. Wisuda Sardjono, Aviarini Indarti
No. KNSI2014-76
PENERAPAN E-CRM PADA LAYANAN INFORMASI AKADEMIK
DI PERGURUAN TINGGI ................................................................................................. 383
Dessy Wulandari Asfary Putri, Hanum Putri Permatasari, Adang Suhendra

KNSI 2014

xxxiii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-79
PENGEMBANGAN SISTEM PELACAKAN DAN DOKUMENTASI FOTO
SEJARAH INDONESIA DENGAN PENDEKATAN CONTENT BASED IMAGE
RETRIEVAL ....................................................................................................................... 388
Nelly Sofi, Henki Firdaus, Muhammad Akram
No. KNSI2014-80
PENGEMBANGAN SISTEM E-TRACER STUDY PADA PERGURUAN TINGGI ..... 394
Reza Chandra, Renny, Syamsi Ruhama
No. KNSI2014-81
PENERAPAN FUZZY LOGIC PADA SISTEM PENDUKUNG PENENTUAN
LOYAL CUSTOMER ......................................................................................................... 399
Dian Tri Wiyanti, B. Very Christioko
No. KNSI2014-82
PENGEMBANGAN TOOLS PADA FASE REQUIREMENT ENGINEERING
DENGAN METODE LWBA .............................................................................................. 403
Reza Chandra
No. KNSI2014-84
MODEL MULTIMEDIA SEBAGAI MEDIA PEMBELAJARAN ALTERNATIF
UNTUK MENINGKATKAN SELF MOTIVATED LEARNING DAN SELF
REGULATED LEARNING ................................................................................................ 408
Emiliana Meolbatak
No. KNSI2014-85
PERANCANGANSELF-SERVICE KIOSKINFORMATION SYSTEM DI
UNIVERSITAS ABC ....................................................................................................... 413
Eka Wahyu Hidayat
No. KNSI2014-87
SISTEM INFORMASI PEMBERIAN BEASISWA PADA SEKOLAH MENENGAH
ATAS DENGAN METODE SIMPLE ADDITIVE WEIGHTING .................................... 418
Citra Noviyasari
No. KNSI2014-88
PENGUKURAN PENERIMAAN SISTEM INFORMASI DAMPAKNYA
TERHADAP KUALITAS LAYANAN (Studi Kasus : Fakultas Teknik Unpas) .............. 423
Sali Alas M
No. KNSI2014-89
PENGEMBANGAN SISTEM UJIAN MASUK STMIK STIKOM BALI BERBASIS
WINDOWS PHONE 7 ........................................................................................................ 432
I Gede Muriarka, Dandy Pramana Hostiadi
No. KNSI2014-90
APLIKASI AUGMENTED REALITY PENGENALAN LINGKUNGAN
PERPUSTAKAAN UNIVERSITAS GUNADARMA BERBASIS DESKTOP ................ 437
KNSI 2014

xxxiv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Andiny Oktariana, Kemal Ade Sekarwati

No. KNSI2014-91
ANALISIS MODEL APLIKASI VENTILA DENGAN UML DAN PENDEKATAN
AGILE ................................................................................................................................. 442
Stanley Karouw, T. Sangkertadi
No. KNSI2014-92
REKAYASA ULANG PROSES BISNIS REGISTRASI PENGISIAN KRS ONLINE
PORTAL AKADEMIK UNIVERSITAS SAM RATULANGI.......................................... 449
Stanley Karouw, Reskyana Tanggo, Sheila Claudy Riady
No. KNSI2014-93
DESIGNING MOBILE-BASED APPLICATION FOR QUANTIFYING IT
BUSINESS VALUE ............................................................................................................ 454
Stanley Karouw, Oletta Mambu, Nora Eligia
No. KNSI2014-94
TINGKAT PENGGUNAAN WEB SEBAGAI MEDIA KOMUNIKASI CSR OLEH
PERUSAHAAN DI INDONESIA ...................................................................................... 459
Sri Wulan Windu Ratih, Purwanti, Budi Setiawan
No. KNSI2014-95
MODEL RISET ADOPSI TEKNOLOGI INFORMASI DAN KOMUNIKASI DI
PERGURUAN TINGGI: META ANALYSIS .................................................................... 471
Farida, Budi Hermana
No. KNSI2014-97
OPTIMASI PENJADWALAN TWO-STAGE ASSEMBLY FLOWSHOP
ENGGUNAKAN ALGORITMA GENETIKA YANG DIMODIFIKASI ......................... 478
Wayan Firdaus Mahmudy
No. KNSI2014-98
MENINGKATKAN KEMAMPUAN KERJA SISTEM OPERASI ANDROID PADA
TELEPON SELULER ......................................................................................................... 484
Iwan Fitrianto Rahmad, Oji Andriyono
No. KNSI2014-99
EVALUASI POPULARITAS ELECTRONIC JOURNAL DENGAN PENDEKATAN
SOCIAL NETWORK SYSTEM ......................................................................................... 490
Ivan Maurits, Ericks Rachmat Swedia, Sugiharti Binastuti
No. KNSI2014-100
PENENTUAN RUMUS PEMBUSUKAN IKAN MENGGUNKAN METODE CURVE
FITTING DENGAN PENDEKATAN PENGOLAHAN CITRA TERHADAP CITRA
DIGITAL INSANG IKAN .................................................................................................. 494
Luther A. Latumakulita

KNSI 2014

xxxv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-102
PENERAPAN TEKNIK KOMPRESI HUFFMAN SEBAGAI PENGHEMATAN
TEMPAT PENYIMPANAN FILE CIPHERTEXT ........................................................... 497
Dyah Cita Irawati, Sarifuddin Madenda, Lussiana ETP
No. KNSI2014-104
PENGEMBANGAN WEBSITE VIRTUAL CHARITY .................................................... 502
Gunawan, Fandi Halim, Yenny
No. KNSI2014-105
APLIKASI ENKRIPSI DAN DEKRIPSI PADA SHORT MESSAGE SERVICE
MENGGUNAKAN ALGORITMA VIGENERE ................................................................. 509
Ana Kurniawati, Dina Agusten, Herman William Hutagalung
No. KNSI2014-106
VULNERABILITY ASSESSMENT TERHADAP JARINGAN UNTUK KEAMANAN
INFORMASI ....................................................................................................................... 516
Doddy Ferdiansyah
No. KNSI2014-107
MODEL ALAT PENGATUR LAMPU OTOMATIS ........................................................ 522
Jimmy Agustian Loekito, Andrew Sebastian Lehman
No. KNSI2014-109
IMPLEMENTASI METODE LINIER DALAM SISTEM PENDUKUNG
KEPUTUSAN SELEKSI CALON KEPALA SEKOLAH DASAR (STUDI KASUS :
DINAS PENDIDIKAN KOTA MEDAN) .......................................................................... 527
Ramen Antonov Purba
No. KNSI2014-110
PEMODELAN PINTU OTOMATIS KANDANG HEWAN PELIHARAAN .................. 533
Andrew Sebastian LEHMAN
No. KNSI2014-111
SISTEM INFORMASI AGEN STUDI KE LUAR NEGERI ............................................. 538
Hendry Wong
No. KNSI2014-112
PENERAPAN E-CRM PADA LAYANAN INFORMASI AKADEMIK DI
PERGURUAN TINGGI ...................................................................................................... 544
Dessy Wulandari Asfary Putri, Hanum Putri Permatasari, Adang Suhendra
No. KNSI2014-113
PERANCANGAN SISTEM E-DOCUMENT PADA CABANG BANK DKI ................. 549
Deasy Indayanti, Nelly Sofi, Lely Prananingrum,Cynthia Octavianti
No. KNSI2014-114
KOMUNIKASI CSR MELALUI MEDIA SOSIAL, MUNGKINKAH? ........................... 556
Ati Harmoni , Marliza Ganefi

KNSI 2014

xxxvi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-117
ANALISA KETAHANAN CITRA STEGO METODE LSB, LSB+1, LSB+2, MSB
TERHADAP PERUBAHAN KECERAHAN CITRA ........................................................ 562
Yudhi Andrian , Saddam fadly

No. KNSI2014-118
PERANCANGAN MODEL PENILAIAN KETERAMPILAN MAHASISWA DI
PERGURUAN TINGGI ...................................................................................................... 568
Caca E. Supriana
No. KNSI2014-119
APLIKASI VISUALISASI INFORMASI RUTE DAN AREA DI SEKITAR HALTE
TRANS JAKARTA JURUSAN PULOGADUNG DUKUH ATAS BERBASIS
MULTIMEDIA ................................................................................................................... 573
M. Al Amin, Agung Prasetio2
No. KNSI2014-121
PERANCANGAN APLIKASI DETEKSI KECURANGAN PADA KLAIM JAMINAN
KESEHATAN DAERAH KABUPATEN BERAU ............................................................ 580
Kusrini
No. KNSI2014-123
PROTOTIPE VISUALISASI INFORMASI INDUSTRI KREATIF BERBASIS WEB
SISTEM INFORMASI GEOGRAFIS ................................................................................ 586
Aviarini Indrati, Emy Haryatmi, Murniyati, Rooshwan Budhi Utomo
No. KNSI2014-126
SISTEM INFORMASI PELAPORAN PERJALANAN DINAS (STUDI KASUS :
SEKRETARIAT JENDERAL KEMENTERIAN AGAMA REPUBLIK INDONESIA ... 591
Zulfiandria, Sarip Hidayatulohb, Bustomi C
No. KNSI2014-127
PENGARUH FAKTOR ORGANISASIONAL TERHADAP PEMANFAATAN
TEKNOLOGI INFORMASI (STUDI KASUS : UKM KOTA PALEMBANG) ............. 596
Ervi Cofriyanti
No. KNSI2014-128
PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN
MENENTUKAN KELAS PEMINATAN (STUDI KASUS: STMIK POTENSI
UTAMA) ............................................................................................................................. 602
Alfa Saleh
No. KNSI2014-129
IMPLEMENTASI KERANGKA KERJA DISCIPLINED AGILE DELIVERY
DALAM PROSES ANALISA DAN PERANCANGAN SISTEM INFORMASI ............ 608
Stanley Karouw
No. KNSI2014-130
APLIKASI ENSIKLOPEDI ILMU BIOLOGI UMUM MENGGUNAKAN ANDROID
MOBILE .............................................................................................................................. 616
Siti Chodidjah, Deasy Indayanti, Fanny Aulia Prayudi
KNSI 2014

xxxvii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-131
ADOPSI BALANCED SCORECARD PADA MODEL IMPLEMENTASI ELEARNING ........................................................................................................................ 623
Yanuar Firdaus Arie Wibowo, Kusuma Ayu Laksitowening
No. KNSI2014-132
MEDIA PEMBELAJARAN INTERAKTIF BAGI SIWA SEKOLAH DASAR .............. 629
Winda Widya Ariestya, Yulia Eka Praptiningsih, Septi Mariani TR , Rio Martdiko
No. KNSI2014-133
SISTEM INFORMASI AKUTANSI FRANCISE DENGAN METODE PEMBAGIAN
LABA (STUDI KASUS : PT. SUMBER ALFARIA TRIJAYA) ..................................... 635
Adil Setiawan
No. KNSI2014-134
PERANCANGAN APLIKASI PEMESANAN TAKSI BERBASIS SMS GATEWAY
PADA PERUSAHAAN TRAVEL TAKSI ........................................................................ 641
Helmi Kurniawan
No. KNSI2014-135
TRANSFORMASI WATERSHED UNTUK EKSTRAKSI FITUR NODUL KANKER
CITRA CT-SCAN PARU .................................................................................................. 647
Rina Noviana, Sarifuddin Madenda, Rodiah
No. KNSI2014-137
APLIKASI AUGMENTED REALITY WISATA TAMAN MINI INDONESIA
INDAH BERBASIS ANDROID ......................................................................................... 652
Nur Senjani Putri, Dyah Pratiwi
No. KNSI2014-138
APLIKASI AUGMENTED REALITY PENGENALAN ALAT DAPUR
TRADISIONAL BERBASIS DESKTOP ........................................................................... 657
Rizka Muslimaturrohmah, Kemal Ade Sekarwati2
No. KNSI2014-139
ADOPSI METODE KANO UNTUK KESUKSESAN DAN KETIDAKSUKSESAN
SISTEM INFORMASI ........................................................................................................ 663
Edwar Julistina Ramdon, Kridanto Surendro
No. KNSI2014-141
PENGEMBANGAN ALGORITMA IDENTIFIKASI FERTILITAS TELUR ITIK
MENGGUNAKAN SEGMENTASI CITRA ...................................................................... 670
Suharni, Lussiana ETP
No. KNSI2014-142
RANCANG BANGUN SISTEM INFORMASI POTENSI PANGAN LOKAL DI
PROVINSI NUSA TENGGARA TIMUR (NTT) .............................................................. 674
Natalia Magdalena R. Mamulak

KNSI 2014

xxxviii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-143
PENGEMBANGAN SISTEM INFORMASI APOTEK..................................................... 679
Rin Rin Meilani Salim
No. KNSI2014-144
MODEL SISTEM EXECUTIVE DIGITAL DASHBOARD UNTUK PERGURUAN
TINGGI ............................................................................................................................... 689
Henderi, Ruli Suprianti

No. KNSI2014-145
INTEGRASI SISTEM SENSOR ACCELEROMETER, MODUL 3G DAN GPS
SERTA MOBILE NETWORK UNTUK MENDETEKSI KEKUATAN BENTURAN.... 695
Iman Fahruzi, Emilio Santos Abdullah
No. KNSI2014-146
APLIKASI MOBILE PERACIKANPULVERES .............................................................. 700
Hendrik, Candra Mahendra
No. KNSI2014-147
PENINGKATAN KINERJA LAYANAN KEJAKSAAN NEGERI KOTA XYZ
MELALUI ENTERPRISE ARCHITECTURE ................................................................... 706
Frisa Erika, Hudiarto, Sevenpri Candra
No. KNSI2014-148
PENGENALAN KONSEP SISTEM INFORMASI PEWARIGAAN (SIP) SEBAGAI
ALAT BANTU DOSEN DALAM MENENTUKAN SKEMA PENELITIAN ................ 712
Ni Ketut Sriwinarti , Ni Gusti Ayu Dasriani
No. KNSI2014-149
PROTOTIPE PEMANFAATAN TELEPON SELULAR UNTUK MENYAMPAIKAN
INFORMASI KONDISI PINTU AIR KE PUSAT KENDALI ......................................... 719
Tjahjo Dwinurti, Dyah Pratiwi
No. KNSI2014-150
APLIKASI PEMBELAJARAN UNTUK ANAK TUNAGRAHITA RINGAN
BERBASIS ANDROID....................................................................................................... 724
Banu Adi Witono, Dina Rifdalita, Wahyu Pratama
No. KNSI2014-151
RANCANG BANGUN E-RECRUITMENT KARYAWAN (STUDI KASUS: CV.
BARBEKU YASMIN SARANA BAHAGIA) ................................................................... 728
Mochammad Zulkarnain , Qurrotul Aini, Meinarini Catur Utami
No. KNSI2014-152
ALGORITMA FROZEN SPOTS DAN HOT SPOTS UNTUK EFISIENSI
PENGEMBANGAN GAME ............................................................................................... 734
Tajuddin Abdillah, Irvan Abraham Salihi

KNSI 2014

xxxix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-153
PENGEMBANGAN SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEB
(STUDI KASUS: BAITULMAAL MUAMALAT) ........................................................... 740
Nia Kumaladewi, Zainul Arham, Khairunnisa Rahmi
No. KNSI2014-154
IMPLEMENTASI KRIPTOGRAFI DALAM PENGAMANAN DATA PEMILIHAN
UMUM TAHUN 2014 ........................................................................................................ 747
Irwansyah
No. KNSI2014-155
SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT BERBASIS WEB ..... 754
Sefty Wijayanti, Dewi Rosita, Shinta Palupi
No. KNSI2014-157
IMPLEMENTASI MULTITHREADING UNTUK MENINGKATKAN KINERJA
INFORMATION RETRIEVAL DENGAN METODE GVSM .......................................... 761
Jasman Pardede
No. KNSI2014-158
MODEL PEMBELAJARAN COMPUTER ASSISTED LEARNING BERBASIS
MULTIMEDIA MATAKULIAH PSIKOLOGI KOGNITIF ............................................. 767
M.Achsan Isa Al Anshori, Tri Sulistyorini
No. KNSI2014-159
MODEL PROTOTYPE SISTEM ERP MODUL PEMBELIAN DAN PENJUALAN
UNTUK MENINGKATKAN PRODUKTIFITAS PADA KOPERASI KONSUMSI
DI INDONESIA .................................................................................................................. 772
Santo Fernandi Wijaya, Hendra Alianto
No. KNSI2014-160
PENGEMBANGAN SISTEM BERBASIS PENGETAHUAN UNTUK PEMILIHAN
BIBIT KELAPA SAWIT MENGGUNAKAN PENDEKATAN USABILITY
ENGINEERING .................................................................................................................. 779
Thoyyibah T, Agus Buono, Irman Hermadi
No. KNSI2014-161
SISTEM MANAJEMEN PENGETAHUAN DALAM MENANGGULANGI
PENYAKIT PADA TANAMAN KELAPA SAWIT MENGGUNAKAN
PENDEKATAN USABILITY ENGINEERING ................................................................ 785
Surianti, Agus Buono, Irman Hermadi
No. KNSI2014-162
ANALISIS PEMANFAATAN TEKNOLOGI INFORMASI MENGGUNAKAN
PENDEKATAN UNIFIED THEORY OF ACCEPTANCE AND USE TECHNOLOGY
2 (UTAUT 2) (Studi Kasus : Flexible Learning (F-Learn) UKSW) ................................... 790
Adi Tio Christiono, Johan J.C. Tambotoh
No. KNSI2014-163
SEBUAH USULAN CLOUD COMPUTING GOVERNANCE MODEL......................... 796
Soni Fajar Surya G
KNSI 2014

xl

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-164
DESAIN APLIKASI LAYANAN GANGGUAN PENERANGAN JALAN UMUM
SEBAGAI IMPLEMENTASI G2C .................................................................................... 801
Meta Amalya Dewi, Fatkhiyatun Nimah, Suryanti, Silvia Herman
No. KNSI2014-165
ALAT PENDETEKSI KECUKUPAN TINGGI BADAN UNTUK BERAKTIVITAS
PADA WAHANA PERMAINAN ...................................................................................... 806
Semuil Tjiharjadi, Yolania Francisca
No. KNSI2014-166
ANALISIS PROBLEM MANAGEMENT IT HELPDESK DENGAN PENERAPAN
ITSM DAN SLA (STUDI KASUS : CITIGROUP INDONESIA)..................................... 812
Lena Magdalena, Deny Martha
No. KNSI2014-167
PENGUKURAN KEBIJAKAN PENERAPAN TI MENGGUNAKAN HYPE CYCLE
STUDI KASUS ABSENSI FINGERPRINT DI FAKULTAS TEKNIK UNIVERSITAS
PASUNDAN ....................................................................................................................... 819
Nanda Prasetyo, Shelly Yolanda, Fathya Nur Fadhila,Caca E. Supriana
No. KNSI2014-168
PENGUKURAN TINGKAT PENERIMAAN SISTEM INFORMASI KNOWLEDGE
MANAGEMENT BATIK MENGGUNAKAN METODE UTAUT2 STUDI KASUS:
MAHASISWA INSTITUT MANAJEMEN TELKOM ...................................................... 823
Ni Putu Nurwita Pratami Wijaya

No. KNSI2014-169
PENGEMBANGAN WEBSITE UNTUK MENCARI RUTE TERPENDEK
ANGKUTAN KOTA DENGAN MENGGUNAKAN ALGORITMA SMA* (STUDI
KASUS WISATA KOTA BANDUNG) ............................................................................. 828
Youllia Indrawaty, Redian Pribadi, Asep Nana Hermana
No. KNSI2014-170
SISTEM PERINGATAN DINI STATUS GUNUNG BERAPI MENGGUNAKAN
PENGKLASIFIKASI NAVE BAYES .............................................................................. 834
Dewi Yanti Liliana
No. KNSI2014-171
PERANCANGAN APLIKASI PORTAL SEKOLAH MINGGU STUDI KASUS
GEREJA MASEHI INJILI DI MINAHASA ...................................................................... 838
Stanley Karouw, Nancy Tuturoong, Jimmy Roboth
No. KNSI2014-172
ANALISIS KEBUTUHAN DAN FAKTOR YANG EMPENGARUHI KEPUASAN
PENGGUNA SISTEM INFORMASI (STUDI KASUS : SISTEM INFORMASI
AKADEMIK) ...................................................................................................................... 844
Gede Agung Ary Wisudiawan

KNSI 2014

xli

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-173
ADOPSI TEKNOLOGI INTERNET PADA USAHA MIKRO KECIL DAN
MENENGAH ...................................................................................................................... 851
Kartika Gianina Tileng, Rinabi Tanamal
No. KNSI2014-174
ORGANIZATIONAL ALIGNMENT HIMPUNAN MAHASISWA DI PERGURUAN
TINGGI STUDI KASUS HM JURUSAN TIF UNIVERSITAS PASUNDAN ................. 855
Siti Fauzia Khairunnisa, Puput Nurovy, Caca E. Supriana
No. KNSI2014-175
PENERAPAN TEKNIK KOMPRESI BURROWS-WHEELER PADA DOKUMEN
BERBAHASA INDONESIA ............................................................................................. 859
Lulu C. Munggaran, Edi Prihantoro, Elfitrin Syahrul
No. KNSI2014-176
PENJADWALAN PERAWAT DI IRD RUMAH SAKIT XYZ MENGGUNAKAN
MODEL GOAL PROGRAMMING ................................................................................... 864
Wiwik Anggraeni, Retno Aulia Vinarti, Arina Pramudita Lestari
No. KNSI2014-177
PENGARUH IKLIM ORGANISASI DAN MOTIVASI TERHADAP
PELAKSANAAN TRI DHARMA PERGURUAN TINGGI (Studi Kasus Staf Edukatif
STMIK AKAKOM Yogyakarta) ......................................................................................... 870
Dara Kusumawati
No. KNSI2014-178
APLIKASI UNTUK ANALISIS PENILAIAN INVESTASI ............................................. 875
Dara Kusumawati

No. KNSI2014-179
PERANCANGAN SISTEM PEMERINGKATAN MODAL INTELEKTUAL
PERBANKAN INDONESIA BERBASIS WEB ................................................................ 880
Yuli Maharetta Arianti, Budi Prijanto, Agustin Rusiana Sari
No. KNSI2014-180
SISTEM REGISTRASI PENYAKIT DALAM MENDUKUNG PELAYANAN
HIV/AIDS DI RUMAH SAKIT .......................................................................................... 886
Guardian Y. Sanjaya, Marthalena E. Nahak, Citra Indriani, Yanri W. Subronto
No. KNSI2014-181
APLIKASI PEMBELAJARAN BERWUDHU DAN SHOLAT MENGGUNAKAN
ADOBE FLASH CS5 .......................................................................................................... 891
Erma Sova, Rani Puspita, Islamawati
No. KNSI2014-182
IMPLEMENTASI SISTEM PAKAR ANXIETY DISORDER BERBASIS WEB PADA
REMAJA ............................................................................................................................. 898
Banu Adi Witono, Citra Ika Wibawati, Friska Angelina

KNSI 2014

xlii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-183
PERINGKASAN OTOMATIS DOKUMEN TEKS BERBAHASA INDONESIA
DENGAN METODE LEXRANK ...................................................................................... 905
Achmad Ridok, Widhy H. Putra
No. KNSI2014-184
APLIKASI PERBANDINGAN METODE SEQUENTIAL SEARCH DAN
BREADTH-FIRST SEARCH ............................................................................................ 909
Taufiq, Yulia Yudihartanti
No. KNSI2014-185
IMPLEMENTASI ALTERNATIF LAYANAN KOMUNIKASI E-KAMPUS
BERBASIS SIMPLEX COMMUNICATION METHOD .................................................. 914
S.N.M.P. Simamora1, A. Anwar2
No. KNSI2014-186
ARSITEKTUR SISTEM INFORMASI PARIWISATA .................................................... 918
Rachmansyah, Gusmelia Testiana
No. KNSI2014-187
PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA DIJITAL MODEL
WARNA DASAR DALAM PENENTUAN MUTU BUAH JERUK KEPROK ............... 921
Zainul Arham
No. KNSI2014-188
RANCANG BANGUN PKUMAPS.COM BERBASIS LOCATION BASED SERVICE
(LBS) DENGAN TEKNOLOGI MULTI PLATFORM ..................................................... 928
Nazruddin Safaat H,Dimas Essa Anugrah Putra
No. KNSI2014-189
PENJADWALAN PERKULIAHAN DENGAN MENGGUNAKAN ALGORTIMA
GENETIKA DENGAN METODE SELEKSI RANK ........................................................ 933
Iwan Lesmana, Yandra Arkeman, Agus Buono
No. KNSI2014-191
PENJADWALAN MATA KULIAH BERBASIS ALGORITMA GENETIKA
DENGAN KROMOSOM PERMUTASI ............................................................................ 938
Ema Rachmawati, Mahmud Dwi Sulistyo
No. KNSI2014-192
SISTEM PAKAR DIAGNOSA MASALAH MEDIS BAYI BARU LAHIR BERBASIS
ANDROID ........................................................................................................................... 946
Sulistyo Puspitodjati, Fria Novaldy
No. KNSI2014-193
PERANCANGAN APLIKASI PEMBELAJARAN INTERAKTIF ONLINE DUA
BAHASA PADA TK. MERPATI POS MAKASSAR ....................................................... 952
Ahyuna, Nasaruddin, M. Syukri Mustafa

KNSI 2014

xliii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-194
PERBANDINGAN SOM DAN LVQ PADA IDENTIFIKASI CITRA WAJAH
DENGAN WAVELET SEBAGAI EKSTRAKSI CIRI...................................................... 959
Agus Buono, Syeiva Nurul Desylvia
No. KNSI2014-195
TATA KELOLA TI MENGGUNAKAN WEILL-ROSS MODEL (STUDI KASUS:
ITENAS BANDUNG) ........................................................................................................ 964
R. Budiraharjo
No. KNSI2014-196
PERANCANGAN MODULATOR ASK PADA TAG RFID 13,56 MHz DENGAN
BERBANTUAN MENTOR GRAPHICS TEKNOLOGI AMS 0,35 m ........................... 970
Ahmad Fauzi, Erma Triawati Ch, Hamzah Afandi

No. KNSI2014-197
PERANCANGAN COMPARATOR PADA TAG RFID 13.56 MHZ DENGAN
BERBANTUAN MENTOR GRAPHICS PADA TEKNOLOGI CMOS AMS 0.35 m ... 976
Gama Permana, Erma Triawati Ch, Hamzah Afandi
No. KNSI2014-198
ANALISIS PADA LAYANAN LEARNING MANAGEMENT SYSTEM (STUDI
KASUS: VIRTUAL LEARNING POLITEKNIK POS INDONESIA) .............................. 982
Maniah
No. KNSI2014-199
IDENTIFIKASI KONDISI PERMUKAAN JALAN DENGAN PEMANFAATAN
JARINGAN SYARAF TIRUAN ........................................................................................ 989
Yance Sonatha, Meri Azmi, Indri Rahmayuni
No. KNSI2014-200
PENGENALAN POLA CITRA IKAN LAUT BERDASARKAN TEKSTUR DAN
BENTUK ............................................................................................................................. 995
Kartarina, Bambang Krismono Triwijoyo, Komariyuli Anwariyah
No. KNSI2014-201
PERENCANAAN STRATEGIK SISTEM INFORMASI MANAJEMEN RSUD Dr.
MURJANI SAMPIT ........................................................................................................... 1001
Slamet Riyadi
No. KNSI2014-202
MODEL PEMBUATAN PENGETAHUAN SEBAGAI PENDUKUNG KINERJA
PENELITIAN PERGURUAN TINGGI (STUDI KASUS : PERGURUAN TINGGI
SWASTA DI BANDUNG) ................................................................................................. 1006
Bagus Kurniawan
No. KNSI2014-203
PERANCANGAN CMS UNTUK GROUP DECISSION SUPPORT SYSTEM
PERUSAHAAN .................................................................................................................. 1013
Almasari Aksenta
KNSI 2014

xliv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-204
ANALISIS FUNGSI AKTIVASI SIGMOID ALGORITMA BACKPROPAGATION
PADA PREDIKSI DATA ................................................................................................... 1019
Sri Redjeki
No. KNSI2014-205
IMPLEMENTASI DAN DESAIN KAMERA BERBASIS TEKNOLOGI CMOS
0.35m MENGGUNAKAN APLIKASI MENTOR GRAPHICS ...................................... 1024
Purnawarman Musa & Missa Lamsani
No. KNSI2014-206
EVALUASI AKTIVITAS DAN KINERJA MAHASISWA DALAM
PEMANFAATAN VIRTUAL CLASS ............................................................................... 1031
Silvia Harlena
No. KNSI2014-207
PEMBUATAN METRONOME MENGGUNAKAN MICROCHIP ATMEGA .............. 1035
Marvin Chandra Wijaya, Geby Putra Christian
No. KNSI2014-210
MARKET BASKET ANALYSIS DENGAN MENERAPKAN CT-PRO ......................... 1040
Shinta Siti Sundari, Evi Dewi Sri Mulyani, Egi Badar Sambani
No. KNSI2014-211
SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE LINEAR
DISCRIMINANT ANALYSIS (LDA) ............................................................................... 1049
Firman Brilian, Arief Fatchul Huda, Ichsan Taufik
No. KNSI2014-212
IMPLEMENTASI APLIKASI E-PRESCRIBING UNTUK TUJUAN PATIENT
SAFETY MENGGUNAKAN CLARION 5.0 .................................................................... 1055
Yohanes Adi Bangun Wiratmo
No. KNSI2014-214
PEMBUATAN MODEL ENTERPRISE RESOURCE PLANNING DINAS
KETAHANAN PANGAN KABUPATEN KLATEN ........................................................ 1060
Lalu Satria Abdi Negara, Sri Handayaningsih
No. KNSI2014-215
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN MAHASISWA BARU
PROGRAM BEASISWA D3 TKJ DENGAN METODE SAW (SIMPLE ADDITIVE
WEIGTHING) ..................................................................................................................... 1066
Teuku Mufizar, Dani Rohpandi, Wine
No. KNSI2014-216
PREDIKSI LAMA KELULUSAN MAHASISWA MENGGUNAKAN METODE
JARINGAN SYARAF TIRUAN STUDY CASE STMIK TASIKMALAYA .................. 1071
Egi Badar Sambani, Rahadi Deli Saputra, Evi Dewi Sri Mulyani

KNSI 2014

xlv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-217
IMPLEMENTASI TEKNOLOGI INFORMASI DAN KOMUNIKASI DALAM
SISTEM PEMBAYARAN PAJAK DI INDONESIA: SUATU ANALISIS
INSTITUSIONAL KOMPARATIF .................................................................................... 1079
Agung Darono
No. KNSI2014-219
PREDIKSI KEBERHASILAN STUDI MAHASISWA MENGGUNAKAN
ARTIFICIAL NEURAL NETWORK BERBASIS INDEKS PRESTASI AKADEMIK ... 1085
Mukhtar Hanafi, Auliya Burhanudin
No. KNSI2014-220
PERANCANGAN SITUS CROWDFUNDING UNTUK UKM KREATIF DI KOTA
BANDUNG ......................................................................................................................... 1093
Severinus Dewantara, Dicky Hidayat, Siska Noviaristanti

No. KNSI2014-221
MODEL KEPUTUSAN DECISION TREE UNTUK OPTIMALISASI PENGADAAN
OBAT DI APOTEK ............................................................................................................ 1098
Agus Heryanto, Sali Alas M
No. KNSI2014-222
SISTEM INFORMASI AKUNTANSI PENDAPATAN PADA PERUSAHAAN ECOMMERCE: STUDI KASUS DEAL.CO.ID ................................................................... 1104
Stepani Sisca Wulandari, Efriani Sukiaky Siagian
No. KNSI2014-223
MODEL PREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN
ALGORITMA PROJECTIVE ART.................................................................................... 1111
Lillyan Hadjaratie
No. KNSI2014-224
PENILAIAN PERFORMA JARINGAN DENGAN MENGGUNAKAN JARINGAN
SYARAF TIRUAN ............................................................................................................ 1115
Edwin Riksakomara
No. KNSI2014-225
PERANCANGAN SISTEM COLLABORATIVE SOCIETY LEARNING JAWA
BARAT ............................................................................................................................... 1119
Erlangga, Irawan Afrianto
No. KNSI2014-226
PENGGALIAN DATA IJIN GANGGUAN/HO (HINDERORDONNANTIE) UNTUK
PEMETAAN KESESUAIAN JALAN DAN INDEKS GANGGUAN DALAM
PENGELUARAN IJIN DI UNIT PELAYANAN SATU ATAP PEMERINTAH
KABUPATEN TASIKMALAYA MENGGUNAKAN TEKNIK CLUSTERING ............ 1125
Evi Dewi Sri Mulyani, Fitri Nuraeni, Egi Badar Sambani

KNSI 2014

xlvi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-227
SISTEM INFORMASI KEUANGAN SEBAGAI TEKNOLOGI TEPAT GUNA
UNTUK KOPERASI PEMULUNG BARANG BEKAS (BABE) ..................................... 1131
Imam Tahyudin, Fandy Setyo Utomo
No. KNSI2014-229
PENGEMBANGAN SISTEM INFORMASI MANAJEMEN PENDONOR DARAH .... 1137
Annisa Ristya Rahmanti, Lutfan Lazuardi, Guardian Yoki Sanjaya, Yerry Sabar Pasaribu,
Ayulia Fardila Sari, Teguh Triyono
No. KNSI2014-230
PERANCANGAN KERANGKA CROWDSOURCING BERBASIS WISDOM OF
CROWDS UNTUK KA MUS BAHASA SASAK ONLINE ............................................. 1144
Aswian Editri Sutriandi, L. M. Samsu, Ramli Ahmad
No. KNSI2014-231
USULAN MODEL OBJECT ORIENTED DATABASE PERPUSTAKAAN STIMIK
AMIKOM MENGGUNAKAN DB4O................................................................................ 1150
Fajar Triadmojo,Muhammad Ikhsan, Riski Puspita
No. KNSI2014-232
KLASIFIKASI KATEGORI BERITA DENGAN METODE PEMBELAJARAN SEMI
SUPERVISED ..................................................................................................................... 1155
Danang Tri Massandy, Masayu Leylia Khodra
No. KNSI2014-233
ALGORITMA C 4.5 DAN ADABOOST UNTUK PENGKLASIFIKASIAN POLA
PEMBAYARAN KREDIT MOTOR PERUSAHAAN PEMBIAYAAN (LEASING) ...... 1161
Fitri Nuraeni, Dani Rohpandi, Rahadi Deli Saputra
No. KNSI2014-235
RANCANGAN SISTEM INFORMASI PENGELOLAAN PERALATAN
OLAHRAGA DENGAN PENDEKATAN FIXED-ASSET MANAGEMENT LIFE
CYCLE ................................................................................................................................ 1169
Pepy Tri Anisa , Sali Alas M
No. KNSI2014-236
COLABORATIVE METHODS MODEL DALAM MEMBANDINGKAN DOKUMEN
UNTUK MENGUKUR PROSENTASE KEMIRIPAN ..................................................... 1174
Junaidi, Fifit Alfiah, Tri Putri Utami, Rizky Riendia Putri, Megi Asmara, Dedi Suhendi

No. KNSI2014-238
ENTERPRISE APPLICATION INTEGRATION MENGGUNAKAN ACTIVEMQ
DAN CENTRAL AUTHENTICATION SERVICE STUDI KASUS: INTEGRASI
STUDENT PORTAL, E-LEARNING DAN E-LIBRARY UNPAR.................................. 1179
Andri, Gede Karya

KNSI 2014

xlvii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-239
PENGENALAN GENRE MUSIK MELALUI EKSTRAKSI CIRI AUDIO PADA
DOMAIN WAKTU MENGGUNAKAN METODE K-MEANS ....................................... 1186
Enny Itje Sela
No. KNSI2014-240
PENETAPAN FUNCTION DAN EVENT DALAM PERANCANGAN SYSTEM
REQUIREMENT ................................................................................................................ 1192
Yogi Nur Fadilah
No. KNSI2014-241
MODEL SISTEM EVALUASI KINERJA GURU SMK ................................................... 1197
Rosa de Lima Endang Padmowati
No. KNSI2014-242
PERANCANGAN BASIS DATA BERORIENTASI OBYEK UNTUK MENDUKUNG
APLIKASI FULL TIME EQUIVALENT (FTE) DOSEN.................................................. 1203
Yenni Yuliati, Ishadi Fauzan, Nicko Putra Hafizam, Guson Kuntarto
No. KNSI2014-243
PENGUKURAN KEBIJAKAN PENERAPAN TI MENGGUNAKAN HYPE CYCLE
STUDI KASUS ABSENSI FINGERPRINT DI FAKULTAS TEKNIKUNIVERSITAS
PASUNDAN ....................................................................................................................... 1209
Nanda Prasetyo, Shelly Yolanda, Fathya Nur Fadhila,Caca E. Supriana
No. KNSI2014-244
ALGORITMA DIJKSTRA PADA APLIKASI PEKANBARU TAKSI GUIDE
DENGAN PLATFORM ANDROID ................................................................................. 1214
Febi Yanto,Yonni Aris
No. KNSI2014-245
PENETAPAN BUSINESS SYSTEM PADA RANCANG BANGUN SISTEM
PENDUKUNG KEPUTUSAN PEREKOMENDASIAN BIDANG KEAHLIAN
SISWA MA/MA/SMK ........................................................................................................ 1221
Nita Apriyanti, Sali Alas M
No. KNSI2014-246
APLIKASI SCHEDULE POST SOSIAL MEDIA ............................................................. 1226
Riya Widayanti, Joko Setiyono
No. KNSI2014-247
PERANCANGAN SISTEM PENCARI PAKAR MENGGUNAKAN
STRUKTUR BASIS DATA BERORIENTASI OBYEK.................................................... 1234
Fahmi Lutfiansyah Moechtar, indri Dwi Erfianti, Naufal Fakhriadi

No. KNSI2014-248
PROFIL PENGGUNA INTERNET BANKING DI PULAU JAWA ................................. 1240
Kartika Sari

KNSI 2014

xlviii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-250
MEMO ONLINE APLIKASI KOLABORASI SURAT DINAS ....................................... 1246
Nyoman Bogi Aditya Karna
No. KNSI2014-251
FORMULASI MODEL OLAH DATA SPASIAL SEKOLAH MENENGAH ATAS
UNTUK MENDUGA KECUKUPAN DAYA TAMPUNG BERDASAR LULUSAN
SEKOLAH MENENGAH PERTAMA .............................................................................. 1250
Agus Pribadi
No. KNSI2014-252
DETEKSI OUTLIER MENGGUNAKAN ALGORITMA LOCAL OUTLIER
FACTOR (STUDI KASUS DATA AKADEMIK MAHASISWA UNIVERSITAS
ABC).................................................................................................................................... 1254
Daniel Tomi Raharjo, Ridowati Gunawan

No. KNSI2014-254
DESAIN DAN IMPLEMETASI TEKNOLOGI AUGMENTED REALITY SEBAGAI
MEDIA EDUKASI KESEHATAN ANAK ........................................................................ 1260
Tonny Hidayat
No. KNSI2014-255
PEMANFAATAN APLIKASI MYSQL WORKBENCH UNTUK PENERAPAN
VISUALISASI DESAIN ERD DALAM MANAJEMEN DATABASE (STUDI KASUS
PADA DATABASE KLINIK PIJAT TUNANETRA) ....................................................... 1267
Jejen Samsul Aripin, Sali Alas M
No. KNSI2014-256
PERMASALAHAN SAMPAH ELEKTRONIK (E-WASTE) DAN SOLUSI
ENANGANANNYA DI INDONESIA ............................................................................... 1271
Ranny, Adhi Kusnadi
No. KNSI2014-257
BUDAYA INTERAKSI MAHASISWA TEKNIK INFORMATIKA ............................... 1274
Tika Maliyana
No. KNSI2014-258
PENGGUNAAN TEKNIK REVERSE ENGINEEIRNG PADA MALWARE
ANALYSIS UNTUK IDENTIFIKASI SERANGAN MALWARE ................................... 1282
Heru Ari Nugroho, Yudhi Prayudi
No. KNSI2014-259
RANCANGAN TATA KELOLA DATA DENGAN PENDEKATAN ISO 38500:2008
DAN POAC; SEBUAH USULAN ..................................................................................... 1288
Hanung Nindito Prasetyo, Kridanto Surendro
No. KNSI2014-260
SISTEM INFORMASI TATA LETAK RUANG PADA LOKASI KAMPUS
BERBASIS ANDROID ..................................................................................................... 1295
Fettiana Gianadevi, Revida Iriana Napitupulu, Eel Susilowati, Sandhi Nugroho
KNSI 2014

xlix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-261
SISTEM PENDUKUNG KEPUTUSAN SELEKSI PEMAIN FUTSAL (STUDI
KASUS UKM FUTSAL FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
ISLAM INDONESIA)......................................................................................................... 1301
Arwan Ahmad Khoiruddin, Riky Agus Maulana
No. KNSI2014-262
APLIKASI PEMANTAUAN BUS PARIWISATA DENGAN MENGGUNAKAN PHP
DAN GOOGLE MAPS ....................................................................................................... 1308
Ricky Agus Tjiptanata, Malika Purna
No. KNSI2014-265
SISTEM INFORMASI KEUNIKAN ALAM DAN TRADISI PETANG
MANGUPURA BERBASIS ANDROID ............................................................................ 1313
Ni Nyoman Harini Puspita, Ni Luh Putri Srinadi, Ratna Kartika Wiyati
No. KNSI2014-266
ANALISIS METODE BOOTSTRAP UNTUK PEMBANGUNAN PARALLEL
CORPUS PADA STATISTICAL MACHINE TRANSLATION ....................................... 1316
Kurniawan Nur Ramadhani, Arry Akhmad Arman
No. KNSI2014-267
APLIKASI NAVIGASI PETA BANGUNAN DALAM BENTUK 3 DIMENSI
BERBASIS GAME ............................................................................................................. 1321
Indri Neforawati, dewiyanti Liliana
No. KNSI2014-268
PEMBUATAN MODEL PELAYANAN (SERVICE) AKADEMIK PADA
MAHASISWA MENGGUNAKAN KERANGKA MANAJEMEN LAYANAN ITIL
V.3 DI UNIVERSITAS XYZ.............................................................................................. 1326
Khairul Sani,Sri Hadayaningsih
No. KNSI2014-269
PENGUKURAN TINGKAT KESUKSESAN SISTEM INFORMASI AKADEMIK
UNIVERSITAS XYZ DENGAN MODEL DELONE DAN MCLEAN ............................ 1333
Amri Ahmad, Sri Handayaningsih
No. KNSI2014-270
ANALISIS PERENCANAAN JARINGAN LTE (LONG TERM EVOLTION) DI
DENPASAR BALI .............................................................................................................. 1342
Candra Ahmadi
No. KNSI2014-271
ANALISA PENGELOMPOKAN KONSENTRASI PROGRAM STUDI
MENGGUNAKAN K-MEANS CLUSTERING ................................................................ 1349
Ni Ketut Dewi Ari Jayanti

KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-272
KOMBINASI ALGORITMA GENETIK DAN K-PROTOTYPE UNTUK
MENENTUKAN JUMLAH CLUSTER OPTIMAL PADA DATA BERTIPE
CAMPURAN ...................................................................................................................... 1355
I Made Ari Santosa, I Wayan Budi Sentana
No. KNSI2014-273
PERANCANGAN APLIKASI PETA LOKASI KONSER MUSIK DAN
PEMESANAN TIKET KONSER ONLINE ....................................................................... 1365
Kartini
No. KNSI2014-274
RANCANG BANGUN KOMPONEN PENGUMPAN DATA PENGOLAHAN CITRA
BERBASISKAN FPGA ..................................................................................................... 1376
Sunny Arief Sudiro dan Bheta Agus Wardijono, Lingga Hermanto, Sarifuddin Madenda

No. KNSI2014-275
MODEL PENYUSUNAN BLUE PRINT INFORMATION TECHNOLOGY
GOVERNANCE DI RUMAH SAKIT ................................................................................ 1380
N. Tri Suswanto Saptadi, Phie Chyan
No. KNSI2014-276
APLIKASI PENGELOLA KEUANGAN MENGGUNAKAN HANDPHONE
ANDROID ........................................................................................................................... 1386
Juwairiah, Paryati, Andi Soraya Ujang P
No. KNSI2014-277
PERANCANGAN APLIKASI EMOTION DETECTION SOFTWARE UNTUK
PENGENALAN EKSPRESI WAJAH ................................................................................ 1393
Vitri Tundjungsari, Batari Nurulniza, Faradyna Rahma, Nur Aini, Umi Kalsum
No. KNSI2014-278
PENETAPAN KEPUTUSAN HUKUM DALAM PENGADILAN SECARA
TRANSPARANSI DAN ON-LINE MENGGUNAKAN METODE TRANSIEN,
PENDEKATAN NEURAL NETWORK DAN MODEL E_LIST RP ............................. 1398
Herri Trisna Frianto , Ismael, Aja M Irham , Hasanuddin , Agus Sofwan
No. KNSI2014-279
APLIKASI INFORMASI LOKASI BANJIR DAN RUTE ALTERNATIF DI DKI
JAKARTA .......................................................................................................................... 1404
Eliyani, Leny Apriani
No. KNSI2014-280
EVALUASI TATA KELOLA TI PEMERINTAH KABUPATEN BANYUASIN .......... 1408
Muhammad Rizky Pribadi
No. KNSI2014-281
APLIKASI SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PENENTUAN THE
MOST LOYAL CUSTOMER ............................................................................................... 1414
Dian Tri Wiyanti, Nursanti Irliana
KNSI 2014

li

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-282
ONLINE ANALITICAL PROCESSING SISTEM PENGELOLAAN KEUANGAN
DAERAH (Studi Kasus Pemerintah Provinsi XYZ) ........................................................... 1419
Kholid Haryono
No. KNSI2014-283
APLIKASI BERBASIS WEB UNTUK PELATIHAN MENINGKATKAN DAYA
INGAT ................................................................................................................................. 1423
Ami Fauzijah, Niken Dianita
No. KNSI2014-284
PENGGUNAAN QR CODE UNTUK MEMPERMUDAH SENSUS BARANG DI
KOTA CILEGON ............................................................................................................... 1428
Anggoro Suryo Pramudyo
No. KNSI2014-285
MEMBANGUN MODEL MICROPAYMENT BERBASIS SMART CARD DENGAN
MENGGUNAKAN FRAMEWORK HEVNER ................................................................. 1433
Azzahra Ratu Kamila, Nia Ambarsari, Pitrasacha Adytia
No. KNSI2014-286
PENERAPAN KRIPTOGRAFI PADA SMART CARD ................................................... 1440
I Made Mustika Kerta Astawa
No. KNSI2014-287
PENGGUNAAN TEKNIK REVERSE ENGINEERING PADA MALWARE
ANALYSIS UNTUK IDENTIFIKASI SERANGAN MALWARE ................................... 1440
Heru Ari Nugroho, Yudi Prayudi
No. KNSI2014-288
E-GOVERNMENT DAN PROSES PENGOLAHAN DATA PEGAWAI ONLINE ....... 1450
Hidayatulah Himawan

No. KNSI2014-289
ANALISIS DAN PERANCANGAN E-DOCUMENT MANAGEMENT SYSTEM ........ 1455
Rinda Hesti Kusumaningtyas, Arini Wulandari
No. KNSI2014-290
XFORMS: FORM WEB MASA DEPAN ? ........................................................................ 1465
Uung Ungkawa
No. KNSI2014-292
EKSTRAKSI QUERY UNTUK MENDUKUNG QUERY REWRITING ........................ 1470
Detty Purnamasari, Lily Wulandari , Ahmad Thantawi, I Wayan Simri Wicaksana
No. KNSI2014-293
PENERAPAN FRAMEWORK ZACHMAN UNTUK INTEGRASI SISTEM
INFORMASI APOTEK MENGGUNAKAN METODE ENTERPRISE
ARCHITECTURE PLANNING ......................................................................................... 1473
Ikbal Jamaludin, Eni Suryeni
KNSI 2014

lii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-294
3 DIMENSI MODELING CHARACTER HEWAN BERKAKI EMPAT DENGAN
METODE RIGGING .......................................................................................................... 1485
Muhammad Rusdi Tanjung
No. KNSI2014-295
C4.5 ALGORITHM FOR FOREST FIRE PREDICTION.................................................... 1490
Castaka Agus Sugianto
No. KNSI2014-296
FAKTOR-FAKTOR YANG MEMENGARUHI KNOWLEDGE SHARING DI
ANTARA STAF AKADEMIK DI KUPANG .................................................................... 1497
Semlinda Juszandri Bulan, Dana Indra Sensuse
No. KNSI2014-297
ANALISIS BUDAYA ORGANISASI TERHADAP STRATEGI PENERAPAN
TEKNOLOGI INFORMASI UNTUK MEMBANGUN BUDAYA ORGANISASI
YANG ISLAMI .................................................................................................................. 1504
Megawati
No. KNSI2014-298
IMPLEMENTASI LAYANAN INFORMASI AKADEMIK MENGGUNAKAN
TWITTER ........................................................................................................................... 1511
Dwi Agus Diartono, Herny Februariyanti
No. KNSI2014-299
E-CRM PADA PERUSAHAAN KONSULTAN DESAIN ARSITEKTUR (Studi Kasus
: CV. Karya Bakti Putih) ..................................................................................................... 1518
Atur Sumedi
No. KNSI2014-300
NALISA TEKNIK DATA MINING UNTUK PREDIKSI HARGA SAHAM ................. 1525
Kartina Diah KW
No. KNSI2014-301
SURVEY TERHADAP PEMBELAJARAN MESIN UNTUK DETEKSI PENIPUAN
(FRAUD) TRANSAKSI KARTU KREDIT ....................................................................... 1529
Luqman Abdul Mushawwir
No. KNSI2014-302
E-MARKETPLACE SEBAGAI PENYEDIA LAYANAN PENJUALAN BARANG ...... 1535
David
No. KNSI2014-303
PENERAPAN SHAMIRS THRESHOLD SCHEME DAN ALGORITMA BLUMBLUM-SHUB DALAM KRIPTOGRAFI BERKAS PADA CYBER DEFENCE ............ 1541
Tony Darmanto, Firman Hidayat

KNSI 2014

liii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-304
SISTEM INFORMASI MONITORING KULIAH ONLINE PADA AMIK WAHANA
MANDIRI TANGERANG SELATAN BERBASIS WEB ................................................ 1550
Lany Mayangsari, Yasin Efendi
No. KNSI2014-305
IMPLEMENTASI REFACTORING PADA SOURCE CODE UNTUK
MEMUDAHKAN MAINTENANCE PROGRAM ............................................................ 1550
Mardhiah Fadhli
No. KNSI2014-306
EVOLUSI SOFTWARE OPEN SOURCE DALAM PERSPEKTIF FASE
PENGEMBANGAN DAN HUKUM LEHMAN ................................................................ 1559
Mardhiah Fadhli
No. KNSI2014-308
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN RISIKO KERUGIAN BANK
SYARIAH .......................................................................................................................... 1564
Rakhma Oktavina, Retno Maharesi, Dwi Asih Haryanti
No. KNSI2014-309
DESAIN DAN IMPLEMENTASI E-COMMERCE UNTUK UKM BERBASIS
KOMUNITAS : STUDI KASUS UKM DI WILAYAH PAMULANG ............................. 1570
Saipul Anwar, Yasin Efendi
No. KNSI2014-310
PENGEMBANGAN MODEL PENERAPAN TOGAF DAN COBIT DALAM TATA
KELOLA TEKNOLOGI INFORMASI PADA AMIK WAHANA MANDIRI ................. 1575
Sucipto
No. KNSI2014-311
PENGEMBANGAN SISTEM QURAN RETRIEVAL UNTUK TERJEMAHAN
BAHASA INGGRIS DENGAN METODE OKAPI BM25 DAN PORTER STEMMER . 1580
Surya Agustian, Rizqa Raaiqa Bintana

No. KNSI2014-312
MENGELOLA INFORMASI DENGAN TEKNIK DATA MINING (CONTOH
KASUS TEKNIK ASSOCIATION RULE DAN SUPPORT VECTOR MACHINE) ....... 1586
Ermatita
No. KNSI2014-313
INTELLIGENT AGENT FOR PREDICTING STOCK MARKET BASED ON ANFIS .. 1592
Misbahuddin, Heri Wijayanto, Dede Setiawan
No. KNSI2014-315
IMPLEMENTASI WEB SERVICE PADA APLIKASI SISTEM INFORMASI
AKADEMIK DENGAN PLATFORM MOBILE ............................................................... 1596
Purnawansyah, Amaliah Faradibah

KNSI 2014

liv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-316
PENERAPAN SISTEM PAKAR UNTUK PEMBERIAN INFORMASI PENCARIAN
PADANAN OBAT JADI .................................................................................................... 1600
Bambang Irawan, Fia Uchriani
No. KNSI2014-317
PENGGUNAAN STRUKTUR DATA UNTUK PEMBUATAN APLIKASI
PERMAINAN TRADISIONAL INDONESIA ................................................................... 1608
Yulia, Liliana
No. KNSI2014-318
BATIK STEREOGRAM DENGAN DEPTH MAP SMOOTHING .................................. 1614
Arwan Ahmad Khoiruddin

No. KNSI2014-320
TEKNIK CONTROL MARK PACKET DAN MARK CONNECTION
MENGGUNAKAN METODE PCQ .................................................................................. 1618
Gat
No. KNSI2014-321
PENGUKURAN PERENCANAAN INVESTASI TEKNOLOGI INFORMASI
APLIKASI METATRADERPADA PT. XYZ .................................................................... 1624
Rani Puspita, Imelda
No. KNSI2014-322
AUDIT IT GOVERNANCE MENGGUNAKAN FRAME WORK COBIT PADA
DOMAIN ACQUISITION AND IMPLEMENTATION (AI) STUDI KASUS:
UNIVERSITAS WIDYATAMA ........................................................................................ 1633
Iwan Rijayana, Hadiana Wibawa
No. KNSI2014-323
SISTEM INFORMASI GEOGRAFIS DENGAN FITUR PETA DAN RUTE
PERJALANAN, STUDI KASUS DI KABUPATEN MALANG ..................................... 1639
Djoni H. Setiabudi, Silvia Rostianingsih, Lady Joanne Tjahyana
No. KNSI2014-324
ANALISIS MATURITY LEVELSISTEM INFORMASI PERPUSTAKAAN DENGAN
FRAMEWORKCOBIT 4.1 (STUDI KASUS :PERPUSTAKAAN UNIVERSITAS
ISLAM RIAU) .................................................................................................................... 1644
Agusriandi, Idria Maita
No. KNSI2014-325
PENGEMBANGAN ALAT BANTU BRAND MONITORING DI SITUS JEJARING
SOSIAL TWITTER MENGGUNAKAN METODE NAVE BAYES CLASSIFIER
DAN MUTUAL INFORMATION .................................................................................... 1650
Apriadhie Purnama R, ZK. Abdurahman Baizal

KNSI 2014

lv

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-326
KAJIAN ANALISIS PENERAPAN KONTEN E-GOVERNMENT PADA WEBSITE
RESMI PEMERINTAH PROPINSI NUSA TENGGARA TIMUR .................................. 1656
Yulianti Paula Bria
No. KNSI2014-327
MODEL KNOWLEDGE MANAGEMENT SYSTEM BERBASIS CBR PADA
SERVICE CENTER ELEKTRONIK.................................................................................. 1661
Rahmawati
No. KNSI2014-328
PERBANDINGAN METODE PENGENALAN WAJAH SECARA REAL-TIME
PADA PERANGKAT BERGERAK BERBASIS ANDROID ......................................... 1667
Septian Adi Wijaya
No. KNSI2014-329
RANCANG BANGUN APLIKASI LOCATION BASED SERVICE PRAKTEK
DOKTER HEWAN PADA SISTEM OPERASI ANDROID DENGAN
MENGGUNAKAN JAVA ECLIPSE GALILEO ............................................................... 1673
Astie Darmayantie1, Ahmad Istikhori2, Nur Sultan Salahuddin
No. KNSI2014-330
ALGORITMA FREEMAN CHAIN CODE UNTUK PEMBELAJARAN MENULIS
AKSARA JAWA................................................................................................................. 1679
Agustinus Rudatyo Himamunanto, Gidion Gunawan

No. KNSI2014-331
APLIKASI E-LEARNING PADA SMP NEGERI 1 BAYUNG LINCIR .......................... 1683
Beni Murdani, Sukma Puspitorini
No. KNSI2014-332
PERSONALISASI KONTEN PEMBELAJARAN BERDASARKAN PENDEKATAN
TIPE BELAJAR TRIPLE-FACTOR DALAM STUDENT CENTERED E-LEARNING
ENVIRONMENT ................................................................................................................ 1689
Mira Suryani, Zainal A. Hasibuan, Harry Budi Santoso
No. KNSI2014-334
APLIKASI PENILAIAN PRESTASI PEGAWAI .............................................................. 1696
Deden Sofyan Hamdani, Ikrima Khoirunnisa
No. KNSI2014-335
AUDIT SISTEM INFORMASI MENGGUNAKAN RAMEWORKCOBIT PADA
DOMAIN DELIVERY AND SUPPORT (DS) STUDI KASUS : UNIVERSITAS
WIDYATAMA ................................................................................................................... 1701
Iwan Rijayana, Fahrin Dianisa
No. KNSI2014-336
MINIATUR ALAT SIMULASI GEMPA BUMI ............................................................... 1707
Pin Panji Yapinus, Andrew Sebastian Lehman

KNSI 2014

lvi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-337
INFRASTRUKTUR SCADA (Supervisory Control And Data Acquisition) PT.
KRAKATAU DAYA LISTRIK ......................................................................................... 1713
Didik Aribowo, Hudson Leroy S

No. KNSI2014-340
OPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS
PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION ..... 1718
Wayan Firdaus Mahmudy
No. KNSI2014-341
RANCANG BANGUN WEB SERVICES PADA APLIKASI PRESENSI
PEMERINTAH KOTA MANADO .................................................................................... 1724
Deddy Ch. Kakunsi, Yaulie D. Y. Rindengan, Virginia Tulenan
No. KNSI2014-342
APLIKASI KEHADIRAN SISWA BERBASIS SMS GATEWAY MENGGUNAKAN
TEKNOLOGI BARCODE PADA SMA UNKLAB ........................................................... 1730
Stenly Richard Pungus, Ronaldo Brovield Wullur, Juan Reinaldo Assa
No. KNSI2014-344
SEGMENTASI CITRA CT SCAN PARU DENGAN METODE MORFOLOGI DAN
WATERSHED UNTUK MENGURANGI OVER- SEGMENTASI PADA CITRA ......... 1735
Rina Noviana, Sarifuddin Madenda, Rodiah
No. KNSI2014-346
PENERAPAN STEGANOGRAFI METODE END OF FILE (EOF) DAN ENKRIPSI
METODE DATA ENCRYPTION STANDARD (DES) PADA APLIKASI
PENGAMANAN DATA GAMBAR BERBASIS JAVA PROGRAMMING .................. 1743
Yayuk Anggraini1, Dolly Virgian Shaka Yudha Sakti
No. KNSI2014-347
ANALISIS MINING SYSTEM PADA BITCOIN ............................................................ 1754
Ferry Mulyanto, M Tirta Mulia
No. KNSI2014-348
SISTEM REKOMENDASI PARIWISATA DI KOTA PALU MENGGUNAKAN
KNOWLEDGE BASED FILTERING ............................................................................... 1758
Debby Sondakh, Merry Christiana Sandag, Lidya Christiana Sandag
No. KNSI2014-349
PEMANFAATAN RELASI SEMANTIK WORDNET UNTUK PENENTUAN
SUSUNAN KALIMAT RINGKASAN EKSTRAKTIF ..................................................... 1763
Margaretha Siahaan, Masayu Leylia Khodra
No. KNSI2014-351
MODEL IMPLEMENTASI CENTRALIZED AUTHENTICATION SERVICE PADA
SISTEM SOFTWARE AS SERVICE.................................................................................... 1770
Muhammad Arfan, Widyawan, Sujoko Sumaryono

KNSI 2014

lvii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-352
APLIKASI PELACAKAN PONSEL BERBASIS WINDOWS MOBILE PHONE ........... 1775
Agustinus Noertjahyana, Justinus Andjarwirawan, Heinrich Wiradinata
No. KNSI2014-353
PEMBUATAN APLIKASI PREDICTIVE TEXT BERBAHASA INDONESIA
DENGAN METODE BIGRAM DAN TRIGRAM ........................................................... 1780
Silvia Rostianingsih, Sendy Andrian Sugianto, Liliana
No. KNSI2014-356
SISTEM PEMANTAUAN LADANG JAMUR TIRAM BERBASISKAN WEB ............. 1786
Mohammad Iqbal, Nur Sultan Salahuddin
No. KNSI2014-357
RANCANGAN SISTEM PEMBANGKIT ANOTASI OTOMATIS UNTUK
KREDIBILITAS DAN RELIABILITAS INFORMASI DALAM JEJARING SOSIAL
ONLINE ............................................................................................................................. 1793
Yudi Wibisono, Dwi Hendratmo Widyantoro, Nur Ulfa Maulidevi
No. KNSI2014-359
TREND FORENSIK SISTEM FILE DALAM PENYELIDIKAN DATA SEBAGAI
BUKTI KEJAHATAN ........................................................................................................ 1798
Resi Utami Putri
No. KNSI2014-360
SISTEM INFORMASI KEHADIRAN MAHASISWA PADA AMIK WAHANA
MANDIRI BERBASIS PHP ............................................................................................... 1803
Rushendra, Saipul Anwar
No. KNSI2014-361
DETEKSI WARNA KULIT MANUSIA BERBASIS PIXEL MENGGUNAKAN
RUANG WARNA HSV DAN YcbCr................................................................................. 1807
Muh.Arif Rahman
No. KNSI2014-362
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA BIDIK MISI ........ 1812
Pesos Umami, Leon Andretti Abdillah, Ilman Zuhri Yadi
No. KNSI2014-364
IMPLEMENTASI ALGORITMA DOUGLAS-PEUCKER UNTUK MINIMALISASI
DATA JALUR PELACAKAN LOKASI ............................................................................ 1818
Handika Chandra1 , Maria Irmina Prasetiyowati
No. KNSI2014-365
ALGORITMA PEWARNAAN-f UNTUK OPTIMASI PENJADWALAN WAKTU
KOMPUTASI ..................................................................................................................... 1824
Adiwijaya

KNSI 2014

lviii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-366
PENGUKURAN KEBIJAKAN PENERAPAN TI MENGGUNAKAN HYPE CYCLE
STUDI KASUS ABSENSI FINGERPRINT DI FAKULTAS TEKNIKUNIVERSITAS
PASUNDAN ....................................................................................................................... 1828
Nanda Prasetyo, Shelly Yolanda, Fathya Nur Fadhila, Caca E. Supriana
No. KNSI2014-367
PURWARUPA SISTEM VIDEO CONFERENCE BERBASIS WEB .............................. 1833
Donny Erlangga, M. Ravii Marwan, M. Akbar Marwan, Avinanta Tarigan

No. KNSI2014-368
PEMANFAATAN SISTEM INFORMASI GEOGRAFIS (GIS) UNTUK PEMETAAN
DATA DAERAH PENGHASIL KOPI PADA KECAMATAN DOLOKSANGGUL .... 1837
Alfonsus Situmorang, Kardinal J Purba
No. KNSI2014-369
ALGORITMA SIEVE OF ERATOSTHENES PARALEL BERBASIS MPI PADA
SISTEM KOMPUTASI PARALEL IN-GRID ................................................................... 1842
Maykada Harjono K, Surya Agustian
No. KNSI2014-370
KAJIAN TEORI FLOW SEBAGAI SUMBER MOTIVASI INTRINSIK BELAJAR
MELALUI SE RIOUS GAME ............................................................................................ 1848
Ririn Dwi Agustin, Ayu Purwarianti, Kridanto Surendri , Iping S Suwardi
No. KNSI2014-371
USULAN MODEL PELATIHAN TIK STUDI KASUS DESA BINAAN FAKULTAS
TEKNIK UNPAS ............................................................................................................... 1854
Nadya Safitri, Fajar Darmawan, Shanti Herliani
No. KNSI2014-372
ANALISIS PENERIMAAN SISTEM INFORMASI KEPEGAWAIAN
PENGARUHNYA TERHADAP KINERJA PENGGUNA (studi kasus : Pusat Sumber
Daya Geologi, Bandung) ..................................................................................................... 1859
Syachriani Syam, Sali Alas M
No. KNSI2014-373
MODEL EVALUASI UNTUK MENILAI KUALITAS REQUIREMENT SISTEM
INFORMASI ....................................................................................................................... 1864
Iwan Kurniawan, Sali Alas M
No. KNSI2014-374
PERANCANGAN SISTEM INFORMASI DENGAN MENGGUNAKAN
PENDEKATAN KNOWLEDGE SHARING UNTUK KOMUNITAS BELAJAR ......... 1871
Agung Aldhiyat, Agus Hexagraha, Shanti Herliani
No. KNSI2014-375
MENGUKUR KEBERHASILAN PENERAPAN SISTEM INFORMASI
MANAJEMEN MENGGUNAKAN MODEL OPERATIONS MANAGEMENT .......... 1877
Dwi Vernanda, Sali Alas M, Shanti Herliani
KNSI 2014

lix

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-376
PERANCANGAN FORUM ONLINE PEDULI BANYUMAS SEBAGAI FORUM
DISKUSI DAN PENAMPUNG ASPIRASI MASYARAKAT TERHADAP
PEMBANGUNAN/ INFRASTRUKTUR, SARANA DAN PRASARANA JALAN
RAYA KABUPATEN BANYUMAS ................................................................................. 1884
Dhanar Intan Surya Saputra1, Berlilana2, Sitaresmi Wahyu Handani
No. KNSI2014-378
PERANCANGAN APLIKASI SEDERHANA ANTI VIRUS LOKAL ............................ 1895
Imran Djafar, Mirfan, Cucut Susanto
No. KNSI2014-379
USULAN RANCANGAN SISTEM ADMINISTRASI PENDUDUK JAWA BARAT
SEBAGAI PORTAL ONLINE BERKONSEP ZERO STOP SERVICES ........................... 1902
Inne Gartina Husein
No. KNSI2014-380
DASHBOARD MONITORING LAYANAN BERKAS PADA KANTOR NOTARIS
AGUS RAHMAT, SH SPN ................................................................................................ 1905
Meta Amalya Dewi, Wisnu Hidayat, Ivan, Siti Ropiah
No. KNSI2014-381
STUDI DAN IMPLEMENTASI ALGORITMA TERINSPIRASI SISTEM IMUN:
CLONAL SELECTION ALGORITHM ............................................................................. 1910
Ayi Purbasari, Oerip Santoso, Rila Mandala,Iping Supriana S
No. KNSI2014-382
APLIKASI CUSTOM BATIK DESIGN SEBAGAI PELENGKAP INOVASI
PEMASARAN PRODUK BATIK ..................................................................................... 1917
Ira Phajar Lestari, Yudhi Adha, Setia Wirawan
No. KNSI2014-383
KONTROL ROBOT MOBIL BERBASIS ANDROID MENGGUNAKAN WI-FI
SEBAGAI MEDIA REMOTE ............................................................................................ 1922
Gino, Sugeng Purwantoro E.S.G.S, Tianur
No. KNSI2014-384
KONTRIBUSI SISTEM INFORMASI TERHADAP SISTEM KERJA EVENT
ORGANIZER ...................................................................................................................... 1928
Asep Somantri
No. KNSI2014-385
PEMANFAATAN BASIC FOR ANDROID DAN SQLite DALAM MEMBANGUN
APLIKASI SMARTPHONE UNTUK MONITORING PRESTASI SISWA .................. 1933
Junaidi, Sandro Alfeno, Syefri Maulana Husain, Paula Sari, Saifuddin, Andika Saputra
No. KNSI2014-387
DATA MINING KREDIT USAHA MIKRO DI BANK XXXX ..................................... 1943
Agus Hexagraha
KNSI 2014

lx

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-388
ANALISIS METODE UNTUK DIAGNOSIS PENYAKIT DBD MENGGUNAKAN
ARTIFICIAL NEURAL NETWORKS DAN NEUROFUZZY ......................................... 1948
Qomariyah , Sonny.pamuji, Suhaeri, Vitri Tundjungsari
No. KNSI2014-390
IMPLEMENTASI APLIKASI E-VOUCHER GAME ONLINE ....................................... 1954
Suryatiningsih1
No. KNSI2014-391
MODEL DAN IMPLEMENTASI ARSITEKTUR ENTERPRISE PELAYANAN
PERIZINAN TERPADU MENGGUNAKAN TOGAF ADM DAN SOA DENGAN
BPMN 2.0 ........................................................................................................................... 1960
R.A.E. VirganaTargaSapanji
No. KNSI2014-392
APLIKASI SISTEM BASIS DATA TERDISTRIBUSI UNTUK PENDISTRIBUSIAN
SEMEN ............................................................................................................................... 1967
Satriawaty Mallu, Kurnia Yahya
No. KNSI2014-393
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN GOLONGAN UKT (UANG
KULIAH TUNGGAL) MENGGUNAKAN METODE FUZZY TOPSIS (Studi Kasus :
Universitas Malikussaleh) .................................................................................................. 1974
Bustami
No. KNSI2014-395
SIMULASI INISIALISASI KEMAMPUAN DENGAN METODE FUTSUHILOW
DALAM COMPUTERIZED ADAPTIVE TESTING ........................................................ 1982
Rukli
No. KNSI2014-396
ANALISIS INVESTASI SISTEM INFORMASI DENGAN ENGGUNAKAN
DOMAIN TEKNOLOGI - METODE INFORMATION ECONOMICS .......................... 1987
Leo Willyanto Santoso, Yulia, Aldy Wirawan
No. KNSI2014-397
PENINGKATAN KUALITAS PEMBELAJARAN MATA KULIAH
PEMROGRAMAN BERORIENTASI OBJEK ................................................................. 1993
Susana Limanto
No. KNSI2014-398
IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI KEBUTUHAN GURU
MENGGUNAKAN ALGORITMA NEAREST NEIGHBOR .......................................... 2001
Sitti Suhada

KNSI 2014

lxi

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-399
PERANCANGAN MODEL SISTEM DIAGNOSA AWAL PENYAKIT KANKER
MENGGUNAKAN NEURO-FUZZY ................................................................................ 2005
Irsal, Michael Oktavianus, Indra Samsie
No. KNSI2014-400
PERBANDINGAN PERFORMANSI VIDEO STREAMING MENGGUNAKAN
JARINGAN SERAT OPTIK PADA TEKNIK DIGITAL LOOP CARRIER DENGAN
MEDIA UTP ....................................................................................................................... 2012
Muchamad Ichsan Mia Rosmiati
No. KNSI2014-401
APLIKASI PENCATATAN PEMBELIAN DAN PERSEDIAAN PADA APOTEK
SELAMAT FARMA .......................................................................................................... 2016
Nurul Asni, Nelsi Wisna, Anak Agung Gde Agung
No. KNSI2014-402
EMV DAN POLA ALIRAN CAIRAN PADA SIMULATOR MODEL MENARA
KOLOM DISTILASI ......................................................................................................... 2020
Kartini
No. KNSI2014-403
APLIKASI PEMBELAJARAN BAHASA INGGRIS DENGAN MATERI
PENGENALAN TENSES MENGGUNAKAN VISUAL BASIC ..................................... 2025
Rizal
No. KNSI2014-404
PERANCANGAN SISTEM INFORMASI PENGELOLAAN RETRIBUSI
PENGUJIAN KENDARAAN BERMOTOR PADA DINAS PERHUBUNGAN,
PARIWISATA DAN KEBUDAYAAN KABUPATEN ACEH UTARA ......................... 2030
Dahlan Abdullah
No. KNSI2014-406
SENI MENYEMBUNYIKAN KRIPTOGRAFI: BENTUK PENGAMANAN
INFORMASI ...................................................................................................................... 2037
Frizka Ferina

No. KNSI2014-410
SISTEM PAKAR BERBASIS MOBILE UNTUK MENGENALI MASALAH
KESEHATAN KEWANITAAN DENGAN METODE FORWARD CHAINING ........... 2043
Windarto, Hadi Setiawan
No. KNSI2014-415
PEMODELAN APLIKASI SISTEM MONITORING CERDAS BERBASIS
EMBEDDED SYSTEM (SISTEM TERTANAM) & SMS GATEWAY ......................... 2050
Arief Andy Soebroto, Nabila Mahastika Priadana, Gembong Edhi Setyawan

KNSI 2014

lxii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

No. KNSI2014-416
PEMANFAATAN WEB SERVICES DALAM SISTEM INFORMASI DAFTAR
PEMILIH TETAP ............................................................................................................... 2056
Frans N. Allokendek, Marwan, Rachmat

KNSI 2014

lxiii

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-1

Perangkat Lunak Pengambilan Pengetahuan Akuntansi


Di dalam Big Data
1

Tacbir Hendro Pudjiantoro, 2Elly Suryani, Ridwan Ilyas3


1,3

Jurusan Informatika UNJANI


Jurusan Akuntansi UNJANI
Jln. Ters. Jendral Sudirman, Cimahi INDONESIA
1
tacbir23501027@yahoo.com, 2 ellys2804@yahoo.com, ilyas_echo@yahoo.co.id
2

Abstrak
Mendapatkan jawaban terhadap suatu permasalahan yang spesifik sulit dilakukan secara cepat dan murah.
Misalnya mencari jawaban terhadap permasalahan akuntansi di satu perusahaan yang harus diselesaikan secara
cepat. Untuk mendapatkannya, pihak perusahaan akan mencari disuatu lingkungan khusus (konsultan) akuntansi.
Dengan cara seperti itu waktu dan biaya yang digunakan akan sangat banyak sekali. Dewasa ini, untuk mencari
jawaban dengan cepat dan murah sudah bukan lagi sesuatu yang mustahil, caranya dapat dilakukan secara instan
dengan memanfaatkan teknologi Text Mining dan Big Data dari sebuah komunitas khusus di internet. Internet
diasumsikan sebagai tempat penyimpanan berbagai macam pengetahuan. Untuk mendapatkan pengetahuan di
lingkungan khusus (akuntansi), gunakan media sosial forum akuntansi di internet, sementara untuk mendapatkan
kualitas jawaban yang baik dilakukan proses perhitungan dengan menggunakan VSM, dimana hasilnya
merupakan sejumlah jawaban dengan bobot tertinggi. Jawaban dengan bobot tertinggi merepresentasikan
kedekatan kata kunci yang ada di dalamnya dengan kata kunci di dalam pertanyaan.
Kata kunci : text mining, big data, media sosial, pengetahuan, VSM.
1.

Pendahuluan

Standar akuntansi sering berubah sesuai dengan


kondisi perekonomian dunia, dimana standar
tersebut di Indonesia ditetapkan oleh Ikatan Akuntan
Indonesia (IAI). Para pelaku akuntansi diperusahaan
sering mengalami masalah dalam penyesuaian
penerapan standar akuntansi. Oleh karena itu
dibutuhkan suatu mesin atau alat yang dapat
memberikan informasi yang terbaru berkaitan
dengan penerapan standar-standar akuntansi
tersebut.
Media sosial online adalah sebuah aplikasi
komputer yang digunakan menggunakan komunikasi
internet, dimana para penggunanya dapat dengan
mudah berpartisipasi, berbagi, dan menciptakan isi.
Media sosial online meliputi blog, jejaring sosial,
wiki, forum dan dunia virtual. Blog, jejaring sosial
dan wiki merupakan bentuk media sosial yang
paling umum digunakan oleh masyarakat [1].
Data yang tersedia di media sosial sangat besar
sekali dan selalu berubah setiap saat. Hal ini menjadi
suatu yang sangat berharga apabila dapat
dimanfaatkan secara maksimal. Misalnya untuk
mendapatkan data hasil survey apakah suatu produk
sudah dikenal di suatu daerah tertentu ?, untuk
mendapatkan hasilnya cukup dengan menggunakan
data yang tersedia di media sosial. Hal ini dapat
dilakukan dengan cara mengambil data percakapan

KNSI 2014

(chat), profil atau grafis yang dilakukan oleh


pengguna media sosial.
Dewasa ini dengan tersedianya berbagai data
dan informasi di internet, segala permasalahan dapat
dicari penyelesaiannya dengan mencari jawabannya,
dengan demikian, internet menjadi tempat dimana
Knowledge disimpan.
Demikian pula halnya dengan permasalahan
knowledge akuntansi umum, apabila ada sebuah
perusahaan atau manager memerlukan jawaban
terhadapap suatu permasalahan yang dihadapi,
biasanya dilakukan dengan mengundang atau
menemui konsultan akuntansi untuk membicarakan
penyelesaiannya. Dengan adanya internet yang
menjadi tempat segala pengetahuan, maka
permasalahan tersebut dapat dilakukan dengan
mudah dan cepat.
2.

Tinjauan Pustaka

2.1. Media Sosial


Andreas Kaplan dan Michael Haenlein
mendefinisikan media sosial sebagai "sebuah
kelompok aplikasi berbasis internet yang
membangun di atas dasar ideologi dan teknologi
Web 2.0 , yang memungkinkan penciptaan dan
pertukaran user-generated content".[1]

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Menurut Kaplan dan Haenlein ada enam jenis


media sosial,
Pertama, Proyek Kolaborasi yaitu website yang
mengijinkan pengguna dapat mengubah, menambah,
ataupun menghapus konten yang ada di website.
Contoh media ini adalah wikipedia.
Kedua, Blog dan Microblog, dimana pengguna lebih
bebas mengekspresikan sesuatu di blog ini seperti
curhat ataupun mengritik kebijakan pemerintah.
Contoh media ini adalah twitter, forum diskusi.
Ketiga, Konten, yaitu web dimana para pengguna
website ini saling berbagi konten media, baik video,
e-book, gambar, dan lain-lain. Contohnya youtube.
Keempat, Situs Jejaring Sosial, yaitu aplikasi yang
mengijinkan pengguna untuk dapat terhubung
dengan cara membuat informasi pribadi, sehingga
dapat terhubung dengan orang lain. Informasi
pribadi itu bisa seperti foto-foto. Contoh jejaring
sosial adalah facebook.
Kelima, Virtual Game World, yaitu dunia virtual,
yang mereplikasikan lingkungan 3D, dimana
pengguna bisa muncul dalam bentuk avatar-avatar
yang diinginkan serta berinteraksi dengan orang lain
selayaknya di dunia nyata. Contohnya game online.
Keenam, Virtual Sosial World, yaitu dunia virtual
dimana penggunanya media sosial merasa hidup di
dunia virtual, sama seperti virtual game world,
berinteraksi dengan yang lain. Namun, Virtual
Sosial World lebih bebas dan lebih ke arah
kehidupan. Contohnya second life. [1]
Dalam penelitian ini media sosial yang
digunakan adalah Blog dan Microblog, khususnya
forum diskusi yang membahas akuntansi. Forum
diskusi yang digunakan adalah seluruh forum
diskusi yang ada di internet dan menggunakan
bahasa Indonesia khususnya.
2.2. Big Data

Big Data adalah istilah untuk sekumpulan data


yang begitu besar dan kompleks sehingga menjadi
sulit untuk diproses menggunakan alat manajemen
database biasa atau aplikasi pengolahan data
tradisional. Tantangan menggunakan Big Data
meliputi penangkapan, akurasi, penyimpanan,
pencarian, berbagi, transfer, analisis, dan visualisasi
data.[2]
Contoh Big Data mungkin besarnya dalam
satuan petabyte (1.024 terabyte) atau exabyte (1.024
petabyte). Data tersebut terdiri dari miliaran atau
triliunan catatan jutaan orang, semua dari sumber
yang berbeda (misalnya web, penjualan, pusat
kontak pelanggan, media sosial, data mobile dan
sebagainya). Data ini biasanya data yang terstruktur,
sering tidak lengkap dan tidak dapat diakses.
Dalam penelitian ini data yang digunakan
adalah ata yang ada di media sosial forum diskusi
akuntansi yang ada di internet dengan batasan yang
berbahasa Indonesia

KNSI 2014

2.3. Text Mining

Text mining adalah salah satu bidang khusus


dari data mining. Sesuai dengan buku The Text
Mining Handbook, text mining dapat didefinisikan
sebagai suatu proses menggali informasi dimana
seorang pengguna berinteraksi dengan sekumpulan
dokumen menggunakan tools analisis yang
merupakan komponen-komponen dalam data mining
yang salah satunya adalah kategorisasi[3].
Tujuan dari text mining adalah untuk
mendapatkan informasi yang berguna dari
sekumpulan dokumen. Jadi, sumber data yang
digunakan pada text mining adalah kumpulan teks
yang memiliki format yang tidak terstruktur atau
minimal semi terstruktur. Adapun tugas khusus dari
text mining antara lain yaitu pengkategorisasian teks
(text categorization) dan pengelompokan teks (text
clustering).
Tahapan awal text mining adalah preprocessing. Pre-processing
dilakukan untuk
membersihkan sumber data, dalam hal ini dokumen
regulasi pengelolaan, dari hal hal yang bisa
mengacaukan hasil dari pengolahan pengetahuan
selanjutnya.
Dengan dilakukannya pre-processing, proses
text mining akan memberikan hasil yang lebih
memuaskan. Pada penelitian ini, proses yang akan
dilakukan adalah case folding, tokenizing, filtering.
a) Case folding
Case folding adalah proses mengubah semua
huruf dalam dokumen menjadi huruf kecil.
b) Tokenizing
Tahap tokenizing / parsing adalah tahap
pemotongan string input berdasarkan tiap kata
yang menyusunnya.
c) Filtering
Filtering adalah tahap mengambil kata-kata
penting dari hasil token. Bisa menggunakkan
algoritma stoplist atau wordlist.
2.4. Algoritma CF-IDF (Concept Frequency
Inverse Document Frequency)
Formula yang digunakan untuk menghitung
bobot (w) masing-masing dokumen terhadap kata
kunci adalah :
IDFt = log(D/dft)
(1)
Dimana :
t
= kata ke-t dari kata kunci
df
= jumlah dokumen kata ke-t dari kata kunci
D
= jumlah dokumen yang mempunyai kata
kunci
IDF
= rasio frekuensi dokumen pada kata ke-t d
ari kata kunci
Wd,t = tfd,t * IDFt

(2)

dimana :
d
= dokumen ke-d
t
= kata ke-t dari kata kunci

tf

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

= frekuensi banyaknya kata ke-t dari kata kunci


pada dokumen ke-d
W = bobot dokumen ke-d terhadap kata kunci ke-t
IDF = rasio frekuensi dokumen pada kata ke-t dari
kata kunci

Setelah masing-masing bobot dokumen (W)


diketahui, maka dilakukan proses sorting /
pengurutan dimana semakin besar nilai W, semakin
besar tingkat similiaritas dokumen tersebut terhadap
kata yang dicari, demikian sebaliknya.
2.5. Algoritma Vector Space Model (VSM)
Vector Space Model (VSM) dapat dibagi
dalam tiga tahap. Tahap pertama adalah pengindekan dokumen, dimana kata-kata penting diambil
dari teks dokumen. Tahap kedua adalah pembobotan
kata-kata penting untuk meningkatkan pemilihan
dokumen yang relevan dengan kata kunci. Tahap
terakhir adalah pemeringkatan dokumen sesuai
dengan permintaan pengguna berdasarkan ukuran
kesamaan.
Formula yang digunakan pada VSM :
(3)
dimana :
j
= kata di basis data
n
= jumlah kata di basis data
kk
= kata kunci
(4)
dimana :
j
= kata di basis data
n
= jumlah kata di basis data
i
= dokumen ke-i
D
= urutan dokumen ke-I untuk kata ke-j
pada basis data
(5)
dimana :
j
= kata di basis data
n
= jumlah kata di basis data
i
= dokumen ke-i
kk
= kata kunci ke-j dari basis data
D
= urutan dokumen ke-i untuk kata ke-j
pada basis data

Dalam setiap dokumen banyak kata-kata yang


tidak berhubungan dengan isi dokumen, kata-kata
seperti adalah, yang, dan dll. Dengan
menggunakan pengindeksan dokumen otomatis
kata-kata yang tidak signifikan akan dihapus dari
vektor dokumen, sehingga dokumen tersebut hanya
akan diwakili oleh kata-kata penting yang berkaitan
berhubungan dengan isi dokumen. Indeks dokumen
biasanya dinamakan Stop Words. Selain itu, secara
umum, 40-50 % dari total jumlah kata dalam
dokumen dihapus dengan bantuan Stop List (daftar
kata-kata yang tidak penting).
Pada prosesnya, VSM adalah Tf-Idf dengan
pembobotan, dimana hasil perhitungan yang telah
dilakukan oleh Tf-Idf kemudian dilanjutkan dengan
memberi bobot pada hasil perhitungan setiap
dokumen.
Selanjutnya,
berdasarkan
hasil
pembobotan ini dokumen diindeks. Indeks yang
terbesar menunjukan bahwa dokumen tersebut
sangat dekat sekali kesamaannya dengan dokumen
yang diperlukan.
2.6. Document retrieval
Document retrieval adalah proses untuk
mengidentifikasi dan mengambil dokumen yang
paling relevan dengan permintaan pengguna.
Pengambilannya dilakukan menggunakan tahapan
Text Mining dengan metode VSM. Hasilnya adalah
dokumen yang paling relevan dengan kata kunci
yang dituangkan dalam bentuk permasalahan.
3.

Metoda Penelitan
Metodologi yang digunakan dalam penelitian
ini adalah dengan memasukan permasalahan yang
ingin dicari penyelesaiannya, selanjutnya catatan
permasalahan tersebut diproses dengan text mining
metode VSM. Setelah mendapatkan hasil
perhitungan dengan VSM, maka selanjutnya
mencari dokumen dari media social forum diskusi di
internet. Setiap dokumen yang ditemui dihitung
bobotnya dengan menggunakan VSM. Hasil dari
proses terebut adalah daftar dokumen dengan bobot
perhitungannya. Bobot yang paling besar
menandakan
bahwa
dokumen
tersebut
direkomendasikan untuk dapat menyelesaikan
permasalahan yang diajukan. (Gambar 1)
BIG Data

(6)
Dimana :
j
= kata di basis data
n
= jumlah kata di basis data
i
= dokumen ke-i
kk
= kata kunci ke-j dari basis data
D
= urutan dokumen ke-i untuk kata ke-j
pada basis data
KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 1. Metodologi pengembangan KM


Akuntansi
4.

Hasil dan Pembahasan


Tahapan dalam pre processing Text Mining
adalah:
1. Case Folding
Contoh dari tahap ini adalah sebagai berikut:

Gambar 2.6 Ilustrasi algoritma text mining


TF-IDF (Term Frequency-Inverse Document
Frequency)

Gambar 2. Case Folding


2. Tokenizing
Contoh dari tahap ini adalah sebagai berikut:

Contoh kasus :
Kata kunci (kk)
Dokumen1 (D1)
Dokumen2 (D2)
Dokumen3 (D3)

= pengetahuan logitstik
= Manajemen transaksi logistik
= Pengetahuan antar individu
= Dalam manajemen pengetahuan
terdapat transfer pengetahuan
logistik
Jadi jumlah dokumen (D) = 3

Setelah melalui tahapan pre processing, maka


kata antar pada dokumen2 serta kata dalam dan
terdapat pada dokumen3 dihapus. Selanjutnya
dengan menggunakan rumus 2.1 dan 2.2. dengan
data dari dokumen1, dokumen2, dokumen3 maka
dilakukan perhitungan seperti pada table 4.1.
Gambar 3. Tokenizing
3. Filtering
Contoh dari tahap ini adalah sebagai berikut:

Tabel 4.1 Contoh tabel perhitungan TF-IDF


Token
Manajemen
Transaksi
Logistic
Transfer
pengetahuan
Individu

IDF =
log(D/df)
0.176
0.477
0.176
0.477
0.176
0.477

W
kk
0
0
0.176
0
0.176
0

D1
0.176
0.477
0.176
0
0
0

D2
0
0
0
0
0.176
0.477

D3
0.176
0
0.176
0.477
0.352
0

tf

Gambar 4.3 Filtering


4. Analyzing
Tahap analyzing merupakan tahap penentuan
seberapa jauh keterhubungan antar kata-kata
antar dokumen yang ada.

Token
Manajemen
Transaksi
Logistic
Transfer
pengetahuan
Individu

kk
0
0
1
0
1
0
total

D1
1
1
1
0
0
0
0.352

D2
0
0
0
0
1
1
0.829

D3
1
0
1
1
2
0
0.653

df
2
1
2
1
2
1
1.181

D/df
1.5
3
1.5
3
1.5
3

Bobot (W1) untuk D1 = 0.176 + 0 = 0.176


Bobot (W2) untuk D2 = 0 + 0.176 = 0.176
Bobot (W3) untuk D3 = 0.176 + 0.352 = 0.528
Dari contoh studi kasus di atas, dapat diketahui
bahwa nilai bobot (W) dari D1 dan D2 adalah sama.
Apabila diurutkan maka proses sorting juga tidak
akan dapat mengurutkan secara tepat, karena nilai W
keduanya sama. Untuk mengatasi hal ini, maka
digunakan perhitungan berdasarkan nilai cosinus

KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

sudut antara vektor masing-masing dokumen dengan


kata kunci, maka hasil yang didapatkan akan lebih
presisi.
Dengan menggunakan rumus di atas, maka
untuk perhitungan masing rumus adalah :

Demikian juga untuk Cosine dari D1 dan D2.


Sehingga hasil yang diperoleh untuk ketiga
dokumen di atas adalah seperti pada tabel 4.3
Tabel 4.3 Tabel hasil Vector Space Model
Cosine

untuk

=
=
= 0,509
untuk
= 0 + 0 + 0,031 + 0 + 0,062 + 0
= 0,093
Perhitungan dengan rumus di atas dilakukan
berulang untuk semua dokumen1, dokumen2, dan
dokumen3. Hasil lengkap perhitungan dengan
menggunakan rumus di atas untuk seluruh dokumen
adalah seperti pada table 4.2.
Tabel 4.2 Contoh tabel perhitungan Vector Space
Model

token
Manajemen
Transaksi
Logistik
transfer
Pengetahuan
Individu

D2
0.245

D3
0.583

Dari hasil akhir (cosine) maka dapat diketahui


bahwa dokumen 3 (D3) memiliki tingkat similiaritas
tertinggi kemudian disusul dengan D2 dan D1.
Dengan demikian, maka dokumen D3 isinya
adalah penjelasan yang paling mendekati
kesamaannya dengan kata kunci yang digunakan.

=
=
= 0,249

token
Manajemen
Transaksi
Logistik
transfer
Pengetahuan
Individu

D1
0.231

Kk2
0
0
0.031
0
0.031
0
Sqrt(kk)
0.249

D1
0.031
0.228
0.031
0
0
0

Kk2*D1
0
0
0.031
0
0
0

Kk2*D2
0
0
0
0
0.031
0
Sum(KK*Di)
0.031

0.031

0.539

D2
0
0
0
0
0.031
0.228
Sqrt(Di)
0.509

D3
0.031
0
0.031
0.228
0.124
0
0.643

Kk2*D3
0
0
0.031
0
0.062
0
0.093

Selanjutnya menghitung nilai cosinus sudut


antara dua vektor kata kunci dengan tiap dokumen
dengan rumus :
Misalnya untuk Cosine D3 maka :
Cosine D3=

I. Kesimpulan
Pencarian dan pengambilan pengetahuan dari Big
Data dengan text mining metode Vector Space
Model (VSM) dapat dilakukan dengan baik. Tujuan
mendapatkan pengetahuan dan penyelesaian dengan
cepat dan murah dapat dilakukan dengan baik.
Namun demikian, prosesnya akan dapat dilakukan
dengan lancar apabila bandwidth internet yang
digunakan stabil dan besar.
Sistem ini dapat menyimpan dokumen yang
sudah di temukan pada proses sebelumnya, dengan
demikian, apabila dirasakan tidak perlu atau tidak
ada jawaban terbaru dari permasalahan yang ingin
diselesaikan, maka cukup dengan menggunakan data
yang sudah disimpan (knowledge) permasalahan
sudah dapat terjawab.
Daftar Pustaka
[1] Kaplan, Andreas M. and Michael Haenlein
(2012), "Sosial media: Back to the roots and
back to the future", Journal of Systems and
Information Technology, 14 (2), 101 - 04
[2] Rolly Intan, Andrew Defeng.2006. Hard:
Subject-Based Search Engine Menggunakan
TF-IDF dan Jaccards Coefficient. [Online]
VOL. 8. 12 halaman. [21 Oktober 2011].
[3] Feldman, Ronan (2007), The Text Mining
Hand Book : Advance Approaches in
Analyzing Unstructured Data, Hebrew
University of Jerussalem Jamer Sanger, ABS
Ventress, Boston, Massachusetts.
[4] Renaldi, Faiza, , (2011) Pengembangan
Model Sistem Berbasis Pengetahuan pada
Lembaga Usahan Mikro Kecil dan Menengah
(UMKM), SNTIKI III 2011
[5] Sunardi, Tri May, (2013) Implementasi Text
Mining untuk penilaian Jawaban Ujian Esai
Matakuliah Non Eksakta berbasis Komputer,
Univeritas Jenderal Achmad Yani, Cimahi
(Skripsi)

= 0.093 / (0.249 * 0.643)

KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-2
KLASIFIKASI KARAKTER MANUSIA MENGGUNAKAN
ALGORITMA NAVE BAYES UNTUK REKOMENDASI MOTIF
KARAWO BERBASIS BUDAYA GORONTALO
Arip Mulyanto, Manda Rohandi, Moh. Syafri Tuloli
Prodi Sistem Informasi
Fakultas Teknik
Universitas Negeri Gorontalo
arip.mulyanto@ung.ac.id, mandarohandi@gmail.com, ekohabit@gmail.com

Abstrak
Penelitian ini bertujuan untuk merekomendasikan berbagai motif karawo yang bersumber dari seni budaya
Gorontalo yang diklasifikasikan sesuai dengan karakter penggunanya dilihat dari studi karakter dasar manusia
pada Eneagram. Nilai filosofi dalam benda seni budaya Gorontalo yang dijadikan motif karawo kemudian
disesuaikan maknanya dengan karakter dasar manusia yang ada pada Eneagram, sehingga untuk setiap motif
karawo dapat memiliki lebih dari satu karakter Eneagram. Algoritma Nave Bayes digunakan untuk
mengklasifikasikan sembilan karakter manusia pada Eneagram yang nantinya akan dijadikan sebagai kelas target
pemetaan dalam klasifikasi, sedangkan untuk fitur-fitur data pelatihannya diambil dari kombinasi sifat terbaik
dan terburuk dari setiap karakter manusia pada Eneagram. Hasil kombinasi fitur-fitur tersebut, didapatkan 483
data pelatihan yang nantinya akan digunakan sebagai representasi pengetahuan dalam klasifikasi dengan
algoritma nave bayes. Dari hasil pengujian kinerja nave bayes, didapatkan bahwa metode ini dapat melakukan
klasifikasi karakter manusia dengan keakuratan rata-rata 98,7%, meskipun terdapat beberapa data yang tidak
dapat diklasifikasikan kelasnya. Motif karawo yang direkomendasikan dapat lebih dari satu, disebabkan karena
terdapat beberapa nilai filosofi budaya pada motif karawo yang sifatnya sesuai dengan sifat beberapa kelas pada
Eneagram.
Kata kunci : eneagram, motif karawo, nave bayes.
1.

Pendahuluan

Kerajinan kerawang atau karawo merupakan salah


satu seni budaya Gorontalo yang menjadi ciri khas
Gorontalo. Karawo dihasilkan melalui proses
penyulaman,
yang
dilakukan
dengan
menarik/membuka benang-benang dari kain
sehingga membentuk pola tertentu. Karawo
kebanyakan direprentasikan dalam bentuk kain
untuk baju/jas, mukena, jilbab, kipas tangan, sapu
tangan, taplak meja, dasi, dan lainnya. Sayangnya
minat masyarakat Gorontalo terhadap karawo masih
rendah, dimana masyarakat lebih memilih batik
dibanding menggunakan karawo. Minimnya ragam
motif karawo merupakan salah satu faktor kurang
memasyarakatnya karawo. Saat ini, motif karawo
kurang bervariatif dan kurang memiliki makna
filosofis yang dapat membangkitkan minat para
pemakai. Motif karawo lebih kepada motif bunga,
hewan, logo perusahaan atau institusi pemesannya,
bukan kepada karakter penggunanya atau nilai
filosofi budaya Gorontalo itu sendiri. Untuk lebih
memperkaya motif dan melestarikan karawo yang

KNSI 2014

merupakan salah satu warisan budaya Gorontalo,


maka penelitian ini bertujuan merekomendasikan
berbagai motif karawo yang bersumber dari seni
budaya Gorontalo yang diklasifikasikan sesuai
dengan karakter penggunanya dilihat dari studi
karakter dasar manusia pada Eneagram.
[1] melakukan penelitian tentang klasifikasi karakter
pengguna batik untuk rekomendasi motif
menggunakan algoritma nave bayes. Dalam
penelitiannya karakter pengguna batik disesuaikan
dengan studi sembilan karakter dasar manusia atau
yang disebut juga dengan
Eneagram, dimana
kategori karakter eneagram tersebut disesuaikan
dengan impresi motif batik klasik, sehingga
diperoleh acuan rekomendasi motif batik. Adapun
untuk teknik klasifikasi karakter pengguna batik
digunakan algoritma nave bayes dengan nilai
akurasi sebesar 78,19%. Keakuratan hasil klasifikasi
sangat dipengaruhi oleh sumber filosofi motif batik
dan seberapa jelas dan benar pendeskripsian kalimat
profil calon pemakai batik tersebut.

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

2. Tinjauan Pustaka
2.1 Karawo atau Kerawang
Sulaman kerawang atau Karawo adalah salah satu
ragam hias kain yang dihiasi dengan berbagai
macam motif warna sesuai dengan selera masingmasing pengrajin. Dengan motif yang bervariasi
menjadikan kerawang sebagai salah satu kerajinan
tangan andalan di daerah Gorontalo. Motif-motif
sulaman kerawang ini banyak digunakan pada
berbagai rancangan pakaian wanita maupun pria,
selain itu motif kerawang digunakan juga pada peci,
sapu tangan, kerudung, dasi, kipas, dompet, dan
asesoris lainnya. Kombinasi motif kreatif dengan
warna-warna benang yang beraneka ragam yang
dipadukan pada kain yang tepat akan menghasilkan
sulaman kerawang yang bagus dan cantik, tetapi
tidak meninggalkan motif budaya yang merupakan
ciri khas daerah Gorontalo [2].
Gorontalo memiliki beraneka ragam kekayaan seni
budaya tradisional, misalnya musik dan tarian
taradisional, pakaian adat, adat-istiadat, dan
sebagainya. Gambar-gambar dari kekayaan seni
budaya
tradisional Gorontalo yang dilengkapi
dengan penjelasan verbal tersebut bermanfaat untuk
memunculkan ide dalam pembuatan desain motif
karawo yang unik, guna memperkaya motif karawo.
Tabel 2.1 Motif Karawo dan Nilai Filosofisnya
dalam Seni Budaya Tradisional Gorontalo
MOTIF KARAWO
DARI BENDA SENI
BUDAYA
GORONTALO
Pohon Pinang

Lurus, Pengayom, Jujur

Makuta

Berguna bagi orang lain

Buaya

Hukum, nasehat

Tali/Simpul

Persaudaraan

Pohon Kelapa

Kemuliaan, keteguhan,
kokoh, menyatu, pribadi
yang baik, jujur, halus
budi bahasa, amanah,
teladan,
bijaksana,
berbagi
Status manusia

N
O
1
2

Pahangga/Gula aren

Alikusu/Gapura

8
9

10
11

Lale/Janur
Pisang

Tebu
Senjata Aliyawo

KNSI 2014

12

MOTIF KARAWO
DARI BENDA SENI
BUDAYA
GORONTALO
Senjata Eluto

berbahaya, mematikan

13

Senjata Baladu

Berwibawa, Perkasa

14

Senjata Pito

Aman, tidak berbahaya

15

Senjata Sabele

Teguh memegang agama

16

Senjata Sumala

Agresif

17

Senjata Banggo

Berbahaya, Idealis,

18

Senjata Bitu'o

Selalu ingin menang

Senjata Wamilo
Senjata Badi

Lemah
lembut
bahagia
Perkasa, berbahaya

Tombak Yilambua

Bangsawan

Tombak Pumbungo

N
O

NILAI FILOSOFI
BUDAYA

Memegang teguh agama,


semangat
hidup,
memberi
sumbangsih
bagi dunia
Pemimpin
yang
mencintai rakyatnya
Semangat
hidup,
memberi
sumbangsih
bagi dunia
hangat, ekspresif, keras
kepala
Berbahaya seperti ular
berbisa, agresif

19
20
21

NILAI FILOSOFI
BUDAYA

dan

23

Senjata Tadui-dui

Bersemangat,
pantang
mundur, bersatu
Keperkasaan

24

Kepingan mata uang

Keuletan, keterampilan

25

Pala dan Cengkih

Ketegaran Hidup

22

2.2 Karakter Manusia Menurut Eneagram


Eneagram adalah studi tentang sembilan tipe dasar
manusia. Eneagram telah ada sejak ratusan tahun
yang lalu. Sistem Eneagram digambarkan dengan
suatu lingkaran yang berisi sebentuk bintang bertitik
sembilan. Dalam bahasa Yunani, Enea adalah angka
sembilan dan Grama artinya adalah sebuah gambar.
Jadi, Eneagram berarti sebuah gambar bertitik
sembilan [3].
Berikut adalah gambaran singkat kesembilan tipe
dasar manusia dalam Eneagram, berdasarkan sifat
terbaik dan terburuk yang dimilikinya.
Tabel 2.2 Sifat Terbaik dan Terburuk dari Sembilan
tipe dasar manusia pada Eneagram
SIFAT
TERBAIK

SIFAT TERBURUK

TIPE/KARA
KTER

Memegang etika,
bisa diandalkan,
produktif,
bijaksana, idealis,
adil, jujur, teratur
dan disiplin

Menghakimi,
tidak
luwes,
dogmatis,
obsesif-kompulsif,
suka mengkritik orang
lain, terlalu serius,
menguasai,
gelisah
dan iri
Dapat menjadi mertir,
tidak terus terang,
manipulative, posesif,
histeris, dan terlalu
terpengaruh orang lain

Perfeksionis

Mengasihi,
memperhatikan,
bias beradaptasi,
berwawasan,
murah
hati,
antusias,
dan
dapat menangkap
apa
yang
dirasakan orang
lain

Penolong

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Contoh adalah jumlah data-data profil yang


digunakan dalam pelatihan.

Pengejar
Prestasi

|kosakata| adalah jumlah seluruh data-data


profil pelatihan

Romantis

SIFAT
TERBAIK

SIFAT TERBURUK

TIPE/KARA
KTER

Optimis,
yakin,
rajin,
efisien,
berinisiatif,
energik,
dan
praktis

Memperdayakan,
narsistik,
pamer,
hampa,
bersikap,
dibuat-buat,
pendendam dan terlalu
kompetitif
Depresi, sadar diri, sok
moralis, menarik diri,
keras kepala, moody,
tenggelam
dalam
pikiran sendiri
Sok pintar, kikir, keras
kepala,
menjauhkan
diri, suka mengkritik
orang lain, mudah
menyerah

Hangat, bebelas
kasihan, ekspresif,
kreatif,
mendukung,
lembut
Analitis,
berpendirian
teguh, sensitive,
bijaksana,
objektif, mudah
memahami,
mandiri
Setia,
disukai,
perhatian, hangat,
bebelaskasihan,
cerdas,
praktis,
suka membantu,
bertanggung
jawab
Menyenangkan,
spontan,
imajinatif,
produktif,
antusias,
gesit,
yakin, mempesona
Terus
terang,
memegang
kendali,
setia,
energik, realistis,
protektif, percaya
diri
Menyenangkan,
tenang,
murah
hati,
sabar,
menerima,
diplomatis,
berpikiran terbuka

(2)
P(ai|Vj) =
Ket :
nk = Jumlah kemunculan kata ai pada karakter Vj
n = Jumlah semua kata pada karakter Vj

Pengamat

Terlalu
cemas,
menguasai, tidak bias
diduga, menghakimi,
paranoia, defensive,
kaku, mudah kesal

Pencemas

Narsistik, tidak focus,


memberontak,
tidak
disiplin,
posesif,
maniak, merusak diri

Petualang

Menguasai,
memberontak,
tidak
sensitive,
mendominasi,
egosentris,
skeptic,
agresif
Terasing, pelupa, keras
kepala, obsesif, apatis,
pasif-agresif,
tidak
asertif

Pejuang

Pendamai

2.3 Klasifikasi Nave Bayes


Metode Bayes merupakan metode yang baik di
dalam mesin pembelajaran berdasarkan data
training,
dengan
menggunakan
probabilitas
bersyarat sebagai dasarnya. Algoritma Naive Bayes
memberikan
alternatif
bagaimana
cara
menggabungkan
probabilitas
prioritas
dan
probabilitas kondisional ke dalam sebuah formula,
selanjutnya dapat dihitung kemungkinan dari setiap
klasifikasi yang memungkinkan [5]. Berikut ini
proses klasifikasi metode Naive Bayes [6].
Proses Pelatihan
1. Input data-data profil pelatihan.
2. Menentukan kata-kata penting sebagai acuan
karakter.
3. Pada setiap kategori profil, terdapat :

Docs adalah jumlah himpunan kata-kata


yang terdapat di setiap karakter.

KNSI 2014

(1)
Menghitung P(Vj) =
Untuk setiap kata penting ai pada karakter
Vj maka perhitungannya adalah :

Proses Klasifikasi
Proses
klasifikasi
dilakukan
dengan
memasukkan data-data profil yang belum
diketahui masuk dalam karakter manapun. Lalu
dihitunglah nilai Vmap dengan mengalikan nilai
P(Vj) dan nilai P( ai | Vj ) yang sudah
dikalkulasikan dari proses pelatihan. Nilai
Vmap yang paling besar yang akan menjadi
kelas karakter untuk inputan profil tersebut.

3. Hasil Penelitian
Berikut adalah hasil penyesuaian karakter Eneagram
dengan filosofi motif karawo dalam seni budaya
Gorontalo yang didapatkan dari narasumber (tokoh
adat dan referensi budaya).
Tabel 3.1 Hasil penyesuaian karakter Eneagram
dengan filosofi motif karawo dalam seni budaya
Gorontalo

NO
1

MOTIF
KARAWO

NILAI FILOSOFI
BUDAYA
GORONTALO

KARAKT
ER
ENEAGR
AM
Perfeksioni
s, Pejuang
Pencemas

Pohon
Pinang
Makuta/
Mahkota
Buaya

Lurus,
Pengayom,
Jujur
Berguna bagi orang
lain
Hukum, nasehat

Tali/Simpul

Persaudaraan

Kelapa

Kemuliaan,
keteguhan,
kokoh,
menyatu, pribadi yang
baik, jujur, halus budi
bahasa,
amanah,
teladan,
bijaksana,
berbagi

Pengamat,
Pendamai

Pahangga/
Gula Aren

Status manusia

Pengejar
Prestasi

Perfeksioni
s, Pendamai
Pendamai

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
NO

MOTIF
KARAWO

Alikusu/
Gapura

Lale/Janur

NILAI FILOSOFI
BUDAYA
GORONTALO
Memegang
teguh
agama,
semangat
hidup,
memberi
sumbangsih
bagi
dunia
Pemimpin
yang
mencintai raknyatnya

KARAKT
ER
ENEAGR
AM
petualang,
penolong

pendamai

algoritma nave bayes. Berikut adalah contoh table


data pelatihan untuk model klasifikasi nave bayes
dengan 3 kelas dari 9 kelas pada eneagram.
Tabel 3.2 contoh tabel data pelatihan untuk model
klasifikasi nave bayes dengan 3 kelas
No
1

Pisang

Semangat
hidup,
memberi sumbangsih
bagi dunia

petualang

10

Tebu

hangat,
ekspresif,
keras kepala

romantis

Senjata
Aliyawo

Berbahaya seperti ular


berbisa, agresif

Pejuang

Senjata
Eluto
Senjata
Baladu

berbahaya,
mematikan
Berwibawa, Perkasa

Pejuang

7
8

14

Senjata Pito

15

Senjata
Sabele
Senjata
Sumala
Senjata
Banggo
Senjata
Bituo
Senjata
Wamilo
Senjata Badi

Aman,
tidak
berbahaya
Teguh
memegang
agama
Agresif

Pejuang,
perfeksioni
s
Pendamai

11

12
13

16
17
18
19
20
21
22

23
24
25

2
3
4
5
6

Terbaik
memegang
etika
memegang
etika
memegang
etika
memegang
etika
memegang
etika
memegang
etika
memegang
etika
memegang
etika
memegang
etika

Terburuk

Kelas

menghakimi

Perfeksionis

tidak luwes

Perfeksionis

dogmatis

Perfeksionis

obsesif-kompulsif

Perfeksionis

suka mengkritik

Perfeksionis

terlalu serius

Perfeksionis

menguasai

Perfeksionis

gelisah

Perfeksionis

Iri

Perfeksionis

10

bisa diandalkan

menghakimi

Perfeksionis

Penolong

11

bisa diandalkan

tidak luwes

Perfeksionis

Pejuang

12

bisa diandalkan

dogmatis

Perfeksionis

13

bisa diandalkan

obsesif-kompulsif

Perfeksionis

Selalu ingin menang

perfeksioni
s
Pejuang

14

bisa diandalkan

suka mengkritik

Perfeksionis

15

bisa diandalkan

terlalu serius

Perfeksionis

Lemah lembut dan


bahagia
Perkasa, berbahaya

pendamai,
petualang
Petualang

16

bisa diandalkan

menguasai

Perfeksionis

17

bisa diandalkan

gelisah

Perfeksionis

Tombak
Yilambua
Tombak
Pumbungo

Bangsawan

Pencemas

18

bisa diandalkan

Iri

Perfeksionis

Bersemangat, pantang
mundur, bersatu

pendamai,
pengamat,
petualang

19

Produktif

menghakimi

Perfeksionis

20

Produktif

tidak luwes

Perfeksionis

Senjata
Tadui-dui
Kepingan
mata uang
Pala
dan
Cengkih

Keperkasaan

Petualang

21

Produktif

dogmatis

Perfeksionis

Keuletan,
keterampilan
Ketegaran Hidup

Pengejar
Prestasi
Pejuang

22

Produktif

obsesif-kompulsif

Perfeksionis

23

Produktif

suka mengkritik

perfeksionis

24

Produktif

terlalu serius

perfeksionis

25

Produktif

menguasai

perfeksionis

26

Produktif

gelisah

perfeksionis

27

Produktif

Iri

perfeksionis

28

Bijaksana

menghakimi

perfeksionis

29

Bijaksana

tidak luwes

perfeksionis

30

Bijaksana

dogmatis

perfeksionis

31

Bijaksana

obsesif-kompulsif

perfeksionis

32

Bijaksana

suka mengkritik

perfeksionis

33

Bijaksana

terlalu serius

perfeksionis

34

Bijaksana

menguasai

perfeksionis

35

Bijaksana

gelisah

perfeksionis

Idealis

Setelah karakter Eneagram disesuaikan dengan nilai


filosofi motif karawo, langkah selanjutnya adalah
pembuatan data pelatihan untuk membentuk model
klasifikasi dengan algoritma nave bayes. Model ini
merupakan representasi pengetahuan yang akan
digunakan dalam mengklasifikasikan karakter
manusia. Data training untuk klasifikasi karakter
manusia, didapatkan dengan mengkombinasikan
fitur sifat terbaik dan terburuk dari manusia. Hasil
kombinasi fitur sifat manusia terbaik dan terburuk,
didapatkan 483 data training dengan sifat data
diskrit, diamana nantinya digunakan sebagai
representasi pengetahuan dalam klasifikasi dengan

KNSI 2014

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
No

Terbaik

Terburuk

Kelas

No

Terbaik

Terburuk

Kelas

36

Bijaksana

Iri

perfeksionis

78

Disiplin

terlalu serius

Perfeksionis

37

Idealis

menghakimi

perfeksionis

79

Disiplin

menguasai

Perfeksionis

38

Idealis

tidak luwes

perfeksionis

80

Disiplin

gelisah

perfeksionis

39

Idealis

dogmatis

perfeksionis

81

Disiplin

Iri

perfeksionis

40

Idealis

obsesif-kompulsif

perfeksionis

82

Pengasih

martir

penolong

41

Idealis

suka mengkritik

perfeksionis

83

Pengasih

tidak terus terang

penolong

42

Idealis

terlalu serius

Perfeksionis

84

Pengasih

manipulatif

penolong

43

Idealis

menguasai

Perfeksionis

85

Pengasih

posesif

penolong

44

Idealis

gelisah

Perfeksionis

86

Pengasih

penolong

45

idealis

iri

Perfeksionis

87

Pengasih

histeris
mudah
terpengaruh

46

adil

menghakimi

Perfeksionis

88

Memperhatikan

martir

penolong

47

adil

tidak luwes

Perfeksionis

89

Memperhatikan

tidak terus terang

penolong

48

adil

dogmatis

Perfeksionis

90

Memperhatikan

manipulatif

penolong

49

adil

obsesif-kompulsif

Perfeksionis

91

Memperhatikan

posesif

penolong

50

adil

suka mengkritik

Perfeksionis

92

Memperhatikan

adil

terlalu serius

Perfeksionis

93

52

adil

menguasai

Perfeksionis

53

Adil

gelisah

Perfeksionis

martir

penolong

54

Adil

iri

Perfeksionis

95

tidak terus terang

penolong

55

Jujur

menghakimi

Perfeksionis

96

manipulatif

penolong

56

Jujur

tidak luwes

Perfeksionis

posesif

penolong

57

Jujur

dogmatis

Perfeksionis

58

Jujur

obsesif-kompulsif

Perfeksionis

jujur

suka mengkritik

Perfeksionis

99

histeris
mudah
terpengaruh

penolong

59

Memperhatikan
bisa
beradaptasi
bisa
beradaptasi
bisa
beradaptasi
bisa
beradaptasi
bisa
beradaptasi
bisa
beradaptasi

histeris
mudah
terpengaruh

penolong

51

60

jujur

terlalu serius

Perfeksionis

100

Berwawasan

martir

Penolong

61

jujur

menguasai

Perfeksionis

101

Berwawasan

tidak terus terang

penolong

62

jujur

gelisah

Perfeksionis

102

Berwawasan

manipulatif

penolong

63

jujur

iri

Perfeksionis

103

Berwawasan

posesif

penolong

64

Teratur

menghakimi

Perfeksionis

104

Berwawasan

penolong

65

Teratur

tidak luwes

Perfeksionis

105

Berwawasan

histeris
mudah
terpengaruh

penolong

66

Teratur

dogmatis

Perfeksionis

106

murah hati

martir

penolong

67

Teratur

obsesif-kompulsif

Perfeksionis

107

murah hati

tidak terus terang

penolong

68

Teratur

suka mengkritik

Perfeksionis

108

murah hati

manipulatif

penolong

69

Teratur

terlalu serius

Perfeksionis

109

murah hati

posesif

penolong

70

Teratur

menguasai

Perfeksionis

110

murah hati

penolong

71

Teratur

gelisah

Perfeksionis

111

murah hati

histeris
mudah
terpengaruh

72

Teratur

iri

Perfeksionis

112

Antusias

martir

penolong

73

Disiplin

menghakimi

Perfeksionis

113

Antusias

tidak terus terang

penolong

74

Disiplin

tidak luwes

Perfeksionis

114

Antusias

manipulatif

penolong

75

Disiplin

dogmatis

Perfeksionis

115

Antusias

posesif

Penolong

76

Disiplin

obsesif-kompulsif

Perfeksionis

116

Antusias

histeris

Penolong

77

Disiplin

suka mengkritik

Perfeksionis

117

Antusias

mudah

Penolong

KNSI 2014

94

97
98

penolong

penolong

penolong

penolong

10

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
No

Terbaik

Terburuk

Kelas

No

Terbaik

Terburuk

terpengaruh
152

berinisiatif

memperdaya

153

berinisiatif

narsistik

154

berinisiatif

pamer

118

Empati

martir

Penolong

119

Empati

tidak terus terang

Penolong

120

Empati

manipulatif

Penolong

121

Empati

posesif

Penolong

155

berinisiatif

122

Empati

Penolong

156

berinisiatif

123

Empati

histeris
mudah
terpengaruh

hampa
bersikap dibuatbuat

157

berinisiatif

pendendam

124

Optimis

memperdaya

158

berinisiatif

terlalu kompetitif

125

Optimis

narsistik

159

energik

memperdaya

126

Optimis

pamer

160

energik

narsistik

127

Optimis

161

energik

pamer

128

Optimis

hampa
bersikap dibuatbuat

162

energik

129

Optimis

pendendam

163

energik

hampa
bersikap dibuatbuat

130

Optimis

terlalu kompetitif

164

energik

pendendam

131

Yakin

memperdaya

165

energik

terlalu kompetitif

132

Yakin

narsistik

166

praktis

memperdaya

133

Yakin

pamer

167

praktis

narsistik

134

Yakin

168

praktis

pamer

135

Yakin

hampa
bersikap dibuatbuat

169

praktis

136

Yakin

pendendam

170

praktis

hampa
bersikap dibuatbuat

137

Yakin

terlalu kompetitif

171

Praktis

pendendam

138

Rajin

memperdaya

172

Praktis

terlalu kompetitif

139

Rajin

narsistik

140

Rajin

pamer

141

Rajin

142

Rajin

hampa
bersikap dibuatbuat

143

Rajin

pendendam

144

Rajin

terlalu kompetitif

145

Efisien

memperdaya

146

Efisien

narsistik

147

Efisien

pamer

148

Efisien

149

Efisien

hampa
bersikap dibuatbuat

150

efisien

pendendam

151

efisien

terlalu kompetitif

Penolong
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi

KNSI 2014

Kelas
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi
pengejar
prestasi

Berikut ini adalah contoh proses perhitungan dalam


klasifikasi karakter manusia menggunakan metode
nave bayes.

Motif apakah yang cocok untuk orang dengan


SIFAT TERBAIK = ADIL dan SIFAT
TERBURUK = DOGMATIS?

Langkah pertama adalah mengetahui probabilitas


setiap fitur pada setiap kelasnya
Kelas Perfeksionis
P(Terbaik = Adil | Perfeksionis) = 9/81
= 0.111
P(Terburuk = Dogmatis | Perfeksionis) = 9/81
= 0.111
P(Fitur
Masukan|Perfeksionis)
=
P(Terbaik=Adil|Perfeksionis)*P(Terburuk
=
Dogmatis|Perfeksionis)
P(Fitur Masukan|Perfeksionis) = 0.111 * 0.111
= 0.012321

11

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

P(Perfeksionis) = 81/172 = 0.4709

Kelas Penolong
P(Terbaik = Adil | Penolong) = 0/42
=0
P(Terburuk = Dogmatis | Penolong) = 0/42
=0
P(Fitur
Masukan|Penolong)
=
P(Terbaik=
Adil|Penolong) * P(Terburuk = Dogmatis|Penolong)
P(Fitur Masukan|Penolong) = 0 * 0
=0
P(Penolong) = 42/172 = 0.2441
Kelas Pengejar Prestasi
P(Terbaik = Adil | Pengejar prestasi) = 0/21
=0
P(Terburuk=Dogmatis|Pengejar prestasi) = 0/21
=0
P(Fitur
Masukan|Pengejar
prestasi)
=
P(Terbaik=Adil|Pengejar prestasi) * P(Terburuk =
Dogmatis|Pengejar prestasi)
P(Fitur Masukan|Pengejar prestasi) = 0 * 0
=0
P(Pengejar prestasi) = 21/172 = 0.1220
Langkah kedua melakukan klasifikasi kedalam
kelas-kelas Eneagram
P(Perfeksionis|Fitur Masukan) = P(Perfeksionis)*
P(Fitur Masukan|Perfeksionis)
= 0.4709 * 0.012321 = 0.0058
P(Penolong|Fitur Masukan) = P(Penolong)* P(Fitur
Masukan|Penolong)
= 0.2441 * 0 = 0
P(Pengejar prestasi|Fitur Masukan) = P(Pengejar
prestasi )* P(Fitur Masukan | Pengejar prestasi)
= 0.1220 * 0 = 0
Karena nilai probabilitas akhir terbesar ada dikelas
Perfeksionis, maka data uji karakter manusia dengan
SIFAT TERBAIK = ADIL dan SIFAT TERBURUK
=
DOGMATIS
masuk
kedalam
kelas
PERFEKSIONIS. Jika dihubungkan dengan table
3.1, maka motif yang cocok untuk karakter tersebut
adalah motif POHON PINANG, BUAYA,
SENJATA BALADU, dan SENJATA BANGGO
Berdasarkan hasil pengujian terhadap semua data
uji, diperoleh hasil bahwa terdapat 477 data yang
sesuai dengan kelas yang diberikan sedang terdapat
6 data yang tidak terdeteksi karena masuk kedalam
dua kelas yang berbeda. Proses untuk menilai
kinerja dari hasil klasifikasi menggunakan nave
bayes dihitung dengan uji sensitivitas [4]. TP (true
positive) didapatkan dari rasio orang yang masuk
kelas X dan model hasil perhitungan nave bayes
juga memutuskan orang tersebut masuk kedalam
kelas X. TN (true negative) yaitu rasio orang yang
tidak masuk kedalam kelas X dan model nave bayes
juga memutuskan bahwa orang tersebut tidak masuk
kedalam kelas X. FP (false positive) merupakan
rasio orang yang masuk kedalam kelas X, namun
model memutuskan orang tersebut tidak masuk

KNSI 2014

kedalam kelas X. FN (false negative) merupakan


rasio orang yang tidak masuk dalam kelas X, namun
model memutuskan orang tersebut masuk dalam
kelas X. Sensitivitas didapatkan dari hasil
penjumlahan TP dan TN, dibagi dengan hasil
penjumlahan TP, TN, FP dan FN, dituliskan dengan
:
Kinerja = (TP+TN) / (TP+TN+FP+FN)
Tabel 3.3 Kinerja Setiap Kelas
No

Kelas
Eneagram

TP

TN

FP

FN

Kinerja

Perfeksionis

80

397

98,7%

41

436

98,7%

Penolong
Pengejar
Prestasi

49

428

98,7%

4
5

Romantis
Pengamat

43
41

434
436

0
1

6
5

Pencemas

71

406

98,7%
98,7%
98,7%

Petualang

55

422

Pejuang

48

429

Pendamai

49

428

Rata-rata kinerja semua kelas

4.

98,7%
98,7%
98,7%
98,7%

Kesimpulan

Penelitian ini dapat disimpulkan sebagai berikut:


1. Klasifikasi karakter manusia dilihat dari
Eneagram dilakukan untuk merekomendasikan
motif karawo yang sesuai dengan karakter
pemakainya berdasarkan nilai filosofi budaya
Goronntalo
2. Sifat terbaik dan terburuk pada Eneagram dapat
dijadikan sebagai fitur dalam proses pelatihan
untuk klasifikasi dengan metode nave bayes.
3. Nilai filosofis dalam benda seni budaya
Gorontalo yang akan dijadikan motif karawo
disesuaikan maknanya dengan karakter dasar
manusia yang ada pada eneagram, sehingga
untuk setiap motif karawo dapat memiliki lebih
dari satu kelas Eneagram.
4. Metode nave bayes dapat mengklasifikasikan
karakter manusia pada Eneagram dengan baik,
dengan rata-rata keakuratan kinerja 98,7%.
Meskipun motif karawo yang direkomendasikan
dapat lebih dari satu.
Daftar Pustaka
[1]
Akbariah, Nikha. 2010. Klasifikasi Karakter
Pengguna Batik Untuk Rekomendasi Motif
Menggunakan Algoritma Naive Bayes.
Universitas Pendidikan Indonesia, Bandung.
[2]
Alrezacell.
2011.
Kain
Kerawang.
http://www.alrezacell.web.id/2011/02/kainkerawang.html

12

[3]

[4]

[5]
[6]

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Baron, Renee & Wagele, Elizabeth. 2005.


Eneagram : Mengenal 9 Tipe Kepribadian
Manusia Dengan Lebih Asyik. Jakarta :
Serambi.
Bemmel, J.H., dan M.A. Musen. (1997).
Modelling of decision support in Handbook
of medical informatics, Diegem: Bohn
Stafleu Van Loghum.
Bramer, Max. 2007. Principles of Data
Mining. Springer.
Wibisono, Yudi. 2005. Klasifikasi Berita
Berbahasa Indonesia menggunakan Nave
Bayes Classifier. Bandung: Universitas
Pendidikan Indonesia.

KNSI 2014

13

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-3
ARSITEKTUR PERTUKARAN DATA BERBASIS DATA GRID DALAM
MEMBANGUN GORONTALO LIBRARY NETWORK
Moh. Hidayat Koniyo, Arip Mulyanto, Rochmad Thohir Jassin
Prodi Sistem Informasi
Universitas Negeri Gorontalo
hidayat@ung.ac.id, arip.mulyanto@ung.ac.id, thohirjassin@gmail.com

Abstrak
Meningkatnya ukuran koleksi perpustakaan dan meningkatnya kebutuhan akses ke koleksi perpustakaan daerah
Gorontalo, menjadikan perpustakaan daerah belum sepenuhnya mampu memenuhi kebutuhan masyarakat. Saat
ini, masyarakat kesulitan untuk mengakses perpustakaan karena lokasinya berjauhan dengan perpustakaan.
Masyarakat membutuhkan sistem yang mampu menyediakan akses ke banyak koleksi dari berbagai
perpustakaan. Tujuan akhir penelitian ini adalah terwujudnya Gorontalo Library Network (GLN) yang
memudahkan mekanisme pertukaran data antar perpustakaan, sehingga pengguna dapat mengakses berbagai
koleksi dari beberapa perpustakaan. Untuk mencapai tujuan tersebut, penelitian ini memiliki target khusus yaitu:
menganalisis kebutuhan sistem, merancang arsitektur sistem, membuat prototipe sistem, membuat aplikasi GLN,
implementasi sistem, serta sosialisasi dan publikasi GLN. Penelitian membangun sebuah jaringan perpustakaan
Gorontalo yang terdiri dari beberapa perpustakaan digital di Provinsi Gorontalo. Ketika pengguna mengakses
Gorontalo Library Networking, pengguna dapat mengakses koleksi dari beberapa perpustakaan digital yang
bekerja sama. Dengan demikian, akses ke koleksi perpustakaan dapat meningkat. Selain itu, sistem GLN dapat
mengoptimalkan koleksi setiap perpustakaan. Artinya, koleksi setiap perpustakaan tidak perlu sama, karena
dapat diakses dari perpustakaan lain.
Kata kunci: pertukaran data, perpustakaan digital, Gorontalo Library Network

1.

Pendahuluan
Sebagai salah satu sumber ilmu dan
pembelajaran, perpustakaan terus mengalami
perkembangan dalam upaya menyediakan informasi
bagi para pengguna. Saat ini, perpustakaan bukan
hanya menjadi perhatian lembaga pendidikan saja,
akan tetapi sudah menjadi perhatian pemerintah baik
di tingkat pusat sampai daerah. Hal ini dibuktikan
dengan banyaknya perpustakaan daerah yang
menyediakan berbagai sumber bacaan bagi
masyarakat. Dengan demikian, masyarakat memiliki
banyak alternatif dalam memperoleh informasi yang
dibutuhkan melalui perpustakaan.
Walapun demikian, meningkatnya kuantitas
perpustakaan belum sepenuhnya mampu memenuhi
kebutuhan pengguna. Pengguna membutuhkan
sistem perpustakaan yang mampu menyediakan
akses ke banyak koleksi dari berbagai perpustakaan.
Untuk itu, perlu ada pertukaran data antar
perpustakaan. Untuk melakukan pertukaran data,
koleksi perpustakaan harus berbentuk digital.
Perpustakaan digital memungkinkan pertukaran data
antar perpustakaan.
Namun, pertukaran data antar perpustakaan
digital bukan pekerjaan mudah karena biasanya
KNSI 2014

setiap perpustakaan digital mengembangkan


sistemnya
masing-masing.
Akibatnya,
sulit
melakukan pertukaran data antar perpustakaan
digital. Hal ini disebabkan karena perbedaan
platform perangkat keras dan perangkat lunak yang
digunakan, arsitektur dan media penyimpanan yang
berbeda-beda, kultur kepemilikan data serta masalah
keamanan data.
Untuk mengatasi masalah ini, beberapa
penelitian sebelumnya mengusulkan penggunaan
teknologi grid yang memiliki kemampuan
mengintegrasikan
platform
yang
heterogen.
Teknologi grid menjanjikan sebuah arsitektur
perpustakaan digital yang fleksibel dan lebih terbuka
[8]. Dengan bantuan teknologi grid, permasalahan
seperti bertambahnya konten yang heterogen,
layanan yang kompleks dan ukuran metadata yang
besar dapat diatasi. Grid merupakan sistem yang
menjanjikan dukungan terhadap berbagi sumber
daya, sumber daya yang besar dan sumber daya
tersebar [5].
Penelitian ini bertujuan menghasilkan jaringan
perpustakaan yang memudahkan mekanisme
pertukaran data antar perpustakaan digital. Jaringan
yang bernama Gorontalo Library Networking
(GLN) ini terdiri dari 7 perpustakaan digital yang

14

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

ada di Provinsi Gorontalo, yakni 1 perpustakaan


daerah provinsi dan 6 perpustakaan daerah
Kabupaten/Kota. Ketika pengguna mengakses
Gorontalo Library Networking, pengguna dapat
mengakses koleksi dari 7 perpustakaan digital
tersebut. Dengan demikian, akses pengguna terhadap
koleksi perpustakaan menjadi meningkat dan lebih
mudah. Kemudahan akses sangat terasa karena jarak
antar perpustakaan daerah di Gorontalo berjauhan.
Selain itu, GLN dapat mengoptimalkan koleksi
setiap perpustakaan digital yang bekerja sama.
Artinya koleksi setiap perpustakaan tidak perlu
sama, karena tersedia di perpustakaan lain yang
dapat diakses pengguna.

2.

Perpustakaan Digital
Terdapat
banyak
definisi
mengenai
perpustakaan digital. Para ahli mendefinisikan
perpustakaan digital sesuai dengan kebutuhan
mereka masing-masing. Menurut [2], perpustakaan
digital merupakan kumpulan informasi beserta
layanan-layanannya yang disimpan dalam format
digital dan dapat diakses melalui jaringan komputer.
Pendapat ini diperkuat oleh [6], yang mengatakan
bahwa perpustakaan digital adalah sebuah
perpustakaan yang informasinya disimpan dalam
format digital dan dapat diakses melalui komputer.
Format digital disimpan secara lokal dalam sebuah
komputer, tetapi dapat diakses oleh pengguna
melalui jaringan komputer.
Pendapat lain dikemukakan oleh [7], yang
mendefinisikan perpustakaan digital sebagai sebuah
perpustakaan virtual global yang terdiri dari
beberapa
jaringan
perpustakaan
elektronik.
Sedangkan[3], mendefinisikan perpustakaan digital
sebagai sebuah organisasi (bisa virtual), yang secara
komprehensif mengumpulkan, mengelola dan
menjaga berbagai konten objek digital untuk jangka
waktu yang panjang serta menyediakan fungsifungsi dan layanan khusus bagi pengguna.
Sementara itu, [4] berpendapat bahwa
perpustakaan digital
bukan merupakan sebuah
entitas tunggal, melainkan terdiri dari beberapa
entitas yang masing-masing memiliki sumber daya.
Perpustakaan digital membutuhkan teknologi untuk
menghubungkan ke berbagai sumber daya.
Hubungan di antara perpustakaan digital dan
layanan informasi bersifat transparan terhadap
pengguna. Perpustakaan digital harus dapat
memberikan layanan informasi dan dapat diakses
secara universal.

masalah ketika beberapa perpustakaan digital


melakukan kerja sama untuk berbagi sumber daya.
Untuk mengatasi hal tersebut, beberapa penelitian
mengusulkan penggunaan teknologi grid yang
memiliki kemampuan mengintegrasikan platform
yang heterogen.
[9] mengusulkan konsep Global Digital Library
Gid (GDLG) seperti terlihat pada gambar 1.
Teknologi
data
grid
digunakan
untuk
menghubungkan institusi yang memiliki koleksi
digital seperti perpustakaan, musium dan arsip ke
dalam bentuk sebuah musium virtual besar yang
disebut GDLG. Dalam mekanisme manajemen file,
GDLG membolehkan pengguna untuk melakukan
manajemen katalog, manajemen pengiriman replika
dan akses ke file secara efisien. Dengan replica
selection, site paling efisien akan ditempatkan secara
otomatis dan salinannya akan terlihat di site lokal
pengguna.

Gambar 1. Framework GDLG [9]


4.

Arsitektur
Pertukaran
Data
dalam
Perpustakaan Digital
Untuk mendukung kerja sama antar perpustakaan
digital,
diperlukan
suatu
arsitektur
yang
memungkinkan proses pertukaran data. Terdapat
beberapa arsitektur pertukaran data yang dapat
digunakan dalam kerja sama antar perpustakaan
digital di Indonesia [1], yaitu:
Arsitektur Terpusat
Pada arsitektur terpusat, semua data dari masingmasing perpustakaan dibaca oleh sebuah server
pusat. Server pusat ini membaca data perpustakaan
dengan menggunakan protokol-protokol pertukaran
yang ada. Pengguna dapat menggunakan server
pusat ini untuk mencari informasi di perpustakaan
yang terhubung ke dalam jaringan.

3.

Kerja Sama antar Perpustakaan


Perpustakaan digital biasanya dikembangkan
menggunakan teknologi, platform, protokol dan
arsitektur yang berbeda-beda, akibatnya akan timbul

KNSI 2014

15

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 2. Aritektur Terpusat [1]

Arsitektur Terdistribusi
Dalam arsitektur ini, setiap perpustakaan yang
terhubung dalam satu jaringan kerja sama saling
berkomunikasi
satu
sama
lain.
Dengan
menggunakan arsitektur
terdistribusi, beban
pencarian kerja tidak dipusatkan pada satu
perpustakaan dan dapat meminimalkan bottleneck.
Kelemahan arsitektur ini adalah, jika salah satu
perpustakaan terputus dari jaringan, maka data
perpustakaan tersebut tidak dapat diakses oleh
perpustakaan lain.

Gambar 3. Aritektur Terdistribusi [1]


Arsitektur Terdistribusi Bertingkat
Arsitektur terdistribusi bertingkat merupakan
gabungan dari arsitektur terpusat dan terdistribusi.
Dalam arsitektur ini, beberapa perpustakaan
tergabung dalam satu kelompok. Setiap kelompok
memiliki koordinator yang bertugas mengumpulkan
data perpustakaan yang ada dalam kelompok
tersebut.

Gambar 4. Aritektur Terdistribusi Bertingkat [1]


5. Analisis Kebutuhan
Hasil survey pada beberapa perpustakaan daerah di
Provinsi Gorontalo diperoleh beberapa data terkait

KNSI 2014

dengan keadaan pada perpustakaan yang ada saat ini


:

Perpustakaan Daerah Kota Gorontalo


Di wilayah kota Gorontalo perpustakaan masih
bergabung dengan KPDE dimana letak perpustakaan
berada di area taman kota Gorontalo dan dikelola
oleh seorang petugas perpustakaan. Jumlah koleksi
buku pada perpustakaan ini yaitu sebanyak 4000
eksemplar terbagi atas beberapa klasifikasi buku
yaitu karya umum, filsafat dan psikologi, ilmu
agama, ilmu sosial, bahasa, ilmu-ilmu murni
(pasti/alam), ilmu terapan (teknologi), kesenianhiburan-olahraga, kesusastraan, geografi dan sejarah.
Untuk pengelolaan dan sirkulasi buku-buku tersebut,
perpustakaan ini masih menggunakan aplikasi
perkantoran yang terdapat pada perangkat notebook
dan belum memiliki fasilitas komputer lainnya untuk
mengakses katalog secara online maupun offline.
Berdasarkan keadaan tersebut, diperlukan sebuah
aplikasi yang memungkinkan untuk melalukan
pencatatan, pengolaan anggota, penatan catalog
buku hingga pada sirkulasi buku yang lebih baik.
Perpustakaan Daerah Kabupaten Gorontalo
Pada perpustakaan daerah ini terletak di pusat
ibukota kabupaten yaitu di Limboto dimana menjadi
satu kesatuan antara perpustakaan dan arsip
daerah.Perpustakaan ini dikelola oleh kepala
perpustakaan, sekretaris, administrator sistem hingga
beberapa petugas sirkulasi. Terdapat beragam
koleksi buku yang disertai juga dengan beberapa ebook serta terdapat 3 PC yang digunakan untuk
sirkulasi buku dan untuk anggota perpustakaan. Pada
perpustakaan ini juga sudah menggunakan aplikasi
perpustakaan yang terotomatisasi menggunakan
SLIMS (Senayan Library Management System) yang
digunakan untuk pencatatan buku, pengelolaan
anggota, penataan katalog hingga sirkulasi buku.
Berdasarkan keadaan tersebut perpustakaan daerah
kabupaten Gorontalo hanya tinggal menyesuaikan
format pertukaran data dengan menggunakan
arsitektur GLN yang akan diimplementasikan.
Perpustakaan Daerah Kabupaten Gorontalo
Utara
Hampir sama dengan beberapa perpustakaan daerah
lainnya, di wilayah Kabupaten Gorontalo Utara
kantor perpustakaan dengan arsip daerah dimana
kantor ini terletak di daerah blok plan kantor
pemerintahan daerah Gorontalo Utara. Perpustakaan
ini dikepalai oleh seorang kepala perpustakaan dan
arsip daerah dibantu oleh kepala bagian tata usah
dan beberapa staff. Terdapat sekitar 6000 eksemplar
buku pada perpustakaan ini dan dikelola
menggunakan aplikasi perpustakaan (SLIMS) untuk
penataan katalog, pengolaan anggota dan sirkulasi
buku. Perpustakaan ini juga membantu pengolaan

16

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

perpustakaan sekolah di wilayah Kabupaten


Gorontalo Utara. Dari hasil survey yang diperoleh
maka yang dibutuhkan adalah penyesuaian format
pertukaran data dengan menggunakan arsitektur
GLN yang akan diimplementasikan.

daerah yang menggunakan SLIMS memanfaatkan


library NuSOAP, sedangkan pada perpustakaan
daerah yang menggunakan DIGILIB memanfaatkan
J2EE, pada sisi client menggunakan JAX-RPC
seperti yang terlihat pada Gambar 5.

Perpustakaan Daerah Kabupaten Boalemo


Perpustakaan ini tergolong yang sudah cukup baik
memberdayakan
Teknologi
Informasi
dan
Komunikasi (TIK) untuk pengelolaan perpustakaan.
Memiliki hampir 9000 koleksi buku membuat
perpustakaan ini menjadi salah satu perpustakaan
daerah yang memiliki koleksi buku yang cukup
besar. Untuk mengelola perpustakaan yang cukup
besar ini, pengelola menggunakan dua buah aplikasi
yaitu aplikasi dari Perpustaaan Nasional (Perpusnas)
yaitu Inlis dan aplikasi SLIMS. Fungsi aplikasi Inlis
dan SLIMS hampir sama namun untuk pelaporan ke
Perpusnas aplikasi yang digunakan yaitu Inlis. Dari
hasil survey yang diperoleh maka yang dibutuhkan
adalah penyesuaian format pertukaran data dengan
menggunakan
arsitektur
GLN
yang akan
diimplementasikan

Gambar 5. Desain Aritektur GLN

Perpustakaan Daerah Kabupaten Pohuwato


Kabupaten di Gorontalo paling ujung yang
berbatasan dengan Sulawesi Tengah ini baru
mengoperasikan Perpustakaan Daerah selama 2
bulan, namun penggunaan TIK di perpustakaan ini
sudah cukup baik untuk pengelolaan perpustakaan.
Memiliki koleksi buku hampir 32.000 ini sudah
memprakarsai program kerjasama dengan beberapa
perpustakaan di sekolah-sekolah. Perpustakaan ini
menggunakan aplikasi SLIMS untuk pengelolaan
perpustakaan. Dari hasil survey yang diperoleh maka
yang dibutuhkan adalah penyesuaian format
pertukaran data dengan menggunakan arsitektur
GLN yang akan diimplementasikan.
Perpustakaan Daerah Kabupaten Bone Bolango
Kantor perpustakaan daerah di Kabupaten Bone
Bolango masih tergabung dengan Arsip Daerah.
Perpustakaan daerah di Kabupaten Bone Bolango
sama halnya dengan perpustakaan daerah lainnya
dimana menggunakan aplikasi SLIMS sebagai
aplikasi pengelolaan perpustakaan. Maka dari hasil
survey tersebut dibutuhkan penyesuaian format
pertukaran data dengan menggunakan arsitektur
GLN yang akan diimplementasikan.

6. Desain Arsitektur
Arsitektur yang didesain pada GLN untuk dapat
mempertukarkan data antar perpustakaan daerah
yaitu
arsitektur
client-server
memanfaatkan
teknologi web service untuk menjembatani aplikasi
dengan platform yang berbeda-beda. Perpustakaan

KNSI 2014

Skenario pertukaran data menggunakan teknologi


webservice dapat dijabarkan sebagai berikut :
1. Pengguna pada perpustakaan daerah A yang
menggunakan SLIMS melakukan pencarian
koleksi buku
2. Koleksi buku tidak terdapat pada database
perpustakaan A
3. Perpustakaan A mengirimkan request ke server
untuk mencari koleksi buku pada perpustakaan
daerah yang lain
4. Perpustakaan daerah lain mengirimkan balasan
ke server atas koleksi buku yang dicari
5. Server mengirimkan informasi hasil pencarian
buku pada perpustakaan A dengan menyertakan
lokasi fisik buku yang diminta

Gambar 5. Skenario Proses Kerja Desain Aritektur


GLN
DAFTAR PUSTAKA
[1] Aji, R.F dan Wibowo, W.C. (2012). Arsitektur
Pertukaran Data di Indonesia. Proceedings of
National Conference on Computer Science &
Information Technology. Faculity of Computer
Science. University of Indonesia.
[2] Arms, W. (2000). Digital Libraries. MIT Pers.
[3] Candela, L., Castelli, D., Ferro, N., Ioannidis, Y.,
Koutrika, G., Meghini, C., et al. (2007). The
DELOS Digital Library Reference Model:
Foundations for Digital Libraries. Basel,
Switzerland: DELOS Network of Excellence on
Digital Libraries

17

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

[4] Drabenstott, K. (1994). Analytical Review of The


Library of The Future. Washington, D.C.:
Council Library Resources.
[5] Foster, I., & Kesselman, C. (2004). The Grid:
Blueprint for a New Computing Infrastructure,
Second Edition. San Fransisco, USA: Morgan
Kaufmann Publisher, Elsevier Inc.
[6] Greenstein, D., & Thorin, S. E. (2002). The
Digital Library: A Biography. Washington,
D.C.: Digital Library Federation.
[7] Larson, R., & Sanderson, R. (2005). Grid-based
Digital Libraries: Chesire3 and Distributed
Retrieval. JCDL
[8] Sebestyen-Pal, G., Banciu, D., Balint, T.,
Moscaiuc, B., & Sebestyen-Pal, A. (2008).
Towards a Grid-based Digital Library
Management System. Distributed and Parallel
Systems , 77-90.
[9] Yang, C.-T., & Ho, H.-C. (2005). Using Data
Grid Technologies to Construct a Digital
Library Environment . Proceedings of the 3rd
International Conference on Information
Technology Research and Education (ITRE)
(pp. 338-392). Hsinchu, Taiwan: NTHU.

KNSI 2014

18

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-4

Perancangan Aplikasi Real-Time Log Monitoring


Via E-mail dan SMS pada Server Berbasis Linux
Madyana Patasik, Novita Sambo Layuk
STMIK DIPANEGARA
Jl. P. Kemerdekaan Km. 9 Makassar Telp. (0411) 587194
e-mail: madyanapatasik@gmail.com, novita.sambo@dipanegara.ac.id

Abstrak
Keamanan komputer merupakan sebuah aspek penting dalam dunia teknologi informasi dan
komunikasi dewasa ini. Menjaga agar komputer yang kita gunakan tetap aman terhadap
intrusi atau ancaman pihak luar (yang tidak memiliki otoritas terhadap sistem kita) merupakan
sesuatu yang wajib dilakukan oleh kita sebagai pengguna. Keamanan komputer yang handal
dapat menjamin integritas data, meningkatkan kinerja pengguna, dan lain-lain. Bagi pengguna
sistem operasi Linux, salah satu langkah untuk memantau keadaan sistem adalah dengan
memantau isi berkas log, karena di dalam berkas log inilah semua aktifitas yang terjadi
terhadap sistem Linux tercatat. Sehingga dengan menganalisa isi dari berkas-berkas log yang
ada kita dapat mengetahui secara detail setiap aktifitas yang berjalan pada sistem. Karena itu
memantau perubahan terhadap isi berkas log merupakan hal yang dapat membantu kita dalam
menjaga keamanan sistem. Sistem ini akan membantu untuk menyederhanakan kegiatan
pemantauan/monitoring terhadap berkas log, karena sistem ini akan secara Real-Time
memeriksa isi berkas log dan menganalisa setiap log yang baru serta memberikan kesimpulan
terhadap jenis aktifitas yang tercatat di dalam log. Selain itu, sistem ini juga akan senantiasa
memberikan notifikasi melalui SMS dan mengirimkan laporan secara detail melalui e-mail
tentang aktifitas tidak normal yang tercatat oleh berkas log di dalam sistem Linux. Sehingga
dengan ini diharapkan dapat meningkatkan awareness pengguna terhadap keamanan sistem
operasi Linux yang digunakan.
Kata Kunci: log file, linux, real-time monitoring.
1. Pendahuluan
Melakukan monitoring terhadap aktifitas
yang terjadi pada sebuah server berbasis Linux
merupakan kegiatan yang sangat penting untuk
menjamin keamanan terhadap server tersebut.
Dalam sebuah sistem Linux, semua aktifitas yang
terjadi, baik yang dilakukan oleh pengguna (user)
maupun aktifitas yang dilakukan oleh sistem itu
sendiri, semuanya terekam dalam log file yang
bersifat human readable (dapat dibaca manusia)
yang ada dalam sebuah sistem Linux. Sehingga
dengan adanya log file tersebut setiap aktifitas yang
terjadi dalam sistem operasi Linux akan tercatat dan
tersimpan. Dalam berbagai distribusi Linux, lokasi

KNSI 2014

direktori yang menyimpan log file ada pada folder


/var/log/.
Namun dalam hal yang berkaitan dengan
keamanan, kita tentu akan sangat perlu untuk
memantau aktifitas yang tidak normal (malicious
activity) yang terjadi terhadap sistem kita. Akan
tetapi akan sulit bagi kita untuk menganalisa dan
memilah-milah antara aktifitas normal dan aktifitas
yang tidak normal yang tercatat ada sebuah log file,
karena dalam sebuah log file terdapat sangat banyak
aktifitas yang tercatat bahkan bisa mencapai ratusan
atau ribuan baris dalam tiap berkasnya. Karena itu
diperlukan aplikasi pihak ketiga yang secara realtime memantau perubahan pada tiap log file, serta
menyeleksi antara aktifitas normal dan tidak normal

19

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

berdasarkan yang tercatat dalam log file yang


dipantau oleh aplikasi monitoring ini.
Berdasarkan latar belakang di atas maka
masalah yang akan dibahas dalam jurnal ini adalah
bagaimana merancang aplikasi real-time log
monitoring pada sistem operasi berbasis Linux dan
bagaimana aplikasi yang akan dibangun tersebut
mampu secara mandiri memisahkan antara aktifitas
normal dan aktifitas tidak normal serta memberikan
laporan
(report)
kepada
pengguna.
Agar
pembahasan tidak meluas, maka masalah yang
diangkat dalam jurnal ini terbatas pada :
1. Pemantauan aktifitas yang terjadi ada sebuah
sistem operasi Linux dengan berdasarkan data
pada log file.
2. Aplikasi yang akan dibangun menggunakan
bahasa pemrograman Python dan berjalan di
atas sistem operasi Linux.
3. Menganalisa data yang terekam pada log file
dan memberikan hasil pengidentifikasian
terhadap jenis dari aktiftas yang tidak normal
(malicious activity) serta rincian (detail) yang
tercatat pada log file.
4. Log file yang dipantau (di-monitoring) adalah
log web server, autentikasi SSH server serta
perintah-perintah yang dieksekusi oleh
pengguna.

2. Perangkat lunak yang digunakan :


Spesifikasi Software adalah sebagai berikut :
a. Sistem Operasi Linux Ubuntu Server 12.10
b. Software Virtualisasi (Virtual Box 4.0)
c. Web Server (Apache 2.2) dan Web Simulasi
(DVWA)
d. Interpreter Bahasa Pemrograman Python (Python
2.7)
e. SSH Server (OpenSSH Server)
2.2.2 Alat Desain Konseptual
Dalam kegiatan penelitian ini penulis menggunakan
alat bantu dalam menganalisa dan mempelajari
sistem yang telah ada dan sistem yang akan
dirancang. Adapun alat yang digunakan adalah
UML.
2.3

Perancangan Aplikasi

2.3.1 Use Case Diagram


Use case Diagram dirancang untuk
menggambarkan apa yang di lakukan
sistem dan siapa saja user yang berinteraksi
dengan sistem.

2. Metode Penelitian
Ssh_Access

2.1 Jenis Penelitian


Untuk menyempurnakan data-data yang dibutuhkan,
maka penulis melakukan pengumpulan data
dengan menggunakan dua cara yaitu :
1. Penelitian Kepustakaan (Library Research), yaitu
pengumpulan data dengan cara membaca buku
melalui literatur, tutorial-tutorial maupun artikel
dari internet yang bersifat ilmiah yang ada
hubungannya dengan materi pembahasan.
2. Penelitian Lapangan (Field Research), yaitu
dilakukan dengan cara mengumpulkan data
secara langsung kepada objek penelitian yaitu
dengan melakukan praktik langsung pada sistem
operasi Linux yang akan digunakan sebagai objek
penelitian.

2.2 Alat Dan Bahan Penelitian


2.2.1 Alat Desain Fisik
1.
Perangkat keras yang digunakan :
Spesifikasi perangkat keras yang digunakan untuk
merancang dan menjalankan sistem ini adalah
sebagai berikut:
a. Laptop Intel Core, processor Pentium Dual Core
b. Memory (RAM) : 2 Gb DDR 2
c. Harddisk : 500 GB
d. Modem GSM

KNSI 2014

Bash Logger

SQL Injection

Even modify

RFI

FFI
User
Http Access
XSS
Save Database

Gambar 2.1 Use Case Diagram


Pengguna
2.3.2 Sequence Diagram
Sequence Diagram dirancang untuk
mengambarkan secara detail untuk proses
yang dilakukan dalam sistem untuk
mencapai tujuan dari use case.

20

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 2.4 Communication Diagram


2.3.4 Class Diagram
Class adalah sebuah spesifikasi yang
jika diinstansiasi akan menghasilkan
Sebuah objek dan merupakan inti dari
pengembangan dan desain berorientasi
objek

Gambar 2.2 Sequence Diagram


Pengguna
2.3.3 Activity Diagram
Activity Diagram dirancang untuk
menggambarkan aktivitas atau proses dalam
sistem yang dirancang, decition yang
mungkin terjadi dan bagaimana sistem
berakhir.
Autentikasi user

Mendeteksi aktivitas user

Gambar 2.5 Class Diagram


2.3.5 Kamus Data
2.3.5.1
Kamus Data Http
Tabel 2.1 Kamus Data HTTP
Nama Arus Data : Data Log HTTP
Bentuk
: File
Penjelasan
: Tabel untuk menyimpan
data Malicious LogWeb Server
Periode
: Setiap dideteksiMalicious
Activitypada Log Web Server
Struktur Data
:-]
No

Menyimpan aktivitas user di database

1
2
3
4
5
6
7

Tampilkan dashboard administrator

Tampilkan tabel output sistem

Kirim laporan via email

Nama
Atribut
_id
Type
Ip
date
Time
Ua
Req

Keterangan
ID Field
Tipeaktifitas yang tercatat
Alamat IP yang tercatat
Tanggalaktifitastercatat
Waktuaktifitastercatat
User AgentdariHTTP Header
Isi HTTP Request yang
diterima

Gambar 2.3 Activity Diagram


tat

ca
an men
fikasi d
gidenti tikasi user
n
1. Men
te
data au

Sistem

Table secure

2. Mengidentifikasi dan mencatat perintah


Table syslog
penting yang dieksekusi
3. Meng
identifika
si d
penting p an mencatat akt
4. M
ivitas
ada web
emb
server
Table access
uat d
an m
engir
im la
adm
pora
in
n ke
ema
il
Laporan
monitoring

KNSI 2014

2.3.5.2 Kamus Data Secure


Tabel 2.2 Kamus Data Secure
Nama Arus Data : Data Log Secure
Bentuk
: File
Penjelasan
: Tabel untuk menyimpan data
berkas/var/log/secure
Periode
:
Setiapdideteksiautentikasikedalamsistem
Struktur Data
:-]
No
Nama
Keterangan
Atribut
1
_id
ID Field
2
type
Tipeaktifitas yang tercatat
3
Ip
Alamat IP yang tercatat

21

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
4
5
6
7
8

Port
date
Time
Status
User

Nomor port yang tercatat


Tanggalaktifitastercatat
Waktuaktifitastercatat
Status autentikasi
Namapengguna yang digunakan

2.3.5.3 Kamus Data Syslog


Tabel 2.3 Kamus Data Syslog
Nama Arus Data : Data Log Syslog
Bentuk
: File
Penjelasan
: Tabel untuk menyimpan data
dariberkasSyslog
Periode
:
Struktur Data
:-]
No
1
2
3
4
5

Nama
Atribut
_id
Date
Time
Command
User

Pwd

Gambar 3.1 Output Program Real Time


Log Monitoring

Keterangan
ID Field
TanggalAktifitas
WaktuAktifitas
Perintah yang dieksekusi
Pengguna yang
menjalankancommand
Lokasidirektoriperintahdieksekusi

3. Hasil dan Pembahasan


3.1 Rancangan Output
Output merupakan produk dari
sistem informasi yang dapat dilihat. Output
ini dapat berupa hasil yang dikeluarkan di
media keras (kertas dan lain-lain) dan
output yang berupa hasil dikeluarkan ke
media lunak (tampilan layar).
Bentuk atau format dari output dapat
berupa keterangan-keterangan tabel atau
grafik. Yang paling banyak dihasilkan
adalah output yang berbentuk tabel akan
tetapi sekarang dengan kemampuan
teknologi
komputer
yang
dapat
menampilkan output dalam bentuk grafik,
maka output berupa grafik juga mulai
banyak dihasilkan.

KNSI 2014

Gambar 3.2 Tabel SQL Injection pada


Dashboard Administrator

Gambar 3.3 Tabel RFI pada Dashboard


Administrator

22

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 3.7 Tabel Syslog pada


Dashboard Administrator

Gambar 3.4 Tabel LFI pada Dashboard


Administrator

Gambar 3.5 Tabel XSS pada Dashboard


Administrator

3.2 Pengujian Black Box Kesalahan


Sistem
Metode
ujicoba
blackbox
memfokuskan pada keperluan fungsional
dari software. Karena itu ujicoba blackbox
memungkinkan pengembang software
untuk membuat himpunan kondisi input
yang akan melatih seluruh syarat-syarat
fungsional
suatu
program.
Ujicoba
blackbox berusaha untuk menemukan
kesalahan-kesalahan berikut ini:
Tabel 3.1 Pengujian Black Box
No.

Gambar 3.6 Tabel Secure Log pada


Dashboard Administrator
4. Kesimpulan
Berdasarkan hasil pengujian dengan
metode black box maka, sistem dikatakan
sudah dapat memberikan output sesuai
dengan tujuan pembuatan sistem, maka
dapat disimpulkan bahwa perangkat lunak

KNSI 2014

Presentasi
Kesalahan
(%)

Hasil
Pengujia
n

Kesimpulan

Fungsifungsi

Sesuai
harapan

Valid/berhas
il

Antarmuka

Sesuai
harapan

Valid/berhas
il

Struktur data
atau akses
database
ekternal

Sesuai
harapan

Valid/berhas
il

Performa

Sesuai
harapan

Valid/berhas
il

Inisialisasi
dan terminasi

Sesuai
harapan

Valid/beBrh
asil

Jenis
Kesalahan

yang dirancang sudah bekerja dengan


sukses.
Daftar Pustaka
[1] A.S , Rosa., M. Shalahuddin, 2011.
Modul
Pembelajaran
Rekayasa
Perangkat Lunak (Terstruktur dan

23

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Berorientasi
Bandung.

Objek).

Modula,

[2] Jogiyanto H.M, 2007. Analisis dan Desain


Sistem Informasi Pendekatan Terstruktur
Teori dan Praktek Aplikasi Bisnis. Andi Offset,
Yogyakarta
[3] Lakshman, Sarath, 2011. Linux Shell

[4]

[5]

[6]
[7]

Scripting Cookbook. Packt Publishing,


Birmingham.
Negus, Chiristopher, 2012. LINUX
BIBLE The Comprehensive Tutorial
Resource. John Wiley, Indianapolis.
Nugroho, Adi, 2010. Rekayasa
Perangkat Lunak dengan
Menggunakan UML dan Java. Andi
Offset, Jakarta.
Pudjo W. Prabowo, 2011. Konsep
Pemodelan Sistem. Andi, Yogyakarta.
Sanusi, Muzammil, 2010. The Genius
Hacking untuk Membobol Facebook
&E-mail. Elex Media Komputindo,
Jakarta.

KNSI 2014

24

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-5
SOFTWARE REQUIREMENT SPECIFICATION SISTEM
PERENCANAAN BIAYA PERJALANAN IBADAH HAJI
SESUAI DENGAN STANDARD IEEE 830-1998
1

Yudhi Kurniawan1, Yuswanto22


Program Studi Sistem Informasi, Fakultas Sains Dan Teknologi, 2Program Studi Akuntansi, Fakultas Ekonomi
Dan Bisnis, Universitas Ma Chung
Universitas Ma Chung, Villa Puncak Tidar N-01 Malang 65151 Jawa Timur
1
yudhi.kurniawan@machung.ac.id, 2 yuswanto@machung.ac.id

Abstrak
Ibadah haji adalah salah satu rukun atau kewajiban yang harus di laksanakan oleh pemeluk agama islam
bagi yang mampu, dimana setiap tahun jumlah calon jamaah bertambah dengan pesar dilihat dari animo yang
ada dan fakta pada tahun 2020 kuota untuk jamaah haji dari indonesia sudah habis terisi oleh calon jamaah.
Sampai dengan saat ini belum ada lembaga ataupun organisasi yang menyediakan sebuah sistem simulasi untuk
mentukan investasi yang paling tepat guna pembiayaan ongkos naik haji, khususnya ONH plus. Dimana
investasi yang dapat digunakan sebagai pembiayaan ONH yang berdasar pada prinsip syariah antara lain
investasi pada emas, sukuk ritel, dan deposito Mudharabah, sehingga calon jamaah mendapatkan gambaran yang
pasti tentang jenis investasi, lama tahun dan besaran yang diperlukan dengan tujuan untuk mendapatkan nilai
yang terbaik dalam biaya haji untuk tahun di mana calon jamaan akan berangkat haji. Program simulasi ini
dikembangkan dan dilengkapi dengan dokumentasi analisa sistem dan desain kebutuhan sampai dengan desain
input output dan proses yang sesuai dengan standar pengembangan perangkat lunak IEEE 830-1998 dengan
tujuan adalah membuat deskripsi detail tentang asumsi dan batasan sistem, fungsi dan ketergantungan sistem,
spesifikasi proses, data dan infrastruktur yang sesuai dengan standard pengembangan perangkat lunak yang
sesuai dengan proses bisnis memprediksi investasi terbaik yang akan digunakan sebagai ongkos naik haji. Hal ini
diperlukan agar setoran awal ONH tidak mengendap terlalu lama dan tidak mengubah nilai waktu uang (time
value of money). Efeknya adalah calon jemaah haji tidak perlu menunggu terlalu lama mulai dari pembayaran
ongkos naik haji dengan saat keberangkatan ibadah haji.
Kata kunci : proses bisnis investasi, asumsi dan batasan, fungsi dan ketergantungan, time value of money,
spesifikasi, IEEE 830-1998

1.

Pendahuluan

Indonesia merupakan negara terbesar pemeluk


agama Islam, Dengan banyaknya masyarakat
muslim Indonesia yang ingin melaksanakan ibadah
haji tetapi dengan kuota yang terbatas menyebabkan
banyaknya jamaah haji harus masuk dalam daftar
tunggu (waiting list). Tidak tanggung-tanggung
jangka waktu tunggu pelaksanaan ibadah haji dapat
mencapai 10 tahun, tergantung pada porsi haji
masing-masing daerah apabila calon jamaah haji
tersebut mengikuti paket Ongkos Naik Haji (ONH)
regular.
Ketepatan dan kecepatan dalam mengolah data
investasi tidak terlepas dari peranan program
komputer. Ada beberapa aplikasi program, seperti
Excel yang dapat digunakan untuk menghitung nilai
investasi ongkos naik haji. Karena keterbatasan
fungsi-fungsi perhitungan dari softaware aplikasi

KNSI 2014

program yang ada justru akan mempersulit pemakai


programnya. Dibutuhkan sebuah aplikasi yang
dibangun sendiri agar sesuai dengan kebutuhan
pemakai sehingga kepentingan dapat terakomodasi
dengan baik dan benar.
Namun Selama ini belum ada suatu program
bantu yang digunakan secara mandiri oleh calon
jamaah yang di distribusikan secara bebas tanpa
license yang dapat menentukan investasi terbaik
dalam menentukan pembiayaan ONH berdasar pada
prinsip syariah. Suatu program yang mampu untuk
menghitung pembiayaan ONH berdasarkan prinsip
syariah dari berbagai investasi yang ada dan sesuai
dengan prinsip time value of money.
Maka dari itu dokumentasi perancangan sistem
simulasi ini di buat guna memudahkan proses
pengembangan sistem sehingga calon jamaah haji
dalam melakukan perencanaan ibadah haji dengan
menggunakan fitur perhitungan yang ada untuk

25

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mendaptkan investasi terbaik untuk biaya ONH.


Sehingga pada implementasi yang sesungguhnya,
para calon jamaah haji dapat dengan mudah
menentukan investasi yang tepat dalam pembiayaan
ONH itu sendiri ketika sistem sudah selesai
dikembangkan.

2. Metodologi Penelitian
Dalam pengerjaan penelitian ini digunakan metode
SDLC. Metode SDLC adalah metode yang
menggunakan pendekatan sistem yang disebut
pendekatan air terjun (waterfall approach) di mana
setiap tahapan sistem akan dikerjakan secara berurut
menurun dari perencanaan, analisa, desain,
implementasi, dan perawatan [2]. Penggunaan
standard pengembangan sistem sangat jarang di
gunakan dimana untuk mengembangkat perangkat
lunak pada fase analisa bisa menggunakan standard
yang sudah di terjemahkan dari best practices yang
sudah yaitu sebuah standard dalam bentuk
Dokumentasi tentang Spesifikasi kebutuhan
Perangkat Lunak yang sesuai dengan standard IEEE
830-1998
tentang
Software
Requirement
Specification[7].
2.1 Analisa Kebutuhan
Sesuai dengan tahapan yang ada pada
tahapan perencanaan ini penelitian yang di
lakukan
lebih
banyak
melakukan
identifikasi dan pengumpulan data terkait
dengan bisnis proses perencanaan biaya
haji
Tabel 1 : Tabel Definisi Kebutuhan User
Fungsional Dan Non Fungsional
Kode
no Kebut
uhan

FU1

FU2

FU3

FU4

KNSI 2014

Prior
ity

High

High

High

High

Kode
no Kebut
uhan

Prior
ity

FU5

High

FU6

High

FU7

High

FU8

High

FU9

High

10

FU10

High

11

FU11

High

12

FU12

High

13

FU13

High

14

FU14

High

15

FU15

High

Deskripsi Kebutuhan
Sistem dapat
menampilkan halaman
login yang berisikan
username dan
password khusus
untuk administrator.
Sistem menampilkan
page login, dengan
inputan username dan
password.
Sistem menampilkan
page login yang
dilengkapai tombol
untuk login atau batal
Sistem menampilkan
page login hanya
untuk administrator
yang akan masuk
dalam sistem untuk

Deskripsi Kebutuhan
melakukan
maintenance data atau
perubahan setting pada
sistem
Sistem dapat mencatat
waktu dan ip dari
mesin user pada saat
login dan logout oleh
administrator.
Sistem dapat mencatat
dan menyimpan ke
dalam database IP dari
user baik admin
maupun user yang
mengakses sistem
Sistem dapat mencatat
dan menyimpan waktu
login mulai dari admin
yang login
Sistem dapat mencatat
dan menyimpan waktu
logout akhir dari
admin yang logout
Sistem dapat mencatat
dan meyimpan total
jumlah waktu user
ketika masuk dalam
sistem
Sistem dapat
menampilkan pesan
kesalahan sesuai
dengan tipenya pada
saat login.
Sistem dapat
menampilkan
kesalahan jika salah
username
Sistem dapat
menampilkan pesan
kesalahan jika salah
password
Sistem akan menutup
secara otomatis jika
username atau
password salah
sebanyak 3 kali
Sistem dapat
menampilkan data
login untuk laporan
keamanan sistem dan
tracing access system.
Sistem dapat
menampilkan halaman
awal sesuai dengan

26

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Kode
no Kebut
uhan

16

FU16

Prior
ity

High

ibadah haji sesuai dengan jumlah tahun


yang sudah di rencanakan sesuai dengan
teori dari nilai uang (perspective time
value of money).
Kemudahan, keakuratan data investasi
(updateable), nilai tukar rupiah, metode
simulasi dan bentuk laporan yang di
hasilkan menjadi perhatian utama sehingga
calon jamaah haji lebih mudah memahami
hasil dari perangkat lunak ini.
2.5 Asumsi Dan Ketergantungan
Perangkat lunak ini akan di bangun
dengan menggunakan teknologi PHP 5 dan
HTML 5 untuk aplikasi web maka untuk
sisi server di jalankan dengan sistem
operasi windows server/linux, sedangkan
sisi client hanya membutuhkan web
browser seperti Mozilla Firefox, Google
Chrome, atau opera, baik dengan platform
desktop atau mobile dalam pengaksesannya.

Deskripsi Kebutuhan
tipe hak akses yang
ada yaitu administrator
dan user
Sistem dapat
menampilkan form
untuk pengaturan nilai
variabel pasti untuk
simulasi perhitungan
investasi, yang hanya
bisa di akses oleh
administrator

2.2 Fungsi Dan Perspektif Sistem


Aplikasi/sistem ini adalah sebuah sistem
simulasi investasi untuk ibadah haji dengan
menggunakan metode perhitungan Time
Value of Money. Detail dari persepktif
sistem adalah sebagai berikut:
1. Sistem ini akan berjalan menggunakan
web browser dengan asumsi sistem
operasi
yang digunakan sudah
mendukung web browser.
2. Sistem ini membutuhkan inputan
jumlah tahun yang akan di simulasikan
untuk perhitungan nilai investasi yang
ada.
3. Sistem
tidak
digunakan
untuk
melakukan
perhitungan
diluar
metodologi yang sudah di gunakan.
2.3 Karakteristik Pengguna
Pengguna sistem ini adalah user dengan
karakteristik sebagai berikut.
1. Pernah menggunakan aplikasi berbasis
web
2. Mengerti dan memahami perangkat
lunak yang akan dijalankan
3. Memahami cara kerja sistem yang
sedang dijalankan.
4. Mengerti proses perhitungan dan
simulasi (khusus untuk administrator).
5. Mengerti bentuk dan informasi laporan
yang di hasilkan.

3.

Hasil Dan Pembahasan


Dalam analisa di lakukan pengelompokan
hasil observasi yang ada kedalam Tabel
Analisa kebutuhan seperti terlampir pada Tabel
1, dalam tabel analisa kebutuhan di bedakan
menjadi 2 hal besar yaitu kebutuhan fungsional
dan non fungsional, untuk kebutuhan
fungsional mempunyai detail antara user dan
sistem. Untuk kebutan non fungsional terkait
dengan kebutuhan atau spesifikasi yang harus
di penuhi untuk menjalankan aplikasi.
3.1 Use Case Diagram
Diagram
ini
digunakan
untuk
menggambarkan hubungan Antara user
dengan use case atau proses yang bisa di
jalankan oleh user yang ada.

2.4 Batasan
Batasanbatasan dalam pengembangan
perangkat lunak ini adalah:
1. Perangkat lunak ini hanya mencakup
pada pengolahan data investasi dan
perhitungan nilai investasi terbaik yang
bisa di gunakan oleh calon jamaah haji.
2. Tujuan dari perangkat lunak ini adalah
mendesain sistem yang berfungsi untuk
membantu para calon jamaah haji untuk
menentukan investasi terbaik dalam

KNSI 2014

27

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 1 : Use Case Diagram (Spesifikasi


Kebutuhan Fungsional) untuk Prototipe Program
Sistem Perencanaan Biaya Perjalanan Ibadah Haji
Dengan Persepktif Time Value Of Money Dan
Investasi Berbasis Syariah
Setiap Use Case Diagram yang ada memiliki
spesifikasi detail tentang event yang bisa di lakukan
oleh masingmasing use case, adapun spesifikasi
yang ada yaitu:
3.2

No
1

Spesifikasi Detail Use Case


Sesuai dengan use case diagram yang sudah
di gambarkan maka, untuk membuat
deskripsi dari use case kedalam detail
spesifikasi user case diagram
Tabel 2: Spesifikasi Detail Use Case
Diagram
Nama Spesifikasi
Deskripsi
Spesifikasi
Use Use
case
ini
Case Menentukan digunakan
untuk
Jumlah
Tahun menampilkan pilihan
dalam simulasi
tahun yang dapat di
pilih
oleh
user
sebelum simulasi di
jalankan
Spesifikasi
Use Use case ini di
Case
Varibel gunakan
untuk
Perhitungan Awal
menampilkan form
untuk
menambah,
menghapus
dan
merubah
data
tentang
variabel
imbal
hasil,
frekuensi,
probabilitas,
probabilitas
kumulatif, interval
angka random
Spesifikasi Use
Use
case
ini
Case Parameter
digunakan
untun
menentukan
Dasar Perhitungan.
parameter
dasar
perhitungan
yaitu
tahun, jumlah tahun,
tabel normal dan
simulasi
variabel
imbal hasil
Spesifikasi
Use Use
case
ini
Case jenis dan lama digunakan
untuk
melakukan
investasi
penambahan,
perubahan
dan
penghapusan
data
tentang
jenis
investasi yang di
gunakan yaitu emas,

KNSI 2014

Spesifikasi
Use
Case Jenis Biaya
Perjalanan Haji

deposito
mudharabah
dan
sukuk
Use case ini di
gunakan
untuk
menambah, merubah
dan menghapus data
biaya perjalanan haji
baik yang bersifat
reguler ataupun juga
yang bersifat ONH
Plus data yang di
butuhkan
adalah
nilai/biaya Haji

3.3 Spesifikasi Kebutuhan Non Fungsional


A. Antarmuka Pemakai
Pemakai berinteraksi langsung dengan
perangkat lunak melalui masukan
perintah yang diketikkan langsung dari
keyboard atau penggunaan mouse pada
link yang suda di sediaka, sedangkan
hasil keluaran yang akan ditampilkan
langsung ke layar monitor dalam format
halaman web
B. Antarmuka Perangkat Keras
Antarmuka perangkat keras yang
digunakan dalam perangkat lunak ini
nanti adalah :
1. PC
Desktop/Notebook/Tablet
dengan Processore Minimal P4
2. RAM Minimal 512 Mb
3. Hardisk
4. Monitor
5. Keyboard/Mouse/Touchscreen
C. Antarmuka Perangkat Lunak
Perangkat lunak yang dibutuhkan untuk
mengoperasikan
perangkat
lunak
simulasi perhitungan investasi haji
adalah :
1. Nama
: PHP5.0
Sumber
: PHP
Sebagai tool pengembangan untuk
aplikasi simulasi perhitungan investasi
ibadah haji
2. Nama
: Oracle 10G
Sumber
: Oracle Inc.
Sebagai database yang dibutuhkan
dalam mengoperasikan aplikasi simulasi
perhitungan investasi ibadah haji
3. Nama
: Windows/Linux
Sumber
: Microsoft/Linux
Sebagai sistem operasi
4. Nama
: Google Chrome
Sumber
: Google inc
Sebagai browser internet bagi client.
5. Nama
: Apache Web Server
Sumber
: Apache Foundation

28

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Sebagai web server

pengelolaan terhadap data perhitungan


simulasi. Proses yang ada didalamnya
adalah Web Browser, digunakan untuk
melakukan jumlah tahun dan jenis biaya
haji yang ingin disimulasikan yang
dilakukan oleh user untuk di lakukan
perhitungan untuk medapatkan data
perencanaan.
Node: Web Server
Web Server merupakan computer yang
menyediakan layanan web bagi client
yang mengakses internet, dimana web
server ini akan mengakses database
untuk operasi yang melibatkan data-data
pada database.
Node: Database Server
Database Server merupakan computer
yang dipakai
untuk menyediakan
koneksi
ke
database
dan
mengauthentikasi web server dan tidak
akan mengizikan melihat informasi
atau menjalankan prosedur kecuali jika
ia memiliki hak yang sesuai.

3.4 Spesifikasi Kebutuhan Data


Dari hasil use case diagram serta detail
spesifikasi yang sudah dibuat maka langkah
selanjutnya adalah membuat struktur model
atau Spesifikasi Kebutuhan Data dengan
menggunakan class diagram
dimana
diagram ini berfungsi untuk memperhalus
desain dari obyek (use case) yang sudah
dibuat ke dalam diagram data yang
berisikan tentang skema dan hubungan
antar tabel yang terbentuk dari data yang
berjalan di atas sistem.

Gambar 2: Conceptual Data Model dari


Prototipe Program Sistem Perencanaan
Biaya Perjalanan Ibadah Haji Dengan
Persepktif Time Value Of Money Dan
Investasi Berbasis Syariah
3.5 Spesifikasi Kebutuhan Infrastruktur
Diagram ini menjelaskan secara detail
terakit gambaran bagaimana komponen
sistem disebar dalam skema infrastruktur
yang ada, skema tersebut adalah sebagai
berikut:

Gambar 3: Deployment Diagram Aplikasi


Perencanaan
Deployment diagram ini dibuat untuk
menunjukkan semua node pada sistem,
hubungan di Antara mereka, dan proses
yang akan di jalankan pada masing-masing
node
Node: Client
Client merupakan computer yang
digunakan oleh user untuk melakukan

KNSI 2014

4.

Kesimpulan
4.1 Kesimpulan
Berdasarkan hasil implementasi dan
pengujian terhadap Spesifikasi kebutuhan
perangkat
lunak
yang
sudah
didokumentasikan adalah:
1. Analisa kebutuhan sudah di definisikan
dan di petakan sesuai dengan fungsi dan
kepemilikan sehingga deskripsi asumsi,
batasan dan ketergantungan bisa di buat
2. Tabel analisa kebutuhan yang di
definisikan sesuai dengan spesifikasi
sistem yang sudah di gambar dalam use
case diagram dan spesifikasi detail.
3. Untuk kebutuhan non fungsional sesuai
dengan
diagram
pengembangan
komponen infrastruktur yang ada pada
deployment diagram
4.2 Saran
Saran untuk pengembangan dokumen
ini adalah:
1. Dokumen yang di hasilkan dapat
langsung digunakan untuk pembuatan
Software Design Description.
2. Dokumen
Software
Requirement
Specifiaction ini dapat digunakan
sebagai dokumentasi pengembangan
sistem informasi yang sudah sesuai
dengan proses pengukuran pada tingkat
pengembangan perangkat lunak.

29

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

5.

Daftar Pustaka

[1] Arifin, Zainul. 2003. Dasar-Dasar Manajemen


Bank Syariah. Jakarta:Alvabet.
[2] Bassil, Youssef. 2012. A Simulation Model for
the Waterfall Software Development Life
Cycle. International Journal Of Engineering &
Technology (iJET). ISSN : 2049-3444. Vol2.
No 5.
[3] Boehm B, Kitapci H., 2006, The WinWin
approach : using a requirements negotiation tool
for rationale capture and use. In : Dutoit A,
McCall R, Mistrik, I, Paech B(eds) Rationale
Management in Software Engineering, Springer
[4] Dewan Syariah Nasional MUI, dalam Fatwa
Dewan Syariah Nasional No. 21/ DSNMUI/IX/2001.
[5] Hartono, Jogiyanto. 2009. Teori Portofolio dan
Analisis
Investasi
Edisi
Keenam.
Yogyakarta:BPFE Yogyakarta.
[6] Kendal, K dan Kendall, J. 2005. Systems
Analysis and Design 6th Edition. Pearson
International Edition. Prentice Hall
[7] Software Engineering Standards Committee of
the IEEE Computer Society, 1998, IEEE 8301998 Recommended Practice for Software
Requirements Specifications, The Institute of
Electrical and Electronics Engineers, Inc.
[8] http://www.islamedia.web.id/2011/12/sekilastentang-haji-indonesia.html, diakses tanggal 3
Maret 2012.
[9] Whitten, Jeffery, L., etc, 2004, Systems
Analysis and Design Methods, The McGrawHill Companies,Inc

KNSI 2014

30

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-6
SISTEM PENDUKUNG KEPUTUSAN SELEKSI SISWA BERPRESTASI PADA SMK
NURUL HUDA PRINGSEWU MENGGUNAKAN METODE AHP
M.Muslihudin,S.Kom1, Lailatul Rohmah2
Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Komputer
(STM IK)Pringsewu Lampung, Indonesia
Jl. Wismarini No. 09
Tel p.(0729)22240, Faks (0729) 22240
Email :muslihudinskomstmik@yahoo.coid1, lai latul .rohmah12@gmai l .com2

Abstrak
Sekolah Menengah Kejuruan (SM K) Nurul Huda berdiri pada tahun 2011. Sekolah ini memiliki Visi dan Misi yaitu
unggul dalam ilmu pengetahuan dan teknologi (IPTEK) serta menciptakan lulusan tingkat menengah yang islami
berlandaskan iman serta taqwa (IMTAQ). Di era modern ini diharapkan para lulusan dari SMK Nurul Huda dapat
bersaing di dunia luar, baik pendidikan maupun wirausaha. Sehingga para siswa dituntut memiliki ketrampilan khusus yang
disertai dengan prestasi yamg baik. Oleh karena itu perlu adanya identifikasi siswa yang dapat melakukannya dan diberi
penghargaan sebagai siswa berprestasi. Untuk melakukan proses seleksi tersebut maka perlu dibentuk suatu sistem pendukung
keputusan guna menyelesaikan masalah yang ada yaitu bagimana menentukan model sistem pendukung keputusan dan
metode yang digunakan?. Penelitian ini menggunakan Analitycal Hierachy Prosess (A HP) sebagai metode pengambilan
keputusan.Pada metode ini peneliti menggunakan empat faktor kriteria yaitu : prestasi akademik, faktor ekonomi, kegiatan
ekskul dan kepribadian. Hasil dari penelitian ini memudahkan pengambilan keputusan dalam menentukan siswa berprestasi
dengan kriteria-kriteria yang telah disusun dengan menggunakan metode AHP.
Kata Kunci: Sistem Pendukung Keputusan, Analytical H ierachy Process (A HP), SM K N urul Huda

1. PENDAHULUAN
Sekolah Menengah Kejuruan ( SM K ) Nurul
Huda berdiri pada tahun 2011. Terletak di daerah
Pringsewu di bawah naungan Y ayasan Pondok
Pesantren Putra Putri N urul Huda, sehingga
menjadikan SM K Nurul Huda yang memiliki Visi
dan Misi yaitu unggul dalam ilmu pengetahuan dan
teknologi (IPTEK) serta menciptakan lulusan
tingkat menengah yang islami berlandaskan iman serta
taqwa (IMTAQ).
Di era modern seperti ini diharapkan para lulusan dari
SMK Nurul Huda dapat bersaing di dunia luar baik
pendidi kan maupun wi rausaha. Sehingga para siswa
dituntut memiliki keterampilan khusus yang disertai
dengan prestasi yang baik. Oleh karena itu perl u
adanya identifi kasi siswa yang dapat mel
akukannya dan di beri penghargaan sebagai siswa berprestasi,
yakni dengan mengadakan seleksi siswa berprestasi di SM
K Nurul Huda.
Proses sel eksi yang dilakukan bagi siswa
berprestasi pada SM K Nurul Huda masih banyak
mengalami kendala mengenai proses pengambilan
keputusan. Hal ini dikarenakan system penilaian dan
pencatatan yang dil akukan sekol ah masih manual
sehingga mempersulit guru untuk menganalisis
keadaan siswa. Selain dari itu, belum adanya metode yang
objektif untuk memutuskan dengan cepat, berdasarkan
KNSI 2014

data yang ada siapa saja yang berhak menerima beasiswa


tersebut.
Untuk mendukung penyeleksian tersebut, maka
dibutuhkan sistem pendukung keputusan untuk
menentukan keputusan yang diambil. Sistem
Pendukung Keputusan (SPK) adalah bagian dari
Sistem Informasi berbasis komputer, termasuk
system berbasis pengetahuan (managemen
pengetahuan) yang di pakai untuk mendukung
pengambilan keputusan dalam suatu organisasi atau sebuah
perusahaan. Konsep sistem pendukung keputusan
diperkenal kan pertama kal i ol eh Michael S. Scoott
Morton pada tahun 1970-an dengan istilah Management
Decision System (Sprague,1982).
SPK dirancang untuk mendukung seluruh tahap
pengambilan keputusan mulai dari mengidentifikasi
masalah, memi l ih data yang rel evan, dan
menentukan pendekatan yang digunakan dalam
pr o ses p engamb ilan kep utusan, sampai
mengevaluasi pemilihan alternatif. Sistem
pendukung keputusan ini membantu melakukan
penilaian setiap siswa. Sehingga memudahkan
pengambilan keputusan yang terkait dengan masalah seleksi
siswa berprestasi pada SM K Nurul huda Pringsewu.
Penelitian ini mencoba menggunakan metode
Analytical Hierarchy Process (AHP). AHP ini
cukup efektif dal am menyederhanakan dan

31

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mempercepat proses pengambilan keputusan dengan


memecahkan masalah menjadi beberapa bagian.
1.1 Perumusan masalah
Berdasarkan latar belakang tersebut maka
diperoleh dua rumusan masalah untuk melakukan
penelitian tentang sistem pendukung keputusan seleksi
siswa berprestasi pada sekolah menengah kejuruan (SM
K) Nurul huda Pringsewu yaitu:
a. Bagaimana model sistem pendukung
keputusan pemilihan siswa berprestasi yang berbasis
computer dengan menggunakan metode AHP?
b. Bagaimana metode AHP dapat memberikan solusi
dalam permasalahan pemilihan siswa berprestasi
pada SMK Nurul Huda Pringsewu?
1.2 Tuju an
Tujuan dilakukannya penelitian ini adalah :
a. Mempermudah unsur pimpinan menentukan siswa
berprestasi di Sekolah Menengah Kejuruan (SM K)
Nurul Huda Pringsewu.
b. Penggunaan metode Analytical Hierarchy
Process (AHP) untuk sistem pendukung
keputusan siswa berprestasi pada Sekolah
Menengah Kejuruan (SMK) Nurul Huda
Pringsewu.
2. LANDASAN TEORI
2.1 Definisi Sistem pendukung Keputusan
Sistem Pendukung Keputusan (SPK) menurut
Jurnal Informatika Marsani Asfi dan Ratna
Purnamasari ,Vol .6,No.2,Desember 2010:131-144
adalah bagian dari sistem informasi berbasis
computer termasuk sistem pengetahuan untuk
mendukung pengambilan keputusan dalam suatu
organisasi atau perusahaan. SPK juga dapat
merupakan sistem computer yang mengolah data menjadi
informasi untuk mengambil keputusan dari masalah semiterstruktur yang spesifik. SPK dapat menjadi alat bantu
bagi para pengambil keputusan untuk memperluas
kapabilitas keputusan
keputusan yang
memerlukan penilaian atau pada keputusan keputusan
yang sama sekali tidak dapat didukung oleh algoritma.
Menurut
Simon
(Suryadi
dan
Ra md hani,2002,h.15-16) model ya ng
menggambarkan proses pengambilan keputusan. Proses
ini terdiri dari tiga fase, yaitu sebagai berikut
a. Intelligence
Tahap ini merupakan proses penelusuran dan
pendeteksian dari lingkup problematika serta
proses pengenalan masalah. Data masukan
diperoleh, diproses, dan diuji dalam rangka
mengidentifikasi masalah.
b. Design
Tahap ini merupakan proses menentukan,
mengembangkan, dan menganalisis alternatif
tindakan yang bisa dilakukan. Tahap ini
meliputi proses untuk mengerti masalah, men
urun kan sol usi dan menguj i kel ayakan sol usi.
c. Choice
Pada tahap ini dilakukan proses pemilihan
diantara berbagai alternatif tindakan yang
KNSI 2014

mungkin dijalankan. Hasil pemilihan tersebut


kemudian diimplementasikan dalam proses
pengambilan keputusan.
Meskipun
implementassi
termasuk
tahap
ketiga,namun ada beberapa pihak berpendapat bahwa
tahap ini perlu dipandang sebagai bagian yang terpisah
guna menggambarkan hubungan antar fase secara
komprehensif.
2.2 Karakteristik Sistem Pendukung
Keputusan
Karakteristik sistem pendukung keputusan
adalah:
1. Sistem Pendukung Keputusan dirancang
untuk membantu pengambil keputusan
dalam memecahkan masalah yang sifatnya semi
terstruktur ataupun tidak terstruktur dengan
menambahkan
kebijaksanaan manusia dan
informasi komputerisasi.
2. Sistem Pendukung Keputusan, dirancang
sedemikian rupa sehingga dapat digunakan atau
dioperasikan dengan mudah.
3. Dal a m
proses
pengolahannya,Sistem
Pendukung Keputusan mengkombinasikan
penggunaan model-model analisis dengan
teknik pemasukan data konvensional serta
fungsi-fungsi pencari atau
introgasi informasi.
4. Si stem Pendukung Keputusan dirancang
dengan menekankan pada aspek fleksibilitas serta
kemampuan adaptasi yang tinggi.
2.3 Keterbatasan Sistem Penunjang
Keputusan
a. Ada beberapa kemampuan manajemen dan bakat
manusia yang tidak dapat dimodelkan, sehingga
model yang ada dalam sistem tidak semuanya
mencerminkan persoalan sebenarnya.
b. Kemampuan suatu SPK terbatas pada
pembendaharaan
pengetahuan
yang
dimilikinya (pengetahuan dasar serta model dasar)
c. Proses proses yang dapat dilakukan SPK
biasanya juga tergantung pada perangkat lunak
yang digunakan.
d. SPK tidak memiliki kemampuan intuisi
seperti yang dimiliki manusia. Sistem ini
dirancang hanya untuk membantu
pengambil keputusan dalam menyelesaikan
tugasnya.
2.4 Komponen-Komponen Sistem Pendukung
Keputusan
Sistem pendukung keputusan terdiri atas tiga
komponen utama yaitu :
1. Subsi stem pengel olaan data (database) Subsi
stem pengelolaan data (database)
merupakan komponen SPK yang berguna
sebagai penyedia data bagi sistem. Data
tersebut disimpan dan diorganisasikan dalam
sebuah basis data yang diorganisasikan oleh suatu
sistem yang disebut dengan sistem manajemen
basis data (Database Management System)
2. Subsi stem pengelolaan model (model base)

32

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Keunikan dari SPK adalah kemampuannya


dalam mengintregasikan data dengan model- model
keputusan. Model adalah suatu tiruan dari alam
nyata. Kendala yang sering dihadapi dalam
merancang suatu model adalah bahwa model
yang
dirancang
tidak
mampu
mencerminkan seluruh variable alam nyata,
sehingga keputusan yang diambil tidak sesuai
dengan kebutuhan. Oleh karena itu, dalam
menyimpan berbagai model harus diperhatikan dan
harus dijaga fleksibilitasnya. Hal lain yang perlu
diperhatikan adalah pada setiap model yang
disimpan hendaknya ditambahkan rincian keterangan
dan penjelasan yang komprehensif mengenai model
yang dibuat.
3. Subsi stem pengelolaan dialog (user interface)
Keunikan lainnya dari SPK adalah adanya
fasilitas yang mampu mengintregasikan sistem yang
terpasang dengan pengguna secara interaktif,
yang dikenal dengan subsistem dialog. Melalui
subsistem dialog, sistem diimplementasikan
sehingga pengguna dapat
berkomunikasi dengan sistem yang dibuat.
Hubungan antara ketiga komponen ini dapat
dilihat pada gambar di bawah ini.

Gambar 1: Hubungan antara ketiga komponen sistem


pendukung keputusan.
2.5 Manajemen Sekolah dan Pendekatannya
M enurut Winnie Septiani dan Ivanna pada jurnal
teknik industry,ISSN:141 1-6340 Manajemen
sekolah adalah sustu keseluruhan proses kerja sama
memanfaatkan semua sumber daya yang tersedia dan
sesuai untuk mendapat tujuan pendidikan yang telah
ditetapkan secara efektif dan efisien. Secara esensial,
manajemen sekolah dapat digambarkan sebagai berikut :
(1) manajemen sekolah merupakan suatu kegiatan,
(2) manajemen sekolah memanfaatkan berbagai
sumber daya, dan (3) manajemen sekolah berupaya
untuk mencapai tujuan tertentu. Gambaran mengenai
manajemen sekolah sebagai suatu sistem dapat dilihat
pada gambar 2.

KNSI 2014

Gambar2 : Manajemen Sekolah sebagai suatu sistem


3. METODE PENELITIAN
3.1. ANALYTIC HIRARCHY PROCESS(AHP)
Menurut Sutikno pada jurnal ilmu komputer
FMIPA UNDIP, AHP adalah sebuah metode
memecah permasalahan yang komplek/rumit dalam situasi
yang tidak terstruktur menjadi bagian-bagian komponen.
Mengatur bagian atau variabel ini menjadi suatu
bentuk susunan hierarki, kemudian memberikan nilai
numerik untuk penilaian subyektif terhadap kepentingan
relatif dari setiap variabel dan mensistensis penilaian untuk
variabel mana yang m e m i l i k i
prioritas
t e r t i n g g i y a n g a k a n mempengaruhi penyelesaian
dari situasi tersebut. AHP menggabungkan pertimbangan
dan penilaian pribadi dengan cara yang logis dan
dipengaruhi imajinasi, pengalaman, dan pengetahuan
untuk menyusun hierarki dari suatu masalah yang
berdasarkan logika, intuisi dan juga pengalaman untuk
memberikan pertimbangan. AHP merupakan suatu
proses
mengidentifikasi,
mengerti
dan
memberikan perkiraan interaksi sistem secara kesel
uruhan.
Prosedur dalam menggunakan metode AHP
terdiri dari beberapa tahap yaitu :
1. Menyusun hirarki dari permasalahan yang
dihadapi. Penyusunan hirarki yaitu dengan
menentukan tujuan yang merupakan sasaran sistem
secara keseluruhan pada level teratas. Level
berikutnya terdiri dari criteria-kriteria untuk
menilai atau mempertimbangkan alternatifalternatif yang ada dan menentukan alternatifalternatif tersebut. Setiap kriteri a dapat memiliki
subkriteria dibawahnya dan setiap kriteria dapat
memiliki nilai intensitas masing-masi ng.
2. Menetukan prioritas elemen dengan langkah
langkah sebagai berikut :
a.

Membuat perbandingan berpasangan.


Langkah pertama dalam menentukan
prioritas elemen adalah membuat
perbandingan
berpasangan,
yaitu
membandingkan elemen secara
berpasangan sesuai kriteria yang diberikan.
Untuk perbandingan berpasangan
digunakan bentuk matriks. Matriks bersifat
sederhana,
berkedudukan
kuat
yang

33

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

menawarkan kerangka untuk memeriksa


konsistensi, memperoleh informasi
tambahan dengan membuat semua
perbandingan yang mungkin dan
menganalisis kepekaan prioritas secara
keseluruhan untuk merubah pertimbangan. Untuk
memulai proses perbandingan berpasangan,
dimulai dari level paling atas hirarkiunutk
memilih kriteria, misalnya C, kemudian dari
level di bawahnya diambil e l e m e n elemen
yang
akan
dibandingkan,missal A1, A2, A3, A4, A5,
maka susunan elemen
elemen pada
sebuah matrik seperti Tabel 1.
Tabel 1. Matrik perbandingan berpasangan
C
A1 A2
A3
A4
A5

Elemen yang
satu sedikit lebih
penting d a r i
p a d a elemen
yang lainnya

Pengalaman dan
penilaian sedikit
menyokong satu
elemen
dibandingkan
elemen
yang
l ai nnya

Elemen yang
satu
lebih
penti ng dari
pada
elemen
yang lainnya

Satu
elemen
jelas
lebih
mutlak
penting dari
pada
elemen
yang lainnya

Pengalaman dan
penilaian sangat
kuat menyokong
satu
elemen
dibandingkan
elemen
yang
l ai nnya
Satu
elemen
yang kuat di
sokong dan
dominan terlihat
dalam praktek

Satu
elemen
mutlak
penting dari
pada
elemen
lainnya

Bukti
yang
mendukung
elemen
yang
satu
terhadap
elemen
lain
memiliki tingkat
penegasan
terti nggi
yang
mungki
n
menguatkan

2, 4, 6, 8

Nilai-nilai antara
2 nilai perti
mbanga
n
yang
berdekatan

Nilai
ini
diberikan
bila
ada
dua
kompromi diantara
2
pi li han

Kebalikan

Jika aktifitas I
mendapatsatu
angka di
banding
aktifitas j,
maka
j
mempunyai
nilai
kebalikkannya
dibanding
dengan i

A1
A2
A3
A4
A5

1
1
1
1
1

b. Mengisi matrik perbandingan berpasangan


Untuk mengisi matrik perbandingan
berpasangan yaitu dengan menggunakan
bilangan untuk merepresentasikan
kepentingan relatif dari satu elemen
terhadap elemen lainnya yang dimaksud
dalam bentuk skala dari 1 sampai dengan 9. Skala
ini mendefinisikan dan menjelaskan nilai 1
sampai 9 untuk pertimbangan dalam
perbandingan berpasangan elemen pada setiap
level hirarki terhadap suatu kriteria di level
yang lebih tinggi. Apabila suatu elemen
dalam metric dan dibandingkan dengan
dirinya sendiri, maka diberi nilai 1. Jika i
dibanding j mendapatkan nilai tertentu,
maka j dibanding I merupakan kebalikannya.
Pada table 2 memberikan definisi dan
penjelelasan skala kuantitatif 1 sampai dengan 9
untuk menilai tingkat kepentingan suatu
elemen dengan elemen l ai nnya.
Tabel 2. Skala kuantitatif dalam sistem pendukung
keputusan
Definisi
Intensitas
Kepentinga
n
Kedua
1
elemen
sama
pentingnya

KNSI 2014

Penjelasan

Dua
elemen
mempunyai
pengaruh
yang
sama
besar
terhadap tujuan

c. Sintesis
Pertimbangan-pertimbangan
terhadap
perbandingan berpasangan di sintesis untuk
memperoleh keseluruhan prioritas dengan
langkah-langkah sebagai berikut:
Menjumlahkan nilai-nilai dari setiap kolom
pada matriks.
Membagi setiap nilai dari kolom dengan
total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
Menjumlahkan nilai-nilai dari setiap
matriks dan membaginya dengan jumlah
elemen untuk mendapatkan nilai rata-rata.
Mengukur konsistensi
Dalam pembuat keputusan, penting untuk
mengetahui seberapa baik konsistensi yang

34

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

ada, karena kita tidak ingin keputusan


berdasarkan
pertimbangan
dengan
konsistensi yang rendah. Karena dengan
konsistensi yang rendah, pertimbangan
akan
tampak sebagai sesuatu yang acak dan tidak
akurat.
Konsistensi
penting
untuk
mendapatkan hasil yang valid dalam dunia
nyata.
AHP
mengukur
konsistensi
pertimbangan dengan rasio konsistensi
(consistency ratio). Nilai Konsistensi rasio
harus kurang dari 5% untuk matriks 3x3,
9% untuk matriks 4x4 dan 10 % untuk
matriks yang lebih besar. Jika lebih dari
rasio dari batas tersebut maka nilai
perbandingan
matriks
di
lakukan
kembali.
Langkahlangkah menghitung nilai rasio
konsistensi yaitu:
i. Mengkalikan nilai pada kolom
pertama dengan prioritas relatif elemen
pertama, nilai pada kolom kedua dengan
prioritas relatif elemen kedua, dan
seterusnya.
ii. Menjumlahkan setiap baris.
iii. Hasil
dari
penjumlahan
baris
dibagikan dengan elemen prioritas relatif
yang bersangkutan.
iv. Membagi hasil diatas dengan banyak
elemen yang ada, hasilnya di sebut eigen
value (?max).
v. Menghitung
indeks
konsistensi
(consistency index) dengan rumus:
CI = (?max-n)/n
Dimana CI : Consistency Index
: Eigen Value
n : Banyak Elemen
vi. Menghitung konsistensi
dengan rumus

ratio

(CR)

CR=CI/RC
Dimana : CR :Consistency Ratio
CI : Consistency Index
RC : Random Consistency
Matriks random dengan skala penilaian
1 sampai 9 beserta kebal i kkannya sebagai
random consistency (RC).
Berdasarkan
perhitungan
saaty
dengan
menggunakan
500
sampel,
jika pertimbangan memilih acak dari
skala 1/9, 1/8, ..., 1, 2, ..., 9 akan
diperoleh rata-rata konsistensi untuk matriks
yang berbeda seperti Tabel 3.
Tabel 3. Nilai rata-rata konsistensi
Konsistensi acak
Ukuran
(Random
Matriks
Consistency)
KNSI 2014

1
2
3
4
5
6
7
8
9
10
3. 2.

0,00
0,00
0,58
0,90
1,12
1,24
1,32
1,41
1,45
1,49

P R O C ED U R
P E M I LI H A N
S I S WA MENGGUNAKAN METODE
AHP
Sistem pendukung keputusan pemilihan
siswa berprestasi pada Sekolah Menengah
kejuruan (SM K) Nurul Huda Pringsewu
digunakan 4 faktor kriteria yaitu Prestasi
Akademik, Faktor Ekonomi, Kegiatan
Ekskul, Kepribadian. Sedangkan untuk
alternatifnya panitia seleksi siswa berprestasi
memilih beberapa calon yang berpotensi
untuk mengikuti seleksi selanjutnya.
Hierarki seperti ditunjukkan Gambar 3.

Gambar 3. Urutan Hierarki Sistem


Pada gambar 3 menunjukkan hierarki seleksi siswa
berprestasi yang berisi alternative-alternatif yang
akan dibandingkan satu sama lain dengan
kriterianya. Sebagai contoh prestasi dari Calon 1
akan dibandingkan dengan prestasi Calon 2, Calon
Calon 4 dan Calon Lainnya. Begitu seterusnya untuk
kriteria-kriteria lain. Proses pembandingan nilai
tersebut adalah proses pembobotan alternatif untuk
mendapatkan prioritas atau rangking dari setiap
alternatifnya.
Dari keempat calon siswa berprestasi perlu
ditentukan tingkat kepentingannya. Hal ini dapat
dilakukan dengan berbagai cara, seperti :
a. Menentukan bobot secara seimbang
b. Membuat skala interval untuk menentukan
rangking setiap Kriteria.
c. Menggunakan prinsip kerja AHP, yaitu
perbandingan
berpasangan
(pairwise
comparisions), tingkat kepentingan (importance)
suatu kriteria relative terhadap kriteria lain dapat
dinyatakan dengan jelas.
Dalam tulisan ini digunakan cara yang ketiga
yaitu menetukan bobot dengan prinsip AHP. Nilai
perbandingan bobot mengacu pada prosedur dalam
menggunakan metode AHP.

35

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

3.3. PEMBOBOTAN ALTERNATIF


Perhitungan pembobotan alternatif dilakukan
dengan cara menyusun matri ks berpasangan untuk
alternatif alternatif bagi setiap kriteria.
1. Contoh Pembobotan alternatif
untuk kriteria pertama (PRESTASI)
Masukkan data nama-nama calon siswa
berprestasi yang direkomendasikan dalam bentuk
matriks berpasangan, sebagai contoh penulis
memasukkan empat alternatif dalam perhitungan bobot
alternatif ini. Untuk mengisi data kolom ketiga baris
ketiga yaitu perbandingan antara Cal on 2 dengan Calon
1. Calon 2 dan Calon 1 mempunyai Prestasi dengan
Grade yang hampir sama, tetapi sedikit lebih unggul
Calon 2 daripada Calon 1. Maka perbandingan Calon 2
dengan Calon 1 adalah 1/3. 1 ( satu ) adalah nilai
perbandingan Calon 2 dan Calon 1, sedangkan 3 ( tiga )
adalah nilai perbandingan Calon 1 dengan Calon 2.
Berikut hasil perbandingan berpasangan kasus di atas :

Tabel 4. Tabel Perbandingan


Berpasangan Pembobotan Alternatif
untuk Kriteria Prestasi
PRESTAS
I
Calon 1
Calon 2
Calon 3
Calon 4
Jumlah

CALON
1
1/1=1,00
1/2=0,50
4/1=4,00
1/2=0,50
6,000

CALON
2
2/1=2,00
1/1=1,00
3/1=3,00
1/4=0,25
6,250

CALON CALON
3
4
1/4=0,250 2/1=2,00
1/3=0,33
4/1=4,00
1/1=1,00
2/1=2,00
1/2=0,50
1/1=1,00
2,083
8,000

Setelah menentukan nilai/bobot perbandingan


berpasangan, maka masing-masing sel di atas dibagi dengan
jumlah kolom masing-masing, contoh untuk mengisi
kolom pertama ( Calon 1- Calon 1 ) yaitu bobot Calon
1 = 1,000 jumlah Calon 1 = 6,000 sehingga diperoleh
hasil untuk kolom pertama ( Calon 1 Calon 1 ) = 1/6
= 0,1667 seperti yang ada di tabel 5 ( gunakan cara yang
sama untuk mengisi kolom yang lain ). Sehingga
diperoleh hasil seperti yang ada di tabel 5.
Tabel 5. Tabel Hasil Perbandingan
Berpasangan Pembobotan Alternatif untuk
Kriteria Prestasi
PRESTA
SI

CALO
CALO
CALO
CALO

CALON CALON CALON CALON


JUMLA
1
2
3
4
H

0,1667
0,0833
0,6667
0,0833

0,3200
0,1600
0,4800
0,0400

0,1200
0,1599
0,4801
0,2400

0,2500
0,5000
0,2500
0,1250

0,8567
0,9032
1,8768
0,4833

Setelah diketahui hasil jumlah tiap baris, maka


hitung nilai prioritas alternatif untuk kriteria
PRESTASI dengan rumus jumlah baris dibagi
dengan banyaknya alternatif ( dalam penelitian ini ada 3
alternatif), sebagai contoh untuk mengisi kolom
pertama ( prioritas kriteria Calon 1 ) yaitu Jumlah baris
Calon 1 = 0,8567 banyak kriteria = 4 sehingga diperoleh
KNSI 2014

hasil untuk kolom pertama ( Prioritas kriteria Calon 1 )


= 0,8567 / 4 = 0,2142 seperti yang ada di tabel 3.3. (
gunakan cara yang sama untuk mengisi kolom yang lain
). Sehingga diperoleh hasil seperti yang ada di tabel 6.
Tabel 6. Tabel Hasil Prioritas Kriteria
Siswa Berprestasi Berdasarkan Prestasi
PRESTASI

CALON
CALON
CALON
CALON

PRIORITAS
KRITERIA

RANGKING

0,2142
0,2258
0,4692
0,1208

III
II
I
IV

2. Pembobotan alternatif untuk


kriteria berikutnya
Contoh pembobotan untuk kriteria berikutnya
seperti factor ekonomi, kegiatan ekskul, dan
penilaian kepribadian dapat dilakukan seperti cara di sub
pembobotan alternatif. Hasil perhitungan akhir diperoleh
seperti tabel 7.
Tabel 7. Tabel Hasil Kriteria Siswa
Berprestasi Berdasarkan Faktor Ekonomi
FAKTOR
EKONOMI
CALON 1
CALON 2
CALON 3
CALON4

PRIORITAS
KRITERIA
0,5325
0,1222
0,2542
0,0911

RANGKING
I
III
II
IV

Dari hasil pembobotan alternatif tiap kriteria di atas,


maka dapat dibuat sebuah tabel prioritas global yang
memuat semua data prioritas alternatif
berdasarkan kriterianya masing-masing seperti Tabel 8.
Tabel 8. Tabel Data Prioritas Global
Siswa Berprestasi
GLOBA
L

PRES FAKTOR EKSK KEPRIB


TASI EKONOMI
UL
ADIAN

TOTAL

CALON 1

0,2142 0,5325 0,3569 0,4644

1,5680

CALON 2

0,2258 0,1222 0,3852 0,3007

1,0339

CALON 3

0,4692 0,2542 0,4836 0,1781

1,3851

CALON 4

0,1208 0,0911 0,2344 0,0569

0,5032

Setelah diketahui hasil jumlah tiap baris, maka


hitung nilai prioritas global dengan rumus jumlah
baris di bagi dengan banyaknya alternatif ( dalam
penelitian ini ada 4 alternatif ), sehingga diperoleh hasil
seperti yang ada di tabel 9.
Tabel 9. Tabel Hasil Prioritas Global
Siswa Berprestasi
GLOBAL PRIORITA RANGKING
S
CALON 1
0,3920
I
CALON 2
0,2585
III
CALON 3
0,3463
II

36

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

CALON 4

0,1258

IV

Dari hasil perhitungan prioritas global di atas, dihasil kan


rangking atas peringkat dari keempat calon siswa
berprestasi yaitu Calon 2 menempati urutan pertama
dengan nilai prioritas 0,3920, kemudian Calon 3
menempati urutan kedua dengan nilai prioritas 0,3463,
urutan ketiga adalah Calon 2 dengan nilai prioritas
0,2585, dan yang terakhir Calon 4 dengan nilai
prioritas 0,1258.

4. IMPLEMENTASI
Pada gambar 4, merupakan form menu utama
sistem.

Gambar 4. Form Menu Utama Sistem


Pada Gambar 5 merupakan form untuk input data
peserta seleksi siswa berprestasi pada SM K Nurul
Huda
Pringsewu.

Gambar 5. Form Perhitungan Berdasarkan Kriteria


Form pada gambar 5 terdiri dari beberapa
inputan seperti idpeserrta, nama peserta dan kriteria,
dimana setiap kriteria disertai dengan nilai yang
dimiliki oleh calon peserta seleksi.
5. KESIMPULAN
Kesimpulan dari hasil penelitian di atas adalah
sebagai berikut :
1. Sistem Pendukung Keputusan seleksi siswa
berprestasi pada Sekolah Menengah Kejuruan (
SM K ) Nurul Huda Pringsewu menggunakan
metode AHP digunakan empat kriteria yaitu :
Prestasi Akademic, Faktor Ekonomi, Kegiatan
Ekskul, dan Kepribadian.
2. Dari hasil penelitian, penggunaan metode AHP
dapat membantu unsur pimpinan untuk
melakukan seleksi siswa berprestasi pada
Sekolah Menengah Kejuruan ( SMK )
Nurul Huda Pringsewu.
3. Sistem Pendukung Keputusan dibangun dengan
menggunakan teknologi computer dengan
menggunakan model AHP, sehingga keputusan
yang diambil berdasarkan perhitungan kriteria
yang digunakan sehingga keputusan dapat
dilakukan lebih cepat.
PUSTAKA

Gambar 5. Form Input Data Peserta Seleksi


Form pada gambar 5 terdiri dari beberapa
i nputan seperti idpeserta, nis, nama peserta,kelas,
jenis kelamin dan alamat.
Pada gambar 6 merupakan form untuk penilaian
calon

KNSI 2014

[1] Asfi, Marsani, dan Sari, Purnama, Ratna. (2010).


Sistem Penunjang Keputusan Seleksi Mahasiswa
Berprestasi Menggunakan Metode AHP.
Cirebon:STMIK CIC Cirebon.
[2] Magdalena, Hilyah. (2012). Sistem Penunjang
Keputusan Untuk Menentukan Mahasiswa
Lulusan Terbaik di Perguruan Tinggi.
Yogyakarta:STMIK
ATMA
L U H U R Pangkalpinang.
[3] Suti kno.Sistem Pendukung Keputusan Metode
AHP Untuk Pemilihan Siswa dalam
Mengikuti Olimpiade Sains di Sekolah
Menengah Atas.Semarang:UN DIP.
[4] Septiani, Winnie, dan Ivanna.Perancangan Sistem
Pendukung Keputusan Untuk Penilaian Prestasi
B el aj ar Si s w a Se k ol ah D as ar P us ak a
Bangsa.Jakarta:U niv.Trisakti.

37

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-8

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN


KUALITAS BERAS BERBASIS WEBSITE PADA KELOMPOK TANI
PEKON SIDOHARJO PRINGSEWU LAMPUNG
Satria Abadi, M.T.I.(1), M.Muslihudin,S.Kom(2), Fiqih Satria(3)
Jurusan Sistem Informasi STMIK Pringsewu Lampung
Jl. Wisma Rini No. 09 Pringsewu Lampung
Telp. (0729) 22240 website: www.stmikpringsewu.ac.id
E-mail : satria2601@gmail.com, muslih.udin@ymail.com, fiqih.satria@gmail.com

Abstrak
Beras adalah makanan pokok bagi sebagian besar masyarakat di Indonesia. Konsumen terbesar beras terdapat di daerah
Indonesia bagian barat dan Indonesia bagian tengah. Sidoharjo merupakan salah satu daerah di Kabupaten Pringsewu
Lampung yang masih memilik areal persawahan yang cukup luas. Penilaian kualitas beras oleh kel ompok tani di pekon
Sidoharjo, masi h menggunakan cara manual sehi ngga memiliki beberapa kelemahan. Kelemahan penilaian kualitas beras
secara manual dapat menyebabkan penilaian yang kurang tepat karena sistem penilaian hanya dilakukan dengan mengirangira kualitas suatu sampel beras berdasarkan pengalaman tim penilai kualitas dan tidak berdasarkan pada aspek-aspek
penilaian berstandar Nasional. Untuk itu di kembangkan sebuah Si stem Pendukung Keputusan untuk menentukan kual itas
beras berbasis website yang bisa membantu tim penilai kualitas beras pada kelompok tani pekon Sidoharjo dalam menentukan
kualitas beras yang akurat dengan proses yang cepat. Si stem ini menggunakan PH P sebagai bahasa pemogramannya. Si stem ini
dapat digunakan untuk mendukung keputusan dalam penilaian kual itas beras bagi kelompok tani pekon Sidoharjo,
sehingga memberikan data tentang kualitas beras hasil panen saat ini dan dapat dijadikan sebagai acuan bagi petani untuk
meni ngkatkan kualitas produksi beras di masa panen sel anjutnya.
.Kata Kunci: SPK, kualitas beras,kelompok tani, PHP.
1.
PENDAHULUAN
1.1 Latar Belakang
Teknologi Informasi yang semakin berkembang
membuat pekerjaan manusia semakin dimudahkan
karenanya. Teknologi Informasi juga tel ah
merambah berbagai bi dang tak terkecual i pada bidang
pertanian, kelompok tani di pekon Sidoharjo dalam
menentukan harga jual beras masih menggunakan
perhitungan dan cara manual. U ntuk mempermudah
kelompok tani pekon Sidoharjo dalam menentukan
kualitas beras yang tepat dan akurat dengan proses yang
cepat, maka penul is membuat sebuah sistem penunjang
keputusan untuk menentukan kualitas beras berbasis
website, sehingga membantu kelompok tani pekon
Sidoharjo dalam menentukan kualitas beras hasil
panennya dengan proses yang cepat dan menghasi l
kan penilaian kualitas beras yang akurat sehingga
menjadi acuan bagi kelompok tani dalam
menentukan l angkah-l angkah atau strategi dalam
pengolahan sawah agar sawahnya dapat
menghasi l kan beras dengan kualitas yang unggul.
1.2 Rumusan Masalah
Pada sistem penilaian kualitas beras yang digunakan saat ini
ol eh para kel ompok tani di pekon Sidoharjo masi h terdapat
kelemahan yang di rasakan dan ini menjadi masalah baru yang
timbul dalam melakukan penilaian kualitas beras yang tepat dan
akurat di pekon Sidoharjo, pada sistem yang sedang berjalan
saat ini belum mampu memenuhi kebutuhan pengguna yai
tu para kel ompok tani yang ingin melakukan penilaian
kualitas terhadap beras hasil panennya dengan akurat,
karena mereka masih menggunakan cara manual dengan
KNSI 2014

cara perki raanperki raan dan spekul asi dalam menentukan


kualitas beras sehi ngga menyebabkan penilaian kual itas
beras yang kurang akurat.
Aplikasi website berbasis php merupakan salah satu
perkembangan teknologi yang dapat digunakan untuk
mengatasi masal ah tersebut. Fasi l itas-fasi l itas yang di mi li
ki dapat di manfaatkan untuk membangun suatu aplikasi
sistem Pendukung Keputusan berbasis web yang
dirancang untuk menentukan kualitas beras dengan
penilaian terhadap variabel terkait yang telah ditetapkan
pemeri ntah Indonesia dal am menentukan kualitas
beras Nasional, sehingga setelah menggunakan
sistem ini pengguna atau dalam konteks ini adal ah petani
dapat dengan mudah melakukan penilaian kualitas terhadap
beras hasil panennya dengan mudah, cepat dan data
yang dihasilkan lebih akurat.
1.3 Batasan Masalah
Berdasarkan rumusan masal ah yang telah di paparkan
sebel umnya, maka batasan masalah yang diambil adalah
menentukan kualitas beras pada kelompok tani pekon
Sidoharjo menggunakan pemograman web metode yang
menggunakan persepsi manusia sebagai alat utamanya
menggunakan penilaian variabel-variabel tertentu yang dapat
mendukung dalam menentukan keputusan yang diambil.

1.4 Tujuan Penelitian


Tujuan penelitian terhadap penilaian kualitas beras
pada kelompok tani pekon Sidoharjo adalah mencoba

38

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mengidentifi kasi masalah yang ti mbul dari sistem lama,


menganalisis dan merumuskan masalah yang timbul dari
sistem yang sedang berjalan, serta merancang dan
kebutuhan Sistem Pendukung Keputusan berbasis
website untuk menentukan kualitas beras pada
kelompok tani pekon Si doharjo

2. LANDASAN TEORI
2.1 Pengertian Sistem Pendukung Keputusan
Menurut Bonczek (1980), sistem pendukung
keputusan adalah sebagai sebuah sistem berbasis
komputer yang terdi ri atas komponen-komponen antara
lain komponen sistem bahasa (language), komponen
sistem pengetahuan (knowledge) dan komponen sistem
pemrosesan masalah
2.2 Komponen Sistem Pendukung Keputusan
Sistem pendukung keputusan terdiri dari 3
komponen utama atau subsistem yaitu (Dadan U mar
Daihani, 2001, h. 63) :
a. Subsistem Data (Database)
b. Subsistem Model (Model Subsistem)
c. Subsistem Dialog (User Sistem Interface)
2.3 Pengertian Kualitas
Pengertian Kualitas menurut (Bina Produktivitas
Tenaga Kerja, 1998:24-25) adalah:
a. Derajat yang sempurna (degree of exelence):
mengandung pengerti an komperatif terhadap ti
ngkat produk (grade) tertentu.
b. Tingkat kualitas (quality level): mengandung
pengerti an kualitas untuk mengeval uasi tekni kal.
c. Kesesuaian untuk digunakan (fitness for purpose user
satisfaction): kemampuan produk atau jasa dalam
memberikan kepuasan kepada pelanggan.

2.7 Pengertian MYSQL


Di kuti p dari http://wikipedia.org pada tanggal 31 Mei
2013, MySQL adalah sebuah perangkat lunak sistem
manajemen basis data SQL (bahasa Inggri s: database
management system) atau DBMS yang multithread, multiuser, dengan seki tar 6 juta instalasi di seluruh dunia. MySQL
AB membuat MySQL tersedia sebagai perangkat lunak gratis
dibawah lisensi GNU General Public License (GPL), tetapi
mereka juga menjual di bawah li sensi komersi al untuk kasuskasus di mana penggunaannya tidak cocok dengan
penggunaan G PL. Ti dak sama dengan proyek-proyek seperti
Apache, di mana perangkat l unak di kembangkan oleh
komunitas umum, dan hak ci pta untuk kode sumber di mi li ki
oleh penul i snya masi ng-masi ng, MySQL dimiliki dan
disponsori oleh sebuah perusahaan komersial Swedia MySQL
AB, dimana memegang hak ci pta hampi r atas semua kode
sumbernya. Kedua orang Swedia dan satu orang Finlandia
yang mendirikan MySQL AB adalah: David Axmark, Allan
Larsson, dan Michael "Monty" Widenius.
2.8 Pengertian Kelompok Tani
kelompok tani adalah petani yang dibentuk atas dasar
kesamaan kepenti ngan kesamaan kondi si li
ngkungan (sosi al, ekonomi, sumberdaya)
keakraban dan keserasi an yang di pi mpi n oleh
seorang ketua (tri mo, 2006).
2.9 Pekon Sidoharjo
Pekon Sidoharjo kecamatan Pringsewu
Kabupaten Pri ngsewu adal ah sebuah pekon yang
berjarak sekitar 35 km atau kurang lebih satu jam
perjalanan dari Kota Bandar Lampung. Pekon
Sidoharjo terdiri dari tiga dusun dan dua belas rt.
M ayori tas penduduk Pekon Si doharj o beretni k Jawa (kaum
transmigrasi pada tahun awal kemerdekaan Indonesia).
Sebagian besar penduduk bermata pencahari an
bertani, buruh i ndustri pembuatan genteng dan
berdagang.

2.4 Pengertian Beras


Beras merupakan makanan pokok dari sebagi an besar
masyarakat Indonesia, konsumen terbesar beras terdapat
di daerah Indonesia bagian barat dan Indonesia bagian
tengah. Beras adalah bagian bul i r padi (gabah) yang
tel ah di pi sah dari sekam. Sekam (Jawa merang) secara
anatomi disebut 'palea' (bagian yang ditutupi) dan
'lemma' (bagian yang menutupi).

3. ANALISIS KEBUTUHAN SISTEM


3.1 Spesifikasi Kebutuhan Perangkat Keras
No
Hardware
Kebutuhan
1
Processor
Intel Pentium 4 (1,7 Ghz)
2
RAM
512 Mb
3
Harddisk
80 Gb
4
LCD/Monitor 14 Inch (1024x768) pixel

2.5 Pengertian Website


Menurut Wikipedia situs web (bahasa Inggri s: website)
adalah sejuml ah halaman web yang memi liki topi k sal i ng
terkait, terkadang disertai pula dengan berkas-berkas gambar,
video, atau jeni s-jenis berkas lai nnya. Sebuah situs web
biasanya ditempatkan setidaknya pada sebuah server web yang
dapat di akses melal ui jaringan seperti internet, ataupun jaringan
wilayah lokal (LAN) melalui alamat internet yang dikenali
sebagai URL. Gabungan atas semua situs yang dapat di akses
publ i k di i nternet di sebut pul a sebagai Waring Wera Wanua
atau lebih dikenal dengan singkatan WWW.

3.2 Spesifikasi Kebutuhan Perangkat Lunak


Aplikasi perangkat lunak yang dibutuhkan
adalah :
1. Sistem Operasi Windows XP
Di kuti p dari http://id.wikipedia.org pada tanggal
21 Juli 2013. Windows XP adalah jajaran
sistem operasi berbasis grafis yang dibuat
oleh Microsoft untuk digunakan pada
komputer pri badi, yang mencakup computer
rumah dan desktop bisnis, laptop, dan pusat
media (Media Center). Nama "XP" adalah
kependekan dari" Experience". Windows XP
m e r u p a k a n p e n e r u s W i n d o ws 2 0 0 0
P r o f e s s i o n a l d a n W i n d o ws M e , d a n
merupakan versi system operasi Windows
pertama yang berorientasi konsumen yang
dibangun di atas k e r ne l dan arsitektur
Windows NT.

2.6 Pengertian PHP


Menurut Kasiman (2006:2) teori PHP adalah sebagai
berikut PHP singkatan dari PHP Hypertext Preprocessor yang
di gunakan sebagai bahan script server side dalam
pengembangan web yang di sisi pkan pada dokumen HTML.
Menurut Rudianto, (2011:43) PHP adalah bahasa server
scripting yang menyatu dengan HTML untuk membuat
halaman web yang di nami s.

KNSI 2014

2. Macromedia Dreamweaver 8
Di kuti p dari http://id.wikipedia.org pada tanggal

39

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

5 April 2013. Adobe Dreamweaver merupakan


program penyunting halaman web keluaran
Adobe Systems yang dulu dikenal sebagai
M a c r o me d i a D r e a m we a v e r k e l u a r a n
Macromedia. Program ini banyak digunakan
oleh pengembang web karena fitur fiturnya yang
menari k dan kemudahan penggunaannya. Versi
terakhir Macromedia Dreamweaver sebel um
M acromedi a di bel i oleh Adobe Systems yaitu versi
8. Adobe Dreamweaver adalah apl i kasi pekoni
n dan pengembangan web yang menyediakan editor
WYSIWYG visual (bahasa sehari-hari yang disebut
sebagai Design view) dan kode editor dengan fitur
standar seperti syntax highlighting, code completion,
dan code collapsing serta fitur lebih canggih seperti
real- time syntax checking dan code introspection
untuk menghasilkan petunjuk kode untuk
membantu pengguna dalam menulis kode. Tata letak
tampilan Design memfasilitasi pekonin c e p a t
d a n p e m b u a t a n k o d e s e p e r t i memungki
nkan pengguna dengan cepat membuat tata letak dan
manipulasi elemen HTML. Dreamweaver
memiliki fitur browser yang terintegrasi untuk
melihat halaman web yang dikembangkan di
jendela pratinjau program sendi ri agar konten
memungki nkan untuk terbuka di web browser
yang telah terinstall.

3. Xampp-Win32-1.6.0
Di kuti p dari http://id.wikipedia.org pada tanggal
13 juni 2011. Xampp adalah sebuah aplikasi web
server instan yang lengkap dikarenakan segala yang
butuhkan untuk membuat sebuah situs web terdapat di
dalam aplikasi ini. xampp adalah sebuah paket
installer amp (Apache, MYSQL, d an P H P )
ya n g sa ngat mud ah u nt uk diaplikasikan
pada komputer yang belum memiliki server.

Pertama para petani yang tergabung dalam kelompok


tani pekon Sidoharjo datang ke lumbung padi pekon
Sidoharjo dengan membawa sampel beras yang akan
dilakukan penilaian kualitasnya kemudian anggota
kelompok tani yang ditunjuk sebagai tim penjaminan
mutu beras pekon Sidoharjo melakukan analisa penilaian
kualitas beras dengan cara melihat dan mengira-ngira
kualitas beras tersebut berdasarkan pengalaman yang
dimilikinya tanpa berpedoman pada standarisasi mutu
beras berstandar Nasional. Setelah itu hasil analisa
dilaporkan ke petani yang bersangkutan dan hasil
penilaian akan dijadikan sebagai bahan acuan dalam
musim tanam selanjutnya agar kelompok tani pekon
Sidoharjo memaksimalkan proses pengolahan sawah
yang dikelolanya agar pada musim panen selanjutnya
dapat menghasilkan produksi beras dengan kualitas
yang lebih baik.
3.5 Analisis Sistem Yang Diusulkan
Dari analisis yang telah dilakukan penulis, penulis
menyimpulkan bahwa sistem penentuan kualitas beras pada
kelompok tani dipekon Sidoharjo yang menggunakan cara
manual masih bisa terdapat suatu kesalahan peni laian kualitas,
karena peniai an tidak dilakukan berdasarkan variabel-variabel
yang tetap maka dari itu penulis menyi mpul kan bahwa
penilaian kualitas beras pada kelompok tani pekon Sidoharjo
masih terdapat banyak kelemahan. Oleh karena itu perlu
dibuatkan sebuah sistem pendukung keputusan untuk
menentukan kualitas beras berbasis website yang penilainya
menggunakan vari abel-variabel yang telah berstandar
Nasional.
Analisa pada proses penentuan kualitas dan harga jual beras
akan digambarkan melalui tabel 3.5. Dan pemberi an bobot dari
setiap kriteria berdasarkan ketentuan dari bulog (Sub Dolog :
2008).
Tabel 3.5 Tabel Penentuan Nilai

4. Adobe Photoshop CS3


Di kuti p dari http://id.wikipedia.org pada tanggal
20 Mei 2012. Photoshop CS3 adal ah program
image e diti ng yang dikembangkan oleh
perusahaan Adobe Si stem Incoporated.
P h ot os h o p menyedi akan t ool s standar
profesional untuk melakukan manipulasi image
yang digunakan dalam beragam aplikasi. Tipe
photoshop yang digunakan penulis adalah
Photoshop CS3.
5. Bahasa Pemrograman PHP
Di kuti p dari http://id.wikipedia.org pada tanggal
30 Juli 2013, PHP: Hypertext Preprocessor
adalah bahasa skrip yang dapat ditanamkan atau
disisipkan ke dalam HTML. PHP banyak dipakai
untuk memrogram situs web dinamis. PHP juga
dapat digunakan untuk membangun sebuah CMS.
3.3 Analisis Sistem Berjalan
Sistem penentuan kualitas beras pada kelompok tani
pekon Sidoharjo saat ini masih menggunakan cara
manual, yaitu dengan cara mengira-ngira kualitas
beras dengan melihat dan menilai kualitas tanpa
menggunakan perhitungan aspek-aspek penilaian
standar mutu beras berdasarkan SNI 01- 6128-2008 yang
mempunyai variabel penilaian beras yang sudah
menggunakan standar Nasional.
3.4 Gambaran Sistem Berjalan
KNSI 2014

No

Kriteria penilaian

Nilai

Bobot

Hama dan penyakit


hi dup

Tidak Ada

Ada

100
0

10%

100
80
30

5%

100
80
30

15%

100
0

10%

100
80
30

15%

100
80

10%

Kadar Air

di bawah 10%

11% - 15%

di atas 15%
Derajat sosoh

96% - 100%

90% - 95%

di bawah 90%
Bau busuk, asam atau
bau asing lainnya

Ti dak

Ya
Butir utuh

di atas 40%

35% - 40%

Di bawah 35%
Butir patah

Di bawah 10%

10% -- 20%

40

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Proses penilaiannya adalah dengan melakukan proses


kalkulasi terhadap semua nilai kriteria yang didapatkan
yaitu Jumlah Poin = nilai*bobot. Sedangkan
kategori bagus atau tidak, disesuaikan dengan Jumlah Poi
n berikut :
a. Jumlah Poi n 80 100 kategori bagus
b. Jumlah Poi n 60 79,9 kategori sedang
c. Jumlah Poi n 0 59,9 kategori jelek
3.6 Diagram Konteks
Diagram konteks merupakan aliran yang
memodel kan hubungan antara si stem dengan entitas, yang
direpresentasikan dengan lingkaran tunggal yang
mewakili keseluruhan sistem. Ali ran dalam diagram
konteks memodel kan masukan ke sistem dan keluaran
dari sistem.

Gambar 3.7 Relasi Tabel SPK Penilaian Beras


4. IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi Antar Muka Sistem
Apl i kasi yang akan di bangun adalah berbasis
website, yaitu di mana si stem penunjang keputusan untuk
menentukan kual itas beras pada Kel ompok Tani pekon
Sidoharjo bebasis website ini dapat menampi l kan
hal aman login dan daftar anggota Kelompok Tani,
halaman awal untuk mengisi angket penilaian kualitas
beras, dan halaman output yang menampi l kan hasil
penilaian kual itas beras berdasarkan angket yang telah
diisi pada halaman awal.
Sebuah website tentunya harus memiliki sistem
keamanan yaitu dengan melakukan proses verifikasi atau
login bagi yang sudah terdaftar sebagai anggota agar yang
belum terdaftar dalam anggota kelompok Tani Pekon
Sidoharjo tidak dapat menggunakan sistem ini jika
mereka belum terdaftar sebagai anggota.
Implementasi yang akan dibuat menggunakan
printscreen dari mozilla firefox, dimana fungsi dari
Mozilla firefox itu sendiri untuk menampil kan
halaman website yang telah dibuat dengan aplikasi
Macromedia Dreamweaver sebagai aplikasi
perancangant halaman website.
1. Tampilan Halaman Login Anggota Kelompok
Tani Pekon Sidoharjo

Gambar 3.6 DAD SPK Penentuan Kualitas Beras

.7 Relasi Antar Tabel Basis Data


Di bawah menunjukkan hubungan antara tabel yang
satu dengan tabel yang lain pada SPK Penentuan
Kualitas Beras pada Kelompok Tani pekon Sidoharjo.

KNSI 2014

Gambar 4.1.1 Tampilan Halaman Login


Sebelum anggota dapat menggunakan sistem
pendukung keputusan penentuan kual itas beras, maka
anggota di haruskan login terl ebi h dahul u dengan
memasukkan username dan password yang dimiliki
setiap anggota kelompok tani pekon Sidoharjo.
2. Tampilan Halaman Angket Penilaian Kualitas
Beras

41

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

5. Keyboard

pada pengujian program ini user akan


memberikan data inputan yaitu kode anggota dan nama
anggota kemudian user akan memilih salah satu option
pada setiap aspek penilaian yang ada kemudian user
akan mengakhiri pengisian option dengan menekan
tombol proses dan penilaian akan dilakukan oleh si stem
dengan menampilkan jumlah poi n serta kualitas beras
yang di uji kan yaitu kualitas baik, kual itas sedang atau kual
itas jelek.

Gambar 4.1.2 Tampilan Halaman Angket Penilaian


Kualitas Beras
Pada halaman ini user dapat memasukkan kode anggota,
nama user dan memilih option yang ada dalam tabel
penilaian kualitas beras lalu setelah selesai user dapat
menekan tombol proses.
3. Tampilan Halaman Hasil Penilaian Kualitas
Beras

Gambar 4.1.3 Tampilan Halaman Hasi l Penilaian


Kualitas Beras
Pada halaman ini user dapat melihat hasil
penilaian kualitas beras setelah menekan tombol proses
pada halaman awal yaitu halaman angket penilaian .
4.2 Pengujian Sistem
Dalam melakukan pengujian si stem, penulis
mencoba menguji sistem dalam 2 buah komputer yang
terhubung dalam koneksi peer to peer. Salah satu
komputer bertindak sebagai Web Server, yang lain
sebagai client. Berikut spesifikasi kebutuhan untuk
kedua komputer:
Kebutuhan minimal perangkat keras untuk server:
1. PC Pentium IV
2. Memori / RAM 512 Mb
3. Monitor dengan resolusi 1024 x 768
4. Mouse
5. Keyboard
6. Kabel LAN tipe Cross
Komputer yang bertindak sebagai web server memi
l i ki IP Address 192.168.1.94 (class C), subnet mask
255.255.0.0. Komputer Client diset IP Address
192.168.1.95 (class C), dan subnet mask
255.255.0.0.
Kebutuhan minimal perangkat keras client:
1. PC Pentium IV
2. Memori / RAM 128 Mb
3. Monitor dengan resolusi 1024 x 768
4. Mouse
KNSI 2014

5. PEN U TUP
5.1 Kesimpulan
Dari
hasil penelitian ini dapat diambil
kesimpulan bahwa perancangan Sistem Pendukung
Keputusan untuk menentukan kualitas beras ini
diawal i dengan menpekoni n template website yang
menarik, kemudian menggabungkan source code
PHP dan database pada MYSQL dengan template
website yang sudah di buat sistem ini dirancang agar
mampu memberikan informasi yang di butuhkan
petani yang kesulitan dalam mengambil keputusan
dalam menetukan penilaian kualitas beras hasi l
panennya. Penyajian sistem pendukung keputusan
untuk menentukan kualitas beras meliputi, Halaman
Angket Penilaian, Hasil Penilaian, dan Halaman
Bantuan. Sistem yang telah dibuat mengacu pada
rumusan masalah yang ada yaitu sistem dapat
membantu menentukan kualitas beras dengan
metode pembobotan langsung. Perhitungan si stem
merupakan hasil yang dibutuhkan sebagai bahan
pertimbangan oleh user untuk meningkatkan kualitas
beras di masa panen sel anj utnya.
5.2

Saran
Si stem ini masih perlu pengembangan lebi h lanjut
agar dapat di pakai dalam suatu perusahaan yang
bergerak pada jual beli beras.
PUSTAKA
Bunafit, Nugroho. 2004. PHP dan MySQL dengan
editor Dreamweaver MX. AN DI Yogyakarta,
Yogyakarta.
Daihani, Dadan Umar. 2001. Komputerisasi
Pengambilan Keputusan. Jakarta: Elex Media
Komputi ndo.
Hermawan, Julius.2005. Membangun
Support System. Yogyakarta: Andi.

Decision

Pemutuan biji-biji an. Diakses pada 2 Agustus 2013.


http://sandy9347.blogspot.com/2012/03/pemutua nbiji-bijian.html
Raymond, McLeod.Jr (1995), Sistem Informasi
Managemen Jilid I, Edisi Bahasa Indonesia,
Jakarta : Sal emba Empat.
Suryadi, Kadarsah dan Ramdani, Ali (2002), 3
6iff41P tecdiasicg i epi4iffmc, 6im4i r
mcmcm Struktural Idealisasi dan Implementasi
Konsep Pengambilan Keputusan . PT.
Remaja Rosdakarya, Bandung.

42

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-9
MENINGKATKAN KINERJA MUTU PRODUK MELALUI PRAKTIK
TOTAL QUALITY MANAGEMENT (TQM): Studi Persepsi Karyawan
Produksi Pada PT. Semen Tonasa
Musran Munizu1
Jurusan Manajemen, Fakultas Ekonomi Universitas Hasanuddin
Jl. Perintis Kemerdekaan KM. 10, Makassar 90245
m3.feunhas@gmail.com

Abstract
The purpose of this research was to test and analyze the effect of TQM practices impelementation which consists
of leadership, strategic planning, customer focus, information and analysis, people management, and process
management to quality product performance at Semen Tonasa Corporation. The population were 300 employees
and the sample were chosen 150 employees as respondents. Sample technique which used was simple random
sampling. Method of analysis which use both descriptive statistic and Structural Equation Modelling (SEM).
Data processing uses two statistic tools i.e: IBM SPSS and AMOS 21. The finding of research indicate that:
TQM practices implementation which consists of leadership, strategic planning, customer focus, information and
analysis, people management, and process management have significantly and positive effect on quality product
performance. Leadership has dominant effect on quality product performance (Critical ratio = 7,860 > t-table =
1,960; and probability = 0,000 < = 0,05)
Keywords: TQM Practices, Quality product performance, Quality Management, Operation Management
I. Pendahuluan
Fokus persaingan di pasar global saat ini
mengarah pada kualitas. Karena itu, perbaikan
berkelanjutan pada aktivitas bisnis dan keseluruhan
organisasi mutlak dilakukan dengan penekanan pada
tingkat fleksibilitas dan kualitas (Gasperz, 2005).
Kualitas adalah keseluruhan bentuk dan
karakteristik barang atau jasa yang menunjukkan
kemampuannya untuk memuaskan kebutuhan yang
tampak jelas maupun tersembunyi (Heizer dan
Render,
2004).
Beberapa
pakar
kualitas
mendefinisikan
kualitas
dengan
beragam
interpretasi. Juran (1989), mendefinisikan kualitas
secara sederhana sebagai kesesuaian untuk
digunakan. Definisi ini mencakup keistimewaan
produk yang memenuhi kebutuhan konsumen dan
bebas dari defisiensi. Sedangkan Deming
berpendapat kualitas adalah mempertemukan
kebutuhan dan harapan konsumen secara
berkelanjutan atas harga yang telah mereka
bayarkan. Filosofi Deming membangun kualitas
sebagai suatu sistem (Bhat dan Cozzolino, 1993)
Heizer dan Render (2004) berpendapat bahwa
kualitas terutama mempengaruhi perusahaan dalam
empat hal, yaitu: 1) Biaya dan pangsa pasar: kualitas
yang ditingkatkan dapat mengarah kepada
peningkatan pangsa pasar dan penghematan biaya,
keduanya juga dapat mempengaruhi profitabilitas; 2)
Reputasi perusahaan: reputasi perusahaan mengikuti
reputasi kualitas yang dihasilkan. Kualitas akan
KNSI 2014

muncul bersamaan dengan persepsi mengenai


produk baru perusahaan, praktik-praktik penanganan
pegawai, dan hubungannya dengan pemasok; 3)
Pertanggungjawaban produk: organisasi memiliki
tanggung jawab yang besar atas segala akibat
pemakaian barang maupun jasa; dan 4) Implikasi
internasional: dalam era teknologi, kualitas
merupakan perhatian operasional dan internasional.
Total
Quality
Management
(TQM)
merupakan paradigma baru dalam menjalankan
bisnis yang berupaya memaksimumkan daya saing
organisasi melalui fokus pada kepuasan konsumen,
keterlibatan seluruh karyawan, dan perbaikan secara
berkesinambungan atas kualitas produk, jasa,
manusia, proses dan lingkungan organisasi
(Krajewski et al., 2003).
Menurut Sila et al. (2007), total quality
management (TQM) memainkan peranan yang
sangat penting dalam meningkatkan kekuatan daya
saing perusahaan. Di dalam pasar global yang
berubah secara terus menerus, disamping
pengiriman yang cepat (speed of delivery), kualitas
produk juga menjadi salah satu elemen yang penting
bagi perusahaan untuk dapat bersaing (competition).
TQM merupakan pendekatan yang seharusnya
dilakukan organisasi masa kini untuk memperbaiki
kualitas produknya, menekan biaya produksi dan
meningkatkan produktivitasnya. Implementasi TQM
juga berdampak positif terhadap biaya produksi dan
terhadap pendapatan (Gaspersz, 2005). Bukti lain

43

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

juga menunjukkan bahwa perusahaan yang mengejar


praktek terbaik TQM dapat mencapai keuntungan
yang lebih tinggi dan cashflowsnya sebaik nilai
pemegang saham yang lebih besar (Corbett dan
Rastrick, 2000).
Pengukuran kinerja merupakan faktor penting
bagi manajemen yang efektif. Peningkatan kinerja
organisasi memerlukan identifikasi terhadap
variabel-variabel yang mempengaruhinya dan
mengukurnya dengan akurat. Pengukuran kinerja
operasional atau kinerja mutu sangat penting
dilakukan bagi suatu organisasi, agar dapat tercapai
efisiensi dan kinerja bisnis yang optimal (Demirbag
et al., 2006).
Brah dan Lim (2006) mengatakan bahwa
kinerja organisasi dapat diukur dalam dua dimensi
kinerja yaitu kinerja operasional/kinerja mutu dan
kinerja
organisasi.
Kinerja
operasional
mencerminkan kinerja operasi internal perusahaan
dalam hal biaya dan pengurangan pemborosan,
meningkatkan kualitas produk, pengembangan
produk baru, memperbaiki kinerja pengiriman, dan
peningkatan produktivitas.
Studi empiris yang menghubungkan antara
TQM dan kinerja telah banyak dilakukan oleh para
peneliti sebelumnya. Misalnya Rahman (2001)
melakukan studi pada 53 UKM Australia dan
menemukan bahwa faktor-faktor kritis keberhasilan
pelaksanaan TQM adalah kepemimpinan, strategi
dan perencanaan, pemberdayaan karyawan dan
keterlibatan karyawan, pelatihan dan pengembangan
karyawan, informasi, dan analisis manajemen
pelanggan.
Demirbag et al. (2006) melakukan studi
empiris untuk mengidentifikasi faktor-faktor penting
bagi keberhasilan TQM pada UKM di Turki.
Mereka menyimpulkan bahwa ada tujuh CSF dari
praktek TQM, yaitu data dan pelaporan kualitas,
peran manajemen puncak, hubungan karyawan,
manajemen kualitas pemasok, pelatihan, kebijakan
mutu dan manajemen proses. Prayogo dan Hong
(2008) melakukan penelitian pada 130 Industri
Manufaktur unit R&D di Korea. Mereka
menemukan bahwa Implementasi TQM mempunyai
pengaruh signifikan terhadap kinerja. Demikian pula
studi yang dilakukan oleh Salaheldin (2009) yang
menemukan bahwa implementasi praktik TQM
secara
keseluruhan
mempengaruhi
kinerja
perusahaan.
Berdasarkan uraian tersebut, maka tujuan
penelitian ini adalah menguji dan menganalisis
pengaruh praktik Manajemen Mutu Terpadu (TQM)
terhadap kinerja mutu produk pada PT. Semen
Tonasa.
II. Kerangka Pikir dan Hipotesis
Implementasi praktik TQM dalam suatu
organisasi sangat penting untuk mencapai

KNSI 2014

keunggulan bersaing (competitive advantage).


Peranan TQM disamping sebagai sebuah sistem
manajemen kualitas, juga dapat meningkatkan
kinerja mutu (quality performance) sebagai mediator
dalam mencapai kinerja bisnis yang unggul. Tinggi
rendahnya kinerja mutu produk ditentukan oleh
berhasil
tidaknya
suatu
organisasi
dalam
menerapkan praktik TQM dalam perusahaan.
Berdasarkan uraian di atas, maka model
kerangka pikir penelitian ini dapat disajikan sebagai
berikut.
Implementasi Praktik Manajemen
Mutu Terpadu (TQM)

Leadership (X1)
H1
Strategic planning (X2)

H2

Customer focus (X3)


Information&analysis (X4)

H3
H4

Kinerja
Mutu Produk
(Y)

H5
People management (X5)

H6

Process management (X6)

Gambar 1. Kerangka Pikir Penelitian


Berdasarkan kerangka pikir dan hasil-hasil
penelitian yang telah diuraikan, maka dirumuskan
hipotesis penelitian sebagai berikut:
1) Kepemimpinan
(leadership)
berpengaruh
signifikan terhadap kinerja mutu produk.
2) Perencanaan strategis (strategic planning)
berpengaruh dan signifikan terhadap kinerja
mutu produk.
3) Fokus pada pelanggan (customer focus)
berpengaruh dan signifikan terhadap kinerja
mutu produk.
4) Informasi dan analisis (information and analysis)
berpengaruh dan signifikan terhadap kinerja
mutu produk.
5) Manajemen orang-orang (people management)
berpengaruh dan signifikan terhadap kinerja
mutu produk.
6) Manajemen proses (process management)
berpengaruh dan signifikan terhadap kinerja
mutu produk.

III. Metode Penelitian


Variabel yang diuji hubungannya dalam
penelitian ini adalah praktik TQM yang terdiri
atas:
Kepemimpinan
(leadership)
X1,

44

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Perencanaan strategis (strategic planning) X2,


Fokus pada pelanggan (customer focus) X3,
Informasi dan analisis (information and
analysis) X4, Manajemen orang-orang (people
management) X5, Manajemen proses (process
management) X6 sebagai variabel eksogen, dan
(2) Kinerja mutu produk (y) sebagai variabel
endogen.

Customer focus (X3)

Information and analysis (X4)

0,6678

Reliabel

People management (X5)

0,6433

Reliabel

Process management (X6)

0,7555

Reliabel

Quality product performance (y)

0,7661

Reliabel

Pengujian
validitas
instrumen
menggunakan korelasi product moment, dimana
suatu item atau indikator dinyatakan valid
apabila nilai korelasinya lebih dari 0,30 (Cooper
dan Emory, 1999 dan Sugiyono, 2008).
Reliabilitas
instrumen
diuji
dengan
menggunakan metode Alpha Cronbach, dimana
suatu variabel dinyatakan reliabel atau handal
apabila mempunyai nilai lebih dari 0,60. (Hair
et al., 1998; Augusty, 2002). Hasil pengujian
validitas instrumen menunjukkan bahwa
keseluruhan indicator/item yang digunakan
adalah valid (r>0,30). Kemudian hasil pengujian
realibilitas instrumen disajikan pada Tabel
berikut.
Tabel 1. Hasil Pengujian Reliabilitas
Instrumen
Jumlah
indikato
r

Cronbach
Alpha ()

Ket.

Leadership (X1)

0,8552

Reliabel

Strategic planning (X2)

0,6254

Reliabel

Variabel/Konstruk

KNSI 2014

Reliabel

Sumber : Data primer diolah (2013)


Tabel di atas menunjukkan bahwa
instrumen yang digunakan dalam pengumpulan
data penelitian ini mempunyai tingkat
reliabilitas yang tinggi. Hal ini dapat dilihat dari
nilai Alpha Cronbach setiap variabel atau
konstuk lebih besar dari nilai yang
dipersyaratkan ( > 0,60).

Variabel atau konstruk TQM dalam


penelitian ini mengadopsi model yang
dikembangkan oleh Prayogo dan Brown (2004);
dan Prayogo dan Dermott (2005). Sedangkan
variabel kinerja mutu produk diadopsi dari dari
Australian and New Zealand manufacturers
(AMC, 1994), dalam (Corbett dan Rastrick,
2000). Pengukuran persepsi karyawan terhadap
indikator dan variabel penelitian menggunakan
Skala Likert dengan rentang nilai 1 5.
Populasi dalam penelitian ini adalah
seluruh karyawan yang bekerja pada PT. Semen
Tonasa adalah sebanyak 300 orang. Penentuan
besarnya sampel menggunakan teknik acak
sederhana (simple random sampling). Sugiyono
(2008) dan Hair et al. (1998) berpendapat
bahwa pada teknik sampel random sederhana,
apabila subyek penelitian jumlahnya kurang
dari 100, maka lebih baik diambil semuanya
sehingga penelitian tersebut merupakan
penelitian populasi. Selanjutnya jika jumlah
subyeknya besar, dapat diambil antara 10-15%,
atau 20-25% atau lebih. Sehingga jumlah
sampel penelitian ini ditetapkan sebanyak 50%
dari jumlah populasi atau 150 orang karyawan.

0,7332

Penelitian ini menggunakan 2 teknik


analisis data dalam menguji hipotesis penelitian
yakni: (1) Analisis Statistik Deskriptif; dan (2)
Structural
Equation
Modeling
(SEM).
Pengolahan data menggunakan bantuan
software IBM Amos dan SPSS 21. Suatu model
dapat dikatakan fit (baik) dalam penggunaan
analisis SEM apabila memenuhi persyaratanpersyaratan seperti pada Tabel berikut.
Tabel 2. Goodness-Of-Fit Indices untuk evaluasi
model
Goodness of
Fit Index
X2 Chisquare

Probability

RMSEA
GFI

AGFI
CMIND/DF
TLI
CFI

Keterangan
Menguji apakah covariance populasi yang
dietimasi sama dengan covarianve samle
(apakah model sesuai dengan data).
Bersifat sangat sensitive untuk sampel
besar (diatas 200)
Uji Signifikansi terhadap perbedaan
matriks covariance data dan matriks
covariance yang diestimasi
Mengkompensasi kelemahan Chisquare
pada sampel besar
Menghitung proporsi pertimbang variance
dalam matriks sampel yang dijelaskan
oleh matriks cavariance populasi yang
diestimasi (analog dengan R2 dalam
regresi berganda)
GFI yang disesuaikan terhadap DF
Kesesuaian antara data dan model
Perbandingan antara model yang diuji
terhadap baseline model
Uji kelayakan model yang tidak sensitive
terhadap besarnya sample dan kerumitan
model

Cut-off
Value
Diharapkan
kecil

> 0,05

< 0,08
> 0,90

> 0,90
< 2,00
> 0,95
> 0,94

Sumber : Hair et al., (1998); Augusty, (2002)


IV. Hasil dan Pembahasan
Dari hasil analisis deskriptif diperoleh
informasi bahwa responden penelitian ini dominan
dengan jenis kelamin laki-laki, yakni sebesar 112
orang (74,7%) dan perempuan 38 orang (25,3%).
Tingkat pendidikan responden dominan berada pada
tingkat SMA yakni sebesar 90 orang (60%), sisanya
berada pada tingkat Sarjana/S1 sebanyak 20 orang
(13,3%), SMP masing-masing 14 orang (9,3%) dan
Diploma sebanyak 12 orang (8%). Dilihat dari segi
usia, responden penelitian ini dominan berada dalam
kategori usia produktif, yaitu 31-40 tahun (41,3%)
dan 41-50 tahun (28%), sisanya berada pada usia 2030 tahun (18,7%), dan usia 50-60 tahun (12%).

45

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Selanjutnya untuk menguji hipotesis dan


menghasilkan suatu model yang fit, maka digunakan
analisis Structural Equation Modelling (SEM).
Adapun kriteria fit suatu model dalam SEM dapat
disajikan pada Tabel berikut.
Tabel 3. Hasil Kriteria Goodness-of-Fit Indices
(GFI) Model Awal dan Akhir
Hasil Model
Kriteria
Chi-square
Prob. signifikansi
GFI
RMSEA
TLI
CFI

Nilai Cut-off
Diharapkan
kecil
0,05
0,90
0,08
0,94
0,95

Ket.

Awal

Akhir

1750,662

69,255

Baik

0,000
0,866
0,090
0,829
0,830

0,240
0,944
0,001
0,962
0,988

Baik
Baik
Baik
Baik
Baik

Sumber : Data primer diolah (2013)

Hasil perbandingan antara hasil perhitungan


pada tahap awal dan tahap akhir dengan
menggunakan kriteria goodness of fit suatu model
sebagaimana disajikan pada tabel di atas
menunjukkan kesesuaian. Setelah model di atas
dinyatakan valid atau diterima maka langkah
selanjutnya adalah melakukan analisis dengan
melihat nilai loading factor serta probabilitas (p)
dari masing-masing variabel yang digunakan. Secara
lengkap sebagaimana disajikan dalam Tabel berikut.
Tabel 4. Loading Factor, Critical Ratio (CR), dan
Probabilita (P) Hub. antar Variabel
Variabel/Konstruk
Kinerja Mutu Produk
Leadership
Kinerja Mutu Produk
Strategic planning
Kinerja Mutu Produk
Customer focus
Kinerja Mutu Produk
Information and analysis
Kinerja Mutu Produk
People management
Kinerja Mutu Produk
Process management

Loading
Factor
0,664
0,514
0,490
0,198
0,264
0,488

CR
7,86
0
6,60
0
5,24
5
2,16
2
3,77
4
5,18
8

Pro
b.
0,0
00
0,0
01
0,0
03
0,0
42
0,0
26
0,0
05

Keterangan
Signifikan
Signifikan
Signifikan
Signifikan
Signifikan
Signifikan

Sumber : Data primer diolah (2013)

Pada tabel diatas, terlihat bahwa dari berbagai


hubungan yang terjadi antar variabel, nampaknya
semua memiliki hubungan yang signifikan, karena
memiliki nilai P (probabilitas) 0,05 dan Critical
Ratio (CR) 1,960.
Adapun variabel-variabel yang memiliki
pengaruh yang signifikan (P 0,05), yakni: (1)
kepemimpinan terhadap kinerja mutu produk
(0,000); (2) perencanaan strategis terhadap kinerja
mutu produk (0,001); (3) fokus pada pelanggan
terhadap kinerja mutu produk (0,003); (4) Informasi
dan analisis terhadap kinerja mutu produk (0,042);
(5) manajemen orang-orang/SDM terhadap kinerja
mutu produk (0,026); dan (6) manajemen proses
terhadap kinerja mutu produk (0,005).

KNSI 2014

Oleh karena itu, dapat disimpulkan bahwa


variabel atau konstruk yang mempunyai pengaruh
yang dominan terhadap kinerja mutu produk adalah
kepemimpinan (leadership) terhadap kinerja mutu
produk dengan nilai bobot faktor (loading factor)
sebesar 0,664 dan probabilita (p) sebesar 0,000.
Berdasarkan nilai critical ratio dan
probabilitas yang disajikan pada tabel, nampak
bahwa variabel kepemimpinan mempunyai pengaruh
yang signifikan terhadap kinerja mutu produk.
Dimana nilai CR (critical ratio) lebih besar daripada
nilai yang disyaratkan sebesar 1,960 (7,860 > 1,960),
serta nilai probabilitas lebih kecil daripada = 0,05
(0,000 < 0,05). Oleh karena itu, Hipotesis I yang
diajukan dalam penelitian ini terbukti atau didukung
oleh fakta empiris. Nilai loading factor juga
menunjukkan bahwa variabel kepemimpinan
mempunyai pengaruh yang kuat dan positif terhadap
kinerja mutu produk dengan kontribusi sebesar
0,664 atau 66,4%. Hasil penelitian ini mendukung
pendapat bahwa komitmen dan dukungan
manajemen merupakan salah satu elemen kunci
keberhasilan implementasi TQM (Rahman, 2001;
Munizu, 2002; Demirbag, et.al, 2006). Komitmen
manajemen juga mempunyai pengaruh signifikan
terhadap kinerja mutu dan kinerja organisasi
(Prayogo dan Brown, 2004; Prayogo dan Dermott,
2005).
Komitmen manajemen dalam mendukung
suksesnya implementasi TQM guna mencapai
kinerja yang tinggi dalam kualitas produknya dapat
diwujudkan melalui suatu sistem manajemen yang
terpadu dari tingkat pimpinan puncak sampai
karyawan yang paling bawah. Sehingga perusahaan
memperoleh kemajuan secara konsisten dalam
mencapai standar kinerja mutu yang telah ditetapkan
bersama secara bertahap dan terukur.
Variabel perencanaan strategis mempunyai
pengaruh yang signifikan terhadap kinerja mutu
produk. Dimana nilai CR (critical ratio) lebih besar
daripada nilai yang disyaratkan sebesar 1,960 (6,600
> 1,960), serta nilai probabilitas lebih kecil daripada
= 0,05 (0,001 < 0,05). Oleh karena itu, Hipotesis
II yang diajukan dalam penelitian ini terbukti atau
didukung oleh fakta empiris.
Nilai loading factor juga menunjukkan
bahwa variabel perencanaan strategis mempunyai
pengaruh yang cukup kuat dan positif terhadap
kinerja mutu produk dengan kontribusi sebesar
0,514 atau 51,4%. Hasil penelitian ini mendukung
pendapat Heizer dan Render (2004); dan Krajewski
et.al, (2003) bahwa perencanaan strategis dalam
organisasi mutlak diperlukan sebagai dasar acuan
dalam pengendalian program perbaikan mutu.
Dengan adanya perencanaan yang baik dalam
organisasi, maka program-program yang berkaitan
dengan peningkatan mutu produk akan lebih terarah
dan terukur, sehingga kinerja mutu produk dapat

46

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

ditingkatkan secara terus menerus (continous


improvement) dan berkelanjutan.
Berdasarkan nilai critical ratio dan
probabilitas yang disajikan pada tabel di atas,
nampak bahwa variabel fokus pada pelanggan
mempunyai pengaruh yang signifikan terhadap
kinerja mutu produk. Dimana nilai CR (critical
ratio) lebih besar daripada nilai yang disyaratkan
sebesar 1,960 (5,245 > 1,960), serta nilai
probabilitas lebih kecil daripada = 0,05 (0,003 <
0,05). Oleh karena itu, Hipotesis III yang diajukan
dalam penelitian ini terbukti atau didukung oleh
fakta empiris.
Nilai loading factor juga menunjukkan
bahwa variabel fokus pada pelanggan mempunyai
pengaruh yang cukup kuat dan positif terhadap
kinerja mutu produk dengan kontribusi sebesar
0,490 atau 49%. Hasil penelitian ini mendukung
pendapat bahwa fokus pada konsumen merupakan
salah satu elemen kunci keberhasilan implementasi
TQM (Krajewski et.al, 2003; Corbett dan Rastrick,
2000; Prayogo dan Brown, 2004; dan Prayogo dan
Dermott, 2005). Fokus pada konsumen merupakan
salah satu faktor mikro dari dalam perusahaan yang
mempengaruhi perubahan dan pengembangan
kinerja suatu organisasi, juga sebagai salah satu
variabel yang secara signifikan mempengaruhi
kinerja mutu dan kinerja bisnis (Demirbag et al.,
2006; Brah dan Lim, 2006).
Variabel informasi dan analisis mempunyai
pengaruh yang signifikan terhadap kinerja mutu
produk. Dimana nilai CR (critical ratio) lebih besar
daripada nilai yang disyaratkan sebesar 1,960 (2,162
> 1,960), serta nilai probabilitas lebih kecil daripada
= 0,05 (0,042 < 0,05). Oleh karena itu, Hipotesis
IV yang diajukan dalam penelitian ini terbukti atau
didukung oleh fakta empiris.
Nilai loading factor juga menunjukkan
bahwa variabel informasi dan analisis mempunyai
pengaruh yang positif terhadap kinerja mutu produk
dengan kontribusi sebesar 0,198 atau 19,8%. Hasil
penelitian tersebut mendukung pendapat pakar
kualitas, bahwa informasi dan analisis dengan
bantuan piranti (tools) statistik merupakan salah satu
elemen kunci keberhasilan implementasi TQM.
(Krajewski et.al, 2003; Corbett dan Rastrick, 2000;
dan Prayogo dan Dermott, 2005).
Menurut Brah dan Lim (2006) penggunaan
piranti statistik sangat berarti dalam membantu
proses
perbaikan
berkelanjutan,
karyawan
memanfaatkan piranti statistik sebagai bentuk
keterlibatan
dan
kontribusinya,
menjadikan
kesadaran karyawan terhadap kualitas meningkat,
dan prilaku dan sikap karyawanpun berubah.
Selanjutnya variabel manajemen orang-orang
mempunyai pengaruh yang signifikan terhadap
kinerja mutu produk. Dimana nilai CR (critical
ratio) lebih besar daripada nilai yang disyaratkan

KNSI 2014

sebesar 1,960 (3,774 > 1,960), serta nilai


probabilitas lebih kecil daripada = 0,05 (0,026 <
0,05). Oleh karena itu, Hipotesis V yang diajukan
dalam penelitian ini terbukti atau didukung oleh
fakta empiris.
Nilai loading factor juga menunjukkan
bahwa variabel manajemen orang-orang mempunyai
pengaruh yang positif terhadap kinerja mutu produk
dengan kontribusi sebesar 0,264 atau 26,4%. Hasil
penelitian ini sejalan dengan pendapat bahwa
pemberdayaan
dan
keterlibatan
karyawan
merupakan salah satu elemen kunci keberhasilan
implementasi TQM (Krajewski et.al, 2003; Corbett
dan Rastrick, 2000; Munizu, 2002; dan Prayogo dan
Brown, 2004).
Beberapa bentuk upaya pemberdayaan
karyawan oleh perusahaan, diantaranya adalah:
dibentuknya kelompok kerja (Small Group Activity)
atau Gugus Kendali Mutu (GKM), pertemuan
berkala, aktivitas sumbang saran (brain storming),
pengakuan dan penghargaan atas prestasi karyawan
di bidang perbaikan dan peningkatan kualitas.
Pemberdayaan dan pengakuan atas eksistensi
karyawan oleh perusahan tersebut terbukti telah
efektif membangun budaya dan kinerja mutu produk
Manajemen proses mempunyai pengaruh
yang signifikan terhadap kinerja mutu produk.
Dimana nilai CR (critical ratio) lebih besar daripada
nilai yang disyaratkan sebesar 1,960 (5,188 > 1,960),
serta nilai probabilitas lebih kecil daripada = 0,05
(0,005 < 0,05). Oleh karena itu, Hipotesis VI yang
diajukan dalam penelitian ini terbukti atau didukung
oleh fakta empiris.
Nilai loading factor juga menunjukkan
bahwa variabel manajemen proses mempunyai
pengaruh yang cukup kuat dan positif terhadap
kinerja mutu produk dengan kontribusi sebesar
0,488 atau 48,8%. Hasil penelitian ini mendukung
pendapat Krajewski et.al, (2003); Corbett dan
Rastrick, (2000); Prayogo dan Brown, (2004); dan
Salaheldin (2009) yang mengatakan bahwa
manajemen proses merupakan salah satu elemen
TQM yang mempengaruhi kinerja mutu produk.dan
kinerja bisnis perusahaan.
V. Kesimpulan dan Saran
Implementasi praktik manajemen mutu
terpadu (TQM) yang terdiri atas (1) Kepemimpinan;
(2) Perencanaan strategis; (3)
Fokus pada
pelanggan; (4) Informasi dan analisis; (5)
Manajemen orang-orang; dan (6) Manajemen proses
mempunyai pengaruh yang signifikan terhadap
kinerja mutu produk. Hal ini mengindikasikan
bahwa derajat meningkat atau menurunnya kinerja
mutu produk sangat ditentukan oleh variabelvariabel TQM tersebut.
Komitmen manajemen yang kuat dan
konsisten terhadap keberhasilan implementasi TQM

47

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dalam organisasi perusahaan sangat dominan dalam


menentukan kinerja mutu produk. Program-program
peningkatan kualitas yang telah direncanakan
perusahaan dalam kerangka TQM dapat berjalan
dengan baik apabila mendapatkan dukungan penuh
dari pihak pimpinan/manajemen perusahaan.
Sebagai implikasi dari penelitian ini maka,
pihak
manajemen
perusahaan
hendaknya
memperhatikan variabel-variabel TQM yang
berpengaruh signifikan terhadap peningkatan kinerja
mutu produk seperti; komitmen manajemen,
perencanaan strategis, fokus pada pelanggan, dan
manajemen proses dalam menghasilkan produk
mutu yang baik. Mutu produk yang superior dapat
membawa pada kinerja dan daya saing perusahaan
yang berkelanjutan (sustainability competitive
advantage). Variabel informasi dan analisis, dan
manajemen orang-orang/pemberdayaan karyawan
harus lebih mendapatkan perhatian, karena
implementasinya dalam perusahaan belum optimal.
Penggunaan peralatan statistic (SQC = statistical
quality control), pemberian pelatihan mutu pada
karyawan, pembuatan task force, GKM (gugus
kendali mutu), dan instrumen mutu lainnya harus
dioptimalkan pemanfaatannya agar memberikan
hasil yang lebih baik dalam mendukung tercapainya
kinerja mutu produk yang lebih baik. Penelitian ini
masih menunjukkan kelemahan karena hanya dapat
digeneralisasi pada satu perusahaan. Sehingga bagi
penelitian selanjutnya dapat mengembangkan
penelitian ini dengan menambah jumlah unit
perusahaan manufaktur, jumlah variabel yang akan
diteliti, dan aplikasinya pada perusahaan sektor
lainnya, seperti industri/perusahaan jasa.

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]
Daftar Pustaka
[1]
Bhat, V. and J. Cozzolino. 1993. Total
Quality: An Effective Management Tool,
Quality Management Journal : 101-123
[2]
Bina Produktivitas Tenaga Kerja. 1998.
Manajemen Mutu Terpadu. Departemen
Tenaga Kerja, Jakarta.
[3]
Brah, S. and Lim, H. 2006. The effects of
technology and TQM on the performance of
logistics companies, International Journal of
Physical
Distribution
&
Logistics
Management, 36 (3): 192-209.
[4]
Cooper, Donald R. Dan C.William Emory.
1999. Business Research Methods, Fifth
Edition, Richard D. Irwin Inc., Chicago
USA.
[5]
Demirbag, M., Tatoglu, E., Tekinkus, M.
and Zaim, S. 2006. An analysis of the
relationship between TQM implementation
and organizational performance: evidence
from
Turkish
SMEs,
Journal
of
Manufacturing Technology Management, 17

KNSI 2014

[14]

[15]

[16]

[17]

(6): 829-47.
Gaspersz, V. 2005. Total Quality
Management. PT. Gramedia Pustaka
Umum, Jakarta.
Hair Jr., Yoseph F., Rolph E. Anderson,
Ronald L. Papham, William Black, 1998.
Multivariate Data Analysis, 5th edition,
Prentice-Hall, Inc., New Jersey.
Juran, J.M. 1989. Juran on Leadership for
Quality, The Free Press, MacMillan, Inc. E.
Nugroho
(penterjemah).1995.
Kepemimpinan Mutu. Pustaka Binaman
Pressindo, Jakarta.
Krajewski, J. Lee and P. R. Larry, 2003,
Operations Management Strategy and
Analysis, Fifth Edition, Addison-Wesley
Publising Company Inc., USA.
Lawrence M. Corbett and Kate N. Rastrick,
2000.
Quality
performance
and
organizational culture : A New Zealand
study, International Journal of Quality &
Reliability Management, 17 (1): 14-26.
Munizu, M. 2002. Analisis Persepsi
Karyawan atas Keberhasilan Pelaksanaan
Gugus Kendali Mutu (GKM) pada
Karyawan Produksi Pabrik Karung (PK)
Rosella Baru, PTPN XI (Persero) Surabaya.
Tesis. Program Pasca Sarjana, Unair,
Surabaya.
Prajogo, Daniel.I., and Brown, A. 2004. The
Relationship Between TQM Practice and
Quality Performance and the Role of Formal
TQM Programs: An Australian Empirical
Study. Quality Management Journal. 11(4):
31-42.
Prajogo, Daniel I., and Christopher M.
McDermott, 2005. The relationship between
total quality Management practices and
organizational culture, International Journal
of Operations & Production Management,
25 (11): 1101-1122.
Prajogo, Daniel I. and Soon W. Hong. 2008.
The effect of TQM on performance in R&D
environments: A perspective from South
Korean firms, Technovation 28: 855863.
Rahman, S., 2001. A comparative study of
TQM
practice
and
organisational
performance of SMEs with and without ISO
9000 certification, International Journal of
Quality & Reliability Journal, 18 (1): 35-49.
Render, Barry and Jay Heizer. 2004.
Operations Management, International
Edition, Pearson Education Inc. Upper
Saddle River, New Jersey, USA.
Salaheldin Ismail Salaheldin, 2009. Critical
success factors for TQM implementation
and their impact on performance of SMEs,
International Journal of Productivity and

48

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

[18]

[19]

Performance Management, 58 (3): 215-235.


Sila, I. 2007. Examining the effects of
contextual faktors on TQM and performance
through the lens of organizational theory: an
empirical study, Journal of Operations
Management, 25 (1): 83-109.
Sugiyono, 2008. Statistik Untuk Penelitian,
CV. Alfabeta, Bandung, Indonesia.

KNSI 2014

49

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-10
PENERAPAN VISUALISASI ALGORITMA BFS DAN A-STAR
MENGGUNAKAN LIBRARY PATHFINDING.JS
PADA KEGIATAN PERKULIAHAN
R. Sandhika Galih A.
Teknik Informatika, Fakultas Teknik, Universitas Pasundan Bandung
Jl. Dr. Setiabudhi No. 193, Bandung. Telp (022) 2021440
Email: sandhikagalih@unpas.ac.id

Abstrak
Teknologi visualisasi algoritma (VA) dibuat dengan tujuan untuk membantu para mahasiswa di bidang
informatika untuk memahami bagaimana cara kerja dari sebuah algoritma dalam pemrograman. Berdasarkan
pengalaman selama memberikan materi mengenai dua algoritma tersebut, diketahui bahwa kebanyakan
mahasiswa merasa bingung mengenai cara kerja dan implementasi dari algoritma-algoritma ini. Untuk itu perlu
dibuatkan visualisasi dari algoritma penelusuran ini dengan harapan agar mahasiswa dapat lebih mengerti dan
memahami bagaimana cara kerja dari algoritma jika disajikan secara visual dengan lebih menarik dan interaktif.
Pada penelitian ini dibangun sebuah visualisasi algoritma penelusuran graf dengan menggunakan pathfinding.js
sebagai library yang diimplementasikannya kedalam sebuah aplikasi dengan tema penelusuran jalan keluar pada
labirin. Penelitian ini dilakukan dengan fokus untuk mengukur aplikasi VA yang dibuat terhadap pemahamam
mahasiswa terkait dengan materi penelusuran graf khususnya algoritma penelusuran Breadth-First Search dan
A*. Untuk mengetahui apakah VA ini sudah dapat memberikan pemahaman materi kepada mahasiswa,
dilakukan pengujian terhadap aplikasi oleh beberapa orang mahasiswa sebagai partisipan dengan cara
memberikan pertanyaan terkait dengan algoritma penelusuran sebelum dan sesudah menggunakan aplikasi yang
dibuat.
Kata kunci : visualisasi algoritma, breadth-first search, A*, pathfinding.js.

1. PENDAHULUAN
Teknologi visualisasi algoritma (VA) dibuat
dengan tujuan untuk membantu para mahasiswa di
bidang informatika untuk memahami bagaimana
cara kerja dari sebuah
algoritma
dalam
pemrograman. [1] Sejak tiga puluh tahun terakhir,
evolusi dari teknologi VA sudah berusaha untuk
memperkaya pendidikan informatika dari berbagai
kapasitas. sebagai contoh, teknologi VA sudah
digunakan untuk:
1.
Membantu pengajar untuk mengilustrasikan
operasi algoritmik di dalam kuliah.[2]
2. Membantu mahasiswa untuk memahami dasardasar
algoritma
pada
kuliah
di
informatika.[3]
3. Membantu mahasiswa untuk mempelajari
operasi-operasi dasar dari tipe data abstrak yang
dipelajari pada kuliah di informatika.[4]
Salah satu algoritma yang selalu dibahas di dunia
informatika khususnya di bidang kecerdasan buatan
adalah algoritma penelusuran graf, dimana
didalamnya terdapat banyak teknik penelusuran
KNSI 2014

yang dapat digunakan, 2 (dua) diantaranya adalah


algoritma BFS (Breadth-First Search) dan A* (AStar). Kedua algoritma ini memiliki perbedaan dan
ke-khas-an tersendiri dalam melakukan penelusuran
terhadap sebuah graf.
Berdasarkan pengalaman selama memberikan
materi mengenai dua algoritma tersebut, diketahui
bahwa kebanyakan mahasiswa merasa bingung
mengenai cara kerja dan implementasi dari
algoritma-algoritma ini. Untuk itu perlu dibuatkan
visualisasi dari algoritma penelusuran ini dengan
harapan agar mahasiswa dapat lebih mengerti dan
memahami bagaimana cara kerja dari algoritma jika
disajikan secara visual dengan lebih menarik dan
interaktif.
Pathfinding.js adalah sebuah library javascript
menyediakan kumpulan kode hasil implementasi
dari algoritma-algoritma penelusuran graf sehingga
kita dapat dengan mudah menggunakannya untuk
aplikasi-aplikasi yang membutuhkannya seperti
game atau aplikasi berbasis web.
Pada penelitian ini dibangun sebuah visualisasi

50

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

algoritma penelusuran graf dengan menggunakan


pathfinding.js
sebagai
library
yang
diimplementasikannya kedalam sebuah aplikasi
dengan tema penelusuran jalan keluar pada labirin.
Penelitian ini dilakukan dengan fokus untuk
mengukur aplikasi VA yang dibuat terhadap
pemahamam mahasiswa terkait dengan materi
penelusuran graf khususnya algoritma penelusuran
Breadth-First Search dan A*. Untuk mengetahui
apakah VA ini sudah dapat memberikan pemahaman
materi kepada mahasiswa, dilakukan pengujian
terhadap aplikasi oleh beberapa orang mahasiswa
sebagai partisipan dengan cara memberikan
pertanyaan terkait dengan algoritma penelusuran
sebelum dan sesudah menggunakan aplikasi yang
dibuat.
Sistematika penulisan pada paper ini diawali
dengan pendahuluan yang berisi latar belakang
penelitian, lalu tinjauan pustaka yang menjelaskan
mengenai teori-teori dan studi pustaka yang sudah
dilakukan pada penelitian ini seperti teori mengenai
visualisasi algoritma, penelusuran graph, dan
pathfinding.js.
Bagian selanjutnya adalah metodologi penelitian
yang membahas mengenai metode dan langkahlangkah yang digunakan dalam penelitian ini,
dilanjutkan dengan hasil dan pembahasan yang
mencakup pengujian yang dilakukan terhadap VA
yang telah dibuat.
2.TINJAUAN PUSTAKA
Penelusuran Graph
Penelusuran graf / graph traversal merupakan
salah satu teknik penyelesaian masalah dengan
pencarian / problem solving by searching dimana
dengan teknik ini, sebuah agen cerdas / intelligent
agent akan memutuskan apa yang akan dilakukan
dengan cara menelusuri urutan aksi yang berujung
pada sebuah keadaan / state tertentu. Proses
penelusuran urutan aksi tersebut disebut dengan
pencarian / searching. Sebuah algoritma pencarian
mengambil masalah sebagai input dan
mengembalikan solusi dalam bentuk urutan aksi.
Saat
sebuah
solusi
ditemukan,
akan
direkomendasikan aksi apa yang harus dilakukan
untuk mencapai solusi tersebut. [7]
1) BFS (Breadth First Search)
Banyak persoalan yang dapat direpresentasikan
dengan graf. Pencarian solusi dilakukan dengan
mengunjungi / traverse simpul-simpul graf.
Algoritma traversal adalah mengunjungi simpulsimpul dengan cara yang sistematik. Algoritma
Breadth-First Search diterapkan pada graf
statis, yaitu graf yang sudah tersedia (dibentuk
terlebih dahulu) sebelum pencarian solusi.
Algortima pencarian menggunakan BFS dapat
ditulis sebagai berikut :
a) Penelusuran akan dilakukan pada suatugraf,

KNSI 2014

misalnya dimulai dari simpul /node v.


b) Kunjungi simpul v, bila simpul yang dicari
ditemukan, maka pencarian selesai dan
kembalikan hasilnya.
c) Bila tidak ditemukan, kunjungi semuasimpul
yang bertetangga dengan v, bila tidak
ditemukan juga, cari lagi di simpul yang
belum
dikunjungi
yang bertetangga
dengan
simpul
yang dikunjungi
sebelumnya.
d) Begitu seterusnya sampai pencarian selesai
(pencarian
berhasil
atau
tidak
ditemukan).[8]
Gambar 1. dibawah ini menunjukan urutan
simpul yang dikunjungi jika ditelusuri
menggunakan algoritma Breadth-First Search.

Gambar 1. Urutan penelusuan simpul pada BFS

Jika kita anggap simpul akhir atau simpul


yang dicari adalah simpul nomor 7 maka urutan
pencarian jika menggunakan algoritma BreadthFirst Search adalah 1-2-3-4-5-6-7.
Meskipun algoritma Breadth-First Search
kelihatannya bagus untuk mencari solusi,
namun
kompleksitas
algoritmanya
keksponensial. Untuk menjelaskan hal ini,
misalkan setiap simpul dapat membangkitkan b
simpul buah baru. Simpul akar akan
membangkitkan simpul pada level ke-1,
masing-masing simpul membangkitkan b buah
simpul, total seluruhnya b2 pada level ke-2.Tiaptiap simpul ini akan membangkitkan b buah
simpul baru pada level ke-3, total ada b3 buah
simpul. Misalkan solusi ditemukan pada level
ke-d, maka jumlah maksimum seluruh simpul
yang dibangkitkan adalah
1 + b + b2 + b3 + ... + bd = (bd + 1 - 1) / (b - 1)

2)

A-Star / A*

Algoritma A* (dibaca: A Star), adalah


algoritma penelusuran graf yang merupakan
pengembangan dari algoritma Best-First Search,
yang dimana didalamnya terdapat fungsi
heuristic yang membantu membuat penelusuran
menjadi lebih efektif.
Pada saat algoritma A* ini menelusuri graf,
jalur yang dilalui adalah jalur yang memiliki

53

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

nilai / biaya yang paling rendah, dengan cara


menyimpan urutan prioritas jalur alternatif pada
antrian / queue. Jika ditemukan biaya dari jalur
yang sedang ditelusuri lebih besar dari biaya
jalur alternative, maka jalur yang sedang
ditempuh akan diabaikan, dan penelusuran
berpindah ke jalur yang memiliki biaya yang
lebih kecil. Notasi yang dipakai pada algoritma
A* ini adalah:
f(n) = g(n) + h(n)
Perbedaan cara kerja algoritma A* dengan BFS
adalah adanya fungsi heuristik (h(n)), fungsi
heuristic adalah sebuah nilai perkiraan dengan
menghitung biaya / jarak terkecil sebuah state
apabila ingin mencapai goal state.

Visualisasi Algoritma
Visualisasi algoritma (VA) adalah sebuah
metode yang dibuat dengan tujuan untuk membantu
para mahasiswa di bidang informatika untuk
memahami bagaimana cara kerja dari sebuah
algoritma
dalam pemrograman.
Menurut Hundhausen (2002) [1],
ada
beberapa skenario penggunaan VA dalam dunia
pendidikan, gambar 3 dibawah ini menunjukkan
skema penggunaan VA dalam dunia pendidikan:

Pathfinding.js

Pathfinding.js adalah sebuah library javascript


yang dibuat untuk membantu pengembang game
dalam mengimplementasi penelusuran graf.
Library ini dapat berjalan pada server node.js
ataupun dengan menggunakan web browser. Di
dalam library ini sudah terdapat beberapa
implementasi algoritma penelusuran seperti BreadthFirst Search, Best-First Search, A*, Djiksra dan
terdapat juga properti Bi-directional search yang
dapat kita gunakan untuk tiap-tiap algoritma. Library
ini memiliki lisensi MIT dan dapat diunduh pada
alamat
website
github
berikut
https://github.com/qiao/PathFinding.js.(terakhir diakses pada tanggal 29 Agustus 2013).
3. METODE PENELITIAN
Berikut adalah metodologi yang digunakan
dalam penelitian ini:

Gambar 2. Metodologi Penelitian

Kegiatan pertama yang dilakukan adalah


mempelajari literatur dan penelitian-penelitian
terdahulu terkait dengan VA, lalu setelah itu dibuat
aplikasi VA
dengan
menggunakan
library
pathfinding.js dan setelah itu dilakukan eksperimen
untuk mengetahui bagaimana hasil penerapan VA
pada kegiatan perkuliahan Intelejensia Buatan
khususnya materi tentang BFS dan A*.

KNSI 2014

Gambar 3. Skenario Penggunaan VA di dunia


pendidikan

a. Kuliah, pada kegiatan perkuliahan di kelas,


pada umumnya dosen program studi
informatika menggunakan representasi grafik
atau gambar untuk membantu mahasiswa
memahami aspek-aspek yang ada di dalam
algoritma. VA dalam perkuliahan pada dasarnya
adalah penghubung antara tulisan yang ada di
papan tulis atau di slide kuliah.
b. Belajar, mahasiswa informatika yang
mengambil mata kuliah algoritma memiliki
waktu belajar untuk ujian kapanpun mereka
mau. Mahasiswa dapat membuat sendiri VA
dengan cara melihat dan mempelajari catatan atau
literatur kuliah yang mereka miliki.
c. Tugas, mahasiswa mengerjakan tugas kuliah
yang diberikan diluar waktu kuliah dan
mengumpulkannya
pada
waktu
yang
telahditentukan. Tugas yang diberikan dapat juga
berupa pembuatan VA oleh mahasiswa secara
berkelompok.
d. Diskusi, setelah menyelesaikan tugas yang
diberikan dengan membuat sendiri VA,
mahasiswa bisa menggunakan VA yang telah
mereka buat tersebut sebagai bahan untuk
berdiskusi dengan teman-temannya atau dengan
dosen pengajar mata kuliah.
e. Praktikum, AV juga dapat digunakan pada
kegiatan praktikum
untuk
memberikan
gambaran secara interaktif bagaimana cara kerja
sebuah algoritma dengan panduan asisten
praktikum.
f. Ujian, didalam ujian, AV bisa digunakan
sebagai alat bantu untuk memberikan
pertanyaan. Soal yang diberikan tidak lagi

54

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dalam bentuk kertas, melainkan dalam bentuk


visualisasi dan animasi.
Efektifitas Visualisasi Algoritma
Pada penelitian A Meta Study of Algorithm
Visualization System yang dilakukan oleh
Hundhausen [1], telah dilakukan sebanyak 24
eksperimen untuk mengukur efektivitas dari
berbagai macam VA. Hundhausen mengkategorikan
hasil dari eksperimen tersebut ke dalam 3 (tiga) grup
teori : Epistemic Fidelity, Dual-Coding,
dan
Cognitive Constructivism.
1) Epistemic Fidelity

Cognitive Constructivism karena dirasa cocok


untuk diterapkan dalam kegiatan perkuliahan
untuk
memberikan
pemahaman
kepada
mahasiswa karena pada metode ini mahasiswa
dituntut untuk berperan aktif dan terlibat untuk
menggunakan visualisasi tidak hanya melihat
dan mendengar dosen atau instruktur yang
memberikan penjelasan.
Aplikasi Visualisasi Algoritma

Aplikasi VA dibuat dengan memanfaatkan library


pathfinding.js sebagai library penelusuran graf.
Berikut ini adalah tampilan dari aplikasi VA yang
telah dibuat:

Epistemic
Fidelity merupakan teori
pengetahuan dimana diasumsikan bahwa setiap
manusia di dalam kepalanya menyimpan modelmodel simbolis dari segala sesuatu yang ada di dunia,
dan model-model tersebut menjadi dasar untuk
melakukan aksi dan penalaran. Kunci asumsi dari
Epistemic Fidelity ini adalah bahwa elemen grafis
memiliki kemampuan yang sangat baik dalam hal
menggambarkan model pemikiran algoritma dari
seorang ahlisehingga akhirnya dapat disampaikan
dengan baik kepada penggunanya. [10]
2) Dual Coding
Dalam dunia psikologi proses encode adalah proses
mengkonversi sinyal pada syaraf kepada sebuah
bentuk yang dapat diterima oleh otak.Menurut
penelitian Mayer dan Anderson [11], dikatakan
bahwa pengetahuan secara umum terdiri dari dua
buah sistem simbolis yang saling terhubung satu
sama lain tetapi secara fungsional dapat berdiri
sendiri. Salah satunya mengkonversi sinyal verbal
(perkataan), yang lainnya
mengkonversi
sinyal
non-verbal (gambar).
Sebuah visualisasi yang
menggabungkan kedua proses encode ini dapat
mambangun representasi yang lebih baik pada saat
disampaikan kepada penggunanya.
3) Cognitive Constructivism

Daripada menganggap bahwa pengetahuan adalah


sebuah representasi dari simbol atau objek-objek
pada dunia nyata yang disimpan manusia di dalam
kepalanya, Cognitive Constructivism menegaskan
bahwa tidak ada pengetahuan yang mutlak yang
bisa secara langsung merepresentasikan simbolsimbol. Melainkan bahwa seseorang itu selalu
membangun pengetahuan mereka sendiri seiring
dengan pengalaman subjektif mereka yang selalu
bertambah pada saat berinteraksi dengan dunia.
Dengan menjadi aktif terlibat dengan lingkungan
sekitarnya, seseorang dapat membangun pemahaman
baru dengan cara menginterpretasikan pengalaman
baru kedalam sesuatu yang sudah mereka ketahui. [5]
Setelah membandingan ke tiga grup VA yang
ada, pada penelitian ini dipilih metode

KNSI 2014

Gambar 4. Aplikasi VA menggunakan pathfinding.js

Berikut ini adalah keterangan dari Gambar 4.


Diatas:
1. Grid berwarna putih adalah kanvas pada
aplikasi
2. Grid berwarna hijau tua adalah state awal
(initial state) penelusuran
3. Grid berwarna merah adalah state akhir (goal
state) penelusuran
4. Grid berwarna hijau muda adalah state-state yang
sudah ditelusuri tetapi tidak mengarah pada goal
state
5. Grid berwarna biru muda dan garis berwarna
kuning adalah jalur penelusuran optimal
6. Panel pemilihan algoritma
7. Tombol aksi
8. Keterangan penggunaan aplikasi
9. Properti hasil penelusuran
(panjang jalur
penelusuran, waktu penelusuran, jumlah operasi
yang dilakukan)
4. EKSPERIMEN
Pada penelitian ini dilakukan eksperimen untuk
menentukan sejauh mana aplikasi VA dapat

55

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

membantu pemahaman mahasiswa terhadap


algoritma penelusuran graf dengan menggunakan
algoritma BFS dan A*.
Eksperimen dilakukan kepada 10 (sepuluh)
orang mahasiswa sebagai partisipan dengan cara
pertama-tama menjelaskan terlebih dahulu materi
mengenai Breadth-First Search dan
A*
menggunakan slide presentasi tekstual, lalu setelah itu
mahasiswa diberikan 1 buah soal mengenai terkait
dengan materi yang sudah dijelaskan tadi, jika
mahasiswa tidak bisa menjawab soal lalu
mahasiswa tersebut diharuskan untuk menggunakan
aplikasi VA yang telah dibuat selama kurang lebih
30-45 menit dengan skenario tertentu dan terlebih
dahulu dijelaskan bagaimana cara menggunakan
aplikasi tersebut.
Setelah
selesai menggunakan aplikasi,
mahasiswa tersebut kembali diberikan soal yang
tidak bisa dia jawab tadi. Apabila mahasiswa
tersebut dapat menjawab soal yang diberikan, maka
dapat disimpulkan bahwa aplikasi VA yang telah
dibuat dapat memberikan pemahaman yang lebih
baik daripada pemberian materi menggunakan slide
presentasi yang biasa dilakukan.

dilihat pada Gambar 5 dibawah ini:

Analisis Partisipan
Mahasiswa yang dipilih sebagai partisipan
untuk penelitian ini adalah mahasiswa yang sedang
mengambil mata kuliah Intelejensia Buatan pada
semester pendek tahun ajaran 2012/2013 di
Universitas Pasundan Bandung. Mahasiswa yang
dipilih memiliki kriteria sebagai berikut:
1. Sebelumnya sudah memiliki pengetahuan
tentang teori graf (sudah pernah mengambil mata
kuliah intelejensia buatan)
2. Tidak paham tentang teori BFS dan A*

2) Tahap 2
Setelah didapatkan mahasiswa / partisipan
yang tidak dapat mengerjakan atau salah dalam
mengerjakan soal yang diberikan, partisipan
tersebut
kemudian
diharuskan
untuk
menggunakan aplikasi VA dengan skenario
tertentu selama
30-45 menit. Sebelum
menggunakan
aplikasi,
dosen
memberikan
instruksi mengenai cara penggunaan aplikasi, cara
memilih lgoritma penelusuran dan bagaimana
membuat
sendiri
labirin
untuk ditelusuri,
bagaimana menentukan initial state, goal state, dan
penghalang / pembatas padalabirin yang dibuat.

Skenario Eksperimen
Berikut adalah skenario dari eksperimen
yang dilakukan pada penelitian ini:
1) Tahap 1
Pertama-tama, 10 (sepuluh) mahasiswa partisipan
dikumpulkan dalam kelas lalu diberikan materi
mengenai teori penelusuran
graf khususnya algoritma Breadth-First Search dan A*
selama kurang lebih 30 menit menggunakan teknik
pemberian materi secara lisan dengan bantuan slide
presentasi, materi yang diberikan seputar tujuan, cara
kerja, dan urutan state yang ditelusuri untuk mencapai
goal pada kedua algoritma pencarian tersebut.
Setelah
itu,
seluruh
partisipan
diberikan
soal
terkait
dengan
algoritma
Breadth-First
Search dan A*, dimana partisipan diminta
untuk menelusuri urutan state pencarian untuk
sebuah kasus dengan diketahui initial state dan
goal state-nya, soal
yang diberikan
dapat

KNSI 2014

Gambar 5. Soal penelusuran graf


Pertanyaan yang diberikan untuk soal pada
gambar diatas adalah: Diketahui sebuah
labirin
sederhana
seperti
pada
gambar,
diketahui initial state-nya adalah s dan goal statenya adalah g. Tentukan urutan state pada labirin jika
ditelusuri menggunakan algoritma Breadth-First
Search dan A*.
Setelah didapatkan jawaban dari mahasiswa,
dipilih kembali mahasiswa yang salah dalam
menjawab soal untuk menjadi partisipan
eksperimen tahap 2. Mahasiswa yang menjawab soal
dengan
benar
tidak
diikutsertakan
pada
eksperimen tahap 2.

3) Tahap 3
Setelah
mahasiswa /
partisipan
selesai
menggunakan
aplikasi
dan
sudah
dapat
membuat sendiri labirin serta menelusuri labirin
tersebut menggunakan
kedua
algoritma
Dilakukan kembali pengujian seperti pada tahap
1, partisipan diberi lagi soal yang sama seperti
sebelumnya dan diminta untuk mengerjakannya
kembali
Skenario Penggunaan Aplikasi
Sebelum
melakukan
eksperimen
tahap 2,
partisipan diberikan instruksi terlebih dahulu tentang
bagaimana menggunakan aplikasi VA yang telah
dibuat. Berikut ini adalah instruksi-instruksi yang
diberikan:

56

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

1.

2.
3.

4.
5.
6.

7.
8.

Instruksi mengenai antarmuka aplikasi VA,


bagaimana menentukan initial state, goal
state dan membuat penghalang untuk
labirin.
Instruksi mengenai Bagaimana cara memilih
algoritma pencarian.
Instruksi mengenai menu untuk mengetahui
spesifikasi pencarian (waktu pencarian, urutan
jalur pencarian, dan jumlah state yang sudah
berhasil ditelusuri).
Instruksi mengenai langkah-langkah pembuatan
labirin.
Membuat 3 buah labirin dengan melihat
gambar yang diberikan.
Mempelajari
properti
hasil
tiap-tiap
penelusuran pada ketiga labirin yang telah
dibuat.
Mempelajari urutan state yang ditelusuri
dengan cara melihat animasi pada aplikasi.
Melakukan
penelusuran
menggunakan
algoritma BFS dan A* pada setiap labirin yang
telah dibuat.

Gambar 6 dan 7 berikut ini menunjukkan salah


satu labirin yang dibuat beserta hasil penelusuran
menggunakan algoritma BFS dan A*:

Gambar 6. Penelusuran dengan algoritma BFS

1) Hasil Tahap 1
Eksperimen tahap 1 ini untuk mengetahui
mahasiswa mana saja yang memang masih
belum memahami materi terkait dengan
algoritma penelusuran BFS dan A*. Jawaban
yang benar dari soal yang diberikan adalah
sebagai berikut:
Tabel 1. Kunci Jawaban pertanyaan

Jawaban dari tiap-tiap mahasiswa


setelah diberikan soal adalah sebagai
berikut:
Tabel 2. Jawaban mahasiswa

Hasil dari eksperimen tahap 1


ini
didapatkan bahwa dari 10 orang mahasiswa yang
mengerjakan soal, hanya 3 yang berhasil menjawab
dengan
sempurna.
Artinya,
yang
akan ikut serta dalam ekperimen tahap 2 ada 7 orang.
2) Hasil Tahap 2
Setelah
diketahui
bahwa
ada 7 (tujuh)
mahasiswa yang tidak dapat menjawab kedua
pertanyaan dengan benar, maka mahasiswamahasiswa tersebutlah yang dapat mengikuti
eksperimen tahap 2. Pada eksperimen tahap 2 ini
mahasiswa yang tidak berhasil mengerjakan soal
dipersilahkan untuk menggunakan aplikasi VA yang
telah dibuat berdasarkan scenario eksperimen yang
sudah dijelaskan sebelumnya.

Gambar 7. Penelusuran dengan algoritma A*

5.

HASIL DAN PEMBAHASAN


Berikut ini adalah hasil dari ekperimen yang
telah dilakukan:

KNSI 2014

3) Hasil Tahap 3
Setelah selesai menggunakan aplikasi selama
waktu yang telah ditentukan dan mahasiswa sudah
berhasil melakukan instruksi yang diperintahkan,
mahasiswa kemudian diberikan lagi soal yang
sama dengan sebelumnya. Berikut ini adalah hasil
dari eksperimen tahap 3:

57

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

6. KESIMPULAN
Kesimpulan dari penelitian ini adalah
algoritma
dapat
bahwa visualisasi
digunakan untuk
membatu
mahasiswa
dalam meningkatkan pemahaman dari sebuah
algoritma yang diberikan, walaupun dalam
penelitian
ini
lingkupnya
masih
sangat sederhana dan pengukurannya pun
dilakukan kepada sampel yang relatif sedikit.
Untuk kedepannya
perlu dilakukan
penelitian lanjutan dengan menambah algoritma
penelusuran seperti Depth-First Search (DFS),
Best-First Search, Djiksra dan yang lainnya.
Selain
itu
juga
pengukurannya harus
dilakukan
dengan
menggunakan sampel / partisipan yang lebih
banyak lagi.
Pathfinding.js merupakan alat bantu
yang sangat cocok untuk digunakan dalam
pembuatan visualisasi algoritma penelusuran graf
berbasis web. Dengan dukungan algoritma
penelusuran yang cukup lengkap membuat
library ini cocok untuk pembuatan visualisasi
algoritma.

[11] R. E. Mayer & R. B. Anderson (1991).


Animationsneed narrations: an experimental test
of a dual-coding hypothesis. Journam of
Educational, Psychology 83.

DAFTAR PUSTAKA
[1]
[2]

C. D. Hundhausen (2002). A Meta study of


Algorithm Vsualization Effectiveness. Journal of
Visual Languages and Computing 13.
M. H. Brown (1988). Algorithm Animation. The
MIT Press, Cambridge, MA.

[3] P. Gloor (1998). Software Visualization: Program[4]

ming as Multimedia Experience. The MIT Press,


Cambridge, MA
T. Naps (1990). Algorithm visualization in computer
science laboratories. Proceedings of the 21st
SIGCSE Technical Symposium on Computer Science
Education. ACM Press, New York.

[5]

L.B. Resnick (1989). Knowing, Learning and


Instruction: Essays in Honor of Robert Glaser.
Hillsdale, NJ.

[6]

Powell, K., & Kalina, C. (2009). Cognitive and


social constructivism: Developing tools for an
effective classroom. Education.

[7]

S. J. Russel, P. Norvig (2003). Artificial


Intelligence: A Modern Approach, Second Edition.
Prentice Hall, NJ.

[8]

A. Ramdhani 2008. Menggerakkan Karakter Game


Menggunakan Algoritma Breadth-First Search
(BFS) dan Algoritma A*(A Star). Makalah IF2551
Strategi Algoritmik. Informatika Insitut Teknologi
Bandung.
[9] https://en.wikipedia.org/wiki/Breadth-first_search,
Diakses tanggal 25 Juli 2013.
[10] E. Wenger (1987). Artificial Intelligence and
Tutoring System. Morgan Kaufmann, Los Altos,
CA.

KNSI 2014

58

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-11
MANAJEMEN RUTE TRAVEL BERBASIS MOBILE PROGRAMMING
(STUDI KASUS : PADA NORTHSIDE SHUTTLE)
Fajar Masya1, Tri Rejeki2, Elvina3
fmasya67@gmail.com, trirejeki@gmail.com, elvina.fajar@yahoo.com
1,2
Sistem Informasi, Fakultas Ilmu Komputer, Universitas Mercu Buana
3
Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma

Abstrak
Northside Shuttle adalah salah satu perusahaan yang bergerak di bidang travel yang beroperasi khusus di
pinggiran kota Sydney (Australia) ke Sydney Airport. Mereka sudah memiliki sistem pemesanan (booking
system) secara online, tetapi mereka tidak memiliki sistem pendukung untuk mengelompokkan penumpang yang
akan dijemput dalam waktu tertentu pada satu perjalanan. Akibatnya, untuk pengambilan keputusan saat ini
membutuhkan waktu lama ( 1 hari). Sistem yang sudah ada, tidak terintegrasi dengan baik. Adapun kinerja
sistem dalam melakukan manajemen pencatatan rute serta pengelompokan informasi rute pada driver bertugas
yang sedang berjalan masih belum optimal karena pengelolaan datanya masih di lakukan secara manual. Oleh
karena itu pelayanan serta kinerja pekerja travel menjadi kurang efektif dan efisien, karena dapat mengganggu
dan memperlambat jalannya penyampaian informasi kepada pihak manajemen yang memerlukannya. Aplikasi
Manajemen Rute ini mempermudah pihak manajemen untuk mengelola data dan mendapatkan informasi yang
diperlukan untuk mengelola travel yang bersangkutan. Aplikasi ini dibangun menggunakan metode incremental
yang membagi tahap pengembangan terdiri dari beberapa bagian yaitu kebutuhan, analisis, rancangan,
implementasi dan pengujian. Apikasi Manajemen Rute Travel ini diharapkan dapat menangani pencatatan dan
pemberian informasi seputar rute, checkpoint, driver dan dapat melakukan generate route management yang
dapat menghasilkan list rute untuk driver.
Kata Kunci : manajemen, applikasi manajemen rute, pengelolaan data, penyampaian informasi.
1. PENDAHULUAN
1.1 Latar Belakang
Transportasi merupakan bagian penting untuk
menghubungkan antara orang yang satu dengan
orang yang lain, atau juga untuk memindahkan
sesuatu dari suatu tempat ke tempat yang lain.
Banyak sekali transportasi yang membutuhkan
manajemen yang baik sebagai penunjang bisnisnya.
Travel merupakan salah satu fasilitas transportasi
yang cukup di andalkan saat ini.
Pada Travel banyak sekali hal-hal yang perlu
di atur sedemikian hingga agar proses transportasi
tetap berjalan tanpa gangguan. Seperti misalnya
untuk mengatur jumlah armada travel, melakukan
assign antara armada dan pengemudinya, mengatur
penjadwalan travel, mengatur armada dengan jadwal
travel, serta mengatur orang per orang yang
menggunakan jasa transportasi ini dengan jadwaljadwal yang telah di tentukan, bahkan mengatur
masing-masing armada kedalam rute perjalanan
tertentu serta check point yang harus di lewati oleh
masing-masing armada.
Northside Shuttle adalah salah satu
perusahaan yang bergerak di bidang travel yang
KNSI 2014

beroperasi khusus di pinggiran kota Sydney


(Australia) ke Sydney Airport dan sebaliknya.
Mereka sudah memiliki sistem pemesanan (booking
system) secara online, tetapi mereka tidak memiliki
sistem
pendukung
untuk
mengelompokkan
penumpang yang akan dijemput dalam waktu
tertentu pada satu perjalanan. Akibatnya, untuk
pengambilan keputusan saat ini membutuhkan waktu
lama ( 1 hari). Sistem yang sudah ada, tidak
terintegrasi dengan baik. Sistem yang sudah
dikomputerisasi hanyalah sistem pemesanan,
sedangkan sistem lain masih dilakukan secara
manual
dengan
pertimbangan-pertimbangan
berdasarkan pengalaman dari pengelola travel
tersebut.
Setelah mendapatkan keseluruhan data
booking maka pihak manajemen melakukan
pengelolaan yang masih dilakukan dengan
memindahkan data pada online booking kedalam
sebuah file excel dan kemudian diurutkan
berdasarkan jam keberangkatan dan rute tertentu,
sehingga menyebabkan lamanya waktu dalam
melakukan manajemen rute. Selain itu hasil
checkpoint yang telah ditentukan oleh pihak

59

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

manajemen di beritahukan secara lisan antara pihak


manajemen dengan driver. Selain itu pihak
manajemen terkadang mengalami kesulitan dalam
melakukan pencarian file-file yang semakin
menumpuk karena tidak terstruktur berdasarkan
kategori tertentu.
Berdasarkan latar belakang itu maka akan
dibangun sebuah aplikasi mobile manajemen agar
driver bisa mengakses hasil checkpoint yang harus di
lewati melalui data booking. Diharapkan aplikasi
yang dibuat dapat digunakan secara optimal oleh
pihak manajemen sehingga dapat mengurangi
human error dalam pengolahan data, meningkatkan
kinerja sistem, dan pada akhirnya dapat
meningkatkan kinerja dalam bisnis transportasi.

1.2 Perumusan Masalah


Dari latar belakang di atas, terdapat beberapa
perumusan masalah, diantaranya :
1. Bagaimana membuat sistem penjadwalan yang
sebelumnya dilakukan dengan memindahkan
data pada online booking kedalam sebuah file
excel, sehingga menyebabkan lamanya waktu
dan kemungkinan terjadi human error dalam
melakukan manajemen rute.
2. Bagaimana agar penyimpanan arsip terkelola
dengan baik, sehingga ketika melakukan
pencarian data tidak akan mengalami kesulitan
dan tidak membutuhkan waktu yang lama.
3. Bagaimana membuat sistem assign tugas
kepada driver karena saat ini masih bersifat
direct (antara pihak manajemen dan driver),
sehingga pemberian informasi menjadi kurang
efektif dan sering terjadi missed communication.

4. Dapat memberikan informasi yang cermat


kepada pihak travel.
5. Mengurangi biaya manajemen, karena sistem
bisa dilakukan dalam jangka waktu yang lama.
Membantu kinerja pengolahan informasi dalam
penjadwalan serta mapping dari pendukung pada
jadwal-jadwal tersebut pada travel.
1.4 Ruang Lingkup dan Batasan
Agar dalam pembahasan penelitian ini tidak terlalu
luas maka perlu adanya batasan masalah. Adapun
batasan masalah yang akan di bahas yaitu :
a) Pengolahan informasi mengenai penjadualan
rute yang terdiri dari :
a. Checkpoint,
merupakan
titik-titik
penjemputan penumpang yang akan menuju
ke Airport dan titik-titik penurunan
penumpang dari Airport.
b. Route, merupakan jalur tertentu yang terdiri
dari banyak checkpoint. Diawali dari
checkpoint pertama dan diakhiri di Airport,
dan sebaliknya.
c. Driver, merupakan orang-orang yang akan
mendapat
informasi
hasil
optimasi
penjemputan penumpang. Laporan optimasi
akan di kirimkan ke email tiap driver.
d. Booking, merupakan data pemesanan
penumpang yang berisi informasi tempat
penjemputan, tujuan, waktu penjemputan
dan jumlah orang yang berangkat.
b) Hanya menangani tujuan ke Airport.
Pengolahan informasi berasal dari inputan dari user.

Biaya yang di keluarkan oleh pihak travel lebih


banyak di bandingkan biaya yang masuk,
dikarenakan penjadwalan lebih cepat di hasilkan
maka akan lebih baik serta tidak akan menyianyiakan waktu untuk melakukan proses bisnis.

1.5 Metode Penelitian


Tahapan yang dilalui selama pelaksanaan penelitian
ini menggunakan metode penelitian incremental.
Antara lain terdiri dari requirement, analisis &
design, code dan test.

1.3 Tujuan
Dari perumusan masalah yang telah disebutkan,
maka akan dirancang dan diimplementasikan sebuah
sistem informasi yang terkait dalam hal melakukan
pengelompokan rute checkpoint. Adapun tujuan dari
sistem yang akan dikembangkan sebagai berikut:
1. Pengotomatisasian seluruh sistem penjadwalan
sehingga mengefisienkan waktu yang terpakai
dalam melakukan komputasi data.
2. Memberikan sarana yang memudahkan pihak
manajemen dalam mengorganisasikan arsip
menjadi
lebih
terstruktur
sehingga
memudahkan dan mengefisienkan dalam
pencarian.
3. Memudahkan proses pembuatan jadwal armada
dengan rute serta pengemudinya dengan
otomatisasi.

2. ANALISA DAN PERANCANGAN

KNSI 2014

2.1 Sistem Berjalan


Saat ini sistem yang berjalan pada Northside
Shuttle yaitu melakukan penjadwalan rute
keberangkatan dan checkpoint yang wajib dilalui
oleh driver untuk menjemput customer. Akan tetapi
dalam penjadwalan pada sistem yang saat ini kurang
efisien karena masih dilakukan dengan cara
memindahkan data booking online kedalam file
excel untuk kemudian di tentukan checkpointnya,
padahal dalam penjadwalan ini dibutukan ketelitian
dalam mengolah data checkpoint yang cukup
banyak, yang kemudian akan menjadi informasi
yang sangat berguna dan penting untuk di patuhi
oleh driver. Hal ini terjadi karena proses
penjadwalan masih bersifat manual, artinya di buat

60

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

langsung oleh manusia menggunakan tools excel,


bukan sistem, dengan keadaan yang seperti ini maka
memungkinkan
terjadinya
ketidak
stabilan
pengelolaan data, terjadi hilangnya data atau dalam
memaintainnya menjadi rumit misalnya terjadi
penggantian karyawan sehingga memerlukan proses
pembelajaran pengelolaan jadwal, dan bisa saja
terjadi penginput data yang tidak teliti atau
terjadinya human error yang bisa menyebabkan
pengelolaan proses utama dalam bisnis travel ini
menjadi terganggu.
2.2 Sistem Usulan
Dari permasalahan yang dimiliki oleh Northside
Shuttle di atas, maka dibuatkanlah sistem yang baru
yang bisa membantu untuk mempermudah proses
bisnis pada Northside Shuttle tersebut, yaitu untuk
mempermudah admin untuk membuat penjadwalan
rute / rute manajemen, dengan cara memberikan
sebuah sistem yang dapat membantu proses sortir
data booking kepada driver yang akan di assign.
2.3 Perancangan Sistem
Dalam
perancangan
aplikasi
ini,
penulis
menggunakan metode UML (United Modeling
Languange). Perlu diketahui metode UML
merupakan metode oriented programming (OOP)
atau pemograman berorientasi objek yang
menggunakan notasi grafis dalam menyatakan suatu
desain. Pemodelan dengan UML menggambarkan
yang ada dalam dunia nyata ke dalam bentuk yang
dapat dipahami dengan menggunakan notasi standar
UML.

kebutuhan data atau informasi pun disesuaikan


dengan role pada sistem yang akan dikembangkan:

2.4 Analisa Data dan Informasi


Role
Data atau Informasi yang
dibutuhkan
Data Driver, di perlukan untuk
Admin
proses generate rute mapping
ke driver.
Data Rute Checkpoint, di
perlukan untuk proses generate
rute mapping ke driver.
Data Booking, di perlukan
untuk melakukan sortir
checkpoint yang mungkin di
lalui dalam sekali pengantaran.
Data booking ini di expor dari
excel / csv pada sistem yang
sudah berjalan.
Data Driver, diperlukan untuk
Driver
proses mengedit data pribadi.
Data Rute Checkpoint,
diperlukan untuk melakukan
penjemputan customer.
3. IMPLEMENTASI
Implementasi
Setelah melewati tahap analisi dan evaluasi serta
tahap design, tahap selanjutnya adalah tahap
implementasi. Tahap ini adalah tahap dimana
merealisasikan sistem agar siap untuk dioperasikan.
Struktur aplikasi pada Route Management ini terbagi
menjadi dua bagian, yaitu terdiri dari aplikasi klien
dan aplikasi web service.
3.1 Struktur aplikasi Web Service
Struktur menu dibawah ini menggambarkan struktur
folder yang terdapat dalam pengimplementasian web
service. Untuk aplikasi web service ini
menggunakan jersey sebagai frameworknya.

Gambar 1.

Use Case Sistem Usulan

Berdasarkan analisa dan evaluasi kebutuhan


pengguna, maka untuk analisa dan evaluasi

KNSI 2014

Gambar 2. Directory Java Resource


Struktur pemodelan yang terdapat beberapa package
yang terdiri dari dao, dto, model, dan webService,
berikut merupakan penjelasan detailnya:
a. DAO merupakan Data Access Object, dimana
pada package ini berisi file-file yang berkaitan
mengenai access sebuah objek.

61

b.

c.

d.

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

DTO merupakan Data Transfer Object, dimana


pada package ini berisi file-file yang berkaitan
dengan Transfer sebuah objek.
Model
merupakan
penghubung
dari
webService ke DAO, dimana pada package ini
terdiri dari file-file yang bisa menghubungkan
antara web service dan DAO.
WebService merupakan penghubung dari
aplikasi client ke fungsi yang terdapat pada
web service, dimana pada package ini berisikan
file-file yang berfungsi sebagai REST API.

Pengelolaan driver bertugas.


Pemberian informasi driver bertugas dengan
Route Mapping.

Seluruh kegiatan tersebut melibatkan manager,


bagian administrasi, bagian IT serta bagian
keuangan.
Berdasarkan hasil analis, desain dan implementasi
yang telah dilakukan didapatkan kesimpulan bahwa :
1. Dengan aplikasi route management ini
merupakan sebuah upaya untuk meningkatkan
kinerja dalam melayanin bisnis transportasi,
karena pihak manajemen yang sebelumnya
masih dilakukan dengan cara memindahkan
satu-satu data booking untuk kemudian
dibuatkan sebuah jadwal bagi driver, sekarang
sudah menggunakan aplikasi untuk mengelola
jadwal tersebut berdasarkan data booking.
2. Data-data yang berkaitan dengan bisnis
transportasi sudah tersimpan secara terstruktur
kedalam sebuah basis data, sehingga
memudahkan pengguna dalam pencarian data.
3. Pengemudi saat ini dengan mudah dapat
langsung melakukan pengecekan armada serta
rute dan checkpoint yang akan ia lewati
melalui device yang tersedia.
4.2 Saran
Aplikasi Route Management ini masih belum
optimal dalam hal pengelolaan data rute serta
pemberian informasi interaktif kepada driver, serta
aplikasi masih terkadang kurang stabil, seperti
loading page yang terkadang lama, dengan
menggunakan Rhomobile.
Untuk mengoptimalkan kemampuan aplikasi
disarankan penambahan fitur-fitur sebagai berikut :
1. Pengoptimalisasian dalam pengelolaan data
rute, serta melakukan penambahan data
checkpoint pada rute yang akan di tambahkan.
2.

Gambar 3. Contoh Tampilan Implementasi


4. PENUTUP
4.1 Kesimpulan
Northside Shuttle adalah salah satu perusahaan yang
bergerak di bidang travel yang beroperasi khusus di
pinggiran kota Sydney (Australia) ke Sydney
Airport dan sebaliknya. Adapun kegiatan-kegiatan
yang menyangkut pengelolaan data pada Northside
Shuttle:
Pencatatan data Checkpoint.
Pencatatan data Route.
Pengelompokan Route Mapping.
Pencatatan data Booking.
Pengelompokan Route Mapping berdasarkan
data Booking.
KNSI 2014

Memberikan data informasi yang interaktif


kepada driver.

Pengembangan aplikasi menggunakan framework


pengembangan aplikasi mobile lain yang lebih
stabil.
DAFTAR PUSTAKA
[1]. Booch, Grady, James Rumbaugh, Ivar
Jacobson : The Unified Software
Development Process, Addison Wesley
Longman Inc, 1999.
[2]. Indrajani,S.Kom,MM., Perancangan Basis
Data Dalam All in 1, Elex Media
Komputindo, Jakarta,2011
[3]. Larman, Graig : Applying UML and Patterns
an Introduction to Object-Oriented Analysis
and Design and Iterative Development,

62

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

[4].

[5].

Third Edition, Massachusetts : Prentice Hall


PTR, 2004.
Pressman, Roger S : Software Enggineering
A Practiotioners Approach, Sixth Edition,
Singapore : McGraW Hill.
Silberschatz, Abraham., Henry F.Korth, S.
Sudarshan : Database System Concept :
The McGraw-Hill Companies, Inc, 1997.

KNSI 2014

63

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-12
SISTEM INFORMASI MANAJEMEN RUANG KULIAH BERBASIS
PIRANTI BERGERAK
Rendra Gustriansyah1, Nazori Suhandi2
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Indo Global Mandiri
Jalan Jenderal Sudirman No. 629 Palembang
rendra_g@yahoo.com`,2 nazsu69@yahoo.com

1,2

Abstrak
Peranti bergerak, aplikasi, dan layanan telah berasimilasi ke dalam kegiatan masyarakat sehari-hari. Potensi
penuh aplikasi bergerak terealisasi ketika orang dapat mengakses informasi terkini kapan saja dan di mana
saja. Saat ini, pengalokasian ketersediaan dan reservasi ruang kuliah di Universitas Indo Global Mandiri
dilakukan secara manual. Selain itu, untuk melaporkan setiap kerusakan perangkat yang terdapat di dalam
ruang kuliah dilakukan dengan menelepon helpdesk. Untuk mengatasi masalah ini diajukanlah Sistem
Informasi Ruang Kuliah Berbasis Piranti yang memungkinkan dosen untuk mengidentifikasi ruang
kuliah/laboratorium komputer yang diperlukan, melakukan reservasi ruang dan melaporkan kerusakan kepada
staf admin yang mengelola ruang kuliah. System Development Research Methodology (SDRM) digunakan
dalam pembangunan sistem informasi ruang kuliah/laboratorium komputer ini.
Kata kunci : manajemen ruang kuliah, wifi, JME, PHP
\

1. Pendahuluan
Perkembangan teknologi membuat aktivitas
manusia menjadi lebih mudah dan efisien. Sekarang
manusia dapat mengakses informasi dari manapun
bahkan melalui piranti bergerak, seperti telepon
cerdas (smart phone) atau komputer tablet (tablet
PC). Internet digunakan sebagai media untuk
mengakses informasi tersebut. Menurut Bubley [5],
dari 1,3 milyar lebih pengguna internet, hanya 37%
pengguna yang mengakses internet melalui PC
(personal computer) atau laptop, 33%
menggunakan PC dan piranti bergerak (mobile
devices) dan 30% sisanya mengakses internet
melalui piranti bergerak. Karena itu, aplikasi piranti
bergerak dikembangkan untuk memfasilitasi
pengguna dalam mengakses informasi.
Aplikasi
yang
akin
dikembangkan
menggunakan JME (Java Micro Edition) sebagai
flatform dasar yang dapat berjalan di setiap piranti
bergerak yang mendukung Java API serta PHP
bahasa pemrogaman web dan MySQL sebagai basis
datanya. Penelitian ini merujuk penelitian Zhou
(2003) yang mengembangkan aplikasi Mobile
Meal Booking System menggunakan JM E yang
memiliki fasilitas untuk mengatur sistem
pemesanan makanan.
Dari observasi dan pengumpulan data,
Universitas Indo Global Mandiri memiliki 1 gedung
berlantai 9 (ada 36 ruang kuliah) dan 1 gedung lain
KNSI 2014

berlantai 5 (ada 6 laboratorium komputer dan


beberapa laboratorium/studio lain) yang digunakan
untuk melayani 800-an jadwal perkuliahan (setiap
ruang melayani 7 sesi perkuliahan setiap hari kecuali
hari Minggu selama satu semester) pada 15 program
studi. Meskipun penggunaan ruang kuliah sudah
terjadwal, tetapi jika dosen memerlukan ruang
kuliah untuk mengganti jadwal kuliah yang batal
dilaksanakan atau ketika fasilitas ruang, seperti
pendingin ruangan (AC), proyektor atau PC tidak
berfungsi maka dosen akan kesulitan mencari ruang
kuliah yang tersedia. Dengan menerapkan sistem ini,
pencarian ruang kuliah yang tersedia akan lebih
mudah dan menghemat waktu. Bahkan, sistem juga
menyediakan fasilitas administrasi informasi ruang
dan reservasi ruang kuliah menggunakan jaringan
WIFI yang tersedia di lingkungan kampus.
2. Landasan Teori
2.1 Aplikasi Bergerak
Perkembangan teknologi piranti bergerak
meningkat dengan pesat. Peralatan seperti
smartphone dan tablet PC sekarang menjadi sangat
penting untuk digunakan sebagai sumber informasi
atau sebagai media komunikasi. Hal ini karena
peralatan tersebut dapat digunakan di manapun dan
kapanpun.
Beigl
[4]
mengidentifikasi
kebutuhan

64

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

pelayanan bergerak yang meliputi stabilitas,


bandwidth, integrasi ke banyak lingkungan, aplikasi
yang transparan, keamanan dan pengembangan lebih
lanjut. Karena itu, piranti bergerak memerlukan
jaringan tanpa kabel (wireless) untuk berkomunikasi
dan mengakses informasi kapanpun dan di manapun
[11]. Jim and Mike [9] menyatakan bahwa
handphone adalah peralatan terpopuler dalam
komputasi bergerak.
Menurut Asoke & Roopa [2], komputasi
bergerak adalah lingkungan komputasi yang
memungkinkan pengguna mengakses informasi dari
berbagai piranti dalam berbagai jaringan selama
bergerak. Aktivitas ini termasuk servis direktori, dan
aplikasi telemetrik.
Kyaw et al. [10] menerapkan komputasi
bergerak pada industri, dengan melakukan
pendekatan rancangan berbasis manfaat yang
digunakan untuk merancang antar muka. Hasilnya
menunjukan bahwa responden puas dengan prototip
antar muka sistem dan kemudahan memperoleh
pengetahuan dibandingkan dengan sumber
berbentuk kertas.
2.2 Sistem Informasi Pengajaran
Menurut Ibrahim Kushchu [7], terdapat 2,5
milyar telepon bergerak yang telah digunakan dalam
berbagai keperluan. Dia menyatakan bahwa sekitar
80 persen populasi dunia tergabung dalam jaringan
untuk berkomunikasi. Pada tahun 2015 diperkirakan
akan ada 5 milyar pengguna telepon bergerak. [1].
Janet [8] mengusulkan sebuah prototip untuk
merancang antar-muka pelayanan informasi
pengajaran. Aplikasi bergerak ini menggunakan
.Net d i s i s i p e n g g u n a d a n a p l i k a s i J M E .
D i a menggunakan splash screen dalam
halaman utamanya sebelum masuk ke halaman
otentifikasi.
Peneliti menggunakan pendekatan kognitif
(pengamatan), pendapat pakar dan ujicoba pengguna
[6] sebagai metode pengembangan pelayanan
informasi pengajaran. Di sisi lain, Robin (1991)
menyelidiki suatu antar muka untuk produk
perangkat lunak dengan menerapkan empat teknik
yaitu evaluasi heuristic, petunjuk perangkat lunak,
pendekatan kognitif dan ujicoba kegunaannya.
Hasilnya, pendekatan kognitif dapat digunakan
untuk mengidentifikasi masalah kegunaan tetapi
tergantung pada pengetahuan dan pengalaman
pengguna.

standar yang ditetapkan oleh sebuah institusi


internasional yang bernama Institute of Electrical
and Electronic Engineers (IEEE), yang secara
umum sebagai berikut:
Standar IEEE 802.1 1a yaitu Wifi dengan
frekuensi 5 Ghz yang memiliki kecepatan 54
Mbps dan jangkauan jaringan 300 m
Standar IEEE 802.1 1b yaitu Wifi dengan
frekuensi 2,4 Ghz yang memiliki kecepatan 11
Mbps dengan jangkauan jaringan 100 m.
Standar IEEE 802.1 1g yaitu Wifi dengan
frekuensi 2,4 Ghz yang memiliki kecepatan 54
Mbps dan jangkauan jaringan 300 m.
Teknologi Wifi yang akan diimplementasikan
adalah standar IEEE 802.1 1g karena standar tersebut
lebih cepat untuk proses transfer data dengan
jangkauan jaringan yang lebih jauh serta dukungan
vendor (perusahaan pembuat hardware). Perangkat
tersebut bekerja di frekuensi 2,4 Ghz atau disebut
sebagai pita frekuensi ISM (Industrial, Scientific,
and Medical) yang juga digunakan oleh peralatan
lain, seperti microwave open, cordless phone, dan
bluetooth.

3. Metodologi Penelitian
Metodologi Penelitian Pembangunan Sistem
oleh Nunamaker et al. [12] akan digunakan dan
disesuaikan untuk melengkapi penelitian ini.
Metodologi merupakan bagian penting dari
pengembang aplikasi karena dapat menjelaskan
kemampuan dan perkembangan sistem. Gambar 3.1.
menunjukan metodologi yang akan disesuaikan
untuk pembangunan aplikasi pada penelitian ini.
Perulangan proses terjadi hingga produk akhir
dibangun. Metodologi ini mempunyai empat fase
yaitu pengumpulan informasi, rancangan prototip,
pembangunan prototip dan ujicoba serta
evaluasi.

2.3 Wireless Fidelity (Wifi)


Komunikasi nirkabel (wireless) telah menjadi
kebutuhan dasar atau gaya hidup baru masyarakat
informasi. Menurut Priyambodo [13], Wireless
Fidelity (Wifi) adalah suatu standar jaringan tanpa
kabel dengan komponen yang sesuai sehingga dapat
terkoneksi ke jaringan. Teknologi Wifi memiliki
KNSI 2014

Gambar 3.1 Metodologi Penelitian Pembangunan


Sistem [12]
3.1 Pengumpulan Informasi

65

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Pengumpulan informasi merupakan fase


yang diperlukan dalam pengembangan sistem.
Observasi dilakukan di Biro Administrasi
Akademik (BAA), Fakultas Ilmu Komputer
(FIK), Fakultas Ekonomi (FE) dan Biro
Pelaksana Teknis (BPT) Universitas Indo Global
Mandiri.
FIK dan FE bertanggung jawab
mengatur jadwal perkuliahan di fakultas, BAA
mengelola
penjadwalan
ruang
kuliah
universitas dan BPT bertanggung jawab
terhadap penjadwalan di laboratorium komputer.
Interview dilakukan kepada para staf BPT,
staf BAA dan staf admin fakultas agar
diketahui bagaimana penjadwalan kuliah, baik di
ruang kuliah maupun di laboratorium komputer.
Lebih lanjut, reservasi ruang kuliah dan
laboratorium komputer melalui staf BAA dan
BPT menimbulkan beberapa masalah, yaitu
keterbatasan tempat dan waktu. Dengan
mengembangkan Sistem Informasi Ruang
(SMR), informasi ketersediaan ruang kuliah
dan laboratorium komputer dapat diakses oleh
pengguna dari manapun dan kapanpun di
lingkungan kampus.

Gambar 3.3 Hubungan antar


tabel 3.2.2 Rancangan Antar Muka
Rancangan antar muka menggunakan
diagram use case yang mewakili aktivitas utama
dari setiap pengguna.

3.2 Perancangan Prototip


Prototip ini dirancang untuk digunakan
oleh dosen, staf admin FIK/FE, staf BAA dan
BPT. Gambar 3.2 menunjukan arsitektur
interaksi pengguna dengan Sistem Informasi
Ruang Kuliah (SMR).

Gambar 3.4 Diagram Use Case dari Sistem


Informasi Ruang (SMR)
3.3 Pembangunan Prototip
Rancangan diterjemahkan dalam kode
program menggunakan JME sebagai client dan
PHP sebagai server dan didukung oleh basis data
MySQL.
Aliran data SMR terlihat pada gambar 3.5.

Gambar 3.2 Arsitektur Sistem Informasi Ruang


Kuliah (SMR)

3.2.1 Rancangan Basis Data


Basis
data
dirancang
untuk
menyimpan informasi jadwal ruang kuliah atau
laboratorium komputer, ruang, program studi,
dosen dan waktu kuliah (gambar 3.3). Sistem
ini menggunakan MySQL sebagai basis data.

KNSI 2014

Gambar 3.5 Aliran Proses


SMR 3.4 Ujicoba dan Evaluasi
Evaluasi adalah bagian penting untuk
menilai capaian dari pengembangan sistem
prototip ini.

66

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Evaluasi
pengguna
SMR
dilakukan
dengan melibatkan 15 responden (5 staf dan 10
dosen).
Setiap
responden
akan
diberikan
penjelasan singkat mengenai penggunaan
SMR. Setiap pengguna akan diberikan waktu
untuk mempelajari dan menjelajahi isi dari
prototip. Setelah mereka selesai menggunakan
prototip, pengguna akan diberikan kuisioner
sebagai evaluasi SMR
Rancangan kuisioner diadopsi dari Davis [6] melalui
Technology Acceptance Model (TAM) yang
menjelaskan
penerimaan
pengguna
terhadap teknologi komputer. TAM meliputi
tiga dimensi yang dipersepsikan sebagai
kegunaan,
kemudahan
penggunaan
dan
karakteristik penggunaan. Secara umum, untuk
pengujian penggunaan difokuskan pada antar
muka pengguna [4].
Pengukuran evaluasi ini menggunakan
skala penilaian 5 poin. Nilai 1 untuk sangat tidak
setuju, 2 untuk tidak setuju, 3 untuk biasa, 4
untuk setuju dan 5 untuk sangat setuju.
4. Implementasi
Gambar (4.1-4.4) berikut merupakan
menu utama dan beberapa halaman proses dalam
SMR.

5. Kesimpulan dan Saran


Sistem Manajemen Ruang Kuliah
(SMR) dibangun untuk mencari informasi
ketersediaan ruang kuliah dan laboratorium
komputer, reservasi ruang kuliah/laboratorium
komputer, manajemen operasional (tambah,
sunting dan hapus data) informasi ruang
kuliah/laboratorium komputer.
Berdasarkan
hasil
survey
yang
menggunakan skala penilaian 5 poin dicatat
bahwa nilai rata-rata untuk seluruh pertanyaan
adalah antara 3,80 hingga 4,07. Ini berarti bahwa
responden setuju bahwa s i s t e m i n i c u k u p
m u d a h d i g u n a k a n d a n mempermudah
pengguna untuk mendapatkan informasi
ketersediaan
ruang
kuliah/laboratorium
komputer.
Sistem mendatang perlu menyediakan
fasilitas pe m ba t a l a n r e s e r va s i r ua n g,
ot o m a t i s a s i penghapusan reservasi ruang jika
jadwal tersebut sudah ditempuh (untuk jadwal
pengganti sementara) serta informasi kondisi dan
perlengkapan
ruangan
atau
laboratorium
komputer.
Daftar Pustaka:
[1]

[2]
[3]

Asheeta B., R. W.-W. C., Subramaniam


J., Peter, S., 2008, The Role of Mobile
Phones in Sustainable Rural Poverty
Reduction, ICT Policy Division Global
Information
and
Communications
Department (GICT).
Asoke, R. Y. R. a. K. T., 2007, Mobile
Computing, India, Tata McGraww Hill.
Barnum, C. M., 2002, Usability Testing
and Research, Pearson Education, Inc.

[4]

Beigl, M., 2004, Mobile Computing,


Retrieved March7, 2013
from
http://ubicomp.teco.edu/mobile_computing
.ht ml

[5]

ubley, D., 2008, The Relative Importance


of PC and Mobile-Based Internet Access.
Retrieved March 8,
2013
from
http://seekingalpha.com/article/60477therelative-importance-of-pc-andmobile-based- internet-access

[6]

Davis, D. F., and Arbor, A., 1989,


Perceived

[7]

Usefulness, Perceived Ease of Use, and


User

[8]

Acceptance of Information Technology,

[9]

September 1989, MIS Quarterly.

[10] Ibrahim
KNSI 2014

K.,

M.,

2007,

Positive

67

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

[11]

[12]
[13]

[14]
[15]

[16]

Contributions of Mobile Phones to


Society, Mobile Government Consortium
International, UK.
Janet L.W., D. F. V. D. W.,
2 0 0 5 , "Implementing Mobile Services:
Does the Platform Really Make a
Difference?", SAICSIT '05 Proceedings
of the 2005 annual research conference of
the South African institute of computer
scientists and information technologists on
IT research in developing countries, pp
208 216.
Jim H., M. H., 2004, The Future of mobile
technology and mobile wireless computing,
Emerald.
Kyaw H. Moe, B. D. a. R. v. O., 2004,
"Designing a Usable Mobile Application for
Field Data Collection", 7th AFRICON
Conference in Africa, pp 1187 - 1192 Vol.2.
MazlizaO., 2007, Introduction to Mobile
Computing and Communications, Auerbach
Publications.
Nunamaker, J. F., Jr.; Chen, M., 1990, Systems
Development in Information Systems
Research. Proceedings of the TwentyThird
Annual
Hawaii International
Conference, pp. 631 - 640 vol.3.
Priyambodo, T. dan Heriadi, D.,. 2005,
Jaringan
WI-FI
Teori
Dan
Implementasi, Yogyakarta: ANDI.

KNSI 2014

68

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-13
ANALISIS PERSEDIAAN BARANG DENGAN MODEL ECONOMIC
ORDER QUANTITY STUDI KASUS KANTOR BUPATI ASAHAN
SUMATERA UTARA
Safrian Aswati
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK)
LOGIKA MEDAN
Jl. K.L. Yos Sudarso No. 374-C Medan Sumatera Utara (061) 6632856
Adek_Qwe@yahoo.co.id

Abstrak
Hampir semua organisasi baik bisnis maupun biasa pasti memiliki persediaan dan tentunya melakukan kegiatan
persediaan yang tepat serta didukung dengan teknologi komputerisasi. Ketika penulis melakukan penelitian
pada Koperasi Kantor Bupati Asahan, penulis melihat sudah adanya penerapan sistem komputerisasi dalam
setiap aktifitas kerjanya. Dalam hal manejemen persediaan barang pada Koperasinya penulis melihat belum
adanya analisis dan sistem yang tepat. Melihat akan hal ini penulis mencoba untuk membuat usulan dalam
memanajemen pesediaan barang pada koperasinya dengan analisis persediaan barang model Economic Order
Quantity dan didukung dengan sistem komputerisasi berupa program juga nantinya. Hal ini penulis lakukan guna
mengetahui sejauh mana sistem yang sedang berjalan pada Koperasi Kantor Bupati Asahan, terutama dalam
sistem persediaan barang dan apabila terdapat kelemahan atau ketidak efisiensi maka sistem yang baru nantinya
diupayakan dapat mengatasi kelemahan kelemahan dari sistem yang sedang berjalan. Dengan analisis ini
nantinya akan didapat jumlah persediaan akan datang yang akan dipesan kembali jika per sediaan awal
mendekati habis serta total biaya minimum yang dikeluarkan untuk memesan persediaaan yang akan datang.
Dari Proses pembuatan sistem ini, dapat diketahui bahwa untuk menyusun suatu sistem informasi yang baik,
tahap-tahap yang perlu dilakukan adalah dengan mempelajari sistem yang ada atau yang berlaku saat ini,
merumuskan permasalahan yang ada, mencari alternatif penyelesaian untuk masalah yang ada, kemudian
merancang suatu sistem yang dapat mengatasi masalah serta mengimplementasikan sistem yang dirancang.
Kata kunci : persediaan, koperasi, EOQ, barang
1. PENDAHULUAN
1.1

Latar Belakang Masalah

Dimasa era globalisasi sekarang ini, Koperasi


Kantor Bupati Asahan sudah memanfaatkan
perkembangan teknologi informasi tersebut dengan
menggunakan komputer dalam setiap aktifitas
kerjanya seperti dalam hal pengolahan data.
Penggunaan komputer ini sangatlah tepat sekali,
guna menghindari hal-hal yang tidak diinginkan
terjadi, seperti kehilangan data yang akan diolah
serta keterlambatan pada saat melakukan pekerjaan.
Ketika penulis melaksanakan penelitian pada
Koperasi Kantor Bupati Asahan khususnya dalam
persediaan barang, penulis melihat belum adanya
sistem yang maksimal serta belum didukung dengan
analisis yang baik dalam hal memanajemen
persediaan barang. Analisis persediaan barang
merupakan hal yang sangat penting untuk
mengetahui seberapa banyak total persediaan barang
yang akan datang ketika persediaan awal mendekati

KNSI 2014

habis, mengetahui berapa biaya maksimum yang


dikeluarkan untuk memesan persediaan barang yang
akan datang serta mengetahui berapa kali frekuensi
pemesanan selama kegiatan persediaan barang
berlangsung. Melihat akan hal ini penulis merasa
sangat tertarik untuk membuat analisis persediaan
barang pada Koperasi Kantor Bupati Asahan dengan
Model Economic Order Quantity untuk menjawab
hal tersebut diatas. Analisis ini nantinya juga akan
didukung dengan sistem komputerisasi berupa
sebuah program aplikasi yang mudah untuk
dipahami dan sesuai dengan konsep Model
Economic Order Quantity.
1.2

Rumusan Masalah
Sesuai dengan latar belakang masalah di atas
maka penulis akan menjabarkan beberapa rumusan
masalah pada bagian ini yaitu :
1. Apakah sudah ada analisis yang tepat dalam
manejemen persediaan barang pada Koperasi
Kantor Bupati Asahan ?

69

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

2.

3.

Bagaimana membuat analisis persediaan yang


baik dalam memanajemen kegiatan persediaan
pada Koperasi Kantor Bupati Asahan ?
Bagaimana merancang sebuah sistem dengan
komputerisasi guna mendukung analisis
persediaan barang ?

1.3

Ruang Lingkup
Adapun ruang lingkup pembahasan yang
penulis angkat dalam penulisan makalah ini adalah :
1. Mengangkat pembahasan mengenai konsep
persediaan serta analisis persediaan dengan
model Economic Order Quantity
2. Hasil dari analisis berupa quantity persediaan
akan datang, biaya minimum, frekuensi
pemesanan kembali pesediaan serta yang
terkait dengan model Economic Order Quantity
3. Analisis pesediaan ini juga didukung dengan
program aplikasi

4.
5.
6.

Seleksi sistem (System Selection).


Perancangan sistem (Systems Design) secara
umum.
Implementasi dan pemeliharaan sistem (System
Implementation & Maintenance).

Siklus hidup pengembangan sistem dengan


langkah-langkah utamanya adalah sebagai berikut :

2. LANDASAN TEORITIS
2.1

Pengembangan Sistem Dan Prinsipnya


Pengembangan sistem dapat berarti
menyusun suatu sistem yang baru untuk
menggantikan sistem yang lama secara keseluruhan
atau memperbaiki sistem yang telah ada. Perlunya
pengembangan sistem dikarenakan
1. Adanya permasalahan (problem) yang timbul
pada sistem yang lama.
Permasalahan yang timbul dapat berupa :
a. Ketidakberesan.
b. Pertumbuhan organisasi.
2. Untuk meraih kesempatan (opportunities).
3. Adanya instruksi-instruksi (directives).
Adapun prinsip dari pengembangan sistem
terdiri dari :
1. Sistem yang dikembangkan adalah untuk
manajemen.
2. Sistem yang dikembangkan adalah investasi
modal yang besar.
Investasi modal harus mempertimbangkan 2 hal :
a. Semua alternatif yang ada harus diinvestigasi
b. Investasi yang terbaik harus bernilai
3.
4.
5.
6.

Sistem yang dikembangkan memerlukan orang


yang terdidik.
Proses pengembangan sistem tidak harus urut.
Jangan takut membatalkan proyek.
Dokumentasi harus ada untuk pedoman dalam
pengembangan sistem.

Tahapan utama siklus hidup pengembangan


sistem terdiri dari :
1. Perencanaan sistem (Systems Planning).
2. Analisis sistem (System Analysis).
3. Perancangan Sistem (Systems Design) secara
umum.
KNSI 2014

Gambar 2.1 Siklus Hidup Pengembangan Sistem

2.2

Analisis Sistem
Analisis sistem adalah penguraian dari
suatu sistem informasi yang utuh ke dalam bagianbagian komponennya dengan maksud untuk
mengidentifikasikan
dan
mengevaluasi
permasalahan-permasalahan,
kesempatankesempatan, hambatan-hambatan yang terjadi dan
kebutuhan-kebutuhan yang diharapkan sehingga
dapat diusulkan perbaikan-perbaikan. Tahap analisis
merupakan tahap yang kritis dan sangat penting,
karena kesalahan didalam tahap ini akan
menyebabkan juga kesalahan ditahap selanjutnya.

2.3

Konsep Persediaan
Persediaan dapat diartikan sebagai barangbarang yang disimpan untuk dipergunakan atau
dijual pada masa atau periode yang akan datang.
Persediaan terdiri dari persediaan bahan baku,
persediaan bahan setengah jadi dan persediaan
barang jadi. Persediaan bahan setengah jadi dan
persediaan bahan baku disimpan sebelum digunakan
atau dimasukkan kedalam proses produksi,
sedangkan persediaan barang jadi atau barang
dagangan disimpan sebelum dijual atau dipasarkan.
Dengan demikian setiap perusahaan yang melakukan
kegiatan usaha umumnya memiliki persediaan.
Ada beberapa macam klasifikasi inventori,
menurut Dobler at al, ada beberapa klasifikasi

70

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

inventori yang digunakan oleh perusahaan, antara


lain :
1. Inventori Produksi
Yang termasuk dalam klasifikasi invetori
produksi adalah bahan baku dan bahan-bahan
lain yang digunakan dalam proses produksi dan
merupakan bagian dari produk. Bisa terdiri dari
dua tipe yaitu item spesial yang dibuat khusus
untuk spesifikasi perusahaan dan item standart
produksi yang dibeli secara off the self.
2. Inventori MRO (Maintaintenance Repair and
Operating Supplies)
Yang termasuk dalam katagori ini adalah
barang yang digunakan dalam proses produksi
namun tidak merupakan bagian dari produk.
Seperti pelumas dan pembersih.
3. Inventori In Process
Yang termasuk dalam katagori inventori ini
adalah produk setengah jadi. Produk yang
termasuk dalam katagori inventori ini bisa
ditemukan dalam berbagai proses produksi.
4. Inventori Finished Goods
Semua produk jadi yang siap untuk dipasarkan
termasuk dalam katagori inventori finished
goods. PT XYZ adalah sebuah swalayan yang
menjual produk-produk yang siap untuk
dipakai. Tidak ada proses pengolahan yang ada
disana, sehingga semua inventori yang
dimilikinya termasuk dalam katagori ini.
2.4

Biaya Persediaan

Biaya Persiapan (setup costs)


1. Biaya mesin-mesin penganggur
2. Biaya persiapan tenaga kerja langsung
3. Biaya scheduling (penjadwalan)
4. Biaya ekspedisi
Biaya Kehabisan/kekurangan Bahan (shortage
costs)
1. Kehilangan penjualan
2. Kehilangan langganan
3. Biaya pemesanan khusus
4. Biaya ekspedisi
5. Selisih harga
6. Terganggunya operasi
7. Tambahan pengeluaran kegiatan manajerial
Biaya Pemesanan (order costs)
1. Pemrosesan pesanan dan biaya ekspedisi
2. Upah
3. Biaya telpon
4. Pengeluaran surat menyurat
5. Biaya pengepakan dan penimbangan
6. Biaya pemeriksaan penerimaan
7. Biaya pengiriman ke gudang
8. Biaya hutang lancar
Biaya Penyimpanan (holding cost/carrying costs)
1. Biaya fasilitas-fasilitas penyimpanan, mis:
penerangan, pemanas, pendingin, dll)

KNSI 2014

2.
3.
4.
5.
6.
7.
8.

2.5

Biaya modal (opportunity cost of capital)


Biaya keusangan
Biaya penghitungan fisik dan konsiliasi
laporan
Biaya asuransi
Biaya pajak persediaan
Biaya pencurian, pengrusakan, atau
perampokan
Biaya penanganan persediaan

Economic Order Quantity (EOQ)

Menghindari kekurangan dan kelebihan


persediaan yang dibutuhkan untuk memenuhi
kebutuhan produksi. Beberapa hal yang dianggap
penting menurut Ahyari dalam bukunya efisiensi
persediaan bahan (1999:48) yaitu : waktu rata-rata
yang diperlukan untuk memesan, pemakaian ratarata dalam waktu rata-rata, biaya untuk menyimpan
apabila ada persediaan yang berlebih, dan kerugian
yang mungkin bila persediaan berkurang.
Economic
Order
Quantity
(EOQ)
merupakan salah satu model manajemen persediaan,
model EOQ digunakan untuk menentukan kuantitas
pesanan persediaan yang dapat meminimalkan biaya
penyimpanan dan biaya pemesanan persediaan.
Economic Order Quantity (EOQ) adalah jumlah
kuantitas barang yang dapat diperoleh dengan biaya
yang minimal, atau sering dikatakan sebagai jumlah
pembelian yang optimal.
Dalam kegiatan normal Model Economic
Order Quantity memiliki beberapa karakteristik
antara lain :
a. Jumlah barang yang dipesan pada setiap
pemesanan selalu konstan.
b. Permintaan konsumen, biaya pemesanan, biaya
transportasi dan waktu antara pemesanan barang
sampai barang tersebut dikirim dapat diketahui
secara pasti, dan bersifat konstan,
c. Harga per unit barang adalah konstan dan tidak
mempengaruhi jumlah barang yang akan
dipesan nantinya, dengan asumsi ini maka harga
beli menjadi tidak relevan untuk menghitung
EOQ, karena ditakutkan pada nantinya harga
barang akan ikut dipertimbangkan dalam
pemesanan barang,
d. Pada saat pemesanan barang, tidak terjadi
kehabisan barang atau back order yang
menyebabkan perhitungan menjadi tidak tepat.
Oleh karena itu, manajemen harus menjaga
jumlah pemesanan agar tidak terjadi kehabisan
barang,
e. Pada saat penentuan jumlah pemesanan barang
kita tidak boleh mempertimbangkan biaya
kualitas barang,
f. Biaya penyimpanan per unit pertahun konstan.

71

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Besarnya EOQ dapat ditentukan dengan


berbagai cara, menurut Hansen dan Mowen
(2005:472) Economic Order Quantity akan
menentukan jumlah pesanan persediaan yang
meminimumkan biaya pemesanan dan biaya
penyimpanan.
EOQ adalah jumlah unit (kuantitas) barang
yang dapat dibeli dengan biaya minimal. Tujuan
model persediaan ini adalah menentukan jumlah
pesanan yang dapat meminimumkan biaya
penyimpanan
dan
biaya
pemesanan
persediaan.Dengan menggunakan perhitungan EOQ,
maka persediaan yang ada di dalam gudang tidak
terlalu banyak, tapi juga tidak akan terlalu sedikit.
Sehingga aktivitas perusahaan tidak terganggu
karenanya.Salah satu masalah dalam menentukan
analisis EOQ adalah bahwa sulit bagi kita untuk
dapat menentukan titik pemesanan kembali. Bahwa
titik pemesanan kembali diperlukan untuk mencegah
terjadinya kehabisan stok (kekurangan) selama
waktu antara melakukan pemesanan dan penerimaan
pesanan tersebut.
Jumlah pesanan pada setiap pembelian
(Q) yang optimal akan memperoleh total biaya
persediaan (TC) yang minimal. Secara matematis
jumlah pesanan yang optimal (Q*) dapat dihitung
sebagai berikut :
TC = HxQ/2 + C.R/Q

atau

CR
H
=
Q2
2
2
CR
Q2 =
H
2CR
Q* =
H

Persamaan untuk kuantitas pembelian optimal :


EOQ = Q* = 2 CR / H
H
= P f
B
= RL / N
Di mana:
R : Permintaan perbulan (unit).
C : Biaya pemesanan setiap pesanan (Rp).
Q : Jumlah setiap pesanan pada setiap pembelian
(unit).
H : biaya penyimpanan perunit (Rp).
P : harga pembelian (Rp) perunit.
f :biaya penyimpanan perunit yang dinyatakan
dalam persentase.
B : titik pemesanan kembali (unit).
L : waktu tunggu (Lead time).
N :banyaknya periode lead time dalam periode
permintaan

KNSI 2014

Gambar 2.2 Hubungan Biaya Simpan Dan Biaya Pemesanan

2.4

Titik Pemesanan Kembali


Reorder point adalah saat titik di mana
harus diadakan pesanan lagi sedemikian rupa
sehingga kedatangan atau penerimaan barang yang
dipesan
itu
adalah
tepat
pada
saat
dibutuhkan.Pemesanan kembali ini perlu dilakukan
oleh perusahaan pada setiap periode untuk
mencegah terjadinya kekurangan barang. Sehingga
aktivitas perusahaan tidak terganggu.
3. Analisis Dan Perancangan
3.1

Analisa Persediaan Barang


Dalam bagian ini penulis menjabarkan
mengenai konsep analisis Economic Order Quantity.
Diketahui terdapat 10.000 kg per tahun gula pasir
yang terjual pada Koperasi Kantor Bupati Asahan.
Biaya pemesanan untuk pengadaan persediaan gula
pasir tersebut adalah sebesar Rp 150,-/order. Biaya
simpan yang terjadi sebesar Rp 0,75/u/tahun. Hari
kerja per tahun (Koperasi dalam keadaan beroperasi)
adalah 350 hari. Waktu tunggu (lead time) untuk
pengiriman persediaan gula pasir tersebut selama 10
hari
Pertanyaan:
1. Hitunglah EOQ
2. Berapa total biaya yang dikeluarkan
Koperasi Kantor Bupati Asahan untuk
pengadaan gula pasir tersebut
3. Berapa kali Koperasi Kantor Bupati Asahan
melakukan pemesanan dalam 1 tahun
4. Berapa lama EOQ akan habis dikonsumsi
Koperasi Kantor Bupati Asahan
5. Tentukan reorder point (titik pemesanan
kembali)
6. Bagan persediaan Koperasi Kantor Bupati
Asahan

EOQ =

2x150x10.000 = 2000 unit


0.75
TC = HxQ/2 + C.R/Q = (0.75 x 2000/2) + (150 x
10000/2000)
= Rp 750,- + Rp 750,- = Rp 1500,Jumlah pemesanan/th = D/Q

72

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

= 10000/2000 = 5 kali
Durasi habisnya EOQ = 350/5 = 70 hari
Reorder point = L. D/hari kerja setahun
= 10 x (10000/350) = 285. 7 hari
3.2
Perancangan Sistem

Gambar 3.1 Aliran Sistem Informasi

MANAGER

Cek Daftar
Barang Dan
Buat DPB

Daftar Pemesanan
Barang

KASIR

MANAJER

ADMIN

Laporan 2
Pembelian
Barang

Input Data
Transaksi
Pembelian
Barang

Daftar Pemesanan
Barang

LAP. PEMBELIAN BARANG, LAP. PENJUALAN


BARANG, LAP. PERSEDIAAN BARANG

KONSUMEN

FAKTUR PEMESANAN BARANG


YG TELAH DI CEK

KASIR

Faktur
2
Pemesanan
Barang yg telah
di cek

LAPORAN PENJUALAN
BARANG,LAP PERSEDIAAN
BARANG FAKTUR PEMBAYARAN

LAP.PEMBELIAN BARANG

ADMIN

Daftar Barang

DAFTAR PEMESANAN BARANG, FAKTUR


PEMESANAN BARANG YG TLAH DICEK,
DAFTAR PERMINTAAN BARANG YG TLAH
DICEK

0
SISTEM INFORMASI
PERSEDIAAN BARANG
PADA TOKO ASB

DAFTAR PERMINTAAN BARANG YG TELAH


DI CEK

BAG.GUDANG

Daftar Barang

DAFTAR PERINTAAN BARANG

BAG. GUDANG

DAFTAR BARANG, FAKTUR


PEMESANAN BARANG

DAFTAR PEMESANAN BARANG

DAFTAR BARANG, FAKTUR PEMESANAN


BARANG, DAFTAR PERMINTAAN BARANG

BON PEMBAYARAN

Berikut adalah perancangan sistem yang


dibuat dalam bantuk aliran sistem informasi, context
diagram dan data flow diagram level 0, entity
relationship diagram serta perancangan user
interface.
SUPPLIER

SUPPLIER

KONSUMEN

Gambar 3.2 Context Diagram

A
Faktur Pemesanan
Barang
1
Laporan Pembelian
Barang

Cek FPB &


Barang
Masuk

Cek Daftar
Pesanan & Buat
FPB

Daftar Barang

Faktur Pemesanan1
Barang

Faktur pemesanan 1
Barang yg telah di
cek

2
Daftar Barang
Buat
daftar
permint
aan
barang

Daftar
Permintaan
Barang

Daftar Permintaan
Barang
2
Daftar Permintaan
Brg Yg Telah Di Cek

Cek Daftar
permintaan
Barang

Input Data Transaksi


Penjualan Barang

Daftar Permintaan 1
Brg Yg Telah Di
Cek

2
1
Laporan Penjualan
Barang

Laporan
Penjualan
Barang

Laporan Persedian1
Barang

Laporan 2
Persedian
Barang

Faktur
Pembayaran

2
Faktur
Pembayaran

Daftar Barang

Daftar Barang Yg
Telah Dicek

SUPPLIER

Daftar Barang Yg
Telah Dicek
1.0

2.0

3.0

MENYERAHKAN
DAFTAR
BARANG

CEK DAFTAR
BARANG DAN
BUAT DPB

CEK DPB DAN


BUAT FPB

Data Supplier

Data Supplier
D1

SUPPLIER

D2

JENIS

D3

ORDER

D4

BARANG

D5

JUAL

9.0

Data Jenis

Data Jenis

Lap. Transaksi Pembelian,


Lap. Transaksi Penjualan,
Lap. Persedian Barang

Daftar
Barang
Faktur
Pemesanan
Barang

BAG. GUDANG

5.0
INPUT DATA
TRANSAKSI
PEMBELIAN

Daftar Barang
Faktur
Pemesanan
Barang
4.0

CEK FPB DAN


BARANG MASUK

Daftar
Permintaan
Barang

Faktur Pemesanan
Barang Yg Telah Di
Cek

7.0

CEK DAFTAR
PERMINTAAN
BARANG

Daftar Permintaan
Barang Yg Telah Di
Cek

Data Order

BUAT LAPORAN

Data Barang

Data Barang

ADMIN

Faktur Pemesanan
Barang Yg Telah Di
Cek

MANAJER

Data Order

Data Barang

Data Jual

Data Jual

Daftar
Permintaan
Barang Yg Telah
Di Cek

KASIR

8.0

INPUT DATA
TRANSAKSI
PENJUALAN

Faktur
Pembayaran

6.0

Daftar
Permintaan
Barang

MENYERAHKAN
DAFTAR
PERMINTAAN
BARANG

Daftar Permintaan Barang

KONSUMEN

Gambar 3.3 Data Flow Diagram Level 0

KNSI 2014

73

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
tgl_order

tot_beli

kd_brg

discount

nm_sup

alamat

kd_sup

hrg_beli

kd_sup

telp

kd_o

jumlah

SUPPLIER

ORDER

miliki

miliki

JUAL

BARANG

miliki

no_faktur

tgl_jual

kd_brg

satuan

kd_brg

jml_jual

kd_jenis

hrg_sat

nm_brg

jml_brg

tot_bayar

JENIS

miliki

ket

kd_jenis

Gambar 3.4 Entity Relationship Diagram

MENU

FILE

TRANSAKSI

LAPORAN

INFORMASI

Jenis

Jenis

EXIT

Supplier
Keluar

Barang

Barang

Persediaan

Supplier

Pembelian

Supplier

Pembelian

EOQ

Penjualan

Pembelian

Penjualan
Perhari

Penjualan

Penjualan
Perbulan

Gambar 3.5 User Interface

KNSI 2014

74

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

3.2

Perancangan Input

TOKO
ASBAsahan
KoperasiJln.Depan
Kantor
Bupati
Terminal Blok D No.12 Bukittinggi

TOKO
ASBBupati
Koperasi
Kantor

Telp. (0752) 22762 Hp.085668966117

Jln.Depan Terminal Blok D No.12 Bukittinggi

Asahan

Telp. (0752) 22762 Hp.085668966117

ENTRY DATA SUPPLIER

ENTRY DATA BARANG


Kode Barang

X(16)

Nama Barang

X(30)

Kode Jenis

X(9)

Keterangan

X(25)

Satuan Barang

X(5)

Harga Barang

9(5)

Stock Barang

9(5)

Batal
X(16)

Kode Supplier

X(5)

Nama Supplier

X(30)

Satuan Barang

X(30)

No Telpon

X(15)

Exit

Back

Delete

Exit

Save

Batal
X(16)

Save

Back

Delete

Gambar 3.10 Rancangan Input Data Supplier

Ga
mbar 3.6 Rancangan Input Data Barang

ANALISA ECONOMIC ORDER QUANTITY


(EOQ)

TOKO ASB

Koperasi
Kantor
Bupati
Jln.Depan Terminal
Blok D No.12
Bukittinggi
Asahan
Telp. (0752)
22762 Hp.085668966117

Kebutuhan/Tahun

(D)

9(4)

Biaya Pesan [Rp.]

(CS)

9(8)

Biaya Simpan [Rp.]

(CS)

9(8)

ENTRY DATA JENIS BARANG


Kode Jenis

X(8)

Keterangan

X(25)

X(16)
Batal

Proses
Jumlah Optimum Unit/Order

(Q)

9(4)

Jumlah Optimum Order/Tahun

(V)

9(4)

Waktu Interval Pemesanan/Hari

(F)

9(4)

Refresh

Exit

Save

Exit

Delete

Gambar 3.11 Rancangan Input Analisis EOQ

Back

TOKO ASB
Jln. Depan Terminal Blok D.no !2 Bukittinggi
Telp (0752) 22761

Koperasi Kantor Bupati Asahan


LAPORAN DATA SUPPLIER
Periode : 99-9999

Gambar 3.7 Rancangan Input Data Jenis Barang


TOKO ASB

Hal : 99
No

Kode Supplier

Nama Supplier

Alamat

No_Telp

99

X(10)

X(25)

X(55)

X(16)

99

X(10)

X(25)

X(55)

X(16)

Jln.Depan Terminal Blok D No.12 Bukittinggi

Koperasi Kantor Bupati Asahan


Telp. (0752) 22762 Hp.085668966117

ENTRY DATA PEMBELIAN BARANG


No Faktur Pembelian

X(8)

Kode Supplier

X(8)

Tanggal Pembelian

7/10/2010

Nama Supplier

X(25)

Kode Barang

X(8)

Jumlah Beli

9(8)

Nama Barang

X(25)

Discount

9(8) %

Satuan Barang

X(5)

Stock Akhir

9(8)

Stock Awal

9(8)

Total Pembelian

9(8)

Harga Beli

9(8)

Bukit Tinggi, 99/99/9999


Pimpinan

Batal
X(16)

Save

Exit

Delete

Gambar 3.12 Rancangan Output Data Supplier


TOKO ASB
Jln. Depan Terminal Blok D.no12 Bukittinggi
Telp (0752) 22761
LAPORAN PERSEDIAAN BARANG
Dd/mm/yyyy

Koperasi Kantor Bupati


Asahan

Back

Gambar 3.8 Rancangan Input Data Pembelian Barang


Kode Jenis
Keterangan

: X(10)
: X(25)
Hal : 99

TOKO ASB

Koperasi Kantor Bupati Asahan


Jln.Depan Terminal Blok D No.12 Bukittinggi

No

Kode Barang

Nama Barang

Satuan Barang

Harga

Stock

99

X(10)

X(25)

X(40)

X(16)

X(6)

99

X(10)

X(25)

X(40)

X(16)

X(6)

Telp. (0752) 22762 Hp.085668966117

ENTRY DATA PENJUALAN BARANG


Tanggal Penjualan

No Faktur Penjualan

X(8)

7/10/2010

Kode Barang

X(8)

Jumlah Beli

9(8)

Nama Barang

X(25)

Jumlah Jual

9(8)

Satuan Barang

X(5)

Stock Akhir

9(8)

Stock Awal

9(8)

Total Pembelian

9(8)

Bukit Tinggi, 99/99/9999


Pimpinan

Batal
X(16)

Save

Exit

Delete

Gambar 3.13 Rancangan Output Data Persediaan Barang


Back

Gambar 3.9 Rancangan Input Data Penjualan Barang

KNSI 2014

75

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
TOKO ASB
Jln. Depan Terminal Blok D.no 12 Bukittinggi
Telp (0752) 22761

ringan dan cepat dan juga


membantu pimpinan dalam
keputusan.

Koperasi Kantor Bupati Asahan


LAPORAN PEMBELIAN PERBULAN

Bulan : 99-9999

akan sangat
pengambilan

Hal : 99
No

No. Faktur

Tanggal
Pembelian

Kode Supplier

Kode Barang

99

X(10)

99-99-9999

X(10)

X(10)

99

X(10)

99-99-9999

X(10)

X(10)

Harga Beli

Discount

Total
Pembayaran

X(6)

X(16)

X(16)

9(16)

X(6)

X(16)

Jumlah Beli

X(16)

4.2

9(16)

1.
Bukittinggi, 99/99/9999
Pimpinan

Gambar 3.14 Rancangan Output Data Pembelian

2.

TOKO ASB
Jln. Depan Terminal Blok D.no12 Bukittinggi
Telp (0752) 22761

Koperasi Kantor Bupati Asahan


LAPORAN PENJUALAN PERHARI

Hari

X(8)

Tanggal

99-99-9999
Hal : 99
Total
Pembayaran

No. Faktur

Kode Barang

Tanggal
Penjualan

Jumlah Penjualan
Barang

99

X(10)

X(10)

99-99-9999

X(16)

9(16)

99

X(10)

X(10)

99-99-9999

X(16)

9(16)

No

Bukit Tiggi, 99/99/9999


Pimpinan

3.

4.

Gambar 3.15 Rancangan Output Data Penjualan Perhari


TOKO ASB
Jln. Depan Terminal Blok D.no12 Bukittinggi
Telp (0752) 22761
LAPORAN PENJUALAN PERBULAN

Bulan : 99-9999
Hal : 99

No

99

No. Faktur

Kode Barang

Tanggal
Penjualan

Jumlah Penjualan

X(10)

X(10)

99-99-9999

X(16)

Saran
Untuk mengakhiri penulisan makalah ini,
maka penulis penyampaikan beberapa saransaran yaitu :
Agar sistem yang dirancang dapat bekerja
secara efektif dan efisien maka diperlukan
tenaga terampil dalam pengoperasian aplikasi
yang dibuat.
Dalam menerapkan sistem komputerisasi
sebaiknya didukung oleh perangkat yang
memadai, baik dari segi manusia (Brainware)
maupun segi peralatannya (Software dan
Hardware).
Mencoba sistem yang dirancang dan
membandingkan dengan sistem yang lama,
apabila ternyata sistem yang telah dirancang
lebih efisien dan efektif maka disarankan untuk
memakai sistem yang dirancang ini.
Dalam rancangan sistem yang baru ini
diharapkan pihak Koperasi Kantor Bupati
Asahan
mengevaluasi aplikasi pembelian,
penjualan dan persediaan (Inventory) ini dan
memberikan masukan-masukan jika ditemukan
kekurangan-kekurangan agar sistem yang baru
dirancang ini dapat diperbaiki kembali supaya
lebih sempurna adanya.

Total
Pembayaran

9(16)

DAFTAR PUSTAKA
99

X(10)

X(10)

99-99-9999

9(16)

X(16)

Bukit Tinggi, 99/99/9999


Pimpinan

[1]

Fathansyah, Ir, 1999, Basis Data, CV.


Informatika, Bandung.

[2]

Jogiyanto, H.M, 1989, Analisa dan Disain


Sistem Informasi, Andi Offset, Yokyakarta.

[3]

Kristanto, Andri, 2003, Perancangan Sistem


Informasi dan Aplikasinya, Gaya Media,
Yokyakarta..

Gambar 3.16 Rancangan Output Data Penjualan Perbulan

4. KESIMPULAN DAN SARAN


4.1

Kesimpulan
Dari uraian masalah diatas yang telah
penulis kemukakan pada bab-bab sebelumnya, serta
berdasarkan pada analisa dari data-data yang ada,
maka dapat penulis tarik beberapa kesimpulan:
1. Dengan rancangan sistem ini, pembuatan
laporan-laporan yang berhubungan dengan
informasi pembelian dan penjualan dapat dibuat
secara cepat, tepat dan dapat meminimalkan
kesalahan-kesalahan.
2. Tujuan dari sistem ini dirancang adalah untuk
dapat
membantu
mempercepat
proses
pembuatan laporan/informasi sesuai dengan
yang diinginkan. Dan pengaplikasian teknologi
yang ada sekarang ini.
3. Dengan menerapkan sistem yang baru ini
pekerjaan
karyawan
yang
melakukan
pengolahan data persediaan barang akan lebih
KNSI 2014

[4] Mcleodd, Reymond, 1993, Management


Information System A Study Of Based
Information System Fith, Edition Mac Milan,
Publishing Company, New York.
[5]

Nugroho, Eko, 2001, Bahasa-bahasa


Pemograman, Andi Offset, Yogyakarta

[6] Pamungkas, Ir, 2000, Tip & Trik Microsoft


Visual Basic 6.0, Penerbit P.T.Elexmedia
Computindo, Jakarta.

76

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

[7]

Pramono, Joko, 1999, Mudah Menguasai


Visual Basic 6, PT.Elex Media Komputindo,
Jakarta.

[8]

Rangkuti, Freddy, 2002, Manajemen


Persediaan, PT.Raja Grafindo Persada,
Jakarta.

[9] Softjan, Assauri, 1998, Manajemen Produksi


Dan Operasi, Lembaga Penerbit Fakultas
Ekonomi Universitas Indonesia, Jakarta.
[10] Suryo Kusumo, Ario, 2000, Buku Latihan
Microsoft Visual Basic 6.0, PT.Elex Media
Komputindo, Jakarta.
[11] Soemarsono, 1996, Akutansi Suatu
Pengantar, Fakultas Ekonomi Universitas
Indonesia, Jakarata.
[12] Udayana, Jusuf, 1994, Teori Organisasi :
Struktur, Desain, dan Aplikasi, Arcan,
Jakarta.
[13] Arbi,.2004. Manajemen Database Dengan
MySQL, Yogyakarta: Andi.
[14]
http://Yohanesvirdaus.ordpress.com/2008/02/04/pen
gelompokan-dan-klasifikasi -komputer/
[15] http://kangtarto.blogspot.com/2008/01/konsepdan-perencanaan-dalam-automatisasi.html

KNSI 2014

77

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-14
SISTEM INFORMASI ABSENSI DOSEN SECARA ONLINE DI
PERGURUAN TINGGI
Farida Amalya, Skom, Mmsi1
Bagian Keuangan Gedung empat lantai satuPerguruan Tinggi
Jln. Margonda Raya No.100 Depok

Email : Farida_a@staff.gunadarma.ac.id1
Faridaamalya@gmail.com1

Abstrak
Perguruan Tinggi sedang berusaha meningkatkan fasilitas yang tersedia, khususnya pada sistem absensi Dosen.
Dimana terdapat beberapa kampus yang tidak berada dalam satu tempat. Dan tentunya agar sistem penghitungan
absensi dosen cepat, tepat dan efisien maka diperukannya sistem absensi Dosen online. Pelaporan absensi
perminggu yang diberikan yang dilakukan dengan metode manual, Demikin data untuk menghitung totalan
rekapan seluruh kampus perbulan yang di tulis secara manual dan dihitung secara manual, hal ini tentu saja tidak
efisien, mengingat jumlah dosen yang juga terhitung banyak. Tujuan dari penulisan ini adalah untuk membuat
perancangan sistem absensi Dosen berbasis Komputer, pelaporan absensi perminggu dan perbulan secara online.
Sistem ini diimplementasikan dalam bentuk situs web yang dapat diakses melalui internet. Keberadaan situs web
ini pelaporan absensi dosen oleh petugas monitoring dosen tanpa harus datang ke bagian keuangan. Dengan
sistem ini diharapkan dapat memudahkan pelaporan dan penghitungan absensi Dosen.
Kata Kunci : sistem informasi, absensi

PENDAHULUAN
1.

Latar Belakang Masalah

Untuk mendukung strategi bisnis sebuah


perusahaan diperlukan suatu strategi sistem
informasi dan teknologi informasi (TI).(Ward and
Pepard Joe, 2002). Menurut (Jogianto,2001) Sistem
dapat diartikan sebagai kumpulan elemen- elemen
yang saling berkaitan dan bertanggung jawab
memproses masukan (input) sehingga menghasilkan
pengeluaran (output).
Perguruan Tinggi swasta salah satu
unggulan di Indonesia. Yang mempunyai kurang
lebih 1000 Dosen. Karyawan adalah asset
(kekayaan) utama setiap perusahaan yang selaluikut
aktif berperan dan paling menentukan tercapai
tidaknya tujuan perusahaan. Karyawan yang
merasakan kepuasan bekerja akan memiliki
semangat kerja, sikap dan loyalitas yang tinggi pada
perusahaan. Sebaiknya jika karyawan tidak
merasakan kepuasan dalam bekerja maka
kedisiplinanya akan menurun, tinkat kehadiran
meningkat, produktivitas rendah dan tingkat
perputaran karyawan yang tinggi.(Dirya & Rika,
2008). Perguruan Tinggi sedang berusaha
meningkatkan fasilitas yang tersedia, khususnya
KNSI 2014

pada sistem absensi Dosen. Dimana terdapat


beberapa kampus yang tidak berada dalam satu
tempat. Dan tentunya agar sistem penghitungan
absensi dosen cepat, tepat dan efisien maka
diperukannya sistem absensi Dosen online.
Pelaporan absensi perminggu yang diberikan yang
dilakukan dengan metode manual, yaitu dengan
mengunaka kertas dirasakan kurang efisien dalam
masalah waktu. Sehingga dalam pelaporan
mingguan memerlukan waktu yang lama. Dimana
rekapan absensi harus dilaporkan perbulan. Demikin
data untuk menghitung totalan rekapan seluruh
kampus perbulan yang di tulis secara manual dan
dihitung secara manual, oleh karena itu dibutuhkan
beberapa kertas untuk mencatat data kehadiran, hal
ini tentu saja tidak efisien, mengingat jumlah dosen
yang juga terhitung banyak.
Peningkatan jumlah mahasiswa akan
berpengaruh pada peningkatan jadwal mengajar
dosen. Namun pelaporan data absensi perkampus
oleh petugas monitoring dosen memerlukan waktu
yang lama karena lokasi kampus yang menyebar.
Untuk mempermudah agar efisien maka petugas
monitoring cukup menginput data di kampus
masingmasing dan laporan absensi akan otomatis
masuk ke bagian keuangan.
2.
Tujuan Penelitian

78

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Tujuan dari penulisan ini adalah untuk membuat


perancangan sistem absensi Dosen berbasis
Komputer, pelaporan absensi perminggu dan
perbulan
secara
online.
Sistem
ini
diimplementasikan dalam bentuk situs web yang
dapat diakses melalui internet. Keberadaan situs web
ini pelaporan absensi dosen oleh petugas monitoring
dosen tanpa harus datang ke bagian keuangan.
Dengan sistem ini diharapkan dapat memudahkan
pelaporan dan penghitungan absensi Dosen.

3. Metode Penelitian
Metode penelitian yang digunakan:
1. Penelitian data pengumpulan data awal.
Analisis kebutuhan berdasarkan data awal
yang dikumpulkan.
2. Perancangan sistem dengan menggunakan
DFD, ERD, Normalisasi
3. Penerapan rancangan pada website dengan
menggunakan
struktur
navigasi
dan
perancangan interface.
PEMBAHASAN
4. Gambaran Umum Sistem yang Berjalan
Sistem absensi di Perguruan Tinggi masih
bersifat manual seperti terlihat pada gambar 1. Dari
data awal sampai pelaporan absensi dilakukan secara
manual.
Petugas Sekertariat Dosen

Bagian Keuangan

Mulai

Absensi

Menghitung absen per


minggu

Print absensi
perminggu dan
perlokasi

Menghitung absensi
perbulan

Print laporan perbulan


semua lokasi

Proses
Penggajian

Selesai

Gambar 1 Proses Absensi Manual


Keterangan :
Pada gambar di atas absensi dilakukan oleh petugas
sekertariat dosen yang di input perhari. Setelah itu
bagian sekertariat dosen merekap absensi secara
manual yang menggunakan exel untuk merekap
absensi satu minggu. Laporan perminggu di lakukan
oleh sekertariad dosen masing masing tempat.
Setelah di buat oleh bagian sekertariat dosen berkas
rekapan satu minggu di kirim ke bagian keuangan
dalam bentuk hard copy. Bagian keuangan
memproses rekapan secara keseluruhan dalam satu
KNSI 2014

bulan lalu informasi dari hasil rekapan absensi di


gunakan untuk data penggajian.
Proses laporan absensi yang manual
membutuhkan waktu yang lama untuk itulah penulis
merasa perlu adanya suatu system yang efektiv dan
efisien untuk mengatasi masalah tersebut.
Sistem Absensi Manual
Sistem
Absensi
Online
- Membutuhkan
- Informasi
waktu yang lama
melalui
- Harus
melalui
elektronik
beberapa proses
sehingga
lebih cepat
- Dapat
mempersingk
at proses
Gambar 2 Konsep absensi menuju absensi online
4.1 Rancangan Sistem Usulan
Rancangan sistem usulan ini penulis
menggunakan diagram konteks untuk untuk
menggambarkan ruang lingkup sistem. Diagram
Zero digunakan untuk menggambarkan proses utama
DFD. ERD digunakan penulis untuk menerangkan
hubungan antar data. Normalisasi digunakan sebagai
pengorganisasian data ke dalam tabel. Struktur
database untuk mempermudah dalam pemahaman
dari proses penyaluran dan alir data.

4.2 Data Flow Diagram


Keuntungan
dari
DFD
adalah
memungkinkan untuk menggambarkan sistem dari
level yang paling tinggi kemudian menguraikan
menjadi level yang lebih rendah (dekomposisi),
sedangkan kekurangan dari DFD adalah tidak
menunjukan proses pengulangan (looping), proses
keputusan dan proses penghitungan. (Tata Sutabri,
2004)
1. Diagram konteks
Diagram ini dibuat untuk menggambarkan
sumber serta tujuan data yang akan diproses atau
dengan kata lain diagram tersebut digunakan untuk
menggambarkan sistem secara umum/globaldari
keseluruhan sistem yang ada. External entity ada
tiga yaitu admin, sekertariat dosen dan bagian
keuangan. Prosesnya menunjukan sistem informasi
absensi online.

79

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
Data Admin
Data Dosen
Data Absensi
Admin

Sekertariat
Dosen

Data Dosen

Informasi lokasi kampus


Informasi Dosen
Informas Sekertariat Dosen
Informasi Bagian Keuangan
Informasi Absensi Dosen
informasi Jam absensi

Sistem Informasi Absensi


Online

Informasi Dosen

Laporan Absensi Dosen Per Bulan

4. Diagram Level 1 figure 2

Bagian
keuangan

Gambar 3 Diagram Konteks


2. Diagram Zero
1.0
Upload data

Data Admin
Data Dosen
Data Absensi

Data Dosen

2.1
Input jam
ngajar

Data ngajar Dosen

Sekertariat
Dosen

Jam ngajar dosen

Admin

Sekertariat
Dosen

Tipe Absensi

Dosen
Data jadwal ngajar

Informasi Data Dosen

Absensi harian

Kehadiran Dosen

Data Tipe

Jadwal

2.2
Input
kehadiran

Jadwal
2.0
Update data

Jam ngajar

Kampus

Absensi_tipe
Data asensi per hari

Jumlah
mingguan

3.0
Periksa data

Informasi lokasi kampus


Informasi Dosen
Informas Sekertariat Dosen
Informasi Bagian Keuangan
Informasi Absensi Dosen
informasi Jam absensi

Absensi_bulanan

2.3
Input tipe
kehadiran

Absensi_harian

Gambar 6 Diagram Level 1 figure 2


Semester
Data absensi per bulan

4.0
Pembuatan
Laporan

5. Diagram Level 1 figure 3


Totalan_mingguan

Sekertariat
Dosen

Bagian
Keuangan

Laporan jam absen

Kampus

Laporan totalan
Input data minggu

Absensi_tipe

3.1
Periksa Tipe
data

Data Salah

Bagian
keuangan

Gambar 4 Diagram Zero


Jumlah
mingguan

3. Diagram level 1 figure 1

3.2
Memperbaiki
data

Data Baru

1.1
Input Acount

Data
acount

Data acoount

3.3
Menentukan
jumlah minggu

Dosen

1.2
Input Jadwal
ngajar

Admin

Jadwal
ngajar

Jadwal

Smester

Sekertariat
Dosen

Gambar 7 Diagram Level 1 figure 3

6. Diagram Level 1 figure 4

1.3
Input Dosen
ngajar

Gambar 5 Diagram level 1 figure 1

KNSI 2014

80

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Kampus

4.1
Laporan Per
minggu

Admin

Dalam perancangan basis data pada


Website absensi Dosen ini yang dilakukan hanya
membuat diagram-ER, Normalisasi.
Diagram-ER
Kode 1
alamat
Kode 2

Informasi lokasi kampus


Informasi Dosen
Informas Sekertariat Dosen
Informasi Bagian Keuangan
Informasi Absensi Dosen
informasi Jam absensi

nama

Jam_ajar

Absensi_bulanan
kode
email

4.2
Laporan
Perbulan

Absensi_harian

hari

Nip

Status

Dosen

Memiliki

Jadwal_ajar

hp
Laporan
Totalan

Updated_at
Tetap_ajar

Semester

Jenis_kelamin 1

Bagian
Keuangan

Berlangsung
Pada

Di catat
harian

Totalan_mingguan

Berlokasi di

kode
Kode
Update_at

jenis

periode
1

Gambar 8 Diagram Level 1 figure 4

Absensi_harian

tanggal

keterangan

Tipe_absensi

Jam_ajar

lokasi

Memiliki

Absensi_tipe

Kode

detail
nama

Detail
keterangan

b.

4.3

Bagian Sekertariat Dosen menginput


absensi per tipe dimana terdapat tipe hadir,
catatan, back up, tambahan, tugas Rektor,
kekurangan, libur dan mahasiswa tidak ada.
Untuk tipe ini sangat mempengaruh
terhadap insentif dosen.

c.

Bagian Sekertariat Dosen menginput


absensi dosen perhari kedalam sistem.

d.

Setelah tersimpan data absensi seminggu


bagian Sekertariat Dosen Memeriksa data
absensi yang salah.

e.

Setelah data sudah benar bagian Keuangan


menentukan Jumlah minggu yang akan
direkap dalam satu bulan.

f.

Bagian Keuangan
absensi perminggu.

g.

Bagian keuangan mendapatkan laporan


totalan rekapan asensi.

menghitung

Perancangan Basis Data

KNSI 2014

totalan

nama

Bertipe

kode

Semester

Berdasarkan pada DFD diatas, proses komputerisasi


pada siklus pembuatan laporan Totalan Absensi
dapat diuraikan sebagai berikut:
Bagian Admin menginput account data untuk login
user kondisinya di bagi dua user untuk bagian
keuangan dan user untuk Bagian Sekertariat Dosen.
Dimana ada beberapa halaman yang tidak bisa di
akses oleh bagian Sekertariat dosen yaitu halaman
rekapan per minggu dan rekapan perbulan.
a. Bagian Sekertariat Dosen menginput
jumlah jam ngajar dosen per hari dan per
lokasi.

Kampus

Keterangan

Kode

Absensi_bulanan

Terdiri dari

Absensi_mingguan

kode

Nmr_bulan
Bulan

minggu
Minggu_mulai

Minggu_akhir

Tanggal_akhir

Tanggal_mulai

Gambar 9 Entity Relation Diagram


Diagram-ER
(ERD)
atau
Entity
Relationship Diagram adalah suatu penyajian data
dengan menggunakan Entity dan Relationship yang
dimaksudkan agar dapat mudah dimengerti oleh
pemakai dan mudah disajikan oleh perancang basis
data. Gambar 9 merupakan diagram-ER dari
rancangan basis data yang akan dibuat.
Keterangan : ERD di atas terdiri dari 8
entity yaitu Dosen, jadwal_ajar, absensi, semester,
kampus,
absensi_tipe,
absensi_bulanan,
absensi_mingguan. ERD mempunyai 8 relationship
yaitu memiliki, dicatat harian, berlangsung pada,
berlokasi di, bertipe, memiliki, terdiridari. Entity
Dosen mempunyai 11 atribut, entity jadwal_ajar
mempunyai 3 atribut, entity absensi mempunyai 6

81

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

atribut, entity semester mempunyai 4 atribut, entity


kampus mempunyai 3 atribut, entity absensi_tipe
mempunyai 3 atribut, entity absensi_bulanan
mempunyai 6 atribut, entity absensi_mingguan
mempunyai 5 atribut. Maksud dari ERD di atas
adalah satu dosen bisa memiliki jadwal ngajar
banyak. Satu dosen di catat per harinya mempunyai
banyak absensi. Banyak absensi mempunyai satu
tipe absensi. Banyak jadwal ngajar bisa berlangsung
pada satu semester. Satu semester memiliki absensi
perbulan dan absensi perminggu dan satu absensi
perbulan kuliah terdiri dari banyak minggu
perkuliahan. Banyak jadwal ngajar berlokasi di satu
kampus.

Bandar Lampung , Jurnal Bisnis dan


Manajemen, Vol.4 No.3.

5.

Kesimpulan
Sistem informasi absensi Dosen secara
online ini adalah media yang dapat digunakan
untuk menyampaikan informasi khususnya kepada
Bagian Keuangan. Sistem informasi absensi Dosen
secara online ini dirancang penulis. Dengan
menggunakan DFD (Data Flow Diagram), ERD
(Entity Relation Diagram), Normalisasi, Struktur
navigasi dan rancangan tampilan. Dari penjelasan
pada bab-bab sebelumnya penulis dapat
merangkum beberapa kesimpulan yaitu sebagai
berikut :
1. Penggunaan dan pemanfaatan aplikasi sistem
informasi absensi Dosen secara online ini
dapat memberikan kemudahan bagi pihak
petugas Sekertariat Dosen dan Bagian
Keuangan dalam melakukan rekapan atau
totalan absensi Dosen.
2. Dengan di rancangnya sistem informasi
Dosen Online diharapkan bisa memudahkani
pelaporan absensi dosen oleh petugas
Sekertariat Dosen tanpa harus datang ke
bagian keuangan.
DAFTAR PUSTAKA
[1] Anonim, 1997, Pengantar Perancangan
Sistem, Jakarta : Erlangga
[2] Hartono, Jogianto, MBA., PHD. 1999, Analisis
dan Desain Sistem Informasi, Pendekatan
Terstruktur Teori dan Praktek Apikasi Bisnis,
Yogyakarta : ANDI
[3] Tata Sutabri, SKom, MM,2004, Analisa
Sistem Informasi, Yogjakarta : Andi
[4] Ward, J and Prepardjoe, 2002, Strategic
planing for informatin system, England:John
wiley& Sons.
[5] Yuningsih, Dirya dan Anggraini, Rika, 2008.
Hubungan Komunikasi Dengan Kepuasan
Kerja Karyawan Pada CV Anugerah Semata
KNSI 2014

82

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-15
MEDIA PEMBELAJARAN INTERAKTIF
BAGI SIWA SEKOLAH DASAR
Winda Widya Ariestya1, Yulia Eka Praptiningsih2, Septi Mariani TR3 , Rio Martdiko4
1,2,4 Jurusan Sistem Informasi, Fakultas Il mu Komputer, U niversitas G unadarma

Jurusan M anajemen, Fakultas Ekonomi, U niversitas Gunadarma


Jalan M argonda Raya No. 100 Depok 16424
2 yulia eka@staff.gubnadarma.ac.id 3mariani@staff.gunadarma.ac.id
1 winda widya@staff.gunadarma.ac.id,
,
3

rio.martdiko@student.gunadarma.ac.id

Abstrak
Pemanfaatan CD Interaktif sebagai alternatif media pembelajaran merupakan salah satu sarana yang dapat membantu tugas
Guru TIK dalam pengajaran. Pembuatan CD interaktif pembelajaran komputer untuk siswa Sekolah Dasar menampi l kan
berbagai tampi l an ani masi penjelasan dari pengenalan dan penggunaan perangkat keras pada sebuah komputer yang seri ng di
gunakan sehi ngga di harapkan dapat meni mbul kan mi nat bel ajar siswa. Metode yang digunakan dalam pemebuatan CD
Interaktif ini menggunakan model Waterfall yang meliputi tahap analisis kebutuhan, tahap perancangan, tahap implementasi
dan tahap uji coba. Dari hasil uji coba didapatkan sebanyak 80% responden menyatakan sangat setuju CD interaktif
pembelajaran komputer yang dibuat mempunyai manfaat yang besar untuk pembelajaran.
Kata kunci : media pembelajaran, multimedia, sekolah dasar.
1. Pendahuluan
Kemajuan di bi dang teknol ogi tidak hanya
berdampak bagi dunia bisni s, melai nkan terjadi pula pada
dunia pendidikan. Pada dunia pendidikan di Indonesia
beberapa Sekolah Dasar telah menerapkan pelajaran TIK
(Teknologi Informasi Komputer) yang di dalamnya
membahas mengenai pengenalan dan pemanfaatan
komputer. Komputer dapat di manfaatkan sebagai
media untuk menyampai kan materi pelajaran kepada anak
didik, yaitu dijadikan sebagai alat bantu peraga atau media
pembelajaran.
Di tingkat Sekolah Dasar, para pelajar dituntut untuk
mengerti dan memahami mengenai perangkatperangkat
dasar pada suatu komputer. Dan tidak sedikit dijumpai
pelajar Sekolah Dasar yang menggunakan
komputer bel um mengetahui perangkat-perangkat
yang terdapat dalam sebuah komputer. Cara pengajaran
yang diterapkan pada pelajaran TIK saat ini
didominasi dengan penggunaan buku dan salah satu
faktor penyebab lain adalah kurangnya mi nat bel ajar
membaca buku bagi siswa, untuk itu di butuhkan
suatu media alternatif yang dapat membantu tugas
Guru TIK dalam pengajaran, salah satunya dengan
penggunaan CD i nteraktif yang menari k sehi ngga
dapat meningkatkan minat belajar dan memahami
komponen yang terdapat pada sebuah komputer.
Karena di li hat dari segi ketertari kan terhadap suatu
penampi lan dan isi buku, tidak memungki nkan untuk
suatu i nteraksi terhadap buku tersebut.
M etode yang digunakan dalam pembuatan CD
interaktif ini adalah model Waterfall tang meliputi
KNSI 2014

beberapa tahap, diantaranya anal isa kebutuhan yaitu tahap


pertama yang di lakukan di mana merupakan tahap
spesifikasi dari kebutuhan, tahap perancangan yaitu tahap
dilakukan untuk penyusunan pedoman mengenai ri nci
an dari proses perancangan, tahap i ml pementasi
yaitu tahap setelah fitur-fitur perancangan telah
didefinisikan, dan tahap terakhir adalah tahap uji coba yaitu
tahap pengujian setelah aplikasi dibuat.
2. Tinjauan Pustaka
2.1 CD Interaktif
CD Interaktif adalah CD pembelajaran yang
mempunyai fungsi member info, di dalamnya
terdapat tombol-tombol yang bisa menuju ke
fasilitas lainnya. CD interaktif ini sangat bermanfaat bagi
pelajar, karena sangat memudahkan dan membantu
dalam proses pembelajaran. CD interaktif merupakan salah
satu media pengenal an ataupun promosi yang banyak
berkembang saat ini, di mana
media i nteraktif memi li ki kel ebi han dalam
visualisasi, animasi, content serta interaktifitas,
sehi ngga orang yang meli hat akan bisa merasakan dan
beri nteraksi langsung dengan i nformasi yang ingin
disampaikan.
Ji ka
di bandi ngkan
dengan
metode
pembel ajaran konvensi onal yaitu proses
pembelajaran dalam kelas, metode elearning, CD i
nteraktif memi li ki beberapa kelebi han, di antaranya : metode
ini meniti kberatkan pada materi pembelajaran
yang di kemas dalam bentuk CD yang dapat di bawa

83

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

kemana saja dan di gunakan kapan saja, selama masih


bisa diakses lewat komputer, suasana belajar lebih
kaya dengan format multimedia yang membuat
ani masi, suara, dan el emen-el emen lain yang
memperkaya suasana pembelajaran, interaktif
dengan adanya pembelajaran, si mul asi dan l ati han
sehi ngga bisa meningkatkan pemahaman materi, serta
kelebihankelebihan lainnya [2].
2.2 Multimedia
Sejarah multimedia berawal dari teater, bukan
komputer. Pertunjukan yang memanfaatkan l ebi h dari
satu medium disebut pertunjukan multimedia.
Pertunjukan multimedia mencakup monitor video,
synthesized band dan karya seni manusi a sebagai
bagian dari pertunjukan si stem multimedia di mulai akhi r
1980-an dengan di perkenalkan hyperard ol eh apple
tahun 1987, dan pengumuman oleh IBM tahun 1989
mengenai perangkat l unak audio visual
connection (AVC), video adhapter card bagi PS,
hampi r setiap pemasok perangkat keras dan l unak mel
ompat ke multimedia. Pada tahun 1994, di perki
rakan ada l ebi h dari 700 produk dan si stem multimedia di
pasaran [8].
Industri elektroni ka multimedia merupakan
kombi nasi dari computer dan video atau secara
umum merupakan kombinasi tiga elemen yaitu suara,
gambar, dan teks atau multimedia kombi nasi dari paling
sedi kit media input atau output dari data, media ini dapat
berupa audio (suara, musi k), animasi, video, teks,
grafi k dan gambar. [9].
3. Pembahasan
3.1 Analisa kebutuhan
Dari analisis identifikasi masalah yang telah di
utarakan pada pendahul uan maka didapatkan yaitu cara
belajar pada pelajaran TIK untuk tingkat Sekolah
Dasar masih menggunakan buku, yang dimana
pengajaran melalui buku tersebut tidak bersifat i
nteraktif dan kurang menari k karena tidak mengandung
unsur multimedia dan cenderung anak didi k menjadi cepat
bosan.
Kebutuhan media pembelajaran yang apl i katif di
perl ukan dalam usaha untuk memudahkan proses belajar
mengajar, seperti halnya media pembelajaran interaktif
pembelajaran
komputer. Media
pembelajaran ini, dimaksudkan sebagai alat bantu
pembelajaran, dalam bentuk CD interaktif. Media
pembel ajaran alternative ini di maksudkan untuk
mempermudah siswa Sekolah Dasar dalam
mempelajari pengenalan dan pemanfaatan komputer
khususnya tentang komponen perangkat komputer.
Sistem pengajaran yang masih berlaku saat ini
adalah sistem pengajaran yang kebanyakan
menggunakan buku, oleh karena itu setiap materi yang di
saji kan harus meli batkan Guru secara utuh untuk
berperan
aktif.
Dalam
pembuatan
CD
pembelajaran Interaktif, perlu dilakukan
pengumpul an data yakni dengan membaca buku yang
berhubungan dengan komponen perangkat komputer
KNSI 2014

dan informasi dari website serta gambar yang


berhubungan. Tahap anal isa dalam pembuatan materi di
lakukan dalam dua tahap, yakni tahap analisa kebutuhan
pemakai dan analisa instruksional. Tahap analisa
kebutuhan di lakukan untuk mengetahui
persyaratan minimal sebuah komputer untuk dapat
mengakses media pembelajaran i nteraktif. Media
pembel ajaran i nteraktif ini dapat bekerja dalam sistem
operasi Windows X P. Selain itu di perl ukan juga
perangkat l unak dan perangkat keras dalam hal
pembuatan media pembelajaran interaktif dengan
spesifikasi perangkat keras minimal prosessor AM
D Athlon 64 X2 2.6 GHz Dual Core, Memory 2GB
DDR3, VGA 256 MB, Hard Disk Western Digital
160 GB dan DVD ROM Asus 22x. Perangkat l unak
yang di perl ukan yakni untuk pembuatan ani masi meli
puti : M acromedi a Flash 8 Professional sebagai
program utama dan untuk pengeditan gambar
digunakan Adobe photoshop CS3 dan AAA Logo.
Hasil identifikasi dari tahap analisa kebutuhan
pemakai ini diantaranya perangkat l unak di harapkan
dapat meningkatkan minat membaca dan belajar siswa
dalam mempelajari pelajaran TIK, perangkat lunak harus
mudah di gunakan dan harus memi li ki tampi lan
yang i nteraktif.
Pemanfaatan multimedia sebagai bahan ajar di
Sekolah Dasar bel um diterapkan, sehi ngga
diharapkan dapat menjadi sol usi untuk meni
ngkatkan perhatian siswa pada saat proses
pembelajaran. Komponen media pembelajaran meli
puti gambar, teks, audio, dan ani masi, sehi ngga lebih mudah
bagi siswa untuk menyerap materi yang diberikan.
Kemampuan masing-masing siswa dalam menangkap
suatu materi pembelaj aran tidakl ah sama. Ada siswa
yang dapat menangkap materi pelajaran dengan cepat
dan ada pula yang lambat. Begitu pula hal nya dengan masi
ng-masi ng tempat menuntut il mu yang berbeda juga meni
mbul kan perbedaan dal am memberi kan sumber materi
yang disampaikan.
Pembelajaran interaktif ini berbentuk model
tutorial yang berisikan beberapa materi dan disertai evaluasi
pada masing-masing materi. Materi pada pembelajaran
interaktif ini dapat dipilih secara acak atau ti dak
berurutan tanpa harus menyelesai kan evaluasi pada
masing-masing materi, hal tersebut dilakukan karena
kemampuan masi ng-masi ng mahasiswa dalam
menerima materi pelajaran berbeda-beda. Dengan
adanya penggunaan media pembelajaran interaktif ini
diharapkan dapat menjadi solusi terhadap permasalahan
tersebut. Tahap ini termasuk dalam tahap anal isa i
nstruksional.
Penyampaian materi dengan menggunakan
media pembelaj aran i nteraktif ini, hal-hal yang bersifat
abstrak dapat dijelaskan secara nyata dengan diani masi
kan. Sehi ngga penggunaan media pembelajaran ini
lebi h efektif dari pada secara konvensional. Selain
itu, penggunaan media pembelajaran dapat menampi l
kan suara, ani masi, gambar dan musi k.
3.2 Tahap perancangan
Tahap ini dilakukan untuk penyusunan
pedoman mengenai ri ncian dari proses perancangan. Pada

84

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

tahapan ini, pertama kal i yang di lakukan adalah


pembuatan Storyboard, Storyboard merupakan
rancangan umum atau penjabaran dari konsep yang telah di
susun sebel umnya. Storyboard ini juga menjadi panduan
teknis dan tidak menutup kemungki nan adanya i mprovi
sasi sel ama tidak keluar dari alur dan konsep yang telah
ditetapkan. Storyboard dalam CD interaktif
pembelajaran komputer ini dapat dilihat pada gambar
berikut ini.

Gambar 1. Storyboard Aplikasi Pembelajaran


Komputer
Rancangan interface
Interface adalah suatu
bagian yang
berhubungan l angsung dengan pengguna apl i kasi.
Rancangan antarmuka bertujuan agar program atau apli
kasi yang di hasi l kan terl i hat l ebi h menari k dan mudah
dimengerti pada saat dioperasikan. Berikut ini contoh
perancangan interface pada halaman utama. Halaman
utama akan ditampi l kan setel ah intro dan loading sel
esai. Pada tampi lan halaman utama terdapat beberapa
menu atau tombol yang akan mengarah ke tampi l an beri
kutnya. Menu utama merupakan kumpulan dari semua
menu-menu yang ada dalam proses program apl i kasi.
Tombol M ateri akan menampi l kan sub Menu
Materi. Tombol Lati han menampi l kan soal -soal l ati
han sebagai evaluasi. Sedang tombol Keluar
digunakan untuk kel uar dari program. Beri kut i mpl
ementasi tampi lan menu utama program.

Animasi dan Programing


Dalam pembuatan media pembelajaran i
nteraktif ini, sebagai program utama untuk
membuat desain suatu interface perangkat lunak
menggunakan M acromedia Flash 8 Professional dan untuk
pengeditan gambar digunakan Adobe photoshop
CS3 dan AAA Logo.

Gambar 3. Tampilan Macromedia Flash 8


Professional
Pada hal aman Lati han terdapat skor akhi r dan
komentar akan tampil setelah selesai menjawab soal. Layer
script berisi kan beberapa script yang berfungsi
untuk memberhenti kan ani masi. maka peri ntah yang
ada pada Acionscript sebagai beri kut :
stop();
tampil2 = "Nilai "+_root. nama+ " Adalah ";
output _txt.text = skor;
_root.onEnterFrame = function() {
if (skor == 100) {
output2_txt.text = "Sempurna";
keterangan.text = "Pertahankan!";
}
else if (skor>=80) {
output2_txt.text = "Baik";
keterangan.text = "Bagus!";
}
else if (skor>=60) {
output2_txt.text = "Cukup";
keterangan.text = "Coba lagi";
}
else if (skor>=40) {
output2_txt.text = "Baca Lagi";
keterangan.text = "Ayo di baca
lagi!";
}
else {
output2_txt.text = "Coba Lagi";
keterangan.text = "Semangat Ya!"
}
}

Gambar 2. Menu Utama

KNSI 2014

85

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Beri kut ini merupakan tampi lan halaman latihan


dan hasil.

Gambar 6. Tampilan Loading

Gambar 4. Tampilan Halaman Latihan


3.3 Tahap implementasi
Setelah fitur-fitur perancangan
telah
didefinisi kan, maka tahap sel anjutnya adalah tahap
implementasi. Tahap implementasi merupakan tahap
menterjemahkan desai n ke tampi lan sebenarnya.
Program yang digunakan untuk
mengimplementasikannya adalah program M
acromedi a Flash 8 Professional. Tampi lan pada layar
berupa animasi, gambar dan teks. Pembuatan gambar atau
obyek dapat di lakukan l angsung dalam Macromedia
Flash 8 Professional dengan memanfaatkan fasi l
itas pada panel tool. Pengaturan warna dapat di lakukan
dengan menggunakan fasilitas color mixer, sehingga
dapat dibentuk warna solid, linear, radial dan bitmap.
Pembuatan teks juga dapat l angsung dil akukan dalam
Macromedia Flash 8 Professional. Warna, jenis
huruf, dan ukuran huruf dapat diatur dengan panel
properties.
Adapun
implementasi
media
pembelajaran interaktif sebagai beri kut :
a. Tampi lan Intro Beri kut adalah tampi lan keti ka
program dijalankan

b. Tampilan Menu Utama.


Menu utama akan ditampilkan setelah intro dan loading
sel esai. Pada tampi lan menu utama terdapat beberapa menu
atau tombol yang akan mengarah ke tampi lan beri
kutnya. Menu utama merupakan kumpul an dari semua
menu-menu yang ada dalam proses program apl i kasi.
Tombol M ateri akan menampi l kan sub Menu M ateri.
Tombol Lati han menampilkan soal sebagai evaluasi.
Sedangkan tombol Kel uar digunakan untuk kel uar dari
program. Beri kut implementasi tampilan menu utama
program :

Gambar 7. Tampilan Menu Utama


c. Tampilan sub menu materi
Hal aman sub menu materi di gunakan untuk
mengantar pengguna pada materi yang
bersangkutan. Pada menu sub menu materi terdapat dua
pilihan tombol antara lain: klik di sini dan Menu.
Ketika user memilih sebuah tombol Klik di sini, maka
akan diarahkan ke tampilan Isi materi. Sedangkan
tombol Menu merupakan tombol navi gasi untuk
kembal i ke menu utama yang bi sa digunakan sewaktuwaktu. Beri kut tampi lan sub menu materi sebagai beri
kut :

Gambar 8. Sub Menu M ateri


Gambar 5. Tampilan Intro
KNSI 2014

d. Tampilan Sub Menu Isi Materi

86

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Pada halaman ini menampilkan penjelasan


materi perangkat keras yang telah di pi li h. Di
halaman ini terdapat tombol navigasi Menu untuk
memudahkan pengguna kembal i ke menu awal setelah
membaca materi.

3.4 Tahap Uji Coba

Gambar 9. Sub Menu Isi M ateri


e. Tampilan Latihan
Apabila pada tampilan sub materi pengguna
memilih menu atau meng-Klik tombol Latihan maka akan
di arahkan ke tampilan ini. Tampilan ini berisi soal-soal
yang ditujukan untuk menguji sejauh mana pemahaman
pengguna tentang materi yang dijel askan dal am
CD Interaktif ini.
Pada setiap pertanyaan memuat nilai dan
terdapat waktu untuk menjawab setiap 1 soal di
beri kan waktu 30 deti k. Ji ka selama 30 pengguna bel um
menjawab, maka pertanyaan akan berubah ke pertanyaan
selanjutnya dan itu akan mengurangi nilai yang di
dapat. Pertanyaan ke-1 sampai pertanyaan ke-5
mempunyai penilaian yang berbeda. Ji ka menjawab
pertanyaan 1 dengan benar maka nilai bertambah
sebesar 10, ji ka sal ah maka dikurangi 5. Jika
menjawab pertanyaan 2 dengan benar maka nilai
bertambah sebesar 20, ji ka sal ah maka dikurangi 10.
Untuk pertanyaan 3 dan 4 jika menjawab benar maka
masing-masing pertanyaan mempunyai tambahan nilai
sebesar 30, ji ka sal ah maka akan dikurangi 15. Dan
jika menjawab pertanyaan 5 dengan benar, maka nilai
bertambah sebesar 10 dan jika menjawab salah maka
akan dikurangi 5. Setelah selesai menjawab, lalu akan
menuju ke suatu tampilan baru. Tampilan tersebut
memuat jumlah skor dan komentar yaitu : 100 :
Sempurna, >=80 : Bai k, >=60 : Cukup, >= 40 : Baca Lagi,
<= 40 : Coba Lagi. Berikut tampilan sub menu Latihan.

KNSI 2014

Tahap ini merupakan tahap pengujian sebuah apli


kasi yang telah di buat dengan melakukan proses preview
projector, agar dapat di li hat kekurangan atau kesal ahan
sebuah apl i kasi sehi ngga di kemudian hari dapat di lakukan
proses pengembangan kembal i. Proses tahapan Uji Coba
adalah sebagai beri kut.
1. Pada file Aplikasi Multimedia Pembelajaran
Komputer yang berukuran file 2,9 MB di
lakukan proses uji coba tahapannya dengan menekan
menu File kemudian memi li h Publish Preview dan
memi li h Projector maka akan tampi l berupa l
ayar lebar hasi l rancangan Aplikasi Multimedia.
2. Pada tampilan tersebut diamati penempatan tata letak
tombol, desai n tampi lan dan desai n animasi
untuk di l akukan proses eval uasi apakah sudah bagus
tata letaknya, background yang ditampi l kan
apakah sudah menari k dari segi pewarnaan gambar,
tombol dan animasi. Jika bel um maka di lakukan
proses eval uasi kembal i agar penempatan sebuah
tombol, background dan ani masi dapat terl i hat
menari k.
3. Pada teks materi di lakukan tahap uji coba
dengan mengamati teks tersebut. Dalam
penyampaian perl u diamati kembal i apakah
penyampaian materi sudah jelas atau. Jika bel
um seperti yang dii ngi nkan, maka di lakukan proses
eval uasi kembal i dan ji ka semuanya diyakini
sudah bagus dan menari k maka dilakukan tahap
distri busi.
4.
Pada hasil kuesioner Aplikasi Multimedia
Pembelajaran Komputer, terhadap 20 responden guru
Sekolah Dasar di wilayah Bojonggede
didapatkan 70% memberikan responden Sangat Setuju
untuk memberi pengetahuan terhadap pengguna
aplikasi
Pembelajaran
Komputer,
20%
menyatakan Setuju dan 10% menyatakan Tidak
Setuju. 80 % memberikan responden Sangat
Setuju untuk membantu dalam penyampaian
pembelajaran komputer kepada siswa dan 20%
menyatakan Setuju, 70% menyatakan Setuju
menu yang ditampi l kan cukup l engkap, 20%
menyatakan Setuju dan 10% menyatakan
Tidak Setuju. 70% menyatakan Sangat
Setuju pemberian warna dan desai n Apl i kasi
Multimedia Pembel ajaran Komputer sangat
menarik, 10% menyatakan Setuju dan 10%
menyatakan Tidak Setuju, 10% menyatakan
Sangat Tidak Setuju. 50% menyatakan Setuju
materi yang di beri kan bi sa dipahami oleh siswa

87

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

SD, 20% menyatakan Setuju, 10% menyatakan


Tidak Setuju dan 10% menyatakan Sangat
Tidak Setuju. 80% menyatakan Sangat
Setuju animasi yang ditampilkan cukup
menarik dan 20 % menyatakan Setuju, 80%
menyatakan Sangat setuju Aplikasi Multimedia
Pembelajaran Komputer yang di buat
mempunyai manfaat yang besar untuk
pembelajaran dan 20% menyatakan Setuju.
4. Kesimpulan dan Saran

Telah berhasil dibuat CD interaktif pelajaran


komputer untuk siswa Sekolah Dasar menggunakan
perangkat lunak Macromedia Flash 8. Aplikasi
Multimedia ini berupa 4 menu pilihan serta 1 menu
latihan. Menu yang terdapat pada aplikasi ini antara lain
Pengenalan processor, harddisk, VGA, dan memory.
Menu-menu tersebut terhubung dengan gambar serta
penjelasannya. Apl i kasi i ni merupakan sarana yang efektif
untuk belajar, karena didasari dengan ani masi, teks,
suara, dan gambar yang membuat si swa didi k l ebi h
tertarik dan dapat meni ngkatkan mi nat bel ajar. Apl i kasi
ini memi li ki beberapa materi yang berhubungan erat
dengan perangkat keras suatu komputer. Dalam aplikasi
ini pengguna dapat mengeval uasi melalui l ati han yang
terdapat pada apl i kasi ini. Dari hasi l uji coba
terhadap 20 guru Sekolah Dasar di wilayah
Bojonggede didapatkan sebanyak 70% responden
menyatakan sangat setuju CD i nteraktif ini dapat
memberi pengetahuan, 80% reponden menyatakan sangat
setuju CD interaktif ini dapat membantu dalam
penyampaian pembelajaran, 70% responden menyatakan
sangat setuju CD interaktif memiliki tampi lan yang
menari k, 50% responden menyatakan setuju CD interaktif
ini memberilkan materi yang mudah dipahami oleh
siswa SD, 80% responden menyatakan sangat setuju
CD i nteraktif ini meml i ki ki ani masi yang menari k dan
sebanyak 80% responden menyatakan sangat setuju
Aplikasi Multimedia Pembelajaran Komputer yang
dibuat mempunyai manfaat yang besar untuk
pembelajaran.
Ap l i k a s i M u l t i m e d i a i n i ma s i h b i s a
dikembangkan dengan penambahan beberapa suara
penjelasan tentang komponen perangkat keras
komputer tersebut.

Flash. Elex Media Komputindo. Jakarta.

[5]. K usri anto, Adi.2006. Panduan Lengkap


Memakai Macromedia Flash Professional 8.
Elex Media Komputindo. Jakarta.
[6]. Nurseto, Tejo. 2011. Membuat Media
Pembelajaran yang Menarik. Jurnal Ekonomi
dan Pendidikan. Volume 8. Nomor 1.
[7]. Sunyoto, Andi.2010. Adobe Flash + XML =
Rich
Multimedia
Application.
Andi.
Yogyakarta.
[8]. Suyanto. M. 2003. Multimedia Alat untuk
Meningkatkan Keunggulan Bersaing. A ndi.
Yogyakarta.
[9]. Suyanto, M. 2004. Analisis & Desain Aplikasi
Multimedia untuk
Pemasaran.
Andi.
Yogyakarta.

Daftar Pustaka
[1]. Adji, Seno. 2006. Mac r om e di a Fl as h
Professional 8, Dian Rakyat. Jakarta.
[2]. Aftaryan. 2008. CD Interaktif. Diunduh dari
http://aftaryan.wordpres.com/2008/03/11/Sekila s-cdi nteraktifelearni ng/2008.
[3]. Astuti, Dwi. 2006.Macromedia Flash 8. Andi.
Yogyakarta.
[4]. Digi nnovac, Arry.2009. Draw and Animate with

KNSI 2014

88

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-16
E-LIBRARY PADA BADAN PERPUSTAKAAN DAN ARSIP DAERAH
PROVINSI JAMBI
1

Faiza Rini, M.Kom1, Muhammad Ikhsan, S.Kom2


S1/Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika dan Komputer Nurdin Hamzah
Jl. Kol. Abunj ani, Sipin-Jambi 36121
faiza_rini@yahoo.co.id , Muhammad_ikhsan2690@yahoo.co.id

Abstrak
Badan Perpustakaan dan Arsip Daerah BPAD Provinsi Jambi merupakan salah satu SKPD yang memanfaatkan
ICT (Information and communication Technology) untuk meningkatkan minat baca dan kegemaran membaca
pada masyarakat. Pada proses peningkatan minat baca dan kegemaran membaca, BPAD masih mengalami
permasalahan. Permasalahan tersebut antara lain adalah petugas pustaka kesulitan dalam mendistribusikan buku
secara menyeluruh kepada lapisan masyarakat dan selama ini program BPAD masih terpusat pada pelayanan
ditempat dan didukung oleh beberapa Perpustakaan keliling, namun hal itu belum maksimal untuk melayani
pengguna pustaka. Perancangan system E-library merupakan sebuah teknologi yang memanfaatkan
perkembangan ICT pada perpustakaan yang dapat melayani pengguna pustaka tanpa di batasinya ruang, waktu,
dan tempat dapat membantu institusi perpustakan agar tercapainya pelayanan yang cepat, akurat dalam
menyebarluaskan budaya membaca kepada lapisan masyarakat.
Kata kunci : e-library, perpustakaan keliling, ICT (Information and communication Technology)

1.

PENDAHULUAN

Solusi pemanfaatan ICT (Information and


communication Technology) telah menjadi bagian
yang tidak terpisahkan dari kehidupan global dalam
memudahkan manusia untuk mendapatkan data atau
informasi secara cepat, tepat dan akurat, sehingga
efektifitas dan efisiensi kerja dapat tercapai.
Salah satu upaya pengembangan minat dan
kegemaran membaca adalah dengan adanya
distribusi buku. Perpustakaan sendiri bertujuan
memberi bantuan bahan pustaka atau buku yang
diperlukan oleh para pemakai. Buku merupakan
salah satu syarat mutlak yang diperlukan untuk
pengembangan program pengembangan minat dan
kegemaran membaca, khususnya bagi anak-anak
kecil yang tentunya belum begitu banyak mengenal
teknologi informasi. Badan Perpustakaan dan Arsip
Daerah BPAD Provinsi Jambi merupakan salah satu
SKPD yang
memanfaatkan ICT untuk
meningkatkan minat baca dan kegemaran membaca
pada masyarakat.
Pada proses peningkatan minat baca dan
kegemaran membaca, BPAD masih mengalami
permasalahan. Permasalahan tersebut antara lain
KNSI 2014

adalah
petugas
pustaka
kesulitan
dalam
mendistribusikan buku secara menyeluruh kepada
lapisan masyarakat dan selama ini program BPAD
masih terpusat pada pelayanan ditempat dan
didukung oleh beberapa Perpustakaan keliling,
namun hal itu belum maksimal untuk melayani
pengguna pustaka. Perancangan sebuah system Elibrary merupakan sebuah teknologi yang
memanfaatkan
perkembangan
ICT
pada
perpustakaan yang dapat melayani pengguna pustaka
tanpa dibatasinya ruang, waktu, dan tempat dapat
membantu institusi perpustakan agar tercapainya
pelayanan
yang
cepat,
akurat
dalam
menyebarluaskan budaya membaca kepada lapisan
masyarakat. Maka dari itu diperlukan sebuah
rancangan sistem perpustakaan online untuk
membantu anggota dalam mencari informasi, baik
dalam bentuk digital maupun tercetak.
2.

LANDASAN TEORI

2.1

Pepustakaan

Menurut Undang-undang Perpustakaan (UU


nomor 43 tahun 2007) disebutkan bahwa

89

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

perpustakaan adalah institusi pengelola koleksi


karya tulis, karya cetak, dan/ atau karya rekam
secara profesional dengan sistem yang baku guna
memenuhi kebutuhan pendidikan, penelitian,
pelestarian,
informasi,
dan
rekreasi
para
pemustaka. Sedangkan menurut Sutarno NS,
(2006:11) perpustakaan adalah: mencakup suatu
ruangan, bagian dari gedung / bangunan atau gedung
tersendiri yang berisi bukubuku koleksi, yang diatur
dan disusun demikian rupa, sehingga mudah untuk
dicari dan dipergunakan apabila sewaktu-waktu
diperlukan oleh pembaca.
E-library adalah sebuah
sistem
yang
memiliki berbagai layanan dan obyek informasi
yang mendukung akses obyek informasi tesebut
melalui perangkat digital.
Institusi merupakan struktur dan mekanisme
aturan dan kerjasama sosial yang mengawal
perlakuan dua atau lebih individu. Institusi bisa
juga berarti lembaga yaitu badan (organisasi)
yang bermaksud melakukan suatu penyelidikan
keilmuan atau melakukan suatu usaha. Pengelola
berasal dari kata to manage yang berarti
mengurus, mengatur, melaksanakan, mengelola. Jadi
pengelola adalah seseorang yang mengurus,
mengatur,
melaksanakan,
mengelola. Koleksi
berarti kumpulan benda yang digemari.
Dengan demikian maka koleksi karya tulis,
karya cetak dan / atau karya rekam adalah
kumpulan informasi yang berbentuk tulisan
tangan, buku cetakan maupun yang direkam
dalam berbagai media termasuk media elektronik
dan digital. Profesional berarti memerlukan
kepandaian khusus untuk menjalankan. Dengan
demikian mengelola koleksi karya tulis, karya
cetak dan atau karya rekam secara profesional
berarti mengurus,
mengatur,
melaksanakan,
mengelola kumpulan informasi dalam berbagai
bentuk atau format dimana dalam melakukan
pengelolaannya tersebut diperlukan keahlian khusus.
Baku berarti sesuatu yang dipakai dasar ukuran
(nilai,
harga, dsb) standar. Jadi sistem baku
merupakan sistem yang digunakan sebagai dasar
dalam melakukan pengelolaan koleksi karya tulis,
karya cetak dan atau karya rekam. Pemustaka
menurut UU 43 tahun 2007 adalah pengguna
perpustakaan,
yaitu perseorangan,
kelompok
orang,
masyarakat, atau lembaga
yang
memanfaatkan fasilitas layanan perpustakaan.
Dengan demikian maka makna dari kedua
definisi yang dikutip pada awal tulisan ini adalah:
perpustakaan merupakan institusi atau lembaga
tempat menyimpan informasi dalam bentuk buku
dan bentuk-bentuk lain yang disimpan menurut
aturan tertentu yang baku untuk digunakan oleh
orang lain (bukan hanya digunakan oleh pribadi)
secara gratis untuk bermacam-macam tujuan atau
kebutuhan seperti untuk pendidikan, penelitian,
pelestarian, informasi, dan rekreasi. Mari kita
bandingkan dengan definisinya Wikipedia yang
KNSI 2014

mendefinikan perpustakaan sebagai berikut:A


library is a collection of sources, resources, and
services, and the structure in which it is housed;
it is organized for use and maintained by a
public body, an institution, or a private
individual. In the more traditional sense, a
library is a collection of books. It can mean the
collection, the building or room that houses such
a collection, or both. Jadi makna beberapa definisi
tersebut memiliki pengertian yang sama
yakni: (1)
merupakan
kumpulan
bahan
perpustakaan; (2) dikelola secara profesional
dengan sistem tertentu (baku); (3) dikelola oleh
lembaga atau institusi dan atau individu; (4)
diselenggarakan untuk kebutuhan pemustaka.
2.2

Perpustakaan Digital

Menurut Wikipedia Perpustakaan digital


(Inggirs: digital library atau electronic library atau
virtual
library)
adalah
perpustakaan yang
mempunyai koleksi buku sebagian besar dalam
bentuk format digital dan yang bisa diakses
dengan komputer. Jenis perpustakaan ini berbeda
dengan jenis perpustakaan konvensional yang
berupa kumpulan buku tercetak, film mikro
(microform dan microfiche), ataupun kumpulan
kaset audio, video, dll. Isi dari perpustakaan digital
berada dalam suatu komputer server yang bisa
ditempatkan secara lokal, maupun di lokasi yang
jauh, namun dapat diakses dengan cepat dan mudah
lewat jaringan komputer.
Definisi singkat dari perpustakaan digital
adalah bentuk perpustakaan yang keseluruhan
koleksinya memakai format digital yang disusun
dalam sebuah arsitektur komputerisasi. Arsitektur ini
disusun dalam sebuah proyek yaitu proyek
perpustakaan digital. Penelitian proyek perpustakaan
digital menggunakan WWW (World Wide Web)
yang dihubungkan dengan jaringan internet sebagai
media penyalur informasi utama. WWW memiliki
banyak kelebihan yang didukung berbagai macam
protokol komunikasi (HTTP, FTP, Gopher),
penggunaan HTML sebagai bahasa standar markup,
dan kelebihan pada GUI (Graphical User Interface).
Perpustakaan
digital
memiliki
banyak
kelebihan dibandingkan perpustakaan tradisional.
Adapun kelebihan-kelebihan perpustakaan digital
lainnya yaitu:
a.

b.

c.

Tidak dibatasi ruang: setiap pengguna dapat


mengakses perpustakaan digital tanpa harus
datang ke perpustakaan, selama pengguna
mempunyai koneksi dengan internet.
Tidak dibatasi waktu: akses ke perpustakaan
digital dapat dilakukan 24 jam dalam sehari,
dapat diakses kapan saja, tanpa batas waktu,
selama pengguna terhubung dengan internet.
Penggunaan informasi lebih efisien: informasi
yang ada dapat diakses oleh pengguna secara

90

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

bersamaan dalam waktu yang sama dengan


jumlah orang yang banyak.
Pendekatan berstruktur: pengguna dapat
mencari informasi secara berstruktur, misalnya
dimulai dari menelusur katalog on line ,
kemudian masuk ke full text, selanjutnya bisa
mencari per bab bahkan per kata.
Lebih akurat: pengguna dapat menggunakan
kata kunci dalam pencariannya. Kata kunci
yang tepat, akan membantu pengguna
mendapatkan informasi yang akurat dan sesuai
dengan kata kunci yang dicantumkannya.
Keaslian dokumen tetap terjamin: Selama
proses digitalisasi menggunakan bentuk
image/format PDF, keaslian dokumen akan
tetap terjamin.
Jaringan perpustakaan yang lebih luas:
kemudahan dalam melakukan kerjasama/link
antar perpustakaan digital, dimana ada
kesepakatan antar pengelola perpustakaan
untuk melakukan resource sharing melalui
jaringan internet.
Secara
teori,
biaya
pengadaan
dan
pemeliharaan koleksi menjadi lebih murah

dengan judul A classification and subject index


for a library. Terbit pertama kali hanya
sebanyak 42 halaman yang berisi 12 halaman
pendahuluan, 12 halaman bagan dan 18 halaman
indeks. Sejak edisi pertama diterbitkan, DDC
terus menerus mengikuti perkembangan ilmu
pengetahuan. Banyak subyek-subyek baru yang
ditambahkan.Adakalanya
notasi
mengalami
perluasan
dan perubahan
lokasi
karena
perkembangan subyek tersebut. Kelestarian DDC
sampai dapat mencapai umur lebih seabad dan
banyak pemakainya di dunia, disebabkan karena
DDC secara berkala ditinjau kembali dan
diterbitkan edisi
barunya.
Lembaga
yang
mengawasi dan mendukung penerbitan DDC ialah
The Lake Placed Education Foundation dan
The Library of Congress di Amerika Serikat
sarana komunikasi
diterbitkan
Decimal
Classification, adition,
notes,
decisions
(disingkat DDC). DDC dalam pengembangannya
menggunakan sistem desimal angka arab sebagai
simbol notasinya.

Selain memiliki kelebihan, E-library juga


memiliki kekurangan. Kekurangan dari E-library
ini adalah :

Koleksi perpustakaan di era globalisasi


informasi tidak hanya terbatas pada media buku saja,
melainkan mencakup media lainnya seperti majalah,
surat kabar, peta, atlas, microfilm, CD, piringan
hitam, tape/kaset, slide, dan berbagai macam media
lainnya.
Seiring berkembangnya teknologi
informasi terutama peralatan elektronik yang dapat
difungsikan sebagai komputer dan alat pembaca ebook, semisal Ipad, PDA, Blackberry, PC tablet, dan
lain sebagainya, maka bahan pustaka sebagai sumber
informasi mulai beralih dari bentuk tercetak menjadi
elektronik atau digital seperti buku elektronik (ebook)
dan
jurnal
elektronik
(e-journal).
Sesungguhnya prinsip perpustakaan digital sama
dengan perpustakaan konvensional; yaitu tetap ada
kegiatan pengembangan koleksi, pengolahan,
pemeliharaan dan pelayanan bahan pustaka.
Perbedaannya dengan perpustakaan konvensional
terutama pada format dokumen yang dilayankan
(full digital document) dan model pelayanannya.

d.

e.

f.

g.

h.

a.

b.

c.

d.

e.

2.3

Undang-Undang Hak cipta (Copy Right) :


dalam hukum hak cipta masalah transfer
dokumen lewat jaringan komputer belum
didefinisikan dengan jelas, masalah ini masih
jadi perdebatan dalam proses pengembangan
perpustakaan digital.
Pengguna masih banyak yang lebih menyukai
membaca teks tercetak daripada teks
elektronik.
Proses digitasi dokumen, membutuhkan waktu
yang cukup lama, dibutuhkan ketrampilan dan
ketekunan dalam mengembangkan dan
memelihara koleksi digital.
Jika terjadi pemadaman listrik, perpustakaan
digital yang tidak mempunyai jenset, tidak
dapat beroperasi.
Pengunjung perpustakaan menjadi berkurang.
pengguna tidak merasa perlu mengunjungi
perpustakaan secara fisik, tapi dapat
mengunjungi perpustakaan dengan cara on
line.
Dewey Decimal Classification

Dewey
Decimal
Classification
adalah
merupakan salah satu sistem pengklasifikasian
koleksi buku yang ditemukan oleh Melvil
Dewey. Nama lengkapnya Melville Louis Kassuth
Dewey (1851-1931). Pada 1874 Dewey sebagai
pustakawan di Amhers College, Massachuseetts,
Tahun 1876 ia menerbitkan DDC edisi pertama
KNSI 2014

2.4

Koleksi Perpustakaan

2.5

HTML, PHP dan MySQL

2.5.1

HTML

Dokumen html terbentuk dari beberapa tag,


yaitu <html>, <head>, dan <body>. Tag tersebut
dilengkapi tag pasangannya </html>, </head>, dan
</body>. Tag penutup diawali garis miring (/). Tag
pertama menunjukkan elemen awal tag pasangannya
menunjukkan elemen akhir.
Pola dasar dokumen HTML sebagai berikut :
<html>
<head>

91

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

<title>Judul Halaman </title>


</head>
<body>
.................................
.................................
</body>
</html>
2.5.2 PHP

3.1. Sistem Flow Layanan Perpsutakaan Digital

Menurut Swastika (2006) PHP merupakan


bahasa berbentuk skrip yang ditempatkan dalam
server dan diproses di server. Hasilnya akan
dikirimkan ke client, tempat pemakai menggunakan
browser. PHP dikenal sebagai sebuah bahasa
scripting, yang menyatu dengan tag-tag HTML,
dieksekusi di server, dan digunakan untuk membuat
halaman web yang dinamis seperti halnya Active
Server Pages (ASP) atau Java Server Pages (JSP).
PHP merupakan sebuah software open source.
2.5.2 MySQL

Mulai

Menurut
Raharjo
(2011:21),
MySQL
merupakan RDBMS (atau server database) yang
mengelola database dengan cepat menampung dalam
jumlah sangat besar dan dapat di akses oleh banyak
user. Menurut Kadir (2008:2), MySQL adalah
sebuah software open source yang digunakan untuk
membuat sebuah database. Berdasarkan pendapat
yang dikemukakan di atas dapat ditarik kesimpulan
bahwa MySQL adalah suatu software atau program
yang digunakan untuk membuat sebuah database
yang bersifat open source.
3.

Sistem Flow Layanan Perpustakaan Digital


Pertama Pengguna membuka web e-library BPAD
kemudian Pengguna dapat
melakukan Registrasi
dengan mengisi ketentuan yang ada di setiap kolomkolom yang harus diisi, Apabila sudah mengisi
registrasi tersebut, maka pengguna dapat login
sesuai dengan registrasi tersebut ( sesuai account)
dan dapat di aktifasi oleh Admin Perpustakaan
Pengguna dapat melakukan penelusuran informasi
Pengguna juga dapat membuka informasi sesuai
dengan file-file elektronik dalam bentuk PDF.
Apabila pengguna tidak melakukan registrasi, maka
pengguna belum melakukan aktifasi dan jika
pengguna tidak melakukan registrasi, maka
pengguna belum dapat membuka file-file elektronik
dalam bentuk PDF.

Browsing
Website
E-library

Sudah
Registrasi

Login

Registrasi

Data Koleksi Digital


Data Buku
Data User

INPUT

Proses pengolahan data


pustaka dengan
menggunakan website

OUTPUT

Pencarian
Informasi

Selesai

Ya

Tidak
Aktifasi

Sistem E-library Badan


Perpsutakaan dan Arsip
Daerah Prov. Jambi

Koleksi
Digital

Belum

PERANCANGAN SISTEM

Sistem yang dirancang berupa pembuatan


aplikasi e-library dengan menggunakan fasiltias
World Wide Web (Web). Melalui Web ini
perpustakaan dapat membangun sebuah sistem
informasi online yang menyediakan objek informasi
seperti katalog, indeks, arsip, hasil posting
newsgroup, koleksi email, sumber komersial,
sumber hiburan, artikel personal, hingga layanan
perpustakaan (daftar pertanyaan referensi, analisis,
statistik, pustakawan online, asisten online, dan
sebagainya).

Pencarian
Informasi

Login

Gambar 2. Sistem Flow Akses E-library


3.2. Pengembangan koleksi digital
Tahap selanjutnya yang perlu dilakukan dalam
menerapkan digital library adalah membangun
koleksi digital. Proses perubahan dari dokumen
tercetak (printed document) menjadi dokumen
elektronik sering disebut dengan proses digitalisasi
dokumen. Seperti pada Gambar 1, dokumen mentah
(jurnal, prosiding, buku, majalah, dsb) diproses
dengan sebuah alat (scanner) untuk menghasilkan
dokumen elektronik.

Informasi buku
Koleksi Digital
Katalog Buku

Gambar 1. Blok diagram sistem e-library


KNSI 2014

92

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 3. Proses Digitalisasi dokumen

4.

HASIL DAN PEMBAHASAN

Tujuan dibangunnya system e-library adalah


untuk meningkatan layanan Badan Perpustakaan dan
Arsip Daerah Prov. Jambi yang berbasis kebutuhan
pengguna, perkembangan teknologi informasi, dan
perkembangan ilmu pengetahuan serta Menciptakan
sistem terintegrasi yang lebih luas, terjangkau, dan
mudah diakses oleh seluruh pengguna dimanapun
dan kapanpun berada.
1.

Halaman Utama

Pada saat pertama kali muncul form utama


dimana menu yang bisa diakses oleh semua
pengunjung untuk mencari informasi-informasi yang
ada pada website adalah menu Beranda, Buku,
Berita, Agenda, Gallery, Sumbang buku, serta Menu
Elibrary yang berfungsi untuk Login ke Sistem
perpustakaan digital.

Gambar 5. Form Login


3.

Halaman E-library

Halaman E-library merupakan halaman awal


yang akan ditampilkan pertama kali ketika e-library
diakses. Halaman ini antara lain berisi informasi
Buku Elektronik yang tersimpan dalam database, file
terbaru ditampilkan secara berurutan dan dapat
dipilih. Selain itu juga halaman Beranda menyajikan
Koleksi Terbaru dan Konten Video, Rekaman yang
ada dalam database e-library diurut berdasarkan
tanggal upload.

Gambar 6. Halaman Beranda


Gambar 4. Form Utama
2.

Form Login

Halaman Log-in merupakan pintu akses bagi


pengguna untuk dikenali profilnya oleh e-library
agar fitur-fitur yang disediakan dapat digunakan
oleh
pengguna.
Untuk
dapat
melakukan
downloadkoleksi dalam e-library pengguna harus
mendaftarkan dirinya ke database.

KNSI 2014

4.

Halaman Administrator

Halaman Administrator adalah bagian dari elibrary yang digunakan untuk melakukan proses
upload / download dokumen, pengaturan user dan
group of user, penentuan tipe file yang dapat
didukung oleh e-library, memonitor log/aktivitas
pemakaian sistem, melakukan input agenda, berita,
pencarian dokumen baik mode pencarian standar
ataupun tingkat lanjut,

93

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

meningkatkan penetrasi ilmu pengetahuan


dan budaya ke masyarakat luas.

2.

3.

Gambar 7. Halaman Administrator


KESIMPULAN
Berdasarkan hasil uji coba dan analisa yang telah
dilakukan dalam pembuatan aplikasi E-library
pada Badan Perpustakaan dan Arsip Daerah Provinsi
Jambi, dapat diambil kesimpulan sebagai berikut :
1.

2.

3.

E-library yang di buat dapat menshare


koleksi-koleksi bahan pustaka yang sudah
berbentuk file elektronik.
Pada sistem e-library ini terdapat fitur
katalog pustaka dan katalog digital
sehingga memudahkan anggota dalam
mencari koleksi pustaka atau digital yang
diinginkan.
Fitur-fitur yang ada dibuat untuk
menjembatani komunikasi antara anggota,
dan pengelola perpustakaan, sehingga
diketahui pelayanan apa yang diinginkan
oleh anggota perpustakaan.

SARAN
Beberapa saran yang diharapkan dapat
memberikan manfaat bagi Badan Perpustakaan dan
Arsip Daerah Provinsi Jambi untuk mendukung
terlaksananya rencana perpustakaan digital, antara
lain sebagai berikut :
1.

Diharapkan
perpustakaan
dapat
memperluas akses penggunanya. Selain itu
kerjasama pertukaran data adalah langkah
awal menuju kerjasama layanan yang lebih
luas dan lebih baik lagi yang akhirnya dapat

KNSI 2014

4.

5.

6.

Mengembangkan
rencana
strategis
perpustakaan. Rencana strategis adalah
proses yang berulang yang meliputi
evaluasi, pembaharuan, dan verifikasi
terhadap rencana strategis yang dibuat.
Biasanya dilakukan 5 tahun sekali. Rencana
strategis itu harus dikomunikasikan dengan
seluruh staf perpustakaan dan menjamin
akan adanya dukungan penuh dalam
implementasinya.
Membuka kotak saran yang memungkinkan
seluruh pengguna perpustakaan dapat
memberikan masukan, komentar, saran,
usulan,
dan
kritikan
terhadap
penyempurnaan
program
kerja
perpustakaan.
Evaluasi yang terus menerus terhadap
program aplikasi dari pengolahan data
harus terus dilakukan setiap tahun.
Dalam mempelajari teknologi informasi
diperlukan sarana prasarana yang tepat
karena teknologi tentang computer banyak
perubahan seiring dengan perkembangan
teknologi.
Hendaknya memasyarakatkan penggunaan
E-Library, lebih baik lagi dengan
mengembangkannya lagi di daerah-daerah.

DAFTAR PUSTAKA
[1] Zahrida, Ismawita . 2009. E-library
(zahrida.wordpress.com/2009/07/20/e-library/,
diakses 22 November 2013).
[2] Riadi , Muchlisin 2006. Pengertian, Jenis
dan
Tujuan
Perpustakaan
(http://www.kajianpustaka.com/2012/11/perpu
stakaan.html, diakses 25 November 2013)
[3] Laxman, Putu, P. 2007, Perpsutakaan Digital,
Jakarta : Sagung Seto.
[4] Rahman , Abdul, S. 2010, Membangun
Perpsutakaan Digital, Jakarta : Sagung Seto
[5] Kadir, Abdul. 2008, Dasar Pemrograman Web
Dinamis Menggunakan PHP, Yogyakarta :
Penerbit Andi.
[6] Hakim , Lukmanul. 2009, Trik Rahasia Master
PHP Terbongkar Lagi, Bandung : Lokomedia.
[7] Hadi, Mulya. 2008, 7 Jam Belajar Interaktif
Dreamweaver CS3 untuk Orang Awam.
Palembang : Maxikom.
[8] Swastika
(2006).
Pengertian PHP,
(http://for7delapan.wordpress.com/2011/11/16/
pengertian-php/, di akses 26 November 2013).

94

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-17
SISTEM PAKAR DIAGNOSA PENYAKIT HIPERTENSI
MENGGUNAKAN METODE CASE BASED REASONING
Heny Pratiwi1, Siti Qomariah2, Ita Arfyanti3
1,2,3

Teknik Informatika, STMIK Widya Cipta Dharma


3
Jl. Prof. M.Yamin No. 25 Samarinda
1
henypratiwi@gmail.com, 2 s_qom_ti@yahoo.com, 3 p3m@wicida.ac.id

Abstrak
Hipertensi atau penyakit darah tinggi adalah suatu gangguan pada pembuluh darah yang mengakibatkan suplai
oksigen dan nutrisi yang dibawa oleh darah terhambat sampai ke jaringan tubuh yang membutuhkan. Hipertensi
sering kali disebut sebagai pembunuh gelap (Silent Killer), karena termasuk penyakit yang mematikan tanpa
disertai dengan gejala-gejalanya lebih dahulu sebagai peringatan bagi korbannya, Riwayat penyakit hipertensi
yang bersamaan dengan pola hidup tidak sehat seperti mengkonsumsi tembakau, konsumsi tinggi lemak,kurang
serat, konsumsi garam berlebih, kurang olah raga, alkoholis, obesitas, lemak darah tinggi dan stres, akan
memperberat resiko komplikasi seperti, mengakibatkan infark miokardium, stroke, gagal ginjal, bahkan tak
jarang dapat menyebabkan kematian mendadak jika masyarakat tidak mengetahui bagaimana kiat-kiat untuk
menjaga kesehatan darah mereka. Hal ini membuat penulis membangun sistem pakar yang dapat mendiagnosa
hipertensi menggunakan meteode case base reasoning yang diharapkan mampu membantu masyarakat awam
untuk mendeteksi dan mendiagnosis gejala penyakit hipertensi serta memberikan solusi pengobatan terbaik.
Kata kunci : sistem pakar, hipertensi, cased based reasoning
1.

Pendahuluan

Sistem pakar adalah aplikasi berbasis komputer


yang digunakan untuk menyelesaikan masalah
sebagaimana yang dipikirkan oleh pakar. Pakar yang
dimaksud disini adalah orang yang mempunyai
keahlian khusus yang dapat menyelesaikan masalah
yang tidak dapat diselesaikan oleh orang awam.
Tekanan darah tinggi, disebut juga hipertensi,
merupakan kondisi medis di mana tekanan darah
terhadap dinding arteri cukup tinggi sehingga pada
akhirnya dapat menyebabkan masalah kesehatan,
seperti penyakit jantung. Hal ini disebabkan karena
jantung harus bekerja lebih keras dari biasanya
untuk mengedarkan darah melalui pembuluh darah
ke seluruh tubuh.
Tekanan darah umumnya diukur dengan alat
yang disebut sphygmomanometer yang terdiri dari
sebuah pompa, sebuah pengukur tekanan, dan
sebuah manset dari karet. Alat ini mengukur tekanan
darah dalam unit yang disebut milimeter air raksa
(mm Hg). Mendiagnosis Tekanan darah tinggi
bukan hal yang mudah dikarenakan keterbatasan alat
dan hanya beberapa pakar saja yang dapat
menangani penyakit ini.
Hipertensi atau penyakit darah tinggi adalah suatu
gangguan
pada
pembuluh
darah
yang
KNSI 2014

mengakibatkan suplai oksigen dan nutrisi yang


dibawa oleh darah terhambat sampai ke jaringan
tubuh yang membutuhkan. Hipertensi sering kali
disebut sebagai pembunuh gelap (Silent Killer),
karena termasuk penyakit yang mematikan tanpa
disertai dengan gejala-gejalanya lebih dahulu
sebagai peringatan bagi korbannya, Riwayat
penyakit hipertensi yang bersamaan dengan pola
hidup tidak sehat seperti mengkonsumsi tembakau,
konsumsi tinggi lemak,kurang serat, konsumsi
garam berlebih, kurang olah raga, alkoholis,
obesitas, lemak darah tinggi dan stres, akan
memperberat
resiko
komplikasi
seperti,
mengakibatkan infark miokardium, stroke, gagal
ginjal, bahkan tak jarang dapat menyebabkan
kematian mendadak jika masyarakat tidak
mengetahui bagaimana kiat-kiat untuk menjaga
kesehatan darah mereka.
Oleh karena itu, penulis berkeinginan untuk
membangun sistem pakar yang dapat mendiagnosa
penyakit hipertensi menggunakan metode case
based reasoning.
Batasan masalah pada penelitian ini adalah :
penulis menggunakan bahas pemrograman Visual
Basic, tensi darah yang diteliti hanya meliputi
tekanan darah tinggi saja, output yang dihasilkan

95

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

adalah hasil diagnosa pasien yang menderita


hipertensi dan memberikan solusi pengobatannya.
Adapun kajian teoritik pada penelitian ini
adalah sebagai berikut :
Pengertian sistem menurut Turban (2005),
sistem merupakan objek seperti orang, sumber daya,
konsep, dan prosedur yang dimaksudkan untuk
melakukan suatu fungsi yang dapat diidentifikasikan
atau untuk melayani suatu tujuan.
Menurut Arhami (2005), Pakar adalah orang
yang mempunyai keahlian dalam bidang tertentu,
yaitu pakar yang mempunyai knowledge atau
kemampuan khusus yang orang lain tidak
mengetahui atau mampu dalam bidang yang
dimilikinya
Menurut Kusrini (2008), sistem pakar adalah
aplikasi berbasis komputer yang digunakan untuk
menyelesaikan
masalah
sebagaimana
yang
dipikirkan oleh seorang pakar.
Menurut Arhami (2005), sistem pakar adalah
salah satu cabang dari AI (Artificial Intelligence)
yang membuat penggunaan secara luas knowledge
yang khusus untuk penyelesaian masalah tingkat
manusia yang pakar.
Sistem pakar merupakan program praktis yang
menggunakan strategi heuristic yang dikembangkan
oleh manusia untuk menyelesaikan permasalah yang
speksifikasi. Sistem pakar saat ini telah dibuat untuk
memecahkan permasalahan diberbagai bidang. Oleh
sebab itu secara umum ada beberapa kategori dan
area permasalahan pada sistem pakar, yaitu :
1. Intepretasi, yaitu pengambilan keputusan atau
deskripsi tingkat tinggi dari sekumpulan data
mentah termasuk pengawasan, pengenalan
ucapan, analisis citra, interpretasi sinyal dan
beberapa analisis kecerdasan.
2. Proyeksi, yaitu memprediksi akibat yang
dimungkinka dari situasi tertentu, diantaranya
peramalan. Prediksi demografis, peramalan
ekonomi, prediksi lalu lintas, estimasi hasil
militer, pemasaran atau peramalan keuangan.
3. Diagnosis, yaitu menetukan sebab malfungsi
dalam situasi kompleks yang didasarkan pada
gejala yang teramati, di antarnya medis,
elektronis, mekanis dan diagnosis perangkat
lunak.
4. Desain, yaitu menetukan konfigurasi komponen
sistem yang cocok dengan tujuan kinerja tertentu
yang memenuhi kendala tertentu diantarnya
layout sirkuit dan perancangan bangunan.
5. Perencanaan, yaitu merencanakan serangkain
tindakan yang akan dapat mencapai sejumlah
tujuan dengan kondisi awal tertentu diantaranya
perencaan keuangan, komunikasi, militer,
pengembangan produk, routing dan manajemen
proyek.
6. Monitoring, yaitu membandingkan tingkah laku
suatu sistem yang teramati dengan tingkah laku
yang diharapkan darinya diantaranya Computer
Aided Monitoring System.
KNSI 2014

7. Debungging dan repair yaitu menentukan dan


mengimplementasikan cara untuk mengatasi
malfungsi diantaranya memberikan resep obat
terhadap suatu kegagalan.
8. Instruksi, yaitu mendeteksi dan mengoreksi
defisiensi dalam pemahaman domain subjek
diantarannya
melakukan
instruksi
untuk
diagnosis, debungging dan perbaikan kinerja.
9. Pengendalian, yaitu mengatur tingkah laku suatu
environment yang kompleks seperti control
terhadap
interpretasiinterpretasi,
prediksi,
perbaikan dan monitoring kelakuan sistem.
10. Seleksi, mengindentifikasi pilihan terbaik dari
sekumpulan kemungkinan.
11. Simulasi, permodelan interaksi antara komponen
sistem.
Ada berbagai ciri - ciri dan karakteristik yang
membedakan sistem pakar dengan sistem yang lain.
Ciri - ciri dan karakteristik ini menjadi pedoman
utama dalam pengembangan sistem pakar. Ciri - ciri
dan karakteristik yang dimaksud adalah sebagai
berikut :
1.

2.

3.

4.

5.

6.

Pengetahuan sistem pakar merupakan suatu


konsep, bukan berbentuk numeris. Hal ini
dikarenakan komputer melakukan proses
pengolahan data secara numerik sedangkan
keahlian dari seorang pakar adalah fakta dan
aturan-aturan, bukan numerik.
Informasi dalam sistem pakar tidak selalu
lengkap, subyektif, tidak konsisten, subyek
terus berubah dan tergantung pada kondisi
lingkungan sehingga keputusan diambil
bersifat tidak pasti dan tidak mutlak ya atau
tidak akan tetapi menurut ukuran kebenaran
terentu.
Kemungkinan solusi sistem pakar terhadap
suatu permasalahan adalah bervariasi dan
mempunyai banyak pilihan jawaban yang dapat
diterima, semua faktor yang ditelusuri memiliki
ruang masalah yang luas dan tidak pasti.
Perubahan atau pengembangan pengetahuan
dalam sistem pakar dapat terjadi setiap saat
bahkan sepanjang waktu sehingga diperlukan
kemudahan dalam modifikasi sistem untuk
menampung jumlah pengetahuan yang semakin
besar dan semakin bervariasi.
Pandangan dan pendapat setiap pakar tidaklah
selalu sama, yang oleh karena itu tidak ada
jaminan bahwa solusi sistem pakar merupakan
jawaban yang pasti benar. Setiap pakar akan
memberikan
pertimbangan-pertimbangan
berdasarkan faktor subyektif.
Keputusan merupakan bagian terpenting dalam
sistem pakar. Sistem pakar harus memberikan
solusi yang akurat berdasarkan masukan
pengetahuan meskipun solusinya sulit sehingga
fasilitas informasi sistem harus selalu
diperlukan.

96

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Menurut Tierney (2003), diagnosa berasal dari


kata diagnosis yang berarti penentuan jenis penyakit
dengan cara meneliti atau memeriksa gejalagejalanya. Mendiagnosis berarti menentukan jenis
penyakit dengan cara meneliti atau memeriksa
gejala-gejalanya.
Tekanan darah tinggi atau hipertensi berarti
tekanan tinggi didalam arteri-arteri. Arteri-arteri
adalah pembuluh-pembuluh yang mengangkut darah
dari jantung yang memompa ke seluruh jaringan dan
organ-organ tubuh. Tekanan darah tinggi bukan
berarti tegangan emosi yang berlebihan, walaupun
tegangan emosi dan stres dapat meningkatkan
tekanan darah untuk semenatara. Tekanan darah
normal adalah dibawah 120/80, tekanan darah
antara 120/80 dan 139/89 disebut "pra-hipertensi"
("pre-hypertension"), dan suatu tekanan darah dari
140/90 atau diatasnya dianggap tinggi.
Angka yang diatas, tekanan darah sistolik,
berhubungan dengan tekanan didalam arteri ketika
jantung berkontraksi dan memompa darah maju
kedalam arteri-arteri. Angka yang dibawah, tekanan
diastolik, mewakili tekanan didalam arteri-arteri
ketika jantung istirahat (relax) setelah kontraksi.
Tekanan diastolik mencerminkan tekanan paling
rendah yang dihadapkan pada arteri-arteri.
Suatu peningkatan dari tekanan darah sistolik
dan/atau
diastolik
meningkatkan
risiko
mengembangkan penyakit jantung (cardiac),
penyakit ginjal (renal), pengerasan dari arteri-arteri
(atherosclerosis atau arteriosclerosis), kerusakan
mata, dan stroke (kerusakan otak). Komplikasikomplikasi dari hipertensi ini sering dirujuk sebagai
kerusakan akhir organ karena kerusakan pada organorgan ini adalah hasil akhir dari tekanan darah tinggi
kronis. Untuk sebab itu, diagnosa tekanan darah
tinggi sangat penting sehingga usaha-usaha dapat
dibuat untuk membuat tekanan darah menjadi
normal dan mencegah komplikasi-komplikasi.
Pada awalnya diperkirakan bahwa kenaikankenaikan pada tekanan darah diastolik adalah suatu
faktor risiko yang lebih penting daripada
peningkatan-peningkatan sistolik, namun sekarang
diketahui bahwa pada orang-orang yang berumur 50
tahun atau lebih hipertensi sistolik mewakili suatu
risiko yang lebih besar. Mempengaruhi hampir satu
dari empat orang dewasa di Amerika, hipertensi
ternyata adalah suatu persoalan kesehatan publik
yang utama.
Macam-macam Hipertensi

Hipertensi Primer ( Esensial )

KNSI 2014

Hipertensi primer merupakan jenis hipertensi


terbanyak bagai orang dewasa disebut primer
atau
esensial
atau
idiopatik
karena
penyebabnya tidak diketahui dan hipertensi
jenis ini cenderung terjadi secara bertahap
selama bertahun-tahun
Hipertensi Sekunder
Pada Hipertensi Sekunder ini, terjadinya
tekanan darah tinggi disebabkan oleh kondisi
atau penyakit yang mendasarinya. Hipertensi
sekunder ini cenderung muncul tiba-tiba dan
menyebabkan tekanan darah tinggi. Berbagai
kondisi dan obat-obatan yang dapat
menyebabkan hipertensi sekunder, yaitu :
o Penyakit Ginjal,
o Tumor kelenjar adrenal,
o Cacat tertentu dalam pembuluh darah sejak
lahir ( bawaan ),
o Obat-obat tertentu, seperti pil KB , obat flu,
dekongestan, penghilang rasa sakit dan
beberapa obat resep,
o Obat-obatan terlarang, seperti kokain dan
amfetamin.
Penelitian ini membangun sistem pakar dengan
metode Case Based Reasoning atau biasa disebut
CBR merupakan salah satu metode penyelesaian
masalah berbasis pengetahuan untuk mempelajari
dan memecahkan masalah berdasarkan pengalaman
masa lalu.
CBR sudah banyak dimanfaatkan banyak
pengguna, ada tiga fungsi yang berbeda dari sistem
CBR berdasarkan tingkat keterlibatan pengguna
yang semakin meningkat, yaitu:
o Sistem CBR sebagai Diagnosis, dimana
pengguna memanfaatkan CBR dalam sistem
yang digunakan sebagai alat bantu untuk
menentukan hasil diagnosa suatu masalah.
o Sistem CBR sebagai Manajemen Pengetahuan,
dalam tipe ini pemanfaatan CBR digunakan
untuk mengelola pengetahuan yang didapatkan
dari para pakar atau ahli disuatu bidang. Hal ini
dikarenakan seorang pakar tidak dapat
dijadikan suatu acuan dalam penyelesaian
suatu masalah ketika faktor usia dan penyakit
sudah menderitanya.
Penelitian
ini
menggunakan
bahasa
pemrograman Microsoft Visual Basic 6.0 yang
merupakan
bahasa
pemrograman
yang
bekerjadalam lingkup MS-Windows. Visual Basic
berasal dari bahasa pemrograman yang populer
yang disebut Basic (Beginners All Purpose Symbol
Instruction Code). Visual Basic 6.0 memiliki
kelebihan-kelebihan
antara
lain
kompiler
(proses compile) dapat dilakukan dengan cepat,
mendukung kontrol data objek yang baru,
mendukung berbagai macam database, pembuatan

97

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

program permainan yang lebih mudah, dan


mendukung pengaksesan terhadap internet. Setelah
mengaktifkan program Visual Basic 6.0 dan
membuka jenis aplikasi yang ada, maka bidang
tempat kerja menghasilkan program aplikasi akan
ditampilkan. Tempat ini disebut dengan Integrated
Development Environment (IDE). Bentuk layer
Visual Basic 6.0 hampir sama dengan layer
program-program aplikasi windows pada umumnya
seperti yang dapat dilihat pada gambar 1.

4.

Menggunakan struktur data internal untuk


menjamin validitasnya.
Menurut Pressman (2002), Beta Testing adalah
pengujian yang dilakukan pada satu atau lebih
pelanggan oleh pemakai akhir perangkat lunak.
Tidak seperti pengujian alpha, pengembang biasanya
tidak ada sehingga pengujian beta merupakan
sebuah aplikasi live dari perangkat lunak didalam
suatu lingkungan yang tidak dapat dikontrol oleh
pengembang. Pelanggan merekam semua masalah
(real atau imajiner) yang mereka temui selama
pengujian beta melaporkannya kepada pengembang
dalam interval yang regular. Sebagai hasil dari
pelaporan masalah selama pengujian beta ini,
pengembang perangkat lunak melakukan modifikasi
dan kemudian mempersiapkan pelepasan produk
perangkat lunak ke pengguna.
2.

Gambar 1. Lingkungan Visual Basic 6.0.


Pengujian pada penelitian ini menggunakan
3 metode yaitu Black Box Testing, White Box
Testing dan Beta Testing.
Menurut Pressman (2002), Pengujian black-box
berfokus pada persyaratan fungsional perangkat
lunak. Dengan demikian, pengujian black-box
memungkinkan perekayasa perangkat lunak
mendapatkan serangkaian kondisi input yang
sepenuhnya menggunakan semua persyaratan
fungsional untuk suatu program. Pengujian blackbox bukan merupakan alternatif dari teknik whitebox, tetapi merupakan pendekatan komplementer
yang kemungkinan besar mampu mengungkap kelas
kesalahan daripada metode white-box.
Pengujian black-box berusaha menemukan
kesalahan dalam kategori sebagai berikut :
1. Fungsi-fungsi yang tidak benar atau hilang
2. Kesalahan interface
3. Kesalahan dalam struktur data atau akses
database eksternal
4. Kesalahan kinerja
5. Inisialisasi dan kesalahan terminasi.
Pengujian white-box, yang kadang-kadang
disebut pengujian glass-box, adalah metode
desaintest case yang menggunakan struktur kontrol
desain procedural untuk memperoleh test case.
Dengan menggunakan metode pengujian white-box,
perekayasa sistem dapat melakukan test case yang :
1. Memberikan jaminan bahwa semua jalur
independen pada suatu modul telah digunakan
paling tidak satu kali.
2. Menggunakan semua keputusan logis pada sisi
true dan false.
3. Mengeksekusi semua loop pada batasan
mereka dan pada batas operasional mereka.
KNSI 2014

Pembahasan
Agar proses perancangan dan pembuatan
sistem menjadi jelas maka perlu dibuat sebuah
flowchart yang memberikan gambaran kerja sistem
pakar dalam mendiagnosa penyakit hipertensi. Pada
gambar 2 digambarkan flowchart sistem berikut.
Gambar 2. Flowchart Sistem Pakar Diagnosa
Penyakit Hipertensi

Gambar 2 menjelaskan jalannya suatu sistem


pada aplikasi sistem pakar ini. Terdapat dua pilihan
yaitu sebagai user dan admin, apabila sebagai user,
maka user ke proses input data user dan akan
dilanjutkan dengan menginput gejala umum, gejala
spesifik setelah menginput aksan dilakukan proses
oleh aplikasi sitem pakar dimananya akan
menampilkan output yang berisi hasil diagnosa,
penjelasan, penyebab dan solusi. Setelah itu program
akan memberikan langkah selanjutnya apakah output
ingin di cetak atau tidak, apabila dicetak program
akan mencetaknya. Apabila sebagai pakar/admin
agar dapat masuk ke sistem, maka pakar/admin
harus menginput username dan password yang

98

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

muncul pada saat memilih sebagai admin. Disini


seorang admin dapat menambah, mengubah,
menghapus, dan mengedit basis pengetahuan.

3.

Kesimpulan
Dari hasil penelitian dan pembahasan yang
dilakukan, maka dapat ditarik kesimpulan sebagai
berikut dengan adanya Sistem Pakar ini diharapkan
dapat memudahkan pasien untuk memeriksa
penyakit hipertensi dan diagnosa serta memberikan
solusi pengobatan serta pencegahan bagi orang yang
belum terkena penyakit hipertensi.
Sedangkan saran yang dapat dikemukakan
adalah agar sistem ini bisa desain secara lebih
interaktif lagi dengan menggunakan website
sehingga dapat diakses oleh masyarakat luas.

4. Daftar Pustaka
[1] Arhami, Muhammad, 2005, Konsep Dasar
Sistem Pakar, Yogyakarta: Andi offset.
[2] A.S. Rosa, 2011, Rekayasa Perangkat Lunak
(Terstruktur dan berorientasi objek), Bandung :
Modula.
[3] Fathansyah, 2004,
Basis Data, Bandung:
Informatika.
[4] Jogiyanto, HM, 2005, Analisis & Desain Sistem
Informasi, Yogyakarta: Andi Offset.
[5] Kusrini, 2006, Sistem Pakar, Teori dan Aplikasi,
Yogyakarta : Andi Offset.
[6]Turban, Efraim, Kelly Rainer dan Richard E.
Potter. 2005. Introduction to Information
Technology, diterjemahkan oleh Deny Arnos
Kwary dkk. 2006. Pengantar Teknologi
Informasi, Jakarta: Salemba Infotek.

KNSI 2014

99

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-18
PENGENALAN IRIS DENGAN METODE PRINCIPAL COMPONENT
ANALYSIS DAN ALGORITMA QUICKPROP
Ferry Augustian Siregar1, Sriyani Violina2, Bedy Purnama3
Jurusan Teknik Informati ka, Fakultas Informatika, Institut Teknologi Telkom
Jl. Telekomunikasi Terusan Buah Batu Bandung 40257 Indonesia
2
3
1 ferryaugustiansi regar@gmail.com, sviolina@gmail.com, bedy.purnama@gmail.com

Abstrak
Iris merupakan salah satu bagian tubuh yang unik dan stabil sehingga dapat dimanfaatkan untuk pengenalan manusia.
Pengenalan manusia melalui iris merupakan masal ah klasifi kasi yang dapat diselesaikan dengan menggunakan jari ngan
syaraf tiruan (JST). JST membutuhkan algoritma pembel ajaran untuk mendapatkan bobot-bobot optimal yang berguna
dalam proses klasifi kasi dan pada penel itian ini digunakan algoritma quickprop sebagai algoritma pembelajaran. Pada
algoritma quickprop, perubahan bobot hanya menggunakan informasi lokal pada masing-masing bobot sehingga dapat
mempercepat proses belajar pada JST. Dalam riset ini, input dari JST (neuron input) dapat berupa sel uruh pixel dari citra
iris yang di proses. Tetapi dengan ukuran citra yang besar, maka di perl ukan proses ekstraksi ciri. Ekstraksi ciri dilakukan dengan
menggunakan principal component analysis (PCA) untuk mendapatkan ciri spesifi k dari citra yang diproses. PCA
dapat mengurangi dimensi dari citra iris sehingga dapat mengurangi jumlah neuron input pada proses klasifi kasi.
Berdasarkan pengujian yang telah dilakukan, kombi nasi parameter terbaik adalah pada saat digunakan 40 principal
component, 27 hidden neuron, learning rate dengan nilai 0,03, maximum epoch dengan nilai 375 dan maximum
growth factor dengan nilai 1. Dari 30 kali pelatihan dan pengujian menggunakan kombinasi parameter terbaik ini,
didapatkan rata-rata akurasi pengenalan pada data latih sebesar 100% dan pada data uji sebesar 92,1%.
Kata kunci : pengenalan, iris, klasifikasi, JST, quickprop, PCA

1. Pendahuluan
1.1 Latar Belakang
Iris mata pada manusia merupakan salah satu bagian
tubuh yang uni k dan stabi l. Struktur dari iris akan tetap
sepanjang hidup manusia kecuali jika terjadi kecelakaan
sehingga menyebabkan kerusakan pada iris. Dengan
struktur yang stabil ini maka iris dapat di manfaatkan
sebagai pengenalan i ndivi du manusia.
JST merupakan metode untuk memodelkan
fungsi sistem syaraf manusi a dalam mel aksanakan tugas
tertentu mi sal nya proses klasifi kasi. JST membutuhkan
algoritma pembelajaran untuk mendapatkan bobotbobot optimal yang berguna dal am proses klasifi
kasi. Pada penel itian ini, digunakan al goritma
pembelajaran quickprop di mana pada al goritma
quickprop di lakukan perhitungan yang bersifat
pendekatan untuk mendapatkan bobot-bobot yang
optimal. Perubahan bobot hanya menggunakan i
nformasi l okal pada masi ng-masi ng bobot dan ti dak
terpengaruh oleh bobot-bobot l ai nnya yang berubah pada
waktu yang sama sehingga mempercepat proses belajar
pada JST.

KNSI 2014

Dalam ri set ini, input dari JST (neuron input)


dapat berupa sel uruh pixel dari citra iris yang
diproses. Tetapi dengan ukuran citra yang cukup besar,
maka di perl ukan proses yang di sebut ekstraksi ci ri. Tahap
ekstraksi ci ri akan menghasi l kan nilai - nilai yang
merepresentasi kan ci ri spesifi k dari citra iris (nilai
ekstraksi ciri) yang selanjutnya nilai-nilai ekstraksi ci ri
tersebut dapat di gunakan dal am proses klasifi kasi. Pada
penel itian ini, ekstraksi ci ri dilakukan
menggunakan PCA. Kelebihan PCA adalah dapat
mengurangi di mensi dari citra iris yang di proses sehi ngga
dapat mengurangi juml ah neuron input pada proses
klasifikasi dengan JST.
Oleh karena itu, pada penel iti an ini digunakan metode
PCA pada tahap ekstraksi ciri dan algoritma quickprop
sebagai algoritma pembelajaran JST sehingga dapat
membuat sistem pengenalan manusia menggunakan iris
mata memi li ki ti ngkat akurasi yang ti nggi.
1.2 Identifikasi Masalah
Berdasarkan
latar
belakang
di
atas,
permasalahan yang menjadi fokus pada penelitian ini
adalah :
1. Bagaimana mendapatkan nilai-nilai ekstraksi ciri
dari citra iris?

100

2.
3.

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Bagaimana mengimplementasikan algoritma


quickprop untuk proses pengenalan iris?
Berapa akurasi dari gabungan metode PCA dan algori
tma quickprop dal am pengenal an iris?

1.3 Tujuan
1.

2.

3.

Tujuan dari penelitian ini adalah :


Mel akukan ekstraksi ci ri dengan menggunakan
metode PCA sehingga didapatkan nilai-nilai
ekstraksi ci ri dari ci tra iris.
M engi mplementasikan al gori tma quickprop
pada JST dalam sistem pengenalan manusia
menggunakan iris mata.
Mengukur akurasi pengenalan dari gabungan
metode PCA dan algoritma quickprop dalam
sistem pengenalan manusia menggunakan iris mata.

1.4 Batasan Masalah


1.
2.
3.
4.
5.

Batasan masalah dari penelitian ini adalah :


Penelitian fokus pada tahap ekstraksi ciri dan
pengenalan iris.
Citra iris yang digunakan adalah citra
grayscale.
Ukuran citra yang diproses adalah 320 x 280.
Tidak menangani citra iris yang mengalami
proses transformasi, mi sal nya rotasi.
Citra iris yang diproses adalah citra offline
yang diambil dari database CASIA versi 1.0.

2.1 Pengambilan Citra


Tahap pengambilan citra merupakan tahap
pertama dalam sistem pengenalan manusia
menggunakan iris mata. Pada tahap ini dilakukan
pengambilan data berupa citra iris dari sebuah
database dan dimasukan ke dalam sistem untuk di ol
ah pada proses sel anj utnya.
2.2 Segmentasi
Segmentasi
merupakan
proses untuk
memisahkan daerah aktual iris pada citra mata
dengan bagian bagian-bagian mata yang lainnya, seperti
pupil, sclera, bulu mata dan kelopak mata [8]. Tahap
segmentasi pada penelitian ini menggunakan program
Libor Masek dengan metode hough transform.
2.3 Normalisasi
Proses normalisasi adalah proses untuk
mengubah daerah iris sehingga memiliki dimensi
yang tetap agar memungkinkan dilakukan
perbandingan. Proses normalisasi pada penelitian ini
menggunakan program Libor Masek, sama seperti
proses segmentasi, dengan menggunakan metode
daugman s rubber sheet model.

1.5 Metode Penelitian


Metode yang digunakan dalam menyelesaikan
penelitian ini adalah sebagai berikut :
1. Studi Literatur.
2. Pengumpulan Data.
3. Analisis dan Perancangan Sistem.
4. Implementasi.
5. Pengujian dan Analisis.
6. Pengambilan Kesimpulan dan Penyusunan
Laporan Penelitian.

Gambar 2 : Daugmans Rubber Sheet Model


2.4 Perbaikan Citra
Perbaikan
citra
dengan
tujuan
meningkatkan nilai kontras pada citra iris dilakukan
dengan menggunakan metode ekualisasi histogram.
Ekualisasi histogram dapat membuat nilai kontras pada
citra menjadi lebih tinggi dari sebelumnya
sehingga mempertajam citra dan membuat ciri-ciri khusus
dari ti ap citra l ebi h terli hat secara visual.

2. Dasar Teori
Diagram alur dari sistem pengenalan manusia
menggunakan iris mata adal ah sebagai berikut :
Gambar 3 : Contoh histogram asal dan histogram
hasil operasi ekualisasi histogram
2.5 Ekstraksi Ciri
Ekstraksi ciri adalah proses untuk mendapatkan nilainilai yang merepresentasi kan ciri spesi fi k pada suatu citra
iris sehingga dapat digunakan untuk membedakan dengan
citra iris yang lain. Langkahlangkah proses ekstraksi ciri
dengan PCA adalah sebagai berikut :

Gambar 1 : Diagram alur pengenalan iris


KNSI 2014

101

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Kata eigen bffasal dari Jerman yang berarti karakteri


sti k sehi ngga eigenvalue dapat di arti kan sebagai nilai
karakteristik dan eigenvector sebagai vektor yang
mempunyai karakteristik tersebut.
Gambar 4 : Diagram alur ekstraksi ciri dengan PCA
Untuk melakukan normalisasi pada matriks awal,
pertama harus dicari nilai rata-rata untuk setiap baris
dari matriks awal tersebut.

Skalar dinamakan nilai eigen (eigenvalue) dari A


dan x di katakan vektor eigen yang bersesuai an dengan
[1].
Principal component (PC) adalah matri ks
pembawa ciri data [7]. PC sebetulnya adalah
eigenvector berkorelasi yang diurutkan secara
descending berdasarkan eigenvalue. Eigenvector
berkorelasi sendiri adalah hasil perhitungan data normal
dikalikan dengan eigenvector. Pada PC, semakin ke
kanan maka eigenvalue semakin keci l dan artinya
semakin sedi kit dal am menjelaskan ciri data sehingga
dapat di buang. Banyaknya PC yang dipakai tergantung
oleh studi kasusnya. Semakin banyak PC yang
digunakan, maka akan semakin besar di mensi matriks
kel uaran namun akan membawa ciri yang lebi h detail
[7]. Selanjutnya, untuk ke tahap klasifikasi
menggunakan JST digunakan perhitungan dengan
mengal i kan transpose principal component dengan
vektor citra hasi l proses awal :

2.6 Pengenalan

Setelah didapatkan vektor rata-rata untuk setiap baris


dari matriks awal, maka selanjutnya dapat dicari data
normal dari matriks awal tersebut dengan menggunakan
persamaan berikut :

Covariance matrix atau bi asa di sebut kovarian


merupakan suatu alat ukur penyebaran data yang bekerja
pada di mensi lebi h dari satu [7]. Pada PCA, kovarian
akan berfungsi untuk mengukur penyebaran data
dari matriks hasil normalisasi . Jika diketahui terdapat
sebuah citra berdimensi m sejumlah n, kemudian
digabungkan membentuk sebuah matriks Y berukuran
(m x n) yang sudah ternormalisasi, maka covariance
matrix C dapat di cari dengan cara sebagai beri kut :

KNSI 2014

JST memerlukan algoritma pembelajaran agar dapat


mengklasifikasikan citra iris dengan baik. Pada
algoritma quickprop, dilakukan perhitungan yang
bersifat pendekatan untuk mendapatkan bobotbobot yang
optimal. Perubahan bobot hanya menggunakan
informasi lokal pada masing-masing bobot dan tidak
terpengaruh oleh bobot-bobot lainnya yang berubah
pada waktu yang sama sehingga menyebabkan
proses belajar pada JST dapat dilakukan dengan cepat.
Berikut
tahapantahapan
dari
algoritma
qui ck pr op dengan menggunakan Multi Layer
Perceptron dan fungsi aktivasi sigmoid bipolar :
1. Mendefinisikan matriks masukan (P) dan
matriks target (T).
2. Menginisialisasi parameter-parameter JST
seperti jumlah elemen input, jumlah neuron pada
hidden layer, jumlah neuron pada output layer,
bobot
dan , Mean Square Error
(MSE), learning rate (lr), maximum growth
factor () dan jumlah epoch.
3.
Melakukan pelatihan JST yang terdiri dari 2 tahap,
yaitu :
a.
Perhitungan Maju
- Menghitung nilai keluaran dari hidden layer (A1 )
- Menghitung nilai keluaran dari output layer (A2 )
- Hitung nilai error dari tiap A2
- Hitung nilai derivative error antara hidden layer
dengan output layer dan input layer dengan hidden
layer menggunakan persamaan berikut :

102

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Setelah nilai-nilai perbaikan untuk setiap bobot


didapatkan, maka selanjutnya adalah memperbaiki nilai
bobot dan menghitung MSE. Langkah-langkah tersebut
adalah untuk satu kali siklus pelatihan (satu epoch).
Pelatihan akan dilakukan berulang-ulang sampai
sejumlah siklus pelatihan tertentu atau sampai
mencapai MSE yang diinginkan. Hasil akhir dari
pelatihan JST adalah nilai-nilai dan .
3. Analisis dan Perancangan Sistem
Pada awalnya, sistem dilatih dengan
menggunakan data latih. Tahap pertama adalah
melakukan pengambilan / pembacaan citra iris oleh sistem.

b. Perhitungan Mundur
Setelah didapatkan derivative error tiap bobot
antara hidden layer dengan output layer dan input
layer dengan hidden layer untuk semua data latih, maka
selanjutnya dilakukan pengubahan bobot
dan . Untuk menghitung nilai pengubahan bobot
pada epoch pertama, digunakan persamaan berikut :

Sedangkan pada epoch selanjutnya digunakan


persamaan berikut :

Selanjutnya, dilakukan proses segmentasi yaitu


pemisahan daerah aktual iris dari bagianbagian mata
yang lainnya. Proses segmentasi menghasilkan 3 buah
citra, yaitu :
1. Citra noise, yaitu citra dengan pendeteksian
noise yang ada pada daerah iris.
2. Citra segmentasi, yaitu citra dengan
pendeteksian daerah iris.
3. Citra daerah aktual, yaitu citra segmentasi yang
dikurangi dengan citra noise sehingga didapat
daerah aktual iris.
Tahap
selanjutnya,
dilakukan
proses
normalisasi yaitu pengubahan bentuk daerah aktual iris
dari bentuk awal yang seperti donat menjadi bentuk
persegi panjang dengan ukuran 20 x 240 pixel
sehingga setiap iris memiliki dimensi yang tetap agar
memungkinkan dilakukan perbandingan. Proses normal
isasi menghasilkan 2 buah citra, yaitu :
1. Citra polar noise, yaitu citra normalisasi yang
berisi noise pada daerah iris
2. Citra polar, yaitu citra normalisasi yang berisi
daerah aktual iris
Citra polar yang di hasi l kan dari proses normal i sasi dengan
program Libor Masek memiliki nilai kontras yang rendah
sehi ngga dil akukan perbai kan citra dengan tujuan meni
ngkatkan nilai kontras. Setelah sel uruh proses awal
selesai, citra polar hasi l perbai kan di ubah bentuknya
dari bentuk matri ks ukuran 20 x 240 menjadi bentuk
vektor dengan ukuran 4800 x 1.

Gambar 5 : Pengubahan bentuk matri ks ukuran 20


x 240 menjadi vektor ukuran 4800 x 1
Setelah semua citra iris untuk bagian pelatihan
dilakukan proses awal dan di ubah bentuknya
menjadi vektor, maka sel anjutnya sel uruh vektor
tersebut yang berjumlah n buah disatukan menjadi sebuah
matri ks dengan ukuran 4800 x n.

KNSI 2014

103

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 6 : Penggabungan sel uruh vektor


Matriks kumpulan vektor data latih tersebut
dilakukan proses ekstraksi ci ri dengan metode PCA hingga
didapatkan nilai principal component (PC). PC yang
ditranspose di kal i kan dengan masi ngmasi ng vektor
yang didapat sebel umnya sehi ngga menghasilkan data
masukan untuk JST dan digunakan untuk mel ati h
JST hi ngga mendapatkan nilai -nilai bobot yang terbai k.
Setelah JST selesai dilatih, maka selanjutnya
dilakukan proses pengujian. Proses pengolahan citra iris
yang di lakukan pada bagi an penguji an sama dengan
proses pengol ahan pada bagian pel ati han sampai
terbentuknya kumpul an vektor citra iris. Proses penguji
an dil akukan dengan cara mengukur akurasi sistem dalam
mengenali citra iris pada data uji dan bertujuan untuk lebi
h meyaki nkan bahwa bobot-bobot yang di hasi l kan dari
bagi an pel ati han merupakan bobot-bobot terbai k.
4. Implementasi dan Pengujian
Pada penel iti an ini, di lakukan klasifi kasi
sejumlah 25 individu manusia dengan jumlah data lati h
sebanyak 100 buah citra iris (4 buah untuk setiap
individu) dan data uji sebanyak 100 buah citra iris (3 buah
untuk setiap i ndivi du yang i ri snya termasuk dalam data
latih dan 1 buah untuk masingmasing individu dari 25
individu manusia yang irisnya tidak termasuk
dalam data latih). Berdasarkan pengujian
parameter yang telah dilakukan oleh penul is,
didapatkan kombi nasi parameter terbaik adalah pada
saat digunakan 40 principal component, 27 hidden
neuron, learning rate dengan nilai 0,03, maximum
epoch dengan nilai 375 dan maximum growth factor
dengan nilai 1. Dari 30 kali pel ati han dan penguji an yang
dilakukan pada JST menggunakan kombi nasi parameter
terbai k tersebut, didapatkan hasil sebagai berikut :
1. Akurasi data latih (%)
A kurasi paling keci l : 100%
Akurasi paling besar : 100%
A kurasi rata-rata
: 100%
2. Akurasi data uji (%)
A kurasi paling keci l : 90%
Akurasi paling besar : 93%
A kurasi rata-rata
: 92%
3. Akurasi data uji untuk individu yang diterima (%)
A kurasi paling keci l : 89,33%
Akurasi paling besar : 92%
Akurasi rata-rata
: 91,87%
4. Akurasi data uji untuk individu yang ditolak (%)
A kurasi paling keci l : 92%
Akurasi paling besar : 96%
A kurasi rata-rata
: 92,8%
5. Waktu Pelatihan (s)
Waktu tercepat
: 16,73s
KNSI 2014

Waktu terl ama


: 17,13s
Waktu rata-rata
: 16,82s
Berdasarkan hasi l tersebut, rata-rata akurasi pengenalan
pada data latih sebesar 100% dan pada data uji sebesar
92,1% serta rata-rata lama waktu pel ati han adal ah 16,82
deti k. Dapat di si mpul kan bahwa JST yang dilatih
dengan kombinasi terbaik tersebut rata-rata mampu
mengenal i 92 dari total 100 citra iris pada data uji.
Sedangkan rata-rata akurasi pengenalan pada data uji
untuk individu-individu yang i risnya termasuk dalam
data l ati h adal ah sebesar 91,87% atau dengan kata lain
sistem dapat mengenal i 69 dari total 75 citra iris. U ntuk i
ndi vi du yang i ri snya ti dak termasuk dalam data lati h,
akurasi rata-ratanya adalah sebesar 92,8%. Artinya sistem
mampu menol ak sebanyak 23 dari total 25 citra iris.
5. Kesimpulan dan Saran
5.1 Kesimpulan
Berdasarkan hasi l analisis pengujian dapat
diambil beberapa kesimpulan yaitu :
1. Algoritma quickprop cukup baik untuk
digunakan pada sistem pengenalan manusia
melalui iris mata. Selain itu, pelatihan JST
menggunakan algoritma quickprop juga
memi li ki waktu komputasi yang relatif cepat di
mana lama pelati han saat di gunakan
kombinasi parameter-parameter terbaik adalah sekitar
16 detik.
2. Pemilihan jumlah PC yang tepat sangatlah
penting agar dapat membuat waktu komputasi pada
pelatihan JST menjadi lebih cepat namun tetap
menjaga akurasi pada nilai yang baik.
Berdasarkan pengujian, di si mpul kan bahwa juml
ah PC yang paling optimal untuk
digunakan adalah sebanyak 40 PC.
3. Pemilihan
parameter
JST
sangat
mempengaruhi akurasi pengenalan. Jika ada sal ah
satu parameter yang tidak optimal maka akurasi dapat
menjadi tidak memuaskan. Oleh karena itu,
pemilihan parameter JST harus mel al ui
pengujian dan dilakukan anal isis terhadap hasi l
penguji an tersebut. Berdasarkan hasil pengujian
disimpulkan bahwa parameter terbai k adalah saat
jumlah PC yang digunakan sebanyak 40,
learning rate sebesar 0,03, jumlah neuron
pada hidden layer sebanyak 27, jumlah epoch
sebanyak 375, maximum growth factor sebesar
1 dan MSE sebesar 0,0001. Dengan kombi nasi
parameter ini di hasi l kan rata-rata akurasi
pengenalan pada data l ati h sebesar 100% dan pada
data uji sebesar 92,1%.
5.2 Saran
Saran untuk pengembangan kedepannya adalah sebagai
beri kut :
1. Sistem dikembangkan agar dapat menerima citra
iris secara realtime.
2. Pada bagian segmentasi dapat dicari algoritma yang
lebih baik lagi.
3. Pada JST dapat dilakukan beberapa optimasi,
misalnya pada penentuan bobot awal dapat
digunakan algoritma nguyen widrow dengan

104

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

harapan
dapat
pengenalan.

meni ngkatkan

akurasi

Daftar Pustaka
[1] Anton, Howard, 1992, Aljabar Liniear
Elementer Edisi Kelima, Jakarta, Penerbit
Erlangga.
[2] Test, Biometrics Ideal, 2011, Note On CASIA
IrisV1, http://biometrics.idealtest.org.
[3] Fahlman, Scott E., 1988, An Empirical Study
of Learning Speed in Back-Propagation
Networks, http://citeseerx.ist.psu.edu.
[4] Fausette, Lauren, 1994, Fundamentals of
Neural
Networks
Architectures,
Algorithms and Applications, New Tork,
Pretince Hall.
[5] M asek, Libor dan Dr. Peter Kovesi, 2003,
Recognition of Human Iris Patterns for
Biometric Identification, University of
Western Australia.
[6] Rachmawati, Rainy, 2008, Analisis dan
Implementasi Algoritma Genetika (AG) dalam
Jaringan Syaraf Tiruan Feed Forward Neural
Network(FFNN) pada Pengenalan Iris Mata,
Bandung, Institut Teknologi Telkom.
[7] Razi, Ikbal, 2010, Kl as if ik as i J e ni s
Kendaraan
Menggunakan
Principal
Component Analysis (PCA) dan Learning
Vector Quantization (LVQ), Bandung, Institut
Teknologi Telkom.
[8] Restuti, Si nta, 2010,
Analisis dan
Implementasi Metode Linear Discriminant
Analysis dan Support Vector Machine pada
Pengenalan Iris Mata, Bangung Institut
Teknolgi Telkom.
[9] Shi, Jin-Xin dan Xiao-Feng Gu, 2010, The
Comparison of Iris Recognition Using
Principal Component Analysis, Independent
Component Analysis and Gabor Wavelets,
Chengdu, University of Electronic Science and
Technology of China.
[10] Shlens, Jon, 2003, A Tutorial on Principal
Component Analysis Derivation, Discussion
and Singular
Value Decomposition,
http://www.cs.pri nceton.edu.
[11] Siang, Jong Jek, 2005, Jaringan Syaraf Tiruan
& Pemrogramannya Menggunakan Matlab,
Yogyakarta, Penerbit Andi.
[12] Suyanto, 2008, Soft Computing : Membangun
Mesin Ber-IQ Tinggi, Bandung, Penerbit
Informati ka.
[13] Turk, Matthew dan Alex Pentland, 1991,
Eigenfaces for Recognition, Massachusetts
Institute of Technology.
[14] Wayman, J., Jain, A., Maltoni, D., Maio, D.,
2005, Biometric Systems Technology, Design
And Performance Evaluation, Springer.
[15] Yambor, Wendy S., 2000, Analysis of PCABased and Fisher Discriminant-Based Image
Recognition Algorithms, Colorado State
University.

KNSI 2014

105

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-19
MENGUKUR TINGKAT KEBERGUNAAN APLIKASI BERBASIS WEB
Almed Hamzah
Jurusan Teknik Informatika Universitas Islam Indonesia
Jl. Kaliurang KM 14,5 Yogyakarta

Abstraksi
Saat ini website menjadi salah satu sarana utama bagi sebuah perusahaan untuk berkomunikasi dan menjaga
relasi dengan pelanggannya. Kebergunaan atau usability dari webs ite tersebut sangat diperlukan agar
pelanggan dapat dengan mudah berinteraksi dengan layanan-layanan yang disediakan oleh perusahaan
melalui website-nya. Namun aspek usabilitas ini sering diabaikan ketika sebuah perusahaan merancang
websitenya. Shneiderman 8 golden rule adalah satu set peraturan yang dapat dijadikan panduan sekaligus
digunakan untuk menilai tin gkat kebergunaan dari suatu website. Paper ini membahas tentang studi tin gkat
kebergunaan dari website yang tergolong top-rated di Indonesia berdasarkan Shneiderman 8 golden rule.
Hasil pen gukuran menunjukkan hanya 30 % dari website tersebut yang memiliki tin gkat kebergunaan yang
tinggi.

Kata Kunci : usability, HCI, website


1. Pendahuluan
Pertumbuhan bisnis di internet telah
menciptakan lingkungan kompetisi di antara
organisasi untuk membangun hubungan jangka
panjang dengan pelanggannya, salah satunya
dengan website [1]. Bahkan website telah menjadi
salah satu sarana utama bagi sebuah perusahaan
untuk berkomunikasi dan menjaga relasi dengan
pelanggannya. Apalagi perusahaan-perusahaan yang
tergolong cukup besar, website merupakan sarana
yang wajib d i m i l i k i . F a s i l i t a s - f a s i l i t a s y a n g
a d a didalamnya beragam, tidak sekedar informasi
semata namun j uga fasilitas lain yang
menuntut interaksi dengan penggunanya,
misalnya registrasi, penerimaan masukan dan saran,
kalkulasi, dan sebagainya. Berkaitan d e n g a n h a l
t e r s e b u t , a n t a r m u k a y a n g ditampilkan juga
harus memiliki tingkat kebergunaan yang cukup baik
agar pengguna merasa nyaman berinteraksi dengan
website beserta fasilitas menyertainya.
Namun, tingkat kebergunaan dari
website tersebut seringkali terabaikan dan jarang
sekali diukur berdasarkan metode yang tepat.
Akibatnya disain dari website itu sendiri kurang
terorganisir dipandang dari segi kegunaannya
walaupun tampilannya terlihat sudah bagus. Padahal,
riset untuk mengetahui tingkat kegunaan dari website
sangat penting seiring pertumbuhan jumlah
website yang semakin besar dan fakta bahwa
website bersifat internasional [2].
Shneiderman [3]
mengusulkan delapan
prinsip yang menjadi panduan bagi a n t a r m u k a
KNSI 2014

y a n g m e m i l i k i t i n g k a t kebergunaan yang
tinggi. Paper ini akan menggunakan prinsip-prinsip
tersebut untuk menilai tingkat kebergunaan dari
beberapa website perusahaan yang tergolong
website terbaik.
Paper ini terbagi dalam beberapa
bagian. Bagian 2 membahas tentang aspek
kebergunaan. Bagian 3 menjelaskan tentang
metode penelitian. Hasil dan diskusi
berturut-turut dijabarkan pada Bagian 4 dan 5 dan
ditutup dengan kesimpulan pada Bagian 6.
2. Kebergunaan
Kebergunaan
atau usabilitymerupakan
komponen penting dalam interaksi manusia dengan
komputer, terutama dalam perancangan sistem
yang
interaktif.
Definisi
kebergunaan
( u s a b i l i t y ) a d a l a h t h e effectiveness, efficiency,
and satisfaction with which users achieve
specified goals in particular environments
(ISO: 9241). Di dalam definisi tersebut terkandung
tiga makna inti terkait kebergunaan, yaitu
efektivitas, efisiensi dan kepuasan pengguna.
Sebuah sistem dikatakan efektif jika mampu
mengerjakan tugas (task) dengan akurat dan
tuntas. Efisiensi berkaitan dengan jumlah
sumberdaya yang digunakan untuk mengerjakan
sebuah tugas (task). Semakin sedikit sumberdaya
yang digunakan maka s e m a k i n e f e k t i f p u l a
sistem tersebut. S e d a n g k a n k e p u a s a n
m e m i l i k i a r t i kenyamanan dan penerimaan
yang dimiliki oleh pengguna selama berinteraksi
dengan
sistem.
Ketiga
komponen
ini

106

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

merupakan
tujuan
utama
dari
k e b e r g u n a a n d a n pengalaman pengguna
dalam berinteraksi dengan sistem [4].
Beberapa ahli dan peneliti telah
menyusun aturan atau panduan kebergunaan. Salah
satunya adalah Shneiderman [3] yang menyusun
delapan prinsip kebergunaan sebagai berikut.
1. Strive for consistency
2. Enable frequent users to use shortcuts
3. Offer informative feedback
4. Design dialog to yield closure
5. Offer simple error handling
6. Permit easy reversal of actions
7. Support internal locus of control
8. Reduce short-term memory load
Dengan mengikuti aturan kebergunaan
tersebut diharapkan sistem atau aplikasi yang
dihasilkan memiliki kemampuan interaksi yang
baik
dan
dapat
membantu
penggunanya
menyelesaikan suatu tugas (task). Menurut Alan
Dix [5], sistem yang dapat membantu pengguna
memiliki tiga kriteria, yaitu (a) useful yang
berarti sistem berfungsi seperti harapan dari
pengguna, (b) usable yang berarti sistem
mudah untuk dioperasikan, dan
(c) used yang berarti sistem benar-benar
digunakan oleh pengguna.
3. Metode Penelitian
Pada penelitian ini diambil 11 website
yang termasuk ke dalam website terbaik
untuk kategori perusahaan jasa keuangan versi
beritasatu.net. Beritasatu.net adalah sebuah
media online yang memberitakan b er i ta b er it a mu t a k hir ya n g ter j ad i d i I ndonesia.
Pada tahun 2011, med ia ini mengadakan
polling pembaca tentang website terbaik kategori
perusahaan j asa keuangan dan didapat 11 buah
website yang masuk kategori terbaik tersebut.
Pemilihan kategori perusahaan jasa keuangan
didasarkan pada fenomena pertumbuhan bisnis di
bidang ini dan persaingan yang semakin ketat antar
perusahaan menyebabkan sarana komunikasi website
yang dibangun juga semakin baik.
Ke-11 website tersebut kemudian
dievaluasi berdasarkan aturan kebergunaan dari
Shneiderman. Tujuan dari evaluasi ini adalah
untuk mengetahui tingkat kebergunaan masingmasing website. Website-website tersebut
dikunjungi satu-persatu kemudian dilakukan
observasi mengenai fitur-fitur yang ada di
dalamnya.
4. Hasil Penelitian
Dari delapan aturan kebergunaan
Shneiderman hanya 4 aturan yang memiliki
prosentase lebih dari 50% yang berarti hanya 50%
aturan kebergunaan yang digunakan oleh websiteKNSI 2014

website tersebut. Aturan tersebut adalah strive


for consistency (90,91%), enab le frequ en t
u ser ( 54,55 %), offer informative feedback
(54,55%), reduce short-term memory load
(63,64%). Sementara keempat aturan lainnya
hanya memiliki p r o s e n t a s e d i b a w a h
50%. Tabel 3.1 me r a n g k u m h a s i l
penelitian
yang
menunjukkan
prosentasi website yang mengikuti aturan
kebergunaan Shneiderman.
Tabel 1. Hasil Penelitian
Aturan

Prosentase

1. Strive for consistency

90,91

2. Enable frequent users

54,55

3. Offer informative feedback

54,55

4. Design dialog to yield closure

36,36

5. Offer simple error handling

36,36

6. Permits easy reversal of action

45,45

7. Support internal locus of control 27,27


8. Reduce short-term memory load 63,64
Jika digambar dalam sebuah grafik maka
tampak seperti Gambar 1. Dari grafik yang
terlihat pada Gambar 1 tersebut terlihat hanya 2
aturan yang terlihat dominan.

Gambar 1. Prosentasi kebergunaan website


5. Diskusi
Bagian ini mendiskusikan aturan
kebergunaan satu per satu berdasarkan hasil
penelitian yang dijelaskan pada Bagian 4.
1. Strive for consistency
Hampir semua website yang
dikunj ungi (90,91%) me miliki unsur
konsistensi. Website memiliki tampilan yang
konsisten dari halaman ke halaman.
Kekonsistenan tersebut tampak pada
penggunaan font (warna, style, dan ukuran) serta
perangkat navigasi yang sama untuk se ti ap
ha la ma n
ya n g
ter se d ia.
Hal
ini

107

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

menciptakan common feel dari pengguna


selama berinteraksi dengan sistem.

2. Enable frequent users to use shortcuts


Hanya sekitar 50% dari website yang
dikunjungi menyediakan fasilitas shortcuts bagi
pengguna yang sering berkunjung. Fasilitas
ini berupa form login yang berada di halaman muka
(homepage) atau member area.
3. Offer informative feedback
Hanya sekitar 50% dari website yang
dikunj ungi me mberikan umpan balik
(feedback) selama interaksi dengan pengguna.
Beberapa website yang sudah memiliki
fasilitas ini akan memberikan umpan balik
berupa status sistem saat user melakukan
sesuatu atau memberikan peringakatn ketika user
melakukan kesalahan input. Website lainnya
tidak memberikan umpan balik apapun
sehingga pengguna tidak mengetahui status dari
sistem.
4. Design dialog to yield closure
Hanya sebagian kecil (36,36%) dari
website yang dikunjungi merancang dialog
ya n g me n ga n tar k a n p e n g g u na kep ad a
tujuannya. Hal ini tampak dari ketiadaan peta situs
atau petunjuk lainnya yang membantu pengguna.
Ketiadaan petunjuk ini dapat membingungkan
dan membuat pengguna merasa tidak
nyaman dalam berinteraksi dengan website.

5.

Offer simple error handling


Seperti halnya aturan sebelumnya, hanya
sebagian kecil (36,36%) dari website yang
dikunjungi memiliki fasilitas penanganan kesalahan.
Hal ini mungkin karena fasilitas tersebut tidak
dianggap penting mengingat content dari
website yang tidak terlalu membutuhkan
validasi terhadap kesalahan yang dilakukan oleh
pengguna.

6.

Permit easy reversal of actions


Hampir 50 % dari website yang
dikunjungi memiliki fasilitas pengembalian
tind akan. Hal i ni d a p at meni ng kat kan
kenyamanan pengguna selama berinteraksi dengan
website dan pengguna tidak akan segan-segan
mencoba fasilitas-fasilitas baru yang belum dikenal.

8. Reduce short-term memory load


Sudah lebih dari 60 % dari website yang
d ikunj ungi memiliki fasilitas b antuan
infor masi yang mengurangi kewajiban
pengguna untuk mengingat-ingat hal-hal atau
tindakan yang harus dilakukan selama
interaksi berlangsung. Hal ini ditunjukkan adanya
opsi-opsi tertentu yang dapat dipilih oleh
pengguna dalam melakukan suatu tindakan,
misal opsi kategori masukan.
6. Kesimpulan
Berdasarkan
penelusuran
yang
dilakukan terhadap website berperingkat
terbaik ditemukan bahwa website-website
tersebut
belum
sepenuhnya
memenuhi
aturankebergunaan dari Shneiderman. Hal ini
menujukkan bahwa kebergunaan bukan merupakan
satu-satunya faktor yang membuat sebuah website
diterima atau dianggap baik. Selain itu juga hal ini
membuktikan bahwa website tersebut tidak
dirancang untuk memiliki tingkat kebergunaan
yang cukup bagi pengguna.
Namun setidaknya aturan kebergunaan
tersebut dapat dijadikan pedoman bagi
pengembang, disainer, maupun pengguna untuk
menguk ur seb erap a baik seb uah website
dapat digunakan. Kesadaran untuk menggunakan
aturan kebergunaan akan mendorong terciptanya
website-website yang lebih baik lagi dari sisi
interaksi dengan pengguna.
Daftar Pustaka
[1] O. Yatsenko, R. Mills, and J. Johnson, The
Golden Rules of Interface Design: Is Anyone
Listening?, Issues Inf. Syst., vol. 3, pp. 680
686, 2002.
[2] A. Sears, J. A. Jacko, and E. M. Dubach,
International Aspects of World Wide Web
Usability and the Role of High-End Graphical
Enhancements, Int. J. HUMANCOMPUTER
Interact., vol. 12, no. 2, pp. 241261, 2000.
[3] B. Shneiderman, Designing the user
interface: strategies for effective humancomputer interaction. Pearson Education
Inc, 2005.
[4] I. Santoso, Interaksi Manusia dan
Komputer. Yogyakarta: Penerbit Andi, 2009.
[5] A. Dix, J. Finlay, G. D. Abowd, and R. Beale,
Human-Computer Interaction 3rd Edition.
England: Pearson Education Limited, 2004.

7.

Support internal locus of control


Sangat sedikit (27,27%) dari website yang
dikunjungi yang memberikan dukungan terhadap
urutan aksi dan tindakan yang dilakukan oleh
pengguna. Selain itu masih ada broken link yang
menyebabkan pengguna merasa tidak nyaman
berinteraksi dengan website.
KNSI 2014

108

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-21
MEMBANGUN E-LERNING MENGGUNAKAN MOODLE
PADA SMK NEGERI 4 SAMARINDA
Siti Qomariah1, Heny Pratiwi2, Nursobah3
1,2,3

Teknik Informatika, STMIK Widya Cipta Dharma Samarinda


3
Jl. Prof. M. Yamin No 25 Samarinda Kode Pos 75127
1
s_qom_ti@yahoo.co.id , 2 henypratiwi@gmail.com , 3 p3m@wicida.ac.id

Abstrak
Perkembangan tekologi informasi (TI) yang semakin pesat, kebutuhan akan sebuah konsep dan mekanisme
belajar mengajar berbasis IT menjadi tak terelakan lagi. Konsep ini kemudian dikenal dengan sebutan Elerning. E-lerning adalah kependekan dari elektonic lerning yang membawa perubahan kedalam tranformasi
pendidikan konvensonal menuju pendidikan dalam bentuk pendidikan terkomputerisasi. Dengan e-learning guru
bisa menyampaikan materi pembelajaran melalui internet sehingga siswa dapat mengakses meteri tersebut kapan
saja dan dari mana saja. Kini banyak portal e-learning yang dikembangkan dengan perangkat lunak Learning
Management System (LMS) yang disebut Moodle. Moodle merupakan perangkat lunak open source yang
mendukung implementasi e-learning dengan paradigma terpadu dimana berbagai fitur penunjang pembelajaran
dengan mudah dapat diakomodasi dalam suatu portal e-learning. Fitur-fitur penting penunjang pembelajaran
tersebut misalnya: tugas, quiz, komunikasi, kolaborasi, serta fitur utama yang dapat meng-upload berbagai
format materi pembelajaran. Untuk pengembangan Moodle ini selain Moodle sendiri juga diperlukan Xampp,
MySQL, Notepad++ yang berfungsi mengedit Script PHP.
Kata kunci : e-lerning, moodle, PHP, MySQL
1.

Pendahuluan

Perkembangan teknologi Informasi yang


semakin pesat dan pemanfaatanya tidak hanya di
satu bidang saja tetapi di berbagai bidang sehingga
kebutuhan akan sebuah konsep dan mekanisme
belajar mengajar berbasis IT tidak terelakan lagi.
Konsep ini sekarang dikenal dengan E-lerning atau
Elektronic learningmembawa perubahan kedalam
tranformasi pendidikan konvensional menuju
pendidikan
dalam
bentuk
pendidikan
terkomputerisasi.
Teknologi komputer dan internet, mulai
dariperangkat keras dan perngkat lunak memberikan
banyak tawaran dan pilihan bagi dunia pendidikan
untuk menunjang proses pembelajaran bagi peserta
didik. Keunggulan yang ditawarkan bukan saja pada
kecepatan dalam mendapatkan informasi tetapi juga
fasilitas multimedia yang dapat menarik minat
peserta didik untuk belajar.
Sekarang banyak portal e-lerning yang
dikembangkan dengan perangkat lunak Lerning
Manajemen System (LMS) yang disebut Moodle.
Moodle merupakan perangkat lunak open source
yang mendukung implementasi e-learning dengan
paradigma terpadu dimana berbagai fitur penunjang
pembelajaran dengan mudah dapat diakomodasi
dalam suatu portal e-learning.
KNSI 2014

Fitur-fitur penting penunjang pembelajaran


tersebut misalnya: tugas, quiz, komunikasi,
kolaborasi, serta fitur utama yang dapat mengupload berbagai format materi pembelajaran.
SMKN 4 Samarinda adalah salah institusi
pendidikan yang ada di Kalimantan timur lebih
tepatnya di kota Samarinda ingin memberikan
pengajaran yang terbaik bagi siswanya sehingga
metode pengajar yang diberikan tidak hanya
konvensional tetapi juga berbasis e-lerning.
Berdasarkan latar belakan diatas rumusan
masalah yang akan dibahas adalah bagaimana
membagun e-lerning menggunakan moodle di
SMKN 4 Samarinda. Dengan adanya e-learning ini
bisa membantu proses pembelajaran sehingga tujuan
yang diinginkan yatu transfer ilmu pengetahuan dari
guru ke siswa dapat berlangsung dengan baik dan
maksimal.
SDLC atau Software Development Life Cycle
atau sering disebut juga System Development Life
Cycle adalah proses mengembangkan atau
mengubah suatu sistem perangkat lunak dengan
menggunakan model dan metodologi yang
digunakan orang untuk mengembangkan sistemsistem lunak sebelumnya. Pada penelitian ini model
SDLC yang dapat digunakan adalah waterfall

109

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

share ware seperti Ms Access, penggunaan MySQL


ini biasanya dipadukan dengan menggunakan
program aplikasi PHP, karena dengan menggunakan
kedua program telah terbukti akan kehandalannya
dalam menangani permintaan data.
2. Pembahasan

Gambar 1. Model Waterfall


waterfall sering juga disebut model
sekuensial linier (sequential linear) atau alur hidup
klasik (classic life cycle). Model air terjun
menyediakan pendekatan alur hidup perangkat lunak
secara sekuensial atau terurut dimulai dari analisis,
desain, pengcodean, pengujian, dan tahap
pendukung
(support)
pemeliharaan
(maintenance)[1].
Kajian teoritis yang digunakan dalam
analisis penelitian ini adalah :
E-learning adalah pendekatan pembelajaran
melalui perangkat komputer yangtersambung ke
internet, dimana peserta didik berupaya memperoleh
ahan belajar yang sesuai dengan kebutuhannya [2]
Moodle adalahsebuah paket perangkat lunak
yang di desain untuk membantu pendidik dalam
membangun pelatihan/kursus/pendidikan on line
yang berkualitas berbasis internet. Moodle
Termasuk dalam model CAL+CAT (computer
assisted learning+computer assisted teaching) yang
disebut learning management system (LMS).
Moodle dikembangkan dengan menggunakan lisensi
open source (LOS) sehingga sangat menguntungkan
bagi kita yang berada di Negara berkembang untuk
alasan penghematanbiaya. Moodle sebagai salah
satu mesin untuk membangun sebuah pendidikan on
line (elearning). Moodle dapat langsung bekerja
tanpa modifikasi pada unik, linux, windows, Mac
OS X, net ware.
PHP adalahMenurut Akbar (2005), PHP adalah
HyperText Preprocessor
merupakan bahasa
pemrograman pembuatan web yang ditemukan oleh
Rasmus Lerdoff. PHP memberikan kemampuan
lebih daripada HTML dan banyak digunakan karena
fitur-fiturnya yang ringan, opensource (untuk
menggunakannya tidak perlu membayar) dan
memberi banyak dukungan terhadap database
(MYSQL, PostgerSQL, IBM DB2, dll).
MySql adalahMenurut Nugroho (2004), MySQL
merupakan sebuah database server yang mampu
untuk memanajemenkan database dengan baik,
MySQL terhitung merupakan database yang paling
digemari dan paling banyak digunakan disbanding
database lainnya. Selain MySQL masih terdapat
beberapa jenis database server yaitu Oracle dan
PostgreSQL.Di dalam dunia internet, MySQL
dijadikan sebagai salah sebuah database yang paling
banyak digunakan selain database yang bersifat
KNSI 2014

Pada pembuatan e-learning dibuat peta situs (Site


map)yang berguna sebagai acuan untuk melinkkan
antar halaman yang membantu dalam perancangan
e-learning.
Site map sangat berguna karena
menentukan link link dari setiap halaman dan akan
membantu dalam pembuatan sistem sesuai dengan
yang sudah di analisis.Site map ini bertujuan untuk
memgambarkan alur kerja, adapun gambar dari site
map pada e-learning ini adalah sebagai berikut.

Gambar 2. Sitemap E-lerning

Gambar 3. Flowchart aplikasi E-lerning


Pada gambar 3 menjelaskan mengenai sistem
yang berjalan pada aplikasi e-lerning yang dibuat.

110

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Pada saat pengguna (admin maupun user) mulai


dengan membuka browser dan mengetikan url dari
aplikasi e-learning.
Halaman yang terbuka
pertamakal adalah halaman login. Pada halaman ini
pengguna diminta memasukan user dan password
kemudian sistem akan melakukan pengecekan login
terhadap username dan password tersebut. Dari
username dan password tersebut jika admin maka
akan mengakses halaman back end jika user biasa
maka akan mengakses halaman front end.
Untuk membantu dalam dalam membangun web
aplikasi e-lerning ini tetap diperlukan database untuk
memudahkan dalam rangka mengelola data dapat
dilakukan dengan lebih mudah dan terarsip dengan
baik. Adapun desain database yang disusun terdiri
atas beberapa tabel dimana table tabel itu memiliki
struktur yang spesifik sesuai dengan kegunaannya
Tabel 1. Tabel User
Field Name
Pengguna_Id
Pengguna_Ni
Pengguna_Nam
a
Pengguna_Jeng
kel
Pengguna_Tem
pat_lahir
Pengguna_Tan
ggal_lahir
Pengguna_Ala
mat
Pengguna_Telp
Pengguna_Ema
il
Username
Password
Level

Type
data
Int
Varchar

Wid
th
5
100

Varchar

100

Varchar

100

Varchar

100

Date

100

Nama User
Jenis Kelamin
User
Tempat lahir
user
tanggal lahir
user

Varchar
Varchar

100
100

alamat user
telp user

Varchar
Varchar
Varchar

100
100
100

email user
username login
password login
level mhs, guru
dan admin

Description
primary_key
Nim Pengguna

Foto
Pengirim
Waktu

Text
Varchar
Date

Foto Berita
Pengirim Berita
Waktu Berita

100

Tabel 4. Tabel Kategori Berita


Field
Name

Type
data

Id

Int

Kategori

Varchar

Width

Description
Auto_increment,
primary_key
Kategori Berita

5
100

Tabel 5. Tabel Kelas


Field
Name

Type
data

Id

Int

Nama

Varchar

Width

Description
Auto_increment,
primary_key
Nama Kelas

5
100

Tabel 6. Tabel Katagori materi


Field
Name

Type
data

Id

Int

guru_Id
Nama
Matpel_Id
Deskripsi
File

Varchar
Varchar
Int
Text
Text

Tanggal

Date

Wid
th

Description
Auto_increment,
primary_key
No Induk guru
Nama guru
Id Mata Pelajaran
Deskripsi Materi
File Upload Materi
Waktu Pengiriman
Materi

5
100
100
5

Tabel 7. Tabel Jawaban

Int

Type
data

Field Name

Width

Id

Int

Id_siswa
Id_master_soal

Int
Int

10
10

Nilai

Float

Tabel 2. Tabel Data Agenda


Field
Name

Type data

Wid
th

Description

Id

Int

Topik
Waktu

Varchar
date

100

Tempat

Varchar

100

Pengirim

Varchar

100

Auto_increment,
primary_key
Topik Agenda
Waktu Agenda
Tempat Pelaksanaan
Agenda
Pengirim Agenda

Width

Description

Tabel 3. Tabel Berita


Field
Name

Type
data

Id

Int

Judul
Kategori
Isi

Varchar
Int
Text

KNSI 2014

Description
Auto_increment,
primary_key
Id siswa
ID Master Soal
Nilai mahasiwa
Permata kuliah

Tabel 8. Tabel Jawaban detail


Field Name

Type
data

Width

Id

Int

Id_Jawaban
Id_Soal
Jawaban

Int
Int
Float

10
10

Description
Auto_increment,
primary_key
Id jawaban
ID Soal
Hasil Jawaban

Tabel 9. Tabel Master Soal

5
100
5

Auto_increment,
primary_key
Judul agenda
Kategori Berita
Isi Berita

Field
Name

Type
data

Width

Id

Int

Guru_Id
Tipe_Soal
Matkul

Int
TinyInt
Float

10
1

Description
Auto_increment,
primary_key
guru ID
Tipe Soal
Materi ID

111

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
Kelas_Id
Ta

Int
Year

10

Kelas
Tahun Soal

Tabel 10. Tabel Master Soal Plihan ganda


Type
data

Field Name

Width

Id

Int

Id_Soal_Detail
Jawab

Int
Varchar

Benar

Enum

10
100

Description

[4] http://blog.uny.ac.id/hermansurjono Membangun Elerning dengan Moodle diakses tanggal 20 Oktober


2013
[5] http://lecture.ub.ac.id/anggota/priantos/blogs/,
Mengembangkan Perkuliahan dengan E-learning
berbasis Moodle

Auto_increment,
primary_key
ID Soal Detail
Kunci Jawaban
Keterangan
jawaban

Tabel 11. Tabel detail soal


Type
data

Field Name

Width

Id

Int

Id_Ms_Soal
Soal

Int
Varchar

10
100

Description
Auto_increment,
primary_key
ID_soal
Soal

Tabel 12. Tabel matpel


Field
Name

Type
data

Id

Int

Nama

Varchar

Width
5
100

Description
Auto_increment,
primary_key
Nama Kelas

3. Kesimpulan
Dari hasil penelitian dan pembahasan yang
dilakukan maka diperoleh kesmpulan :
1. Aplikasi e-learning dapat memudahkan siswa
untuk mendapatkan materi kuliah dari guru dan
mendapatkan informasi serta berita seputar
kampus
2. Aplikasi e-learning dapat pula menjadi media
ujian online dan membantu proses penilaian
siswa
Saran
Berdasarkan kesimpulan diatas, maka penulis ingin
menyampaikan beberapa saran sebagai berikut :
1. Pemanfaatan aplikasi ini hanya bisa diakses di
lingkungan kampus diharapkan dapat diakses
dimana saja dan kapan saja.
2. Diharapkan adanya tambahan fitur seperti forum
dan chatting.
Daftar Pustaka
[1] Pressman, Roger. 2002. Rekayasa Perangkat Lunak
pendekatan praktisi.Yogyakarta : Penerbit Andi
[2] Prakoso, Setiyo. (2005). Membangun e-learning
Dengan Moodle. Andi Opsett. Jakarta
[3] Madcoms, 2008, Teknik Mudah Membangun Website
dengan HTML, PHP , dan MYSQL. Madiun : Andi

KNSI 2014

112

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-22
PREDIKSI KERAWANAN DAERAH TERHADAP P PENYAKIT
DEMAM BERDARAH DENGUE MENGGUNAKAN ANFIS
Candra Dewi1, Khori Widayanti2
1,2 Prodi Informati ka/Il mu Komputer, Program Teknol ogi Informasi dan Il mu Komputer
3 Universitas Brawijaya, Jalan Veteran, Malang, Jawa Timur
1 dewi candra@ub.ac.id

Abstrak
Demam berdarah dengue (DBD) merupakan penyakit endemis di Indonesia dan beberapa negara yang terletak di
daerah tropis maupun subtropis. Meningkatnya kejadian demam berdarah dipengaruhi oleh banyak faktor, salah
satunya adalah faktor iklim. Pada paper ini digunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS)
untuk memprediksi kerawanan suatu daerah terhadap DBD berdasarkan faktor iklim daerah tersebut. ANFIS
adalah gabungan antara metode fuzzy logic dengan neural network (JST). Parameter-parameter yang digunakan
untuk inputan adalah kelembaban, kecepatan angin, suhu dan curah hujan. Pada paper ini dilakukan pengujian
dengan menggunakan tiga data latih yang berbeda yaitu 40, 75 dan 110 data latih. Data pengujian yang
digunakan adalah sebanyak 40 data uji. Dari hasil pengujian terhadap tiga data latih tersebut didapatkan bahwa
tingkat akurasi berturut turut adalah 86%, 86%, dan 90%. Perbedaan tingkat akurasi ini dikarenakan data latih
yang digunakan berbeda-beda, semakin banyak data latih yang digunakan maka akan semakin baik tingkat
akurasi yang di dapatkan.
Kata kunci : demam berdarah dengue, prediksi, faktor iklim, ANFIS
1. Pendahuluan
Penyakit Demam Berdarah Dengue (DBD)
adalah penyakit menular yang disebabkan oleh virus
dengue dan ditularkan melalui gigitan nyamuk
Aedes aegypti [6]. Lingkungan merupakan salah
satu faktor yang sangat berperan dal am ti mbul dan
penyebaran penyakit DBD, baik lingkungan biologis
maupun fisik. Sebuah penelitian di Thailand
menyebutkan bahwa suhu dan kel embapan udara
serta curah hujan memiliki pengaruh yang signifi
kan terhadap angka insiden DBD [3].
Di Indonesia epidemi DBD terjadi beberapa
minggu setelah datangnya musim penghujan. Epi
demi mencapai angka terti nggi pada sebul an setelah
curah hujan mencapai puncak tertinggi untuk kemudian
menurun sejalan dengan menurunnya curah hujan [1].
Angka kematian yang disebabkan oleh nyamuk Aedes
aegypti masih cukup tinggi sekarang ini, karena cuaca
yang cenderung l embab akibat intensitas hujan yang
tinggi sehingga membuat nyamuk Aedes aegypti
lebih cepat berkembang bi ak.
Menurut Soegijanto S. (2003), faktor
lingkungan fisik yang berperan terhadap timbul nya penyakit
DBD meliputi kelembaban nisbi, cuaca, kepadatan
larva dan nyamuk dewasa, lingkungan didalam rumah,
lingkungan di luar rumah dan keti nggian tempat
tinggal [5]. Unsur-unsur tersebut saling berperan dan
terkait pada kejadian i nfeksi virus dengue.
Berdasarkan uraian di atas, perlu kiranya
dilakukan proses prediksi kemungkinan suatau
daerah akan terjangkit DBD ataukah tidak. Dengan
adanya prediksi ini dapat di gunakan sebagai
KNSI 2014

pencegahan dini untuk mengurangi akibat dari


mewabahwa penyakit DBD.
Pada tahun 1992, Jang mengembangkan sistem Neurofuzzy yang disebut adaptive neuro fuzzy inference
system (ANFIS) [2]. ANFIS adal ah jaringan adaptif
yang berbasis pada sistem inferensi fuzzy. ANFIS
merupakan metode permodelan terbaik untuk
menganalisis data numerik, karena dal am proses training
didasarkan mini mali sasi nilai kesalahan atau root mean
square error (RM SE) dari output-nya [4;7]. Oleh
karena itu, dalam paper ini akan diimplementasikan
simulasi penentuan kerawanan suatu daerah terhadap
kemungki nan terjangkit DBD dengan menggunakan AN
FIS.
2. Data
Data yang digunakan dalam penelitian ini
merupakan data iklim daerah Kabupaten
Banyuwangi tahun 2010-2011. Data ini memiliki
beberapa atri but antara lain temperatur, curah hujan, lembab
nisbi dan kecepatan angin. Data tersebut
diperoleh dari Badan Meteorol ogi Klimatologi dan
Geofisika Wilayah II, Stasiun Meteorologi
Banyuwangi. Selain itu untuk perhitungan akurasi
digunakan data daerah yang terjangkit DBD dari Dinas
Kesehatan Kabupaten Banyuwangi.
3. Metode Peneitian
Arsistektur sistem ANFIS yang digunakan
dalam paper ini memiliki 5 lapisan. Lapisan pertama
adalah lapisan adaptif untuk perhitungan derajat
keanggotaan, lapisan kedua untuk perhitungan firing

113

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

strength, lapisan ketiga untuk perhitungan


normalisasi firing strength, lapisan keempat adalah
juga merapakan lapisan adaptif untuk
perhitungan parameter konsekuen dan lapisan
kelima untuk perhitungan output jaringan. Arsitektur
sistem ANFIS pada kasus ini ditunjukkan pada
Gambar 1.

Gambar 1 Arsitektur ANFIS untuk penentuan


kerawanan penyakit DBD
Masukan dari sistem adalah data suhu,
kelembaban, curah hujan dan kecepatan angin. Input ini
masuk pada lapi san pertama untuk kemudian di cluster
menjadi dua sesuai aturan yang telah ditetapkan sebel
umnya. Setel ah di ketahui cluster dari tiap input, sel
anjutnya dihitung derajat keanggotaannya. Keluaran
dari lapisan pertama adalah derajat keanggotaan yang
akan digunakan pada lapisan kedua. Pada lapisan
kedua akan di hitung nilai dari firing strength.
keluaran dari lapisan kedua ini adalah nilai nilai kuat
penyuluhan yang akan masuk ke lapisan ketiga. Pada
lapisan ketiga firing strength akan di normalisasi dan
menghasi l kan kel uaran firing strength ternormali sasi dan
menjadi masukan lapisan keempat. Pada lapisan keempat,
suhu, kelembaban, curah hujan dan kecepatan angin
digunakan untuk menghitung nilai dari konsekuen dari
aturan yang ada. Selanjutnya nilai konsekuen ini akan di
kali kan dengan nilai firing strength ternormalisasi
untuk menghitung output jari ngan berupa kerawanan
pada lapisan keli ma.
Proses penentuan kerawanan menggunakan
ANFIS di lakukan dengan melakukan pelati han terl
ebi h dahul u terhadap sistem. Proses pelati han terhadap
data lati h di lakukan untuk menghasilkan nilai parameter
premis dan parameter konsekuen yang optimal.
Parameter konsekuen ini lalu digunakan untuk
menghitung kerawanan pada proses pengujian data. Alur
proses pelatihan dengan ANFISditunjukkan pada
Gambar 2 Diagram alir proses pelatihan dengan ANFIS.

KNSI 2014

Gambar 2 Diagram alir proses pelatihan dengan


ANFIS
4. Perhitungan Akurasi
Tingkat akurasi pada paper ini dihitung
menggunakan RMSE dan persentase jumlah
perhitungan benar oleh sistem terhadap jumlah
pengujian.
RM SE (Root Mean Square Error) merupakan
akar rata-rata total kuadrat error yang terjadi antara output
proses dan output target. Semakin kecil nilai RM SE
maka besar ti ngkat keberhasi lan proses pelatihan (ElSheimy, 2001). RMSE dapat dihitung dengan
menggunakan persamaan 1.

114

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 3 Grafik perbandingan output aktual dan


output jari ngan menggunakan 40 Data Latih

5. Hasil dan Pembahasan


Pada paper i ni di lakukan pengujian 40 data uji
terhadap 40, 75 dan 110 data latih. Sebelum di lakukan
pengujian nilai akurasi, terlebih dahulu dilakukan
pengujian untuk mendapatkan laju pembelajaran
terbaik. Dari hasil pengujian didapatkan bahwa nilai
laju pembel ajaran terbaik berada pada nilai 0,8.
Hasil pengujian laju pembelajaran ditunjukkan pada
Tabel 1. Dari tabel juga terlihat bahwa dengan semakin
banyak data latih, dihasilkan nilai RMSE yang juga
semakin baik.

Pada Gambar 4 ditunjukkan grafik hasil prediksi


kerawanan dengan menggunakan 75 data lati h. Dari gambar
dapat diketahui bahwa pada beberapa data, output jaringan
masih belum bisa mengikuti pola dari nai k dan turunnya
output aktual. Pada awal data terlihat perbedaan output
aktual dengan output jari ngannya yang memiliki nilai
kerawanan 2, tetapi selanjutnya output jari ngan mengikuti
nilai dari data aktual. Perbedaan nilai kerawanan antara
output aktual dan output jaringan berada pada data uji ke-1,
ke-5, ke-6, ke-18 dan ke-36.

Tabel 1 Pengujian laju pembelajaran


Laju
Pembelajaran

RMSE
Data Latih 40

Data Latih 75

Data Latih 110

0.1

0.4018476785

0.3760999116

0.37270755824

0.2

0.4033051085

0.3756552949

0.37270755824

0.3

0.4033051085

0.3756552949

0.37270755824

0.4

0.4013610582

0.3750754216

0.37270755824

0.5

0.4013610582

0.3750754216

0.37270755824

0.6

0.4033051085

0.3750754216

0.37270755824

0.7

0.4013610582

0.3756552949

0.37270755823

0.8

0.3212830085

0.2997124133

0.29816604659

0.9

0.4033051085

0.3750754216

0.37270755824

Nilai laju pembelajaran terbaik yang di


peroleh kemudian digunakan untuk mengetahui
perkembangan hasil perhitungan output jaringan.
Hasil perhi tungan ini kemudian di bandi ngkan dengan
output aktual. Grafik hasil predi ksi kerawanan
dengan menggunakan 40 data lati h dapat dilihat pada
Gambar 3. Dari gambar dapat dilihat bahwa output
jaringan masih belum bisa mengikuti pola dari naik dan
turunnya output aktual. Hal ini terl i hat pada beberapa data
yang berbeda antara nilai kerawanan output aktual dan nilai
kerawanan output jaringan. Pada output aktual pertama
yang memiliki nilai kerawanan 1 mengalami perbedaan
dengan output jaringannya yang memiliki nilai kerawanan
2, tetapi pada output aktual kedua nilai kerawanan sama
dengan nilai kerawanan output jaringan. Pada data terakhir,
output jari ngan mengikuti nilai dari data aktual. Perbedaan
nilai kerawanan antara output aktual dan output jaringan
berada pada data uji ke-1, ke-5, ke-6, ke-18 dan ke-36.
KNSI 2014

Gambar 4 Grafik Perbandingan Output Aktual dan


Output Jaringan Menggunakan 75 Data Latih
Hasi l predi ksi kerawanan dengan 110 data lati h dapat
dilihat pada Gambar 5. Pada gambar 4.12
ditunjukkan bahwa output jari ngan bisa mengi kuti pola
dari nai k dan turunnya output aktual. Hal ini terl i hat
pada beberapa data yang memiliki kesamaan nilai
kerawanan output aktual dan nilai kerawanan output
jaringan. Pada output aktual pertama nilai kerawanannya
sama antara output aktual dan output jari ngan yaitu 1,
tetapi masi h terdapat perbedaan antara nilai kerawanan
yang dihasilkan output aktual dengan nilai kerawanan output
jari ngan. Pada data terakhir, output jaringan mengi kuti
nilai dari data aktual.

Gambar 5 Grafik Perbandingan Output Aktual dan


Output Jaringan Menggunakan 110 Data Latih

115

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Berdasarkan hasi l pengujian akurasi dapat di


ketahui bahwa dengan semaki n banyak data l ati h, menghasi l
kan akurasi yang semaki n bai k. Data hasi l pengujian tingkat
akurasi ditunjukkan pada Tabel 2.
Tabel 2 Hasil pengujian akurasi
Data
Latih

Pengujian ke1

RataRata

40

85.0%

87.5%

85.0%

85.0%

87.5%

86.00%

75

87.5%

87.5%

85.0%

85.0%

85.0%

86.00%

110

90.0%

90.0%

90.0%

90.0%

90.0%

90.00%

Surabaya.
[6] Suroso, T.; 1999; Epidemiological situation of
dengue hemorrhagic fever and its control in
Indonesi; Seminar on Dengue Fever/ Dengue
Hemorrhagic Fever, Surabaya
[7] Zhu, Y.; 2000; ANFIS : Adaptive Neuro Fuzzy
Inference System; EE Dept. Univ. of Missouri,
Rolla.

Dari Tabel 2 terl i hat bahwa ti ngkat akurasi predi


ksi kerawanan dengan menggunakan 40 data lati h dan
75 data l ati h mengalami perubahan pada tiap percobaan.
Nilai rata-rata ti ngkat akurasi dari kedua data latih ini
adalah sama yaitu 86%. Perubahan ini terjadi karena
pengambilan nilai centroid dengan clustering KMean di bangkitkan secara random, sehingga pada
saat melakukan penguji an, nilai er r or berubahubah dan mempengaruhi ti ngkat akurasi. Pada data
latih 110 tingkat akurasi tidak mengalami berubahan
dari percobaan pertama hi ngga terakhi r dan rata-rata
ti ngkat akurasi mencapai 90%.
6. Kesimpulan
Berdasarkan hasil uji coba dapat di ambil
kesimpulan sebagai berikut:
1. Dari hasi uji coba diperoleh laju pembelajaran
yang optimal untuk mel akukan pengujian
adalah 0,8.
2. Dengan semakin banyak data latih, maka
akanmenghasi l kan ti ngkat akurasi semakin baik. Dalam
paper ini juga menunjukkan bahwa dengan data
lati h 110 hasi l perhitungan akurasi mendekati stabi l
pada angka 90%.
Daftar Pustaka:
[1] Djunaedi, Djoni; 2006; Demam Berdarah
Dengue; U M M -Press, Malang.
[2] Jang J.-S.R., Sun C.-T., dan Mizutani E; 1997;
Neuro-Fuzzy And Soft Computing: A
Computational Approach To Learning And
Machine Intelligence; Prentice-Hall, Inc.
[3] Prompou, S., M. Jaroensutasinee, dan K.
Jaroensutasi nee; 2005; Climatic Factors
Affecting Dengue Haemorrhagic Fever
Incident in Southerm Thailand; Dengue
Bulletin, [on line], Vol. 29,pp 41-48; Website
http://who.i nt/LinkFi les/Dengue Bulletins/;
Diakses tanggal: 13 Mei 2011.
[4] Shapiro, A F.; 2002; From Neural Networks,
Fuzzy Logic, and Genetic Algorithms to
ANFIS and Beyond; A Proposal for the
American Risk and Insurance Association
2002 Annual Meeting. Universitas Park, USA.
[5] Soegijanto S.; 2003; Prospek Pemanfaatan
Vaksin Dengue untuk menurunkan prevalensi di
masyarakat; Di presentasi kan di Peri ngatan 90
tahun Pendidikan Dokter di FK U nair,
KNSI 2014

116

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-23
PERBANDINGAN: PREDIKSI PRESTASI BELAJAR MAHASISWA
MENGGUNAKAN TEKNIK DATA MINING
(STUDY KASUS FASILKOM UNSIKA)
Sofi Defiyanti
Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang
Sofi.defiyanti@unsika.ac.id

Abstrak
Prestasi belajar merupakan salah satu aspek yang paling penting dalam bidang pendidikan. Prestasi belajar yang
tinggi selalu menjadi harapan semua pihak. Bagi pihak perguruan tinggi prestasi belajar mahasiswanya merupakan salah satu
indikator efektif proses belajar mengajar, yang sekaligus dapat digunakan untuk meningkatkan citra perguruan tinggi
tersebut. Di perguruan tinggi prestasi belajar yang dicapainya oleh mahasiswa menggunakan Indeks Prestasi
Kumulatif (IPK). Data akademik, data ekonomi dan data geografis mahasiswa dapat digunakan dalam
menganalisis dan memprediksi kinerja mahasiswa dengan menggunakan teknik-teknik data mining diantaranya adalah
teknik decision tree, Nave Bayes dan artificial neural network. Dengan variabel-variabel penentu adalah umur saat
masuk perguruan tinggi, jenis kelamin, suku bangsa, asal sekolah, sks yang diambil, IPS, pembiayaan kuliah, status
mahasiswa, penghasilan orang tua, penghasilan pribadi, dan tempat tinggal. Dari penelitian yang telah dilakukan maka didapat
Nave Bayes merupakan teknik data mining yang memiliki akurasi yang paling tinggi jika dibandingkan dengan
decision tree dan artificial neural network. Nave Bayes juga memiliki waktu yang paling cepat untuk membangun
model dibandingkan dua model lain. Nave Bayes termasuk kedalam good classification dilihat dari ROC Curve.
Kata Kunci : data mining, prestasi belajar, perbandingan

1. Pendahuluan
Salah satu yang menjadi faktor suatu perguruan
tinggi termasuk yang berkualitas atau tidak salah
satunya dapat dilihat dari kinerja mahasiswanya.
Terbukti, dalam borang akreditasi program studi pada buku
3A standar 3 Mahasiswa dan Lulusan salah satu faktornya
adalah indek prestasi kumulatif. Kinerja mahasiswa
ini dapat dilihat dari Indeks Prestasi Kumulatif yang
didapat oleh mahasiswa tersebut. dengan semaki n
banyaknya rata-rata IPK mahasi swa lebih dari 3,00 maka
penilaian pada isian borang inipun akan mendapat nilai
empat, nilai maksimal dari pengisian borang tersebut.
Sehingga kualitas dari suatu program studi pun akan semakin
baik.
Rata-rata IPK di dapat dari data akademi k
mahasiswa selama masa kuliah sampai dengan lulus.
Dengan memanfaatkan data-data akademik mahasiswa
terdahulu yang sudah ada maka dapat memprediksi IPK
mahasi swa baru dengan menggunakan tekni k data
mining. Dengan mengetahui prediksi IPK mahasiswa
baru, maka pi hak prodi mendapat peringatan di ni agar
lebih perhatian terhadap mahasiswanya, sehingga
kualitas dari prodi tersebut tetap baik atau bahkan lebih bai
k.
D a t a m i n i n g memiliki beberapa teknik
diantaranya adalah klasifikasi yang digunakan untuk
penemuan sekumpulan model yang menggambarkan dan
membedakan konsep atau kelas-kelas data, agar model
yang sudah di bentuk dapat di gunakan untuk
memprediksi. Teknik klasifikasi dapat dikelompokkan

KNSI 2014

kedalam beberapa j eni s di antaranya pohon keputusan,


Bayesian, jaringan saraf tiruan (ANN), dan lain-lain.
Beberapa penelitian dalam bidang akademik
perguruan tinggi telah banyak dilakukan dengan
menggunakan teknik klasifikasi data mining.
Diantaranya pada tahun 1996 Al Cripps pada
penelitiannya yang berjudul Using Artificial
Neural Nets to Predict Academic Performance
menggunakan ANN untuk memprediksi kelulusan
berdasarkan data akademik selama mahasiswa
kuliah.
Dalam penelitiannya Al Cripps
menggunakan variablevariabel prediktor yang
digunakan dalam penelitiannya yaitu usia, jenis kelamin,
Skor American College Testing (ACT), ras dan
kemampuan membaca. (Cripps, 1996)
Pada tahun 2005 Chandra dan Nandhini pada
penelitiannya
yang
berjudul
P r ed ic ti n g
St u de nt Performance using Classification
Techniques menggunakan teknik klasifikasi untuk
memprediksi kinerja siswa dengan menggunakan
algoritma induksi pohon keputusan dan nave bayes.
(Chandra & Nandhi ni, 2005)
Pada tahun 2010 ying zhang, dkk dalam
penelitiannya yang berjudul ( V & S ,
2 0 1 0 ) menggunakan bebebrapa algoritma klasfifikasi
dalam data mining untuk mengetahui retensi si swa
dengan menggunakan teknik data mining. Retensi siswa
akan menjadi indikator dari kinerja akademik dan
untuk pengambilan keputuan pihak manajemen. Ving
Zhang menggunakan tiga algoritma klasifikasi
dalam penelitiannya diantaranya nave bayes, support
vectore machine dan decision tree. Dalam
penelitiannya didapat bahwa dari ketiga algoritma

117

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

tersebut yang paling akurat adalah nave bayes dengan


89,5% diikuti di tempat kedua adalah Support Vectore
Machine dengan 83,5% dan terakhir adalah decision tree
dengan 81,3%.
Pada tahun 2012 Surjeet Kumar, dkk dengan
penelitian yang berjudul Mining Education Data to
Students Retention: A comparative Study
membandingkan beberapa algoritma dalam teknik
klasifikasi dalam data mining yaitu ID3, C4.5 dan
ADT. Dari penelitiannya tersebut didapat algoritma
yang paling baik kinerjanya adalah ADT dengan
precision yang paling besar dengan 82,8% dan waktu
pengerjaan yang paling singkat yaitu 0,06 detik.
(Yaday, Surjeet, Bharadwaj, Brijesh, & Pal, 2012)
Fumei Weng pada thesisnya yang berjudul
Modelling IT Student Retention at Taiwanese
Higher Education Institutions pada tahun 2010
mengatakan bahwa retensi siswa dapat dili hat berdasarkan
variabel demografi, data akademik dan ekonomi
mahasiswa. Maka di dapat 15 variabel dalam memprediksi
retensi siswa yaitu study major, gender, age, secondary
school type, entrance test score, admission status,
residency, first-semester credit earned, firstsemester grade, second-semester credit earned,
second-semester grade, tuition fee waiver, loan,
absenteeism, and outcome. (Weng, 2010)
Fakultas ilmu Komputer (Fasilkom) Universitas
Singaperbangsa Karawang (UNSIKA) adalah Fakultas
termuda di UNSIKA yang didirikan pada tahun 2008.
Meskipun Fakultas termuda tetapi fasilkom termasuk
fakultas yang memiliki jumlah mahasiswa terbanyak
jika dibandingkan dengan fakultas lain, yaitu pada
tahun 2012 tercatat ada 1000 mahasiswa untuk
program studi tenik informatika. Dengan banyaknya
jumlah mahasiswa yang terdaftar di fasilkom maka
membuktikan bahwa fasilkom termasuk salah satu
fakultas yang di favoritkan di UNSIKA.
Pada Desember 2012, Fasilkom UNSIKA prodi
teknik informatika melakukan akreditasinya yang
pertama dan pada bulan Februari 2013 hasil akreditasi
untuk Fasilkom UNSIKA prodi teknik informatika
keluar dengan hasil yang memuaskan yaitu mendapat
akreditasi B . Dengan hasil akreditasi B
maka
Fasilkom UNSIKA prodi teknik informatika termasuk
prodi terbai k di Indonesia terbukti bahwa hanya 50
prodi teknik informatika di seluruh indonesia yang
memiliki akreditasi B.
Dari latar belakang yang telah di jabarkan
sebelumnya maka disini peneliti ingin melakukan
penelitian untuk menganalisis dan memprediksi kinerja
belajar mahasiswa berdasarkan variabel demografi, data
akademik dan ekonomi mahasiswa dengan
menggunakan teknik data mining pada fakultas ilmu
komputer UNSIKA.
2. Pembahasan
Metodologi
yang
digunakan
dalam
mengembangkan data mining adalah CRISP-DM,
CRISP-DM adalah metodologi yang dibentuk oleh
komi si Eropa pada tahun 1996 yang menerapkan
standar dalam proses data mining. Dalam CRISP-DM
terdapat enam fase yang akan dilakukan dalam

KNSI 2014

penelitian pengembangan data mining sesuai dengan


ilustrasi pada Gambar 2.1.
Predict

Gambar 1 Siklus Hidup CRISP-DM


a.

Fase business Understanding (Pemahaman


Bisnis)
Fase ini merupakan fase awal dari tahapan
pemodelan fase ini berfokus pada pemahaman dan
persfektif bisnis proses dari suatu sistem, y a i t u
penentuan
tujuan
proyek,
menerjemahkan tujuan, dan menyiapkan
strategi untuk penyampaian tujuan.
Dengan memanfatkan data-data akademik
mahasiswa terdahulu yang sudah ada maka
akan di anal i si dan di presi kdi IPK mahasiswa
dengan menggunakan tekni k data mining.
Dengan mengetahui prediksi IPK mahasiswa
baru, maka pihak prodi akan mendapat
peringatan dini agar lebih perhatian terhadap
mahasiswanya sehi ngga kual i tas dari program
studi tetap terjaga baik atau bahkan lebih baik
dari sebelumnya.
b. Fase Data Understanding (Pemahaman Data)
Pada fase i ni berfokus pada pengumpulan data
awal, pembelajaran data yang sudah ada dan
verifikasi kualitas data.
Dalam penelitin ini menggunakan data
EPSBED fakultas ilmu komputer program
studi tekni k i nformati ka dati tahun 2008
sampai tahun 2011.
Selain dari data-data akademik penelitian ini
juga menggunakan data ekonomi dan geografis.
Dimana data ekonomi dan geografis didapat dari
penyebaran pertanyaan seputar ekonomi
mahasiswa dan geografis mahasiswa.
c. Fase Data Preparation (Persiapan Data)
Fase persiapan data adalah fase yang terdiri dari
pemi li han data, pembersi han data, mengi
ntegrasikan data, dan transformasi data agar
dapat
dilanjutkan
kedalam tahap
pemodelan.
Untuk data akademik, pemilihan data
di lakukan dari sebuah si stem pelaporan yang

118

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

diberi nama EPSBED. Dari 24 tabel yang ada


di program EPSBED akan digunakan dua
buah table yaitu table master mahasiswa, dan
table transaksi mahasiswa.
Data ekonomi mahasiswa di dapat dari
beberapa pertanyaan yang di ajukan ke
beberapa mahasiswa yaitu terdiri dari
mahasiswa tersebut bekerja atau tidak,
mahasi swa tersebut membiayai perkul i hannya, gaji
orang tua dan gaji mahasiswa tersebut jika
mahasiswa tersebut bekerja.
Data geografi mahasiswa didapat dari
beberapa pertanyaan seputar suku bangsa dan tempat
ti nggal mahasi swa sel ama mengi kuti proses
belajar mengajar.
Tabel 1 Transformasi Data

d. Fase Modeling (pemodelan) dan Evaluation


(Evaluasi) Setelah fase persiapan data maka
masuk ketahap pemodelan dan evaluasi.
Didalam tahap ini akan dibagun beberapa
model untuk menganalisis kinerja mahasiswa
yaitu dengan Decision tree, Nave bayes dan
Artificial Neural Network (ANN). Fase
pemodelan dilakukan bersamaan dengan fase
evaluasi. Fase evaluasi terdiri dari beberapa
kegiatan yaitu: mengevaluasi akurasi yang
didapat pada fase sebelumnya. Pengujian
akan dilakukan dengan tiga cara yaitu yang
pertama adalah confusion matrix, ROC
Curve, dan Waktu dalam pembuatan model.
Dengan masing-masing pengujian model
menggunakan 10-fold cross validation.
1. Confusion Matrix

Evaluasi dengan menggunakan model


confusion matrix pada penguji an untuk
memperki rakan objek predi ksi yang benar dari hasil
klasifikasi.
Akurasi
sebuah
klasifikasi
berpengaruh terhadap performa dari suatu model
klasifikasi dengan mendafatkan ketepatan
klasifikasi dataset terhadap kelas aktif dan tidak
aktif. Nilai akurasi dari beberapa model yang
telah di evaluasi seperti pada tabel 2
Tabel 2. Perbandingan Akurasi
Decisio
Nave
n tree
Bayes
Akurasi
61.4767 % 63.5634
%

ANN
60.5136
%

Dari hasil pengujian dengan menggunakan


confusion matrix untuk masi ng-masi ng model di
dapat hasi l decision tree memi li ki akurasi sebesar
61.4767 %, Nave Bayes memiliki akurasi
sebesar 63.5634 % dan untuk model artifi sial
neural network memili ki akurasi 60.5136 %.
2.

R O C C u r v e Tabel 3

Perbandingan ROC Curve


Decisio
Nave
n tree
Bayes
AUC
0.793
0.805

ANN
0.846

Evaluasi dengan menggunakan ROC Curve di dapat


seperti pada tabel di atas. Dari tabel 3 dapat di ketahui
nilai ROC curve yang paling mendekati 1 adalah
yang paling baik. Dari hasi l percobaan yang tel ah di
lakukan di dapat bahwa algoritma Artificial Neural
Network mendapati ni lai 0,846, nilai tersebut
adalah nilai yang paling ti nggi ji ka di bandi ngkan
dengan model algoritma lainnya. Algoritma Nave
Bayes mendapat peri ngkat kedua dengan nilai
0,805dengan nilai tersebut model Nave Bayes dan
Artificial Neural Network termasuk kedalam
good classification. Sedangkan model decision
tree mendapat nilai 0,793 dengan ni lai yang di

KNSI 2014

119

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dapat model decision tree termasuk kedalam Fair


Classsification.
3 . Waktu
Tabel 4 Perbandi ngan Waktu M embangun
Model dalam Hitungan Detik

Time
taken to
build
model

Decisio
n tree
0.06

Nave
Bayes
0.01

ANN
13.45

Dari hasil percobaan yang telah dilakukan di


dapat kesi mpulan algoritma Nave Bayes
merupakan algoritma yang paling akurat ji ka di
bandi ngkan dengan model yang l ai nnya. Dalam
uji coba ROC Curve Algoritma Nave Bayes
bukan merupakan algoritma yang paling ti
nggi ni lai nya ji ka di bandi ngkan dengan
algoritma yang lain, tetapi algoritma Nave
Bayes termasuk salah satu al goritma yang
memiliki good classification. Dan
algoritma native bayes juga merupakan
algoritma yang memiliki waktu pembuatan
model yang paling cepat di bandi ngkan dengan
algoritma yang lainnya.
A khi r dari fase eval uasi didapat bahwa
algoritma Nave Bayes merupakan algoritma
yang terbai k dalam kasus anal isis dan predi ksi
prestasi belajar mahasiswa dengan melibatkan
data akademik, ekonomi dan geografis
mahasiswa ji ka di bandi ngkan dengan
algoritma decision tree dan artificial neural
network.
e. Fase Deployment (Penempatan)
Fase yang terakhi r adalah fase deployment,
pada fase ini terdapat beberapa kegiatan di
antaranya adalah rencana deployment, rencana
pemantauan dan pemel i haraan, dan tinjauan akhir.
Dari fase evaluasi maka didapat bahwa
algoritma native bayes merupakan algoritma yang
memi li ki akurasi terti nggi, termasuk good
classification dan memi li ki waktu pembangunan
model yang paling cepat diantara dua algoritma
yang lainnya.
Model yang telah di dapat akan di manfaatkan
sebagai sebuah sistem yang dapat digunakan
sebagai salah satukomponen dalam
pengambilan keputusan dalam bidang
akademik baik berupa model pembelajaran
ataupun untuk meni ngkatkan kual itas dari
mahasi swanya sendi ri.
3. Kesimpulan
Kesi mpulan yang dapat diambil dari penel itian
tentang anal isis dan predi ksi ki nerja mahasiswa dengan
tekni k data mining pada fakultas i l mu komputer
UNSIKA adalah sebagai berikut :
1. Data akademi k, data ekonomi dan data geografi s
mahasiswa dapat digunakan dalam menganalisis
dan memprediksi kinerja mahasiswa dengan
menggunakan tekni k-tekni k data
KNSI 2014

mining di antaranya adalah tekni k decision


tree, Nave Bayes dan artificial neural
network. Dengan variabel-variabel penentu
adalah umur saat masuk perguruan ti nggi, jenis
kelami n, suku bangsa, asal sekolah, sks yang
diambil, IPS, pembiayaan kul iah, status
mahasi swa, penghasi l an orang tua, penghasilan
pribadi, dan tempat tinggal.
2. Dari penelitian yang telah dilakukan maka
didapat Nave Bayes merupakan tekni k data
mining yang memi li ki akurasi yang
paling ti nggi ji ka di bandi ngkan dengan
decision tree dan artificial neural network.
Nave Bayes juga memi li ki waktu yang
paling cepat untuk membangun model di
bandi ngkan dua model lain. Nave
Bayestermasuk kedalam good classification
dilihat dari ROC Curve.
3. Predi ksi ki nerja mahasi swa dapat di
lakukan dengan menggunakan tekni k Nave
Bayes yang merupakan teknik terbaik dalam
memprediksi kinerja mahasiswa dengan
menggunakan data akadmik, data ekonomi
dan data geografis mahasiswa yang terdi ri
dari beberapa vari abel penentu yaitu umur saat
masuk perguruan ti nggi, jenis kelamin, suku
bangsa, asal sekol ah, sks yang diambil, IPS,
pembiayaan kuliah, status mahasiswa,
penghasi lan orang tua, penghasi lan pri badi, dan
tempat ti nggal.
4. Daftar Pustaka
1.

2.

3.

4.

5.

6.

7.

brijesh, B., & Saurabh, P. (2011). Mining


Educational Data to Analyze Student's
Performance. International Journal of
Advanced Computer Science and
Applications , Vol. 2 No. 6.
Chandra, E., & Nandhini, K. (2005).
Predicting Student Performance Using
Classification Techniques. Proceedings
of SPIT - IEEE Colloquium and
International Conference, (p. 83). M
umbai, India.
Cripps, A. (1996). Using Artificial Neural Nets
to Predict Academic Performance. ACM
Symposium on Applied Computing .
Sunita, A., & Lobo. (2011). Data Mining in
Educational System using WEKA.
International Conference on Emerging
Technology Trends (ICETT).
Weng, F. (2010). Modelling IT student
Retention
at
Taiwanese
Higher
Education Institutions. Thesis School of
Business Information Technology and
Logistics College of Business RMIT
University.
Y, Z., & S, O. (2010). Use Data Mining
to Improve Student Retention in Higher
Educational - A Case Study. IC E IS.
Yaday, Surjeet, K., Bharadwaj, Brijesh, & Pal,
S. (2012). Mining Educational Data to predict
Student's Retention : A Comparative Study.
International Journal of Computer Science
and Information Security (IJCSIS) , Vol.
10, No. 2.

120

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-24
SISTEM TELEVISI JARINGAN TERTUTUP (CCTV) BERBASIS WEB
Muhammad Risal1, Rhiza S. Sadjad2, Zulfajri B. Hasanuddin3
1)

Sistem Komputer, STMIK Handayani Makassar


Teknik Elektro,Universitas Hasanuddin Makassar
STMIK Handayani Makassar Jl. Adhyaksa Baru No.1 Makassar
1
ristone_02@yahoo.com 2rhiza@unhas.ac.id 3zulfajri_basri_hasanuddin@yahoo.co.id
2,3)

Abstrak
Sistem Televisi Jaringan Tertutup (CCTV) Berbasis Web dibuat dengan memanfaatkan kamera webcam dan
motor dc sebagai penggeraknya yang dapat diakses melalui internet. Setiap kamera memanfaatkan dua motor dc
agar dapat bergerak secara vertical dan horizontal serta menggunakan mikrokontroler AT89S52 yang diprogram
untuk menggerakkan motor tersebut. Sistem ini dapat melihat hasil tangkapan kamera secara langsung melalui
internet, menghasilkan data dalam bentuk fail avi untuk video dan fail jpg untuk gambar. Metode pengambilan
gambar menggunakan metode motion detect, sehingga pengambilan data hanya terjadi ketika ada aktivitas saja
kemudian dikompres menggunakan aplikasi rar, sehingga besar fail video yang dihasilkan turun hingga 85,80%,
sementara untuk fail gambar turun hingga 50% dari fail yang dihasilkan secara normal.
Kata kunci : CCTV, WebCam, Website, Motor DC, Internet
1.

Pendahuluan

Internet memiliki kemampuan penyiaran ke


seluruh dunia, mekanisme diseminasi informasi, dan
sebagai media untuk berkolaborasi dan berinteraksi
antara individu dengan komputer tanpa dibatasi oleh
kondisi geografis. Keistimewaan ini dimanfaatkan
untuk keamanan, seperti pada rumah maupun
lingkungan
mengingat
banyaknya
tindakan
kejahatan yang terjadi sementara keterbatasan
manusia pada pengontrolan dan pengawasan
terhadap suatu area menggunakan panca indera,
maka diperlukan suatu sistem keamanan dan
pengawasan tanpa harus dipantau dalam jarak dekat.
Salah satu sistem pemantau adalah Closed
Circuit Television (CCTV)[1]. Namun menggunakan
CCTV dibutuhkan biaya yang cukup mahal. Untuk
mengatasi permasalahan tersebut, dibuatlah Sistem
Televisi Jaringan Tertutup (CCTV) Berbasis Web
yang dapat diakses dari mana saja melalui jaringan
internet menggunakan komputer sebagai web server
dengan
peyimpanan
data
pada
hardisk,
menggunakan kamera webcam, mikrokontroler dan
motor DC untuk mengerakkan posisi kamera dengan
biaya yang relatif murah.
Tujuan yang ingin dicapai dari penelitian ini
adalah untuk merancang sebuah sistem CCTV
berbasis web dengan biaya yang relatif murah, untuk
membuat program sistem CCTV berbasis web yang
dapat dikendalikan melalui internet.
Batasan masalah dalam penelitian ini adalah
perancangan sistem CCTV berbasis web dengan
biaya yang relatif murah, pembuatan program sistem

CCTV berbasis web yang dapat dikendalikan


melalui internet.
Penelitian ini merupakan perancangan dan
pembuatan sistem televisi jaringan tertutup berbasis
web yang fungsi dan kegunaannya sama seperti
CCTV paket yang ada di pasaran namun dengan
biaya yang lebih murah. Secara garis besar tahapan
dalam perancangan dan pembuatan sistem yaitu
perancangan model CCTV berbasis web, desain dan
pembuatan kamera CCTV dari Webcam dan motor
dc,
pembuatan
kontroler
menggunkan
microkontroler AT89S52 termasuk softwarenya.
pembuatan software monitoring, capture dan
recording. pembuatan software website, perbaikan
dan analisa hasil.
1.

Rancangan Umum Sistem


Rancangan umum dari sistem yang dibuat dapat
dilihat pada Gambar 1.

Gambar 1. Rancangan Arsitektur Sistem CCTV Berbasis Web

KNSI 2014

121

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Penjelasan dan fungsi dari masing-masing


elemen sistem CCTV berbasis web diatas dijelaskan
sebagai berikut :
1.

2.

3.

4.

5.

6.

Webcam.
Webcam berfungsi sebagai kamera
pengawas yang dapat mengambil gambar sesuai
instruksi dari program yang dibuat pada
komputer server. Terdapat 4 webcam yang
digunakan pada penelitian ini dimaksudkan
untuk melihat kemampuan sistem dalam
menangani jumlah kamera dan merupakan
jumlah paling kecil ketika membeli paket
CCTV.
Motor penggerak webcam.
Motor penggerak ini menggunakan motor
DC dengan jenis motor DC yang digunakan
adalah motor GWS S03N. Pada tegangan 6 Volt
kecepatan motor ini 0,18 sec/600 dan Torsi
4Kg/cm. Rangkaian motor ini berfungsi sebagai
dudukan dari webcam yang menggerakkan
webcam ke arah vertikal dan horisonal.
Driver motor
Driver motor, berfungsi untuk menguatkan
sinyal digital yang dikirim dari mikrokontroler
menuju ke motor, dikarenakan sinyal dari
mikrokontroler memiliki arus sangat kecil
sedangkan motor membutuhan arus yang lebih
besar yaitu 500mA -1.2mA. Proses penguatan
sinyal menggunakan metode H Bridge [3]
dengan H-Bridge driver yaitu L293D.
Rangkain mikrokontroler.
Rangaian mikrokontroler yang digunakan
adalah keluarga ATMEL yaitu AT89S52[6]
yang memliki 4 port untuk I/O, dimana masingmasing port terdiri dari 8 bit port atau total 32
bit port. Mikrokontroler ini diberi program yang
berfungsi untuk mengatur sinyal digital dari
komputer untuk untuk diteruskan ke rangkaian
driver motor.
Personal computer CCTV Server
Merupakan personal computer (PC) yang
berfungsi sebagai penyedia layanan server yang
akan diakses oleh client, dalam hal ini server
menyediakan program web yang dapat dakses
melalui internet, program untuk mengendali
arah gerak webcam dan program pengambilan
data gambar dari webcam.
Komputer server menerima permintaan dari
klien melalui jaringan komputer internet
memanfaatkan protokol TCP/IP [4] melalui
fasilitas webserver. Sementara untuk hubungan
ke mikrokontroler memanfatkan paralel port.
Hubungan ke webcam menggunakan port USB.
Internet
Internet merupakan sistem komputer umum
yang
berhubung
secara
global
dan
sebagai protokol
menggunakan TCP/IP
pertukaran paket. Internet disini berfungsi

KNSI 2014

7.

sebagai penyedia layanan internet sehingga


komputer klien dapat mengakses web pada
komputer server.
Personal computer klien
Personal Computer klien berfungsi sebagai
pengiriman data request kepada komputer
server untuk mengambil atau memantau gambar
dan mengendalikan gerak webcam melalui
internet.

Rancangan rangkaian elektronik dari sistem


dapat dilihat seperti Gambar 2.

Gambar 2. Rancangan rangkaian elektronik pengendali gerak


webcam

Data dikirim oleh komputer menggunakan port


paralel sebanyak 8 bit. Kemudian data tersebut
diterima oleh mikrokontroler melalui port 1 (P1)
diterjemahkan oleh mikrokontroler dan diteruskan
ke driver untuk penguatan sinyal menggunakan
metode H-Bridge, sebab output dari mikrokontroler
hanya mempunyai arus yang sangat kecil sementara
motor dc yang digunakan membutuhkan arus 600
mA. Jika kita memaksakan menghubungkan output
digital dari mikrokontroler langsung ke motor, bisa
jadi merusak mikrokontroler itu sendiri. Selanjutnya
data diteruskan ke motor tujuan. Tabel 1
menunjukkan data pensinyalan dari komputer ke
mikrokontroler.
Tabel 1. Pensinyalan Dari Komputer Microkontroler Driver
Motor.
Port
Input
Diubah oleh
Output
yang
Bit Data
MikroMikroAlat
kontroler
diberik dr Komp.
kontroler
Menjadi
an
Kiri
10000001
01
P2 0-1
Kanan
10000010
10
P2 0-1
Kamera
1
Atas
10000011
01
P2 2-3
Bawah
10000100
10
P2 2-3
Kiri
10000101
01
P2 4-5
Kanan
10000110
10
P2 4-5
Kamera
2
Atas
10000111
01
P2 6-7
Bawah
10001000
10
P2 6-7
Kiri
10001001
01
P3 0-1
Kanan
10001010
10
P3 0-1
Kamera
3
Atas
10001011
01
P3 2-3
Bawah
10001100
10
P3 2-3
Kamera
Kiri
10001101
01
P3 4-5

122

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
Alat
4

Input
yang
diberik
an
Kanan
Atas
Bawah

Bit Data
dr Komp.

Diubah oleh
Mikrokontroler
Menjadi

10001110
10001111
10010000

10
01
10

Port
Output
Mikrokontroler

P3 4-5
P3 6-7
P3 6-7

Untuk mengatur arah gerak motor DC cukup


dengan memberi tegangan secara terus menerus
pada motor sementara untuk membalik putaran
maka tegangan juga dibalik yang diterjemahkan
kedalam mikrokontroler dengan diberi bilangan
biner 01 dan untuk membalik diberi bilangan biner
10. Sementara pengaturan kecepatan motor
dilakukan dengan pemberian delay atau waktu jedah
yang dilakukan secara berulang selama 100ms.
Pada mikrokontroler port 3 digunakan untuk I/O
ke komputer server dan port 1 dan 2 (16 bit port)
digunakan untuk mengendalikan motor sebanyak 8
buah, 1 motor DC menguakan 2 bit port jadi total
motor dc menggunakan 16 bit port.
2.

Rancangan Software
Perancangan perangkat lunak Sistem Televisi
Jaringan Tertutup (CCTV) Berbasis Web yang
dibuat menggunakan tiga bahasa pemrograman yaitu
:
a. Bahasa pemrograman assembly digunakan pada
mikrokontroler berfungsi menerima data dari
komputer server kemudian mengubahnya
menjadi sinyal digital yang dikirimkan ke driver
motor.
b. Bahasa pemrograman delphi 7, merupakan
program utama pada sistem ini, digunakan pada
komputer server berfungsi untuk menerima dan
mengolah data dari webcam, mengirim dan
menerima data dari mikrokontroler serta
mengirim dan menerima data dari web. Aplikasi
ini merupakan aplikasi yang bekerja secara
background atau bekerja dibelakang layar.
c. Bahasa pemrograman PHP/HTML, merupakan
program untuk menampilkan halaman web yang
diakses oleh user melalui internet. Program ini
merupakan antar muka bagi user, yang
berfungsi mengirimkan data/perintah ke
program delphi untuk melakukan suatu instruksi
sesuai input dari user.
2.1. Video Streaming
Untuk dapat melihat hasil tangkapan
gambar webcam di klien digunakan metode
video streaming. Video streaming [2]
merupakan tayangan langsung berupa gambar
yang di-broadcast kepada banyak orang
(viewers) dalam waktu yang bersamaan dengan
kejadian aslinya, melalui media data
komunikasi (network) baik yang terhubung
dengan cable atau wireless.
Fasilitas streaming yang digunakan pada
penelitian ini adalah fasilitas AsfWriter adalah
sebuah interface yang telah disediakan oleh
KNSI 2014

DirectShow befungsi mengubah stream video


kedalam bentuk Asf Stream. AsfWriter adalah
sebuah filter DirectShow yang mempunyai tiga
fungsi utama yaitu mengubah format video
menjadi Asf Stream, membuat file *.asf dan
melakukan streaming ke internet atau jaringan
LAN.
Ketika
AsfWriter
digunakan
untuk
streaming maka secara otomatis komponen ini
mendapatkan IP komputer, baik yang terkoneksi
melalui LAN maupun yang terkoneksi langsung
ke internet. Begitu ada client yang terkoneksi
maka AsfWriter akan mengirim stream file
melalui network encoder melalui url
http://ip_address:port.
Untuk
melakukan
streaming ke protocol HTTP (web server) maka
port yang digunakan adalah 80 atau 8080.
2.2. File yang dihasilkan
Pada aplikasi sistem televisi jaringan
tertutup (CCTV) berbasis web ini menghasilkan
dua buah jenis file yaitu dalam bentuk gambar
dengan extensi *.jpg dan dalam bentuk video
dengan extensi *.avi.
File dalam bentuk *.jpg dalam waktu satu
detik dapat menghasilkan hingga 5 (lima) file,
dalam hal ini timer pengambilan gambar diatur
200ms dengan rata-rata besar file 42 kB.
Sehingga dalam kondisi normal besar kapasitas
file dalam 24 jam sebesar 17.3 GB.
Tabel 2. Besar kapasitas file JPG
Waktu
Size
1 detik
5 x 42kB = 210 kB
1 Jjam
210kB x 60 x 60 = 756.000 kB
24 jam
756.000 x 24 =
18.144.000 kB / 1.024
= 17,718.75 MB / 1.024
=17,3 GB

Sementara file dalam bentuk *.avi


digambarkan dengan mengambil sampel file
hasil sebagai berikut :
Tabel 3. Rata-rata kapasitas file AVI
S i z e Fi l e
(k b)

Fi l e

Du rasi
(de ti k )

Rata-rata
k b/se c

File 1

122.405

34

3600

File 2

108.905

30

3630

File 3

115.205

32

3600

File 4

101.704

28

3632

File 5

44.102

12

3675

File 6

406.816

113

3600

Ju m l ah

899.137

249

3611

Dari data tersebut diatas didapatkan bahwa


dalam 1 detik dihasilkan 3.611 kB sehingga
diperkirakan size file dalam 24 jam adalah
297,54GB.
Tabel 4. Besar kapasitas file AVI
Waktu
Size
1 detik
3.611 kB
1 jam
3.611kB x 60 x 60
= 12.999.660 kB
24 jam
12.999.660 x 24 =

123

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014
311.990.400 kB
= 311.990.400 kB / 1.024
= 304.678,125 MB / 1.024
=297,54 GB

akuratan deteksi. Untuk meminimalisasi


masalah pencahayaan tersebut maka
ditambahkan nilai ambang batas yang
bertujuan untuk memberikan batasan
apakah terjadi perbedaan komposisi pixel
RGB yang signifikan atau tidak. Atau bisa
disebut sensitifitas dari deteksi gerak.
Besarnya nilai ambang batas adalah 0
255 yang merupakan nilai masing-masing
pixel RGB yang memiliki 8 bit. Nilai 0
menyatakan sangat sensitif dan 255
menyatakan tidak sensitiv.

Untuk mengatasi besarnya kapasitas file


tersebut dilakukan dua metode :
a. Deteksi gerak (motion detect)
Motion detect adalah cara pengambilan
gambar dengan mendeteksi gerak. Ada
banyak algoritma yang dapat digunakan
dalam proses deteksi gerak, namun dalam
aplikasi ini digunakan metode sederhana
yakni membandingkan nilai pixel RGB
antara image1 dan image2. Image1 adalah
image awal yang diambil pada waktu t
sedangkan image2 adalah image yang
diambil pada t+n, dimana n adalah jedah
waktu pengambilan antara image1 dan
image2, misalkan timer program di diberi
200ms maka n=200ms, sehingga image a
adalah image pada saat t=200ms dan image
b adalah image pada saat t=400ms
demikian selanjutnya selama program ini
bekerja.
Proses yang dilakukan adalah dengan
cara sampling image yaitu daerah dari
image diarsir ke dalam grid berbentuk bujur
sangkar sesuai ukuran panjang dan lebar
dari image. Grid tersebut adalah merupakan
satuan terkecil dari sebuah gambar atau
biasa disebut sebagai pixel[14].

Image a (t=200)

Tabel 6. Perbedaan Nilai Pixel RGB Image A dan


Image B

Gambar 3. Sampling pixel image

Kedua grid image tersebut ditransfer


kedalam nilai pixel RGB, kemudian nilai
dari masing-masing R, G dan B
dibandingkan. Misalkan sebuah pixel image
A di bandingkan dengan pixel image B
digambarkan seperti pada Tabel5.
Tabel 5. Nilai Pixel RGB Image A dan Image B
Image A
G

76

63

54

70

Image B
G
56

KNSI 2014

Tabel 7. Perkiraan kapasitas Hasil pengambilan


gambar.

B
45

Data diatas menunjukkan bahwa


terdapat perbedaan antara image A dan
image B.
Penggunaan metode perbandingan
pixel diatas sangat dipengaruhi oleh kodisi
pencahayaan (terang gelap) [5] dari
ruangan yang akan berpengaruh pada ke

Dilihat dari tabel 6. diatas yang


menunjukkan tidak terlalu besar perubahan
image A dan image B. Maka ketika diberi
ambang batas misalnya 10 maka dianggap
tidak terdapat perubahan antara image A
dan image B yang mengakibatkan proses
pengambilan gambar tidak bekerja. Namun
ketika diberi ambang batas misalnya 5
maka proses pengambilan gambar akan
berlangsung, karena perbedan nilai RGB
berada diatas ambang batas.
Selain menggunakan perbandingan dari
nilai pixel RGB untuk sebuah pixel yang
menunjukkan sensitifitas dari proses
pengambilan gambar, juga diterapkan
metode dengan menghitung total pixel yang
berubah dari suatu image A dan image B
(Contoh diatas hanya menunjukkan 1 pixel
yang berubah). Jika jumlah pixel yang
berubah melebihi ambang batas maka
proses pengambilan gambar akan bekerja.
Dengan menggunakan metode motion
detect ini maka diperkirakan dalam satu
hari hanya akan menghasilkan ukuran file
setengah dari kondisi normal. Ini
diasumsikan bahwa pada malam hari tidak
terdapat aktifitas yang dapat mempengaruhi
perubahan gambar tangkapan, yang
mengakibatkan aplikasi CCTV berbasis
web pun tidak bekerja.

Image b (t=400)

b.

Jenis File

Ukuran

Foto (jpg)

17,30GB /2 = 8,65 GB

Video (avi)

297,54 GB/2 = 148,77 GB

Kompres file
Selain menerapkan konsep motion
detect juga dilakukan kompres terhadap file
hasil rekaman (*.avi) saja, karena file foto

124

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

tidak mengalami perubahan kapasitas


setelah dilakukan kompres.
Proses kompres memanfaatkan aplikasi
rar.exe, yang dihubungakan dengan
aplikasi delphi sehingga dapat bekerja
secara otomtis. Setelah dianalisa file *.avi
dapat dikompres hingga 85% lebih dari
ukuran aslinya, berikut hasil analisa
filenya:

Proses repository bekerja satu kali dalam


24 jam dan secara otomatis mengkompres file
kemudian memindahkan file tersebut ke hardisk
backup. Disediakan pilihan backup, apakah
akan membackup file capture (*.jpg) saja dan
atau file recording (*.avi) saja atau keduaduanya.
File backup ini kemudian dapat diatur
sesuai keinginan, apakah akan dihapus jika
tidak dibutuhkan lagi atau disimpan pada media
CD/DVD atau yang lainnya, tergantung
kebutuhan system.

Tabel 8. Perbandingan kapasitas file sebelum dan


setelah kompres.
File AVI
File 1
File 2
File 3
File 4
File 5
File 6
Jumlah

File Asli
(kB)
122.405
108.905
115.205
101.704
44.102
406.816
899.137

Hasil Rar
(kB)
34.813
43.222
33.499
26.533
11.688
105.476
255.231

Se lisih
(kB)
87.592
65.683
81.706
75.171
32.414
301.340
643.906

Dari table diatas dapat dihitung persentase


kompres file:
255.231
Kompress file =
X 100%
899.137
Kompress file = 28,39 %
Jika file *.avi yang dihasilkan dari
proses motion detect sebesar 148.77 GB per
hari maka setelah melalui proses kompres,
rar file yang dihasilkan menjadi :
Perkiraan besar file = 28,39% x 148,77 GB
Perkiraan besar file = 42,24 GB
Maka perbandingan ketika tidak
menggunakan metode motion dan kompress
file dapat dilihat sebagai berikut:

3.

Biaya Pembuatan Alat

Biaya yang digunakan dalam pembuatan CCTV


berbasis web ini sebagai berikut :
Tabel 10. Harga peralatan pembuatan CCTV Berbasis Web

No

Foto (Jpg)

17,30

Mo
tion
8,65

Video (avi)

297,54

148,77

Normal

Kom
press
8,65

Peru
bahan

42,24

85,80%

50%

2.3. Repositori File Hasil


Proses repository disini dimaksudkan untuk
membackup/ memindahkan file yang tercipta
dari hasil capture (*.jpg) dan recording (*.avi)
ke hardisk lainnya yang disiapkan khusus untuk
itu yang memiliki kapasitas lebih besar. Dengan
adanya proses repository ini diharapkan
kapasitas hardiks tempat sistem cctv berada
tidak menjadi penuh.
Proses repository ini dilakukan secara
otomatis oleh sebuah sistem yang dibuat khusus
untuk itu. Sebelum dilakukan proses repository
terlebih dahulu file di kompres menjadi file
*.rar, sehingga file tersebut menjadi lebih kecil
kapasitasnya, seperti telah dijelaskan pada
pembahasan sebelumnya.
KNSI 2014

Jumlah

1
2

Webcam
RJ45 PCB

4 buah
16 buah

Motor DC

8 buah

IC Mikrokontroler

Plastik fiber

6
7
8
9
10

Papan PCB
Trafo 2A
Kabel jaringan
Komponen lainnya
1 unit PC
Total

1 buah
50 cm x
2 buah
4 buah
1 buah
40 meter

Total
Harga
(Rp.)
240.000
80.000
1.200.000
20.000

40.000

80.000

2.500
35.000
2.500

10.000
35.000
100.000
200.000
2.000.000
3.965.000

Sementara harga paket CCTV di pasaran dapat


dilihat pada Table 11.

Tabel 9. Perkiraan perbedaan kapasitas file per hari


dalam GB.
Jenis File

Jenis Barang

Harga
per
unit
(Rp.)
60.000
5.000
150.00
0
20.000

Tabel 11. Harga paket CCTV di pasaran.


No

Jenis Barang

Jumlah

Harga
per unit
(Rp.)

Total Harga
(Rp.)

Kamera jenis
4 buah
1.500.000
6.000.000
Pan/Tilt
DVR 4 chanel
2
yang
bisa
1 buah
3.000.000
3.000.000
internet
3
Monitor
1 buah
750.000
750.000
4
Kabel
40 meter
2.500
100.000
6
Konektor
4 buah
5.000
20.000
7
Adaptor
4 buah
50.000
200.000
8
Lain-lain
200.000
Total
10.470.000
Sumber : http://glodokshop.com & http://megatron.biz
1

4.

Penutup
Kesimpulan yang dapat diambil dari penelitian
ini adalah 1) Hasil rancangan dan pembuatan sistem
televisi jaringan tertutup (CCTV) berbasis web yang
dibuat dapat menekan biaya hingga 62,20%
dibandingkan membeli paket CCTV yang dijual
dipasaran. 2) Sistem ini dibangun menggunakan tiga
bahasa pemrograman, yaitu PHP/HTML untuk

125

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

membuat
tampilan
web,
assembly
pada
mikrokontroler untuk menggerakkan motor dan
delphi sebagai penghubung antara mikrokontroler,
webcam dan web sehingga menghasilkan sistem
CCTV berbasis web yang dapat dikendalikan
melalui internet. 3) Menggunakan metode motion
detect dan compress file akan mengurangi besar
kapasitas file hingga 85,80% untuk file video dan
50% untuk file gambar.
Adapun saran yang diberikan dalam penelitian
ini adalah 1) Untuk menekan biaya pembelian paket
CCTV maka disarankan untuk membuat sendiri
sistem CCTV berdasakan teori yang telah dijelaskan
dengan memanfaatkan personal computer dan
webcam. 2) Karena metode streaming yang
digunakan mengakibatkan waktu tunda hingga 13
detik dari waktu kejadian, maka diharapkan
pengembangan dari penelitian ini menemukan
metode streaming dengan waktu tunda yang lebih
kecil. 3) Sistem ini dapat dikembangkan untuk
sistem keamanan ruangan berbasis SMS/Handphone
dengan memanfaatkan metode motion detect.
Daftar Pustaka

[1] Citra Yuda (2010), Closed circuit television,


http://yudha23.blogspot.com (diakses : Januari
2011).
[2] Fadlisyah, Fahmi, Dayat Kurniawan, (2010).
Pemrograman Kamera PC menggunakan
Delphi. Penerbit Graha Ilmu, Yogyakarta.
[3] Insan (2008), H-Bridge control arah gerak
motor, http://insansainsprojects.wordpress.com
/2008/06/05/h-bridge-driver-kontrol-arahmotor (diakses : April 2011)
[4] Iwan Sofana, (2008). Membangun jaringan
komputer. Penerbit Informatika, Bandung.
[5] Mauridhi Hery Purnomo, Arif Muntasa,
(2010). Konsep Pengolahan Citra Digital dan
Ekstrasi Fitur. Penerbit Graha Ilmu,
Yogyakarta.
[6] Usman, (2008). Teknik antarmuka +
pemrograman mikrokontroler AT89S52.
Yogyakarta : Andi Offset.

KNSI 2014

126

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-25
WEB USAGE MINING UNTUK PENENTUAN POLA AKSES USER
MENGGUNAKAN ALGORITMA HIERARCHICAL
AGGLOMERATIVE CLUSTERING
Arham Maulana1, Angelina Prima Kurniati, ST., MT2, Yanuar Firdaus A. W., ST., MT3
Fakultas Teknik Telkom Engineering School
Telkom University, Bandung
1
arhamsabai@gmail.com, 2angelina@telkomuniversity.ac.id, 3yfa@ittelkom.ac.id

Abstrak
Perkembangan teknologi Internet yang sangat pesat berdampak pada semakin tingginya aktivitas user dalam
pemanfaatannya. E-commerce, e-news, dan e-learning adalah beberapa contoh dari pemanfaatan teknologi
internet ini. Aktivitas user dalam mengakses halaman-halaman pada suatu website dapat menjadi informasi yang
dapat digunakan guna menjaga kualitas website tersebut. Dengan menerapkan ilmu web usage mining, makalah
ini menyajikan hasil penelitian tentang kemiripan-kemiripan aktivitas user dalam mengakses website e-learning
kampus, dengan melihat jarak antar-user yang ada atau Euclidean Distance. Aktivitas-aktivitas user yang
disimpan didalam sebuah log file akan diolah dengan teknik clustering menggunakan algoritma Hierarchical
Agglomerative Clustering sebagai salah satu teknik web usage mining. Data log ini akan diolah dengan
mengambil beberapa bagian data yang diperlukan seperti Ip address, userId, pageId dan waktu akses user.
Clusters yang terbentuk akan dianalisis untuk mendapatkan pola dan segmentasi user saat mengakses e-learning.
Kata Kunci : aktivitas user, web usage mining, clustering, data log, pola akses, segmentasi user.
1.

Pendahuluan

Perkembangan era internet saat ini meningkat


dengan sangat pesat. Pemanfaatan teknologi internet
(World Wide Web) telah mencakup semua aspek
kehidupan. Seiring perkembangan ini, aktivitas user
dalam penggunaannya ikut meningkat. Untuk
menjamin kepuasan user dalam menggunakan
website, perlu diperhatikan performansi dan
kualitasnya. Salah satu tolok ukurnya adalah
kecenderungan user dalam mengakses website.
Web usage mining merupakan proses analisis
terhadap pola akses user dan segala aktivitasnya
pada suatu website. Web server menyimpan semua
data tentang interaksi user dengan website pada
sebuah log file. Log file ini kemudian akan diolah
melalui beberapa tahap, yaitu preprocessing, pattern
discovery, dan pattern analysis. Dalam kaitannya
dengan web usage mining, teknik clustering [8,15]
sering digunakan untuk menentukan segmentasi
pengunjung suatu situs e-commerce berdasarkan
kesamaan pola akses maupun demografinya [1,4].
Metode hierarchical agglomerative clustering
adalah salah satu teknik clustering yang dapat
diterapkan untuk mencari kesamaan pola akses suatu
website. Metode ini adalah teknik clustering yang
membentuk kontruksi hirarki berdasarkan tingkatan
tertentu seperti struktur pohon. Algoritma ini bekerja
KNSI 2014

dengan menggabungkan N clusters menjadi satu


cluster berdasarkan jarak antar cluster secara
bertahap dengan melihat jarak antar clusters.
Dengan metode seperti ini, HAC cocok dengan
kebutuhan untuk pengolahan dan pengelompokan
data log file. Hasil pengelompokan ini disajikan
dalam bentuk dendogram seperti pada Gambar 1.

Gambar 1 Contoh Dendogram

2. LANDASAN TEORI
2.1 Web Mining
Web mining adalah salah satu cabang ilmu
dari data mining. Web mining menggunakan teknik
data mining untuk menemukan dan mengekstrak
informasi dari dokumen dan layanan web. Menurut
Liu [11], web mining bertujuan untuk menemukan
informasi atau pengetahuan yang bermanfaat dari
struktur web hyperlinks, halaman web, dan data

127

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

penggunaan web. Berdasarkan jenis data primer


dalam proses penggalian informasi, web mining
dapat dikategorikan menjadi 3, yaitu Web Structure
Mining [7], Web Content Mining, Web Usage
Mining.
2.2 Web Usage Mining

Web usage mining merupakan proses untuk


menangkap dan memodelkan pola perilaku dan
profil dari pengunjung web [12]. Pola-pola tersebut
dapat digunakan untuk meningkatkan pemahaman
mengenai perilaku pengunjung web yang berbeda,
untuk memaksimalkan tata letak dan struktur dari
situs web, dan untuk memberikan informasi sesuai
dengan profil pengunjung. Berbeda dengan dua jenis
web mining lainnya, sumber data primer dari web
usage mining adalah log akses web server [10],
bukan halaman web. Tujuan dari web usage mining
adalah menemukan dan memprediksi tingkah laku
user, membantu developer mengembangkan website,
menarik pengunjung atau untuk mengelompokkan
user berdasarkan kebiasaan aksesnya [11].
Secara umum, proses web usage mining
terbagi menjadi 3 (tiga) fase, yaitu preprocessing,
pattern discovery dan pattern analysis [9]. Prosesproses tersebut seperti pada Gambar 2.1 [1,2,3].

Gambar 2.3 Agglomerative dan Divisive

2.4 Cophenetic Correlation Coefficient (CP)


Cophenetic Correlation adalah salah satu
metode evaluasi cluster dengan menghitung indeks
yaitu Cophenetic Correlation Coefficient. Metode
ini biasa digunakan pada Hierarchical Clustering.
Untuk
menghitung
Cophenetic
Correlation
Coefficient pada Hierarchical Clustering, metode ini
membutuhkan dua informasi, yaitu [14] :
1. Distance Matrix

Gambar 2.3 Distance matrix


2.

Cophenetic Matrix

Gambar 2.4 Cophenetic Matrix


Untuk
mendapatkan
nilai
cophenetic
correlation coefficient, maka digunakan formula
sebagai berikut:

Gambar 2.2 Proses Web usage mining

2.3 Hierarchical Agglomerative Clustering


Teknik hirarki (hierarchical methods) adalah
teknik clustering yang membentuk kontruksi hirarki
berdasarkan tingkatan tertentu seperti struktur
pohon, secara bertingkat atau bertahap. Hasilnya
dapat disajikan dalam bentuk dendogram. Ada dua
pendekatan dalam hierarchical clustering yaitu
agglomerative dan divisive. Gambar 2.2 adalah
gambaran mengenai Agglomerative dan Divisive.

3. MODEL DAN PERANCANGAN SISTEM


3.1 Gambaran Umum Sistem
Secara umum, sistem akan melakukan analisa
terhadap pola akses user pada halaman web dengan
metode Hierarchical Agglomerative Clustering.
Tahapan-tahapan prosesnya sesuai Gambar 3.1.

Gambar 3.4 Alur Proses pada Sistem


Preprocessing
- Parsing Data

KNSI 2014

128

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Proses ini bertujuan untuk mendapatkan


bagian-bagian data yang diinginkan.
Cleaning Data
Setelah data selesai pada tahap parsing, data
yang terkelompok tersebut dibersihkan dari
bagian-bagian yang tidak perlu seperti data
berekstensi .jpg, .gif, ukuran byte, dan status.
Hasil dari cleaned data ini adalah informasi
yang dibutuhkan untuk penelitian ini.
Tabel 3.1 Contoh data sebelum cleaning

Ip addressRfc931 Userna
me

118.96.202.
212

Time

Request

[24/Feb/2013
"GET
:11:29:28 /course/view.ph
+0700]
p?id=279
HTTP/1.1"

Status

Size

200

22572

Tabel 3.2 Contoh data setelah cleaning

ip : 222.124.204.252
time: 13/Feb/2013:18:52:30
4
user id : 7667
page id :

ip : 222.124.204.252
time: 14/Feb/2013:11:46:33
user id : 7713
page id :

ip : 222.124.204.252
time: 13/Feb/2013:18:53:12
5
user id : 7667
page id : 255

ip : 222.124.204.252
time: 14/Feb/2013:11:46:49
user id : 7713
page id : 1114

ip : 222.124.204.252
time: 13/Feb/2013:18:55:11
6
user id : 7667
page id : 258

ip : 222.124.204.252
time: 14/Feb/2013:11:46:51
user id : 7713
page id : 852

User Identification
Proses ini bertujuan untuk mengidentifikasi
user yang melakukan akses terhadap
website. Proses ini dilakukan setiap sistem
menemukan baris data userId=.
39.210.211.63 - - [03/Apr/2013:03:43:45 +0700]
"GET
/login/index.php?key=d6ef1166cb2adc2412b199fde28
11cd9&userId=2841 HTTP/1.1" 303 406

Page Access Identification


Proses ini sama seperti proses sebelumnya.
Disini yang diidentifikasi adalah pageId yang
diakses user. Sistem mengidentifikasi pages
tersebut jika menemukan"view.php?id=",
"index.php?id=", "courseId=",
"category.php?id=" pada baris data.
182.12.5.228 - - [08/Apr/2013:05:36:16 +0700] "GET
/course/view.php?id=1310 HTTP/1.1" 200 8644

Pattern Discovery
Pada tahap pattern discovery akan dilakukan
proses pencarian user cluster berdasarkan kemiripan
akses oleh users yang login. Pencarian cluster
tersebut menggunakan disiplin ilmu Clustering
dengan algoritma Hierarchical Agglomerative
Clustering. Metode yang digunakan pada algoritma
ini adalah Unweighted Average Linkage, dimana
KNSI 2014

metode ini akan menghitung kemiripan antara dua


cluster dengan menghitung rata-rata jarak semua
kombinasi pasangan yang mungkin.

S(AB),C = (SAC + SBC)/2


S(AB),(CD) = (SAC + SAD + SBC + SBD)/4
SE,(C,(AB)) = (SAE + SBE + SCE)/3

Pattern Analysis
Tahap berikutnya dari proses ini adalah pattern
analysis dari user cluster yang didapatkan. Dari
cluster ini dapat dicari pola kemiripan akses user
dengan melihat page-page yang diakses sebelumnya.

4. ANALISIS DAN PENGUJIAN SISTEM


4.1 Pengujian Pattern Discovery Dataset
Februari
Hasil preprocessing data berdasarkan parameter
yang di set sebelumnya.
Tabel 4.1 Potongan hasil parsing dan cleaning

Ip address User Id
Time
Page Id
118.96.202.212 4961 24/Feb/2013:11:29:28 279

Selanjutnya akan dicari pages yang diakses oleh


masing-masing user. Setiap page yang diakses akan
diberi nilail dan yang lainnya 0 [13].
Tabel 4.2 Potongan list page yang diakses
user
UserId
7667
7667
7667
7667
7667
7667
7667
7667
7667

PageId
255
258
114
852
226
228
214
267
260

Jumlah
1
1
0
0
0
0
0
0
0

UserId
7667
7667
7667
7667
7667
7667
.
7702

PageId
259
264
263
257
245
242
.
447

Jumlah
0
0
0
0
0
0
.
0

Dari data tersebut, nilai Euclidean dihitung


berdasarkan kemiripan aktivitas antar-user.
Tabel 4.3 Euclidean Distance dataset Februari
User
7667
7667
7667
7667
7667
7667
7667
7667

User
7667
7713
52239
51733
50559
50823
219
50511

ED
0.00
2.65
2.45
2.24
2.00
3.00
3.16
2.65

User
7667
7667
7667
7667
7667
.
7702

User
9397
9098
8934
9343
51172
.
7702

ED
2.00
2.00
3.32
2.24
2.00
.
0.00

User yang memiliki nilai 0 berarti pola


aksesnya tepat sama sama lain. Setelah nilai
Euclidean didapat, maka nilai ini akan
divisualisasikan menggunakan multidendogram
3.1.0. Hasilnya adalah seperti pada Gambar 4.1.

129

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

40
20
0

User
S1 IF D3 D3 S1 SI S1
IF TT
SK

Gambar 4.2 Segmentasi User dataset Februari


4.2. Pengujian Pattern Discovery Dataset Maret
Gambar 4.1 User cluster untuk bulan Februari

Gambar 4.1 menunjukkan user clusters.


Dengan mengacu pada nilai jarak, dua atau lebih
user digabungkan mulai dari user dengan jarak
terkecil, nilai 0, sampai dengan user dengan jarak
terjauh, nilai 3.46. Penggabungan user tersebut
dilakukan dengan melihat nilai minimum rata-rata
jarak antar semua user/cluster.
Pola penggabungan user/cluster ini memiliki
perbedaan satu sama lain. Ada beberapa user/cluster
yang digabungkan dengan pola membentuk tangga
(naik ke kanan). Ini menandakan user/cluster yang
digabungkan memiliki kemiripan pola cukup jauh
dengan cluster-cluster yang terbentuk sebelumnya.
Setelah menganalisis cluster yang ditemukan,
didapatlah pola akses user pada beberapa cluster,
seperti ditunjukkan pada Tabel 4.4.
Tabel 4.4 Pola akses cluster Februari
Cluster

UserId

Pola Akses

7667, 51410

9397, 9098, 4886, 7872, 3817,


2455, 3342, 2199, 7618,
51783, 51506, 7622
9343, 5894, 7657, 7626, 5958,
7702, 7639, 7663

Course-ModulAssignment
Course-ModulAssignment-Forum

C
D

4336, 5962, 5394

51733, 50559, 50565, 52364,


50408
7715, 7810, 7820, 7595, 7604,
7839, 7684

50511, 51172, 8486, 8413

52239, 50594, 52297

8950, 8953, 8955, 8929, 8951,


8952, 8923, 8935, 8924

Course-Quiz-Grade
report
Course-ModulAssignment
Course-Modul
Course-ModulAssignment-Grade
report
Course-ModulAssignment-Forum
Course-Modul
Course-Assignment

Dari data tersebut, dapat dilihat bahwa pola


akses user paling banyak adalah mengakses mata
kuliah, modul atau materi kuliah lalu latihan atau
assignment. Untuk beberapa cluster lainnya ada user
yang mengakses page yang lainnya seperti forum,
quiz dan laporan hasil (grade report). Segmentasi
pengguna bulan ini ditunjukkan Gambar 4.2.

KNSI 2014

User Cluster yang terbentuk pada Gambar 4.3.

Gambar 4.3 User Cluster untuk bulan Maret


Untuk user cluster ini, simpangan terjauh nilai
jaraknya adalah 5 yang berarti jarak user yang paling
maksimum adalah 5 dan akan digabungkan pada
tahap terakhir setelah cluster yang lain terbentuk.
Pola yang dapat terbentuk dari user cluster ini
ditunjukkan pada Tabel 4.5.
Tabel 4.5 Pola akses dataset bulan Maret
Cluster

UserId

5668, 2306, 4623, 7659,


7763, 1894, 5556
7607,7603, 7772, 3902,
3957, 5735, 3976, 8257,
8401, 51385, 51022
51857, 50918, 52054
7839, 51947, 51252, 50504,
52108, 50709
1653, 2826, 3905, 5491,
6036, 1650
7830, 7822, 7833, 7835,
7707, 7824, 7595, 7615,
7718, 7840, 7820, 117

50428, 52272, 52321, 52239

A
B
C
D
E

H
I
J

4453, 4218, 3428, 4886,


1514, 5154, 6028, 5875
8921, 8924, 8942
51945, 50837, 50866,
50732, 50503, 50777,
50243, 50997, 51251

Pola Akses
Course-ModulAssignment-Forum
Course-QuizAssignment
Course-Modul
Course-Assignment
Course-Modul-Quiz
Course-Modul-Quiz
Course-ModulAssignment
Course-AssignmentWiki
Course-Assignment
Course-AssignmentQuiz

Untuk segmentasi user pada bulan Maret dapat


dilihat dari grafik pada Gambar 4.4.

130

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Kecenderungan user melakukan akses lebih

banyak untuk melihat materi saja. Sedangkan untuk


assignment dan quiz hanya untuk beberapa cluster
tetentu saja. Segmentasi user untuk bulan ini
ditunjukkan pada Gambar 4.6.

Gambar 4.4 Grafik segmentasi user Maret


4.3 Pengujian Pattern Discovery Bulan April
Untuk dataset bulan April, user cluster yang
terbentuk seperti ditunjukkan pada Gambar 4.5.

Gambar 4.6 Segmentasi user dataset April


4.4 Pengujian Pattern Discovery Dataset Mei
User cluster yang terbentuk untuk bulan Mei,
ditunjukkan pada Gambar 4.7.
Gambar 4.5 User cluster dataset bulan April
Cluster yang yang terbentuk dengan nilai jarak
antar user 0 semakin meningkat. Hal ini disebabkan
pola yang sama persis. Pola akses yang dihasilkan
dari cluster ini ditunjukkan pada Tabel 4.6.
Tabel 4.6 Pola akses user April
Cluste
r

A
B
C
D

UserId

Pola Akses
course, modul,
assignment, grade
report,
course, forum
course, modul
course

8292, 8379
2841, 2746
51903, 51439, 59785,
3844, 125, 6349, 2813, 448, 4961
7684, 7813, 117, 7834, 7715, 7595,
7827, 7811, 7819, 7683, 7838, 7825
50349,51010,50559, 50665, 50643,
52364, 50254, 50565,51875, 51733,
50777, 51246, 51425, 52381,
50404, 51251, 51018, 50732,
51974, 52223, 50782
50241, 50986

51827, 50459, 7641, 51653, 51869,


52056, 51953

course-modul
course-modulassignment

I
J

7637, 7643, 7601, 5377, 7655,


7664, 7670, 9343, 7665, 7654
3596, 4101, 4000, 2218

course-modul-page
course-modul

E
F

course-modul
course-assignment

7772, 7594, 7620, 7596, 7611,


7610, 7632, 7635, 5979, 1825
4241, 2067, 5652
52049, 52177, 50905, 50394,
51171, 50465, 51272, 52093,
50494, 50227, 51258, 51443,
51871, 51170, 52122, 50461, 51506

73, 8958, 8954, 8921, 8926

course-modulassignment

P
Q

7817, 7815, 7628, 7729, 7615,


7691, 7710
7795, 7781, 7788

course-modul-quiz
course-modul

K
L

KNSI 2014

Gambar 4.7 User cluster dataset Mei

Dari Gambar 4.7, simpangan terjauh pada nilai


4. Dapat dilihat juga bahwa pola penggabungan
semakin menyerupai anak tangga ke kanan. Namun
berbeda dengan data sebelumnya, pola itu terbentuk
setelah penggabungan dari beberapa user/cluster
yang memliki nilai kemiripan yang dekat. Pola akses
yang dihasilkan ditunjukkan pada Tabel 4.7.

course-modul-page
course-assignment
course-modulassignment-quiz

131

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Tabel 4.7 Pola Akses user Mei


Cluster
A
B
C
D
E
F

UserId
4406, 3717, 4101, 2218, 3042
57, 7597, 7632, 7598
117, 7715, 7707, 7718, 7855
7667, 7658, 7671, 7852,
52222, 51788, 51952, 50533, 50307,
50921, 51704, 50727
50286, 51503, 50991

51018, 50599, 51900, 50643, 51783,


50777, 50997, 50866, 51857
51240, 51725, 51802, 50250, 51239,
51115, 50986, 51714, 52314, 51760,
50954

5573, 5105, 4461

J
K
L

52210, 50278, 51824, 52004


5447, 1543, 2886
51445, 50229, 50674, 51947, 7839,
50535, 51779, 51948, 51252, 52056,
51590

9343, 5958, 7601, 7637, 7655, 116

N
O
P
Q

4961, 4596, 3342, 3620, 5390, 3794,


3993, 3306, 9406, 3971, 3591, 4835,
5022, 5397, 2199
50941, 51939
50645, 50270

Pola Akses
course, modul
course, forum
course, modul
course-forum
course, modul
course,modul
course,
assignment
Courseassignment
Courseassignment
Course-modulcourse
course-modul
course-modulassignment
Courseassignment
course-modulassignment
course-modul
course-modul
course-modul

Untuk segmentasi user pada bulan Mei adalah


sebagaimana
ditunjukkan
pada
Gambar

4.8.
Gambar 4.8 Segmentasi user Mei
4.5 Pengujian Cophenetic Correlation Coeffient
Pengujian dilakukan terhadap keempat dataset
dengan menghitung distance dan cophenetic. Nilai
cophenetic didapat dari perhitungan nilai distance
minimum dari hasil penggabungan dua atau lebih
user. Empat nilai CP didapat dari multidendogram
untuk membentuk cluster sebelumnya. Hasil
perbandingan CP ditunjukkan pada Gambar 4.10.

Gambar 4.5 Perbandingan CP keempat cluster


Keempat data memiliki nilai diatas 0.8 yang
berarti kualitas cluster yang dihasilkan sudah baik.

KNSI 2014

4.6 Kesimpulan Pengujian dan Rekomendasi


Dari pengujian, dapat ditarik kesimpulan
bahwa pola akses user untuk keempat dataset
tersebut tidak jauh berbeda. Pola akses tersebut
masih hanya pada beberapa fungsi saja seperti
course, modul, quiz dan assignment. Dapat
disimpulkan
bahwa
beberapa
page
atau
fungsionalitas yang lain seperti forum, media chat,
pesan belum sepenuhnya digunakan secara baik.
Padahal
media-media
tersebut
merupakan
penunjang e-learning. Sehingga disarankan agar
lebih mengaktifkan pages yang jarang terpakai.
Dari kesimpulan diatas, beberapa rekomendasi
pengembangan e-learning adalah sebagai berikut :
1. Page Course-Modul-Assignment dipertahankan
dengan setiap assignment diikuti dengan
modul sebagai sumber pencarian bahan latihan.
2. Page Forum ditempatkan pada setiap CourseModul sehingga pemanfaatan forum ini lebih
baik lagi sebagai tempat berdiskusi mahasiswa
mengenai mata kuliah dan informasi lainnya.
3. Page Quiz ditempatkan terpisah dengan Modul
karena quiz sifatnya tertutup dan disetiap quiz
harus disertakan waktu per soal dan di akhir
quiz juga disediakan langsung page untuk hasil
nilainya (untuk tipe soal pilihan ganda).
4. Page Grade Report ditempatkan untuk setiap
mata kuliah agar mahasiswa dapat melihat
rincian nilainya. Sehiangga nantinya akan
muncul pola akses Course-Grade Report.
5. Untuk keseluruhan Course, ditempatkan media
chat dimana media ini akan bermanfaat untuk
interaksi yang langsung (online) antar
mahasiswa pada satu kelas. Berbeda dengan
forum yang sifatnya tidak selamanya online.
5. PENUTUP
5.1 Kesimpulan
1. Pola akses yang dianalisis dapat menjadi
informasi untuk pengelolaan website.
2. Setiap cluster yang terbentuk tidak selalu
dapat di polakan karena aktivitas akses user
yang hanya mengakses satu page saja atau
memiliki kemiripan yang sangat jauh
dengan cluster yang lain.
3. Pola akses user menunjukkan bahwa
pemanfaatan website e-learning terbatas
pada pages tertentu seperti course, modul,
assignment, quiz.
4. Pada setiap cluster yang terbentuk untuk
semua dataset, masih terdapat outlier
dimana kemiripan user atau cluster sangat
jauh dari user atau cluster yang lain.
5. Segmentasi akses user pada e-learning
masih terbatas pada beberapa prodi saja.
6. Cluster yang dihasilkan untuk setiap dataset
memiliki nilai CP diatas 0.8 sehingga

132

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

cluster dapat dikategorikan sebagai cluster


yang baik.

[15] Wang Yan, Web Mining and Knowledge


Discovery of Usage Patterns [Conference]. - [s.l.]:
CS 748T Project, 2000.

5.2 Saran
1.
2.

3.

Melakukan perbaikan website berdasarkan


pola akses dan segmentasi user.
Pencarian outlier langsung dilakukan saat
mencari nilai Euclidean sehingga pola
cluster yang dihasilkan lebih baik lagi.
Mencoba metode web usage mining lain
sebagai pembanding pola yang dihasilkan.

DAFTAR PUSTAKA
[1]

[2]

[3]

[4]

[7]

[8]

[9]

[10]

[11]
[12]

[13]

[14]

Abdurrahman, Bambang Riyanto T., Rila


Mandala, 2006, Pemodelan Web usage mining
untuk Mengelola E-Commerce, Sekolah Teknik
Elektro dan Informatika, Institut Teknologi
Bandung.
Cooley R. Web usage mining: Discovery and
Application of Interesting Patterns from Web data
[Report]. - [s.l.] : PhD thesis, Dept. of Computer
Science, University of Minnesota, 2000.
Cooley R., Mobasher B. and Srivastava J. Data
preparation for mining world wide Web browsing
patterns [Conference] // Knowledge and
Information Systems. - 1999.
Cooley R., Tan P-N. and Srivastava J Discovery of
interesting usage patterns from web data.
[Conference] // WEBKDD. - 1999. - pp. 163-182.
Gomes, M. and Gong, Z., 2005, Web Structure
Mining: An Introduction, Proceedings of the 2005
IEEE International Conference on Information
Acquisition
Han Jiawei and Kamber Micheline Data Mining:
Concepts and Techniques [Book]. - [s.l.] : Morgan
Kaufmann Publisher, 2006.
Kimpball Ralph and Merz Richard The Data
Webhouse Toolkit: Building the Web-Enabled
Data Warehouse [Book]. - [s.l.] : Wiley Computer
Publishing, 2000.
Kurniawan, Agus, Desain dan Implementasi
Aplikasi untuk Visualisasi Informasi pada File
Offline Log Web Server, Fakultas Ilmu Komputer,
Universitas Indonesia, Depok, Indonesia.
Liu, B., 2007, Web Data Mining: Exploring
Hyperlinks, Contents, and Usage Data, Springer.
R.Khanchana and M. Punithavalli.2011, Web
usage mining for Predicting Users Browsing
Behaviors by using FPCM Clustering, IACSIT
International Journal of Engineering and
Technology.
Solichin
Achmad,
Ferdiansyah,
Wahyu
Pramusinto, 2010, Web usage mining: Proses,
Aplikasi dan Penggunaannya, Universitas Budi
Luhur.
Teknomo, Kardi. (2009) Hierarchical Clustering
Tutorial.http://people.revoledu.com/kardi/tutorial/
Clustering/Cophenetic.htm, diakses 30 Agustus
2013.

KNSI 2014

133

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-26
PEMANFAATAN SISTEM PAKAR SEBAGAI DASAR MEMILIH
JURUSAN BAGI CALON MAHASISWA BERDASARKAN ANALISA
BIOMETRI DAN PSIKOMETRI BERBASIS WEB
Terttiaavini
Sistem Informasi, Fakultas Ilmu Komputer, Universitas Indo Global Mandiri
Jl. Jend. Sudirman No. 629 Km. 4 Palembang
avini.saputra@yahoo.com

Abstrak
Alasan salah memilih jurusan merupakan hal yang sering kita dengar pada saat mahasiswa sedang
menempuh pendidikan. Mengapa hal tersebut dapat terjadi. Pada umumnya mahasiswa memilih
jurusan berdasarkan pengaruh lingkungan, seperti teman, orang tua ataupun keinginan sendiri. Pada
saat mahasiswa tersebut menyadari bahwa jurusan yang mereka pilih tidak sesuai dengan potensi bakat yang
mereka miliki, timbulah rasa penyesalan. Untuk mengetahui potensi bakat perlu dilakukan psikotes dan
konsultasi dengan ahli psikologi yang biayanya tidak murah. Oleh karena itu timbulah gagasan untuk
memanfaatkan sistem pakar untuk mendeteksi potensi bakat yang dimilki oleh seseorang, agar dapat
memberikan alternatif pilihan jurusan yang tepat. Mendeteksi potensi bakat dapat dilakukan dengan cara
analisa biometri dan psikometri. Untuk analisa biometri pendeteksian potensi bakat menggunakan
fingerprint analysis, sedangkan psikometri menggunakan skala WAISR dan DAT. Melalui analisa
kuantitatif dan kualitatif diharapkan penyusunan aitem psikotes dapat valid dan re li ab le. Selain itu,
untuk mempermudah implementasi sistem pakar tersebut, maka sistem dibangun menggunakan
aplikasi berbasis web. Sistem pakar berbasis web dapat mudah diakses, dimana saja dan kapan saja
sehingga akan lebih efisien. Ide penelitian ini diharapkan dapat menjadi masukan bagi ilmu pengetahuan
untuk dikembangkan menjadi aplikasi yang bermanfaat.
Kata kunci : Sistem pakar, differential aptitude test (DAT), The wechsler adult intellegence scalerevised (WAIS-R), fingerprint analysis, model sekuesial linier, berbasis web

1. Pendahuluan
Fenomena salah memilih jurusan dipacu
oleh kurang pahamannya mahasiswa terhadap
minat dan bakat yang mereka miliki. Ini akan
menimbulkan kesulitan bagi mahasiswa dalam
penyesuaian di lingkungan belajar, tidak dapat
mengoptimalkan
semua
potensi
dan
kemampuan yang dimiliki, prestasi belajar
lebih rendah dari yang seharusnya dapat
dicapai, serta cenderung lambat dalam
menyelesaikan studinya. Jika kasus salah
memilih jurusan ini terus dibiarkan, maka akan
berpengaruh terhadap pencapaian prestasi
belajar mahasiswa pada jurusan yang dipilihnya.
Setiap manusia memiliki bakat.
B a k a t (aptitude) merupakan potensi (potensial
ability). Bakat yang dimiliki merupakan potensi
yang perlu dikembangkan atau dilatih agar
KNSI 2014

dapat mencapai prestasi. Ada berapa pendapat


para ahli tentang bakat, yaitu : 1) Kartono K
(1995:2) menyatakan bahwa bakat adalah
potensi atau kemampuan kalau diberikan
kesempatan untuk dikembangkan melalui
belajar akan menjadi kecakapan yang
n y a t a [5]. 2) Monk (2000) mejelaskan
bahwa keberbakatan (Giftedness) adalah
suatu potensi bawaan yang memerlukan binaan
guna mencapai prestasi sesuai dengan
prestasinya [7].
Berdasarkan pendapat para ahli tersebut dapat
disimpulkan bahwa, bakat seseorang bila dibina
atau dilatih dengan baik akan menjadikan
manusia yang dapat mencapai prestasi
maksimal dibidangnya. Tetapi masalahnya adalah
apakah semua orang bisa mengetahui bakatnya ?.
Untuk mengetahui potensi bakat seseorang

134

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

tidaklah mudah, karena ada perbedaan yang


mendasar antara bakat dan minat. Terkadang
minat diartikan sebagai bakat, padahal minat
bukanlah bakat. Minat sangat dipengeruhi
oleh lingkungan keluarga atau teman.
Saat ini banyak sekali
jasa konsultasi
psikologi yang dapat mendiskripsikan potensi
bakat seseorang. Dengan mengunggulkan
pemakainan t e k n o l o g i d a n me t o d e ya n g
dianggap
akurat
membaca
karaktek
psikologi, harus sebanding dengan jasa
konsultasi yang ditawarkan.
Menurut
ilmu
p sikologi
bakat
mer upakan b a w a a n g e n e t i k d a n d a p a t
d i u k u r d e n g a n menggunakan pengukuran
karakter psikometri dan biometri. Kedua metode
ini memiliki sudut pandang yang berbeda.
Analisa
Psikometri
dilakukan
dengan
penggunakan alat tes semacam psikotes,
sedangkan a n a l i s a b i o m e t r i m e n g g u n a k a n
p e n g u k u r a n langsung pada basis struktur fisik
seseorang. Metode ya n g se d an g p o p u lar saa t
in i d ip a ka i d al a m pengukuran biometri adalah
fingerprint analysis d a n
pengukuran
s e c a r a p s i k o m e t r i d e n g a n menggunakan
differential aptitude test (DAT).
Menurut
Sarah
Holt
(1968)
d a l a m penelitiannya berjudul The Genetics of
menyimpulkan
bahwa
dermal
ridge
a d a n y a p o l a dermatoglyphics di sidik jari
dan ditelapak tangan yang berhubungan dengan
potensi bakat dan kecerdasan. [4]
Untuk mencapai kinerja yang maksimal
tidak cukup hanya berdasarkan bakat. Bakat
merupakan
potensi
kecerdasan
yang
tersembunyi yang tidak bisa diukur dengan
standar IQ.
Dalam analisa psikologi, pengukuran IQ
dapat dilakukan dengan tes IQ. Hasil penelitian
terakhir stanford-biner tahun1981 menciptakan
teori WAISR (the wechsler adult intellegence
scale revised). Teori tersebut menghasilkan skala
pengukuran IQ berdasarkan verbal dan
performasi.
Dengan menggunakan metode WAIS-R,
DAT dan fingerprint analysis diharapkan metodemetode tersebut dapat dikomplementasikan dan
digunakan secara sinergis untuk memberikan
referensi alternatif jurusan yang tepat.
Kemajuan
teknologi
informasi
dapat
diimplementasikan kedalam beberapa bidang
ilmu,
tak
terkecuali
ilmu
psikologi.
Penyebaran informasi melalui aplikasi website
merupakan cara ya n g s a n g a t e f e k t i f d a n

KNSI 2014

m u r a h u n t u k d a p a t mengakses hasil penelitian


ini.

Dengan Penelitian berbasis sistem pakar


ini, diharapkan dapat membantu masyarakat
(calon mahasiswa khususnya) sebagai sarana
yang mudah untuk mengetahui bakat yang
dimiliki, sehingga dapat dijadikan referensi
dalam menentuan jurusan yang tepat.
2. Landasan Teori
2.1 Pengertian sistem pakar
Menurut Ignizio (1991) Sistem pakar
adalah suatu model dan prosedur yang berkaitan,
dalam suatu domain tertentu, yang mana
tingkat keahliannya dapat dibandingkan dengan
keahlian seorang pak ar [x]. Keuntungan
menggunakan sistem pakar antara lain : 1)
Memungkinkan orang awam bisa mengerjakan
pekerjaan para ahli. 2) Bisa melakukan proses
secara berulang secara otomatis. Menyimpan
pengetahuan dan keahlian para pakar.
0) Memiliki
reliabilitas.
5)
Memiliki
kemampuan untuk bekerja dengan informasi
yang tidak lengkap dan yang mengandung
ketidakpastian. 6) Sebagai media pelengkap
dalam penelitian. 7) Meningkatkan kapabilitas
dalam
penyelesaian
masalah
dan,
8)
Menghemat
waktu
dalam
pengambilan
keputusan dll.
2.2 The Wechsler Adult Intellegence ScaleRevised (WAIS-R)
Set el a h mel a k u ka n b e b er ap a r e v is i
d ar i beberapa skala intellegence yang telah di
terbitkan, W echs ler ( 1 9 5 8 ) me n cip ta ka n
s ka la W AI S - R (Wechsler Adult Intellegence
Scale) [10]. Skala W A I S - R d i r a n c a n g k h u s u s
u n t u k m e n g u k u r intellegence pada subjek
yang berusia antar 16 s.d 64 tahun. WAIS _R
terdiri dari skala verbal dan skala Performasi.
Kedua-duanya menghasilkan IQ verbal dan IQ
performasi sedangkan kombinasi keduanya
menjadi dasar untuk perhitungan IQ deviasi
sebagai IQ keseluruhan.

Tabel_1. Subtes dalam Wais-R 1981


Skala Verbal
Skala Performasi
1) Information
1) Picture
2) Digit Span
Completion
2) Picture
3) Vocabulary
Arrangement
4) Arithmetic
5) Compreheension 3) Block Design
Sumber : David wechsler (1958)
Dalam pemberian score untuk subtest
hitungan, simbol angka rancangan balok, susuan
gambar, dan perakitan objek, kebenaran jawaban

135

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dan kecepatan menjawab merupakan hal yang


diperhitungkan. Jawaban yang benar dan dalam
batas waktu yang ditentukan saja yang mendapat
skor. Semakin cepat penyelasian yang diberikan,
skornya semakin tinggi.
2.3 Aptitude Test (DAT)
Tes ini dirancang oleh George K.
Benneth, Harold G Seashore, dan Alexander G
Wesman [2]. T es
ini
d ib ua t
untuk
me nd ap a t ka n p r o sed ur penilaian yang ilmiah,
terintegrasi, dan standar, bagi para siswa sekolah
tingkat menengah pertama dan menengah atas.
Meskipun dasar pembuatan tes ini untuk
penilaian dalam pendidikan, tes ini dapat juga
digunakan untuk pemilihan jurusan.
D A T merupakan seri tes yang terdiri dari 7 subtes,
yakni : Verbal reasoning, Numerical Ability,
Abstract Reasoning, Space relation, Mechanical
reasoning , Clerical Speed and Acuracy, Language
Usage
2.4 Fingerprint Analysis
Menurut ifa H. Misbach (2010, p12)
metode Fingerprint analisys bertujuan untuk
mengungkap perbedaan keunikan individu secara
genetik [6]. Dengan demikian, akan terlihat
gambaran mengapa s e t i a p o r a n g m e m i l i k i
p e r b e d a a n d a l a m mengekspresikan potensi
bakat dan minat, gaya belajar, responsivitas
daya tangkap, ketelitian sampai pada trait
(watak sebagai dasar kepribadian seseorang).
Penelitian sidik jari telah dilakukan sejak
masa lampau dan berkembang menjadi sebuah
disiplin
ilmu
yang
disebut
dengan
dermatoglyphics.
Ketertarikan
ilmuan
melakukan penelitian terhadap sid ik j ar i
d iseb ab kan p o la sid ik j ar i
man usia
memiliki keunikan karakteristik yaitu :
1)

Sidik jari bersifat spesifik bagi setiap


orang.
2) Sidik jari bersifat permanen, tidak
pernah berubah sepanjang hayat.
3) P o l a s i d i k j a r i r e l a t i f m u d a h u n t u k
d i klasifikasikan .
Hasil penelitan riset ilmu dermatoglyphics
banyak mengkaitkan pola sidik jari dengan
interdisipliner berbagai bidang ilmu, khususnya
antropologi, medis dan psikologi. Ada tiga pola
dasar sidik jari yakni whorl atau swirl, arch,
loop, selain itu hanyalah variasi dari kombinasi
ketiga pola tersebut.
2.5 Penyususan skala psikologi
Guna mencapai tingkat objektivitas yang
tinggi, p e ne li tia n il mi ah me n s ya r a t ka n
p en g g u n aa n p r osed ur p engump ulan d ata
KNSI 2014

yang akur at d an terpercaya melalui analisa


kuantitatif dengan melalui proses pengukuran
yang tinggi validitas, reliabilitas, objektif dan
juga sistematik (saifudin azwar (2013) [1].
Uraian kegiatan pd tahapan penyusunan
skala psikologi adalah
1. Identifikasi tujuan ukur, yaitu memilih suatu
defenisi mengenali dan memahami dengan
seksama teori yang mendasari konstrak psikologi
atribut yang hendak
diukur.
kemudian
dilakukan pembatasan kawasan (domain) ukur.
2. Pemb atasan domain ukur, berdasarkan
konstrak yang didefenisikan oleh teori yang
dipilih. Dimensi keperilakuan, meskipun sudah
jelas konsep keperilakuanya namun belum
terukur, sehingga perlu dioperasionalkan
kedalam bentuk keperilakuan yang lebih konkret.
3. Operasionalisasi Aspek, Himpunan indikatorind ikato r kep er ilakuan b eser ta d imens i
ya n g diwakilinya kemudian dituangkan
dalam kisi-kisi atau blue-print yang setelah di
dilengkapi dengan spesifikasi skala, akan
dijadikan acuan bagi para penulis aitem.
4. Penulisan Aitem, sebelum penulisan aitem
dimulai, perancang skala perlu menetapkan
bentuk a t a u f o r m a t s t i m u l u s ( a i t e m ) y a n g
h e n d a k digunakan. Format stimulus ini erat
berkaitan dengan metode penskalaannya.
5. Evaluasi Kualitatif, bertujuan untuk menguji
apakah aitem yang ditulis sudah sesuai
dengan blueprint dan indikator perilaku yang
hendak di ungkapnya, menguji apakah aitem
telah ditulis sesuai dengan kaidah penulisan
yang benar, dan m e n i l a i a p a k a h a i t e m
desirability yang
mengandung s o c i a l
tinggi. Evaluasi dan seleksi aitem dalam tahap ini
dilakukan oleh panel peneliti (ahli psikologi).
6. Evaluasi Kuantitatif, melakukan pengujian
kualitas aitem secara empirik dengan cara
melakukan
analisis
kuantitatif
terhadap
parameterparameter aitem. Pada tahap ini akan
dilakukan analisis daya diskriminasi aitem,
komputasi validitas dan reliabilitas aitem, analisa
distribusi jawaban, analisa item bias, fungsi
informasi aitem, dan lainlain. Data hasil analisa
kuantitatif berasal dari sampel yang mewakili
populasi. Semakin banyak jumlah sample maka akan
menghasilkan nilai validasi dan reliabilitas semakin
akurat.
7. Estimasi Reliabilitas, Evaluasi terhadap
fungsi item yang biasa dikenal dengan istilah
analisis aitem merupakan proses pengujian aitem
secara kuantitatif g u n a m e n g e t a h u i a p a k a h
a i t e m m e m e n u h i persyaratan psikometrik
untuk disertakan sebagian dari skala. Parameter
yang diuji adalah daya beda a i t e m a t a u d a y a
d i s k r i m i n a s i a i t e m , y a i t u kemampuan aitem

136

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dalam membedakan antara subjek yang memiliki


atribut yang diukur dan yang tidak.
8. Validasi Konstrak, untuk mengetahui apakah
skala mampu menghasilkan data yang akurat
sesuai dengan tujuan ukurnya, diperlukan
suatu prose pengujian validitas dan reliabilitas.
9. Kompilasi final,
dimaksudkan
untuk
menyiapkan tampilan dan informasi yang
menarik untuk memudahkan bagi responden
membaca dan menjawab aitem yang diberikan.
2.6 Model Sekuensial Linier
Menurut
Roger
S.
Pressman
( 2 0 0 2 ) , Sekuensial linier untuk rekayasa
perangkat lunak sering disebut juga sebagai
Siklus kehidupan klasik atau model air
terjun [9].

Gambar_1. Model sekuensial linier


Model sekuensial linier melingkupi aktivitas
sebagai berikut :
1. Rekayasa dan permodelan informasi.
Rekayasa
dan
analisa
sistem
m e n y a n g k u t pengumpulan kebutuhan pada
tingkat sistem dengan sejumlah kecil analisis serta
desain tingkat puncak.
2. Analisa kebutuhan.
Proses pengumpulan kebutuhan difokuskan
pada perangkat lunak. Untuk memahami sifat
program
yan g
d ib angu n,
p er ekaya sa
p er angkat l una k (analisis) harus memahami
domain informasi, tingkah laku dan unjuk
kerja. Desain.
Desain perangkat lunak sebenarnya adalah
proses multi langkah yang berfokus pada
empat atribut yang berbeda yaitu desain
prosedural, proses, interface dan Database.
3. Generasi Kode.
Desain harus diterjemahkan kedalam bentuk
kode yang dapat dibaca oleh mesin (program
aplikasi).
4. Pengujian.
Pengujian berfokus pada logikal internal
perangkat lunak. Memastikan bahwa semua
statemen dalam program sudah diuji untuk
menghidari kesalahankesalahan program.
5. Pemeliharaan.
Perangkat
lunak
kadang
mengalami
perubahan
setelah
disampaikan
kepada
KNSI 2014

pemakai. Perangkat lunak harus disesuaikan


dengan kebutuhan pemakai yang selalu
menginginkan
pengembangan
yang
menyesuaikan kebutuhan saat ini.
2.7 WEB
Menurut Yuhefizar (2008), Web adalah
suatu metode untuk menampilan informasi di
internet, baik berupa teks, gambar, suara maupun
video yang interaktif dan mempunyai kelebihan
untuk menghubungkan (link) satu dokumen
dengan dokumen lainnya (hypertext) yang dapat
diakses melalui sebuah browser [11]. WEB
merupakan kepanjangan dari work electric
broadchasting.
Agar sebuah komputer bisa berfungsi sebagai
web server, perlu diinstal sejumlah perangkat
lunak (software) pendukung, misalnya MySql, dan
Php. MySQL merupakan aplikasi d a t a b a s e
s e r v e r . MySQL digunakan untuk membuat
dan
mengelola database beserta isinya.
Sedangkan PHP (tepatnya, Interpreter PHP) adalah
software yang berfungsi membaca script we b
yang ditulis dalam bahasa pemrograman PHP.
Bahasa
pemrograman
P HP
mer up a k a n
b ah as a p e mr o gr a ma n u nt u k membuat web
yang bersifat server-side scripting. PHP
memungkinkan kita untuk membuat halaman
web yang bersifat dinamis.
Ada 2 bagian pokok dalam aplikasi w e b ,
yang pertama adalah sisi client dan yang kedua
adalah sisi server, sisi client dalam hal ini adalah
PC atau bisa juga Perangkat mobile yang
terhubung kejaringan internet. Client dapat
mengakses aplikasi web melalui web browser
seperti internet explorer, mozila fire fox, google
crome, opera dan lain-lain, sedangkan server adalah
perangkat komputer dengan spesifikasi yang bagus
digunakan untuk menyimpan aplikasi web beserta
database server yang siap untuk diakses oleh
3. Metodologi penelitian
Berdasarkan tujuan dari penelitian ini
maka penelitian ini dikatagorikan sebagai
penelitian research dan development. Menurut
Suryo guritno dkk (2010). Penelitian research dan
development adalah m e t o de pe ne l i t i a n
yang
be r t uj u a n
menghasilkan produk
tertentu serta menguji efektivitas produk
tersebut[3]. Rancangan tahap penelitian adalah
sebagai berikut

137

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Semua tahap pada metodologi penelitian dapat


dijelaskan dibawah ini
1) Studi Pustaka
Menurut M. Nazir (1988) Studi kepustakaan adalah
teknik pengumpulan data dengan mengadakan studi
penelaahan terhadap buku-buku, literatur-literatur,
catatan-catatan, dan laporan-laporan yang ada
hubungannya dengan masalah yang dipecahkan
[8]
2) Analisa Kebutuhan
Teknik yang digunakan untuk mengumpulkan
data pada penelitian ini adalah
a) Metode pengumpulan data
Dilakukan dengan cara :
1. Pembagian Angket (questionnaire)
Angket diberikan kepada calon
mahasiswa dilakukan pada dua tahap yaitu
Tahap pertama : angket yang diberikan
kepada c a l o n
mahasi swa
dengan
t u j u a n u n t u k melakukan test validasi
penskalaan psikologi. T a h a p K e d u a :
menguji aplikasi psikotes melalui aplikasi
website yang dibangun.
2. W aw an c ar a
Dilakukan dengan cara tatap muka dan
tanya jawab langsung kepada ahli psikologi.
b) Analisa data
Pada tahap ini dilakukan beberapa proses
dalam mengorganisasikan data yaitu :
1. Penyusuna kosntruksi skala psikologi
Langkah-langkah yang dilakukan
d a l a m konstr uksi skala psikologi
adalah sebagai berikut :
- Identifikasi tujuan ukur.
Konstrak Atribut psikologi yang diukur
pada S k a l a D A T , W A I S - R a d a l a h
u n t u k mengidentifikasikan potensi bakat
yang dimiliki calon mahasiswa dengan
penilaian secara psikometri dan biometri.
- Pembatasan domain ukuran (Konstrak).
KNSI 2014

Pembatasan domain ukur untuk masingmasing skala.


- Indikator Keprilakukan.
Tahap ini dilakukan pendefenisian domain
ukur. Domain ukur akan dijabarkan menjadi
beberapa aspek yang akan menjadi dasar
pembentukan aitem instrumen penelitian.
- Pen ulisan aitem (review aitem).
Penuliasn aitem harus memperhatikan tata cara
penulisan aitem yang benar. Penentuan
skala juga ditentukan pada tahap ini, yaitu :
Tes WAIS-R bertujuan untuk mengukur IQ. Hanya
jawaban yang tepat saja yang diberi nilai.
T es DAT ber tuj uan untuk mengetahui
potensi
bakat, akumulasi nilai pada domain ukur yang
tinggi yang akan mengidentifikasikan bakat
genetik seseorang.
Fingerprint analysis merupakan test yang
mencocokkan kesepuluh jari pada pola sidik
jari
Sehingga dapat ditentukan sifat genetik yang
dimiliki seseorang.
- Uji coba bahasa (Evaluasi Kualitatif).
Evaluasi kualitatif dilakukan melalui dua tahap
: Tahap pertama : Aitem yang dirancang
mesti dikonsultasikan terlebih dahulu
dengan
para
ahli
psikologi
untuk
mendapatkan masukkan relevan sesuai
dengan ilmu psikologi.
Tahap kedua : Aitem akan dievaluasi secara
kualitatif dengan menngunakan sampel
calon siswa,. Tujuannya adalah untuk
mengetahui apakah kalimat yang digunakan
dalam aitem mudah dapat dipahami dengan
benar. Data yang d i k u m p u l k a n a k a n
d i g u n a k a n u n u t k menentukan validasi
dan reliabilitas suatu aitem.
- Field test (evaluasi kuantitatif).
Evaluasi kuantitatif hanya dilakukan
untuk skala W AIS-R dan DAT , untuk
menguk ur kualitas aitem, maka harus
Dengan
cara
melalui
uji
validasi.
Menghitung koefisien korelasi (dengan
menggunakan rumus korelasi produk mo me n
P ear so n) ,
me n g h it u n g
ko e fi si e n
validitas
instrumen
yang
diuji,
membandingkan nilai koeefisien validitas
dengan nilai kofisien korelasi Pearson/tabel
Pearson, menentukan katergori dari validitas
instrumen
yang
mengacu
pd
pengklasifikasian validitas, mengulagi
langkah
tersebut
sampai
menghasilkan
intrumen yang valid untuk setiap butir
intrumen.
- Seleksi Aitem (Estimasi Reliabilitas).
Dilakukan untuk mengetahui seberapa tinggi
kecermatan
pengukuran
antar
aitem.

138

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Reliabilitas fungsi ukur skala diestimasi melalui


komputasi : Koefisien reliabilitas
- Validasi Konstrak
Dapat
diartikan
sejauh
mana
definisi
operasional
(indikator
keperilakukan)
memang
mencerminkan
konstrak yang diukur. Validasi konstrak
meliputi
beberapa
prosedur
yaitu
Content
validity,
face
validity,
Predictive validity, Concurrent validity,
Covergent validity dan Discriminant validity.
- Kompilasi Final
Tampilan
aitem
dirancang
dengan
menggunakan
bahasa
yang
mudah
dimengerti, p e t u n j u k
yang
mudah
d i p a h a m i , a t u r a n pembatasan waktu tes
yang akurat dll
2. Penyusunan pola sidik jari
Pola sidik jari memiliki 16 pola
yang
teridentifikasi. Pola tersebut
memiliki ciri p o t e n s i b a k a t t e r t e n t u .
S i d i k j a r i c a l o n mahasiswa akan
diartikan menurut klasifikasi pola tersebut.
3. Pengklasifikasian jurusan
Bakat
dan
score
IQ
yang
telah
teridentifikasi m e l a l u i p s i k o t e s t a k a n
di
lakukakan
pengklasifikasian
berdasarkan
jurusan.
aplikasi
ini
s e b e l u mn y a a k a n m e n a n ya k a n m i n a t
jurusan yang akan diambil, berdasarkan
minat tersebut, dilakukan pencocokan
antara minat, bakat dan IQ. Bila
menunjukkan kesamaan maka pilihan
jurusan tersebut sudah tepat. Bila tidak,
aplikasi akan memberikan alternatif
pilihan jurusan berdasarkan identifikasi
bakat dan IQ tersebut.
c) Teknologi yang digunakan
T eknologi
yang
d igunakan
untuk
membangun
aplikasi
ini
terdiri
dari
Hardaware : Server, PC (computer personal),
printer, modem, line telpone, UPS. Software :
Operating system, Browser, line telpone;
internet service provider (isp) dan Program
komputer ( prog. Php dan database )
d) Analisa Pemakai / user
Aplikasi ini bertujuan
untuk mengukur IQ,
menunjukkan potensi bakat dan penentuan
jurusan yang tepat bagi calon mahasiswa. Aplikasi
ini efektif digunakan pada umur usia antara 6
64 tahun.
3) Tahap Desain (perancangan)
Pada tahapan desain ada beberapa kriteria
perancangan yaitu
KNSI 2014

a) Desain prosedural (spesifikasi program)


Pada tahap ini dilakukan perancangan
seluruh p r o s e d u r ( a l g o r i t m a ) p r o g r a m .
Aplikasi
ini
dikembangkan
dengan
mengunakan teori sistem pakar. Inference
engine menggunakan forward chaining
dimana data hasil test WAIS-R, DAT dan
fingerprint analysis dikumpulkan terlebih
dahulu kemudian dicari kesimpulan atas jurusan
yang tepat bagi calon mahasiswa. Knowledge
digunakan berdasarkan case
based
base
reasoning.
b) Desain antar muka (interface)
Membangun antar muka harus memperharikan
unsur :Simplicity,Familiarity, Responsiveness,
Robustness, Protection dan Easy Of Learning and
easy of Use. T a hap i n i i nt er fac e a ka n
d ir a nc a n g d e n ga n menggunakan program
aplikasi dreamweaver. Berikut merupakan
desain input dan output.
a. Desain Input

Gambar_3. Tampilan Psikotes Dengan DAT, WAIS,


Fingerprint analysis
c) Desain Database
Database yang dirancang dapat terdiri atas
bebrapa t ab el , ya it u ad mi n, us er , te sW AI S,
te sD AT , tesFinger, hasil, defWais, defDat,
defFinger, pesan dll.
4) Tahap Generasi Kode
Pada
tahap
ini
merupakan proses
pembuatan program website. Implementasi
algoritma program yang sudah dirancang pada
tahap desain proses diterjemahkan kedalam
bahasa pemrograman PHP. dan database
MySQL.
5) Tahap implementasi
Dapat
dilakukan
dengan
cara
menginformasikan ke berberbagai sekolah
tingkat SMU di sekitar kota palembang dan

139

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

menyewa domain resmi agar mudah ditemukan


bagi pengguna.
6) Tahap Pemeliharaan
Tahap
pemeliharan
dilakukan untuk
menemukan error baik dari sisi content,
database, logika program, virus maupun hacker.
Hal
ini
perlu
dilakukan
agar
dapat
memperpanjang umur aplikasi itu sendiri.
Semakin lama umur program berarti aplikasi
psikotest tesebut semakin baik.
4. Kesimpulan dan Saran
Dari uraian diatas, maka diambil kesimpulan
dan saran yaitu
1) Kesimpulan
1. Sistem pakar dapat diimplementasikan
ke berbagai disiplin ilmu. Manfaatnya dari
hasil aplikasi, akan diperoleh hasil analisa
yang dapat menyamai analisa seorang pakar.
Pemanfaatan sistem p akar b erb asis web
digunakan untuk mendukung teknik
analisa biometrik dan psikometri. Dengan
melakukan uji validitas dan realibilitas item,
dapat menjadikan aplikasi yang dapat
mengidentifikasi bakat seseorang dengan
akurat.
2 . Aplikasi berbasis web yang dihasilkan
akan menjadi aplikasi yang mudah diakses,
murah dan bermanfaat bagi calon siswa
sebagai masukan dalam menentukan jurusan
yang tepat.

[6]

Misbach, Ifa H. (2010). Dasyatnya sidik jari


menguak bakat & potensi untuk merancang
masa depan melalui Fingerprint Analysis.
Cetakan kedua. Transmedia Pustaka.
[7] Mongks, F. J. , Knoers, A. M. P. , &
Haditono, S. R. (2000). Psikologi
Perkembangan:
Pengantar
dalam
berbagai bagiannya. C e t a k a n 1 4 .
Y o g y a k a r t a : G a j a h M a d a University
Press.
[8]

Nazir,M. (2003). Metode penelitian, cet.ke-5,


Ghalia Indonesia. Jakarta
[9] Roger
S.
Pressman.
(2002).
R e k a y a s a perangkat lunak pendekatan
praktisi (buku satu). Andi. Yogyakarta.
[10] Wechsler,
David.
(1958).
The
measurement and Appraisal of Adult
intelligence. 4th edition. Baltimore : The
Williams & Wilkins Company.
[11] Yuhefizar. 2008. 10 jam menguasai
internetteknologi & aplikasinya + CD.
Elek media Kompetindo. Jakarta

2) Saran
1) Ide pemikiran ini dapat menjadi masukkan
bagi p enge mb an g sis te m seb agai d asar
unt uk membangun aplikasi sistem pakar
dalam
bidang
analisa
biometri
dan
psikometri.
Daftar Pustaka
[1]

Azwar, Saifudin. (2013). Penyusunan


skala Psikologi. Cetakan III. Pustaka
Pelajar.
[2] Bennett,
George
K.
(1981).
Di ffe r e nti al
aptitude
tests.
Mar rickville, N.S.W : Psychological
Corporation
[3] Guritno, Suryo dkk. (2010). Metode penelitian.
Theory and application of IT Research. Andi.
Yogyakarta.
[4] Holt, Sarah B. Thomas (1968). The genetics of
dermal ridges. Springfield. Illinois.
[5] Kartini Kartono. (1995). Psikologi
Umum. Bandung : Maju Mundur.
KNSI 2014

140

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-27
PENGUKURAN KINERJA APLIKASI MICRO BANKING SYSTEM
MENGGUNAKAN IT BALANCED SCORECARD
Sandy Kosasi
Program Studi Sistem Informasi
STMIK Pontianak
sandykosasi@yahoo.co.id & sandykosasi@stmikpontianak.ac.id

Abstrak
Makalah penelitian ini memperlihatkan target yang diperoleh dari hasil pengukuran kinerja aplikasi Micro
Banking System pada Unit Layanan Modal Mikro untuk masing-masing perspektif menggunakan IT Balanced
Scorecard dengan metode deskriptif analitis. Adapun hasil yang diperoleh untuk kontribusi organisasi sebesar
21,74%, keunggulan operasional sebesar 20,38%, orientasi pengguna sebesar 19,78%, dan yang paling rendah
adalah orientasi masa depan hanya sebesar 16,6% dari target masing-masing perspektif 25%. Hasil evaluasi
kinerja aplikasi berada pada level A atau very good dengan nilai 78,50%. Namun demikian untuk masing-masing
perspektif masih belum sesuai dengan sasaran yang sudah ditetapkan, dimana penggunaan aplikasi teknologi
informasinya masih harus menjadi perhatian penting agar pemanfaatannya dapat memenuhi kebutuhan atau
kegiatan operasional perusahaan seperti meningkatkan kinerja stafnya, memiliki kemampuan pemberdayaan
teknologi informasi yang baik, memiliki perencanaan kerja yang baik, dan dapat menjaga hubungan dengan
debitur maupun pihak lembaga keuangan lainnya melalui informasi yang akurat agar kontribusi terhadap
organisasi, orientasi pengguna, keunggulan operasional, dan orientasi masa depannya meningkat menjadi lebih
baik dan mampu bersaing dimasa mendatang.
Kata Kunci : pengukuran kinerja aplikasi, deskriptif analitis, IT balanced scorecard
1. Pendahuluan
Permodalan Nasional Madani 9 Persero
(PNM) merupakan lembaga keuangan bukan Bank
yang aktifitasnya adalah memberikan jasa
pembiayaan dan manajemen kepada Usaha Mikro
Kecil Menengah & Koperasi (UMKMK) dan
Lembaga Keuangan Mikro/Syariah. Unit Layanan
Modal Mirko ini memberikan pembiayaan modal
kerja dan investasi untuk usaha produktif yang
mudah dan bersaing kepada perorangan atau Badan
Usaha Pelaku Usaha Mikro dan Kecil (UMK). Unit
Layanan
Modal
Mikro
juga
memberikan
Pendampingan, Pelatihan dan Bimbingan Usaha
Teknis bagi pengembangan UMK. Saat ini dalam
memberikan pelayanan kepada masyarakat sudah
menggunakan aplikasi micro banking system.
Aplikasi ini berfungsi untuk pengolahan data berupa
input dan output data nasabah, peminjaman dan
pembayaran nasabah, setoran dan pelunasan kredit
nasabah, jurnal berpasangan, pencairan kredit, dan
memberikan
laporan
kepada
pihak
yang
berkepentingan.
Aplikasi ini sudah digunakan oleh seluruh staf
dengan hak askes masing-masing sesuai dengan
jabatan dan tanggung jawabnya masing-masing.
Aplikasi ini memiliki sejumlah fitur yang berbedabeda, yang disesuaikan dengan keperluan
penggunanya. Semenjak diimplementasikan hingga
saat ini, belum pernah dilakukan pengukuran kinerja
KNSI 2014

dari aplikasi tersebut. Pada hal pengukuran kinerja


ini penting untuk mengetahui perusahaan
pembiayaan ini sudah melakukan fungsinya dengan
baik dalam memberikan pelayanan kepada para
nasabah dan dalam upaya mengembangkan aplikasi
ini agar dapat lebih memaksimalkan kinerjanya
karena berpengaruh pada kontribusi organisasi,
orientasi pengguna, keunggulan operasional, dan
orientasi masa depan.
Mengacu survei sebelumnya, terdapat
sejumlah implikasi penerapan aplikasi ini, dimana
belum sepenuhnya dapat memenuhi kebutuhan
pengguna/nasabah, diantaranya proses pengolahan
data belum sepenuhnya akurat, penyelesaian
pekerjaan cenderung melebihi batasan waktu kerja,
pemanfaatan IT cenderung mengharuskan adanya
penyesuaian struktur dan dimensi penyelesaian
pekerjaan, perspektif integritas informasi setiap
proses bisnis masih terdapat perbedaan dalam
memberikan layanan informasi untuk proses
pembuatan keputusan.
Pengukuran kinerja ini memiliki tujuan untuk
mengetahui penyebab permasalahan dan pencapaian
tingkat efisiensi dan efektivitas antara sasaran dan
tujuan penerapannya dalam kurun waktu tertentu.
Mendeteksi kelemahan atau kekurangan aplikasi,
dan seberapa besar kontribusi aplikasi terhadap
perusahaan untuk selanjutnya dilakukan perbaikan
dimasa mendatang.

141

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Makalah penelitian ini menggunakan metode


penelitian deskriptif analitis. Selanjutnya untuk
mengukur efektiftas dan efisiensi kinerja dari
aplikasi pengelohan datanya menggunakan IT
Balanced Scorecard. IT Balanced Scorecard meliputi
empat perspektif: kontribusi organisasi, perspektif
orientasi pengguna, keunggulan operasional, dan
orientasi masa depan. Teknik pengumpulan datanya
menggunakan wawancara dan kuesioner. Adapun
respondennya berasal dari seluruh staf perusahaan
sebanyak 7 responden.
Untuk tahapan dalam pengukurannya
memiliki tahapan yaitu penyelarasan visi, misi dan
strategi perusahaan dengan visi, misi dan strategi
teknologi informasi; penyelarasan strategi teknologi
informasi dengan perspektif IT Balanced Scorecard,
perancangan hubungan sebab-akibat, ukuran dan
sasaran strategi IT Balanced Scorecard, pengukuran
dan hasil pengukuran IT Balanced Scorecard,
melakukan pembobotan tujuan strategis pada empat
perspektif IT Balanced Scorecard, dan terakhir
melakukan evaluasi hasil pengukuran IT Balanced
Scorecard.
1.

IT Balanced Scorecard
Pada tahun 1997, Van Grembergen dan Van
Bruggen mengembangkan IT Balanced Scorecard
untuk digunakan pada departemen teknologi
informasi organisasi. IT Balanced Scorecard
memiliki standar yang memudahkan peneliti dalam
mengukur sebuah kinerja IT [4]. IT Balanced
Scorecard memiliki tujuan agar para pengguna dapat
menyesuaikan perencanaan dan aktivitas-aktivitas
sistem informasi dengan tujuan dan kebutuhan
organisasi, menyesuaikan usaha pengguna dengan
tujuan sistem informasi, menyediakan pengukuran
untuk mengevaluasi efektivitas organisasi sistem
informasi, mendorong dan mempertahankan kinerja
sistem informasi yang semakin meningkat, dan
pencapaian hasil yang seimbang di antara kelompok
stakeholder [5].
Berikut ini adalah masing-masing perspektif
dari IT Balanced Scorecard. Perspektif kontribusi
organisasi adalah perspektif yang mengevaluasi
kinerja IT berdasarkan pandangan dari manajemen
eksekutif, direktur dan stakeholder. Perspektif
orientasi pengguna adalah perspektif untuk
mengevaluasi kinerja IT berdasarkan cara pandang
pengguna yang ada. Perspektif keunggulan
operasional adalah perspektif yang menilai kinerja
IT berdasarkan cara pandang manajemen IT itu
sendiri dan lebih jauh lagi adalah pihak yang
berkaitan dengan audit dan pihak yang menetapkan
aturan-aturan yang digunakan. Perspektif orientasi
masa depan adalah perspektif yang menilai kinerja
IT berdasarkan cara pandang dari departemen itu
sendiri, yaitu pelaksanaan, para praktisi dan
profesional yang ada [6].
Masing-masing
perspektif
ini
harus
diterjemahkan ke dalam metrik dan langkah-langkah
KNSI 2014

yang sesuai yang menilai situasi saat ini. Penilaian


ini perlu diulang secara berkala dan selaras dengan
tujuan yang ditetapkan sebelumnya. Komponen
penting dari IT Balanced Scorecard adalah kondisi
terjadinya suatu hubungan dan akibat antara
tindakan yang terjadi. Hubungan ini diartikulasikan
oleh dua kunci jenis tindakan: ukuran hasil dan
faktor pendorong kinerja [4].
IT Balanced Scorecard merupakan alat yang
tepat untuk mengetahui sejauhmana penerapannya
sudah sesuai dengan tujuan, visi dan misi
perusahaan. Untuk mencapai proses penyelarasan
yang adaptif terhadap strategi bisnis dan teknologi
informasi melalui IT Balanced Scorecard. IT
Balanced Scorecard menyediakan pemaparan dan
ulasan yang bersifat menyeluruh dan terstruktur
sehingga manajer yang berkaitan dapat terus
memantau perkembangan setiap aspek dari strategi
penerapan teknologi informasi dengan mengacu
kepada nilai dari masing-masing perspektif IT
Balanced Scorecard [2].
Penyusunan perangkat evaluasi dengan
metode IT Balanced Scorecard dimulai dari
menganalisis tujuan bisnis perusahaan yang meliputi
visi, misi, tujuan strategis, proses bisnis. Kemudian
mulai menentukan ukuran dari masing-masing
perspektif berdasarkan visi dan misi perusahaan, lalu
langkah berikutnya yaitu menyusun pembobotan
berdasarkan ukuran yang telah ditetapkan pada
masing-masing parameter [4,5]. Keunggulan
pendekatan IT Balanced Scorecard adalah mampu
menghasilkan rencana strategi yang memiliki
karakteristik Komprehensif, Koheren, Seimbang,
dan Terukur [5].
2.

Penyelarasan Strategi Bisnis dan Teknologi


Informasi
Penyelarasan strategi sukses bisnis dan
strategi teknologi informasi merupakan kegiatan
yang
secara
fundamental
mempengaruhi
keberhasilan perusahaan dalam meningkatkan
kinerja
dan
performansi
daya
saingnya.
Keberhasilan ini hanya dapat dicapai melalui proses
mendefinisikan strategi bisnis secara jelas dan dapat
diukur dalam sebuah pengukuran kinerja. Melalui
indikator kinerja ini dapat memberikan kemudahan
kepada pihak pimpinan perusahaan untuk
mengetahui secara lebih jelas sejauhmana kontribusi
teknologi informasi dibutuhkan. Secara harfiah
pengukuran kinerja dapat diartikan sebagai penilaian
mutu dari kemampuan kerja demi mengetahui
seberapa jauh hasil yang diharapkan telah dapat
dipenuhi [3]. Kecenderungan pengukuran kinerja
melalui aspek keuangan melalui formulasi tingkat
pengembalian
investasi
tidak
selamanya
memberikan hasil yang nyata sesuai dengan kondisi
yang ada, karena seringkali mengabaikan aspek
kualitatif atau non keuangan berupa peningkatan
kualitas layanan yang justru saat ini memiliki peran

142

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

yang jauh lebih penting dan sangat signifikan demi


kelangsungan hidup perusahaan.
3.

Perancangan Hubungan Sebab Akibat


Pada gambar 1, memperlihatkan diagram
hubungan sebab akibat sehingga dapat diketahui
permasalahan dan dampaknya. Permasalahan dalam
penelitian ini adalah mengukur kinerja software
terhadap kinerja staf sehingga dapat diketahui sejauh
mana peningkatan keahlian dan kualitas kenerja staf
yang berorientasi pada masa depan. Hal ini akan
mempengaruhi masing-masing perspektif. Perspektif
yang pertama adalah perspektif keunggulan
operasional, apabila keahlian dan kualitas kinerja
staf meningkatkan akan menyebabkan peningkatan
kegiatan operasional yang terkomputerisasi dan
menambah dukungan pada proses bisnis, pada
perspektif orientasi pengguna akan memberikan
kepuasan debitur dan user, dan terakhir pada
perspektif kontribusi organisasi akan meningkatkan
produktifitas staf dan kontribusi fungsi bisnis.
Diagram Sebab Akibat
PERSPEKTIF KONTRIBUSI ORGANISASI

PERSPEKTIF ORIENTASI PENGGUNA

PERSPEKTIF KEUNGGULAN OPERASIONAL

PERSPEKTIF ORIENTASI MASA DEPAN

pembobotan diperoleh dari wawancara dengan


Manager Unit sehingga terjadi kesepakatan antara
peneliti dan Manager Unit. Pembobotan tujuan
strategis dapat dilihat pada tabel 2.
Tabel 1
Hasil Pengolahan Data Kuesioner

Gambar Hubungan Sebab Akibat


JIKA
Keahlian dan kualitas kinerja staf dalam
menggunakan dan memanfaatkan IT yang terus
berkembang meningkat (Perspektif orientasi masa
depan)
MAKA
Hal ini akan menghasilkan peningkatan kegiatan
operasional yang terkomputerisasi dan menambah
dukungan dalam proses bisnis
(Perspektif keunggulan operasional)
MAKA
Hal ini akan memberikan kepuasan debitur dan user
(perspektif orientasi pengguna)
MAKA
Hal ini akan meningkatkan produktifitas staf dan
kontribusi fungsi bisnis
(Perspektif kontribusi organisasi)

Gambar 1
Diagram Hubungan Sebab Akibat
4.

Hasil Pengukuran Kinerja Aplikasi Mikro


Banking System
Ukuran strategis diperoleh dari penjabaran
masing-masing strategis IT Balanced Scorecard
menjadi beberapa ukuran. Setiap ukuran strategis
harus memiliki sasaran strategis, adapun ukuran dan
sasaran strategis ditentukan oleh peneliti dan
Manager Unit Unit Layanan Modal Mikro.
Selanjutnya untuk pengukuran terhadap kinerja
aplikasi Mikro Banking System dilakukan dengan
mengumpulkan data saat ini pada Unit Layanan
Modal Mikro. Informasi diperoleh dari hasil
pengolahan data kuisioner pada tabel 1.
Setelah data dikumpulkan dan dihitung
jumlah jawaban dari responden selanjutnya akan
dilakukan perhitungan kinerja terhadap pencapaian
sasaran strategis dari masing-masing ukuran
strategis. Skala dalam perhitungan pengukuran
software ini sebanyak 5 skala yaitu sangat setuju
yang diberikan nilai 5, setuju diberikan nilai 4, netral
diberikan nilai 3, tidak setuju diberikan nilai 2, dan
sangat tidak setuju yang diberikan nilai 1.
Berdasarkan data kuesioner, berikutnya adalah
melakukan perhitungan terhadap kondisi aktual
perusahaan dan pencapaian pada masing-masing
ukuran strategis. Selanjutnya untuk data mengenai
KNSI 2014

Tabel 2
Pembobotan Tujuan Strategis

Berdasarkan pembobotan tujuan strategis akan


menghasilkan tingkat pemenuhan target yang
dicapai pada masing-masing perspektif IT Balanced
Scorecard ditunjukkan pada tabel 3 berikut ini :

143

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Tabel 3
Hasil Pemenuhan Target Pada Perspektif
IT Balanced Scorecard

5.

Evaluasi Hasil Pengukuran IT Balanced


Scorecard
Untuk melihat hasil penelitian secara
keseluruhan maka selanjutnya akan dievaluasi data
yang diperoleh dari Unit Layanan Modal Mikro
yang diperoleh dari kuisioner. Ini merupakan tahap
akhir dalam penelitian ini, yang diharapkan
penelitian ini dapat memberikan nilai hasil
pengukuran kinerja aplikasi Mikro Banking System
terhadap kinerja staf pada Unit Layanan Modal
Mikro.
Hasil perhitungan ukuran dan tujuan strategis
dari empat perspektif IT Balanced Scorecard dapat
dilihat pada tabel 4, dan evaluasinya sebagai berikut
ini:
a. Perspektif Kontribusi Organisasi
Nilai
86,94%
menunjukkan
bahwa
pencapaian pada perspektif kontribusi organisasi
sudah sangat baik yang berada pada level A atau
very good. Hal ini karena produktifitas staf sudah
cukup efektif dan efesien meskipun belum mencapai
bobot yang ditetapkan dengan hasil tujuan 42,90%
terhadap bobot sebesar 50%. Tidak hanya itu,
kontribusi fungsi bisnis juga meningkat pertahunnya
dengan hasil tujuan 44,04% dari penetapan bobot
sebesar 50%. Namun nilai faktor penyebab
pencapaian tidak 100% hanya sebesar 13,06% dari
masing-masing bobot yaitu pada pengefektifan dan
pengefisienan produktifitas staf sebesar 7,1% dan
peningkatan kontribusi fungsi bisnis sebesar 5,96%.
b. Perspektif Orientasi Pengguna
Nilai pada perspektif orientasi pengguna
berada pada level B atau good dengan nilai 79,10%.
Nilai ini lebih rendah daripada nilai kontribusi
perusahaan yaitu 86,94%. Peningkatan kepuasan
debitur masih jauh dari penetapan bobot yang
diharapkan yaitu 48,70% dari bobot sebesar 60%.
Kemudian peningkatan kompetensi pengguna juga
masih jauh dari bobot yang diharapkan yaitu 30,40%
dari bobot sebesar 40%. Namun faktor penyebab
pencapaian tidak 100% sebesar 20,9% dari masingmasing bobot yaitu pada peningkatan kepuasasn
debitur sebesar 11,3% dan peningkatan kompetensi
pengguna 9,6%.
c. Perspektif Keunggulan Operasional
Nilai pada keunggulan operasional berada
pada level A atau very good dengan nilai 81, 52%.
Perpektif keunggulan operasinal berada di antara
kontribusi perusahaan dan orientasi pengguna.
Namun variabel yang diteliti juga hampir sama
dengan orientasi pengguna yaitu hasil tujuannya
KNSI 2014

masih jauh berada dibawah bobot yang telah


ditetapkan. Peningkatan kegiatan operasional yang
terkomputerisasi hasil tujuannya memperoleh nilai
48,11% dari bobot 60% dan peningkatan kegiatan
operasional dalam proses bisnis memperoleh nilai
33,41% dari bobot 40%. Namun faktor penyebab
pencapaian tidak 100% sebesar 18,48% dari masingmasing bobot yaitu pada peningkatan kegiatan
operasional yang terkomputerisasi sebesar 11,89%
dan peningkatan kegiatan operasional dalam proses
bisnis sebesar 6,59%.
d. Orientasi Masa Depan
Nilai pada orientasi masa berada pada level B
atau good. Nilai pada orientasi masa depan
merupakan nilai terendah diantara ketiga perspektif
lainnya yaitu 66,40%. Hal ini dikarenakan pada
peningkatan kualitas staf terdapat variabel keluar
masuknya
pegawai
yang potensial
tinggi
memperoleh nilai 80% dari sasaran strategis 75%,
hal ini menunjukkan bahwa keluar masuknya
pegawai yang berpotensial masih cukup tinggi,
sehingga peningkatan kualitas staf memperoleh hasil
tujuan 30,06% dari bobot sebesar 50%. Sedangkan
pada peningkatan pengembangan sistem dengan
teknologi terbaru memperoleh 36% dari bobot
sebesar 50%. Memiliki staf berkualiatas merupakan
inventasi yang jangka panjang bagi sebuah
perusahaan tidak terkecuali Unit Layanan Modal
Mikro. Adapun untuk meningkatkan kualitas staf
dapat dilakukan dengan memberikan pelatihan
keterampilan secara rutin, menjaga staf yang
memiliki potensi, memilih staf baru yang memiliki
potensi dan pengalaman kerja yang baik,
memberikan penghargaan kepada staf yang
berprestasi. Peningkatan pengembangan sistem
informasi dengan teknologi informasi terbaru akan
menjadikan
sistem
menjadi
lebih
aman,
meningkatkan otomatisasi, memberikan pelayanan
yang memuaskan kepada debitur, menjadikan
aplikasi lebih fleksibel namun mampu mendukung
kinerja secara efektif dan efisien. Namun yang perlu
diperhatikan adalah dalam mengembangkan sistem
dengan teknologi informasi terbaru haruslah sesuai
dengan kebutuhan proses bisnis perusahaan.
Dari pengukuran kinerja aplikasi Mikro
Banking System Unit Layanan Modal Mikro
terhadap keempat perspektif IT Balanced Scorecad
yaitu kontibusi organisai, orientasi pengguna,
keunggulan operasional, dan orientasi masa depan
memperoleh pencapaian secara keseluruhan yaitu
78,50% yang berada pada level A atau very good.

144

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Tabel 4
Evaluasi Kinerja Aplikasi Mikro
Banking System

Penggunaan aplikasi Mikro Banking System


mampu memberikan kontribusi terhadap organisasi,
mendukung orientasi pengguna, mendukung
kegiatan operasional, dan mampu menjadi
keunggulan bersaing di masa depan. Hal ini dapat
dinilai dari perolehan pengukuran dari masingmasing perspektif yaitu kontribusi organisasi sebesar
86,94% dengan hasil pengukuran dari masingmasing perspketif sebesar 21,74%, orientasi
pengguna sebesar 79,10% dengan hasil pengukuran
dari masing-masing perspektif sebesar 19,78%,
keunggulan operasional sebesar 81,52% dengan
hasil pengukuran dari masing-masing perspektif
sebesar 20,6%, dan orientasi masa depan sebesar

KNSI 2014

66,40% dengan hasil pengukran dari masing-masing


perspekti sebesar 16,6%.
Target hasil pengukuran dari masing-masing
perspektif sebesar 25% yang diperoleh dari 100% : 4
perspektif. Perspektif tertinggi adalah kontribusi
organisasi yaitu sebesar 21,74%, kedua adalah
keunggulan operasional yaitu 20,38%, ketiga adalah
orientasi pengguna sebesar 19,78%, dan terendah
adalah orientasi masa depan sebesar 16,6%. Dari
ketiga perspektif yang tidak mencapai target
pengukuran diakibatkan karena kinerja aplikasi
belum maksimal dalam mendukung kinerja stafnya,
produktifitas kinerja stafnya belum efektif dan
efesien, serta pengelolaan perencanaan masa depan.
Sedangkan pada perspektif orientasi masa depan
yang memperoleh hasil pengukuran terendah karena
tingginya angka keluar masuknya staf yang
berpotensial dan kurang berminatnya terhadap
penerimaan teknologi terbaru.
Untuk perspektif kontribusi organisasi
memperoleh nilai sebesar 21,74% dari target 25%
yang merupakan nilai tertinggi dari perolehan nilai
perspektif lainnya, namun faktor penyabab tidak
tercapainya nilai sesuai target sebesar yaitu 3,26%.
Untuk itu Unit Layanan Modal Mikro harus lebih
meningkatkan produktifitas staf dan merencanakan
rencana kerja yang lebih baik serta mampu
memenuhi target rencana kerjanya. Perspektif
orientasi pengguna memperoleh nilai sebesar
19,78% dari target 25% yang merupakan nilai ketiga
dari perolehan nilai perspektif lainnya, faktor
penyebab tidak tercapainya nilai sesuai target
sebesar 5,22%. Untuk itu Unit Layanan Modal
Mikro harus lebih meningkatkan kinerja staf dan
menjaga hubungan baik dengan debitur. Perspektif
keunggulan operasional memperoleh nilai 20,38%
dari target 25% yang merupakan nilai kedua
tertinggi setelah perspektif kontribusi organisasi,
faktor penyebab tidak tercapainya nilai sesuai target
sebesar 4,62%. Untuk itu Unit Layanan Modal
Mikro harus lebih meningkatkan jangkauan aplikasi
dan kegiatan operasionalnya. Perspektif terakhir
adalah orientasi masa depan yang memperoleh nilai
16,6% dari target 25% yang merupakan nilai
terendah dari perspektif lainnya, faktor penyebab
tidak tercapainya nilai sesuai target sebesar 8,4%
yang merupakan faktor tertinggi penyebab tidak
tercapainya target. Hal ini dapat menjadi ancaman
keunggulan bersaing bagi Unit Layanan Modal
Mikro. Oleh karena itu Unit Layanan Modal Mikro
harus memprioritaskan peningkatan pada perspektif
ini karena selain menjadi ancaman keunggulan
bersaing juga pengaruh terhadap keberhasilan masa
depan. Adapun caranya adalah Unit Layanan Modal
Mikro harus menjaga staf yang berpotensial,
memilih staf baru yang berpotensi dan memiliki
pengalaman kerja yang baik, meningkatkan
keterampilan staf, dan menekankan kepada staf
bahwa teknologi informasi terbaru lebih baik
daripada teknologi informasi yang lama.

145

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

6.

Simpulan
Kesimpulan dalam penelitian ini adalah Unit
Layanan Modal Mikro telah berada pada level A
atau very good dengan nilai 78,50%. Unit Layanan
Modal Mikro saat ini telah berada pada level A atau
very good, namun nilai pada masing-masing
perspektif masih belum menunjukan angka yang
aman untuk bertahan dan bersaing dimasa yang akan
datang.
7. Daftar Pustaka
[1] Cram, Alec., 2007, The IT Balanced Scorecard
Revisited, Information Systems Control Journal,
Vol 5, 2007, ISACA.
[2] Gunardi, Dedi Sulistyo S., Taryana Suryana.,
2012, Usulan Peta Strategi Teknologi Informasi
Menggunakan Pendekatan Analisis Critical
Success Factor (CSF) dan IT Balanced
Scorecard (Studi Kasus Pada PT. Sola Gratia
Bandung), Jurnal Majalah Ilmiah Unikom, Vol
10 No. 1 Pebruari 2012, Universitas Komputer
Indonesia Bandung.
[3] Hidayanto, A Nizar., Ahmadin, Yudhiansyah.,
dan Jiwanggi, Meganingrum Arista., 2010,
Pengukuran Tingkat Dukungan Teknologi
Informasi Pada Direktorat Transformasi
Teknologi Komunikasi dan Informasi Direktorat
Jenderal Pajak Dengan Menggunakan IT
Balanced Scorecard, Journal of Information
Systems, Vol 6 Issues 2, October 2010, Fakultas
Ilmu Komputer, Universitas Indonesia.
[4] Keyes, Jessica, 2005, Implementing The IT
Balanced Scorecard: Aligning IT With
Corporate Strategy, Auerbach Publications,
Taylor & Francis Group.
[5] Khikmatul Maula & Khakim Ghozali, 2012,
Evaluasi Kinerja IT Pada PT. XYZ
Menggunakan IT Balanced Scorecard, Jurnal
Teknik Pomits, Vol 1 No. 1, Institut Teknologi
Sepuluh Nopember.
[6] Wijaya, Rahmadi., 2007, Analisis Model IT
Menggunakan Balanced Scorecard Untuk
Pengembangan Sistem Teknologi Informasi,
Jurnal Sistem Informasi, ISSN: 1907-1221, Vol
2 No. 1 Maret 2007, Universitas Kristen
Maranatha Bandung.

KNSI 2014

146

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-28
PERANCANGAN SEBUAH HEXACOPTER
Edy Victor Haryanto
STMIK Potensi Utama

Abstrak
Hexacopter adalah pengembangan dari quadcopter, hexacopter sangat dibutuhkan pada saat ini karena dapat
dipergunakan untuk memantau korban bencana, mengambil gambar dari udara, menyiram tanaman dengan
hexacopter dan masih banyak fungsi yang lain, dan masing-masing mempunyai spesifikasi dan kebutuhan
hardware atau komponen yang dibutuhkan untuk membuat sebuah hexacopter tersebut. Di dalam paper ini
dibahas tentang perangkat keras apasaja yang digunakan untuk membangun sebuah hexacopter tersebut.
Kata kunci : hexacopter, hardware, bencana
1.

Pendahuluan

Hexacopter adalah sebuah alat yang terdiri dari


berbagai macam seperangkat alat elektronik,
hexacopter adalah pesawat yang tak berawak dan
pada saat ini banyak digunakan untuk membantu
mengambil photo dari udara, melihat situasi sebuah
bencana dan lain-lain.
Sebuah hexacopter harus terdiri dari komponenkomponen yang penting seperti berikut ini :
Hexacopter terdiri dari 6 buah motor brushles
dan tiap motor terdapat 1 buah propeller.
Hexacopter dapat melakukan beberapa dasar
fungsi diantaranya pitch, roll dan yaw
System yang dibangun dalam hexacopter
adalah secara otomatis. Beberapa system
tersebut adalah : 1). Komunikasi yang ada
adalah komunikasi secara wireless dan bersifat
half duplex. 1 berada di hexacopter dan 1 buah
lagi berada dibase (diground). 2). Sensor yang
berada di hexacopter dapat mengumpulkan
data dan yang akan dikirim ke ground. 3).
Pergerakan hexacopter untuk terbang dan turun
digerakkan secara otomatis.
2.

Desain
Berikut ini adalah gambar hexacopter yang
sedang dibangun.

Gambar 2. Simulasi Pergerakan Hexacopter


3.

Pergerakan

Pergerakan dari hexacopter yang dirancang adalah :


1.
-

Pitch
Apabila hexacopter ingin maju maka motor
nomer 3 dan 4 bertambah sedangkan 2, 5
kecepatan motornya tetap dan motor 1,6
dikurangi kecepatannya.
Apabila hexa ingin mundur maka motor nomer
1 dan 6 bertambah sedangkan 2, 5 kecepatan
motornya tetap dan motor 3,4 dikurangi
kecepatannya.

2.

Roll
Apabila hexacopter mau bergerak ke kanan
maka kecepatan motor 1, 2 & 3 bertambah,
dan motor 4, 5 & 6 kecepatannya berkurang
- Apabila hexacopter mau bergerak ke kiri
maka kecepatan motor 4, 5 & 6 bertambah,
dan motor 1, 2 & 3 kecepatannya
berkurang.
-

Gambar 1. Hexacopter yang dibangun


KNSI 2014

147

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

3.
4.

Yaw
CCW : kiri (+) dan kanan (-)
CW : kiri (-) dan kanan (+)
Perangkat

Perangkat-perangkat yang digunakan untuk


mendesain hexacopter tersebut adalah :
1.

Motor DC (Brushles)
Motor yang digunakan adalah Motor Brushless
merupakan jenis Motor 3-fase yang digunakan
adalah motor dengan 800 kv, nilai kv menunjukkan
nilai RPM per volt. jika 1 motor memiliki gaya
angkat 700 gram, maka untuk 6 buah motor jumlah
daya angkatnya adalah 4200 gram. Idealnya sebuah
pesawat terbang dapat mengangkat beban 50% dari
beban totalnya, sehingga spesifikasi tersebut sudah
cukup untuk membuat hexacopter dengan daya
angkat total 1.5kg. Motor dikontrol oleh ESC,
dimana peran ESC adalah untuk memberikan
pengaturan kecepatan pada motor. ESC berperan
untuk mengatur perputaran motor
dengan
komputerisasi gerbang kombinasi output ketiga
kabel. Kabel keluaran dari ESC adalah (-), (+) dan
sinyal. Sinyal ini berupa BEMF (Back Electromotive
Force) yang menentukan posisi step perpindahan
pada motor melalui ketiga kabel tersebut. Untuk
menghasilkan arah putaran yang berbeda cukup
dengan membalikkan hubungan kabel ESC dengan
motor, dipilih motor brushless dangen jenis T-Motor
2216 800KV
Tabel 1. Spesifikasi Propeller

2.

ESC
ESC merupakan singkatan dari Electronic
Speed Controller. Dalam pengontrolan motor
Brushless dibutuhkan electronic speed control
(ESC) yang dapat mengontrol putaran motor secara
elektronik. ESC ini memiliki 3 kabel kecil dan 3
kabel besar. Adapun kabel yang lebih kecil dan
berwarna merah dihubungkan ke VCC dari alat
pengontrol (Mikrokontroler), kabel hitam ke GND,
dan kabel putih ke kontoler. 3 kabel besar lainnya
adalah kabel yang dihubungkan langsung ke motor
Brushlles 3Phase, dipilih dengan jenis hobbywing
platinum 40A karena fitur responnya terhadap
pembacaan sinyal dari system control yang cepat,
pemilihan jenis Ampere ESC umumnya di lebihkan
setidaknya 40% dari penggunaan, misal motor
brushless membutuhkan arus 60A maka dipilih ESC
100A .
3.

Propeller
Propeller berfungsi ntuk menghasilkan gaya
angkat pada multicopter dibutuhkan propeller
(baling-baling) dengan ukuran yang disesuaikan
dengan penggunaan motor. Propeller dihubungkan
pada motor brushless, pada saat motor berputar
maka sesuai dengan arah putaran motor propeller
juga akan berputar dan menghasilkan gaya angkat
dari putarannya. Dimensi propeller yang digunakan
sesuai dengan arah putaran dan gaya angkat yang
dihasilkan, terdapat dua tipe yaitu propeller yang
digunakan untuk arah putaran searah dengan jarum
jam dan propeller yang digunakan untuk arah
putaran berlawanan jarum jam (CW dan CCW).
Dalam aplikasi hexacopter diperlukan enamt buah
propeller dengan dimensi yang berbeda arah antara
propeller 1, 2, 3, 4, 5 dan 6. Penerapan arah yang
berlawanan diterapkan agar dapat menghasilkan
reaksi torsi menjadi nol. Jenis propeller CW dan
CCW.
4.

Gyroscope
Gyroscope yang digunakan adalah model ITG3200 memiliki tiga fitur konversi Analog ke Digital
dengan tujuan digitalisasi keluaran yang dapat
dipilih oleh pengguna, seperti low-pass bandwidth
filter, dan Mode akses Cepat untuk komunikasi I C
(400kHz). Fitur tambahan termasuk sebuah sensor
suhu yang tertanam dan osilator internal dengan
kesalahan akurasi 2%. Fungsi dari Gyro dalam
hexacopter adalah untuk meredam guncangan yang
berlebihan, sehingga gerakan saat melakukan
kemiringan dapat di perhalus saat kemiringan
tersebut dipandu oleh Accellerometer.
5.

Accelerometer
Komponen accelerometer adalah dari Bosch
dengan model BMA180 dan accelerometer ini
adalah Sensor Percepatan 3 sudut, bertujuan untuk
KNSI 2014

148

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

aplikasi keseimbangan atau mendeteksi kemiringan


posisi hexacopter dimana kemiringan pun dapat
terjaga
sesuai
kebutuhan.
BMA180
ini
memungkinkan pengukuran yang memiliki tingkat
akurasi tinggi dalam pembacaan percepatan dalam 3
sudut.

karbon yang ringan namun kuat serta mampu


meredam getaran yang disebabkan oleh motor
maupun porpeller yang dapat mengakibatkan nois
pada pembacaan Gyro dan Accellerometer, serta jika
crash tidak mudah patah.

6.

11. Sensor
SRF08 adalah modul sensor ultrasonic yang
dapat mengukur permukaan benda pada jarak
tertentu, bertugas melakukan Take-off maupun
landing multicopter secara automatis, maka sensor
ultrasonic yang bertugas membantu sensor tekanan
BMP085 dimana untuk mengatasi kelemahan dari
sensor tekanan yang tidak mampu membaca
ketinggian tertentu saat melakukan take off serta
landing secara otomatis.

Compass
The HMC5883L Honeywell adalah sensor
magnetic yang dapat mendeteksi kondisi magnet
bumi pada posisi tiga axis, dimana sensor ini juga
memiliki akurasi yang tinggi beresolusi pembacaan
16bit dalam melakukan konversi dari pembacaan
Analog ke Digital, tugas dari sensor ini adalah
memandu hexacopter guna mengetahui posisi
hexacopter saat menghadap arah mata angin tertentu
dimana bertugas sebagai kompas yang nantinya
bekerjasama dengan GPS dalam melakukan
navigasi.

5.
7.

BMP085
BMP085 adalah sensor tekanan udara yang
memiliki akurasi tinggi, bertugas sebagai sensor
untuk mendeteksi posisi ketinggian multicopter,
supaya dalam posisi ketinggian tertentu, hexacopter
dapat menjaga kestabilanya, prinsipnya adalah
dengan membaca tekanan udara, akan tetapi sensor
ini pada ketinggian tertentu dapat membaca dengan
baik namun kekurangan dari sensor ini akan dibantu
oleh sensor ultrasonik.
8.

GPS
MTK3329 GPS Module merupakan perangkat
sensor GPS yang memiliki kesalahan pembacaan di
bawah 3 meter, dimana sensor ini bertugas
memandu hexacopter saat bernavigasi secara
automatis pada saat melakukan tracking dengan
membaca urutan-urutan koordinat bumi, pembacaan
GPS juga dibantu oleh sensor magnetic kompas,
sehingga memudahkan multicopter pada saat
melakukan navigasi terutama saat melakukan way
point dengan mencocokan koordinat point yang
sudah ditentukan sebelumnya.
9.

Datalink
Datalink merupakan modul perangkat transmisi
data yang bekarja pada frekwensi sebesar 433Mhz,
tugas Datalink adalah sebagai telemetri dari
Hexacopter ke Komputer Ground Station bertugas
mengirimkan informasi kemiringan, tekanan udara,
ketinggian, arah Hexacopter serta navigasi yang
telah/sedang ditempuh, selain itu jg dibutuhkan saat
melakukan tuning PID dari Komputer ground
Station ke Hexacopter, serta mentransmit rute
WayPoint yang di perintahkan.

Kesimpulan
Untuk membangun atau membuat sebuah
hexacopter banyak hal yang perlu diperhatikan dan
dicermati kembali, baik itu dari segi dana dan
perangkat keras yang dibutuhkan. Karena apabila
salah perhitungan komponen yang akan digunakan
membuat hexacopter, dan apa tujuan dibuatnya
hexacopter tersebut.

DAFTAR PUSTAKA
Subagio Rasidi Kusrini (etoy) Ariel Photography
dengan Quadrokopter, 2009.
Guowei Cai, Kemao Peng, dkk, Design and
Assembling of a UAV Helicopter System,
International Conference on Control and
Automation (ICCA 2005), Budapest, Hungary.
Bouabdallah Samir, Andre Noth and Roland
Siegwart, PID vs LQ Control Techniques
Applied to an Indoor Micro Quadrotor
Autonomous System Laboratory, Swiss
Federal Institute of Technology, Lausanne,
Switzerland.
HMC5883L_3-Axis_Digital_Compass diunduh di
www51.honeywell.com BMP085 diunduh di
http://www.centralelectro.com/catalog.php?cat
=1
www.rctigermotor.com

10. Frame
Frame, adalah sebagai kerangka Hexacopter,
dipilih dengan jenis Giant Mantis karena berbahan
KNSI 2014

149

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-29
PENGEMBANGAN SISTEM SIMPAN PINJAM DAN KEUANGAN
SESUAI STANDAR AKUNTANSI
Wilis Kaswidjanti
Program Studi Teknik Informatika, Fakultas Teknologi Industri, UPN Veteran Yogyakarta
Jl. Babarsari no 2 Tambakbayan Yogyakarta 55281
Telp : (0274) 485323
e-mail : wilisk@upnyk.ac.id

Abstrak
Pencatatan simpan pinjam dan penyusunan laporan keuangan yang manual dan belum sesuai standar akuntansi
merupakan permasalahan yang sering dihadapi oleh koperasi kelompok simpan pinjam sehingga sering
menimbulkan berbagai persoalan seperti banyaknya kesalahan pembukuan yang menyebabkan akses informasi
akuntansi menjadi lambat. Maka dibutuhkan sebuah aplikasi simpan pinjam dan laporan keuangan yang handal.
Penelitian ini bertujuan menghasilkan aplikasi simpan pinjam yang dapat melakukan pencatatan simpanan dan
pinjaman anggota koperasi yang berujung pada laporan keuangan yang sesuai dengan standar akuntansi.
Penelitian ini menggunakan metodologi pengembangan System Development Life Cycle (SDLC). Untuk
membuktikan jalannya eksperimen ini, maka Koperasi KSP Lely Sleman menjadi studi kasusnya. Hasil dari
penelitian ini adalah aplikasi simpan pinjam yang dapat mengurangi kesalahan yang terjadi dalam pencatatan
proses simpan pinjam dan laporan keuangan. Dengan diperlukan suatu sistem yang mampu mengatasi berbagai
persoalan yang muncul di aplikasi ini, metode SDLC dirasa cukup mengatasi persoalan ini, sehingga kesalahan
yang sering terjadi dapat diminimalisir.
Kata kunci: simpan pinjam, laporan keuangan, standar akuntansi
1.

Pendahuluan

Setiap badan usaha diwajibkan untuk membuat


laporan keuangan tiap akhir tahun karena
dibutuhkan oleh pihak stakeholder seperti penanam
modal, pemerintah dan organisasi itu sendiri.
Permasalahan yang saat ini dihadapi oleh kelompok
simpan pinjam adalah penyusunan laporan keuangan
yang masih manual dan belum sesuai SAK (belum
akuntabel). Saat ini Kelompok Simpan Pinjam sudah
membuat laporan keuangan namun masih
menghadapi
permasalahan
sebagai
berikut:
Pembuatan laporan keuangan belum memenuhi
standar akuntansi (SAK), Pembuatan laporan
keuangan masih bersifat manual; Diperlukan bentuk
usaha yang lebih mantab seperti koperasi yang
berbadan hukum, agar membuka peluang
mendapatkan peluang tambahan dana penguatan
modal. Oleh sebab itu sering menimbulkan berbagai
persoalan seperti banyaknya kesalahan pembukuan
yang disebabkan karena sifatnya yang manual,
banyak coret-coretan dan akses informasi akuntansi
menjadi lambat, juga banyak anggota yang tidak
kebagian
dana
yang
dibutuhkan
anggota
(kehabisan). Karena laporan ini sangat dibutuhkan
KNSI 2014

oleh pemerintah kabupaten selaku pemberi modal


awal, maka segala informasi keuangan ini harus
cepat dan akurat. Penelitian ini bertujuan
menghasilkan aplikasi simpan pinjam yang dapat
melakukan pencatatan simpanan dan pinjaman
anggota koperasi yang berujung pada laporan
keuangan yang sesuai dengan standar akuntansi.
Sistem ini diharapkan dapat memberi manfaat untuk
kelompok simpan pinjam dalam pencatatan transaksi
simpan pinjam dan keuangan.
2.
2.1

Tinjauan Pustaka
Konsep Dasar Sistem

Pada dasarnya sistem berasal dari bahasa


Yunani, yaitu systema yang berarti kesatuan, yaitu
keseluruhan dari bagian-bagian yang mempunyai
hubungan satu sama lainnya. Model umum sebuah
sistem terdiri atas masukan, proses dan keluaran.
2.2

Pengertian Sistem

Sistem adalah sekumpulan elemen yang saling


terkait atau terpadu yang dimaksudkan untuk

150

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mencapai suatu tujuan [1].


Sistem adalah sekelompok elemen yang
terintegrasi dengan maksud yang sama untuk
mencapai suatu tujuan. Kumpulan dari elemenelemen tersebut terdiri dari perangkat keras
(hardware), perangkat lunak (software), prosedur,
sumber daya manusia, dan data-data yang saling
berhubungan dan saling melengkapi [2].
Menurut OBrien [3] memberikan pengertian
umum sistem dalam pemakaian sistem informasi
sebagai berikut: A system is a group of
interrelated components working together toward a
common goal by accepting inputs and producing
outputs in an organized transformation process.
Kutipan ini berarti sebuah sistem adalah
sekelompok komponen yang saling berhubungan
yang bekerja besama-sama untuk tujuan bersama
melalui penerimaan masukan-masukan dan
menghasilkan keluaran-keluaran dalam
suatu
proses transformasi yang teroganisir.
Sistem adalah suatu jaringan prosedural yang
dibuat menurut pola terpadu untuk melaksanakan
kegiatan pokok suatu perusahaan [4].

keuangan. Kebutuhan proses pada sistem ini


adalah admin melakukan olah data semua yang
ada dalam sistem. Kebutuhan keluaran pada
sistem ini adalah admin dapat melihat dan
memproses data simpan pinjam dan laporan
keuangan yang dibutuhkan.
3.2

Perancangan Sistem

Perancangan sistem merupakan langkah awal


dalam rancang bangun implementasi yang bertujuan
untuk mendesain sistem dalam memenuhi kebutuhan
pemakai sistem.

a. Perancangan Menu
Rancangan menu dapat dilihat pada gambar 1.

b. Perancangan Basis Data

Simpan pinjam merupakan kegiatan atau jasa


yang menyediakan jasa penyimpanan dan
peminjaman untuk anggotanya. Sistem informasi
simpan pinjam dapat diartikan yaitu mempersiapkan
data- data simpan pinjam supaya dapat digunakan
untuk tujuan penerapan dan pengambilan keputusan
baik untuk manajemen maupun pihak luar yang
membutuhkan [5].
Sistem informasi simpan pinjam berfungsi
untuk memecahkan masalah pengolahan data simpan
pinjam terutama dalam penyediaan informasi
laporan data anggota sebagai pendukung dan bahan
pertimbangan dalam pengambilan keputusan [5].

Pada sistem ini ada sebuah database dengan


nama koperasi. Database ini sebagai penampung
data yang di perlukan pada sistem ini. Terdapat dua
belas tabel yaitu tabel anggota yang digunakan
untuk menampung data anggota koperasi, tabel jenis
simpan yang digunakan untuk menampung data
jenis simpanan yang dilakukan koperasi, tabel jurnal
yang digunakan untuk menampung transaksi
keuangan, tabel jurnal penyesuaian yang digunakan
untuk menampung jurnal penyesuaian yang
dilakukan koperasi, tabel
pinjaman header dan
tabel pinjaman detail berisi data pinjaman regular
anggota koperasi, tabel sebrakan header dan tabel
sebrakan detail berisi data pinjaman sebrakan
anggota koperasi, tabel rekening digunakan untuk
menampung data rekening/account, tabel shu
digunakan untuk menyimpan data SHU masingmasing anggota, tabel simpanan digunakan untuk
menampung data simpanan anggota koperasi, dan
tabel struktur pengurus digunakan untuk menyimpan
data pengurus koperasi.

3.

4.

2.3

Sistem Informasi Simpan Pinjam

Analisis dan Perancangan

Pada bab ini dibahas mengenai analisis, dan


perancangan
sesuai
dengan
metodologi
pengembangan SDLC (System Development Life
Cycle).
3.1

Analisis Kebutuhan Sistem

Simpan pinjam merupakan kegiatan atau


jasa yang Analisis kebutuhan sistem merupakan
langkah awal untuk menentukan perangkat
lunak seperti apa yang akan dihasilkan
nantinya. Dalam sistem ini terdapat satu
pengguna yaitu admin yang akan mengatur isi
dari sistem ini. Admin memasukkan data
anggota, data simpan pinjam dan data
KNSI 2014

Implementasi

Beberapa hasil implementasi web yang


ditampilkan pada makalah ini adalah sebagai
berikut:
a. Halaman Simpanan Anggota
Halaman ini sebagai tempat proses olah data
simpanan anggota koperasi (gambar 2)

b. Halaman Pinjaman Anggota


Halaman ini sebagai tempat proses olah data
pinjaman anggota koperasi (gambar 3). Ketika
anggota akan melakukan pinjaman, halaman tambah
pinjaman akan tampil (gambar 4).

c. Halaman Menu Keuangan


Halaman ini sebagai tempat proses olah data
keuangan koperasi. Halaman ini terdapat menu
Daftar Rekening, Jurnal, Buku Besar, Jurnal

151

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Penyesuaian, Neraca Saldo, Laporan Hasil Usaha


dan Neraca (gambar 5)

Login

Home

Master

Master

Laporan

Keuangan

Keluar

Jenis simpanan

Jenis simpanan

Jenis simpanan

Daftar Rekening

Susunan

Susunan

Susunan

Jurnal

Jenis simpanan

Jenis simpanan

Buku Besar

Jenis simpanan

Jenis simpanan

Jurnal Penyesuaian
Neraca Saldo
Laporan Hasul Usaha
Neraca

Gambar 1. Perancangan Menu

Gambar 4. Antarmuka Tambah Pinjaman Anggota

Gambar 2.Antarmuka Daftar Simpanan Anggota

Berikut beberapa halaman di menu keuangan


(gambar 6, gambar 7, gambar 8 dan gambar 9)

Gambar 3. Antarmuka Daftar Pinjaman Anggota


Gambar 5. Antarmuka Menu Keuangan

KNSI 2014

152

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Gambar 6. Antarmuka Jurnal

Gambar 8. Antarmuka Perhitungan Hasil Usaha

Gambar 7. Antarmuka Buku Besar

Gambar 9. Antarmuka Neraca


5.

Kesimpulan dan Saran


Berdasarkan analisis dan rancangan yang telah
dilaksanakan dapat diambil kesimpulan dan saran
berikut.
5.1

Kesimpulan

Dengan diperlukan suatu sistem yang mampu


mengatasi berbagai persoalan yang muncul di
aplikasi simpan pinjam, metode SDLC dirasa cukup
untuk mengatasi persoalan ini, sehingga kesalahan
yang sering terjadi dapat diminimalisir. Aplikasi ini
dapat menyimpan dan mengolah transaksi simpan
pinjam anggota koperasi sekaligus melakukan
pencatatan keuangan dan pelaporan keuangan
sesuai standar akuntansi.
5.2

Saran

Daftar Pustaka:
[1]
[2]
[3]

[4]

[5]

Kadir, A., 2003, Pengenalan SistemInformasi.


Andi Offset,Yogyakarta.
Mcleod, R.Jr., 2001, Sistem
informasi
Manajemen,Jilid,Prenhallindo, Jakarta.
OBrien,
J.A.,
1990,
Management
Information System, Richard D. Irwin,
Boston.
Mulyadi., 2001, Sistem Akuntansi, Bagian
Penerbitan Sekolah Tinggi Ilmu Ekonomi
YKPN, Yogyakarta.
Sarjoko, 2011, Analisis Dan Perancangan
Sistem Informasi Simpan Pinjam Pada
Lembaga Keuangan Desa Muntuk Lestari
Bantul Menggunakan Java, Skripsi, STMIK
AMIKOM Yogyakarta.

Setelah ini dijalankan, ada beberapa saran


yang dapat menyempurnakan sistem ini nantinya,
sehingga pengguna akan dapat menggunakan
layanan dan fasilitas yang lebih sempurna seperti
ruang lingkup yang lebih diperluas dan fitur-fitur
yang lebih lengkap.

KNSI 2014

153

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-30
Bayesian Network Prediction for Student Successfulness of Study on
Academic InformationSystem Engineering Faculty Mataram University
Heri Wijayanto1, Sari Ismi Wardani2, Misbahuddin2
1
Informatic Engineering Mataram University, 2Electrical Engineering Mataram University

Abstract
According to increasing the use of information system, stored data in database also grows rapidly. New data
is going up and the old data becomes rarely used. For instance, on Academic Infromation System of
Engineering Faculty Mataram University, only active student data has high intensity use, whereas passed
student data is inactive. These old data can not be deleted because it is important for validating passed
students transcript in the future. This study gives an alternative way on the use of old academic data for predicting
student successfulness study by using Bayesian Network. It is very valuable for student to determie their
learning strategy, taking the next study subjects, and deciding expertise field. Student supervising process is
one of the main tasks of lecturer as an academic supervisor that has important factor of students success in their
study in a university. It is a responsibility of a lecturer to drive students for finishing their study in the best
way that consider to previous academic achievement. It can be implemented by Bayesian Network and it
may help a student to achieve the best result in the appropriate studying field. On the other hand, this
study gives a convenient tool to the lectures for supervising students in their study planning. The idea of this
research came from several papers about Intelligent Tutorial System, ITS. ITS has ability to know several
pedagogic aspects of a student by their Student Model; therefore, it can give a suitable study method for
students. A method that commonly used by ITS for constructing student model is Bayesian Network because
it can be performed in unceratin domain. The ITS principle can be adopted for predicting the successfulness
study by implementing Student Model of ITS and then students take next study subjects based on this
prediction that are put in their study planning card (Kartu Rencana Studi, KRS). This predictor devides
successfulness study into three categories, there are high GPA students, medium GPA students, and low GPA
students. Overall, accuracy of this predictor is 74,7% and especially accuracy 0f high category is 93,75%,
medium is 60%, and low is 83,3%. However, as commonly understood that the result of this predictor is if it
is the same or higher then the prediction result; therefore, by this point of view, the accuracy of this
predictor is 93,3%.
Keywords : bayesion network prediction, successfulness study, academic information system.
A. Introduction
News from Kompas (3/3/2011) presented
about decresing level of education in Indonesia
from level 65 to 69. It shows that Indonesia has not
had good education system. Many efforts have been
done by Indonesian government such as allocating
20% of the budget and producing several
regulations related to this field. However, it has not
increased education quality in Indonesia yet.
Without participation of education actor in the front
line, what government do for education, will not be
effective. One of the causes of this failure was the
bad planning that had been made by student for
taking lessons or by lecterers for preparing lessons.
Universities in Indonesia implements
credit system curriculum. Therefore, a lecturer as
academic supervisor of students holds main role to
determine how many semester credit units (Satuan
Kredit Semester, SKS) are permited to be taken by
students. This SKS amount of taking is based on
previous achievement on Grade Point Average,
KNSI 2014

GPA (Indek Prestasi, IP) and previous credit units


load. In this system, students also ha ve
independency to decide their study goal in specific
field according to their achievement and interest.
The Success of teaching process is the
result of mature planning of each student that is
put on their study planning card (Kartu Rencana
Study, KRS). However, sometimes, it is
neglected by students because they only want
to take lecture subject as large as possible in the
next semester. Besides that, their academic
supervisors also do not pay more attention to this.
They give agreement on the students KRS only
based on the table in the faculty academic guide
book that contains the rule of taking subject of
study. Actually, many considerations are
available here such as taking new subject or
retaking a subject that was failed, and
optimality of taking SKS number that are
according to many factors.

154

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

As is commonly understood, on-line


academic information system has a lot of
advantages although it causes a new problem
which is decreasing real interaction between
students and their academic supervisors. The
availability of Decision Support System will
help students and their academic supervisors to
make appropriate study plan. In the long term,
it is hoped as a solution of many problems such
as low GPA, high drop-out rate, long duration of
study, and other academic problems.
Existace of predictor as decision support
system gives correlation between subjects of
studies; therefore, it can also be used to evaluate
lecturer performances. The successfulness of
studying in a subject that becomes the
prerequirement of the other lecture subject should
have positive correlation with successfulness of the
next subject. If it has negative correlation then it
can be detected that something wrong has been
happened. It indicates that one of the studying
processes has run on the unproper way.
B. Bayesian Network
This research is developed from Bayesian
Network that is an extention of Bayes theorm which
formulates a probability that is influenced by other
probability or it is called conditional probability.
Conditional probability of an occurance is a
probability that is reckoned by calculating
additional information of previous accurance.
Probability of A that is caused by existent
probability B is written by P(A|B) [5].
Calculation of conditional probability has been
formulated by Thomas Bayes as follow:

Example: Someone who just came out from a train


said that he had just had an interesting conversation
with someone else (x), probability of x is a
women is 50%; therefore, it can be written as
P(W)=50%. From the next information, it is
known that x had just gone home from a boutique.
Therefore, this fact strengthens probability that x is
a woman. If x is A and boutique is B so that
probability can be written as P(A|B).
Bayesian network is also known as
Believe Network that is a member of probabilistic
graphical model [9]. This graphic structure is
used for presenting a knowladge about uncertain
domain. Bayesian network in [12] is a triplet (N,
E,P). N is a set of nodes. Every node is labeled
with random variable that is associated with space.
Every single node is also unique; therefore, the term
of node and varibable can be exchanged. E is a
set of edge; therefore, D=(N,E) that is a Directed
Acyclic Graph (DAG). This edges show the
existence of direct causal influence relation among
variables that are connected. For every single
node Ai E N, the strength of casual influence of
parent node i is determined by Conditional
KNSI 2014

Probability Distribution p(Ai|i) from Ai that are


conditioned on the values of parent A i . The
base of ass um ption of independency that is
attached in Bayesian Network is an independent
variable from its non-descendant that is given by
parent. Whereas, Joint Probability Distribution
(JPD) of a Bayesian Network with n nodes, P can
be formed by faktorisation form as
P=p(A 1 ...A n )= fl p(A t |ir t )
~ t~1. For instance,
distribution of Bayesian Network probability that is
shown in picture 1can be written as:

Figure 1. Example of Bayesian Network and its


equation
C. Related Work
Bayesian Network is implemented widely
for Intelligent Tutorial System (ITS) for modeling a
user or in this context is a student. A research that
was held by Conati Cristina, Klawe Maria [3] gives
architecture of Socially Intelligent Agents (SIAs) in
multi players, multi activities educational games.
SIAs is used for providing that educational games;
therefore, that game has ability to monitor
explicitely how students make interaction with the
game. The agents have explicite model of game
activity, capability of interaction modeling between
game and student, and capability for deciding
intelegently; therefore, education process run
effectively. Modeling purpose presents cognitive
aspect and emotional states of a student.
Furthermore, if necessary, the agent can make an
intervention to trigger reasoning and constructive
reflection. Student modeling in that research used
Bayesian Networks Probabilistic Reasoning
Framework [3].
Pedagogical model in Rhania Hodods
doctoral thesis [6], especially in Intelligent Tutorial
System is highly connected with motivation, mood
and cognitif processes. Pedagogis models role is
used for adapting instruction; therefore, the
purpose of education is achieved optimaly. This
modeling also used Bayesian Network [6].
D. Research Methodology
This research has been done in
Engineering Faculty, University of Mataram.
Academic data that is needed in this research has
been available digitaly because since 2005
Engineering Faculty, University of Mataram has
had academic information system [11]. The
result of this research is hoped to add existing
module; therefore, it is valuable for taking credit
semester units and managerial activity in

155

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

academic field. This academic data is stored in


MySQL database and it can be accessed by
querying in the local computer network.
D.1 Subject of Study Modeling Using Bayesian
Network
In this research, for making every entities
model is not necessary to evaluate all data
provided. If entity characteristics have been
founded then Bayesian Network can be constructed.
Moreover, while system will be running, all
variable will be updated otomaticaly according to
the increasing data. After data that is collected is
enough, the next step is analyzing data for
constructing Bayesian Network. [1][10] As an
illustration, it can be depicted a simple Bayesian
network of several lecture subject as follow:

Figure 2. Ilustration of Subjects Bayesian


Network
From the illustration above, Mk1
through Mk5 are subjects of study that has
prerequirement
relation.
Mk2
has
prerequirement Mk1 and so on. For
determining of Mk4, probability of Mk4 is
depended on probability of Mk3, Mk2 and
Mk5.
Equation P=p(A1...An)=fl p (A1 |ir1)
~~~1
for
Directed
Acyclic Graph above can be
written as:
p(Mk1,Mk2,Mk3,Mk4,M
k51) =
p(Mk1)p(Mk3)p(Mk5).
(Mk2 | Mk1).
(Mk4 | Mk2,Mk3,Mk5)
Subject of studies Mk1, Mk3, and
Mk5 from figure 2 are indepent variables.
Therefore, the probability of them can be
determined by using data that is stored in
database. For example, subject of study Mk1
has probability as follows:
Table 1: Probability of an independent subject
P(Mk1=
A)
0,15

P(Mk1=
B)
0,3

P(Mk1=
C)
0,4

P(Mk1=
D)
0,1

P(Mk2=
A|Mk1)

P(Mk2=B
|Mk1)

A
B
C
D

0,3
0.2
0.23
0.2

0,15
0.2
0.27
0.1

KNSI 2014

P(Mk2=C
|Mk1)
0,4
0.3
0.2
0.1

P(Mk2=D
|Mk1)
0,1
0.2
0.1
0.3

0.15

0.15

0.2

0.2

0.3

The table above shows that


probability of Mk2 is indepent to Mk1. In case,
Mk2 is known, to determine new probability of
Mk1 is shown in this equation:
p(Mk1|Mk2)=P(Mk2|Mk1)p(Mk2)/p(Mk1)
Determining probability steps above
can be applied to several subjects of studies
that are important and several external
factors; therefore, Bayesian Network is
resulted and it can be ready to use. By
knowing the probability of passing every
single subject of studies and its
prerequirements,
then
predicting
of
successfulness study can be constructed for
achieving the best result in the end of study.
D.2 System Design
This system consists of five moduls,
there are Engineering Faculty Academic
Information System Unram Database (EF
Unram AIS DB), Bayesian Network
Predictor Databases, JPD modul, BN
predictor modul, and web user interface
modul. EF Unram AIS DB is the data
suplier, all data that needed by this system
comes from this database. JPD Modul is used
for calculating JPD variabels that is needed
by Bayesian Network predictor. After
calculating JPD variable is finished by JPD
modul, this data is stored to BN Predictor
DB. BN Predictor uses data from both EF
Unram AIS DB and BN Predictor DB,
Academic and students data is taken from EF
Unram AIS DB and JPD values is taken from
BN Predictor DB. Finally, Web User
Interface Modul presents the result of
predicting step that is performed by BN
predictor. The modules that is developed in
this research is shown in figure 3 below.

P(Mk1=
E)
0,05

Probability
of
Mk2
has
independence relation with Mk1 that can
be written in Join Probability Distribution
(JPD) as follows:
Tabel 2: Join Probability Distribution (JPD) of
two subjects Mk1 and Mk2
M
k1

P(Mk2=E
|Mk1)
0,05
0.1
0.1
0.3

Besides EF Unram AIS database module all


of the modules above are builded in this
research. This application is developed under
web therefore, it gives easy way for user to
the system. This application needs high
specification computer server because it has
high computation for accessing database and
serving thousands users. Client users only

156

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

use web browser interact with this


application for fulfilling mobility and
scalability aspects. It uses JSP script
developing application in the server side.
JPD provides the way to calculate JPD
variables will be used by Bayesian Network.
Bayesian network runs in the BN Predictor
module for predicting the successfulness
study of stundents.
D3. Student Model Design
Figure 4 shows the configuration of Bayesian
Network that used for modeling students in
Power System Study Field in Electrical
Engineering Department of Engineering
Faculty of Mataram University. Besides this
BN scheme, this study also has three
Bayesian Network Student Models, there are
Informatic Study Field, Telecommunication
Study Field, and Electronic Study Field.
These three BN Student Models are
considered to the four study fields in
Electrical Engineering Department. This
construction of Bayesian Network is based
on the relation between study subjects that
are writen down on the academic guide book
of Electrical Engineering Department
Mataram University. For Example, Matek 1
(Mathematic for Engineering 1) is the
prerequirement of MetNum (Numerical
Method). This diagram is builded by Bayesian
Network Simulator Netica.

E. Result and Analysis


This research is done by severel steps that
generally are Data Collection, Constructing JPD
Modul, BN Predictor Modul, Web User Interface
Modul, and Testing the performance of this
system for knowing its characteristics.
E.1 Data Collecting
Data for reckoning each node in this Bayesian
Network is taken from facultys database that
developed in 2005 in [11]. It uses MySQL as
Database Management System (DBMS) that is
located in WLTI Engineering Faculty and it can be
KNSI 2014

accessed by faculty member around faculty


campus. Structured Query Language (SQL) is used
for accessing data. It can take data from different
tables that are connected by primary and foreign
keys.
Bayesian Network that is applied here
reckons subject of study passing prediction from
database as an input by using SQL. This research
processes enormous data that has more than two
hundred thousand lines; therefore, the role of
MySQL is very important.
E.2 Implementation of JPD Modul
Presentage of passing prerequirements is a
probability of a lecture subject that independent to
the passing of prerequirements lecture subject. For
instance, passing of a lecture subject is the
prerequirement of taking a new lecture subject.
Therefore, the second subject has independence to
the first subject.
This example uses two lecture subjects
that have correlation. There are Dasar Komputer
and Pemrograman which has subject code
EU1 109 and Bahasa Pemrograman which has
code EU12 15. The first subject is available in the
first semester and the second in the second
semester. The query consists of two query that the
first query takes the result of the second query by
using IN command. In the other words, the
criteria of the first query is provided by the second
query. After repeating it for each passing grade
criteria, probability of Join Probability Density
(JPD) of the second lecture subject is presented in
the table 3 as follows.
Table 3. JPD of study subjects EU12 15 and
EU1 109.

Data of GP As he re is taken fr o m
Academic Information System [11] that is
presented in picture 5 below.

Figure 5. The list of GPAs of Academic


Information System.
As mentioned eralier, the JPD Modul has
responsibility to set all JPD variables in each node
that it will be stored in BN Prediction DB. This
modul is coded by Java programming language
[2][4][8] and it just needs MySQL Connector
library. These modul work as backgroud and loaded

157

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

by administrator in the setting or learning phase.


The result of the execution is the data of JPD that is
stored ini BN Predictor database.
E.3 Implementation of Bayesian Network
Predictor and Web User Interface
Bayesian Network Predictor is the main
modul in this system. It calculates successfulness
probability of each students. In this study,
JavaBayes [13] library is used that supported by
additional components for interfacing to EF AIS
DB and BN Predictor DB.

Figure 6. BN Predictor Modul Excecution


Compared with JavaBayes GUI Simulation
Figure 6 shows that BN predictor is
running well. It is compared with a simulation on
JavaBayes GUI for Informatic study field, and the
result of both simulatior and the BN Predictor is the
same.
Simulation in figure 6 consists of eigh
nodes that represent a study field (Informatic) and
seven influenced nodes (subjects). For simulating
purpose, probabilities of each node are imputed
manually.
Calculating probability of targeted study
field here uses the equation that has been
explained in section of methodology by equation :
P=p(A1...An )=fl p(A11ir~)
~~~1
.
Figure 10 shows the Graphical user
interface for accessing this predicton system. It is
developed by Java server Page, and runs in
GlashFish web server.

Figure 7. Web Based GUI for Bayesian Network


Successfulness Study
E.4 Analysis
This prediction system was tested by
evaluating 75 students from Electrical Engineering
Department that grouped by their final Grade Point
Average (GPA) into tree sample classes, there are
high GPA students that their GPA values are
greater or equal than 3, medium GPA students that
KNSI 2014

their GPA values are in range greater or equal 2 to


less than 3, and low GPA students that their GPA
values are smaller than 2. The high GPA students
group consists of 25 students, the medium GPA
students group has 26 members, and the low GPA
students geoup has 24 students. Prediction data was
taken by system that analyzed academic students
data from semester 1 to 4, and the actual data was
taken in the last semester of each students by
evaluating their final GPA. The result of this test is
presented in table 4 below.
Table 4. The result of testing prediction

Characteristics of this predictor can be


known by Receiver Operating Characteristic (ROC)
method [7]. For instance, from 25 students chosen
in high GPA criterion, 15 over 25 (60%) are
correctly predicted, 10 over 25 (40%) are
uncorrectly predicted (as medium GPA) and no
students in high GPA are predicted would be low in
the last semester (0%). True Positif High Rate
(TPR) = 15/25 = 60%, False Positive HighMedium
Rate (FPR) = 10/25 = 40%, False Negatif HighLow
Rate (FNR) = 0/25 = 0%, False Positif HighMedium
Rate (FPR) = 1/16 = 6,25%, False PositifL Rate
(FPR) = 0/16 = 0%, and High Positive Predictive
Value (PPV) = 15/16 = 93,75%. Total accurary of
this predictor is (15+21+20)/75 = 56/75 = 74,7%.
According to this calculations, all of characteristic
of each criteria are presented in table 5 below.
Table 5. Receiver Operating Characteristics of
Predictor (ROC)
ow

Table 5 shows that high prediction part


accuracy is 93,75% (PPV). From 16 inputs that are
predicted in high criterion, only one student that
actually is in medium criterion and no student is in
low. In the medium prediction part, this accuracy is
60% because 28,6% students are actually high and
11,4% are low. In the low prediction part, this
accuracy is 83,3%, the low predicted setudents that
actually are in medium are 16,6%, and no student is
high. In the other point of view, 60% of actually
high GPA students have been predicted in high,
80,8% of medium GPA students have been
predicted appropriately, and 83,3% of low GPA
students have been predicted correctly. Finally, the
accuracy of this predictor is 74,7% because from 75
samples 56 data are predicted in the correct criteria.
Besides that, no students that are predicted in high
has actual achievement in low or vice versa.

158

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Generally, the expected result of a


predictor, especially in this study is if the result of
prediction is equal or higher. Therefore, by this
point of view, the accuracy of this predictor is
93,3% that comes from (56+14)/75. There are
only 5 incorrect data that has actual
achievements is lower than prediction, but on the
other hand, 14 incorrect data have higher actual
achievements. It is also shown in table 2 that, in
the increasing area, False Negative Medium to
High (28,6%) is greater than False Negative
Medium to Low (11,4%). And the low
prediction that does not have lower criterion
has False Negative Low to Medium is 16,6% (No
FFN from Low to High). Contrasly, in high
prediction that does not have upper criterion has
only 6,25% FFN High to Medium (No FFN from
High to Low).
The other result of this research is the
accuracy of each study fields. It is shown in
figure 8 as folows.

Figure 8. Accuracy of Predictor in Each Study


Fields.
Electronic field has the highest accuracy
that is in around 83%. And the lowest accuracy is
Informatic field that is little lower than 70%.
Telecommunication and Pover System study field
are almost the same at around 72%.
Besides that, a lot of students have taken
different study field with the prediction sugestion.
It is 43% of student took unsuitable study field
and 57% of student took the approprate study field.
This result is depicted in figure 9 below.

Figure 9. Suitability of the prediction sugestion


with actual study field taken by student.
E. Summary and Future Works
This prediction system is running well on
the laboratorium scale testing and overall
accuracy is 74,6. The accuracy of high category is
93,75%, medium is 60%, and low is 83,3%.
However, in the other point of view, the
expected result of this predictor is if it is the
same or higher then the prediction result, the
accuracy is 93,3%.
The result data shows that 43% of students
have taken the different study field with the
KNSI 2014

s ug ge s ti on of t hi s pr e d ict or . It c a n be a
consideration of faculty management to manage the
students for taking the appropriate field that
suitable with students academic achievements.
In the future wor k, the num ber of
parameters that are influenced can be added.
Besides that, characteristic of student in studying
can also be modeled by Bayesian Network to
determine a pedagogic method of teaching.
Testing in the real world (internet) is also needed, it
is for knowing the web server response and
computation consumed time.

References
[1]Antonio S. Cof no, et al Bayesian Networks for
Probabilistic Weather Prediction, in ECAI
2002. Proceedings of the 15th European
Conference on Artificial Intelligence, IOS
Press, 695 700,2002.
[2]Budiarto Widodo, Pemrograman Web dengan
J2EE, Elex Media Komputindo, Kelompok
Gramedia, Jakarta,2004
[3]Conati Cristina, Klawe Maria, Socially
Intelligent Agents in Educational Games,
University of British Columbia,2002.
[4]Cornel Gary, Horstmann Cay, Core Java,
Prentice Hall,Singapore, 1997.
[5]Heckermen David, A Tutorial on Learning with
Bayesian Networks, Microsoft Research
Advanced Technology Division, Microsoft Corp
oration, One Microsoft Way, Redmond, 1996
[6]Hodhod Rhania, Interactive Narrative for
Adaptive Educational Games: Architecture and
an Application toCharacter Education, PhD
Thesis, University of York, 2010.
[7]Fawcett Tom,ROC Graphs: Notes and
Practical Considerations for Data Mining
Researchers, MS 1143, HP Laboratories,
1501 Page Mill Road, Palo Alto, CA
94304, January 2003.
[8]Rickyanto Isak, Java Server Pages, Elex
Media Komputindo, Kelompok Gramedia,
2002
[9]Ruggeri F., Faltin F., Kenett R. Bayesian
Networks, Encyclopedia of Statistics in
Quality and Reliability, Wiley & Sons,
2007.
[10]Santoso Budi, Data Mining, Teknik
Pemanfaatan Data untuk Keperluan Bisnis,
Graha Ilmu,Yogyakarta,2007.
[11]Wijayanto Heri, et al, Design and
Implementation Academic Information
System on Engineering Faculty Mataram
University, Faculty of Enginnering,
Mataram Universiti, 2006.
[12]W o n g
S.K.M, Xiang Y, Nie X.
Representation of Bayesian Networks as
Relational Databases, Department of
Computer Science, University of Regina,
Regina, Saskatchewan, Canada, 1994.

159

[13]

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

C o z m a n Gagliardi Fabio, Bayesian


Networks in Java, Escola Politcnica,
University
of
So
Paulo,
fgcozman@usp.br
http://www.cs.cmu.edu/~javabayes/Home/,
1998-2001.

KNSI 2014

160

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-31
PENGEMBANGAN BASISDATA PENYAKIT KULIT BERBASIS
COMPUTER VISION MELALUI DETEKSI TEPI
Hapnes Tobal, Antonius Hendrik2, Riskadewi3
'Program Studi D3 Teknik Informatika, 23Jurusan S1 Teknik Informatika
Fakultas Teknologi Informasi, Universitas Kristen Maranatha
J1. Suria Sumantri No. 65, Bandung 40164
'hapnestoba@it.maranatha.edu, 23antonriska(d,live.com

Abstrak
Penglihatan manusia dapat melakukan hal-hal yang menakjubkan seperti mengenali objek, navigasi dalam
menghindari rintangan, ataupun mengenali mood di dalam sebuah adegan. Lain halnya dengan komputer yang
memerlukan sensor guna menerima persepsi dari lingk-ungan dan program komputer yang berfungsi sebagai
pemroses data dari sensor tersebut. Computer vision merupakan sebuah konsep yang memanfaatkan teknikteknik pemrosesan citra untuk membuat keputusan berdasarkan citra yang didapat dari sensor. Dalam penelitian
ini dikembangkan sebuah basisdata yang terintegrasi dengan kamera sebagai sensor untuk mengenali berbagai
penyakit kulit melalui deteksi tepi. Untuk mendeteksi tepi dari satu atau lebih objek, digunakan operator Canny,
Prewitt, Sobel, dan Roberts. Hasil deteksi tepi tersebut kemudian akan dicocokan dengan fitur-fitur yang
tersimpan dalam basisdata untuk menentukan penyakit kulit yang teridentifikasi. Perangkat lunak untuk deteksi
tepi diimplementasikan dengan Microsoft Visual Studio 2010 dan OpenCV 2.4. Hasil penelitian menunjukkan
bahwa untuk dapat mengenali penyakit kulit secara lebih baik diperlukan pengurangan noise dengan
menggunakan filter Gaussian dan pemecahan (split) citra warna ke dalam masing-masing saluran warna (merah,
hijau, dan biru) dengan ukuran 8 bit. Hasil evaluasi pencocokan citra dengan metode cross-correlation
menunjukkan bahwa operator Canny adalah operator yang paling memenuhi kriteria penandaan tepi, yaitu:
tingkat kesalahan yang rendah, lokasi yang benar, dan waktu respon yang minimum.
Kata kunci : pengolahan citra, computer vision, pengenalan obyek, deteksi tepi, penyakit kulit, OpenCV
1. Pendahuluan
Penglihatan manusia dapat melakukan hal-hal
yang menakjubkan seperti mengenali orang/objek,
navigasi dalam menghindari rintangan, ataupun
mengenali mood di dalam sebuah adegan. Lain
halnya dengan mesin, yang dalam konteks ini adalah
komputer. Untuk melakukan mimikri terhadap
penglihatan manusia, komputer memerlukan sensor
yang berfungsi layaknya mata pada manusia dan
program komputer yang berfungsi sebagai pemroses
data dari sensor. Computer vision merupakan ilmu
yang menggunakan image processing untuk
membuat keputusan berdasarkan citra yang didapat
dari sensor [5, 9, 10]. Dengan kata lain, computer
vision bertujuan untuk membangun sebuah mesin
pandai yang dapat "melihat". Kerangka kerja umum
yang biasa dilakukan dalam computer vision adalah:
proses akuisisi citra, pra pemrosesan, ekstraksi fitur,
deteksi atau segmentasi citra, pemrosesan tingkat
tinggi, dan terakhir pengambilan keputusan.
Tahap akuisisi citra adalah tahap untuk
mend ap atkan citr a d ar i senso r . T ahap p r a
pemrosesan adalah tahap pemrosesan awal terhadap
citra untuk memperbaiki kualitas citra, misalnya
pengurangan noise (informasi yang salah pada citra)
KNSI 2014

dan contrast enhancement (perbaikan kontras pada


citra). Tahap ektraksi fitur adalah tahap ekstraksi
fitur dari citra, misalnya titik, garis, dan tepi (edge).
Tahap deteksi/segmentasi adalah tahap mendeteksi
perbedaan kecerahan pada citra untuk mendapatkan
lokasi atau posisi dari suatu objek. Kemudian,
dilakukan pengenalan bentuk berdasarkan kriteria
d an deskrip si obj ek yang telah ditentukan
sebelumnya. Pemrosesan tingkat tinggi adalah tahap
pemrosesan terhadap sebagian kecil dari data,
misalnya sebagian dari titik dalam bagian citra
tertentu. Contoh pemrosesan tingkat tinggi adalah
image recognition (pengenalan citra) dan image
registration (registrasi citra). Pengambilan
keputusan adalah tahap dimana pengambilan
keputusan akhir dibutuhkan pada aplikasi tertentu,
misalnya pengambilan keputusan lulus/tidak lulus
pada aplikasi otomatisasi inspeksi (pass/fail on
automatic inspection applications) [5, 9, 10].
Terdapat beberapa penelitian computer vision
untuk mendeteksi penyakit kulit, misalnya untuk
mendeteksi penyakit dermatitis, eczema, dan
utricaria. Namun pada umumnya metode yang
digunakan adalah texture features yang merupakan

161

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

metode analisis tekstur berbasis statistik [2, 6].


Masih sedikit sekali penelitian yang memanfaatkan
deteksi tepi sebagai fitur pengenalan. Menurut
hipotesis kami, deteksi tepi dapat dimanfaatkan
untuk mengenali bagian kulit yang sehat dan tidak
setelah melalui pemrosesan citra. Dalam penelitian
ini ditekankan pada proses untuk menemukan
metode akuisisi citra yang baik sampai dengan
menghasilkan kumpulan fitur untuk memperoleh
operator deteksi tepi dengan performa terbaik
sehingga dapat dipakai untuk mengenali obyek.
Permasalahan yang akan ditelaah dalam
penelitian ini adalah sebagai berikut:

1. Untuk setiap penyakit diambil 30 citra dengan


resolusi minimal 800x600 dot-per-inch (dpi).
2.

Operator Deteksi Tepi dan Perangkat


Gradien dari sebuah fungsi citra adalah dasar
dari banyak operator deteksi tepi klasik.
Padapersamaan 1 untuk menghitung rata-rata
komponen gradien yang melewati sepanjang baris
atau kolom yang bertetangga. 1-/Px melakukan
penghalusan (menggunakan filter kotak) terhadap
tiga baris sebelum menghitung gradien x, dan HP),
melakukan penghalusan terhadap tiga kolom
sebelumpenghitung gradien y.

1.

Prosedur apa saja yang perlu dilakukan


untuk mendapatkan citra digital yang dapat
diolah untuk computer vision?
2. Prosedur pra-pemrosesan apa saja yang harus
dilakukan pada citra digital?
3. Hal apa saja yang dapat menentukan performa
operator deteksi tepi?
4. Bagaimana membangun basis data citra
untuk penyakit kulit?
Kerangka kerja dalam penelitian ini dapat
dilihat Gambar 1. Proses dalam penelitian
adalah:mengambil citra dari webcam, prapemrosesan, dan mendeteksi tepi dari citra. Mulamula citra diambil dari webcam. Kemudian
akanilakukanpra pemro sesan, yaitu pengurangan
noise. Tahap selanjutnya adalah proses deteksi tepi
pada citra tersebut dengan menggunakan operator
Sobel, Prewit, dan Roberts. Hasil dari masingmasing operator akan dibandingkan untuk
menentukan operator mana yang paling memenuhi
kriteria penandaan tepi untuk mengenali penyakit
kulit.
Setelah itu akan dibuat basis data citra
yang berisi jenis penyakit dan hasil deteksi tepi
dengan operator yang optimal. Basisdata
citra berisi sejumlah citra penyakit kulit yang
diambil melalui mesin pencari citra dari Google
untuk 16 macam penyakit kulit sebagaimana
diberikan pada Gambar

Filter Roberts dapat merespons tepi diagonal


tetapi tidak memilih orientasi, kedua filter
menunjukkan basil yang kuat, yang melingkupi
KNSI 2014

Filter untuk operator Sobel hampir identik tetapi


bagian penghalusan menetapkan bobot yang lebih
tinggi untuk baris dan kolom yang berada di
tengah. Operator Sobel menggunakan filter pada
persamaan 2.

tetapi bagian penghalusan menetapkan bobot


yang lebih tinggi untuk baris dan kolom yang berada
di tengah. Operator Sobel menggunakan filter pada
persamaan 2.
2.2 Operator Roberts
Operator Roberts merupakan filter yang paling
sederhana dan paling tua. Operator Roberts
menggunakan filter matriks berukuran 2x2 untuk
mengestimasikan arah gradien sepanjang diagonal
citra. Operator Roberts menggunakan filter pada
Persamaan 3 [2,7].

sudut dengan jangkauan yang lugs. Kekuatan tepi


dihitung dengan mengukur panjang vektor 2D yang

162

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

dihasilkan, serupa dengan perhitungan gradien,


tetapi dengan komponennya dirotasikan 45.

2.3 Operator Canny

Operator Canny adalah operator deteksi tepi


yang menggunakan algoritma banyak tahap (multistage) untuk mendeteksi banyak tepi dari suatu citra.
Tahapan umum dalam algoritma Canny meliputi:
pengurangan noise, mencari intensitas gradien dari
citra, menerapkan non-maximum suppression, dan
menelusuri tepi pada citra dan menentukan ambang
histeresis (hysteresis thresholding) [2, 7].

2.4 OpenCV
OpenCV (Open Source Computer Vision)
adalah sebuah pustaka perangkat lunak computer
vision dan machine learning yang bersifat
terbuka [8]. OpenCV dirancang sebagai infrastruktur
umum u n t u k ap l i ka si c o m p ut e r vi s i o n d a n
u nt u k mempercepat penggunaan persepsi mesin
(machine perception) dalam produk komersial.
OpenCV berlisensi B SD (Berkeley Software
Distribution), sehingga memudahkan bagi
pelaku
bisnis
dan
akademisi
untuk
memanfaatkan dan mengubah kode.
Pustaka OpenCV memiliki lebih dari 2.500
algoritma optimal, yang mencakup sekumpulan
algoritma computer vision dan pembelajaran mesin
bertipe klasik maupun terkini. Algoritma-algoritma
ini dapat digunakan untuk berbagai proses dalam
computer vision, seperti:

mendeteksi dan mengenali wajah;

mengidentifikasi objek;

mengklasifikasikan tindakan manusia dalam


video;

melacak gerakan kamera;

melacak obyek yang bergerak;

ekstrak model 3D dari obyek;

menghasilkan 3D point clouds dari kamera


stereo;

menggabungkan citra untuk menghasilkan citra

dengan resolusi tinggi dari seluruh adegan;


menemukan citra yang sama dari basisdata
citra;
menghapus mata merah dari citra yang diambil
menggunakan lampu kilat;
mengikuti gerakan mata;
mengenali pemandangan dan membuat penanda
(marker) untuk melapisi (overlay) penanda
dengan augmented reality, dan lain-lain.

3. Perancangan Sistem
Perancangan, skenario dan pemodelan sistem
dapat dilihat path diagram use case dan diagram
kelas pada Gambar 2(a) dan 2(b). Skenario
pemanfaatan sistem secara garis besar adalah
sebagai berikut:
3.1 Mengambil Citra
Fitur ini ditujukan untuk mengambil citra
melalui webcam yang difungsikan sebagai sensor,
layaknya mata path manusia. Basil citra di-capture
tersebut akan dapat disimpan dalam format jpeg dan
dapat dicocokkan dengan data penyakit pada
basisdata. Lebih jauh, fitur ini di masa depan
diharapkan dapat dijadikan juga sebagai cara untuk
mendapatkan citra, dan menggantikan peran citra
statis yang digunakan dalam penelitian kali Mi.
3.2 Deteksi Tepi
Fitur ini ditujukan untuk melakukan deteksi
tepi berdasarkan masukan yang diterima melalui
webcam atau dari gambar statis. Kerangka kerj a
computer vision secara lengkap dilakukan dalam
sub-sistem ini, yaitu pra-pemrosesan, pemilihan
filter deteksi tepi (bandingkan juga dengan
penjelasan pada bagian 2 di atas), penggabungan
kembali saluran warna dari basil deteksi tepi, serta
menampilkan ha silnya

Tabel 1. Contoh metadata penvakit kulit dalam basisdata


Disease
Name
Eczema

Age

Gender

History

infant Both

Famil
y

Moles

all

Both

persona
l

Shingles
(Herpes
Z t )

all

Both

persona
l

Site
hair line, eyes
region, nose-cheek
region, mouth
region, jaw region,
all, except nail

hair line, eyes


region, noseh k
i

3.3 Menyimpan ke Basisdata


Fitur ini ditujukan untuk melak-ukan pengayaan
data penyakit kulit di dalam basisdata. Pengguna
KNSI 2014

Leison

Surface
scaly

flat, raised
solid
fluid filled

Color
brown,
red
black,
blue,
brown,
red,

crust

Itchines
s
Itchy

nonitchy
Itchy

akan dapat menyimpan informasi sesuai hasil


operator deteksi tepi ditambah dengan metadata
(lihat juga penjelasan pada bagian 3.4) tentang
penyakit kulit yang dimaksudkan dalam citra.

163

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Contoh tampilan deteksi tepi dan masukan metadata


dapat dilihat pada Lampiran A dan B.
3.4 Menambahkan Jenis Penyakit

Fitur ini ditujukan untuk mengisi metadata


penting terkait suatu penyakit kulit, yang
akandisimpan bersama dengan data citra yang
diperoleh pada bagian 3.3. Berbekal pada metadata
ini, deteksi penyakit kulit diharapkan akan lebih
akurat dalam operasional di masa mendatang, karena
akan dapat difungsikan sebagai tabel keputusan.
Adapun contoh metadata yang dimaksudkan untuk
tiga penyakit kulit dapat dilihat pada Tabel 1 [1, 4].
4. Eksperimen Performa

Eksperimen bertujuan menguji basis data citra


yang dihasilkan oleh masing-ma sing operator
deteksi tepi. Eksperimen dilakukan dengan
membandingkan hasil deteksi tepi citra dalam
basisdata citra dengan hasil deteksi tepi dari sample
citra. Citra yang dipakai untuk eksperimen beserta
jenis modifikasinya dapat dilihat pada Tabel 2.
Dalam eksperimen, modifikasi citra diasumsikan
sebagai noise yang berasal dari citra sesungguhnya
yang diambil dari kamera. Perbandingan dilakukan
dengan metode Cross-Correlation [3].
Cross-Correlation adalah ukuran kemiripan
dari dua buah gelombang (waveform) sebagai fungsi
time lag yang diaplikasikan path salah satu
gelo mb ang. Nama lain dari metode Cr os sCorrelation adalah Sliding Dot Product atau
Sliding Inner Product.

Tabel 2. Basil nen uiian den anCross-Correlation nada basisdata untuk 10 nenvakit kulit nada setian operator
No.
Nama Penyakit
Modifikasi Citra
Canny
Prewitt
Roberts
Sobel
1.
Acne = jerawat
Monochromatic noise 95,13%
20,50%
16,34%
2,00%
Age or Liver Spots =bintik
Exposure
88,74%
23,50%
16,07%
2,04%
karena usia
Athlete 's Foot = jamur pada
Blur
85,64%
33,67%
25,13%
4,30%
kaki
4.
Cold Sores (Fever Blisters) =
Crop
87,02%
23,05%
16,39%
3,12%
sariawan
Eczema = eksim
Distort
77,03%
24,02%
16,48%
2,66%
Hives (Urticaria) = gatalGray scale
99,42%
24,35%
16,57%
3,75%
gatal
Melasma (Pregnancy
Invert color
84,48%
23,05%
17,73%
2,26%
Mask) = guratan pada perut
saat mengandung
Moles = tahi lalat
Colored noise
74,19%
20,83%
15,23%
2,34%
Pityriasis Rosea/Rosacea =
Contrast increasing
87,87%
18,10%
14,54%
2,11%
kulit kemerahan
10.
Razor Bump =
Sharpen
79,20%
19,59%
16,00%
2,08%
kerusakan kulit karena
Sebagai fungsi diskret, Cross-Correlation
didefinisikan dalam persamaan 4.
(.f

= Lf (T )g(t - v)dr

(4)

Dimanaf dan g adalah fungsi yang bertipe real, yang


memiliki perbedaan hanya pada pergeseran
sepanjang sumbu x. Cross-Correlation dipakai untuk
mencari seberapa banyak g yang hams berpindah di
sepanjang sumbu x agar f dan g menjadi identik.
Rumus di atas pada dasarnya menggeser fungsi g
sepanjang sumbu x, kemudian menghitung nilai
integral untuk setiap operasi perkalian pada setiap
piksel. Jika terjadi kecocokan {match), nilai f*g
akan mencapai nilai maksimum, yaitu 100%.

5 . E val u as i P er fo r ma

Dari hasil pada Tabel 2, dihasilkan beberapa


pembelajaran sebagai berikut:

Sesuai dengan kompleksitas dan proses yang


ada, algoritma Canny menghasilkan kecocokan
KNSI 2014

yang paling tinggi, dan Sobel terendah.


Perbedaan nilai akurasi antar penyakit tidak
berbeda jauh untuk setiap operator. Hal ini
mengindikasikan bahwa karakteristik 'tepi' antar
penyakit tidak berbeda secara signifikan.
Karakteristik penyakit kulit dalam basisdata
didominasi oleh penyakit yang mementingkan
perubahan warna dibandingkan bentuk, seperti:
bintik-bintik kecil yang memiliki tepi sangat
mirip antara satu dengan lainnya, sehingga sulit
dideteksi dengan algoritma deteksi tepi dalam
satu tahap. Menurut analisis kami, inilah salah
satu alasan yang menyebabkan algoritma
Cannyberhasil mendapatkan kecocokan lebih
baik dibanding algoritma lainnya.
Karakteristik umum dimiliki paling nyata pada
penyakit 'hives', hal ini ditunjukkan dengan
kenyataan bahwa dari 10 penyakit yang diuji
pada Tabel 2, ada 8 penyakit yang mengarah
pada 'hives', dan hanya 2 penyakit yang tepat
dideteksi, yaitu: 'age spot', dan 'hives'.

164

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

6 . Kesimp ulan d an Keb er lanj utan

Kesimpulan yang dapat ditarik melalui


penelitian ini adalah sebagai berikut:
1. Penelitian ini telah menghasilkan sistem yang
bertujuan untuk menambahkan pengetahuan dan
pengolahan citra hasil deteksi tepi ke dalam
basisdata citra.
2. Sistem telah dapat mengintegrasikan perangkat
lunak dan keras (webcam) yang bersifat generik,
tidak bergantung path jenis ataupun driver
tertentu.
3. Basisdata citra untuk penyakit kulit telah
berhasil dibangun dengan menggunakan sistem
basisdata MySQL. Basisdata ini berisi
pengetahuan (metadata) tentang penyakit kulit
dan pengolahan citra hasil deteksi tepi.

4.

5.

Prosedur pra-pemrosesan yang perlu


dilakukan pada pemrosesan citra digital
adalah:
a. Pengurangan noise dengan menggunakan
filter Gaussian;
b. Pemecahan (split) citra warna ke dalam
setiap komponen warna (merah, hijau, dan
biru) masing-masing dengan ulcuran 8 bit.
Hal-hal
yang
dapat
menentukan
performa operator deteksi tepi adalah
tingkat kekaburan citra dan pengurangan
noise.

6.

Operator Canny adalah operator yang


paling memenuhi kriteria penandaan tepi,
yaitu: tingkat kesalahan yang rendah, lokasi
yang benar, dan respon minimum, serta
memiliki tingkat kecocokan paling baik.
Saran pengembangan untuk tahap penelitian
selanjutnya adalah:
1. Penggunaan kamera yang memiliki resolusi
yang lebih baik akan menghasilkan citra yang

KNSI 2014

memiliki ketajaman yang lebih baik.

2. Memperkaya fitur deteksi tepi dengan fitur-fitur

3.

kekontrasan serta warna untuk jenis-jenis


penyakit yang lebih mengedepankan perubahan
warna dibandingkan bentuk ataupun tekstur,
seperti: age/liver spot, hives, razor bump, dan
rosacea, sehingga dapat memperbaiki performa
pencocokan.
Penggunaan metode pencocokan yang mampu
mendeteksi key point interest.

Daftar Pustaka:

[1]
[2]
[3]
[4]
[5]
[6]

[7]
[8]
[9]

Ashton, R. & Leppard, B., 2004, Differential


Diagnosis in Dermatology 3rd ed., Abington:
Radcliffe Publishing Ltd.
Bin, L. & Mehdi, S.Y., 2012, Comparison for
Image Edge Detection Algorithms,
IOSR Journal of Computer Engineering.
Bracewell, R., 1965, Pentagram Notation for
Cross Correlation, The Fourier Transform and
Its Applications, New York: McGraw-Hill.
Buxton, P.K, 2003, ABC of Dermatology 4
ed., London: BMJ Publishing Group.
Forsyth, D.A. & Ponce, J., 2011, Computer
Vision: A Modern Approach 2nd ed., Pearson
Education, Ltd.
Mittra, A.K. & Parekh, R., 2011, Automated
Detection of Skin Diseases Using
Texture Features, International Journal of
Engineering Science and Technology.
Munir, R., 2004, Pengolahan Citra Digital,
Bandung: Penerbit Informatika.
OpenCV, 2012, Open Source Computer
Visionhttp://opencv.org/,
diakses:
November 2013.
Shapiro, L.G. & Stockman, G.C., 2001,
Computer Vision, Prentice Hall Szeliski,
R., 20 11,
Computer
Vision:
Algorithms and Applications, Springer.

165

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-32
PENERAPAN METODE CASE BASED REASONING DAN FORWARD
CHAINING PADA SISTEM PAKAR UNTUK DIAGNOSA AWAL
PENYAKIT GINJAL
Titik Wihayanti1, Soni Fajar Surya Gumilang2
Teknik Informatika
STMIK LPKIA , Jl.Soekarno Hatta 456 Bandung
1
twihayanti@gmail .con, 2 mustonie@lpkia.ac.id

Abstrak
Sistem pakar dapat dimanfaatkan sebagai alat bantu diagnosa awal oleh paramedis maupun masyarakat umum. Sistem pakar
juga dapat memberikan solusi penanganan suatu gejala menyerupai seorang pakar (dokter) sehingga masyarakat atau
paramedis lain dapat memperoleh informasi mengenai penyakit ginjal dan dapat memberikaan tindakan tindakan pencegahan
pada masa awal gejala dirasakan. Tahapan pembangunan sistem pakar ini dengan merepresentasikan pengetahuan yang
berisi gejala dan jenis penyakit dalam bentuk tabel keputusan dan pohon keputusan dan kemudian dibuat sebuah rule pencarian
data menggunakan metode forward chaining yang ditanam di dalam program aplikasi. Metode case based reasoning (CBR)
bekerja ketika data gejala yang sudah dientri sebelumnya tidak tidak memiliki kesamaan dengan yang ada pada case
pengetahuan. Data gejala baru tersebut disimpan kemudian dianalisa, direvisi dan digunakan kembali dalam rule pencarian.
Dengan adanya metode ini maka pengetahuan yang terdapat dalam sistem pakar akan terus mendapatkan pembaharuan. Hasil
permintaan respon pengguna menggunakan kuisoner diperoleh hasil nilai keputusan 4.36 dengan kategori sangat baik dan
berdasarkan hasil pengujian terhadap perangkat lunak, sistem pakar ini dapat menerapkan metode Case Based Reasoning
(CBR ) dan Forward Chaining untuk menentukan kemiripan gejala tiap tiap kasus sehingga dapat digunakan sebagai
acuan pengambilan keputusan diagnosa awal penyaki ginjal.

Kata kunci : sistem pakar, forward chaining, CBR


1. Pendahuluan
Kehidupan modern yang maju telah merubah pola dan
gaya hidup manusia. Salah satu bentuk perubahan
gaya hidup adalah dari pola dan asupan makanan dan
minuman yang dikonsumsi dan kurangnya kesadaran
akan pentingnya olah raga. Karena kesibukan pada
umumnya masyarakat lebih mengutamakan segala sesuatu
yang serba instan dan tidak memperhatikan nilai gizi
yang terkandung dalam makanan tersebut, konsumsi obatobatan dan multivitamin yang berlebihan umumnya
juga di lakukan oleh masyarakat untuk meningkatkan
energi saat bekerja dimana hal ini justru menjadi tidak tepat
bagi tubuh. Dengan pola dan gaya hidup seperti diatas
banyak orang berusia produktif yang dapat menderita
penyakit berat. Salah satu penyakit yang sering diderita
masyarakat saat ini adalah penyakit ginjal. Selain
karena faktor penyakit bawaan pemicu penyakit
ginjal pada umumnya disebabkan karena kebisaan buruk
penderitanya dalam mengkonsumsi makanan atau
minuman atau karena gaya hidup yang kurang menjaga
kesehatan.
Dari Perhimpunan Nefrologi Indonesia (PERNEFI) ,
Rully menjelaskan bahwa kemungkinan jumlah pasien
gagal ginjal meningkat dari 19.612 hingga 100 ribu
(antara tahun 2014 sampai 2019). Penyebab meningkatnya
KNSI 2014

populasi tersebut dikarenakan minimnya kesadaran


masyarakat untuk menjalani gaya hidup sehat dan
banyak masyarakat yang belum menyadari ancaman
gagal ginjal dan tidak segera mengambil langkah
preventif.[7]
Dari penjelasan diatas peningkatan jumlah penderita gagal
ginjal disebabkan minimnya kesadaran masyarakat
untuk menjalani gaya hidup sehat dan tidak segera
langkah preventif untuk
melakukan langkah
mengurangi resiko bertambah parahnya penyakit .
Salah satu bentuk tindakan preventif yang dapat dilakukan
adalah dengan adanya diagnosa dan penanganan yang
tepat pada masa awal gejala penyakit muncul.
Karena minimnya informasi mengenai penyakit ginjal
menyebabkan masyarakat yang datang ke rumah sakit rata
rata sudah dalam kondisi akut.
Salah satu solusi untuk penanganan kasus diatas adalah
dengan mengembangkan sistem pakar. Sistem pakar
dapat dimanfaatkan sebagai sumber informasi alternatif
untuk diagnosa awal penyakit ginjal sehingga dapat
membantu masyarakat ataupun para medis untuk
melakukan tindakan pencegahan.

166

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Tujuan dari penelitian ini adalah menyediakan


sumber informasi alternatif melalui sistem pakar untuk
membantu masyarakat dan para medis memperoleh
informasi mengenai diagnosa awal penyakit ginjal dan
solusi awal penanganan atau pencegahanya dan
menerapkan Metode Cased Base Reasoning (CBR ) dan
Forward Chaining pada sistem pakar untuk
menentukan kemiripan gejala tiap tiap kasus agar
nantinya dapat digunakan sebagai acuan pengambilan
keputusan diagnosa awal penyaki ginjal.

Metode penelitian yang digunakan adalah studi


literatur, wawancara dan juga menggunakan angket
(kuisoner untuk pengujian aplikasi). Studi Literatur
dilakukan mengambil data melalui dokumen tertulis
maupun elektronik dari yang di lakukan melalui buku
atau jurnal jurnal ilmiah. Data ini diperlukan untuk
mendukung kelengkapan data dan untuk mendukung
teori teori yang di gunakan dalam penelitan.wawancara
di lakukan kepada dokter dalam untuk mendapatkan
data mengenai penyakit ginjal. Kuesioner (Angket)
dalam penelitian ini di berikan kepada pengguna
aplikasi untuk mendapatkan umpan balik mengenai
fungsionalitas aplikasi yang telah di bangun.

2. Dasar Teori
2.1 Sistem Pakar
Sistem pakar adalah aplikasi berbasis komputer yang
digunakan untuk menyelesaikan masalah
menyerupai seorang pakar [2].
Pakar yang dimaksud adalah seseorang yang
memiliki keahlian khusus dalam menyelesaikan
masalah yang belum tentu dapat di selesaikan oleh orang
awam [2]
Untuk membangun sistem pakar ada beberapa
komponen yang harus dimiliki, Yaitu :

1. Antar muka (user interface).


2. Basis pengetahuan (knowledge base).
3. M esi n i nferensi (Inference Engine).

2.2 Metode Inferensi Forward Chaining (Runut


Maju)
Definisi Runut Maju menurut Wilson dalam Kusrini
(Kusrini, 2008) berarti menggunakan himpunan aturan
kondisi aksi. Dalam metode ini, data yang di gunakan
untuk menentukan aturan mana yang akan
dijalankan, Kemudian aturan tersebut dijalankan.
Mungkin proses menambahkan data ke memori kerja.
Proses di ulang sampai ditemukan suatu hasil.
Metode forward chaining terdiri dari permis permis dan
diakhiri dengan konklusi atau kesimpulan yang di sebut
dengan rule atau aturan. Tiap aturan atau rule tersebut
kemudian disimpan dalam case pengetahuan .
Berikut ini contoh sederhana dari penggunaan
metode forward chaining dalam menyelesaikan
diagnosa kasus penyakit ginjal :
Sebelum melakukan diagnosa penyakit terlebih
dahulu gejala yang ada di simpan dalam sebuah case (kotak),
setiap satu jenis gejala di masukan dalam satu case

KNSI 2014

beserta kesimpulan jenis penyakitnya. Selanjutnya


proses diagnosa dimulai dengan menelusuri
kecocokan gejala yang di alami pasien dengan gejala yang
ada pada case, proses ini terus berlanjut sampai pada di
temukan jenis penyakit yang cocok dengan gejala yang di
alami pasien.
2.4 Case Based Reasoning
Menurut Main dkk dalam Mulyana dan Hartati
(Mulyana dan Hartati, 2009) Secara singkat Case- Based
reasoning (CBR) didefinisikan sebagai sebuah metodologi
untuk penyelesaian masalah dengan memanfaatkan
pengalaman sebelumnya.
Dengan memanfaatkan CBR, sebuah masalah baru dapat
di selesaikan dengan melakukan pencocokan kemiripan
dengan masalah yang sudah ada sebelumnya.
Menurut Aamodt dan Plaza dalam Mulyana dan
Hartati (Mulyana dan Hartati, 2009) menjelaskan dalam
CBR terdapat 4 siklus yaitu Retrieve, Reuse, Revise dan
Retain .
Untuk lebih memahami mengenai 4 siklus dalam CBR
berikut ini akan dijelaskan lebih rinci masing masing
dari siklus di atas:

2.4.1 Retrieval
Salah satu tahap penting dalam siklus CBR adalah
pengambilan kembali (retrieval) terhadap kasuskasus
sebelumnya yang dapat digunakan untuk menyelesaikan
masalah baru [1].
Pada sistem pakar yang akan di bangun proses
retrieval terjadi pada saat penentuan kesamaan antara
gejala yang dimasukkan dengan kasus yang sudah ada
sebelumnya, dimana kasus yang sudah ada tersebut di
simpan dalam case pengetahuan, case pengetahuan sendiri
dibantuk dalam sebuah rule yang berisi indikator
gejala gejala dan konklusi dari jenis penyakitnya.
Untuk mengetahui ketepatan dalam proses penilaian
persamaan kasus di gunakan metode forward chaining untuk
melacak gejala pada frame yang memiliki kemiripan
dengan kasus baru yang di ajukan.
2.4.2 Reuse dan Revision
Proses reuse dalam siklus CBR adalah tanggung jawab
dalam memberikan solusi dari sebuah kasus baru
berdasarkan penyelesaian-penyelesaian kasus yang
diambil kembali [1].

Dari proses retrieval yang telah dilakukan


sebelumnya akan ditemukan salah satu case yang
memiliki kesamaan dengan kasus yang baru, pada saat
inilah reuse terjadi dimana kasus yang sudah ada di
gunakan kembali dalam menyelesaikan masalah.
Namun dalam beberapa kasus yang tidak memiliki
kesamaan dengan kasus yang sudah ada akan diproses
dalam revision dimana kasus baru tersebut direvisi
untuk memperbaharui basis pengetahuan yang sudah
ada. Hal ini yang menjadi salah satu kelebihan dalam CBR
dimana setiap basis pengetahuan yang ada akan terus
mendapatkan perbaikan jika di temukan kasus kasus
lain yang berbeda.
2.4.3 Retension

167

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Retensi merupakan tahap terakhir dalam siklus CBR yang


menghasilkan penyelesaian masalah terbaru yang
digabung dalam sistem pengetahuan [1].
Dalam proses retension gejala baru disimpan dalam sebuah
case based. Case tersebut dapat digunakan sebagai sebagai
acuan kasus baru baik menggunakan bantuan gejala lain atau
gejala itu sendiri.
2.5 Ginjal
Ginjal (renal) adalah organ tubuh yang memiliki
fungsi utama untuk menyaring dan membuang zatzat sisa
metabolisme tubuh dari darah dan menjaga keseimbangan
cairan serta elektrolit (misalnya kalsium, natrium,
dan kalium) dalam darah. (gagalginjal.org).
Ginjal memiliki fungsi mempertahankan kestabilan
lingkungan ekstraselular yang menunjang fungsi semua
sel tubuh. Ginjal mengontrol keseimbangan ion dan air
dengan mengatur ekskresi ai r, natri um, kalium, klorida,
kalsium, magnesium, fosfat, dan zat- zat lain serta
mengatur status asam basa (C.A
OCallaghan, 2009).

2.6 Gambaran Klinis Penyakit Ginjal


Karena jumlah nefron pada setiap ginjal melebihi
jumlah yang di perlukan untuk mempertahankan
kehidupan, maka kerusakan ginjal yang signifikan dapat
terjadi tanpa gejala klinis yang jelas. Penyakit ginjal dapat
tidak tampak secara klinis sampai terjadi penurunan fungsi
ginjal yang bermakna. Karena alasan inilah
penyakit ginjal progresif yang berkembang lambat
dapat dapat bersifat asimtomatik pada stadium awal [5].
2.7 Pemeriksaan Penyakit Ginjal Secara Umum
Anamesis
Anamenis adalah kegiatan wawancara yang biasanya
di lakukan oleh dokter kepada pasiennya, adapun
anamenis sebaiknya di lakukan untuk gejala gejala sebagai
berikut:
1. Rasa Nyeri
Nyeri dapat terjadi bila ada obstruksi saluran
kemih, seperti batu ginjal. Rasa nyeri juga bisa terjadi
jika terdapat infeksi atau peregangan pada kapsul
ginjal atau kista ginjal pada penyakit ginjal
polikistik.
2. Tampilan dan Volume Urine
Tampilan urine seperti warna urine dapat di
gunakan untuk mendeteksi penyakit yang terjadi pada
ginjal.Volume urine seperti peningkatan frekuensi
berkemih merupakan peningkatan volume urine.
3. Anamnesis Umum
Anamnesis atau wawancara dengan pasien
harus di lakukan secara lengkap untuk
mengetahui riwayat penyakit yang pernah di derita
pasien atau keluarga pasien sebelumnya untuk
mengetahui faktor turunan seperti riwayat hipertensi,
diabates melitus, keganasan penyakit atau penyakit
sistemik lainnya. Riwayat penggunaan obat
obatan juga perlu dikatahui termasuk riwayat
keturunan penyakit ginjal seperti penyakit ginjal
polokistik[5].

KNSI 2014

3.Analisa dan Perancangan Perangkat Lunak


3.1 Aliran Proses
3.1.1 Use Case Diagram
3.1.1.1 Use Case Diagram Pengunjung

Gambar III.1 Use Case Diagram Sistem Pakar


Penyakit Ginjal
Pada usecase diagram diatas terdapat 3 aktor yaitu
pengunjung yang dapat melakukan konsultasi
penyakit setelah terlebih dahulu mengisi data diri,
operator yang bertidak sebagai pengelola sistem dapat
melakukan pengelolaan terhadap data master gejala dan
penyakit, mengelola data kasus lama dan baru serta
mengelola laporan setelah sebelumnya telah melakukan
login dan mendaftar, sedangkan administrator dapat
mengelola data pengguna (operator) untuk keperluan
akses sistem.
3.2 Aliran Kerja
3.2.2 Activity Diagram
Diagram Activitas adalah tipe khusus dari diagram
status yang memperlihatkan aliran dari suatu
aktivitas ke aktivitas lainnya dalam suatu sistem.

Gambar III.2 Activity Diagram Konsultasi


Pengunjung

168

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

3.3 Pemodelan Data


3.3.1 Class Diagram
Class diagram menggambarkan struktur sistem dari segi
pendefinisian kelas-kelas yang akan dibuat untuk
membangun sistem.

4.Implementasi dan Pengujian


Tahap implementasi merupakan tahap penerapan sistem
yang telah dirancang pada bab sebelumnya. Berikut ini
gambaran implementasi antarmuka dari sistem pakar yang
telah di bangun:

Gambar 4.1 Implementasi antarmuka konsultasi


Implementasi antarmuka hasil konsultasi

Gambar III.3 Class Diagram Sistem Pakar


Penyakit Ginjal
Pengetahuan di representasikan melalui tabel
keputusan , pohon keputusan dan rule (aturan).
Tabel keputusan di representasikan dalam bentuk kode
kode , kode dengan awalan P merupakan kode untuk
penyakit sedangkan kode dengan awalan G merupakan
kode untuk gejala, tiap gejala dan penyakit kemudian di
hubungkan dengan tanda (*) pada tabel , tanda (*)
menandakan bahwa gejala Gn di miliki oleh Pn.
Pohon Keputusan menggambarkan rangkaian gejala dan
penyakit dalam bentuk pohon berhirarki, pohon keputusan
merupakan lanjutan dari tabel keputusan yang kini sudah
dipisahkan antara penyakit dan gejala yang memiliki
keterkaitan.
Rule atau aturan merupakan bentuk representasi akhir
dari tabel dan pohon keputusan, Rule ini nantinya
akan dijadikan sebagai pemandu dalam membuat
logika pada program. Berikut ini merupakan
contoh rule untuk kasus gagal ginjal akut

Gambar 4.2 Implementasi antarmuka hasil


konsultasi

Gambar 4.3 Implementasi antarmuka hasil


konsultasi
4.2 Hasil Pengujian (Black Box Testing)
Black box testing yaitu menguji perangkat l unak dari
segi spesifikasi fungsional tanpa menguji desain dan
kode program. Pengujian dengan metode ini
dilakukan dengan membuat kasus uji yang bersifat
mencoba semua fungsi yang ada pada perangkat
lunak.
1.Konsultasi

Bentuk tabel keputusan dan tabel keputusan dapat dilihat


pada lampiran.
KNSI 2014

komponen
yang diuji
Cara
pengujian

Konsultasi

Menceklist gejala pada form


konsultasi :

169

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

1.

Hasil yang
diharapkan

mati rasa di daerah


tertentu
2. perubahan mental dan
suasana hati
3. pembengkaka
n tungkai,kaki
atau pergel
4. kejang
5. gemetar tangan
6. mual dan muntah
sering berkemih (kencing) d
malam hari
: Tampil pada form hasil

3.Revisi Kasus Baru


4.3 Hasil Permintaan Respon Pengguna
Pengujian terakhir dilakukan terhadap pengguna
aplikasi yaitu pengujung dalam hal ini diwakili oleh
masyarakat umum dan satu orang dokter. Permintaan
respon dilakukan dengan membagikan kuisoner
kepada 20 orang responden, pembagian kuisoner
dilakukan dalam rentang waktu 3 hari yaitu antara
tanggal
20-22
November
2 0 1 3 . berikut ini dalah hasil rekapitulasi kuisoner
dan hasil perhitungan nilai keputusannya :
4.3.1 REKAPITULASI HASIL KUESIONER
TABEL HASIL PERHITUNGAN
KUEISONER
Respon pengguna terhadap sistem pakar
diagnosa
awal penyakit ginjal
ALTERNA
TIF
(POINT
PERTANY
AAN)

NILAI
ALTER
NATIF
KEPUT
USAN

KRITERIA

SS

SE

AS

A1

12

91

A2

79

A3

14

A4

12

91

A5

13

90

A6

10

A7

11

91

A8

11

91

A9

A10

11

98

78

BOBOT

KNSI 2014

KS

TS

94

74

81
89

22

4.36

5.Kesimpulan
Secara
luas
skripsi
ini
menggambarkan
pengembangkan sistem pakar untuk diagnosa
awalpenyakit ginjal. Sasaran pengguna sistem pakar ini
adalah masyarakat umum atau pekerja media lain
kecuali dokter. Berdasarkan implementasi dan
pengujian yang telah dilakukan sebelumnya dapat ditarik
kesimpulan sebagai berikut :
1. Sistem pakar ini sangat bermanfaat bagi
masyarakat dan para medis karena dapat
digunakan sebagai sumber informasi alternatif dalam
mendiagnosa penyakit ginjal (diagnosa awal) dan
dapat memberikan solusi pencegahan atau
penanganannya, hal ini didasarkan pada hasil
perhitungan kuisoner dimana dalam hasil tersebut
diperoleh skor 4.36 dengan kategori sangat baik.
2. Sistem pakar ini dapat menerapkan metode Cased
Base Reasoning (CBR ) dan Forward Chaining
untuk menentukan kemiripan gejala tiap tiap
kasus sehingga dapat digunakan sebagai acuan
pengambilan keputusan diagnosa awal penyaki ginjal,
kesimpulan ini didasarkan pada hasil pengujian .
DAFTAR PUSTAKA
[1] Hartati Sri dan Mulyana Sri .2009.Tinjauan
Singkat Perkembangan Case Based
Reasoning.Seminar Nasional Informatika ISSN
:1997-2328
UPN
Veteran Yogyakarta
Kusrini.(2008).Menentukan
Faktor
Kepastian
Pengguna
dengan
Metode
Kuantifikasi Pertanyaan. Diambil tanggal 28
September
2013,
dari
http://books.google.co.id/books?id=eVLpM
Ioxq8IC&pg=PA3& dq=si stem+pakar&hl =i
d&sa=X&ei=a1 HsUeKOY L8rAfP64GwDA &sqi =2&redi r esc=y#
v=onepage&q=sistem%20pakar&f=fal se .
[2] M.
Sallahudin
dan
Rossa
A.S.2013.Rekayasa Perangkat Lunak
Terstruktur
dan
Berorentasi
Objek. Informati ka : Bandung
[3] OCallaghan, Chris.2009.At a Glance
Sistem Ginjal edisi ke dua.Penerbit
Erlangga: Jakarta.
[4] ________ , Diambil tanggal 1 Oktober
2013, dari
http://medicastore.com/index.php?mod=pe nyakit
search&selSub=9&inpNamaPenyak

170

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-33
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN VENDOR DENGAN
METODE ANP DAN TOPSIS
Farindika Metandi1, Sri Hartati2
1 Jurusan Teknologi Informasi, Politeknik Negeri Samarinda, Jl. DR. Ciptomangunkusumo, Kampus Gunung
Li pan, Samari nda Seberang, Samari nda, Kalimantan Ti mur, Indonesia (75131)
2 Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM, Gedung S2/S3 Lt.4 FMIPA UGM, Sekip Utara
Bulaksumur, Yogyakarta (55281)
1 farindika@gmail.com , 2 shartati@ugm.ac.id

Abstrak
Penyedi a layanan Manufacturing, Fabrication dan General Machining adal ah perusahaan penyedi a j asa repair komponen
spare parts yang di kenal j uga dengan vendor. PT. Komatsu Remanufacturi ng Asia (K RA) bekerj a sama dengan sej uml
ah vendor di dal am kegi atan repair komponen spare parts. Keputusan untuk memi li h vendor yang sesuai dengan kriteria
yang dibutuhkan dengan kualitas dan waktu yang telah ditentukan bukanlah suatu pekerj aan yang mudah. U ntuk membantu
penentuan urutan vendor untuk di pi li h dari sej uml ah vendor yang layak dan sesuai kriteria yang diinginkan oleh perusahaan
maka dibutuhkan suatu sistem pendukung keputusan. Sistem pendukung keputusan pemi li han penyedia layanan Manufacturing,
Fabrication dan General Machining menggunakan metode ANP dan TOPSIS. Metode ANP digunakan untuk
menentukan bobot kriteria menurut pengambil keputusan dan metode TOPSIS kemudian digunakan untuk menentukan
peringkat dari penyedia layanan. Perancangan sistem menggunakan DFD sebagai pedoman untuk mengimplementasikan ke dalam
sebuah perangkat l unak. Si stem bersifat stand alone, di bangun dengan menggunakan bahasa pemrograman Java sebagai interaksi
antarmuka dan dan untuk perancangan basis data menggunakan MySQL. Hasil dari penelitian adalah suatu aplikasi yang
digunakan untuk pemilihan penyedia layanan berdasarkan kriteria kriteria yang telah ditetapkan. Hasil dari pengujian pada
aplikasi dapat memberikan urutan penyedia layanan yang dapat digunakan sebagai rekomendasi bagi pengambil keputusan
dalam memilih penyedia layanan untuk kegi atan repair komponen spare parts.
Kata kunci : DSS, Analytic Network Process, ANP, TOPSIS

1. Pendahuluan
Peningkatan aktivitas pertambangan dan
perkebunan di Kalimantan Timur menyebabkan
bertambahnya populasi unit alat berat yang bekerja di berbagai
pertambangan dan perkebunan.
Berdasarkan data produksi repair mili k
PT.KRA diketahui bahwa peningkatan jumlah unit alat
berat di Kalimantan Timur berpengaruh pada
peningkatan jumlah komponen - komponen yang
memerlukan proses perbaikan tiap tahunnya. Pada PT.
KRA kegiatan kegiatan perbaikan dilakukan pada
divisi Machining tepatnya pada Department
Machining Fabrication dan Maintenance Facility.
Namun tetapi karena keterbatasan sumber daya seperti
sumber daya lahan dan sumber daya produksi pada
Departement Machining
Fabrication
dan
Maintenance Facility maka pertambahan j uml ah
komponen yang umumnya berukuran sangat besar dan
dalam jumlah yang banyak serta harus di Repair terkadang
mel ebi hi kapasitas inhouse produksi yang mampu
disediakan oleh PT. KRA sehingga jika situasi
seperti ini terjadi maka PT. KRA akan mengiri
mkan komponen tersebut ke perusahaan penyedi a l ayanan
KNSI 2014

Manufacturing,
Fabrication
dan
General
Machining (outhouse). Saat ini Departement Machining
Fabrication dan Maintenance Facility tidak
memiliki suatu sistem yang dapat membantu para
pengambil keputusan untuk menentukan ke penyedia
layanan mana parts yang akan di repair dikirimkan
sehingga dibutuhkan suatu sistem pendukung
keputusan untuk membantu dan mempercepat
pengambilan keputusan oleh pengambil keputusan
didalam menentukan penyedia layanan untuk melakukan
repair komponen spare parts tersebut.
Proses pemilihan ini harus memperhatikan
sejumlah kriteria seperti quality, delivery, cost,
production capacities dan facility, dan experience
dari setiap penyedia layanan. Perlu ditekankan bahwa
sejumlah kriteria didalam proses pemilihan penyedia layanan
Manufacturing,
Fabrication
dan
General
Machining memiliki keterkaitan yang perlu untuk di
pertimbangkan sehi ngga metode konvensional dengan
hierarki dianggap tidak mencukupi untuk menangani
pengaruh interdependence antar kriteria.
Mencari penyedia layanan yang sempurna adalah hal yang
rumit [4]. Sebagai contoh, sebuah penyedia layanan

171

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mampu memberikan kualitas layanan yang ti nggi akan


tetapi biaya l ayanan bukanlah bi aya yang terendah. Pada
sisi lain penyedia layanan lainnya menawarkan biaya
terendah di mana hal ini sangat baik bagi perusahaan
tetapi performa delivery dari penyedia layanan ini
termasuk yang terburuk. Dari contoh ini, untuk
membantu perusahaan didalam menentukan penyedia
layanan terbaik maka proses pemilihan harus ditangani
secara sistematis dengan harus memperhati kan
pengaruh interdependence antar kriteria.
Berdasarkan per masal ahan yang di hadapi , maka di
perl ukan sebuah si stem pendukung keputusan yang mampu
menangani pengaruh interdependence antar kriteria di dal
am proses pemilihan penyedia layanan Manufacturing,
Fabrication dan General Machining. Oleh karena
itu pada penelitian ini penulis menggunakan
metode Analytic Network Process (A NP) yang di
kombi nasi kan dengan Technique for Order
Preference by Similarity to Ideal Solution
(TOPSIS) untuk memberikan rekomendasi urutan
penyedi a layanan Manufacturing, Fabrication dan
General Machining. Pemilihan metode A N P
dikarenakan ANP adalah metode yang mampu
merepresentasi kan tingkat kepentingan berbagai pi
hak dengan memperti mbangkan sal i ng keterkaitan antar
kriteria dan sub kriteria yang ada [5]. Selain itu ANP
juga mampu menangani kedua kriteria
kuantitatif dan kualitatif dan memberikan hasil yang
lebih realistis dalam proses pemilihan vendor [2].
Sementara
pemilihan
metode
TOPSIS
dikarenakan TOPSIS adalah salah satu teknik multi atri
bute decision making yang bersifat langsung dan mudah
diterapkan [1].
Pada penelitian ini ANP digunakan untuk
menentukan bobot kriteria menurut pengambil
keputusan dan metode TOPSIS kemudi an di gunakan untuk
menentukan peringkat dari penyedia layanan
Manufacturing, Fabrication dan General Machining.
Dengan menggabungkan metode ini diharapkan
dapat memperoleh urutan penyedia layanan
Manufacturing, Fabrication dan General Machining
sesuai dengan masalah yang di hadapi.
2. Metode Penelitian
Al ur proses si stem pada penel iti an ini adalah di
mulai dari pengolahan data input menjadi i nfor masi yang
berguna bagi pihak perusahaan terutama bagi inspektor
selaku pengambil keputusan. Proses tersebut
meliputi tahapan seperti ditunjukan pada Gambar 1.
Diawali dengan menentukan kriteria kritera yang di
perl ukan di dal am pemi l i han penyedi a layanan
Manufacturing,
Fabrication
dan General
Machining untuk kegiatan repair komponen spare
part alat berat. Setelah memperoleh kriteria yang di
perlukan kemudian menentukan hubungan
pengaruh interdependence antara kriteria yang ada.
Sel anj utnya adal ah menghi tung bobot prioritas
kriteria
dengan
mempertimbangkan
pengaruh
interdependence antar kriteria menggunakan metode
ANP. Setelah memperoleh bobot prioritas kriteria
dengan interdependence, sel anj utnya adal ah
melakukan perangki ngan al ter nati f penyedi a l ayanan
dengan menggunakan metode TOPSIS sehi ngga
dapat diperoleh urutan rekomendasi penyedia
layanan Manufacturing, Fabrication dan General
KNSI 2014

Machining untuk kegiatan repair komponen spare


part alat berat.
Gambar 1 Tahapan proses pengambilan
keputusan

2.1 Menentukan Kriteria


Dalam menentukan urutan rekomendasi
penyedi a l ayanan Manufacturing, Fabrication dan
General Machining didasarkan pada beberapa
kriteria. Kriteria kriteria pada penelitian ini
diperoleh dari dokumen penilai penyedia layanan milik
Departement Machining Fabrication dan
Maintenance Facility. Kriteria kriteria
yang digunakan pada peneli ti an ini adalah Kual itas
produk (KT1 ), Pengal aman bi sni s (KT2),
Kemampuan sumber daya manusia (KT3), Biaya
layanan (KT4), Jangka waktu pembayaran tagihan
(KT5), Delivery lead time (KT 6), Machine
Capacity and Capability (KT7), Sarana
teknologi komunikasi (KT8), Corrective and
preventive control system (KT9), A.ssesment
quality (KT 10), Warranties and claims (KT 11),
Receiving inspection (KT12).

Gambar 1 Tahapan proses pengambilan keputusan

2.2 Menentukan Hubungan Pengaruh


Interdependence Antar Kriteria
Setelah dilakukan penentuan kriteria kriteria
pemi l i han penyedi a l ayanan Manufacturing,
Fabrication, dan General Machining, selanj utnya
kriteria kriteria tersebut dibentuk menjadi sebuah
model network seperti pada Gambar 2 untuk
mengi denti f i kasi hubungan hubungan yang sal i ng
mempengaruhi.

Gambar 2 Model Network ANP


2.3 Menghitung Bobot Prioritas
Kriteria dengan Interdependence
Untuk mengatasi hubungan interdependensi antar
kri teri a dal am pengambi l an keputusan tersebut, Saaty
mengembangkan metode ANP [6]. Pada penelitian
ini akan digunakan operasi manipulasi matriks
berdasarkan konsep milik Saaty dan Takizawa
(1986) untuk menggantikan operasi manipulasi
supermatriks milik Saaty karena terbukti lebih mudah
untuk dipahami didalam kaitannya dengan
perhitungan bobot kriteria dengan ANP [3,7,9].

172

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Secara umum langkah utama dalam proses


perhitungan bobot kriteria dengan ANP adalah
sebagai berikut [3,7,9]:
Tahap 1
Tanpa mengasumsikan ketergantungan antar kriteria,
pengambil keputusan diminta untuk mengevaluasi
seluruh kriteria secara berpasangan. Pengambil
keputusan perlu menjawab pertanyaan seperti:
kriteria mana yang lebih harus diperhatikan
didalam
memilih penyedia layanan, dan seberapa besar?
respon yang diberikan berbentuk numerik diskala
dengan basis Saaty 1 9. Setiap pasang kriteria hanya
dibandingkan sekali. Nilai resiprokal akan secara
otomatis diberikan pada perbandingan yang
berkebalikan. Setelah perbandingan berpasangan
selesai dilakukan vektor prioritas lokal (w1) akan
dihitung sebagai solusi yang unik untuk persamaan (1).
A.w1 = max.w1
(1)
Vektor prioritas lokal (w1) yang diperoleh kemudian
akan dinormalisasi dengan membagi setiap nilai
vektor priori tas l okal (w1) dengan total j uml ah vektor
prioritas lokal (w1) untuk memperoleh vektor
prioritas lokal (w2) ternormalisasi.
Tahap 2
Berikutnya
untuk
mengetahui
pengaruh
interdependence yang ada antar kri teri a eval uasi
maka pengambil keputusan memeriksa pengaruh dari
seluruh kriteria ke kriteria lainnya dengan
menggunakan perbandi ngan berpasangan. Contoh
pertanyaan yang diberikan seperti kriteria
yang
mana yang akan lebih mempengaruhi kriteria 1?
Kriteria 2 atau kriteria 3? Dan seberapa besar?.
Sejumlah perbandingan berpasangan akan dilakukan untuk
setiap kriteria. Perbandingan berpasangan ini dibutuhkan
untuk mengidentifikasi pengaruh relatif dari
hubungan ketergantungan antar kriteria. Prinsipal
eigenvektor ternormalisasi untuk matriks matriks ini
akan dihitung dan ditampilkan sebagai komponen
kolom
dalam
matriks
bobot
pengaruh
interdependence pada kriteria B, dimana nilai nol
diberikan ke bobot eigenvektor pada kriteria yang tidak
memiliki ketergantungan.
Tahap 3
Sekarang kita bisa memperoleh bobot prioritas kri
teri a dengan interdependence dengan mensi ntesi s hasil
dari 2 tahap sebelumnya dengan menggunakan persamaan
(2):
Wc = B.w2
2.4 Perangkingan Alternatif
Setelah memperoleh bobot prioritas kriteria
dengan interdependence dari proses A NP, maka
selanjutnya adalah melakukan perangkingan
alternatif dengan menggunakan metode TOPSIS.
Hasil dari perhitungan ANP yang berupa bobot
prioritas kritria dengan interdependence akan
digunakan untuk memperoleh matriks keputusan
ternormal i sasi terbobot.
Pada proses i ni berdasarkan data yang di peroleh
diketahui bahwa seluruh kriteria merupakan kriteria
KNSI 2014

(2)

benefit. Administrator menginputkan penilaian


terhadap seluruh alternatif penyedia layanan untuk setiap
kriteria dengan menggunakan bilangan tegas, sesuai
dengan model data masukan yang digunakan pada
dokumen penilaian penyedia layanan milik PT.K
RA.
Adapun langkah perhitungan TOPSIS adalah
sebagai berikut:
a. M embuat matri ks keputusan yang ternormal i sasi
menggunakan persamaan (3).
TOPSIS membutuhkan rating kinerja setiap
alternatif pada setiap kriteria yang ternormalisasi.
Rating kinerja tersebut melalui proses normalisasi, agar
terjadi kesamaan skala pengukuran terhadap sejumlah
indikator (nilai masukan yang diinisialisasi pada matriks
berada pada skala 0 hingga 1). Adapun untuk
membuat
matriks
keputusan
yang
ternormalisasi maka setiap elemen dalam matriks akan
dikalkulasi menggunakan persamaan (3).

b.

M embuat matri ks keputusan yang ternormal i sasi


terbobot menggunakan persamaan (4).
Hasil pembobotan kriteria dengan metode ANP
(Wc) yang telah dibahas sebelumnya akan digunakan
sebagai bobot pada tahap i ni. M atri ks keputusan
ternormalisasi terbobot (V) dihitung dengan
mengalikan nilai pada tiap alternatif pada matriks
ternormalisasi (rij) dengan bobot masing masing kri
teri a (Wc) seperti yang di tunj ukan pada persamaan (8)
vij =

j * rij

(4)

c.

Menentukan solusi ideal positif dan solusi ideal


negatif dengan persamaan (5) dan (6)
Penentuan solusi ideal positif (Sj +) dan solusi
ideal negatif (Sj - ) dipengaruhi oleh sifat kriteria
apakah benefit atau cost akan tetapi pada penelitian ini
seluruh kriteria dianggap bersifat benefit hal ini sesuai
dengan dokumen penilaian penyedia layanan dan
kesepakatan
dengan
manajer
Department
Machining Fabrication dan Maintenance
Facility PT. KRA. Solusi ideal positif (Sj + )
diperoleh
menggunakan persamaan (5) dan solusi ideal negatif (Sj)di peroleh menggunakan persamaan (6)
Sj + = {maksiVij, jika k adalah kriteria
miniVij, jika
k adalah kriteria
= (V1+, V2+,... Vn+) (5)
Sj = {miniVij, jika k adalah kriteria
maksiVij, jika k adalah kriteria
= (V1,
V2,... Vn) (6)
d. Menentukan jarak antara setiap alternatif dengan
solusi ideal positif dan solusi ideal negatif
dengan persamaan (7) dan (8)
Jarak setiap alternatif dari solusi ideal positif (Sj+)
dirumuskan dengan persamaan (7) dan jarak setiap
alternatif dari solusi ideal negatif (Sj-) dirumuskan
menggunakan persamaan (8).

173

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

+ = ~1
(
+
)2
(7)
= ~1
(

)2
(8)
e. Menghitung nilai closeness coefficient yang
merupakan nilai preferensi untuk setiap alternatif
dengan persamaan (9).
Tahap akhir dari TOPSIS adalah mencari nilai
closeness coefficient yang merupakan ni lai preferensi
untuk setiap alternatif. Nilai closeness coefficient
diperoleh dari nilai jarak setiap alternatif dari solusi
ideal negatif (Di-) dibagi dengan penjumlahan nilai
jarak setiap alternatif dari solusi ideal negatif (Di-) dan
solusi ideal positif (Di+) seperti yang diberikan pada
persamaan (13)

=
+
(9)
+
f. Mengurutkan ni lai closeness coefficient
3. Diagram Konteks DFD
Diagram konteks merupakan gambaran aplikasi
secara umum keseluruhan SPK pemilihan penyedia
layanan dengan metode ANP dan TOPSIS. Ada 2
eksternal entitas yang digambarkan pada diagram ini, yaitu:
admin dan Inspektor. Admin menginputkan data
master (pengguna, kriteria, penyedia layanan, dan
penilaian penyedia layanan). Panitia tender menginputkan
data master (berkas, kriteria berkas, nilai kepentingan
antar kriteria, relasi pengaruh interdependence antar
kriteria, dan nilai pengaruh interdependence antar
kriteria). Dari sistem, admin notifikasi proses login
admin. Panitia tender akan menerima notifikasi
proses login inspektor dan laporan rekomendasi
urutan alternatif. Diagram konteks terdapat pada
Gambar 3.

Gambar 3 Diagram konteks SPK pemilihan


penyedia layanan

Tabel 1 Bobot prioritas kriteria dengan


interdependence
Kriteria
Bobot Kriteria
dengan Interdependence
KT1
KT2
KT3
KT4
KT5
KT6
KT7
KT8
KT9
KT10
KT11
KT12

0,2119
0,2011
0,0363
0,1329
0,1430
0,0919
0,0465
0,0551
0,0161
0,0244
0,0042
0,0366

Bobot pada Tabel 1 akan di gunakan pada l angkah ke 2


dalam proses pengurutan alternati f dengan TOPSIS. Hasil
pengurutan alternatif perusahaan penyedia layanan
Manufacturing, Fabrication dan General
Machining dengan TOPSIS dapat di li hat pada Tabel 2.
Tabel 2 Rangking closeness coefficient penyedia
layanan
Closeness
Peringkat
Penyedia Layanan
Coefficient
PT. SSC-WORKS
1
0.5662
2
3
4
5

PT. ICHTIAR TEKNIK


UTAMA
PT. TJOKRO
BA L IK PA PA N IN DO
PT. HAREDA REKATAMA
CV. BUMI INTAN GEM
ILANG

0.5273
0.3964
0.3798
0.3763

4.2 Pengujian hasil perhitungan ANP dan


TOPSIS Antara Cara Manual dengan
Hasil Perhitungan Sistem
Menguji sistem yang telah dikembangkan
dengan menelusuri aturan pemodelan ANP dan
TOPSIS serta mengevaluasi hasil yang diberikan oleh
sistem apakah sesuai dengan yang diharapkan. Eval
uasi dari sistem dengan cara membandi ngkan hasil
yang diberikan oleh system yang dibangun dengan
hasil yang diperoleh dari perhitungan manual untuk
perhitungan ANP dan TOPSIS. Jika hasilnya tidak
sesuai maka perlu dilakukan perbaikan yang
diperlukan pada kegiatan yang ada pada tahap
analysis dan perancangan sistem maupun perbaikan
pada tahap implementasi. Hasil pengujian
menunjukan perhitungan yang diberikan oleh sistem telah
menghasilkan nilai yang serupa dengan proses perhitungan
secara manual.

4. Hasil dan Pembahasan


4.1 Hasil Perhitungan Bobot Prioritas Kriteria
dengan Interdependence dan
Pengurutan Alternatif
Berdasarkan langkah langkah ANP maka diperoleh
bobot kriteri a dengan interdependence yang
di berikan pada tabel 1.

KNSI 2014

4.3 Pengujian Pengurutan Vendor Antara


Metode ANP TOPSIS dengan
Pengurutan Menggunakan Dokumen
Penilaian Vendor.
Hasil pengurutan yang diberikan antara
penggunaan metode ANP-TOPSIS dengan Dokumen
penilaian vendor berbeda. Perbedaan yang terjadi
pada hasil pengurutan penyedia layanan

174

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

manufacturing, fabrication, dan general machining


menggunakan metode ANP-TOPSIS dan dokumen
penilaian penyedia layanan adalah karena pada
metode ANP setiap kriteria perlu diketahui prioritas
kepentingannya dan prioritas pengaruh kriteria
tersebut terhadap kriteria lainnya, serta pemanfaatan metode
TOPSIS yang menekankan bahwa alternatif yang dipilih
memiliki jarak terdekat dengan solusi ideal positif dan
yang terjauh dari solusi ideal negatif.
Hasil pengujian ini telah menunjukan bahwa
sistem yang telah dibangun ini telah melakukan
proses sesuai dengan tahapan metode ANP untuk
memperoleh bobot prioritas kriteria dengan
interdependence dan tahapan metode TOPSIS untuk
memperol eh urutan penyedi a l ayanan manufacturing,
fabrication, dan general machining. Hasil yang
diberikan oleh sistem dapat dikatakan lebih baik
dibandingkan hasil yang diberikan oleh pengurutan
jumlah nilai pada dokumen penilaian penyedia
layanan, karena pemanfaatan metode ANP dan
TOPSIS mampu menangani kepentingan dan saling
keterkaitan antar kriteria serta mampu memberikan
altenatif penyedia layanan yang memiliki jarak
terdekat dengan solusi ideal positif dan yang terjauh dari
solusi ideal negatif.
4.4 Pengujian Pengurutan Vendor Antara
Metode ANP-TOPSIS dengan Metode
ANP.

Hasil pengurutan yang diberikan antara


penggunaan metode ANP-TOPSIS dengan Metode
ANP berbeda. Perbedaan yang terjadi dikarenakan
pemanfaatan metode TOPSIS yang digunakan pada
sistem yang dikembangkan. Metode TOPSIS
didasarkan atas perhitungan jarak antara setiap
alternatif penyedia layanan dengan solusi ideal positif dan
solusi ideal negatif. Perhitungan jarak inilah yang
menyebabkan perbedaan hasil dengan urutan yang
diberikan dengan metode ANP. Pengurutan dengan
metode ANP tidak mempertimbangkan mengenai
jarak antara setiap alternatif penyedia layanan dengan
solusi ideal. Namun hanya didasarkan atas bobot
kriteria dan hasil perbandingan berpasangan antar
alternatif untuk setiap kriteria. Dimana kemudian
untuk memperoleh urutan prioritas, maka akan dicari
limit matrik-nya.
Pengujian selanjutnya dengan menggunakan
metode ANP dibandingkan dengan metode ANP dan
TOPSIS adalah mengukur performa dari sistem yang
dikembangkan. Salah satu parameter pengukuran
performa dari sebuah sistem adalah dari segi efisiensi,
efisiensi yang dimaksud adalah seberapa banyak
kebutuhan input yang diperlukan untuk memperoleh
output dari sistem tersebut [8]. Dari kedua metode yang
di bandi ngkan i ni, akan di bandi ngkan metode yang
mana yang mampu memberikan efisiensi lebih baik
dan hasi l yang di berikan j uga akan
diperbandingkan. Efisiensi yang digunakan disini
adalah berapa jumlah perbandingan berpasangan yang
diperlukan untuk memperoleh hasil akhir
pengurutan penyedia layanan, semakin sedi kit
perbandingan berpasangan yang diperlukan, maka
KNSI 2014

semakin baik efisiensi dari sistem dengan metode


tertentu tersebut.
Hasil dari pengujian dengan menggunakan data
yang diperoleh dari PT.KRA diketahui metode ANP
dan TOPSIS memerl ukan 66 perbandi ngan
berpasangan dalam matri k perbandi ngan berpasangan
kepentingan antar kriteria dan memerlukan total 40
perbandingan berpasangan dalam matrik matrik
perbandingan berpasangan pengaruh antar kriteria milik
setiap kriteria dipengaruhi. Pada metode ANP dan
TOPSIS untuk memperoleh urutan prioritas
alternatif tidak diperlukan perbandingan antar
alternatif untuk setiap kriteria, karena pengurutan
alternatif penyedia layanan dilakukan dengan
menggunakan metode TOPSIS. Sehi ngga total
perbandi ngan berpasangan yang di perl ukan untuk 12
kriteria dan 5 alternatif dengan metode ANP dan
TOPSIS adalah 106 perbandingan berpasangan.
Berikutnya dengan menggunakan data yang
sa ma, meto d e ANP me mer lu kan j u mla h
perbandi ngan berpasangan yang sama untuk matri k
perbandingan berpasangan kepentingan antar kriteria dan
matri k matri k perbandi ngan berpasangan
pengaruh antar kriteria milik setiap kriteria
dipengaruhi. Namun untuk memperoleh hasil akhir
berupa urutan alternati f penyedi a l ayanan, maka A N P
membutuhkan perbandingan berpasangan antar
alternatif untuk setiap kriteria. Jumlah perbandingan
berpasangan antar alternatif untuk setiap kriteria adalah
120 perbandi ngan berpasangan. Sehi ngga total perbandingan
berpasangan yang diperlukan untuk 12 kriteria dan 5
alternatif dengan metode ANP adalah 226 perbandi ngan
berpasangan.
Dari pengujian yang ketiga diketahui sistem yang
dikembangkan dengan metode ANP dan TOPSIS
memiliki efisiensi yang lebih baik dibandingkan
dengan metode ANP.Karena pemanfaatan metode A
N P dan TOPSIS mampu memberi kan hasi l
pengurutan dengan jumlah perbandingan
berpasangan yang relatif lebih sedi kit (104
perbandi ngan berpasangan) di bandi ngkan dengan
pengurutan menggunakan metode ANP (224
perbandingan berpasangan), sehingga sistem yang
dikembangkan menggunakan metode ANP dan
TOPSIS mampu memberikan hasil pengurutan dalam
waktu yang lebih singkat karena jumlah
perbandingan berpasangan yang harus dilakukan ti
dak sebanyak dengan menggunakan metode A N P
5. Kesimpulan

Kesimpulan yang dapat ditarik dari hasil dan


pembahasan serta penguj ian pada sistem pendukung
kep utu san p e miliha n p en yed ia la ya nan
Manufacturing, Fabrication dan General Machining
menggunakan metode ANP dan TOPSIS adalah
sebagai beri kut:
1.

Sistem yang dikembangkan mampu memberikan


urutan penyedi a l ayanan Manufacturing,
Fabrication dan General Machining berdasarkan
atas bobot
prioritas
kriteria
dengan
interdependence dan dokumen peni laian
penyedia layanan.

175

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

2.

Hasil sistem pendukung keputusan pemilihan


penyedi a l ayanan Manufacturing, Fabrication
dan General Machining dapat dijadi kan sebagai
alternatif pengambilan keputusan bagi inspektor
pada PT. KRA.

3.

Sistem yang dikembangkan dengan metode ANP


dan TOPSIS dapat digunakan dengan jumlah
kriteria yang dapat ditentukan oleh inspektor
sendi ri, sehi ngga dapat di sesuai kan dengan
kebutuhan.
Pemanfaatan metode ANP terbukti mampu
menangani pengaruh interdependence dan
keterkaitan antar kriteria sehingga hasil
pembobotan kriteria menjadi lebih objektif dan
sesuai dengan keadaan yang sebenarnya.
Pemanfaatan
metode
TOPSIS
telah
menghilangkan banyak langkah perbandingan
berpasangan yang harus dilakukan di solusi ANP
dan memberikan hasil penilaian dalam waktu
yang lebih singkat.

4.

5.

Performance Assessment in Mobile Commerce


Development, International Conference on
Management of e-Commerce and eGovernment.Hal. 204 207

Daftar Pustaka:
[1]

Ball, S. and Korukolu, S., 2009,


Operating Sistem Selection Using Fuzzy AHP
and TOPSIS Methods, Mathematical and
Computational Applications. No.2, Vol.14,
Hal. 119 130

[2]

Bayazit, O., 2006, Use of analytic network


process in vendor selection decisions,
Benchmarking: An International Journal.
No.5, Vol.13, Hal. 566 579
Dagdeviren, M., 2010, A hybrid multi-criteria
decision-making model for personnel selection in
manufacturing systems, Journal International
Manufacturing. Vol.21, Hal. 451 460
Gencer, C. dan Gurpinar, D., 2007, Analytic
network process in supplier selection: A case
study in an electronic firm, Elsevier, Applied
Mathematical Modelling. No.31, Hal. 2475
2486
Saaty, T.L., 2004, Fundamentals of the analytic
network process dependence and feedback in
decision-making with a single Network,
RWS Publications, Pittsburgh
Decisionmaking
Saaty, T.L., 1996,
with
dependence and feedback: the analytic network
process, RWS Publications, Pittsburgh.
Shyur, H.J., 2006, COTS evaluation using
modified
T OPSIS
and
ANP,
Applied
Mathematics
and
Computation. No.177, Hal. 251 259
Turban, E., Aronson, J. E., dan Liang, T.P., 2005,
Decision Support Sistems and Intelligent
Sistems, Edisi Bahasa Indonesia jilid 1,
diterjemahkan oleh: Dwi Prabantini, Penerbit
ANDI, Yogyakarta
Wei, Liu., 2011, The Hybrid MCDM Model for

[3]

[4]

[5]

[6]

[7]

[8]

[9]

KNSI 2014

176

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-34

Sistem Pendeteksi Getaran Gempa Berbasis Mikrokontroler


(Studi Kasus pada Gedung STMIK Parna Raya Manado)
Hasanuddin Sirait
e-Mail : hsirait@parnaraya.ac. id, hmpsirait@yahoo.com
Program Studi Teknik Informatika STMIK Parna Raya Manado

ABSTRAK
Sistem pendeteksi getaran gempa menggunakan mikrokontroler dan alarm pada STMIK Parna Raya Manado.
Penelitian ini bertujuan (1) Mejadikan alarm sebagai peringatan akan kekuatan gempa; (2) Membantu
pengguna lebih cepat mengetahui besarnya kekuatan gempa. Penelitian ini dilaksanakan pada Gedung Kampus
STMIK Parna Raya Manado, metode yang yang dilakukan dalam penelitian ini adalah metode observasi,
studi literatur dan penelitian laboratorium guna untuk pengambilan data yang terdiri dari struktur
bangunan kampus, letak penempatan alat, jarak alat dengan tempat keramaian dan jenis-jenis bunyi
alarm. Sensor yang digunakan adalah sensor LTDV (Linear Variable Differential Transformer) merupakan
sensor yang mampu mendeteksi getaran dengan cepat, karena sensor LVDT bersifat peka terhadap
perubahan posisi dan jenis getaran dan langsung mengirim sinyal pada LCD untuk menampilkan jenis
frekuensi getaran yang terjadi. Adanya alat pendeteksi getaran gempa ini dapat lebih dini dapat mendeteksi
frekuensi getaran gempa yang dapat dilihat pada tampilan LCD. Sistem pengontrolan ini menggunakan
mikrokotroller AT89S51 sebagai instruksi pada pemrograman Assembly. Sistem pendeteksian gempa
tersebut setelah dilakukan pengujian akan memberikan respon frekuensi getar 2 detik setelah terjadi
gempa. Dengan demikian pendeteksian disebutkan sistem peringatan dini pada manusia yang berada di
gedung yang tinggi dan daerah rawan akibat gempa.
Kata Kunci : Gem pa, Alarm, Mikrokontroler AT89S51, Sensor LTDV, LCD
1. PENDAHULUAN
1.1. Latar Belakang
Teknologi merupakan sesuatu yang sangat lekat
pada setiap kehidupan dengan perkembangan zaman
teknologi juga mengalami perkembangan
yang sangat cepat, karena itu dituntut eksistensi
teknologi komputer dalam berbagai bidang
contohnya bidang pendidikan, pemerintahan,
penanggulangan bencana alam, dll.
Indonesia termasuk salah satu negara yang rawan
akan bencana alam misalnya gempa bumi dan
sumber gempa kebanyakan terdapat di dasar
laut.Gempa bumi merupakan getaran yang terjadi
dipermukaan bumi. Ada 3 jenis gempa bumi yang
biasanya terjadi di Indonesia, yaitu :
1. Gempa vulkanik yang terjadi akibat letusan
gunung berapi.
2. Gempa runtuhan yang biasanya terjadi di
daerah yang terdapat rongga-rongga di
bawah tanah seperti daerah pertambangan.
KNSI 2014

3.

Gempa tektonik marupakan gempa bumi


yang terjadi karena adanya pergeserann
antara
lempenglempeng tektonik yang berada jauh dibawah
permukaan bumi yang meliputi seluruh
gempa bumi. Gempa bumi terjadi setiap
hari dengan berskala kecil namun
dapat memicu terjadinya gempa
berskala besar yang
kemungkinan
terjadi sesudah
gempa ektonik.Akibat
terjadinya gempa dem ikian diperlukan
suatu alat yang dapat mendeteksi
getarannya, aplikasi ini dapat dipakai
pada gedung perkantoran maupun di
sekolahsehingga
pemakaiannya
dipersiapkan 24 jam.

Gempa bumi sangatlah merugikan secara


langsung, misalnyasaat terjadi tsunami d i Aceh
p ada tanggal 26 desember 2004 yang
mengakibatkan kerugian yang sangat fatal karena
keterlambatan informasi yang diperoleh. gempa yang
berkekuatan lebih dari 7-8 skala richter akan

177

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

berpotensi terjadinya tsunami. Karena itu penulis


berkeinginan untuk membuat alat pengukur gempa
menggunakan skala frekuensi di gedung STMIK Parna
Raya Manado, untuk mengantisipasi kemungkinan
terburuk saat terjadinya gem pa.
1.2. Rumusan Masalah
1. Bagaimana merancang sistem pendeteksi
gempa
dengan menggunakan
mikrokontroler pada STMIK Parna Raya
Manado?
2. Bagaimana
sistem penetapan frekuensi
skala berbahaya pada getaran gempa?
1.3. Tujuan Penelitian
1. Mejadikan
alarmsebagai peringatan
akan kekuatan gempa dan;
2 . Membantu pengguna lebih cepat mengetahui
besarnya kekuatan gempa;
1.4. Manfaat Penelitian
1. Agar lebih mudah mengetahui kekuatan
dari gempa tersebut sehingga dapat
mengantisipasi
halhal
terburuk
yang
mungkin bisa terjadi kapan saja khususnya
di kampus Parna Raya Manado. Dapat dengan
mudah mengetahui jenis dan frekuensi getaran
gempa melalui bunyi alarm.

3. METODOLOGI PENELITIAN
3.1. Metode Penelitian
Pada panelitian ini, penulis dalam mengumpulkan
materi penelitian dengan cara sebagai berikut.
3.1.1. Metode Observasi
Metode dengan mengamati langsung objek
penelitian yaitu kampus STMIK Parna Raya
Manado untuk mengambil data-data, tempat
peletakan alat dan juga pembuatan kaki atau
dudukan untuk meletakan alat tersebut sebagai
referensi terhadap masalah yang ada

2. LANDASAN TEORI
2.1. Gempa
Gem pa adalah pergeseran tibatib a d ar i
lap i sa n
ta n a h
di
b a wa h
permukaan
bumi.Ketika pergeseran ini terjadi, timbul getaran
yang disebut gelombang seismic,gempa ke segala
arah di dalam bumi.Ketika gelombang ini mencapai
permukaan bumi, getarannya bisa merusak atau
tidak tergantung pada kekuatan sumber dan jarak
fokus, disam ping itu juga mutu bangunan dan mutu
tanah dimana bangunan berdiri.
I ndo nesia
p un
sebenar nya
merupakan negara dengan variasi intensitas
gempa menengah sampai tinggi sehingga rancang
bangun
rumah
atau
bangunan
s e p a t u t n y a memperhitungkankemungkinan itu,
oleh karena itu perancangan bangunan
sebaiknya bisa menahan beban yang terjadi akibat
getaran gempa
2.2. Sensor Getar
Sensor LVDT (Linear Variable Differential
Transformer)
merupakan
sensor
yangmampu
mendeteksi getaran dengan cepat, karena sensor LVDT
bersifat peka terhadap perubahan posisi.Hasil data yang
terdeteksi oleh sensor diperlukan untuk dikirim secara
KNSI 2014

3.1.2. Studi Literatur


Pelaksanaan studi ini diperlukan sebagai dukungan
teori yang berasal dari sejumlah buku, majalah dan
jurnal yang berkaitan Sistem pendeteksi getaran
gempa pada permukaan tanah menggunakan
mikrokontroler dan alarm, Mikrokontroler, LCD
2x16
serta
perancangan
program dengan
menggunakan Bahasa Assembler.
3.1.3. Penelitian Laboratorium
Penelitian laboratorium dilakukan pada Lab.
Mikrokontroler STMIK Parna Raya Manado pada
saat penulis menjalani magang , agar dapat
merancang, merakit rangkaian dan menguji coba
mikrokontrolerAT89S51 sehingga dapat berjalan
dengan baik sesuai dengan tujuan penelitian yang
diharapkan.
3.2 Kerangka Konseptual
Kerangka konseptual penelitian ini disusun dengan
menggunakan metode waterfall.Tahapan penelitian
ini adalah sebagai berikut :
1. Perencanaan Alat Sistem Pendeteksi Getaran
Gempa, pada tahapan ini, penulis melakukan
persiapan-persiapan yang diperlukan dalam

178

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

rangka perancangan alat. Persiapan yang


dilakukan mencakup perumusan masalah dan
studi pustaka yang dilihat berdasarkan latar
belakang permasalahan.
2. Analisa Kebutuhan Alat Sistem Pendeteksi
Getaran Gempa, tahap kedua, penulis melakukan
analisa kebutuhan alat dan bahanyang
dibutuhkan dalam pembuatan sistem Pendeteksi
Getaran Gempa.
3. Perancangan Alat Sistem Pendeteksi Getaran
Gempa, tahapan selanjutnya, penulis melakukan
perancangan
alat.
Tahapan
ini
akan
menghasilkan gambaran secara jelas mengenai
hasil akhir alat yang akan dirancang.
4. Pengujian alat Sistem Pendeteksi Getaran Gempa,
Setelah tahap pembuatan, maka tahapan
selanjutnya penulis melakukan pengujian
terhadap alat yang dirancang.
5. Hasil akhir perancangan Sistem Pendeteksi
Getaran Gempa, Setelah melalui beberapa
tahapan, maka penelitian ini menghasilkan suatu
alat yang bisa mendeteksi besarnya kekuatatan
getaran gempa yang terjadi.

Keterangan:
1. Sensor mendeteksi getaran yang masuk sesuai
dengan besar kecilnya getaran yang terjadi.
2. Driver penguat sinal berfungsi sebagai penerus
dari gataran yang masuk dari sensor agar lebih
bisa dibaca dengan baik oleh mikrokontroler.
3. Mikrokontroler disini bekerja sebagai pengatur
dari jenis-jenis getaran yang masuk mulai dari
getaran lemah, sedang dan kuat tergantung dari
getaran yang terjadi.
4. LCD menampilkan besarnya getaran yang terjadi
dalam bentuk digital berupa angka dan huruf
contohnya Vibaration:
5. Highgetaran: 109Hz.
6. Driver relay memicu tingkat kekuatan bunyi
alarm
7. Alarm sebagai tanda atau peringatan jika terjadi
suatu getaran akibat gempa bumi sesuai dengan
jenis getaran dan besarnya kekuatan getaran yang
terjadi.
4. PEMBAHASAN

3.3 Blok Diagram

KNSI 2014

4.1. Hasil Penelitian


Sistem pendeteksi getaran gempa ini, proses
pengontrolan
menggunakan
mikrokontroler
AT89S51 sebagai pusat pengontrolan dan tujuannya
adalah untuk mengetahui besarnya getaran yang
terjadi akibat dari gempa bumi. Sistem ini dikontrol
oleh mikrokontroler yang mengolah data input
menjadi proses perintah.Sistem mikrokontroler
dalam penerapannya tidak dapat berdiri sendiri
melainkan perlu adanya peralatan elektronika
lainnya, yaitu sensor getar yang fungsinya untuk
mendeteksi besarnya getaran yang dihasilkan dari
gempa bumi. Adanya sistem pendeteksi getaran
gempapada kampus STMIK Parna Raya Manado,
dapat memudahkan pihak penghuni kampus untuk
mengetahui besarnya kekuatan yang dihasilkan dari
gempa bumi agar bisa mengantisipasi dan
mengetahui sejak dini akibat dari gempa bumi.

179

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

2. Pengujian programmable peripheral interface


(PPI) 8255 engetahui hasil-hasil kerja dari
terpisah, antara
3. Pengujian sistem keseluruhan

4.2. Perancangan Aplikasi Alat


Perancangan alat akan terdiri dari perancangan
perangkat keras (hardware) dan perancangan
perangkat lunak (software). Dalam perancangan
perangkat keras akan diuraikan berbagai parameter
komponen yang menunjang kerja sistem, dimana
pada pembuatan sistem digunakan mikrokontroler,
rangkaian catu daya, rangkaian sensor, rangkaian
driver, sedangkan software yang digunakan adalah
assembly. Fungsi masing-masing komponen:
1. Mikrokontroler berfungsi sebagai pusat
pengendali sistem
2. Driver berfungsi sebagai on/offalarm
3. Sensor berfungsi mendeteksi adanya signal getar
4. LCD sebagai indicator getar Perancangan alat ini
dibuat sesuai dengan blok diagram sistem pada
gambar 4.2
4.3. Minimum Sistem DT DT-51
Rangkaian minimum sistem DT 51 merupakan satu
kesatuan sistemyang tersusun dari berbagai
parameter antara lain: CPU, memori dan perangkat
I/O. Setiap bagian dihubungkan dengan jalur data
bus 8 bit. Jalur data ini juga
digunakan untuk berhubungan dengan sisi luar
mikrokontroler melalui I/O ketika ekspansi memory
atau instruksi I/O. CPU (Central Processing Unit
merupakan pusat kontrol dari mikrokontroler
AT89S52 yang terdiri dari Aritmatic Logic Unit,
Accummulator dan register.Hubungan antara
parameter tersebut memiliki fungsi yang
dikendalikan secara dengan bahasa assembler sistem
DT-51 dapat dilihat pada gambar 4.7.

4.5. Hasil Pengujian Sistem:


Hasil pengujian sistem diuji berdasarkan kondisi
getaran. Kondisi getaran yang didesain terdiri dari
tiga kondisi getar jika sensor getar terdeteteksi yaitu
:
1. Getaran Lemah
2. Getaran Sedang
3. Getaran Kuat
Getaran lemah menggunakan nilai 30Hz 55Hz,
Getaran sedang 56Hz 80Hz, sedangkan getaran
kuat 81Hz 140Hz. Jika terjadi getaran ADC akan
membaca nilai tegangan dari sensor. Selanjutnya
ADC akan mengkonversi nilai analog menjadi
digital sehingga mikrokontroler mengeksekusi nilai
yang diperoleh dengan tiga kondisi yang sudah di
set.
Pengujian alat untuk getaran yang dihasikan oleh
mobil 10Hz 17Hz sementara untuk kondisi getaran
yangdihasikan oleh kontener 18Hz 27Hz oleh
karena itu penulis menaikkan standart batas bawah
getaran menjadi 30Hz agar sensor hanya dapat
membaca getaran gempa.

4.4. Pengujian Aplikasi/Alat


Mengetahui hasil implementasi sistem pendeteksi
gempa dilaksanakan secara terpi lain :
1. Pengujian mikrokontroler

KNSI 2014

180

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

atau bukan gempa sesungguhnya. Contohnya


getaran yang diakibatkan mobil melintas sehingga
mengakibatkan getaran akibat berat mobil tersebut.

Daftar Pustaka:

Kesimpulan dari pengujian yang dilakukan pada


tabel 4.5 adalah delay getaran gempa paling lama
ditampilkan pada display 0,3 detik di dapat dari
penjumlahan keseluruhan pengujian waktu delay
dibagi banyaknya pengujian.

5. KESIMPULAN DAN SARAN


5.1. Kesimpulan
1. Sistem pendeteksi getaran ini menggunakan
mikrokontroler AT89S51 melalui antar muka
port serial yang telah berhasil dibuat dan dapat
berfungsi sebagaimana yang diharapkan, sensor
dapat mendeteksi getaran dari batas bawah 30Hz
140Hz batas atas berupa skala frekuensi.
2. Perancangan alat pendeteksi getaran berbasis
mikrokontroler AT89S51 terdiri dari perangkat
keras dan perangkat lunak. Perangkat keras
meliputi mikrokontroler,sensor Getar,LCD,
Driver. Sedangkan perangkat lunak meliputi
pemrograman assembly pada mikrokontroler.
3. Rata-rata delay display frekuensi pada LCD O,3
detik dan pembagian situasi terjadinya frekuensi
getaran adalah Low (30Hz-55Hz), Middle(56Hz80Hz), High(81Hz-140Hz)
5.2. Saran
Saran yang dapat diberikan mengenai
penggunaan dan pengembangan Otomatisasi deteksi
getaranMenggunakan Mikrokontroler AT89S51
ialah Penempatan sensor pada lokasi hendaknya
sesuai dengan deteksi kondisi getaran atau gempa
karena mengingat sumber getaran bisa juga
dihasilkan oleh objek-objek lain yang ada di luar
KNSI 2014

Agung Nugroho Adi.2010. Mekatronika. Graha


Ilmu. Yogyakarta.
Aninomous.
2012.
MOBIPRESS
http://sephet.blogspot.com/201
1/06/callrecorder-v-11-fullversion-s60-v3.html. 18 januari
2012 jam 6.46
Anonimous.2012.
WIKIPEDIA.
http://id.wikipedia.org/wiki/Alar
m#Pengertian_Alarm. 18 januari 2012 jam 7.29
Ardi Winoto. 2008. Mikrokontroler AVR ATmega
8/32/16/8535 dan Pemogramannya dengan
BahasaC pada WinAVR. Informatika, Bandung
Astuti Budi. 2011. Pengantar Teknik Elektro. Graha
Ilmu.Yogyakarta
Budiharto Widodo. 2008. Bahasa Assembler.Andi.
Yogyakarta.
Daryanto. 2010, Teknik Elektronika. Satu Nusa
Studio. Jakarta
Deni
Arifianto2010.
Kamus
Komponen
Elektronika.Kawan Pustaka
Frangky Chandra.2011. Jago Elektronika. Andi.
Yogyakarta.
Hanif Al Fatta. 2009. Analisis dan Perancangan
Sistem Informasi Untuk Keunggulan Bersaing.
Yogyakarta
Heri Andrianto. 2008. Pemrograman Mikrokontroler
AVR ATMEGA16. Informatika.Bandung
Madcoms. 2008.Panduan Lengkap Untuk Teknisi
Komputer. Andi Offset. Yogyakarta.
Maman Abdurohman. 2010. Pemrograman Bahasa
Assembly. Andi Yokyakarta. Yokyakarta.
Moh.Ibnu Malik, ST et.all. 2009. Aneka Proyek
Mikrokontroler PIC16F84/A. PT Elex Media
Komputindo. Jakarta.
Paduan Akademik. 2009.Paduan Akademik STMIK
Parna Raya. STMIK Parna Raya. Manado.
Peruzella. 2008.Elektronika industri. Andi. Jakarta
Punawarman Musa. 2009.Komponenkomponen
Elektronika. Gunadarma. Jakarta.
Sampaguita Syafrezani . 2010.Tanggap Bencana
Alam Gempa Bumi. Angkasa, Bandung.
Setiawan Rachmad. 2008.Mikrokontroler MCS-51.
Graha Ilmu. Yogyakarta
Suyanto . 2007. Metode Desain Dan Analisis
Sistem. Andi. Yogyakarta
Taufiq Dwi Septian Suyadhi. 2008. Build Your Own
Line Follower Robot. Andi. Yogyakarta
Wahyono. 2008. Sistem Informasi, Konsep Dasar,.
Graha Ilmu. Jakarta

181

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-35

SISTEM PERINGATAN DINI KEBOCORAN GAS LPG PADA


REGULATOR BERBASIS MIKROKONTROLER
AVR ATMEGA 8535
HASANUDDIN SIRAIT
e-Mail : hsirait@parnaraya.ac.id, hmpsirait@yahoo.com
Program Studi Teknik Informatika STMIK Parna Raya Manado

Abstrak
Sistem Peringatan Dini Kebocoran Gas LPG Pada Regulator Berbasis Mikrokontroler AVR ATmega 8535
Tujuan dari penelitian ini yaitu merancang sistem peringatan dini kebocoran gas LPG serta memanfaatkan
mikrokontroler AVR ATmega 8535 sebagai pengolah input dari sensor dengan output pada alarm serta
menampilkan kadar gas pada LCD juga mengintruksikan exhaust fan agar gas disekitar ruangan dikeluarkan,
dengan menggunakan bahasa pemrograman yaitu bahasa C. Dengan adanya sistem peringatan dini kebocoran gas
LPG sehingga meningkatkan fakto keamanan dalam penggunaan kompor gas di ruang dapur pada khususnya
dan di rumah tangga pada umumnya serta mencegah korban jiwa akibat dari kecelakaan karena kebakaran
maupun ledakan.
Kata Kunci : Kebocoran LPG, Mikrokontroler ATmega 8535, Bahasa C, Keamanan

1. PENDAHULUAN
Perguruan tinggi saat ini mempunyai peran
penting dalam meningkatkan kesejahteraan
dan taraf hidup masyarakat sehingga para
mahasiswa
dituntut
untuk
dapat
mengimplementasikan ilmu yang di dapatnya ke
dalam dunia nyata yang dapat memberikan
sumbangan pengetahuan kepada masyarakat. Ideide yang dihasilkan diharapkan dapat menjawab
tantangan globalisasi yang demikian pesat.
Jaman sekarang ini banyak orang yang
memakai kompor gas LPG (Liquefied Petroleum
Gas) karena pengaruh dari program pemerintah
mengkonversi dari minyak tanah ke gas LPG
sebagai bahan bakar kompor yang digunakan,
meskipun kompor gas LPG memiliki kelebihan
lebih praktis penggunaannya dari kompor minyak
tanah, tetapi masih memiliki kekurangan yaitu
bahaya yang ditimbulkannya jika terjadi
kebocoran gas. Bahaya tersebut berupa ledakan
bahkan
kebakaran
yang
membahayakan
penggunanya, dari bahaya tersebut maka diperlukan
sistem peringatan dini kebocoran gas.
Diperlukan suatu alat pendeteksi dan penanda
bahaya ada kebocoran gas serta penanggulangan
kebocoran gas ini seperti exhaust fan untuk
mengeluarkan gas ke luar ruangan dan alarm sebagai
tanda kebocoran gas. Pendeteksi kebocoran gas LPG
dengan sens or TGS 2610. Sens or ini aka n
KNSI 2014

mendeteksi gas propane (C3H8) dan butane (C4H10)


yang merupakan bahan campuran utama dalam
kandungan gas LPG. Sensor ini lebih efektif jika
diletakkan di dekat sumber kebocoran, untuk itulah
sensor diletakkan di dekat regulator.
Penulis
tuangkan
dalam
sebuah
penulisan tugas akhir dengan judul Sistem
Peringatan Dini Kebocoran Gas LPG Pada
Regulator
Berbasis
Mikrokontroler
AVR
ATMega 8535.
Rumusan Masalah
Memperjelas permasalahan, maka penulis
merumuskan masalah di atas sebagai berikut :
1. Bagaimana
merancang
sebuah
sistem
peringatan kebocoran gas LPG yang
dilengkapi dengan mikrokontroler, sensor,
LCD, alarm dan exhaust fan.
2. Bagaimana menggunakan
mikrokontroler AVR ATmega 8535 sebagai media
pengelolah input dari sensor sekaligus
mengirimkan ke alarm serta ditampilkanpada
LCD
juga
mengintruksikan exhaust fan agar gas di sekitar
terbuang.
Tujuan Penelitian
Tujuan
dari

penelitian

sistem

182

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

peringatan dini kebocoran gas LPG yang


diharapkan penulis adalah :
1. Merancang sistem peringatan kebocoran gas
LPG yang dilengkapi dengan sensor,
mikrokontroller, alarm, LCD dan exhaust
fan.
2. Memanfaatkan Mikrokontroller AVR Atmega
8535 sebagai media pengelolah input dari sensor
sekaligus mengirimkan ke alarm serta
ditampilkan pada LCD juga mengintruksikan
exhaust fan agar gas di sekitar terbuang.
Kegunaan Peneitian
Penelitian ini diharapkan mempunyai
kegunaan sebagai berikut :
1. Meningkatkan faktor keamanan dalam
penggunaan kompor gas di ruangan dapur
pada khususnya dan di rumah tangga pada
umumnya.
2. Mencegah korban jiwa akibat dari
kecelakaan
karena
kebakaran
atau
ledakan.
.
Batasan Masalah
Batasan masalah pada penelitian ini adalah
sebagai berikut :
1. Komponen yang berada pada pendeteksi
kebocoran
gas
LPG
berupa
mikrokontroller, sensor, alarm, LCD 16 x 2
dan exhaust fan.
2. Sensor yang digunakan adalah tipe TGS 6210
3. Mikrokontroler yang digunakan adalah AVR
ATmega 8535.
4. Alarm yang digunakan adalah tipe 1,5 VLR4
Gas LPG
Liquefied Petroleum Gas (LPG) atau gas
petroleum cair merupakan gas hasil produksi dari
kilang minyak (Kilang BBM) dan kilang gas
sebagai hasil penyulingan minyak mentah,
berbentuk gas. Berwujud gas dalam keadaan
normal, tapi dapat di k o m pr e s i m e nj a di
ca i ra n de n ga n
menambah tekanan atau
menurunkan suhu, inilah yang kita kenal dengan
bahan bakar gas cair. Komponen utamanya adalah
gas propana (C3H8) dengan berat molekul 48.1 dan
kepadatan 1.748 kg/m 3 dan butane (C4H10)
dengan berat molekul 58.1 dan kepadatan 2.489
kg/m3 kurang lebih 99 % dan selebihnya adalah
zat pembau. LPG lebih berat dari udara dengan
berat jenis sekitar 2.01 (dibandingkan dengan
udara). Tekanan uap LPG cair dalam tabung sekitar
5.0 6.2 Kg/cm2. Perbandingan komposisi,
propana (C3H8) : butana (C4H10) = 30 : 70.
Mikrokontroler
Mikrokontroler pertamakali dikenalkan oleh
Texas Instrument dengan seri TMS 1000
KNSI 2014

pada
tahun
1974
yang
merupakan
mikrokontroler 4 bit pertama. Mikrokontroler
ini mulai dibuat sejak 1971, merupakan
mikrokomputer dalam sebuah chip, lengkap
dengan RAM dan ROM. T a h u n 1 9 7 6
Intel
mengeluarkan
mikrokontroler
yang kelak menjadi populer dengan nama
8748 yang merupakan mikrokontroler 8 bit,
yang merupakan mikrokontroler dari keluarga
MCS 48.
Mikrokontroler adalah sebuah sistem
komputer fungsional dalam sebuah chip, di
dalamnya terkandung sebuah inti prosesor,
memori (sejumlah kecil RAM, memori
program, atau keduanya), dan perlengkapan
input output.
Berikut ini beberapa tipe dari mikrokontroler :
1. Mikrokontroler ATMEL, mikrokontroler
keluaran ATMEL dapat dikatakan
sebagai
mikrokontroler
terlaris
d
termurah saat ini. Chip mikrokontroler ini
dapat diprogram menggunakan port paralel
atau serial. Mikrokontroler ini juga dapat
beroperasi hanya dengan satu chip dan
beberapa komponen dasar seperti kristal,
resistor dan kapasitor.

Tabel Beberapa Tipe Mikrokontroler


ATMEL
Type

RAM

Flash
Memory

EEPROM

8 X 128 byte

4 Kbyte

Tidak

8 X 256 byte

8 Kbyte

Tidak

AT89C55

8 X 256 byte

20
Kbyte

Tidak

AT89S53

8 X 256 byte

Tidak

Atmega8535

512 byte

12
Kbyte
8 Kbyte

AT89C51
AT89S51
AT89C52
AT89S52

512 b

Mikrokontroler AVR Atmega8535


Mi kr okontr ol er AVR (A lf and Vegard
s Risc Prosesor) standard memiliki arsitektur 8
bit, dimana semua instuksi dikemas dalam kode
16-bit, dan sebagian besar instruksi dieksekusi
dalam 1 (satu) siklus clock. AVR dapat
dikelompokan menjadi 4 kelas, yaitu keluarga
Attiny,
keluarga AT90Sxx, keluarga Atmega dan
AT86RFxx,
pada
dasarnya
yang
membedakan
masing-masing
kelas adalah
memori,
peripheral,
dan
fungsinya.
Keunggulan mikrokontroler ATmega8535 sudah
mempunyai ADC internal, harganya relatif murah,
adanya osilator internal yang membebaskan kita
dari susahnya mencari kristal osilator, unjuk

183

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

kerja tinggi, mikrokontroller 8-bit daya rendah,


arsitektur RISC yang lebih maju dan lainlain (Widodo, 2008).

Catu Daya
Catu daya yang digunakan pada tugas akhir
ini terdiri dari +12V, -0V dan +5V. Pada catu
daya +5V menggunakan trafo biasa yang
berguna untuk menurunkan tegangan AC 220V
ke AC 12V kemudian dilewatkan ke dioda
penyearah, sehingga d i h a s i l k a n s i n y a l D C
y a n g m a s i h mengandung ripple. Menghilangkan
ripple di pas a ng ka pa sit or 220 F se hi ngga
dihasilkan
tegangan
mendekati
12V,
sedangkan untuk menghasilkan tegangan 5V
dipergunakan regulator 7805 (Petruzella. 2005).
Pada catu daya 12V dipakai filter yang sama
dengan 5V hanya dibedakan pada penggunaan
regulator 7812.
Gambar Rangkaian Catu Daya 12V
Perancangan Rangkaian Liquid Crystal Display
(LCD)
Menampilkan angka dari setiap penekanan
tombol, maka dibutuhkan sebuah display untuk
menampilkannya. Pada alat ini, display yang
digunakan adalah LCD (Liquid Crystal Display) 16
x 2. Rangkaian display LCD ditunjukkan pada
gambar berikut ini:

VCC (pin 1)
Merupakan sumber tegangan +5V
GND 0V(pin 2)
Merupakan sambungan ground
VEE (pin 3)
Merupakan input tegangan Kontras LCD RS
register Select (pin 4)
Merupakan register pilihan 0 = Register
perintah, 1 = Register Data
R/W (pin 5)
Merupakan read select, 1 = Read, 0 = Write E
Enable Clock LCD (pin 6)
Merupakan masukan logika 1 setiap kali
pengiriman atau pembacaan data.
D0 D7 (pin 7 pin 14)
Merupakan Data Bus 1 7 ke port.
Anoda (pin 15)
Merupakan masukan tegangan positif
backlight.
Katoda (pin 16)
Merupakan masukan tegangan negatif
backlight.

Rangkaian minimum Mikrokontroler


ATMega 8535
Mikrokontroler tidak dapat bekerja tanpa
adanya komponen dasar pendukung,
yang terdiri dari rangkaian osilator dan
rangkaian reset. Rangkaian osilator dan
rangkaian reset. Rangkaian reset digunakan untuk
menjalankan kembali mikrokontroler ke kondisi
awal, hal ini diperuntukkan apabila terjadi
error dan tidak dapat diperbaiki dan pada saat
mikrokontroler mulai dinyalakan, sehingga
program berjalan mulai dari awal kembali atau
dalam kata lain kembali ke alamat memori 0.

Gambar Rangkaian Catu Daya 5V

Gambar Rangkaian LCD


Rangkaian ini terhubung ke PB.0 dan PB7,
yang merupakan akan pin I/O dua arah dan pin
fungsi khusus, yaitu sebagai Timer atau Counter,
komperator analog dan SPI m e m p u n y a i f u n g s i
k h u s u s s e b a g a i pengiriman data secara serial
sehingga nilai yang akan tampil pada display akan
dapat d i k e n d a l i k a n o l e h m i k r o k o n t r o l e r
ATMega8535.
Adapun
konfigurasi
dan
deskripsi dari pin-pin LCD antara lain :
KNSI 2014

Gambar Rangkaian Sistem Minimum


ATMega8535

184

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

Mikrokontroller Atmega8535 memiliki osilator


internal (on chip oscillator) yang dapat digunakan
sebagai sumber clock bagi CPU. Jika mengunakan
osilator internal diperlukan sebuah kristal antara
pin xtal-1 dan xtal-2 dan kapasitor ke-ground
seperti gambar. Untuk kristalnya dapat digunakan
frekuensi dari 0 sampai 16 MHz, sedangkan untuk
kapasitor menggunakan 33 pF. Pin xtal-1 terletak
pada pin 13, berfungsi sebagai input bagi inverting
oscillator amplifier. Pin xtal-2 terletak pada pin 12,
berfungsi sebagai output inverting oscillator
amplifier.
Perancangan Rangkaian Sensor Gas TGS2610
Sensor gas yang digunakan adalah sensor
gas yang digunakan khusus untuk mendeteksi gas
LPG ( Propana dan Butana ). Sensor gas LPG ini
berjenis TGS 2610 yang memiliki ukuran kecil dan
merupakan sensor gas jenis semi konduktor di mana
memiliki sensitifitas yang tinggi dengan
konsumsi daya rendah dan tahan lama,
karena ukurannya yang kecil, sensor tersebut butuh
arus pemanas sebesar 56 mA dan memiliki
kecepatan respon yang sangat cepat
sehingga cocok untuk pendeteksi kebocoran gas.

Gambar rangkaian sensor gas TGS 2610


Rangkaian dasar untuk aplikasi seperti Gambar.
Sensor membutuhkan dua tegangan input yaitu
tegangan pemanas (VH) sebesar 5 Volt DC dan
tegangan rangkaian (VC) yang juga sebesar 5
Volt DC. Tegangan p e m a n a s
(VH)
digunakan
untuk
mengintegrasi
agar
mempertahankan elemen sensor pada suhu tertentu.
Basis transistor ini dihubungkan ke sebuah
resistor 4k7 ohm, resistor ini berfungsi agar
arus yang dikeluarkan oleh pin1 (P1.0) cukup besar
untuk men-trigger transistor C945.
while (1)
{
// Place your code here
relay=1;
delay_ms
relay=0;

langsung ke Port 0 dari mikrokontroler yang


berfungsi mengirimkan data hasil pengolaha untuk
ditampilkan dalam bentuk alfabet dan numerik
pada LCD.
while (1)
{
// Place your code here adc
= read_adc(0);
adc=adc/255;
gas=adc*1 75;
gas=gas-1 2;
if (gas>1 30)relay=1; if
(gas<1 30)relay=0;
lcd_putsf("Sistem Runnung");
lcd_putsf("Tekanan= br");
lcd_putint(gas);
delay_ms(1 000);
lcd_clear();
};
}

Gambar Interfacing LCD


Display karakter pada LCD diatur oleh pin
EN, RS, dan RW Jalur EN dinamakan E nable.
Jal ur ini di guna ka n unt uk memberitahu
LCD bahwa Anda sedang mengirimkan sebuah
data. Mengirimkan data ke LCD, maka melalui
program EN harus dibuat low 0 dan set high 1
pada dua jalur kontrol yang lain RS dan RW.
Jalur RW adalah jalur kontrol Read / Write, ketika
RW low (0), maka informasi pada bus data akan
dituliskan pada layar LCD, ketika R W hi gh 1 ,
m a ka pr o gr a m a ka n melakukan pembacaan
memori dari LCD, sedangkan pada aplikasi
umum pin RW selalu diberi low ( 0 ).
Pengujian Sensor
Pengujian ini dilakukan dengan diberi
ransangan gas ke sensor untuk mengetahui besar
tekanan pada gas dan sumber gas yang digunakan
yaitu macis gas. Berikut ini adalah hasil
pengujian sensor gas TGS2610.

};
}

Interfacing LCD
Bagian ini hanya terdiri dari sebuah LCD dot
matriks 2 x 16 karakter yang berfungsi sebagai
tampilan hasil pengukuran dan tampilan dari
beberapa
keterangan.
LCD
dihubungkan
KNSI 2014

185

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

while (1)
{
// Place your code here adc
= read_adc(0);
adc=adc/255;
gas=adc*1 75;
gas=gas-12;
if (gas>1 30)relay=1; if (gas<1
30)relay=0;
lcd_putsf("Sistem
Runnung");
lcd_putsf("Tekanan= br");
lcd_putint(gas);
delay_ms(1 000);
lcd_clear();
};
}

Grafik ini menunjukkan bahwa dari


kosentrasi gas 0 sampai 129 ppm alarm dan exhaust
fan belum bekerja ketika kosentrasi gas mencapai
130 ppm, alarm akan berbunyi dan exhaust fan
akan berputar untuk membuang gas keluar
ruangan karena sudah terjadi kebocoran gas.

Gambar Rangkaian Alarm Ke


Mikrokontroler
Kipas Angin sebagai Pembuang Uap Gas
Pengujian rangkaian pengendali kipas dapat
dilakukan dengan memberikan tegangan
5volt dan 0 volt pada basis transistor C945.
Transistor C945 merupakan transistor jenis NPN,
transistor jenis ini akan aktif jika pada basis diberi
tegangan > 0,7 volt dan tidak aktif jika pada basis
diberi tegangan < 0,7 volt. Aktifnya transistor akan
mengaktifkan relay. Rangkaian ini relay
digunakan untuk memutuskan hubungan kipas
dengan sumber tegangan12 volt, di mana
hubungan yang digunakan adalah normally close
(NC), dengan demikian jika relay aktif maka
hubungan kipas ke sumber tegangan akin
KNSI 2014

terhubung, sebaliknya jika relay tidak aktif, maka


hubungan kipas ke sumber tegangan akan terputus.
Pengujian
dilakukan
dengan
memberikan
tegangan 5 volt pada basis transistor, jika relay aktif
dan kipas menyala, maka rangkaian ini telah
berfungsi dengan baik. Pengujian
selanjutnya
dilakukan
dengan
menghubungkan input rangkaian ini ke
mikrokontroler pada P0.7

Gambar Mikrokontroler Ke
Exhaust Fan
Penutup
Kesimpulan
Berdasarkan hasil pengujian dan analisa
terhadap alat pendeteksi kebocoran gas LPG,
maka diperoleh kesimpulan sebagai berikut :
Kemudahan pengguna alat ini juga
dilengkapi alarm, exhaust fan, dan tampilan LCD
sebagai indikator ke pihak terkait.
media
1. Mikrokontroler merupakan
pengelolah input dan alarm, exhaust fan dan
LCD merupakan output sebagai tanda
peringatan.
2. Proses pendeteksian konsentrasi gas LPG,
sensor TGS2610 memerlukan pemanasan
pada heater sensor selama kurang lebih 3
menit pada udara bebas
3. Semakin besar konsentrasi gas yang bocor
itu keluar semakin cepat sensor mendeteksi
kebocoran.
Penutup
1. Pengembangan yang lebih lanjut bisa
ditambahkan
sensor api untuk
mendeteksi adanya percikan api di daerah
sekitar LPG dan diperlukan suatu
pengaman seperti fire hydrant yang akan
mengamankan.
2. Disarankan untuk menambahkan sistem
informasi kebocoran gas melalui sms agar

186

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

kondisi gas dapat selalu terpantau secara real


time.
Refrensi

Benjamin.
2006.
Automatic
Control
System.Prenhallindo. Jakarta.
D
Arifianto.
2011.
Kamus
Komponen
Elektronika.Kawan Pustaka. Jakarta.
Moh Ibnu Malik Anis Tardi. 2009. Aneka P r o y e k
M i k r o k o nt r ol e r P I C 16F84/A. Elex
Media Komputindo. Jakarta.
Musa P. 2009. Komponen Elektronika.
Gunadarma. Jakarta
Petruzella. 2005. Elektronika Industri Andi.
Yogyakart
Prestilian jasson. 2006. Elektronika Dasar. Andi.
Yogyakarta.
Prof. Dr.Sondang P.Siagian. 2009. Sistem
Informasi Manajemen. Jakarta.
Raymond McLeod,Jr. & George.P. 2010.Shell.
Sistem
Informasi
Manajemen,
Wilmington/Texas.
Taufik

S. 2010. Buku Pintar Robotika


B a gai ma n a
Me r a nc a ng
Da n
Membuat
Robot
Sendiri.
Andi.
Yogyakarta.
Widodo B. 2007. Sistem Alarm Kebakaran dengan
Sensor Suhu dan Asap Berbasis
Mikrokonntroler A VR 8535. Elex
Media Komputindo. Jakarta.
Widodo B.2008. Panduan Praktis A VR
Atmega.Andi. Yogyakarta
Widodo B. 2009. Membuat Sendiri Robot Cerdas.
Elexmedia Komputindo. Jakarta
Widodo

B. 2010. Robotika Teori Dan


Implementasi. Andi. Yogyakart
Widodo B. 2011. Aneka Proyek
Mikrokontroler. Graha Ilmu. Yogyakarta.
Widodo B dan Togu.J. 2007. 12 Proyek Sistem
Akusisi Data. Elex. Media Komputindo.
Jakarta
Winarno dan D. Arifianto. 2011. Bikin R o b ot
Itu
Gampang.
Ka w a n
Pustaka.
Jakarta.

KNSI 2014

187

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

KNSI2014-36
PENINGKATAN KEAMANAN CLOUD COMPUTING DENGAN
METODA TERINTEGRASI INTRUSION DETECTION SYSTEM DAN
INTRUSION PREVENTION SYSTEM
Yohannes Yahya1), TW Wisjhnuadji2)
Fakultas Teknologi Informasi , Universitas Budi Luhur
Jl.Raya Ciledug ,Jakarta Selatan, 12260
Telp : (021) 5853753
E-mail : yahyabl88@yahoo.com 1), wisnoex@yahoo.com 2)

Abstrak
Cloud Computing memiliki potensi untuk menghilangkan persyaratan untuk menyiapkan infrastruktur komputasi
biaya tinggi untuk solusi dan layanan yang menggunakan industri berbasis IT . Jadi peningkatan jumlah insiden
keamanan terkait jaringan membuat perlu bagi organisasi untuk secara aktif melindungi data sensitif mereka
dengan pemasangan sistem deteksi intrusi ( IDS ) . Tujuan IDPS adalah untuk menganalisis kegiatan untuk
jaringan dan mengidentifikasi serangan . Kebanyakan Intrusion Detection Systems ( IDSS ) dirancang untuk
menangani tipe tertentu dari serangan . Jelaslah bahwa tidak ada teknik tunggal dapat menjamin perlindungan
terhadap serangan di masa depan . Oleh karena itu , dalam makalah ini kami memperkenalkan skema yang
terintegrasi yang dapat memberikan perlindungan yang kuat terhadap spektrum lengkap ancaman . Kami
mengusulkan model yang efektif dan efisien disebut sebagai Intrusion Detection Terpadu dan Prevention System
( IDPS ) yang menggabungkan kedua IDS dan IPS dalam mekanisme tunggal . Mekanisme kami juga
mengintegrasikan dua teknik yaitu Anomaly Detection ( AD ) dan Signature Detection ( SD ) yang dapat bekerja
sama untuk mendeteksi berbagai jumlah serangan dan menghentikan mereka melalui kemampuan IPS .
Kata Kunci - Cloud computing , security , public cloud , private cloud , hybrid cloud , policy

I. PENDAHULUAN
Cloud computing adalah teknologi informasi baru
dan muncul yang mengubah cara IT solusi arsitektur
yang diajukan dengan cara bergerak menuju tema
virtualisasi : penyimpanan data , jaringan lokal (
infrastruktur ) serta perangkat lunak [ 1 ] [ 2 ] . Hari
ini orang prihatin tentang Internet dan kecepatan
untuk komunikasi yang efektif dan efisien . Selain
itu, sering kali mereka membutuhkan layanan
tambahan untuk layanan warisan yang ada
disediakan oleh Internet . Layanan ini dikenal karena
beberapa jenis tugas komputasi yang disampaikan
oleh Internet Service Provider ( ISP ) .
Sistem deteksi intrusi ( IDS ) adalah hardware dan /
atau perangkat lunak mekanisme yang mendeteksi
dan log yang tidak pantas , tidak benar , atau
anomali aktivitas dan melaporkan ini untuk
penyelidikan lebih lanjut [ 3 ] . Intrusion Prevention
Systems ( IPS ) , yang mengandung fungsi IDS
tetapi sistem yang lebih canggih yang mampu
mengambil tindakan segera untuk mencegah atau
mengurangi perilaku berbahaya [ 4 ] . Dengan
demikian , konsep ini menggunakan kedua sistem : (

KNSI 2014

IDS ) dan ( IPS ) dan menyebutnya sebagai Intrusion


Detection dan Prevention System ( IDPS ) .
Selain kerja adalah pada kemajuan dengan
menggunakan salah satu ( IDS ) teknik , baik
Anomaly Detection ( AD ) atau Tanda tangan
berbasis Deteksi atau hibrida dari keduanya. ADS (
Anomaly
Detection System ) dapat digunakan untuk
mendeteksi serangan yang tidak diketahui dalam
jaringan yang berasal dari node nakal . Bahkan,
sistem tersebut dirancang untuk analisis offline
karena pemrosesan dan memori penyimpanan mahal
mereka . Di sisi lain , SD yang digunakan dalam
sistem
ini untuk mendeteksi dan mengidentifikasi secara
manual tanda tangan serangan yang dikenal sebagai
serangan dalam lalu lintas real time [ 5 ] . Oleh
karena itu , kedua metode sangat penting dalam
mendeteksi intrusi .
II. KONSEP CLOUDCOMPUTING
Cloud computing mengacu pada penyediaan sumber
daya komputasi on demand melalui jaringan
komputer (Gambar 1). Pengguna atau klien bisa

188

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

mengirimkan tugas, seperti pengolah kata, ke


penyedia layanan, seperti Google, tanpa benar-benar
memiliki perangkat lunak atau perangkat keras yang
dibutuhkan.

1)

Karakteristik penting dari Cloud Computing


meliputi
[6]:

On-demand
self-service
yang
memungkinkan
pengguna
untuk
mengkonsumsi kemampuan komputasi
(misalnya,
aplikasi,
waktu server, penyimpanan jaringan)
sebagaimana dan ketika diperlukan.
pooling sumber daya yang memungkinkan
menggabungkan
komputasi
sumber daya (misalnya, perangkat keras,
perangkat lunak, pengolahan, bandwidth
jaringan)
untuk
melayani
beberapa
konsumen - sumber daya seperti yang
ditugaskan
secara
dinamis.
elastisitas cepat dan skalabilitas yang
memungkinkan fungsi dan sumber daya
untuk dengan cepat dan secara otomatis
ditetapkan
dan
skala.
Diukur ketentuan untuk mengoptimalkan
alokasi sumber daya dan untuk menyediakan
kemampuan metering untuk menentukan
penggunaan untuk tujuan penagihan
Ekstensi untuk hardware dan aplikasi
sumber daya yang ada, dengan demikian,
mengurangi biaya penyediaan sumber daya
tambahan.
Cloud menyediakan layanan dalam berbagai
bentuk seperti yang ditunjukkan pada
Gambar 2: Software sebagai Service-SaaS
(misalnya Google Apps [7]), Platform
sebagai sebuah Layanan-PaaS (misalnya
Google App Engine [8], Microsoft Azure [9])
dan Infrastruktur sebagai Service-IaaS
(misalnya Amazon Web Service (AWS) [10],
Eucalyptus [11], Open Nebula [12]).

KNSI 2014

2)

3)

Infrastructure-as-a-service: The hosting


hardware di pusat data eksternal kadangkadang disebut sebagai infrastruktur
sebagai layanan. Dalam model ini
memungkinkan pengguna menghitung
sewa, storage, jaringan, dan sumber daya
lainnya
dalam
lingkungan
virtual.
Pengguna
tidak
mengelola
atau
mengendalikan infrastruktur awan yang
mendasari tetapi memiliki kontrol atas OS,
penyimpanan, aplikasi yang digunakan, dan
komponen jaringan mungkin tertentu.
Amazon Elastic Compute Cloud (EC2)
adalah contoh yang baik dari IaaS. Pada
tingkat infrastruktur cloud, CSP dapat
menegakkan keamanan jaringan dengan
sistem deteksi intrusi (IDS), firewall,
program antivirus, distributed denial-ofservice (DDoS), dan sebagainya.
Platform-as-a-service: layanan platform
juga disebut sebagai middleware sebagai
layanan. Cloud platform dibangun di atas
layanan infrastruktur dengan integrasi
sistem
dan
dukungan
middleware
virtualisasi. Platform seperti membiarkan
pengguna menggunakan aplikasi softwarepengguna dibangun ke infrastruktur cloud
menggunakan
bahasa
pemrograman
provider yang didukung dan perangkat
lunak (seperti Java, Python, atau. NET).
Pengguna tidak mengelola infrastruktur
awan yang mendasari. Platform populer
termasuk Google App Engine (GAE) atau
Microsoft Windows Azure. Tingkat ini
membutuhkan mengamankan kepatuhan
keamanan
menegakkan
ditetapkan,
mengelola potensi risiko, dan membangun
kepercayaan di antara semua pengguna dan
penyedia cloud.
Securing Software-as-a-service: Aplikasi
hosting kadang-kadang disebut sebagai
perangkat lunak sebagai layanan. layanan
ini menggunakan software aplikasi browser
yang diprakarsai untuk melayani ribuan
pelanggan cloud, yang tidak membuat
investasi dimuka dalam server atau lisensi
perangkat lunak. Dari sudut pandang

189

Komferensi Nasional Sistem Informasi 2014, STMIK Dipanegara Makassar 27 Pebruari 1 Maret 2014

penyedia, biaya agak rendah dibandingkan


dengan aplikasi hosting konvensional.
Layanan Software sebagai berat didorong
oleh Google, Microsoft, Salesforce.com,
dan sebagainya - mensyaratkan bahwa data
yang akan dilindungi dari kehilangan,
distorsi, atau pencurian.

III. MASALAH KEAMANAN SISTEM CLOUD


Masalah
keamanan
komputasi
awan
mengidentifikasi tujuh isu yang perlu ditangani
sebagai berikut [ 13 ] .
akses pengguna Keistimewaan - informasi yang
dikirimkan dari klien melalui Internet menimbulkan
tingkat tertentu risiko , karena masalah kepemilikan
data, perusahaan harus menghabiskan waktu untuk
mengenal penyedia mereka dan peraturan mereka
sebanyak mungkin sebelum menugaskan beberapa
aplikasi sepele pertama yang menguji air .
Regulatory compliance - klien bertanggung jawab
atas keamanan solusi mereka , karena mereka dapat
memilih antara penyedia yang memungkinkan untuk
diaudit oleh organisasi pihak ketiga yang memeriksa
tingkat keamanan dan penyedia yang tidak.
lokasi data - tergantung pada kontrak , beberapa
klien mungkin tidak pernah tahu apa negara atau apa
yurisdiksi
data
mereka
berada.
data segregasi - dienkripsi informasi dari beberapa
perusahaan dapat disimpan pada hard disk yang
sama , sehingga mekanisme untuk memisahkan data
yang
harus
dikerahkan
oleh
penyedia.
Pemulihan - setiap penyedia harus memiliki
protokol pemulihan bencana untuk melindungi data
pengguna
.
dukungan Investigasi - jika klien tersangka
aktivitas yang salah dari provider , mungkin tidak
memiliki banyak cara hukum mengejar penyelidikan
.
kelangsungan hidup jangka panjang - mengacu
pada kemampuan untuk menarik kontrak dan semua
data jika penyedia saat ini dibeli oleh perusahaan
lain . Kami akan fokus pada masalah-masalah
khusus untuk berbagai jenis serangan di awan [13]:
A. Wrapping Attack
Ketika seorang pengguna membuat permintaan dari
VM nya melalui browser, permintaan pertama yang
diarahkan ke server web. Dalam server ini, pesan
SOAP yang dihasilkan. Pesan ini berisi informasi
struktural yang akan dipertukarkan antara browser
dan server selama lewat pesan. Header SOAP harus
berisi semua informasi yang diperlukan untuk tujuan
setelah perhitungan dilakukan [13]. Untuk serangan
pembungkus, musuh tidak penipuan selama
terjemahan dari pesan SOAP di TLS (Transport
Service Layer) lapisan. Tubuh pesan digandakan dan
dikirim ke server sebagai pengguna yang sah. Server
memeriksa otentikasi dengan Nilai Tanda Tangan
(yang juga diduplikasi) dan integritas memeriksa
KNSI 2014

pesan dilakukan. Akibatnya, musuh mampu


mengganggu di awan dan dapat menjalankan kode
berbahaya untuk mengganggu fungsi biasa server
cloud [13].
B. Malware-I