PROPOSAL PROGRAM KREATIVITAS MAHASISWA

JUDUL PROGRAM:
SISTEM ANALISIS TINGKAH LAKU PELANGGAN DENGAN
EMBEDDED SYSTEM DAN REAL TIME DATA PROCESSING
MENGGUNAKAN HADOOP 2.0

BIDANG KEGIATAN:
PKM GAGASAN TERTULIS

Disusun Oleh :
Danan Arya Pradana
1306368583
Josua Geovani Pinem
1306368513
Reivin Oktavianus
1306404576

Universitas Indonesia
Depok
2016

2013
2013
2013

HALAMAN SAMPUL

PROPOSAL PROGRAM KREATIVITAS MAHASISWA

JUDUL PROGRAM:
SISTEM ANALISIS TINGKAH LAKU PELANGGAN DENGAN
EMBEDDED SYSTEM DAN REAL TIME DATA PROCESSING
MENGGUNAKAN HADOOP 2.0

BIDANG KEGIATAN:
PKM GAGASAN TERTULIS

Disusun Oleh :
Danan Arya Pradana
1306368583
Josua Geovani Pinem
1306368513
Reivin Oktavianus
1306404576

2013
2013
2013

Universitas Indonesia
Depok
2016

ii

DAFTAR ISI
Halaman
HALAMAN JUDUL .............................................................................................. i
LEMBAR PENGESAHAN .................................................................................. ii
DAFTAR ISI......................................................................................................... iii
DAFTAR GAMBAR ............................................................................................ iv
RINGKASAN ........................................................................................................ v
BAB 1. PENDAHULUAN .................................................................................... 1
1.1 Latar Belakang ........................................................................................... 1
1.2 Tujuan dan Manfaat ................................................................................... 1
BAB 2. GAGASAN ............................................................................................... 2
2.1 Konsep Terkini Terkait Sistem Analisis Retail ......................................... 2
2.2 Inovesi yang Telah Diimplementasikan ..................................................... 2
2.3 Konsep Sistem Analisis Tingkah Laku Customer ..................................... 2
2.4 Peralatan yang Digunakan ......................................................................... 4
2.4.1 Arduino UNO .............................................................................. 4
2.4.2 ESP8266 Wifi Module ................................................................ 4
2.4.3 Camera Module OV7670 ............................................................ 5
2.5 OpenCV ..................................................................................................... 5
2.6 Algoritna Fisherface .................................................................................. 5
2.7 Algiritma Background Subtraction ............................................................ 6
2.8 Hadoop 2.0 ................................................................................................. 6
2.8.1 Hadoop Cloud Computing .......................................................... 7
2.9 Alur Kerja Sistem ...................................................................................... 7
2.10 Perancangan Gagasan Alat....................................................................... 8
BAB 3. KESIMPULAN ........................................................................................ 9
DAFTAR PUSTAKA .......................................................................................... 10
LAMPIRAN ......................................................................................................... 11
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing ..................... 11
Lampiran 2. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas ........ 19
Lampiran 3. Surat Pernyataan Ketua Peneliti ................................................ 20

iii

DAFTAR GAMBAR
Gambar 1. Diagram Alir Sistem Analisis Tingkah Laku Customer ........................ 3
Gambar 2. Arduino UNO ......................................................................................... 4
Gambar 3. Wifi Module ESP8266 ........................................................................... 4
Gambar 4. Camera Module OV7670 ....................................................................... 5
Gambar 5. Contoh Algoritma Fisherface ................................................................. 6
Gambar 6. Contoh Background Subtraction ............................................................ 6
Gambar 7. Arsitektur Rancangan Prototipe ............................................................. 8

iv

RINGKASAN
Untuk memenuhi kebutuhan sehari-hari, manusia perlu untuk pergi ke luar
rumah untuk mencari kebutuhan. Pada masa prasejarah, hidup manusia
bergantung dengan sumber daya alam yang tersedia di alam liar. Seiring
perkembangan waktu, dengan dibentuknya sistem transaksi yaitu barter lalu
kemudian uang, menyebabkan sebagian besar masyarakat tidak perlu mencari
sumber daya sendiri namun dapat melakukan transaksi di sebuah toko.
Masa Modern ini, banyak sekali toko yang menyediakan berbagai
kebutuhan manusia, baik pokok, sekunder, maupun tersier. Adapula toko
serbaguna yang menyediakan semua jenis kebutuhan pokok di dalam suatu
tempat. Jenis toko tersebut sudah menjamur di masyarakat baik dalam bentuk
skala besar (supermarket) maupun skala kecil dan menengah (minimarket,
toserba). Sebuah toko menjadi jembatan antara produsen kebutuhan dengan
konsumennya.
Namun, bagi pemilik toko tentu saja memiliki berbagai kendala yang
berpengaruh baik secara ekonomi maupun faktor non-ekonomis lainnya. Banyak
toko yang akhirnya bangkrut karena kalah bersaing ataupun konsumen yang
jumlahnya sedikit. Hal ini yang membuat kami menggagas sebuah sistem analisis
untuk menganalisa tingkah laku konsumen yang datang ke sebuah toko yang
bersangkutan dengan sistem embedded dan database. Melalui algoritma pada
OpenCV, sebuah library Open Source terkait pemrosesan gambar dan video,
dapat dilakukan pengolahan video yang menghasilkan output/luaran video dengan
data yang diinginkan. Hasil output tersebut kemudian dimasukkan ke sebuah file
system yang dapat diolah menggunakan Machine Learning yang tersedia dalam
Hadoop 2.0.

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan negara dengan jumlah penduduk terbesar keempat di
dunia. Hal ini menunjukkan bahwa data yang dihasilkan dalam bentuk dijital
berbanding lurus dengan jumlah penduduknya. Data-data yang dihasilkan baik
pada bidang industri, teknologi, maupun ekonomi belum dimanfaatkan dengan
sebaik-baiknya. Hal ini mungkin terjadi di Indonesia karena teknologi Big Data
itu sendiri belum terlalu berkembang di Indonesia. Tentu saja pihak-pihak yang
dapat mengolah data tersebut pasti akan mendapatkan keuntungan yang lebih
maksimal terutama pihak distributor.
Namun sejalan waktu, distributor tersebut memiliki beberapa kendala terkait
kondisi market dan penjualan baik secara eksternal maupun internal. Secara
eksternal, kendala dapat ditimbulkan oleh harga pasar yang tidak sesuai, stok yang
menurun, maupun sampai keadaan lingkungan yang tidak mendukung. Kendala
internal dapat terdiri dari nilai penjualan yang rendah, jumlah transaksi yang tidak
sesuai dengan jumlah pengunjung, maupun penataan ruang dalam toko maupun
cafe.
Dari sekian banyak contoh kendala yang disebutkan, kami berusaha
memberikan analisis mengenai penyebab terjadinya kendala dan memberikan
solusi penyelesaian kendala agar distributor dapat memaksimalkan keuntungan
serta meningkatkan tingkat efisiensi dari segi penjualan. Solusi yang kami berikan
hanya mencakup masalah yang bersifat internal untuk distributor. Metode analisis
saat ini, terutama di Indonesia, masih berharap pada sistem manual, seperti
memasang orang ke dalam toko untuk menganalisis kondisi toko baik dari sisi
pemilik toko maupun pemilik produk yang dipasarkan di toko tersebut.

1.2 Tujuan dan Manfaat

Tujuan dan manfaat dilaksanakannya penelitian berdasarkan topik dan
rumusan masalah di atas adalah :
1. Melakukan analisis secara efektif dan otomatis terhadap tingkah laku
pelanggan.
2. Menghasilkan sebuah data analisis yang terstruktur rapi dan dapat diakses
kapan saja melalui cloud.
3. Meningkatkan efektifitas distribusi produk dengan pengolahan hasil
analisis yang telah diterima.

BAB 2
GAGASAN
2.1 Kondisi Terkini Terkait Sistem Analisis Retail
Berdasarkan Jurnal Bisnis dan Ekonomi yang dikeluarkan pada September
2008, tahun 2000-2010 merupakan era perkembangan hypermarket dan eretailing yang menyebabkan ancaman pada kelangsungan toko-toko kecil seperti
minimarket dan toserba. Selain itu, berdasarkan riset AC Nielsen pada tahun
2003, menyebutkan total penjualan ritel per tahun mengalami peningkatan
menjadi Rp 600 Triliun yang diimbangi dengan banyaknya jumlah hypermarket
menjadi sekitar 83 unit di akhir tahun. Pertumbuhan yang signifikan ini
mengancam kehadiran toko tradisional maupun toko kecil lainnya yang tidak
dapat bersaing secara kuat.
2.2 Inovasi yang Telah Diimplementasikan
Pada negara berkembang, teknologi Big Data belum dimanfaatkan
semaksimal mungkin terlebih di Indonesia. Pada umumnya, Indonesia melakukan
analisis dari data-data yang sudah tersimpan sebelumnya. Adapun pengolahan
data secara real time hanya digunakan untuk analisis mesin pencari. Hal ini bukan
hanya terjadi di Indonesia, namun hampir diseluruh negara dunia ketiga.
Sementara itu, perusahaan teknologi seperti IBM lebih memanfaatkan pengolahan
Big Data pada bisnis retail dengan menggunakan dataset yang sudah tersimpan di
database.
2.3 Konsep Sistem Analisis Tingkah Laku Customer
Berdasarkan berbagai permasalahan yang telah disimpulkan sebelumnya,
diperlukan sistem analisis yang nantinya akan dapat membantu mencari solusi
terbaik terkait dengan peningkatan efektifitas dan profitabilitas suatu toko demi
melangsungkan usaha secara real time. Sistem analisis yang kami gagaskan ini
akan memanfaatkan dua cakupan besar yaitu sistem embedded dan sistem
database. Sistem embedded ini berfungsi untuk menerima input berupa video
yang kemudian akan diproses melalui algoritma OpenCV dan menghasilkan data
yang akan diolah pada sistem database.
Sistem Embedded mencakup sebuah prosesor ataupun mikrokontroler
supaya dapat melakukan transaksi input-output maupun melakukan komunikasi
dengan sistem database. Sebagian besar prosesor memiliki modul-modul
tersendiri yang telah terintegrasi dalamnya, sedangkan pada mikrokontroler
membutuhkan modul tambahan guna melangsungkan jalannya transaksi data.
Kami menggunakan mikrokontroler tepatnya Arduino UNO dikarenakan biaya

yang cukup rendah dan relatif mudah diprogram menggunakan bahasa

pemrograman C.
Kamera tentu saja dibutuhkan untuk penerima masukan secara real time
dari kondisi di lapangan. Kamera akan dipasang dengan posisi statis sehingga
dapat dikenakan metode background substraction untuk mendeteksi gerakan orang
secara real time. Wireless module digunakan agar komunikasi dari kamera dengan
computer server dapat berlangsung dan data video dapat terkirim tiap framenya
tanpa perlunya penyimpanan pada storage di mikrokontroller.
Pada sisi penerima, komputer server kemudian akan melakukan
penyimpanan ke sebuah sistem file dari Hadoop yaitu HDFS (Hadoop Distributed
File System) yang memungkinkan untuk melakukan pembagian dataset ke
beberapa cluster melalui YARN pada Hadoop versi 2.0. Dari beberapa cluster
tersebut memudahkan Machine Learning, untuk mengolah data menjadi output
yang diinginkan[1]. Machine Learning yang digunakan pada sistem analisis ini
adalah SPARK Machine Learning, sebuah sistem pengolahan data secara real
time berdasarkan variabel-variabel yang ditentukan untuk kemudian dipetakan
menggunakan MapReduce. MapReduce adalah model pemrograman atau
pengolahan data yang memproses data secara terdistribusi dan paralel dalam suatu
cluster yang terdiri atas komputer terintegrasi[2].

Gambar 1. Diagram Alir Sistem Analisis Tingkah Laku Customer

3

2.4 Peralatan yang Digunakan

2.4.1 Arduino UNO
Dalam proyek ini, Arduino UNO digunakan sebagai
mikrokontroler utama dalam sistem embedded untuk mengontrol program
dengan menggunakan OpenCv. Selain itu mikrokontroler dituntut untuk
dapat melakukan pengunggahan hasil masukan kedalam server secara
waktu riil. Adapun input yang digunakan akan diperoleh ketika
Mikrokontroler sudah dapat terhubung ke Kamera.

Gambar 2. Arduino UNO

2.4.2 ESP8266 Wifi Module

Dalam proyek ini, wireless module digunakan untuk mengirimkan
data dari mikrokontroler ke server untuk diproses dan dianalisis. ESP8266
WiFi Module ini sendiri menggunakan flash memory 1MB yang
mengguanakan format 802.11 b/g/n. Wireless Module merupakan modul
yang digunakan untuk mengirimkan data melalui WiFi. Module ini
nantinya akan terhubung secara langsung dan dikendalikan secara
langsung oleh mikrokontroler. Perangkat ini bertugas untuk menjembatani
antara hasil input data dengan pemrosesan citra digital input.

Gambar 3. Wifi Module ESP8266

2.4.3 Camera Module OV7670

Kamera akan terhubung secara langsung dengan server sebagai
media untuk memasukkan data. Setiap input yang dikirimkan akan
langsung dideteksi oleh program di-server dan langsung disimpan ke
database untuk selanjutnya dianalisa. Sistem pendeteksian wajah yang
terdistribusi akan dideteksi dengan cara pencocokan dengan distributed
file system[3].

Gambar 4. Camera Module OV7670

2.5 OpenCV
OpenCV (Open Source Computer Vision Library) adalah sebuah pustaka
perangkat lunak yang ditujukan untuk pengolahan citra dinamis secara real-time,
yang pengembangannya diawali oleh Intel, dan sekarang didukung oleh Willow
Garage dan Itseez [4].
2.6 Algoritma Fisherface
Proyek ini akan menggunakan metode fisherface untuk melakukan
identifikasi wajah dari input kamera. Kemudian keluarannya akan dikenali
ataupun tidaknya sebuah gambar masukan sebagai seorang individu pada
database. Untuk dapat mendeteksi wajah dari input maka akan dilakukan suatu
kerja(task) yang disebut dengan gender classification task. Task ini yang
kemudian akan dilakukan oleh algoritma fisherfaces[5].

Gambar 5. Contoh Algoritma Fisherface

2.7 Algoritma Background subtraction
Background subtraction merupakan suatu teknik untuk mengambil
perubahan yang terjadi di dalam suatu frame gambar terhadap suatu frame
referensi awal[6]. Color threshold digunakan untuk mencuplik suatu bagian pada
gambar dengan referensi dari suatu rentang warna yang spesifik.

Gambar 6. Contoh Background subtraction

Pada proyek background subtraction digunakan untuk mendeteksi lokasi
pergerakan dari pelanggan.
2.8 Hadoop 2.0
Pada proyek ini tiap data yang menjadi masukan akan langsung
dimasukkan ke komputer server yang bertugas sebagai database. Dalam hal ini

database yang digunakan ialah Hadoop sebagai Hadoop Distributed File System
(HDFS). Untuk pengolahan data yang digunakan ialah dengan menggunakan
Apache Spark yang bekerja bersamaan dengan Hadoop. Apache Spark ini sendiri
merupakan model pemrograman yang akan digunakan untuk mengolah data yang
masuk secara real time dari kamera.
2.8.1 Hadoop Cloud Computing
Hadoop membuat platform cloud computing tersendiri yang
didesain dengan menggunakan proyek open source Apache. Framework
ini digunakan untuk memecahkan masalah dan manajemen data[7]. Cloud
computing dikembangkan dari beberapa teknologi jaringan dimana dalam
proyek ini teknologi yang digunakan ialah Hadoop Distributed File
System dan sistem Machine Learning yang dikembangkan didalam Spark.
2.9 Alur Kerja Sistem
MASUKAN

- Gambar LiveTime
dari kamera

PROSES

- Mengirimkan masukan dari kamera ke Hadoop

untuk diproses
- Mendeteksi jumlah dan
lokasi pembeli
menggunakan
algoritma Background subtraction
- Mendeteksi jenis
kelamin pembeli
dengan menggunakan
algoritma Fisherface
- Menganalisis lokasi
terlama pembelian
yang dilakukan oleh
pelanggan
- Mengintegrasi jenis
kelamin dan tingkah
laku pelanggan

KELUARAN

Hasil analisis
perbandingan antara
jenis rata-rata
pembelian yang
dilakukan oleh pihak
wanita ataupun pria
Hasil analisis ratarata barang yang
dibeli oleh pihak
wanita ataupun pria

Secara garis besar alur sistem dari sistem analisis terdiri atas 3 tahapan
besar yaitu masukan, proses, dan keluaran. Dikarenakan, alat ini bersifat untuk
melakukan analisis tingkah laku pelanggan secara real time maka proses yang
dilakukan umumnya merupakan proses pengolahan citra.
7

2.10 Perancangan Gagasan Alat

Gambar 7. Arsitektur rancangan prototipe

Arsitektur diatas memiliki lima tahapan utama untuk menghasilkan
analisis data. Langkah awal yang dilakukan adalah dengan mengatur sistem
embedded untuk dapat menangkap citra pelanggan per periode waktu tertentu.
Hasil yang diperoleh oleh kamera akan dikirimkan secara langsung ke Hadoop
Distributed File System dengan menggunakan Wi-Fi. Selanjutnya, data yang
tersimpan didalam Hadoop akan didistribusikan sehingga OpenCV dapat
mengolah data tersebut. Setelah penerapan algoritma Fisherface dan Background
subtraction, data akan dikirimkan ke Spark agar dapat dianalisis dengan
menggunakan Machine Learning yang digunakan oleh Spark. Kemudian Spark
akan menghasilkan hasil akhir berupa analisis. Data tersebut akan diolah lebih
lanjut oleh pihak yang berkepentingan untuk menguji apakah hasil analisis yang
diperoleh dapat diterapkan dan memberikan solusi atau tidak.

BAB 3
KESIMPULAN
Berikut dipaparkan beberapa nilai inovasi serta manfaat yang diperoleh
apabila mengimplementasikan sistem analisis real-time yaitu:
Manfaat Utama
1. Merupakan salah satu jenis piranti cerdas terintegrasi yang berfokus pada
analisis data secara real-time untuk meningkatkan produktivitas dan
efektivitas pada saat pendistribusian produk.
2. Membuat sebuah piranti cerdas yang dapat elakukan kontrolisasi dan
monitoring terhadap tingkah laku pelanggan.
3. Indonesia sebagai negara dengan jumlah penduduk terbesar keempat di dunia
mengakibatkan Indonesia menghasilkan data penjualan dengan jumlah yang
besar pula. Hal ini tentunya membantu dalam hal peningkatan efektivitas
penjualan dengan menganalisis data.
4. Sistem prototipe menggunakan perangkat yang relatif minim biaya dalam
proses implementasinya.
5. Menggunakan sistem analisis data real time yang masih jarang digunakan pada
saat ini (Apache Spark).
Nilai Inovasi
1. Menggunakan berbagai jenis metode dan algoritma dalam pengolahan citra
yang mampu menangkap objek .
2. Menggunakan fitur database terdistribusi dimana data yang tersimpan
didalamnya terduplikasi sehingga data tidak mudah hilang.
3. Memperkenalkan penggunaan sistem Big Data yang mengintegrasikan dua
framework yang berbeda yaitu Hadoop dan Apache Spark.
4. Membuat sistem terintegerasi antara sistem monitoring berbasis single board
computer dengan sistem single node cluster Hadoop.

DAFTAR PUSTAKA
[1] Sweeney, C., Liu, L., Arietta, S., Lawrence, J., HIPI: a Hadoop image
processing interface for image-based mapreuce tasks, University of Virginia.
Vol., no., 2011
[2] Mishra, R., Kumar, P., Chaudhury, S., Indu, S., Monitoring a Large
Surveillance Space Through Distributed Face Matching, NCVPRIPG, 2013
Fourth National Conference, 18 Desember 2013
[3] Perera, Srinath, Hadoop MapReduce Cookbook, ackt Publishing Ltd.
Vol., no., pp. 56-58 2013
[4] http://gudanglinux.com/glossary/opencv-open-source-computer-vision/
(diakses pada Selasa pada tanggal 22 Maret 2016 pukul 19.34 WIB)
[5]http://docs.opencv.org/2.4/modules/contrib/doc/facerec/tutorial/facerec_gender
_classification.html
(diakses pada Selasa pada tanggal 22 Maret 2016 pukul 19.44 WIB)
[6] Vijay, A. A., Johnson, A., An integrated sistem for tracking and recognition
using Kalman Filter, ICCICCT, 2014 International Conference
[7] Hao, C., Ying, Q., Research of Cloud Computing Based on the Hadoop
Platform, Computational and Information Sciences (ICCIS), 2011 International
Conference, Oktober 2011

10

LAMPIRAN
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing
Biodata Ketua Kelompok
A. Identitas Diri
1.

Nama Lengkap

Reivin Oktavianus

2.

Jenis Kelamin

Laki Laki

3.

Program Studi

Teknik Komputer

4.

NPM

1306404576

5.

Tempat Tanggal Lahir

Jakarta, 10 Oktober 1995

6.

E-Mail

reivin.oktavianus@ui.ac.id

7.

Nomor Telepon/HP

021-7537980

B. Riwayat Pendidikan
SD

SMP

SMA

Nama Institusi

SD Pangudi
Luhur

SD Pangudi
Luhur

SMAK Tirta
Marta BPK
Penabur

Jurusan

IPA

Tahun MasukLulus

2001-2007

2007-2010

2010-2013

C. Pemakalahan Seminar Ilmiah (Oral Presentation)

No.

Nama Pertemuan
Ilmiah/Seminar

Judul Artikel
Ilmiah

Waktu dan
Tempat

D. Penghargaan Dalam 10 Tahun Terakhir

No.

Jenis Penghargaan

Institut Pemberi
Penghargaan

Tahun

11

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan program kreativitas mahasiswa-Gagasan Tertulis.
Depok, 27 April 2016
Pengusul,

Reivin Oktavianus

12

Biodata Anggota Kelompok

A. Identitas Diri
1.

Nama Lengkap

Josua Geovani Pinem

2.

Jenis Kelamin

Laki Laki

3.

Program Studi

Teknik Komputer

4.

NPM

1306368513

5.

Tempat Tanggal Lahir

Kabanjahe, 16 Mei 1995

6.

E-Mail

josua.geovani@ui.ac.id

7.

Nomor Telepon/HP

085275600068

B. Riwayat Pendidikan
SD

SMP

SMA

Nama Institusi

SD Sint Yoseph
Kabanjahe

SMPN 1
Kabanjahe

SMAN 1
Kabanjahe

Jurusan

IPA

Tahun MasukLulus

2001-2007

2007-2010

2010-2013

C. Pemakalahan Seminar Ilmiah (Oral Presentation)

No.

Nama Pertemuan
Ilmiah/Seminar

Judul Artikel
Ilmiah

Waktu dan
Tempat

D. Penghargaan Dalam 10 Tahun Terakhir

No.

Jenis Penghargaan

Institut Pemberi
Penghargaan

Tahun

13

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan program kreativitas mahasiswa-Gagasan Tertulis.
Depok, 27 April 2016
Pengusul,

Josua Geovani Pinem

14

Biodata Anggota Kelompok

A. Identitas Diri
1.

Nama Lengkap

Danan Arya Pradana

2.

Jenis Kelamin

Laki Laki

3.

Program Studi

Teknik Komputer

4.

NPM

1306368583

5.

Tempat Tanggal Lahir

Jakarta, 26 Desember 1995

6.

E-Mail

danan.arya@ui.ac.id

7.

Nomor Telepon/HP

081290551456

B. Riwayat Pendidikan
SD

SMP

SMA

Nama Institusi

SD Al-Azhar
Bekasi

SMPN 12 Bekasi

SMAN 3 Bekasi

Jurusan

IPA

Tahun MasukLulus

2001-2007

2007-2010

2010-2013

C. Pemakalahan Seminar Ilmiah (Oral Presentation)

No.

Nama Pertemuan
Ilmiah/Seminar

Judul Artikel
Ilmiah

Waktu dan
Tempat

D. Penghargaan Dalam 10 Tahun Terakhir

No.

Jenis Penghargaan

Institut Pemberi
Penghargaan

Tahun

15

16

Biodata Dosen Pembimbing

A. Identitas Diri
1. Nama Lengkap (dengan
gelar)
2. Jenis Kelamin
3. Program Studi
4. NIDN
5. Tempat dan Tanggal Lahir
6. Email
7. Nomor Telepon/HP

Prof. Dr. Ir. Riri Fitri Sari MM

MSc
Perempuan
Teknik Elektro
0007077010
Bukitinggi, 7 July 1970
riri@ui.ac.id
081310817166

B. Riwayat Pendidikan
Nama Institusi

Jurusan
Tahun MasukLulus

S-1
University of
Indonesia

S-2
The University of
Sheffield, UK

Electrical Engineering Computer Science

1989-1994
1996-1997

S-3
The
University
of Leeds,
UK
Computing
1999-2004

C. Pemakalah Seminar Ilmiah (Oral Presentation)

No.
Nama Pertemuan Ilmiah
Judul Artikel Ilmiah Waktu dan
/ Seminar
Tempat
1.
The Third International
Riri Fitri Sari,
Jan 30
Conference on Digital
Prasetyawidi,
Feb 1,
Information Processing
Cloud Computing
2013,
and Communications
Services In
Dubai,
(ICDIPC 2013, Jan 30
Mobile Devices
Feb 1, 2013, Dubai,
Using Android
UAE
Face Detector API
pp, 529-537, SDIWC,
and REST
ISBN: 978-09853483-3- Communication,
5.
2.
Proceedings of IEEE
Alfa Sheffildi Manaf, Bangkok,
Information and
Riri Fitri Sari, (2012), 12-13
Communication
Color Recognition
January
Technology &
Sistem with
2012,
Knowledge
Augmented Reality
Engineering ICT&KE
Concept and Finger

17

2012, Bangkok, 12-13

January 2012, indexed
by Scopus.

Interaction
Case Study for Color
Blind Aid Sistem,

18

Lampiran 2. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas

No.

Nama/NPM

Prodi

Bidang
Ilmu

Alokasi Uraian Tugas

Waktu
(Jam/Mi
nggu)

Reivin
Oktavianus/13064
04576

Teknik
Komputer

Teknik

8Jam/Mi
nggu

Sebagai ketua,
bertugas
memastikan
kinerja tim
berjalan dengan
baik dan sesuai
dengan timeline
dan
penanggungjawa
b sistem pada
embedded
sistem,
mikrokontroler
kamera dan wifimodule

Josua Geovani
Pinem/130636851
3

Teknik
Komputer

Teknik

8Jam/Mi
nggu

Sebagai
penanggungjawa
b sistem
algoritma
dengan metode
fisherface dan
background
subtraction

Danan
Arya/1306368583

Teknik
Komputer

Teknik

8Jam/Mi
nggu

Sebagai
penanggungjawa
b sistem
database pada
hadoop
distribution file
sistem dan
Machine
Learning

19

20