KOMITE PROGRAM
Kridanto Surendro, Ph.D (Institut Teknologi Bandung)
Dr. Rila Mandala (Institut Teknologi Bandung)
Dr. Husni Setiawan Sastramihardja (Institut Teknologi Bandung)
Agus Harjoko, Ph.D (Universitas Gadjah Mada)
Prof. Sri Hartati, Ph.D (Universitas Gadjah Mada)
Dr. Djoko Soetarno (Universitas Bina Nusantara)
Prof. Ahmad Benny Mutiara (Universitas Gunadarma)
Prof. Dr. M.Zarlis (Universitas Sumatera Utara)
Prof. Dr. Opim Salim Sitompul (Universitas Sumatera Utara)
Dr. Kusrini, M.Kom (STMIK AMIKOM)
Dr. Ema Utami, S.Si, M.Kom (STMIK AMIKOM)
TIM EDITORIAL
PENANGGUNG JAWAB
Rika Rosnelly, SH, M.Kom (STMIK Potensi Utama)
KETUA PENYUNTING
Ratih Puspasari. M.Kom (STMIK Potensi Utama)
WAKIL KETUA PENYUNTING
Mas Ayoe Elhias Nasution, M.Kom (STMIK Potensi Utama)
PENYUNTING PELAKSANA
Budi Triandi, M.Kom (STMIK Potensi Utama)
Edy Victor Haryanto Sianturi. M.Kom (STMIK Potensi Utama)
Evri Ekadiansyah, M.Kom (STMIK Potensi Utama)
Fina Nasari, M.Kom (STMIK Potensi Utama)
Fitriana Harahap, M.Kom (STMIK Potensi Utama)
Helmi Kurniawan, ST, M.Kom (STMIK Potensi Utama)
Iwan Fitrianto Rahmad (STMIK Potensi Utama)
Khairani Puspita, M.Kom (STMIK Potensi Utama)
Khairul Ummi, M.Kom (STMIK Potensi Utama)
Lili Tanti, M.Kom (STMIK Potensi Utama)
Linda Wahyuni, M.Kom (STMIK Potensi Utama)
Muhammad Rusdi Tanjung, S.Kom, M.Ds (STMIK Potensi Utama)
Rahmadani Pane, M.Kom (STMIK Potensi Utama
Ria Eka Sari, M.Kom (STMIK Potensi Utama)
Rofiqoh Dewi, M.Kom (STMIK Potensi Utama)
Wiwi Verina, M.Kom (STMIK Potensi Utama)
Yudhi Andrian, S.Si, M.Kom (STMIK Potensi Utama)
ALAMAT REDAKSI
Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Potensi Utama
Jl. K.L.Yos Sudarso Km.6,5 No.3-A Medan (20241)
Telp (061) 6640525 Fax (061) 6636830
Email : snif_pu@potensi-utama.ac.id
PENERBIT
Program Studi Teknik Informatika
STMIK Potensi Utama
Seminar Nasional Informatika 2014
DAFTAR ISI
Halaman
iv
Seminar Nasional Informatika 2014
v
Seminar Nasional Informatika 2014
vi
Seminar Nasional Informatika 2014
vii
Seminar Nasional Informatika 2014
viii
Seminar Nasional Informatika 2014
KATA PENGANTAR
Seminar Nasional Informatika (SNIf) merupakan salah satu agenda kegiatan rutin tahunan STMIK
Potensi Utama sebagai forum yang mempertemukan Akademisi, Peneliti, Praktisi dan Pengambil
Kebijakan dibidang informatika guna penyebaran Ilmu pengetahuan dan Teknologi terkini. Kumpulan
makalah dikemas dalam bentuk prosiding dan dikelompokkan sesuai dengan bidang kajian antara lain
Computer Science, Artificial Intelligence, Image Processing, Computer Networking end Security,
Multimedia, Wirelles Computing, Interfacing, Information System, dan Software Engineering.
Makalah yang diterima berasal dari seluruh Indonesia, makalah yang dimuat dalam Prosiding SNIf
2014 telah melalui tahap evaluasi oleh para reviewer yang berkompeten dibidangnya. Panitia
mengucapkan selamat serta terima kasih atas keikutsertaan dalam Seminar Nasional Informatika
(SNIf) 2014. Panitia juga mengucapkan terima kasih kepada Pemerintah Daerah Sumatera Utara dan
semua pihak yang telah mendukung serta berpartisipasi aktif dalam mensukseskan acara Seminar
Nasional ini. Saran dan Kritikan demi menuju kesempurnaan prosiding SNIf sangat diharapkan.
Semoga prosiding ini dapat digunakan sebagai salah satu acuan dalam pengembangan teknologi dan
peningkatan pembelajaran dibidang Informatika.
iii
Seminar Nasional Informatika 2014
Abstrak
Ketersediaan tingkat layanan dan dukungan teknologi informasi sebuah tata kelola teknologi informasi dalam
menyediakan informasi yang tepat, relevan dan memiliki akurasi yang tinggi merupakan kebutuhan yang
sangat penting untuk mempertahankan daya saing perusahaan dari waktu ke waktu. Penelitian ini untuk
mengetahui nilai kematangan tata kelola teknologi informasi sebanyak 30 perusahaan ritel yang berada di
Kota Pontianak dengan teknik purposive sampling dari sisi domain DS (Deliver and Support) dan
menggunakan metodologi framework COBIT 4.1. Selanjutnya hasil evaluasi dilanjutkan dengan membuat
rekomendasi tata kelola teknologi informasi DS5 yang sesuai dengan indikator kinerja perusahaan dalam
suatu hubungan antara keterkaitan proses DS5 dengan proses teknologi informasi lainnya. Hasil penelitian
memperlihatkan nilai tingkat kematangan saat ini yang terendah dalam domain DS pada proses DS5
(memastikan keamanan sistem) yaitu 2,563. Tata kelola teknologi informasi DS5 memiliki hubungan
keterkaitannya yaitu masukan objektif kontrol terdiri dari PO2, PO3, PO9, AI2, DS1 dan hasil objektif
kontrol terdiri dari DS8; DS7; ME1; AI6; PO9; DS11. Untuk menjadi lebih efektif maka proses yang
berhubungan dengan DS5 harus memiliki sinkronisasi semua proses yang saling berhubungan agar memiliki
kesatuan informasi yang jelas dan terukur dalam perumusan dan perencanaan tata kelola teknologi informasi
dalam mencapai tingkat kematangan yang diharapkan.
Kata Kunci: tata kelola teknologi informasi, deliver and support (DS), tingkat kematangan, COBIT 4.1
1
Seminar Nasional Informatika 2014
perusahaan ritel dari sisi domain DS. Selanjutnya 2.1. Framework COBIT 4.1
dari hasil evaluasi dilanjutkan dengan membuat Framework COBIT 4.1 merupakan kerangka
rekomendasi tata kelola teknologi informasi DS5 tata kelola teknologi informasi yang ditujukan
sesuai indikator kinerja perusahaan dalam suatu kepada manajemen, staf pelayanan teknologi
hubungan antara keterkaitan proses DS5 dengan informasi, departemen kontrol, fungsi audit dan
proses teknologi informasi lainnya. pemilik proses bisnis, memastikan
Penelitian ini berbentuk survei dengan confidenciality, integrity, availability data serta
metode research and development (R&D). informasi sensitif dan kritikal [1].
Penilaian tingkat kematangannya menggunakan Framework COBIT 4.1 memiliki empat
metode eksplanasi. Responden penelitian domain, yaitu PO (Plan and Organize), AI
sebanyak 30 perusahaan ritel dengan teknik (Acquire and Implement), DS (Deliver and
purposive sampling. Instrumen menggunakan Support), dan ME (Monitor and Evaluate) [1].
kuesioner dan dikelompokkan berdasarkan Sehubungan dengan ketersediaan layanan
proses, setiap proses dibagi menurut teknologi informasi, maka difokuskan domain
tingkatannya, dan setiap tingkat di sajikan butir- DS. Evaluasi tingkat kematangan domain DS
butir pertanyaan menggunakan skala Guttman. mencerminkan kesiapan teknologi informasi
Evaluasi tingkat kematangan menggunakan mencapai keselarasan strategi, tujuan dan sasaran
framework COBIT 4.1. Pengolahan data diawali perusahaan [3].
dengan menghitung tingkat kematangan. Penerapan teknologi informasi memiliki dua
Kemudian mengolah tingkat kematangan masing- model kendali. Model kendali bisnis dan model
masing proses. Selanjutnya menghitung agregasi kendali teknologi informasi. Framework COBIT
tingkat kematangan melalui rata-rata aritmatik. 4.1 dapat menjembatani kesenjangan dari kedua
Terakhir hasil agregasi disajikan dalam bentuk jenis kendali tersebut melalui tingkat objektif
tabel dan grafik radar menggunakan perangkat kontrol , yaitu activities dan tasks, process,
lunak Microsoft Excel. domains (gambar 1) [5,6]. Pedoman COBIT 4.1
terdiri atas Control Objectives, Audit Guidelines
2. Tata Kelola Teknologi Informasi dan Management Guidelines. Karakteristik
Tata kelola teknologi informasi utamanya fokus pada bisnis, orientasi pada proses
didefinisikan sebagai suatu bagian integral dari bisnis, berbasis kontrol dan dikendalikan melalui
tata kelola organisasi yang terdiri atas sebuah pengukuran agar hasilnya menjadi lebih
kepemimpinan, struktur dan proses organisasional akurat [4].
yang memastikan bahwa teknologi informasi
organisasi berlanjut serta meningkatkan tujuan
dan strategi organisasi [5]. Tata kelola teknologi
informasi melakukan penspesifikasian hak
keputusan dan rerangka akuntabilitas untuk
mengarahkan perilaku yang diinginkan dalam
penggunaan teknologi informasi. Tata kelola
teknologi informasi tidak sekedar pembuatan
keputusan spesifik tetapi lebih kepada penentuan
siapa yang secara sistematis membuat dan
berkontribusi pada keputusan tersebut [3].
Performansi tata kelola teknologi informasi
untuk memenuhi adanya keselarasan teknologi Gambar 1. Model COBIT Cube
informasi dengan tujuan organisasi, pemanfaatan
teknologi informasi memungkinkan organisasi 2.2. Domain Deliver and Support (DS)
mendapatkan peluang-peluang bisnis baru serta Domain ini mencakup penyampaian hasil
memberikan manfaat maksimal, sistem aktual, termasuk pengelolaan kelancaran dan
pengelolaan bertanggungjawab dalam keamanan, dukungan layanan terhadap pengguna,
pemberdayaan teknologi informasi, pengelolaan pengelolaan data dan operasional fasilitas. Faktor
terhadap resiko-resiko teknologi informasi yang kritis sukses DS meliputi keselarasan layanan
mungkin terjadi [2]. Untuk dapat berhasil, teknologi informasi dengan prioritas bisnis,
teknologi informasi tidak cukup hanya diatur oleh optimalisasi biaya teknologi informasi,
departemen teknologi informasi saja, tetapi harus kemampuan pengguna menggunakan sistem
dikelola ditingkat korporasi dengan teknologi informasi secara produktif dan aman,
mengintegrasikan semua unit proses bisnis agar kerahasiaan, integritas dan ketersediaan [1, 5-6].
memiliki kesamaan pandangan dalam Proses teknologi informasi domain DS,
menghasilkan tujuan jangka pendek dan jangka terdiri dari: DS1 (Mendefinisikan dan mengelola
panjang [3, 5-6]. tingkat layanan), DS2 (Mengelola layanan pihak
ketiga), DS3 (Mengelola kinerja dan kapasitas),
2
Seminar Nasional Informatika 2014
3
Seminar Nasional Informatika 2014
mengelola data dengan nilai tingkat yaitu 2,563. Hal ini terjadi karena kebanyakan
kematangannya adalah 2,886. Hal ini dikarenakan perusahaan ritel belum memiliki suatu integritas
organisasi menyadari bahwa kebutuhan untuk informasi dan proses manajemen keamanan untuk
mengelola data yang efektif membutuhkan melindungi aset teknologi informasi. Peran
identifikasi kebutuhan data. Proses manajemen keamanan teknologi informasi masih menjadi
data juga mencakup pembentukan prosedur yang wacana, kebijakan, standar dan prosedur masih
efektif untuk mengelola media backup dan berjalan sendiri-sendiri dengan pola tersebar dan
pemulihan data, termasuk prosedur pengeluaran belum menyatu satu dengan lainnya. Pelaksanaan
data dari media yang digunakan. Melalui dan pengawasan manajemen keamanan belum
manajemen data yang efektif dapat membantu dilakukan secara periodik dari waktu ke waktu
memastikan kualitas, ketepatan waktu dan dan masih bergantung kepada masing-masing unit
ketersediaan data untuk keperluan pihak kerja. Tindakan korektif masih bersifat reaktif dan
manajemen dalam proses pengambilan penanganannya belum memiliki integrasi secara
kepsutusan. Nilai kematangan ini masih perlu menyeluruh dan masih rentan terhadap insiden
ditingkatkan melalui pembenahan prosedur dalam yang mungkin terjadi.
pengaturan data teknologi informasi dan
pengawasannya harus dilaksanakan secara Tabel 3. Kesenjangan Tingkat Kematangan
konsisten. Domai PROSES Hasil Matu
n Pengujian rity
Level
DS1 Mendefinisikan dan 2,804 3
mengelola tingkat layanan
DS2 Mengelola layanan pihak 2,791 3
ketiga
DS3 Mengelola kinerja dan 2,675 3
kapasitas
DS4 Memastikan layanan yang 2,674 3
berkelanjutan
DS5 Memastikan keamanan 2,563 3
sistem
DS6 Mengidentifikasi dan 2,575 3
mengalokasikan biaya
DS7 Mendidik dan melatih 2,864 3
pengguna
DS8 Mengelola service desk dan 2,688 3
insiden
DS9 Mengelola konfigurasi 2,825 3
Gambar 3. Model Tingkat Kematangan DS10 Mengelola permasalahan 2,763 3
DS11 Mengelola data 2,886 3
3.2. Analisis Kesenjangan Kematangan DS12 Mengelola lingkungan fisik 2,867 3
DS13 Mengelola operasi 2,772 3
Tingkat kematangan yang ditetapkan
sebagai acuan dalam model pengelolaan teknologi
informasi adalah nilai kematangan pada posisi ke 3.3. Implikasi Pada Aspek Manajerial
3 (ditetapkan/define). Kriteria kematangan Penerapan tata kelola teknologi informasi di
dimana prosedur distandarisasi dan lingkungan perusahaan ritel diharapkan dapat
didokumentasikan kemudian dikomunikasikan mencapai tingkat kematangan pada posisi ke 3
melalui pelatihan. Kemudian diamanatkan bahwa (ditetapkan/define) dengan spesifikasi yang
proses-proses tersebut harus diikuti. Namun memenuhi standarisasi COBIT 4.1. Sementara
penyimpangan tidak mungkin dapat terdeteksi. dari sisi berdasarkan hasil perhitungan tingkat
Prosedur sendiri tidak lengkap namun sudah kematangan dapat dilihat bahwa tingkat
memformalkan praktek yang berjalan. kematangan tata kelola teknologi informasi masih
Berdasarkan hasil perhitungan tingkat berkisar dalam skala interval 2,51 – 3,50 yaitu
kematangan yang telah dilakukan ternyata belum pada tingkat kematangan pada posisi ke 3
sepenuhnya berada pada kriteria kedewasaan (ditetapkan/define) dan belum melebihi dari nilai
dengan tingkat kematangan pada posisi ke 3 batas maksimal 3,50. Hal ini menandakan bahwa
(ditetapkan/define) sehingga perlu dilakukan terdapat sejumlah kesenjangan yang harus
analisa untuk menutupi kesenjangan antara dihilangkan agar tingkat kematangan yang
tingkat kematangan saat ini dengan tingkat diinginkan dapat dicapai dengan baik. Untuk itu
kematangan yang diharapkan. Kesenjangan antara harus dilakukan perbaikan-perbaikan keseluruhan
kedua tingkat kematangan tersebut untuk setiap proses teknologi informasi pada domain Deliver
proses dengan domain DS yang akan dilakukan and Support (DS) dengan merujuk kepada detail
dalam penerapan teknologi informasi di sejumlah objektif kontrol masing-masing proses. Rincian
perusahaan ritel (tabel 3). kriteria implikasi hasil penelitian dibawah ini
Tingkat kematangan saat ini yang terendah (tabel 4).
dalam domain DS pada proses DS5 yang
mewakili proses memastikan keamanan sistem
4
Seminar Nasional Informatika 2014
Tabel 4. Implikasi Pada Aspek Manajerial standar pengelolaan teknologi informasi yang
Domain PROSES Current Expected Selisih Priority baik.
Maturity Maturity Type
Selain peningkatan proses, pihak manajemen
DS1 Mendefinisikan perlu melakukan tindakan perbaikan terhadap
dan mengelola 2,804 3 0,196 Priority
tingkat layanan ketidaksesuaian proses yang telah ada terhadap
DS2 Mengelola standar sehingga tidak akan terjadi hal serupa di
layanan pihak 2,791 3 0,209 Priority
ketiga masa mendatang. Oleh karena pentingnya
DS3 Mengelola peningkatan pengelolaan proses, kemampuan
kinerja dan 2,675 3 0,325 Priority
kapasitas penentuan indikator pengukuran kinerja dan
DS4 Memastikan pemahaman kondisi eksisting perusahaan-
layanan yang 2,674 3 0,326 Priority
berkelanjutan perusahaan ritel melalui penentuan tingkat
DS5 Memastikan kematangan, menjadi hal kritis penentu langkah
keamanan 2,563 3 0,437 Priority
sistem yang harus dilakukan pihak manajemen dalam
DS6 Mengidentifikasi perbaikan berkelanjutan. Lebih jauh lagi
dan
mengalokasikan
2,575 3 0,425 Priority dibutuhkan keterlibatan yang berkesinambungan
biaya antara pihak manajemen dengan pengguna yang
DS7 Mendidik dan
melatih 2,864 3 0,136 Priority terlibat dalam proses teknologi informasi untuk
pengguna memastikan bahwa langkah yang diambil sesuai
DS8 Mengelola
service desk dan 2,688 3 0,312 Priority dengan kejadian aktual.
insiden
DS9 Mengelola 2,825 3 0,175 Priority
konfigurasi 3.4. Tata Kelola Teknologi Informasi DS5
DS10 Mengelola 2,763 3 0,237 Priority Key Performace Indicators (KPI) dari
permasalahan
DS11 Mengelola data 2,886 3 0,114 Priority
domain DS terkait objektif kontrol untuk prosess
DS12 Mengelola 2,867 3 0,133 Priority
DS5 yaitu memastikan keamanan sistem dalam
lingkungan fisik tata kelola teknologi informasi tersebut yang
DS13 Mengelola 2,772 3 0,228 Priority
operasi berkaitan dengan objektif kontrol yang lain
dimana sebagai kontol objektif input terdiri dari
Berdasarkan tabel 4 dapat diketahui bahwa PO2 (mendefinisikan arsitektur informasi), PO3
implikasi hasil penelitian pada aspek manajerial (menentukan arahan teknologi informasi), PO9
memperlihatkan semua rincian proses tersebut (menaksir dan mengelola resiko teknologi
memiliki nilai dari tipe prioritas yang berbeda informasi), AI2 (memperoleh dan memelihara
dari sisi kebutuhan untuk segera dilakukan perangkat lunak aplikasi), DS1 (mendefinisikan
perbaikan. Selanjutnya untuk proses-proses dan mengelola tingkat layanan) dan sebagai hasil
lainnya yang perlu diperbaiki adalah rata-rata objektif kontrol terdiri dari DS8 (definisi
proses tata kelola teknologi informasi dengan tipe peristiwa keamanan), DS7 (kebutuhan pelatihan
prioritas (priority). Domain-domain yang spesifik pada kesadaran akan keamanan), ME1
merupakan prioritas untuk diperbaiki, meliputi (laporan proses kinerja), AI6 (keperluan
DS1, DS2, DS3, DS4, DS5, DS6, DS7, DS8, perubahan keamanan), PO9 (ancaman keamanan
DS9, DS10, DS11, DS12, DS13. dan kerentanan), DS11 (rencana keamanan dan
Hasil pengukuran ini akan membawa pada kebijakan teknologi informasi).
kebutuhan akan pendefinisian tingkat kematangan Untuk meningkatkan nilai tingkat
proses yang mengindikasikan bahwa semakin kematangan khususnya pada DS5 (memastikan
baik hasil pengukuran kinerja atau semakin keamanan sistem), maka perusahaan ritel harus
terpenuhinya ukuran kinerja yang didefinisikan, melakukan pengelolaan keamanan teknologi
maka tingkat kematangan proses semakin tinggi informasi di tingkat organisasi tertinggi yang
juga. Tingkat kematangan ditentukan dengan sesuai agar tindakan pengelolaan keamanan
menyesuaikan hasil pengukuran dengan standar selaras dengan kebutuhan bisnis. Membuat
yang ada dalam framework COBIT 4.1. rencana keamanan teknologi informasi dalam
Pihak manajemen kemudian meninjau hasil rangka untuk menerjemahkan fungi bisnis, resiko
pengukuran kinerja dan tingkat kematangan tiap dan kebutuhan akan kepatutan terhadap seluruh
proses kemudian dengan mengacu kepada standar rencana keamanan teknologi informasi, yang
framework COBIT 4.1 mengarahkan kepada mempertimbangkan infrastruktur teknologi
pemenuhan objektif kontrol dalam tiap proses informasi dan budaya keamanan. Memberikan
teknologi informasi. Hal ini dapat dilakukan jaminan kepastian bahwa rencana keamanan
dengan mendefinisikan kebijakan hingga diimplementasikan dalam kebijakan keamanan
prosedur, mengubah nilai indikator kinerja, dan prosedur bersama dengan investasi yang
penambahan objektif kontrol berikut kontrolnya sesuai terhadap layanan, sumberdaya manusia,
maupun penyempurnaan proses teknologi perangkat lunak dan perangkat keras. Harus dapat
informasi hingga diperoleh jaminan bahwa mengomunikasikan kebijakan keamanan dan
pengelolaan proses telah dilakukan memenuhi prosedur kepada pemangku kepentingan dan
5
Seminar Nasional Informatika 2014
Daftar Pustaka:
6
Seminar Nasional Informatika 2014
[2] Debreceny, Roger S. and Gray, Glen L., Vilnius Lithuania, May 13-14, (hal 943-
2013, IT Governance and Process Maturity: 949).
A Multinational Field Study, Journal of [9] Raodeo, Vaishali., 2012, IT Strategy and
Information Systems, Vol.27, No.1, Spring Governance: Frameworks and Best Practice,
2013, pp. 157-188. International Journal of Research in
[3] Grembergen, Wim Van., De Haes., 2008, IT Economics & Social Sciences, Vol 2 Issue 3,
Governance Implementation Guide, ITGI. March, ISSN:2249-7382, (hal 49-59).
[4] IT Governance Institute, 2000, COBIT: [10] Rijayana, Iwan., dan Dianisa, Fahrin., Audit
Management Guidelines, ITGI. Sistem Informasi Menggunakan Framework
[5] IT Governance Institute, 2007, COBIT 4.1: COBIT Pada Domain Delivery and Support
Framework, Objektif kontrol s, Management (DS) Studi Kasus: Universitas Widyatama,
Guidelines, Maturity Models, ITGI. KNSI 2014, STMIK Dipanegara Makassar,
[6] IT Governance Institute, 2010, IT Standards, 27 Pebruari-01 Maret 2014, hal 1701-1706.
Guidelines, and Tools and Techniques for [11] Sujana, Nana., Ramlan, H., Sakam,
Audit and Assurance and Control R.Djunaedy., Penilaian Tingkat Kematangan
Professionals, ISACA, ITGI. Tata Kelola Teknologi Informasi Dengan
[7] Kurniawan, Yogiek Indra, Pengukuran Menggunakan Framework COBIT 4.1 (Studi
Tingkat Maturity Domain Planning and Kasus: SPTIK Universitas Pasundan), KNSI
Organizing Menggunakan COBIT 4.1, KNSI 2013, STMIK Bumigora Mataram, 14-16
2013, STMIK Bumigora Mataram, 14-16 Pebruari 2013.
Pebruari 2013, hal 430-435. [12] Supradono, Bambang., Tingkat Kematangan
[8] Radovanovic, Dalibor., Radojevic, Tijana., Tata Kelola Teknologi Informasi (IT
Lucic, Dubravka., and Sarac, Marko, 2010, Governance) Pada Layanan dan Dukungan
Analysis of Methodology for IT Governance Teknologi Informasi (Kasus: Perguruan
and Information Systems Audit 6th Tinggi Swasta Di Kota Semarang), Seminar
International Scientific Conference, ISSN Nasional Teknologi Informasi dan
2029-4441 print/ISSN 2029-428X CD, Komunikasi Terapan 2011. ISBN 979-26-
0255-0.
7
Seminar Nasional Informatika 2014
Abstrak
Belum adanya media bagi masyarakat dalam menemukan suatu lokasi menjadikan masyarakat sulit
menemukan suatu tempat khususnya Kolam renang di Kota Medan. Masyarakat membutuhkan informasi
tentang letak geografis kolam renang di Kota Medan secara digital agar masyarakat lebih mudah menemukan
lokasi dan informasi tentang kolam renang. Dimana renang bukan hanya dijadikan tempat olahraga bagi
masyarakat Kota Medan tetapi sebagai tempat rekreasi. Dengan menyadari perkembangan teknologi semakin
berkembang para pengembang teknologi membuat suatu aplikasi mobile berbasis android untuk
mempermudah masyarakat menemukan lokasi kolam renang di Kota Medan. Android merupakan salah satu
sistem operasi mobile bersifat open source yang mempermudah pengembang aplikasi membuat dan
mengembangkan aplikasi tersebut dengan google map sebagai peta digitalnya. Dengan adanya aplikasi
sistem informasi geografis letak kolam renang umum di Kota Medan berbasis android masyarakat dapat
dengan mudah menemukan lokasi kolam renang di Kota Medan beserta informasi tentang harga dan fasilitas
yang ada pada kolam renang di Kota Medan dan dapat mempelajari tentang bagaimana cara berenang yang
baik dan benar.
8
Seminar Nasional Informatika 2014
3. METODE PENELITIAN
9
Seminar Nasional Informatika 2014
10
Seminar Nasional Informatika 2014
SARAN
DAFTAR PUSTAKA
11
Seminar Nasional Informatika 2014
Abstrak
Analisis kesuksesan sistem bimbingan online di STMIK AMIKOM Yogyakarta merupakan sebuah penelitian
yang dilakukan untuk mengukur sejauh mana tingkat keberhasilan dari penerapan sistem bimbingan online
tersebut. Sistem bimbingan online di STMOK AMIKOM Yogyakarta bukan hanya sebatas sistem yang dapat
digunakan untuk proses bimbingan saja, namun sistem ini juga mencakup hampir semua proses pelaksanaan
skripsi mulai dari pengajuan judul hingga proses bimbingan. Penelitian ini menggunakan model kesuksesan
DeLone dan McLean (2003) untuk mengukur tingkat kesuksesan dari penerapan sistem ini. Model
kesuksesan DeLone dan McLean (2003) ini memiliki enam variabel sebagai pengukurannya yaitu: Kualitas
sistem, Kualitas informasi, Kualitas pelayanan, Penggunaan, Kepuasan pengguna dan Netbenefit. Keenam
variabel tersebut semuanya digunakan dalam penelitian ini. Pada penelitian ini diperoleh 6 hipotesis yang
digunakan untuk proses analisis. Hasil penelitian yang dilakukan ke-6 hipotesis dinyatakan diterima. Dari
hasil analisis yang dilakukan menyatakan bahwa penerapan sistem ini dapat dikatakan sukses untuk proses
pengajuan judul, namun pada proses bimbingan masih belum sukses. Hal ini dikarenakan masih terdapat
beberapa menu yang error dan belum semua dosen menggunakan sistem tersebut.
Kata Kunci : kesuksesan, sistem, bimbingan online, DeLone dan McLean (2003)
12
Seminar Nasional Informatika 2014
4) Use (penggunaan)
Penggunaan digunakan untuk mengetahui
intensitas penggunaan informasi yang mengacu
pada seberapa sering pengguna memakai sistem
informasi [8]. Dalam kaitannya dengan hal ini
penting untuk membedakan apakah
pemakaiannya termasuk keharusan yang tidak
bisa dihindari atau sukarela. Penggunaan (Use)
menurut DeLone dan McLean (1992) diukur
menggunakan beberapa aspek antara lain : [3]
a. Frekwensi penggunaan.
Gambar 1. Model kesuksesan sistem DeLone b. Waktu penggunaan.
dan McLean (2003) [2] c. Jumlah akses.
d. Pola penggunaan.
Berdasarkan keenam elemen atau variabel e. Ketergantungan.
tersebut model kesuksesan DeLone dan McLean
(2003) beberapa faktor pengukuran pada masing- 5) User Satisfaction
masing variabel antara lain:[2] Kepuasan pemakai (User Satisfaction) adalah
respon pemakai terhadap penggunaan keluaran
1) Information Quality sistem informasi. Kepuasan pengguna menurut
Kualitas informasi digunakan untuk DeLone dan McLean (1992) diukur menggunakan
mengukur kualitas keluaran dari sebuah sistem kepuasan informasi dan kepuasan menyeluruh.
informasi. Kualitas informasi menurut DeLone & Kepuasan informasi yaitu mengukur tingkat
McLean (1992) diukur menggunakan beberapa kepuasan pengguna terhadap informasi yang
hal yaitu; [3] diberikan oleh sistem. Sedangkan kepuasan
a) Informasi harus di personalisasi. menyeluruh yaitu mencakup kepuasan terhadap
b) Kelengkapan (complete). kinerja sistem, kepuasan terhadap pelayanan dan
c) Relevansi (relevant). informasi[3].
d) Mudah dipahami (easy to understand).
e) Memberi keamanan terhadap pengguna. 6) Net Benefits
f) Konsistensi. Menurut DeLone dan McLean (2003)
manfaat bersih (netbenefit) adalah ukuran
2) System Quality keberhasilan yang paling penting karena dapat
Kualitas sistem digunakan untuk melakukan menangkap keseimbangan antara dampak positif
pengukuran terhadap kualitas sistem pada dan negative dari sistem informasi. Manfaat
teknologi informasi itu sendiri. Kualitas sistem bersih merupakan langkah-langkah paling penting
menurut DeLone dan McLean (1992) diukur tetapi tidak dapat dianalisis dan dipahami tanpa
menggunakan beberapa aspek antara lain : [3] pengukuran kualitas sistem dan kualitas
a) Usability informasi. [2]
b) Ketersediaan (availability).
c) Waktu keandalan (time reliability). 2.2. Pengolahan Data
d) Kemapuan beradaptasi (adaptability). Alat penelitian yang digunakan dalam
e) Respon (response). penelitian ini adalah Structural Equation Model
(SEM). Dalam penelitian ini SEM digunakan
3) Service Quality untuk mengukur dimensi-dimensi yang
Peneliti-peneliti sistem informasi yang mempengaruhi kesuksesan penerapan sistem
memasukkan pengukuran kualitas pelayanan bimbingan on line di STMIK AMIKOM
(service qualiti) kedalam model DeLone dan Yogyakarta dengan mengadopsi model
McLean mengambilnya dari penelitian kesuksesan sistem informasi DeLone & McLean.
pemasaran. Para peneliti yang berpendapat bahwa Selain itu juga menggunakan pengukuran-
kualitas layanan akan ditambahkan ke model pengukuran dari penelitian-penelitian sejenis yang
keberhasilan telah menerapkan dan menguji 22- telah dilakukan sebelumnya. Pengukuran variabel
item instrumen pengukuran SERVQUAL dari dilakukan dengan menggunakan skala Likert.
pemasaran untuk IS konteks. Beberapa sampel Data-data pada penelitian ini merupakan data
SERVQUAL item instrumen meliputi: [2] mentah yang kemudian akan dilakukan
a) Tangible pengolahan data dengan menggunakan software
b) Reability SmartPLS. Data yang dihasilkan dalam
c) Responsiveness pengolahan data akan disajikan dalam bentuk
d) Jaminan (assurance statistik deskriptif.
e) Empati (emphaty)
13
Seminar Nasional Informatika 2014
14
Seminar Nasional Informatika 2014
15
Seminar Nasional Informatika 2014
dapat diambil kesimpulan bahwa keenam ditujukan untuk sistem bimbingan online tersebut.
hipotesis yang diajukan dinyatakan diterima Adapun rekomendasi tersebut antara lain :
3.4. Statistik Deskriptif a. Pihak jurusan perlu mengadakan sosialisasi
Untuk mengetahui sejauh mana tingkat kepada dosen-dosen pembimbing tentang
keberhasilan sistem bimbingan tersebut dinilai adanya sistem bimbingan online agar semua
dari hasil pengolahan data yang telah dilakukan, dosen bisa menggunakan sistem bimbingan
maka perlu dibuat kategori untuk mengukur online.
tingkat keberhasilan penerapan sistem bimbingan b. Pihak jurusan dirasa perlu untuk menambah
online tersebut. Rincian frekuensi deskriptif staf yang khusus menangani pengajuan judul
statistic penelitian ini dijelaskan pada Tabel 4. skripsi.
c. Sistem bimbingan online perlu ditambahkan
Tabel 4. Statistik deskriptif informasi mengenai pedoman dalam pemilihan
Mean Std. Deviation topik penelitian, judul penelitian dan kasus-
Kualitas informasi 15,6900 2,56903 kasus yang sudah sering terjadi.
Kualitas Sistem 20,4800 2,71353 d. Melakukan perubahan pada sistem dimana
sistem memungkinkan satu mahasiswa untuk
Kualitas servis 15,6400 2,95597
mengajukan judul lebih dari satu dan
Penggunaan 10,2400 2,28796
pengajuan judul perlu disertai dengan abstrak.
Kepuasan 11,0500 1,85524 e. Staf IC perlu melakukan perbaikan dan
pengguna penyempurnaan beberapa menu pada sistem
Net benefit 16,6400 2,36780 bimbingan online untuk mahasiswa.
f. Menambahkan pencarian judul skripsi yang
Dari data tentang hasil pengukuran mean dan masih dalam proses pengerjaan.
standar deviasi, maka dibuatlah beberapa kategori
untuk menentukan tingkat keberhasilan
penerapan sistem berdasarkan data dari 4. KESIMPULAN DAN SARAN
responden. Pada penelitian ini peneliti
menggunakan 3 kategori penilaian. Rincian Penelitian ini dilakukan untuk mengukur
kategori tersebut antara lain:[7] tingkat kesuksesan pada sistem bimbingan online
a. Baik, bila nilai responden (X) > mean + 1SD di STMIK AMIKOM Yogyakarta baik dari segi
b. Cukup baik, bila nilai mean – 1SD < X < mean sistem maupun dari segi proses pelaksanaan
+ SD skripsi. Berdasarkan hasil analisis dan penelitian
c. Kurang baik, bila nilai responden (X) < mean – yang telah dilakukan maka dapat diambil
1SD kesimpulan sebagai berikut:
Hasil analisis frekuensi pada masing-masing a. Tingkat kepuasan pengguna terhadap sistem
variabel ditunjukkan pada Tabel 5. mempengaruhi tingkat keseringan pengguna
dalam memanfaatkan sistm bimbingan online,
Tabel 5. Analisis frekuensi sehingga semakin puas pengguna maka akan
Kategori Baik Cukup Kurang semakin sering pengguna dalam memanfaatkan
Variabel Baik baik sistem.
b. Penerapan sistem bimbingan online telah
Kualitas Informasi 17% 64% 19% berjalan meskipun masih terdapat beberapa
Kualitas Sistem 13% 77% 10% permasalahan dalam proses dan sistem
bimbingan online itu sendiri.
Kualitas Pelayanan 24% 65% 11% c. Dengan adanya sistem bimbingan online
mahasiswa akan lebih cepat dalam
Use/Penggunaan 15% 73% 12%
menyelesaikan skripsi karena untuk proses
Kepuasan Pengguna 21% 62% 17% skripsi dan bimbingan mahasiswa tidak perlu
mengantri.
NetBenefit 11% 77% 12% d. Secara keseluruhan tingkat kesuksesan sistem
untuk proses pengajuan judul dan pengecekan
Berdasarkan hasil analisis yang ditunjukkan judul sudah cukup berhasil, ini dibuktikan
pada Tabel 7 dapat disimpulkan bahwa penerapan dengan banyaknya responden yang
sistem bimbingan online sudah cukup berhasil. menyatakan bahwa sistem untuk proses
pengajuan judul dan pengecekan judul sudah
cukup baik. Namun untuk proses bimbingan
online masih belum berhasil.
3.5. Rekomendasi
Berdasarkan hasil analisis yang telah dilakukan Saran yang dapat diberikan sebagai tindak
maka diperoleh beberapa rekomendasi yang lanjut dari hasil penelitian adalah sebagai berikut:
16
Seminar Nasional Informatika 2014
17
Seminar Nasional Informatika 2014
Abstrak
Kualitas produksi kerajinan merupakan prioritas sebuah perusahaan yang bergerak di bidang kerajinan,
terutama dalam pemilihan bahan baku utama pembuatan kerajinan tersebut. dalam penelitian ini kerajinan
yang dibuat dari kulit ular yang akan diteliti, dimana kualitas kulit ular akan menjadi tolak ukur apakah kulit
ular tersebut layak dijadikan bahan kerajinan atau kulit ular tersebut ditolak untuk dijadikan bahan kerajinan.
Dalam penentuan inilah metode Fuzzy Simple Additive Weighting (SAW) yang mana metode tersebut
merupakan salah satu metode yang dapat digunakan untuk masalah Fuzzy Multi Atribute Decision Making
(Fuzzy MADM). Metode Fuzyy SAW diterapkan guna memaksimalkan keputusan yang akan diambil,
beberapa kriteria yang mendukung seperti ukuruan kulit ular, fisik kulit ular dan warna kulit ular dan bobot
untuk setiap kriteria juga diberikan setelah itu ditentukanlah nilai normalisasi dari perhitungan nilai criteria
dibagi dengan nilai maximum setiap criteria dan selanjutnya dilakukan perhitungan untuk menentukan nilai
perangkingan alternatif untuk menentukan jenis kulit ular mana yang terbaik.
Kata kunci : Kulit Ular, Metode Fuzzy, Simple Additive Weighting (SAW)
18
Seminar Nasional Informatika 2014
tetapi, dalam logika fuzzy memungkinkan nilai 1. Menentukan kriteria-kriteria yang akan
keanggotaan berada di antara 0 dan 1. Artinya, dijadikan acuan dalam pengambilan
bisa saja suatu keadaan mempunyai dua nilai “Ya keputusan, yaitu Ci.
dan Tidak”, “Benar dan Salah”, “Baik dan Buruk” 2. Menentukan rating kecocokan setiap
secara bersamaan, namun besar nilainya alternatif pada setiap kriteria.
tergantung pada bobot keanggotaan yang 3. Membuat matriks keputusan berdasarkan
dimilikinya. Logika fuzzy dapat digunakan di kriteria (Ci), kemudian melakukan
berbagai bidang, seperti sistem diagnosa penyakit normalisasi matriks berdasarkan persamaan
(dalan bidang kedokteran); pemodelan sistem yang disesuaikan dengan jenis atribut (atribut
pemasaran, riset operasi (dalam bidang ekonomi); keuntungan ataupun atribut biaya) sehingga
kendali kualitas air, prediksi adanya gempa bumi, diperoleh matriks ternormalisasi
klasifikasi dan pencocokan pola[4]. 4. Hasil akhir diperoleh dari proses perankingan
yaitu penjumlahan dari perkalian matriks
Fuzzy Multi Atribute Decision Making (Fuzzy ternormalisasi R dengan vektor bobot
MADM) sehingga diperoleh nilai terbesar yang dipilih
sebagai alternatif terbaik (Ai) sebagai
Pada dasarnya, proses MADM dilakukan melalui solusi[6].
3 tahap, yaitu penyusunan komponen-komponen
situasi, analisis, dan sintesis informasi. Ada Metode Fuzzy SAW
beberapa metode yang dapat digunakan untuk
menyelesaikan masalah FMADM yaitu [5]: Metode SAW sering juga dikenal istilah metode
penjumlahan terbobot. Fuzzy SAW ini termasuk
1. Simple Additive Weighting Method (SAW). salah satu metode untuk menyelesaikan masalah
2. Weighted Product (WP). Fuzzy Multi Atribute Decision Making (Fuzzy
3. ELECTRE. MADM). Konsep dasar metode Fuzzy SAW
4. TOPSIS (Technique for Order Preference adalah mencari penjumlahan terbobot dari rating
by kinerja pada setiap alternatif pada semua atribut.
Similarity to Ideal Solution ). Metode Fuzzy SAW membutuhkan proses
5. Analytic Hierarchy Process (AHP). normalisasi matriks keputusan (X) ke suatu skala
Pada dasarnya proses MADM dilakukan melalui yang dapat diperbandingkan dengan semua rating
3 tahapan yaitu: penyusunan komponen- alternatif yang ada.
komponen situasi, analisis dan sintesis informasi.
Pada tahap penyusunan komponen, komponen
situasi akan dibentuk tabel taksiran yang berisi
identifikasi alternatif dan spesifikasi tujuan,
kriteria dan atribut. Salah satu cara untuk { .......
menspesifikasikan tujuan situasi |Oi, i=1,...,t |
adalah dengan cara mendaftar konsekuensi- (1)
konsekuensi yang mungkin dari alternatif yang
telah teridentifikasi | Ai, i=1,...,n|. Selain itu juga di mana :
disusun atribut-atribut yang akan digunakan |ak, Ri j = nilai rating kinerja ternormalisasi
k=1,...,n|. Xij = nilai atribut yang dimiliki dari setiap
Tahap analisis dilakukan melalui 2 langkah, yaitu: kriteria
a. Mendatangkan taksiran dari besaran yang Max xij = nilai terbesar dari setiap kriteria i
potensial, kemungkinan dan ketidakpastian Min xij = nilai terkecil dari setiap kriteria i
yang berhubungan dengan dampak-dampak Benefit = jika nilai terbesar adalah terbaik
yang mungkin pada setiap alternatif. Cost = jika nilai terkecil adalah terbaik
b. Meliputi pemilihan dari preferensi pengambil
keputusan untuk setiap nilai dan Di mana rij adalah rating kinerja ternormalisasi
ketidakpedulian terhadap resiko yang timbul. dari alternatif Ai pada atribut Cj; i=1,2,..., m dan
Masalah Multi Attribute Decision Making j=1,2,...,n.
(MADM) adalah mengevaluasi m alternatif Ai Nilai preferensi untuk setiap alternatif
(i=1,2,...,m) terhadap sekumpulan atribut atau (Vi)diberikan sebagai:
kriteria Cj (j=1,2,...,n), dimana setiap atribut
saling tidak bergantung satu dengan yang lainnya. ...............(2)
Matriks keputusan setiap alternatif terhadap setiap ∑
atribut X. Dalam penelitian ini menggunakan
FMADM metode Fuzzy SAW. Adapun langkah-
langkahnya adalah:
19
Seminar Nasional Informatika 2014
2. Fisik Kulit.
Fisik kulit merupakan salah satu kriteria
yang mendukung kualitas kulit ular, kulit
ular dalam hal ini dilihat dari sisik ular
tersebut.
20
Seminar Nasional Informatika 2014
Tampilan Program
setelah user berhasil login maka user dapat Data yang akan diuji akan disesuaikan dengan
melakukan input data kulit ular mulai dari kode nilai berdasarkan kriteria, data yang telah
kulit, nama jenis kulit, ukuran kulit, fisik kulit dan disesuaikan dengan nilai kriteria dapat dilihat
warna kulit seperti pada gambar 3 dibawah ini. pada tabel 7 di bawah ini.
21
Seminar Nasional Informatika 2014
4. Kesimpulan
5. Saran
Selanjutnya dilakukan perkalian antara nilai
normalisasi setiap kriteria dengan nilai setiap Adapun saran yang berkaitan dengan
kriteria. pengujian metode Fuzzy SAW ini adalah sebagai
berikut :
1. Adanya penerapan metode lain yang lebih
efektif lagi dalam menentukan kualitas kulit
ular sehingga hasil penyeleksian lebih baik.
2. Adanya penambahan kriteria yang mungkin
sehingga jenis kulit ular yang terseleksi akan
lebih berkualitas.
22
Seminar Nasional Informatika 2014
23
Seminar Nasional Informatika 2014
Abstrak
Android adalah sistem operasi yang biasanya digunakan untuk telepon seluler yang berbasis unix. Android
menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi sendiri yang dapat
digunakan oleh bermacam perangkat bergerak. Semakin marak dan berkembangnya android di pasar global
membuat para pengembang perangkat lunak tertarik untuk mengembangkan aplikasi pada sistem operasi
berbasis open platform tersebut. Tentu saja untuk membuat atau mengembangkan aplikasi ataupun sistem
pada android OS di perlukan pengetahuan yang dalam tentang seluk beluk android. Sistem yang akan
dibangun ini menyediakan sebuah fasilitas layanan untuk memudahkan user melakukan modifikasi pada
gadget mereka, sehingga user tidak perlu tahu secara teknis apa yg harus di lakukan untuk memodifikasi isi
gadget mereka. Dengan kata lain memudahkan user dalam memodifikasi gadget mulai dari themes, system,
dan tweak yang akan di tanam di dalamnya.
24
Seminar Nasional Informatika 2014
3 Tujuan
Tujuan dari penelitian ini adalah untuk
merancanng layanan kostumisasi android yang
dapat digunakan dengan mudah sehingga user
tidak harus mengetahui proses kostumisasi
android.
4 Metode Penelitian
Alat yang digunakan pada penelitian ini
adalah seperangkat komputer dengan dilengkapi
tool tweak android dan bahasa pemrograman php
dengan menggunakan framework codeigniter (CI) Gambar 1. Kebutuhan Software
serta smartphone berbasis android. Adapun tool
yang digunakan antara lain Apk tools, Dxdia Agar memudahkan user dalam
kitchen, dan ADB tools, yang nantinya tools ini menggunakan sistem ini, maka sistem dibangun
yang akan menjadi tool utama disisi server dan berbasis website, sehingga semua proses berjalan
melakukan servis yang diinginkan oleh client. di server.
Sehingga client tidak perlu mengetahui secara pasti Berikut ini adalah skema alur proses
prinsip kerja tools itu secara pasti. remastering secara manual yang dilakukan oleh
Tahapan penelitian yang akan dilakukan user untuk menghasilkan file apk yang baru.
digambarkan pada tabel 1 berikut ini. Adapun skema adalah sebagai berikut :
Pada dasarnya untuk melakukan coustumisasi pada Gambar 2. Skema Remastering Manual [6]
android dalam hal ini tampilan user harus
melakukan proses sebagai berikut : Dari gambar di atas dapat kita lihat alur
a. Menginsatall Java Development Kit proses remastering manual yang dilakukan oleh
b. Menginstall Android SDK user sebagai berikut :
c. Memasang APK Tool engine 1. User mengambil atau memindahkan
Systemui.apk dan frameworkres.apk dari
25
Seminar Nasional Informatika 2014
android smartphone milik user ke pc linux 5. Setelah melakukan proses remaster user harus
sebagai media remastering. melakukan proses build atau compilasi ulang
2. User masuk ke terminal untuk melakukan keseluruhan paket yang telah dimodifikasi
proses decompile Systemui.apk dan menjadi paket systemui.apk dan
frameworkres.apk, sebelumnya user masuk ke frameworkres.apk yang baru. Untuk melakukan
direktori tempat file Systemui.apk dan hal tersebut user harus mengetikan perintah
frameworkres.apk di simpan dengan perintah apktool b -f frameworkres atau apktool b -f
cd ( change directory) systemui
3. Decompile systemui dan frameworkres dengan 6. Setelah proses decompile selesai, paket .apk
perintah apktool d -f framewoekres.apk atau yang baru akan terbentuk dan user harus
apktool d -f systemui.apk memindahkan dan mengganti frameworkres
4. Setelah proses decompile selesai di direktory dan systemui pada smartphone milik user
path tempat melakukan proses decompile akan dengan frameworkres dan systemui hasil
tercipta directory frameworkres dan systemUI repacked yang baru.
yang didalamnya terdapat source file dari apk Dari dasar skema alur proses manual
paket yang telah di decompile sebelumnya. untuk menghasilkan apk baru, maka dirancang
Pada tahap ini user akan melakukan modifikasi skema alur proses yang baru untuk memudahkan
isi source, mulai dari memindahkan atau user dalam melakukan kostumisasi antar muka
merubah keseluruhan isi dari source tersebut. android, adapun skema digambarkan pada gambar
Untuk melakukan hal itu user harus tau secara 3 berikut.
keselurhan mengenai isi source yang akan
dimodifikasi agar tidak terjadi kesalahan dalam
proses remaster.
Pada service yang akan dibuat, alur 4. User yang belum di aprove sudah bisa
remastering menjadi lebih singkat dan lebih mudah melakukan login tapi hanya bisa melihat menu
dengan alur seperti berikut : home dan welcome page saja
1. Dalam system ini, terdapat tiga previlage user 5. Visitor biasa, hanya bisa melihat home page
(admin, member, dan visitor ) dari kitchen dan sama sekali tidak bisa
2. Setiap member yang melakukan registrasi, menggunakan servis
akan menunggu aproval dari admin untuk bisa 6. Ketika user sudah mendapat aproval dari
menggunakan layanan kitchen admin, user sudah bisa mengupload dan
3. Admin bisa melihat daftar user yang menunggu mengakses page untuk proses remaster serta
untuk aproval mendownload file apk hasil remaster
7. Dalam proses remaster user tidak perlu
mengetikan perintah-perintah selayaknya pada
26
Seminar Nasional Informatika 2014
27
Seminar Nasional Informatika 2014
Clientname Text
Fileext Tinytext
Filesize Float
Typeid Int 10
Type Varchar 50
Forld Int 10
Categoryid Int 10
Date Timestamp
Uploaded Varchar 100
Gambar 7. Halaman User Guide
Perancangan Antar Muka Sistem
5. Rancangan Halaman Upload File Apk.
1. Rancangan Halaman Login
3. Rancangan Halaman untuk Member setelah di 7. Rancangan Halaman Proses Compile File
Approve
28
Seminar Nasional Informatika 2014
Kesimpulan
Dari uraian yang telah dijelaskan pada
bab sebelumnya, adapun kesimpulannya adalah :
1. Untuk merancang layanan kostumisasi android
yang berbasis web dimulai dengan langkah
merancang layanan yang letaknya di sisi server
(linux), kemudian merancang layanan
interface di sisi client (web base), kemudian
merancang layanan perantara antara perintah
Gambar 11. Halaman Download file apk dari user (client) yaitu php terhadap perintah
yang berada di sisi server (linux) yaitu
9. Rancangan Halaman home Admin command linux.
2. Dibutuhkan setidaknya sebelas tabel untuk
menampung data yang digunakan untuk proses
remastering.
3. Dibutuhkan setidaknya halaman upload file,
kostumisasi atau pengolahan interface dan
download file untuk merancang sistem
kostumisasi tersebut.
Saran
Agar sistem layanan yang dirancang ini
Gambar 12. Halaman Home Admin menjadi lebih baik, maka perlu ditambahkan fitur
yaitu sebagai berikut :
10. Rancangan Halaman Daftar User yang telah Di 1. Menyediakan server yang lebih besar space
Approve nya, sehingga berapapun user yang
menggunakan tidak terjadi RTO pada server.
2. Terdapat dukungan costum room untuk
berbagai jenis vendor smartphone dalam hal ini
android sehingga user tidak perlu mengupload
file secara manual.
3. Terdapat fitur browse file secara langsung
ketika smartphone pengguna terhubung dengan
PC atau Notebook user.
Daftar Pustaka
Gambar 13. Halaman List User Aproval [1] Wei-Meng Lee, 2011, Beginning Android
Application Development, English, Wrox
11. Rancangan Halaman Daftar seluruh user yang [2] Dong-Hoon You, Bong-Nam Noh, 2011,
terdafar. Android platform based linux kernel rootkit,
http://ieeexplore.ieee.org/xpl/articleDetails.js
p?tp=&arnumber=6112330&contentType=C
onference+Publications&pageNumber%3D2
%26queryText%3Dandroid+smart+phone
[3] Shanker, a., 2011, Android porting concepts,
http://ieeexplore.ieee.org/xpl/articleDetails.js
p?tp=&arnumber=5941971&contentType=C
onference+Publications&queryText%3Dandr
oid+kernel
[4] http://susestudio.com/
[5] http://uot.dakra.lt/kitchen/
Gambar 14. Halaman List semua User [6] http://forum.xda-developers.com
29
Seminar Nasional Informatika 2014
Abstrak
Saat ini mayoritas mahasiswa memilih bidang peminatan mengikuti pilihan yang diambil mayoritas teman-
teman satu kelas, tanpa mempertimbangkan faktor prestasi akademik mahasiswa. Hal ini berdampak pada
ketidaksesuaian bidang peminatan dengan minat dan keterampilan mahasiswa tersebut, akibatnya banyak
mahasiswa yang mengalami kesulitan ketika menyelesaikan tugas akhir. Penerapan algoritma C4.5 dalam
pilihan bidang peminatan akan membantu dalam pengklasifikasian variable-variabel yang mempengaruhi
pemilihan bidang peminatan. Algortima C4.5 adalah algoritma yang cukup efektif untuk membantu
membentuk sebuah pohon keputusan, pohon keputusan tersebut kemudian akan menghasilkan sebuah
pengetahuan baru. Berdasarkan hasil pengujian terhadap pohon keputusan diperoleh kecocokan data 82,14 %
terhadap data pemilihan bidang peminatan.
Bidang peminatan merupakan bagian dari Menurut Fayyad dalam buku (kusrini, 2009)
kurikulum berbasis kopetensi. Bidang peminatan Istilah data mining dan knowledge discovery in
adalah kumpulan dari beberapa matakuliah database (KDD) sering kali digunakan secara
pendukung yang akan mengantarkan Mahasiswa bergantian untuk menjelaskan proses penggalian
menuju proses penyelesaian skripsi. Adapun informasi tersembunyi dalam suatu basis data
bidang peminatan yang ada pada program studi yang besar. Sebenarnya kedua istilah tersebut
Sistem Informasi adalah Komputerisasi Akuntansi memiliki konsep yang berbeda, tetapi berkaitan
(SIA), Sistem Informasi Grafis(SIG) dan Sistem satu sama lain. Dan salah satu tahapan dalam
Bisnis Cerdas(SBC). keseluruhan proses KDD adalah data mining.
Liliana Swastina telah menerapkan Proses KDD secara garis besar dapat dijelaskan
algoritma C4.5 untuk penentuan jurusan sebagai berikut :
Mahasiswa, hasil yang diperoleh dalam penentuan
jurusan dengan tingkat akurasi 93.31 % dan 1. Data Selection
akurasi rekomendasi jurusan sebesar 82.64%[1]. Pemilihan (seleksi) data dari sekumpulan
Algoritma C4.5 umumnya digunakan untuk data operasional perlu dilakukan sebelum
pengklasifikasian data, selain algoritma C4.5 tahap penggalian informasi dalam KDD
algoritma ID3 dan K-Nearest juga dapat dimulai. Data hasil seleksi yang akan
digunakan untuk pengklasifikasian data. Studi digunakan untuk proses data mining
kinerja K-Nearest Neighbor dan C4.5 sudah disimpan dalam suatu berkas, terpisah dari
dilakukan penelitian dalam menentukan basis data operasional.
kemungkinan pengunduran diri mahasiswa di 2. Pre- processing / Cleaning
STMIK AMIKOM Yogyakarta, hasil penelitian Sebelum proses data mining dapat
yang diperoleh adalah kinerja algoritma C4.5 dilaksanakan, perluh dilakukan proses
lebih cepat dan akurat dibandingkan dengan pembersihan pada data yang menjadi focus
algoritma K-Nearest [2]. Algoritma C4.5 KDD. Proses pembersihan mencakup antara
memiliki tingkat ketelitian yang tinggi dalam lain membuang duplikasi data, memeriksa
menghasilkan sebuah keputusan, ketelitiannya data yang inkosisten, dan memperbaiki
hingga 94 % pada tahap pelatihan dan 93 % pada kesalahan pada data, seperti kesalahan cetak
tahap uji coba [3] (tipografi).
30
Seminar Nasional Informatika 2014
2. Transformation
Gambar 1. Aliran Informasi dalam data Proses transformasi yang dilakukan adalah
mengklasifikasikan Atribut IPK menjadi 3
mining
variabel yaitu “Kecil” untuk IPK < 3.00,
“Sedang” untuk IPK >= 3.00 s/d IPK <= 3.5 dan
3. Analisa dan Pembahasan
“Besar” untuk IPK > 3.5. Hasil transformasi dapat
Data penelitian ini bersarkan data pemilihan dilihat pada tabel.2
bidang peminatan program studi sistem informasi
stambuk 2010 TA. 2012-2013 sebanyak 100 data.
31
Seminar Nasional Informatika 2014
Di mana :
1. S : Himpunan Kasus
2. A : Atribut
3. n : Jumlah Partisi S
4. pi : Proporsi dari Si terhadap S
Data hasil transformasi selanjutnya dianalisa Sesuai dengan hasil perhitungan algoritma
untuk menghasilkan sebuah pohon keputusan C4.5 mencari node 1 atau node akar, variable JK
dengan menggunakan algoritma C4.5, secara atau Jenis kelamin mejadi varibel akar. Proses
umum algortima C4.5 untuk membangun pohon perhitungan algoritma C4.5 dilanjutkan hingga
keputusan adalah sebagai berikut: semua atribut sudah memiliki keputusan.
1. Perhitungan Entropy dan Gain
2. Pemilihan Gain tertinggi sebagai akar ( Node ) 4. Uji Coba
3. Ulangi proses perhitungan Entropy dan Gain
untuk mencari cabang sampai semua kasus Uji coba sistem menggunakan tool Weka 3-
pada cabang memiliki kelas yang sama yaitu 5-5. Hasil proses klasifikasi dengan algoritma Id3
pada saat semua variabel telah menjadi bagian menghasilkan keputusan yang menjadi atribut
dari pohon keputusan atau masing –masing akar adalah jenis kelamin dan menghasilkan
variabel telah memiliki daun atau keputusan. pengetahuan sebagai berikut:
4. Membuat Rule berdasarkan pohon keputusan.
Untuk memilih atribut sebagai akar, a. Jika JK=LK and IPK_Wajib = Sedang and
didasarkan pada nilai gain tertinggi dari atribut- IPK_Inti = Sedang Then Peminatan =
atribut yang ada. Untuk menghitung gain Sistem Bisnis Cerdas
digunakan rumus sebagai berikut: b. Jika JK=LK and IPK_Wajib = Sedang and
IPK_Inti = Besar Then Peminatan = Sistem
Bisnis Cerdas
(1) [4] c. Jika JK=LK and IPK_Wajib = Sedang and
IPK_Inti = Kecil Then Peminatan = Sistem
Di mana : Bisnis Cerdas
1. S : Himpunan Kasus d. Jika JK=LK and IPK_Wajib = Besar Then
2. A : Atribut Peminatan = Sistem Informasi Geografis
3. n : Jumlah Partisi Atribut A e. Jika JK=LK and IPK_Wajib = Kecil and
4. |Si| : Jumlah Kasus pada Partisi ke-i IPK_Inti = Sedang Then Peminatan =
5. |S| : Jumlah Kasus dalam S Sistem Informasi Geografis
f. Jika JK=LK and IPK_Wajib = Kecil and
Sementara itu, perhitungan nilai entropy IPK_Inti = Kecil Then Peminatan = Sistem
dapat dilihat pada persamaan berikut ini: Informasi Geografis
32
Seminar Nasional Informatika 2014
g. Jika JK=Pr and IPK_Inti = Sedang and Tabel 4 Data Uji Coba
IPK_Wajib = Sedang Then Peminatan =
Sistem Informasi Akuntansi
h. Jika JK=Pr and IPK_Inti = Sedang and
IPK_Wajib = Besar Then Peminatan =
Sistem Informasi Akuntansi
i. Jika JK=Pr and IPK_Inti = Sedang and
IPK_Wajib = Kecil Then Peminatan =
Sistem Bisnis Cerdas
j. Jika JK=Pr and IPK_Inti = Besar and
IPK_Wajib = Sedang Then Peminatan =
Sistem Bisnis Cerdas
k. Jika JK=Pr and IPK_Inti = Besar and
IPK_Wajib = Besar Then Peminatan =
Sistem Bisnis Cerdas
l. Jika JK=Pr and IPK_Inti = Besar and
IPK_Wajib = Kecil Then Peminatan =
Sistem Bisnis Cerdas
m. Jika JK=Pr and IPK_Inti = Kecil Then
Peminatan = Sistem Informasi Geografis
33
Seminar Nasional Informatika 2014
34
Seminar Nasional Informatika 2014
STMIK Amikom
Manajemen Informatika STMIK AMIKOM Yogyakarta
Jl. Ringroad Utara, Condong Catur, Depok, Sleman, Yogyakarta
E-mail : hartatik@amikom.ac.id
Abstrak
Seleksi mahasiswa baru di STMIK AMIKOM Yogyakarta dilakukan lewat 2 cara yaitu seleksi penerimaan
mahasiswa baru dengan ujian tertulis dan seleksi penerimaan mahasiswa baru berprestasi (PJ2AB). Pembeda
antara tes tertulis dan tes PJ2AB adalah nilai UN calon mahasiswa. Mahasiswa yang memiliki nilai ujian
nasional (UN) lebih dari 7,5 akan mengikuti tes PJ2AB yang berupa wawancara langsung. Namun bagi calon
mahasiswa yang memiliki nilai ujian nasional kurang dari 7,5 wajib mengikuti tes tertulis. Diharapkan calon
mahasiswa yang mengikuti seleksi PJ2AB akan memiliki prestasi dan nilai akademik yang lebih baik
dibandingkan mahasiswa yang mengikuti ujian tertulis. Namun pada kenyataannya, didapatkan beberapa
mahasiswa yang mengikuti tes seleksi masuk melalui jalur PJ2AB tidak memiliki IPK yang lebih baik
dibandingkan dengan mahasiswa yang mengikuti tes seleksi masuk melalui tes tertulis. K-Means merupakan
salah satu algoritma dalam data mining yang bisa digunakan untuk melakukan pengelompokan/clustering
suatu data. Parameter yang digunakan sebagai inputan pada kasus ini ada 2 yaitu tes seleksi masuk dan nilai
ujian nasional mahasiswa. Metode K-Means akan membagi mahasiswa STMIK AMIKOM Yogyakarta
kedalam n cluster sehingga akan didapatkan pola pengelompokan yang diharapkan dapat memperlihatkan
asosiasi antara tes masuk dan IPK mahasiswa STMIK AMIKOM Yogyakarta.
35
Seminar Nasional Informatika 2014
perspektif dan meringkasnya menjadi suatu IPK dihitung dengan menjumlahkan indeks
informasi. Pentingnya pencarian prestasi (IP) yang didapat pada tiap semester
pengetahuan/informasi dari suatu data yang dibagi dengan jumlah semester yang telah
berukuran besar membuat data mining menjadi dilewati.
komponen yang penting dalam mengekstrak suatu 2. Tes seleksi masuk
pengetahuan yang dapat berguna dalam suatu Setelah data dikumpulkan, tahapan
sistem. Pada penelitian yang dilakukan oleh selanjutnya adalah studi literatur. Pada tahap
Chuchra (2012), disebutkan bahwa data mining ini dipelajari berbagai macam referensi
dapat digunakan untuk mengevaluasi kinerja tentang data mining dan metode K-Means
siswa. Dengan menggunakan algoritma yang ada baik melalui jurnal penelitian, buku-buku
dalam data mining, dicoba untuk mengekstrak teori, tutorial, dan sumber-sumber lain
pengetahuan yang bisa menggambarkan kinerja termasuk internet. Berdasarkan beberapa
siswa pada akhir semester. Hasil ekstraksi ini literatur, untuk melakukan clustering
dapat digunakan untuk membantu dalam menggunakan metode k-means ada beberapa
mengidentifikasi siswa yang mungkin akan putus langkah yang harus dilakukan :
sekolah dan membantu siswa yang membutuhkan Berdasarkan beberapa buku Witten, Ian
perhatian khusus serta mengantisipasi keadaan dan Frank (2005), untuk melakukan clustering
tersebut dengan memberikan seorang profesor menggunakan metode k-means ada beberapa
yang tepat untuk membantu menasehati dan langkah yang harus dilakukan :
membimbing para siswa. 1. Langkah pertama yang dilakukan adalah
Penelitian yang dilakukan oleh Tiwari, menentukan jumlah k cluster yang diinginkan
Singh dan Vimal (2013), menyebutkan bahwa sebagai centroid awal. Algoritma k-means
institusi pendidikan adalah bagian penting dalam membutuhkan parameter input sebanyak k
masyarakat dan memainkan peranan yang penting dan membagi sekumpulan n objek kedalam
dalam pertumbuhan dan pembangunan suatu k cluster sehingga tingkat kemiripan antar
bangsa. Selain itu institusi pendidikan juga anggota dalam satu cluster tinggi sedangkan
berperan untuk mengontrol dan melakukan tingkat kemiripan dengan anggota pada
evaluasi serta prediksi prestasi akademik cluster lain sangat rendah. Kemiripan anggota
siswanya. Prestasi akademik siswa dapat terhadap cluster diukur dengan kedekatan
didasarkan pada berbagai faktor seperti objek terhadap nilai mean pada cluster
kepribadian, lingkungan sosial serta psikologi dari atau dapat disebut sebagai centroid cluster
siswa tersebut. Educational data mining atau pusat massa. Rumus pengukuran jarak
mengimplementasikan algoritma data mining dapat dihitung menggunakan rumus 1
untuk menemukan pengetahuan dari data yang (Santosa, 2007) :
berasal dari domain pendidikan. Hasil penelitian
ini menyebutkan bahwa data mining dapat (1)
digunakan sebagai tool pengambilan suatu
keputusan yang dapat menemukan suatu
pengetahuan dari sejumlah besar data yang bisa 2. Langkah yang kedua adalah melakukan
digunakan dalam menilai prestasi siswa. clustering obyek dengan memasukkan setiap
obyek ke dalam cluster (grup) berdasarkan
2. Metode Penelitian jarak minimumnya. Suatu data akan menjadi
anggota dari suatu cluster (C1, C2 maupun
Penelitian yang diusulkan ini C3) bila memiliki jarak terkecil dari pusat
menggunakan data primer, dengan respondennya cluster-nya.
adalah mahasiswa jurusan S1. Teknik Informatika 3. Langkah ketiga adalah menghitung pusat
STMIK AMIKOM Yogyakarta angkatan 2011 cluster baru. Pusat cluster yang baru
dan 2012. Pengumpulan data dilakukan melalui ditentukan berdasarkan pengelompokan
kuisioner yang dibagikan langsung kepada anggota masing-masing cluster. Pusat cluster
mahasiswa. Dalam kuisioner ini, mahasiswa baru diperoleh dari rata – rata semua
diminta untuk mengisikan nim, nama, asal data/objek dalam cluster.
SLTA/sederajat, tes seleksi yang pernah diikuti 4. Langkah yang keempat dilakukan dengan
ketika hendak mendaftar menjadi calon mengulangi iterasi yang dimulai dari langkah
mahasiswa STMIK AMIKOM Yogyakarta dan 1, sehingga cluster yang baru memiliki angka
IPK terakhir yang diperoleh. yang tetap (tidak mengalami perubahan).
Parameter yang digunakan untuk
melakukan pengelompokan mahasiswa terdiri dari 3. Hasil Dan Pembahasan
2 yaitu :
1. IPK Sample yang digunakan berjumlah 40
orang dari berbagai angkatan. Tabel 1
36
Seminar Nasional Informatika 2014
menunjukkan data mahasiswa yang dijadikan Data sampling pada tabel 1 dilakukan
sample data. pengelompokan menggunakan algoritma K-
Means. Langkah-langkah yang dilakukan untuk
Tabel 1. Data sampling melakukan pengelompokan adalah :
37
Seminar Nasional Informatika 2014
38
Seminar Nasional Informatika 2014
Tabel 6. Data clustering baru pada iterasi yang 7.313795 0.929215 0.701645
kedua
8.654623 1.820363 0.768678
Pusat Cluster Baru
8.673315 1.802598 0.816463
0 0
8.077747 1.185631 0.60072
2.611 6.38
7.94119 1.296812 0.320726
3.443667 7.095
7.632169 1.394174 0.814575
Langkah keempat adalah membandingkan 7.647876 0.98322 0.300331
hasil pengelompokan/cluster pada iterasi yang 7.294518 0.889225 0.697279
pertama dan iterasi yang kedua. Jika hasil
7.023532 0.712124 0.906457
clustering sama maka kita sudah mendapatkan
cluster yang benar. Jika tidak dilanjutkan ke 8.71085 1.852534 0.836213
iterasi yang ketiga. 8.732125 1.847896 0.906752
7.24241 0.348885 0.798247
Iterasi ketiga
Langkah pertama pada iterasi ketiga 7.551748 1.08161 0.54429
adalah menentukan jumlah k cluster berdasarkan 8.259637 1.405418 0.405329
hasil pada iterasi yang kedua. Cluster awal pada
7.871467 1.167271 0.182935
iterasi yang tiga sama dengan tabel 6.
Langkah kedua mengukur kedekatan 7.494164 0.964428 0.506292
objek terhadap nilai mean. Hasil pengukuran ini 7.524234 1.185091 0.688456
dapat dilihat pada tabel 7.
Langkah selanjutnya adalah melakukan
Tabel 7. Centroid Cluster pada iterasi yang clustering objek sehingga didapatkan data
ketiga clustering yang baru. Hasil clustering pada iterasi
Cluster 1 Cluster 2 Cluster 3 yang pertama dapat dilihat dengan tabel 8.
8.170679 1.280516 0.672209 Tabel 8. Data clustering baru pada iterasi yang
7.979279 1.367611 0.397842 ketiga
7.504166 1.145304 0.669227
Pusat Cluster
6.932712 0.410148 0.954393
7.25854 0.928375 1.526625 0 0
2.611 6.38
7.915965 1.19458 0.162681 3.443667 7.095
6.914658 1.170991 1.974048
7.424311 0.559072 0.549556 Langkah keempat adalah
membandingkan hasil pengelompokan/cluster
7.751703 0.9494 0.148139 pada iterasi yang pertama dan iterasi yang kedua.
8.029477 1.347487 0.306374 Hasil cluster kedua dan ketiga sama, sehingga kita
8.385255 1.597411 0.507804 sudah mendapat nilai cluster yang tetap/stabil.
8.544004 1.66605 1.007901 Kebutuhan Fungsional
8.732125 2.206291 2.014497 Perangkat lunak yang dibangun memiliki
7.615773 0.73193 0.453724 kebutuhan fungsional sebagai berikut :
1. Sistem dapat memasukkan data mahasiswa
7.401459 0.936718 0.602748 yang akan di cluster
7.377594 1.059189 0.730925 2. Sistem dapat memasukkan parameter-
6.921163 0.921043 1.095018 parameter
3. Sistem dapat memasukkan nilai IPK dan UN
7.432362 0.572469 0.53279 untuk masing-masing mahasiswa
7.332148 0.536247 0.983198 4. Sistem dapat melakukan pengelompokan
data mahasiswa yang telah diinputkan.
6.634312 1.407907 1.617083
6.324555 0.719528 1.81196 Use Case Diagram
6.800735 0.622672 1.561473 Kebutuhan fungsional tersebut lalu
dituangkan ke dalam diagram use case. Diagram
7.446644 0.714647 0.439922
use case dapat dilihat pada gambar 1.
39
Seminar Nasional Informatika 2014
5. Saran
Untuk mendapatkan hasil yang lebih
akurat, sample yang digunakan perlu ditambahkan
setidaknya 10% dari jumlah mahasiswa STMIK
Amikom Yogyakarta agar didapatkan nilai cluster
yang benar-benar bisa mewakili kondisi
sebenarnya.
Daftar Pustaka
40
Seminar Nasional Informatika 2014
Abstrak
Tanaman rambutan mempunyai nama latin Nephelium Sp. yang merupakan keluarga dari spidaceae.
Tanaman rambutan merupakan tanaman dataran rendah, hingga ketinggian 300-600 m dpl. Pohon dengan
tinggi 15-25 m dengan anak daun 2-4 pasang. Helai anakan daun bulat lonjong, panjang 7.5-20 cm, lebar3.5
8.5 cm, ujung dan pangkal runcing, tepi rata, pertulangan sirip, tangkai silindris warnanya hijau, kerap kali
kering. Analisa yang dilakukan dengan berdasarkan faktor biotis yaitu penyakit tanaman rambutan yang
disebabkan oleh organisme hidup yang kesemuanya adalah mikroorganisme.yaitu jamur, bakteri, dan virus.
Untuk itu diperlukan pengetahuan mengenai gejala fisik yang timbul pada tanaman rambutan seperti pada
daun, batang atau ranting,akar dan buah. Penelitian ini menghasilkan aplikasi program sistem pakar
diagnosis 4 penyakit tanaman rambutan dengan gejala kerusakannya dan penanggulangannya baik secara
biologis, Kultur teknis, dan fisik/mekanis dengan metode forward chaining. Hasil kesimpulan dari aplikasi
yang dibangun keakuratannya mencapai 80% dengan membandingkan gejala-gejala yang ada .
Kata Kunci : Sistem Pakar, Forward Chaining, Faktor Biotis, Tanaman Rambutan.
41
Seminar Nasional Informatika 2014
teknologi sistem pakar mendefinisikan sistem ilmiah dan buku disertai dengan wawancara
pakar sebagai sebuah program kamputer pintar mengadakan tanya jawab dengan petugas
(intelligent computer program) yang penyuluh lapang dan petani rambutan. Data yang
memanfaatkan pengetahuan (knowledge) dan diperlukan ialah data jenis hama dan penyakit
prosedur inferensi (inference procedure) untuk tanaman rambutan berdasarkan gejala gejala fisik
memecahkan masalah yang cukup sulit sehingga yang terjadi dan penanggulangannya.
membutuhkan keahlian khusus dari manusia.
Dengan kata lain, sistem pakar adalah sistem
komputer yang ditujukan untuk meniru semua Sejarah singkat tanaman rambutan
aspek (emulates) kemampuan pengambilan
keputusan (decision making) seorang pakar. Rambutan (Nephelium sp.) merupakan tanaman
Sistem pakar memanfaatkan secara maksimal buah hortikultural berupa pohon dengan famili
pengetahuan khusus selayaknya seorang pakar Sapindacaeae. Tanaman buah tropis ini dalam
untuk memecahkan masalah. [1] bahasa Inggrisnya disebut Hairy Fruit berasal dari
Indonesia. Hingga saat ini telah menyebar luar
Manfaat Sistem Pakar didaerah yang beriklim tropis seperti Filipina dan
negara-negara Amerika Latin dan ditemukan pula
Secara garis besar, banyak manfaat yang di daratan yang mempunyai iklim sub-tropis. Dari
dapat diambil dengan adanya sistem pakar, antara survey yang telah dilakukan terdapat 22 jenis
lain [2]: rambutan baik yang berasal dari galur murni
1. Membuat seorang yang awam bekerja seperti maupun hasil okulasi atau penggabungan dari dua
layaknya seorang pakar. jenis dengan galur yang berbeda. Ciri-ciri yang
2. Meningkatkan produktivitas akibat membedakan setiap jenis rambutan dilihat dari
meningkatnya kualitas hasil pekerjaan, sifat buah (dari daging buah, kandungan air,
mengingkatnya kualitas pekerjaan ini bentuk, warna kulit, panjang rambut). Rambutan
disebabkan meningkatnya efisiensi kerja. dapat tumbuh subur pada dataran rendah dengan
3. Menghemat waktu kerja. ketinggian antara 30-500 m dpl. Pada ketinggian
4. Menyederhanakan pekerjaan. dibawah 30 m dpl rambutan dapat tumbuh namun
5. Merupakan arsip terpercaya dari sebuah tidak begitu baik hasilnya.[4]
keahlian, sehingga bagi pemakai sistem pakar
seolah-olah berkonsultasi langsung dengan Kecerdasan Buatan
sang pakar, meskipun mungkin sang pakar Kecerdasan buatan berasal dari kata Artificial
telah tiada. Intelligence yang mengandung arti tiruan atau
6. Memperluas jangkauan, dari keahlian seorang kecerdasan. Secara harfiah Artificial Intelligence
pakar. Di mana sebuah sistem pakar yang adalah kecerdasan buatan. Kecerdasan buatan
telah disahkan, akan sama saja artinya dengan adalah salah satu bidang dalam ilmu komputer
seorang pakar yang tersedia dalam jumlah yang membuat komputer agar dapat bertindak
besar (dapat diperbanyak dengan kemampuan dan sebaik seperti manusia (menirukan kerja
yang persis sama), dapat diperoleh dan dipakai otak manusia) [5].
di mana saja. Pada aplikasi kecerdasan buatan ada 2 bagian
utama yang sangat dibutuhkan yaitu [5]:
Metode Forward Chaining a. Basis Pengetahuan (Knowledge Base), berisi
fakta-fakta, teori pemikiran dan hubungan antara
Metode forward chaining adalah teknik satu dengan yang lainnya. Jurnal Sarjana Teknik
pencarian yang dimulai dengan fakta yang Informatika e-ISSN: 2338-5197
diketahui, kemudian mencocokkan fakta-fakta b. Motor Inferensi (Inference Engine) yaitu
tersebut dengan bagian IF dari rules IF-THEN. kemampuan menarik kesimpulan berdasarkan
Bila ada fakta yang cocok dengan bagian IF, pengalaman.
maka rule tersebut dieksekusi. Bila sebuah rule
dieksekusi, maka sebuah fakta baru (bagian Representasi Pengetahuan (Knowledge Base)
THEN) ditambahkan kedalam database. Setiap
kali pencocokan, dimulai dari rule teratas. Setiap Upaya dari usaha penelitian pada kecerdasan
rule hanya boleh dieksekusi sekali saja. Proses buatan adalah bagaimana cara untuk
pencocokan berhenti bila tidak ada lagi rule yang mengembangkan representasi pengetahuan.
bisa dieksekusi.[3] Perangkat lunak kecerdasan buatan mempunyai
banyak metode yang berbeda untuk menyajikan
Untuk memperoleh data menggunakan cara pengetahuan dua diantaranya yaitu [5] :
pengamatan atau observasi ke lahan pertanian a. Pohon
yang ditanam rambutan dan penelusuran literatur Pohon merupakan struktur penggambaran pohon
dari. berbagai sumber artikel, internet, tulisan secara hirarkis. Struktur pohon terdiri dari node-
42
Seminar Nasional Informatika 2014
node yang menunjukkan obyek, dan arc (busur) gejala yang timbul. Meskipun dari gejala klinis
yang menunjukkan hubungan antar obyek. (gejala-gejala yang terlihat langsung). Ada 4 tabel
b. Kaidah Produksi untuk membantu Rule basis pengetahuan untuk
Kaidah produksi secara umum terdiri dari mendiagnosa penyakit pada tumbuhan rambuhan
komponen-komponen sebagai berikut: yaitu tabel penyakit, tabel gejala, tabel
1) Ruang keadaan, yang berisi keadaan awal, penanggulangannya dan tabel rule basis
tujuan dan kumpulan aturan yang digunakan pengetahuan penyakit dengan
untuk mencapai tujuan. penanggulangannya, serta akan digambarkan
2) Strategi kontrol, yang berguna untuk dengan menggunakan pohon keputusan.
mengarahkan bagaimana proses pencarian
akan berlagsung dan mengendalikan arah Tabel 1. Tabel Penyakit
eksplorasi. Kode Penyakit Penyakit
Kaidah produksi ini merupakan salah satu bentuk P01 Kutu Putih (Cacao Mealybug)
representasikan pengetahuan yang sangat populer P02 Penggerek buah (Fruit Borer)
dan banyak digunakan adalah kaidah produksi. Hama
Representasi pengetahuan dengan kaidah P03 Tirarhaba(Melissablaptes,
produksi. Representasi pengetahuan dengan Mucialla) ruptilinea (Wkl)
kaidah produksi, pada dasarnya berupa aplikasi P04 Ulat Daun Rambutan
aturan (rule) yang berupa :
1) Antecedent, yaitu bagian yang Tabel 2. Tabel Gejala
mengekspresikan situasi atau premis Kode Gejala Gejala
(Pernyataan berawalan IF). Terdapat bercak putih pada
2) Konsekuen, yaitu bagian yang menyatakan G01
belahan daun
suatu tindakan tertentu atau konklusi yang G02 kerontokan buah muda
diterapkan jika suatu situasi atau premis G03 Tumbuhan Sulit Berkembang
bernilai benar (Pernyataan berawalan THEN).
lubang dibawah kulit buah dan
G04 meninggalkan kotoran juga
Konsekuensi atau konklusi yang dinyatakan pada
didalam buahnya
bagian THEN baru dinyatakan benar, jika bagian
Daging buah warna kehitaman
IF pada sistem tersebut juga benar atau sesuai G05
dan asam (busuk)
dengan aturan.
Kulit buah berair dan warna
Contoh : G06
IF lalulintas pagi ini padat kecoklatan
THEN saya naik sepeda motor saja Ada tananam cacao didekat
G07
tanaman rambutan
G08 Bunga buah merontok
METODE PENELITIAN G09 Batang Bunga buah mengering
Tidak ada kumbang dan kupu-
Subjek penelitian ini adalah membuat aplikasi G10 kupu atau lebah yang
sistem pakar penentuan penyakit pada tumbuhan menghampiri bunga
rambutan berdasarkan gejala yang ada dan Adanya ulat pada daun dan
G11
memberitahukan cara penanggulangan dari batang tumbuhan
penyakit tanaman rambutan dengan menggunakan Daun pada tumbuhan bolong
G12
metode forward chaining. Langkah yang bolong
dilakukan dalam penelitian ini meliputi analisis
data: mengumpulkan data dan mendiskripsikan Tabel 3. basis pengetahuan penyakit dan
data. Perancangan Sistem : Mengidentifikasi penanggulangan
masalah dan kebutuhan, menentukan masalah Kode Cara penanggulangannya
yang cocok, akusisi Pengetahuan, rekayasa Penyakit
Pengetahuan : tabel keputusan, pohon keputusan, Secara biologi yaitu :
tabel aturan, perancangan sistem : DVD level 0 pemanfaatan musuh alami seperti
dan flowchart sistem. hasil program : form hasil semut hitam, dan cendawan parasit
konsultasi. P01 Empusa fresenii, predator
cryptolaemus montrouzieri
ANALISIS dan PERANCANGAN SISTEM (coccinellidae) dan leptomastidae
abnormis (encyrtidae)
Analisis sistem Secara Kultur teknis yaitu dengan
tidak menanam rambutan
P02
Untuk mendiagnosa penyakit pada tanaman berdekatan dengan tanaman kakao,
rambutan perlu diketahui terlebih dahulu gejala- sedangkan cara mekanis
43
Seminar Nasional Informatika 2014
Selesai
Perancangan sistem
PEMBAHASAN
Konfirmasi Logon
Gejala Penyakit Sistem Pakar
User mendiagnosa Pakar
Nama Penyakit
Penyakit Tanaman Representasi Pengetahuan
Rambutan Nama Penyakit
Informasi Penyakit GejalaPenyakit
Informasi Penyakit
Aturan Representasi pengetahuan (knowledge
Konfirmasi Logon
representation) adalah cara untuk menyajikan
pengetahuan yang diperoleh ke dalam suatu
skema/diagram tertentu sehingga dapat diketahui
Gambar 1. DVD Level 0 relasi antara suatu pengetahuan dengan
pengetahuan yang lain dan dapat dipakai untuk
menguji kebenaran penalarannya. Representasi
pengetahuan dibutuhkan untuk menangkap sifat-
sifat penting masalah dan mempermudah
prosedur pemecahan masalah dalam mengakses
informasi. Format representasi harus mudah
dipahami sehingga seorang programmer mampu
mengekspresikan pengetahuan (fakta), namun
semua cara tersebut harus mengacu pada dua
entitas berikut.
1. Fakta, yaitu kejadian sebenarnya. Fakta inilah
yang akan kita representasikan.
2. Representasi dari fakta. Berdasarkan
representasi inilah kita dapat mengolah
fakta.[3]
Representasi pengetahuan, kaidah produksi
dibentuk dari pengubahan tabel keputusan.
Pembuatan suatu kaidah dilakukan dengan
beberapa tahapan. Sebagai contoh perhatian
pembuatan kaidah konklusi ini akan dapat
tercapai bila kondisi – kondisi yang mendukung
terpenuhi. Pembuatan kaidah menggunakan goal
dan kondisi yang telah diperolah, seperti pada
tabel 4:
44
Seminar Nasional Informatika 2014
Tabel 4. Keputusan
G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12
P01 * * *
P02 * * *
P03 * * *
P04 * * *
Setiap spektrum di atas akan di buat gambarkan dalam pohon keputusan pada gambar
kombinasi untuk setiap kemungkinan gejala 3 di bawah ini.
terpenuhi dan disesuaikan dengan jenis
kekurangan unsur hara. Berikut ini akan di
45
Seminar Nasional Informatika 2014
KESIMPULAN
DAFTAR PUSTAKA
Gambar 4. Form Pilih Gejala [1] Rosnelly Rika, 2012, Sistem Pakar Konsep
dan Teori, Yogyakarta, Andi Offset.
Halaman ini merupakan tampilan pilihan [2] Sari Ria Eka, 2013, Sistem Pakar Untuk
gejala yang disaat user melakukan konsultasi. Mendeteksi Penyakit THT Dengan
Menggunakan Metode Forward Chaining,
Prosiding SNIf STMIK Potensi Utama
2013.
[3] Sutojo, et al, 2011, Kecerdasan Buatan,
Jogyakarta, Andi Offset.
[4] Kandi, Rambutan yang menggiurkan,
Bandung, PT. Sarana Ilmu Pustaka
[5] Kusumadewi, Sri, 2003, Artificial
Intelligence (Teknik dan Aplikasinya),
Yogyakarta, Graha Ilmu
46
Seminar Nasional Informatika 2014
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 pesat 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 menghitung besaran nilai investasi yang terbaik. Dimana investasi yang dapat digunakan sebagai
pembiayaan ONH 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 pada
tahun di mana calon jamaah akan berangkat haji. Program Simulasi ini menggunakan metode montecarlo
dengan menghitung present value serta future value dari nilai masing-masing parameter yang akan di
gunakan dalam nvestasi. Tujuan utama adalah agar setoran awal ONH tidak mengendap terlalu lama dan
tidak mengubah nilai waktu uang (time value of money). Sehingga calon jemaah haji tidak perlu menunggu
terlalu lama mulai dari pembayaran ongkos naik haji dengan saat keberangkatan ibadah haji.
Kata kunci : program, simulasi, montecarlo, investasi, future value, present value, time value of money,
ongkos naik haji
47
Seminar Nasional Informatika 2014
3.6 Inflasi
Gambar 2. input data dan vairabel imbal hasil Menu ini digunakan untuk menentukan
untuk deposito mudharabah besaran inflasi yang sedang berlaku ketika
simulasi di jalankan oleh pengguna
48
Seminar Nasional Informatika 2014
4. Kesimpulan
4.1 Kesimpulan
Berdasarkan hasil implementasi dan
pengujian terhadap Spesifikasi kebutuhan
perangkat lunak yang sudah
didokumentasikan adalah:
1. Simulasi yang dijalankan sesuai dengan
Gambar 7. Form Besaran Biaya haji on plus alur dan tahapan dalam perhitungan
simulasi itu sendiri menggunakan metode
3.8 Simulasi Perhitungan montecarlo.
Menu ini merupakan menu utama dalam 2. Hasil yang di dapatkan sesuai dengan alur
perangkat lunak yang dikembangkan, dimana dan besaran hitung yang sudah di
dalam menu simulasi ini pengguna hanya tentukan dalam setiap/masing-masing
menginputkan jumlah tahun atau tahun rumus yang digunakan.
berapa akan naik haji dengan tampilan
sebagai berikut 4.2 Saran
Saran untuk pengembangan perangkat lunak
ini adalah:
1. Lebih lanjut bisa dibuat mekanisme uji
coba terkait perhitungan simulasi untuk
menentukan besaran dan prosentase
kecocokan hasil dengan metode yang
dilakukan sehingga bisa di gunakan
metode lain untuk perhitungan simulasi.
49
Seminar Nasional Informatika 2014
A, McCall R, Mistrik, I, Paech B(eds) [8] McCabe, B. ,2003, Monte Carlo Simulation
Rationale Management in Software For Schedule Risks. Paper presented at
Engineering, Springer the Proceedings of the 2003 Winter
[4] Dewan Syariah Nasional MUI, dalam Fatwa Simulation Conference.
Dewan Syari’ah Nasional No. 21/ DSN- [9] Monte Carlo Method ,2008, Online.
MUI/IX/2001. http://www.riskglossary.com/link/monte_carl
[5] Hartono, Jogiyanto. 2009. Teori Portofolio o_method.htm Diakses pada tanggal 16
dan Analisis Investasi Edisi Keenam. Oktober 2008.
Yogyakarta:BPFE Yogyakarta. [10]
[6] Kendal, K dan Kendall, J. 2005. Systems http://www.islamedia.web.id/2011/12/sekilas
Analysis and Design 6th Edition. Pearson -tentang-haji-indonesia.html, diakses tanggal
International Edition. Prentice Hall 3 Maret 2012.
[7] Kwak, Y. H., & Ingall, L. ,2007, Exploring [11] Whitten, Jeffery, L., etc, 2004, Systems
Monte Carlo Simulation ApplicationsFor Analysis and Design Methods, The McGraw-
Project Management. Risk Management, 9, Hill Companies,Inc.
44-57.
50
Seminar Nasional Informatika 2014
Abstrak
Sumber Daya Manusia merupakan asset yang sangat penting bagi perusahaan atau organisasi. Perusahaan
yang memiliki Sumber Daya Manusia yang unggul akan mampu bersaing di pasar yang semakin kompetitif.
Maka untuk pengelolaan Sumber Daya Manusia juga dibutuhkan sebuah sistem yang handal serta telah teruji.
Penelitian ini bertujuan untuk memperkenalkan aplikasi Human Resource Information System (HRIS) yang
cukup fenomenal, yaitu OrangeHRM. Aplikasi ini sangat cocok dipergunakan di Indonesia dan bahkan telah
memiliki komunitas sendiri di tanah air. Selain memperkenalkan, penelitian ini juga melakukan evaluasi
terhadap implementasi OrangeHRM menggunakan framework COBIT 5.0 dan hasilnya berada pada level
Defined dengan skor 3,1. Hal ini menunjukkan OrangeHRM cukup layak untuk dipergunakan oleh
perusahaan yang membutuhkan Sistem Informasi SDM.
1. Latar Belakang
2. Tinjauan Pustaka
51
Seminar Nasional Informatika 2014
jurnal ilmiah dari penelitian-penelitian Fungsi ini dapat menyajikan laporan secara
sebelumnya yang terkait. real time.
e. Recruitment
1. Mengenal OrangeHRM Merupakan fungsi pengelolaan penerimaan
OrangeHRM merupakan sebuah aplikasi karyawan baru di perusahaan.
Human Resource Information System berbasis f. Performance Management
web yang cocok digunakan di Indonesia. Aplikasi Merupakan fungsi penilaian kinerja terhadap
ini tersedia dalam tiga versi, yaitu Opensource, karyawan.
Professional, dan Enterprise. Tentunya untuk
versi opensourcenya bersifat gratis dengan 3. Pengelolaan SDM
beberapa fitur terbatas namun dengan Pengelolan SDM merupakan implementasi
fungsionalitas yang cukup. Sedangkan versi dari indikator dan fungsi-fungsi manajemen yang
Profesional dan Enterprise yang berbayar berperan aktif dalam tercapainya tujuan individu,
diperuntukkan bagi kalangan yang menginginkan organisasi, dan perusahaan. Pengelolaan tersebut
fitur yang lebih lengkap dibandingkan versi sangat terkait dengan pengolaan karyawan dan
gratisnya. [1]. staff baik yang terkait dengan pendataan dan
pengembangan sumber dayanya. [3]
Berdasarkan defenisi tersebut, maka
pengelolaan SDM akan menjadi lebih terorganisir
dengan baik apabila menggunakan sistem
informasi berbasis komputer. Sehingga
pengeloaan SDM akan lebih menarik dan
terintegrasi.
4. Konsep COBIT
COBIT adalah sebuah kerangka kerja yang
mengkombinasikan pemikiran modern dalam
pengelolaan perusahaan dan teknik manajemen,
serta menyajikan konsep yang dapat diterima
secara global, praktek penggunaan alat-alat
analisis serta pemodelan untuk meningkatkan
Gambar 3. Login Demo OrangeHRM
nilai dan kepercayaan terhadap sebuah sistem
(sumber :enterprise.demo.orangehrmlive.com)
informasi. [4]
Control Objectives For Information and
2. Fitur-Fitur OrangeHRM
Related Technologi (COBIT) merupakan suatu
metode dalam penerapan IT Governance
Beberapa fitur OrangeHRM versi
menggunakan beberapa kontrol objective dalam
opensource, yaitu : [2]
pelaksanaan audit. Secara lebih spesifik COBIT
diperuntukkan bagi audit Sistem Informasi yang
a. System Administration
diterapkan pada sebuah organisasi.
Orange HRM memiliki fungsi akses system
Versi COBIT sendiri diawali pada tahun
admin yang memiliki hak untuk pengelolaan
1996 dan terus mengalami perkembangan
sistem secara keseluruhan. Aplikasi ini juga
mengikuti kebutuhan stakeholder dan jangkauan
menyediakan fungsi multi akses agar aplikasi
atau scope audit terhadap sistem informasi secara
dapat di-login beberapa admin.
lebih luas. COBIT versi terbaru adalah COBIT
b. Personnel Information Management
5.0 yang dirilis pada tahun 2012.
Orange HRM memiliki fungsi manajemen
informasi untuk setiap personel atau karyawan
5. COBIT 5.0 Framework
dalam sebuah perusahaan. Informasi tersebut
COBIT 5.0 dibagi menjadi 2 area, yaitu : [4]
juga disajikan secara detail hingga kontak
a. Governance of IT Process, terdiri dari
keluarga yang dapat dihubungi apabila terjadi
domain :
sesuatu terhadap karyawan di kantor.
- Evaluate, Direct, and Monitor (EDM)
c. Leave / Time Off
b. Management of Enterprise IT, terdiri
Fungsi leave atau time off merupakan fasilitas
dari domain :
yang menyediakan fungsi resign atau pun cuti
- Align, Plan, and Organise (APO)
bagi karyawan. Sehingga pengelolaannya
- Build, Acquire, and Implement (BAI)
dapat lebih informatif dan selalu terkontrol
- Deliver, Servive, and Support (DSS)
oleh sistem.
- Monitor, Evaluate, and Assess (MEA)
d. Time
Merupakan fungsi pengelolaan waktu kerja
dan attendance atau kehadiran karyawan.
52
Seminar Nasional Informatika 2014
Kelima domain tersebut, yaitu : EDM, APO, kebutuhan dan persyaratan, namun dengan
BAI, DSS, dan MEA masih terbagi lagi ke dalam tetap merujuk kepada kerangka kerja standar
37 indikator. Namun pada proses audit ataupun yang ditetapkan oleh organisasi. Terdapat
pengukuran terhadap implementasi sistem infrastruktur otomatis tersentralisasi yang
informasi dapat digunakan semua atau sebagian mendukung proses perusahaan secara
indikator saja, disesuaikan dengan objek, tujuan, menyeluruh yang dibangun untuk organisasi.
dan scope audit yang ingin dicapai. Kolaborasi didirikan antara tim. Ini menjadi
bagian penting dari pembentukan proses yang
6. Maturity Model memungkinkan untuk berbagi ide, memiliki
Maturity model adalah sebuah metode untuk visibilitas yang lebih baik dan umpan balik
mengukur tingkat atau level pengembangan yang cepat. Semua anggota tim adalah milik
manajemen proses, yaitu mengukur sejauh mana sebuah sistem dengan akuntabilitas bersama,
kapabilitas manajemen berdasarkan pencapaian sering berkomunikasi dan saling
tujuan COBIT. Terdapat beberapa type maturiy mempercayai.
level, yaitu : [5]
d. Measured : kualitas proses dan kinerja diukur
a. Initial : biasanya masih bersifat ad hoc dan untuk mencapai visibilitas dan prediksi
masih kacau. Hasil dari proses tidak bisa kinerja. Proses dikendalikan dengan
ditebak, sering melebihi alokasi anggaran dan menggunakan teknik kuantitatif dan prediksi
keterlambatan jadwal. Terdapat didasarkan pada analisis statistik. Proses
kecenderungan untuk meninggalkan proses otomatis end-to-end diukur dan dikendalikan,
pada saat krisis. Tidak ada otomatisasi proses memberikan visibilitas dan wawasan ke setiap
atau bahkan kegiatan, sehingga proses yang kegiatan (status, biaya, waktu, stakeholder),
berulang tidak terkontrol dan lambat. Ditandai serta wawasan lintas aktivitas. Metrik proses
dengan yang kurangnya komunikasi ad-hoc otomatis diukur berdasarkan tujuan bisnis.
dan koordinasi antara tim. Peran dan tanggung Proses berbasis kolaborasi diukur untuk
jawab tim tidak didefinisikan dengan baik. mengidentifikasi inefisiensi dan kemacetan
Tim memberikan informasi melalui saluran dengan mengumpulkan informasi tentang
komunikasi formal. Keputusan dibuat secara orang-orang yang terlibat dalam kegiatan,
independen oleh pihak yang bertanggung tingkat keahlian dan kontribusi, serta relevansi
jawab pada proses dan kemudian dari informasi atau efisiensi langkah-langkah
dikomunikasikan kepada tim lain. yang dilakukan.
b. Managed : proses dikelola tapi tidak standar e. Optimized : terdapat penilaian berkelanjutan
di seluruh proyek atau bahkan di seluruh dari keseluruhan proses (sebagai lawan
tahapan siklus hidup yang berbeda dari proyek optimalisasi kegiatan terpisah) yang bertujuan
yang sama. Standar, deskripsi dan prosedur untuk mencapai tujuan bisnis dengan biaya
proses dapat bervariasi dalam setiap contoh dan resiko minimal. Terdapat perbaikan secara
spesifik dari proses (yaitu dalam kelompok terus-menerus dari proses otomatis dengan
kerja yang berbeda). proses didokumentasikan menggunakan analisis metrik, pembelajaran
dan sebagian otomatis. Terdapat siled (tugas mandiri dan perbaikan mandiri. Otomatisasi
proses vs) otomatisasi tanpa infrastruktur self-service yang diberikan kepada pemangku
pusat. Pertemuan rutin diadakan, rilis kepentingan yang berbeda dalam organisasi.
dikomunikasikan dan dikoordinasikan antara Kolaborasi dioptimalkan untuk keefektifan
pembangunan dan operasi. Tim berbagi dan kesinambungan dalam berbagi
informasi dan - dalam beberapa kasus - pengetahuan serta pemberdayaan individu.
bahkan sumber daya, peran para pemangku
kepentingan didefinisikan dengan baik. Sering 7. Penelitian Rujukan
terjadi komunikasi antara tim. Terdapat Makalah yang ditulis oleh Helmi Buyung
beberapa pengambilan keputusan bersama, Aulia Safrizal membahas mengenai Pembelajaran
tapi sebagian besar keputusan masih diambil Manajemen Sumber Daya Manusia Menggunakan
secara terpisah, dan dikoordinasikan atau Teknologi Open Source. Penelitian ini
dikomunikasikan setelah itu dengan tim lain. menghasilkan kesimpulan bahwa Aplikasi
OrangeHRM dapat dimanfaatkan sebagai tools
c. Defined : ditandai dengan proses terstandar pemahaman bagi mahasiswa terkait mata kuliah
dengan baik pada seluruh proyek. Terdapat SDM berikut konektifitasnya dengan aktifitas-
proses-proses standar yang digunakan untuk aktrifitas lainnya. Metode yang digunakan dapat
menetapkan konsistensi di seluruh organisasi. berupa simulasi, studi kasus serta praktikum.
Menetapkan proses khusus dengan cara Khusus untuk metode studi kasus dapat
memodifikasi proses standar sesuai dengan
53
Seminar Nasional Informatika 2014
54
Seminar Nasional Informatika 2014
55
Seminar Nasional Informatika 2014
(Studi Kasus pada Perusahaan Jasa PT. Vol. 10 No. 1 Mei 2014, Universitas Katolik
Wiranas Laundry and Dry Cleaning Parahyangan, Bandung.
Service). JurnalAdministrasiBisnis (JAB)
56
Seminar Nasional Informatika 2014
Abstrak
Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan
masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Salah satu algoritma
inisialisasi bobot yang dapat meningkatkan waktu eksekusi adalah nguyen-widrow. Pada penelitian ini
penulis akan memprediksi curah hujan di Kota Medan dengan metode backpropagation neural network
dengan memadukan algoritma inisialisasi nguyen-widrow pada proses inisialisasi bobotnya. Dari hasil
penelitian diketahui bahwa : pada proses trainning JST, semakin kecil nilai target error maka nilai iterasinya
akan semakin besar dan keakurasiannya juga semakin tinggi, pada kasus prediksi curah hujan di Kota Medan
dengan metode backpropagation neural network, proses training dengan inisialisasi bobot nguyen-widrow
tidak lebih baik dari bobot random, dan tingat keakurasian terbesar pada proses pengujian prediksi curah
hujan di Kota Medan dengan metode backpropagation neural network adalah 43.1 %, dengan target error
0.007.
57
Seminar Nasional Informatika 2014
(8)
58
Seminar Nasional Informatika 2014
59
Seminar Nasional Informatika 2014
Tabel 2(a). Data input tahun 1997 – 2004 a adalah data minimum, b adalah data maksimum,
dengan target tahun 2005 x adalah data yang akan dinormalisasi, dan x’
1997 1998 1999 2000 2001 2002 2003 2004 2005
106.2 181 315 59 216.5 90.8 169.4 138.8 189.1
adalah data yang telah ditransformasi. Sehingga
96.6 50.2 268.8 86.7 15.1 78.5 85.7 200.8 43.9 dihasilkan data hasil normalisasi yang
134.4 29.4 196.9 182.2 158 96.5 162.6 237.9 62.5
109.8 35.3 322 115 164.8 73.4 285.3 88.5 168.2 ditunjukkan pada Tabel 3.
80.9 133.5 302.6 60.3 252.8 195.2 245.7 68 229.5
175.3 144.6 256.2 191.1 306.7 191.7 196.3 200.5 174
225.8 213 29.9 121.9 121.3 139.2 312.1 206.8 210.8 Tabel 3(a). Data hasil normalisasi tahun 1997
95.7 381 78.6 342.6 417.6 156.3 282 204.3 145.7 – 2004 dengan target tahun 2005
290.6 170.8 407.2 451.1 395.7 382.5 561.5 475.3 290.5
1997 1998 1999 2000 2001 2002 2003 2004 2005
391.1 340.3 204.1 367.5 733 363.8 471.9 377.5 175.5 0.208 0.29 0.438 0.156 0.33 0.191 0.278 0.244 0.299
265.4 275.8 126.4 108 467.6 164.3 125.4 141.2 206.4
0.197 0.146 0.387 0.186 0.107 0.177 0.185 0.312 0.139
182.4 394.2 456.3 173.6 342.5 102.2 187.7 166.4 311.4
0.239 0.123 0.308 0.292 0.265 0.197 0.27 0.353 0.16
0.212 0.129 0.446 0.218 0.273 0.172 0.406 0.188 0.276
0.18 0.238 0.425 0.157 0.37 0.306 0.362 0.166 0.344
Tabel 2(b). Data input tahun 1998 – 2005 0.284 0.25 0.373 0.302 0.429 0.302 0.307 0.312 0.283
dengan target tahun 2006 0.34 0.326 0.124 0.225 0.224 0.244 0.435 0.319 0.323
1998 1999 2000 2001 2002 2003 2004 2005 2006 0.196 0.511 0.177 0.469 0.552 0.263 0.402 0.316 0.251
181 315 59 216.5 90.8 169.4 138.8 189.1 103.9 0.411 0.279 0.54 0.589 0.527 0.513 0.711 0.615 0.411
50.2 268.8 86.7 15.1 78.5 85.7 200.8 43.9 130.5 0.522 0.466 0.316 0.496 0.9 0.492 0.12 0.507 0.284
29.4 196.9 182.2 158 96.5 162.6 237.9 62.5 121.2 0.384 0.395 0.23 0.21 0.607 0.272 0.229 0.246 0.318
35.3 322 115 164.8 73.4 285.3 88.5 168.2 222.5 0.292 0.526 0.594 0.282 0.469 0.203 0.298 0.274 0.434
133.5 302.6 60.3 252.8 195.2 245.7 68 229.5 300.5
144.6 256.2 191.1 306.7 191.7 196.3 200.5 174 251.4
213 29.9 121.9 121.3 139.2 312.1 206.8 210.8 109.1 Tabel 3(b). Data hasil normalisasi tahun 1998 –
381 78.6 342.6 417.6 156.3 282 204.3 145.7 148.3 2005 dengan target tahun 2006
170.8 407.2 451.1 395.7 382.5 561.5 475.3 290.5 385.6
1998 1999 2000 2001 2002 2003 2004 2005 2006
340.3 204.1 367.5 733 363.8 471.9 377.5 175.5 271.4 0.29 0.438 0.156 0.33 0.191 0.278 0.244 0.299 0.205
275.8 126.4 108 467.6 164.3 125.4 141.2 206.4 148.4 0.146 0.387 0.186 0.107 0.177 0.185 0.312 0.139 0.235
394.2 456.3 173.6 342.5 102.2 187.7 166.4 311.4 346.6
0.123 0.308 0.292 0.265 0.197 0.27 0.353 0.16 0.224
0.129 0.446 0.218 0.273 0.172 0.406 0.188 0.276 0.336
0.238 0.425 0.157 0.37 0.306 0.362 0.166 0.344 0.422
Tabel 2(c). Data input tahun 1999 – 2006 0.25 0.373 0.302 0.429 0.302 0.307 0.312 0.283 0.368
dengan target tahun 2007 0.326 0.124 0.225 0.224 0.244 0.435 0.319 0.323 0.211
1999 2000 2001 2002 2003 2004 2005 2006 2007 0.511 0.177 0.469 0.552 0.263 0.402 0.316 0.251 0.254
315 59 216.5 90.8 169.4 138.8 189.1 103.9 169.6 0.279 0.54 0.589 0.527 0.513 0.711 0.615 0.411 0.516
268.8 86.7 15.1 78.5 85.7 200.8 43.9 130.5 8.6 0.466 0.316 0.496 0.9 0.492 0.12 0.507 0.284 0.39
196.9 182.2 158 96.5 162.6 237.9 62.5 121.2 62.3 0.395 0.23 0.21 0.607 0.272 0.229 0.246 0.318 0.254
322 115 164.8 73.4 285.3 88.5 168.2 222.5 277.2 0.526 0.594 0.282 0.469 0.203 0.298 0.274 0.434 0.473
302.6 60.3 252.8 195.2 245.7 68 229.5 300.5 330.2
256.2 191.1 306.7 191.7 196.3 200.5 174 251.4 99.4
29.9 121.9 121.3 139.2 312.1 206.8 210.8 109.1 261.6 Tabel 3(c). Data hasil normalisasi tahun 1999
78.6 342.6 417.6 156.3 282 204.3 145.7 148.3 153.4 – 2006 dengan target tahun 2007
407.2 451.1 395.7 382.5 561.5 475.3 290.5 385.6 256.5
1999 2000 2001 2002 2003 2004 2005 2006 2007
204.1 367.5 733 363.8 471.9 377.5 175.5 271.4 303.3
0.438 0.156 0.33 0.191 0.278 0.244 0.299 0.205 0.278
126.4 108 467.6 164.3 125.4 141.2 206.4 148.4 374.1 0.387 0.186 0.107 0.177 0.185 0.312 0.139 0.235 0.1
456.3 173.6 342.5 102.2 187.7 166.4 311.4 346.6 218.4 0.308 0.292 0.265 0.197 0.27 0.353 0.16 0.224 0.159
Tabel 2(d). Data input tahun 2000 – 2007 0.446 0.218 0.273 0.172 0.406 0.188 0.276 0.336 0.397
0.425 0.157 0.37 0.306 0.362 0.166 0.344 0.422 0.455
dengan target tahun 2008 0.373 0.302 0.429 0.302 0.307 0.312 0.283 0.368 0.2
2000 2001 2002 2003 2004 2005 2006 2007 2008 0.124 0.225 0.224 0.244 0.435 0.319 0.323 0.211 0.379
59 216.5 90.8 169.4 138.8 189.1 103.9 169.6 126.7 0.177 0.469 0.552 0.263 0.402 0.316 0.251 0.254 0.26
86.7 15.1 78.5 85.7 200.8 43.9 130.5 8.6 16.2 0.54 0.589 0.527 0.513 0.711 0.615 0.411 0.516 0.374
182.2 158 96.5 162.6 237.9 62.5 121.2 62.3 126.8 0.316 0.496 0.9 0.492 0.12 0.507 0.284 0.39 0.425
115 164.8 73.4 285.3 88.5 168.2 222.5 277.2 146 0.23 0.21 0.607 0.272 0.229 0.246 0.318 0.254 0.504
60.3 252.8 195.2 245.7 68 229.5 300.5 330.2 172.5 0.594 0.282 0.469 0.203 0.298 0.274 0.434 0.473 0.332
60
Seminar Nasional Informatika 2014
Tabel 3(d). Data hasil normalisasi tahun 2000 – 0.378 0.3781 0.2884 0.3452 0.0352 0.305
0.4162 0.1741 0.2884 0.3452 0.0352 0.305
2007 dengan target tahun 2008 0.2054 0.1427 0.3421 0.2915 0.1733 0.1439
2000 2001 2002 2003 2004 2005 2006 2007 2008
0.3637 0.3945 0.3238 0.4437 0.5985 0.1168
0.156 0.33 0.191 0.278 0.244 0.299 0.205 0.278 0.23
0.186 0.107 0.177 0.185 0.312 0.139 0.235 0.1 0.108 0.3047 0.4689 0.1341 0.2402 0.0699 0.5146
0.292 0.265 0.197 0.27 0.353 0.16 0.224 0.159 0.231 0.2963 0.0076 0.3161 0.045 0.0677 0.4113
0.218 0.273 0.172 0.406 0.188 0.276 0.336 0.397 0.252 Bias input ke hidden
0.157 0.37 0.306 0.362 0.166 0.344 0.422 0.455 0.281 0.1422 0.0228 0.1479 0.191 0.1505 0.4743
0.302 0.429 0.302 0.307 0.312 0.283 0.368 0.2 0.159 Bobot hidden ke output
0.225 0.224 0.244 0.435 0.319 0.323 0.211 0.379 0.396
0.4899 0.2007 0.1391 0.0802 0.0814 0.3233
0.469 0.552 0.263 0.402 0.316 0.251 0.254 0.26 0.307
0.589 0.527 0.513 0.711 0.615 0.411 0.516 0.374 0.416 Bias hidden ke output 0.367
0.496 0.9 0.492 0.12 0.507 0.284 0.39 0.425 0.468
0.21 0.607 0.272 0.229 0.246 0.318 0.254 0.504 0.546
0.282 0.469 0.203 0.298 0.274 0.434 0.473 0.332 0.362 Proses training dengan menggunakan bobot
nguyen-widrow pada tabel 5 menghasilkan
Setelah proses normalisasi dilakukan, kuadrat error=0.01 pada iterasi ke-74. Penurunan
selanjutnya dilakukan proses inisialisasi bobot. kuadrat error dapat dilihat pada Gambar 3.
Proses inisialisasi bobot dikelompokkan menjadi
dua bagian, yaitu inisialisasi bobot random dan
inisialisasi bobot menggunakan algoritma nguyen-
widrow.
Langkah pertama akan dilakukan uji coba
dengan menggunakan bobot yang digenerate
secara random dengan hidden layer=6. Bobot
random yang telah digenerate dapat dilihat pada
Tabel 4.
61
Seminar Nasional Informatika 2014
besar ada pada target error 0.007 dengan tingkat baik dari bobot random, hal ini dapat dilihat
keakurasian=43.1%. Ini berarti semakin kecil dari proses training dengan bobot nguyen-
nilai target error maka nilai iterasinya akan widrow lebih lama dibandingkan proses
semakin besar dan keakurasiannya juga semakin training dengan bobot random.
tinggi. c. Tingat keakurasian terbesar pada proses
Dari hasil pengujian pada tabel 6 juga dapat pengujian prediksi curah hujan di Kota Medan
dilihat bahwa proses training dengan bobot dengan metode backpropagation neural
nguyen-widrow lebih lama dibandingkan dengan network adalah 43.1 %, dengan target error
bobot random. Hal ini berarti bahwa pada kasus 0.007.
prediksi curah hujan di Kota Medan dengan
metode backpropagation neural network, proses Daftar Pustaka:
training dengan inisialisasi bobot nguyen-widrow
tidak lebih baik dari bobot random. [1] Ihwan, Andi, 2013, Metode Jaringan Saraf
Proses terakhir yaitu melakukan prediksi Tiruan Propagasi Balik untuk Estimasi Curah
curah hujan untuk beberapa tahun berikutnya Hujan Bulanan di Ketapang Kalimantan
dengan mengambil nilai bobot hasil inisialisasi Barat, Prosiding Semirata FMIPA
nguyen-widrow dengan keakurasian 43.1 %. Hasil Universitas Lampung.
prediksi dapat dilihat pada Tabel 7. [2] Indrabayu, et al., 2011, Prediksi Curah Hujan
di Wilayah Makasar Menggunakan Metode
Tabel 7. Hasil prediksi curah hujan 2013-2017 Wavelet-Neural Network, Jurnal Ilmiah
Tahun
2013 2014 2015 2016 2017
“Elektrikal Enjiniring” UNHAS, Vol. 09, No.
Bulan
02, Agustus.
1 116 136.4 147.5 165.6 150.3
2 107.9 89.6 101 108.8 102.4 [3] Kharola, Manisha and Dinesh Kumar, 2014,
3 149.9 134.4 173.8 203 178.1 Efficient Weather Prediction By Back-
4 214.2 196 160.5 153.6 137
5 314.2 285.6 232.2 238.2 174 Propagation Algorithm, IOSR Journal of
6 133.7 104.1 112.3 129.3 139.5 Computer Engineering (IOSR-JCE), Volume
7 189.3 230 198 175.6 169.9
8 150.1 154 197 252.2 255.7 16, Issue 3, Ver. IV, June.
9
10
258.1
293.5
229.9
268.8
245.5
250.1
210.4
219.9
162
218
[4] Mishra, Khushboo, et al, 2014, Image
11 248.5 298.7 233.3 175.7 199 Compression Using Multilayer Feed Forward
12 241 197.6 159 122 154.4
Rata-rata 201.367 193.758 184.183 179.525 170.025
Artificial Neural Network with Nguyen
Widrow Weight Initialization Method,
Dari tabel 7 hasil prediksi curah hujan tahun International Journal of Emerging
2013-2017, diperkirakan bahwa curah hujan rata- Technology and Advanced Engineering,
rata pertahun akan semakin turun dari tahun 2013 Volume 4, Issue 4, April.
sampai tahun 2017. Tahun 2013 rata-rata curah [5] Naik, Arti R. and S.K.Pathan, 2012, Weather
hujan adalah 201.367, sedangkan pada tahun 2017 Classification and Forecasting using Back
rata-rata curah hujan adalah 170.025. Propagation Feed-forward Neural Network,
International Journal of Scientific and
7. Kesimpulan Research Publications, Volume 2, Issue 12,
December.
Dari hasil penelitian dapat diambil beberapa [6] Oktaviani, Cici dan Afdal, 2013, Prediksi
kesimpulan antara lain: Curah Hujan Bulanan Menggunakan
a. Pada proses trainning JST, semakin kecil nilai Jaringan Syaraf Tiruan dengan Beberapa
target error maka nilai iterasinya akan Fungsi Pelatihan Backpropagation, Jurnal
semakin besar dan keakurasiannya juga Fisika Unand, Vol. 2, No. 4, Oktober.
semakin tinggi [7] Sutojo, T., et al, 2010, Kecerdasan Buatan,
b. Pada kasus prediksi curah hujan di Kota Yogyakarta: Andi Offset.
Medan dengan metode backpropagation
neural network, proses training dengan Lampiran:
inisialisasi bobot nguyen-widrow tidak lebih Data curah hujan Kota Medan tahun 1997 – 2012
62
Seminar Nasional Informatika 2014
63
Seminar Nasional Informatika 2014
Abstrak
Pendidikan memiliki tujuan yang ingin dicapai, berdasarkan hal ini semua kegiatan dirancang untuk
memfasilitasi mahasiswa dalam memperoleh pengetahuan dan keahlian. Penulis mengusulkan Learning
Object Recommender Systems yang akan memberikan rekomendasi bahan ajar berdasarkan informasi
mengenai prior knowledge mahasiswa. Prior knowledge yang dimiliki mahasiswa dapat diidentifikasi
melalui Pre-Test assessment diawal perkuliahan. Kemajuan belajar yang dicapai mahasiswa juga dapat
diketahui melalui Mid-Test assessment. Adapun assessment atas keseluruhan topik dalam matakuliah dapat
dilakukan melalui Post-Test assessment. Penelitian ini sejalan dengan sistem e-Learning yang telah
diimplementasikan di UNPAB yaitu Student Centered ELearning Environment (SCELE) yang dikembangkan
dengan menggunakan Learning Management System (LMS) berbasis open source, yaitu Moodle dan di
selaraskan dengan aplikasi edmodo. Dalam proses analisis menggunakan software sipina. Pembelajaran
seringkali diasumsikan bahwa mahasiswa memiliki prior knowledge yang sama. Padahal realitasnya tidaklah
selalu demikian. Disinilah pentingnya fasilitas Learning Object Recommender (LOR) untuk meningkatkan
kualitas. Metodologi penelitian yang digunakan melalui observasi langsung dan penyebaran kuisioner.
Terdapat pengaruh penggunaan Learning Object Recommender terhadap learning outcome memahasiswa
sebesar 67%. Prior Knowlede merupakan metode yang dilakukan sebagai metode keberhasilan program
pembelajaran berbasis E-learning. Tanpa Prior Knowledge tingkat pemahaman mahasiswa tentang E-learning
sangat kecil sehingga output ataupun luaran yang dihasilkan sangat kecil dan tidak seperti yang diharapkan.
64
Seminar Nasional Informatika 2014
memahasiswa ? Kuliah
Tugas
online
Quis Online
1.3 Ruang Lingkup Penelitian
Penelitian ini berfokus pada kegiatan e- UTS online
2. LANDASAN TEORI
Gambar 1. Alur Penelitian
Komputer adalah sistem elektronik untuk
memanipulasi data dengan cepat dan tepat serta Parameter yang diamati
dirancang dan diorganisasikan agar secara 1. Motivasi
otomatis menerima dan menyimpan data input, 2. Konten yang digunakan
memrosesnya, dan menghasilkan output di bawah 3. Tingkat keaktifan mahasiswa
pengawasan suatu langkah-langkah instruksi 4. Materi Pemelajaran
program (Sistem Operasi) yang tersimpan di 5. Hasil Tes (Nilai)
didalam penyimpannya (Donald H. Sanderes, 6. Lingkugan
1985). Oleh sebab itu komputer merupakan alat 7. Prior knowledge
atau media pembelajaran yang terstruktur dan
terintegrasi untuk menghasilkan output yang Metode penelitian menggunakan
diinginkan Algoritma C4.5 merupakan algoritma yang
Matthew Comerchero dalam E-Learning digunakan untuk membentuk pohon keputusan.
Concepts and Techniques (Bloomsburg, 2006) Banyak algotima yang dapat dipakai dalam
mendefinisikan E-learning adalah sarana pembentukan pohon keputusan antara lain ID3,
pendidikan yang mencakup motivasi diri sendiri, CART dan C4.5 (Larose, 2005). Algoritma C4.5
komunikasi, efisiensi, dan teknologi. Karena ada merupakan pengembangan dari algoritma ID3
keterbatasan dalam interaksi sosial, siswa harus (Larose, 2005). Data dalam pohon keputusan
menjaga diri mereka tetap termotivasi. Oleh sebab biasanya dinyatakan dalam bentuk tabel dengan
itu E learning sebagai media dan dan pemahaman atribut dan record. Atribut menyatakan suatu
prior knowledge output yang ingin dicapai parameter yang dibuat sebagai kriteria dalam
merupakan indikator untuk meningkatkan pembentukan pohon. Proses pada pohon
pemahaman dari mahasiswa tersebut terhadap keputusan adalah: mengubah bentuk data (tabel)
mata kuliah yang diikuti. menjadi model pohon, mengubah model pohon
menjadi rule dan menyederhanakan rule (Basuki
3. Metode Penelitian & Syarif, 2003). Dalam penelitian ini criteria
yang digunakan adalah sebagai berikut : Salah
Metode pemecahan masalah dalam satu atribut merupakan atribut yang menyatakan
penelitian ini lakukan dalam 3 Tahap, yaitu data solusi per-item data yang disebut dengan
perancangan sistem, uji coba, evaluasi, Hasil target atribut. Atribut memiliki nilai-nilai yang
akhir yang diharapkan dari penelitian ini berupa dinamakan dengan instance. Secara umum
sistem perekomendasian Learning Object yang algoritma C4.5 untuk membangun pohon
adaptif terhadap prior knowledge dan gaya keputusan adalah sebagai berikut:
belajar mahasiswa yang mampu meningkatkan a. Pilih atribut sebagai akar
efektifitas aktivitas belajar. b. Buat cabang untuk masing-masing nilai
c. Bagi kasus dalam cabang
65
Seminar Nasional Informatika 2014
d. Ulangi proses untuk masing-masing cabang tidak menggunakan prior knowledge. Sistem uji
sampai semua kasus pada cabang memiliki kelas coba ini meliputi pemberian materi kuliah secara
yang sama. online yaitu untuk mata kuliah struktur data
Untuk memilih atribut sebagai akar, mencakup materi (Array, Stack, Sorting,
didasarkan pada nilaigain tertinggi dari atribut- Searching dan lain sebagainya). Mahasiswa
atribut yang ada. Untukmenghitung gain untuk kedua kelas diberikan tugas untuk
digunakan rumus seperti tertera dalam meringkas dan memahami materi yang diberikan
Rumus 1 (Craw, S., ---). tanpa harus tatap muka dengan dosen pengajar di
dalam kelas. Mahasiswa bisa melakukan hal
tersebut dimana saja baik dirumah maupun di
Kampus namun dengan waktu yang telah
ditentukan. Setelah dianalisa Mahasiswa Kelas 2
Dengan : pagi A mempunyai tingkat kemauan yang lebih
S : Himpunan kasus tinggi dalam meringkas materi dengan rata – rata
A : Atribut 7 kali pertemuan
n : Jumlah partisi atribut A
|Si| : Jumlah kasus pada partisi ke i
|S| : Jumlah kasus dalam S
Sedangkan perhitungan nilai entropy dapat dilihat
pada
rumus 2 berikut(Craw, S., ---):
dengan :
S : Himpunan Kasus
A : Fitur
n : Jumlah partisi S
pi : Proporsi dari Si terhadap S
66
Seminar Nasional Informatika 2014
67
Seminar Nasional Informatika 2014
4. Kesimpulan
Gambar 7. Data input
Berdasarkan penelitian yang telah
Setelah data di input, maka dibuat dan di dilakukan maka dapat ditarik kesimpulan yaitu:
pilih untuk sampel, atribut dan class dari variabel 1. Terdapat pengaruh penggunaan Learning
yang diinput. Dalam seluruh variabel maka untuk Object Recommender terhadap learning
class diagram adalah prior knowledge. Sampel outcome memahasiswa.
diagram adalah nama responden dan Atribut 2. Terdapat pengaruh perekomendasian
diagram adalah Jenis Kelamin, Kelas, Semester, learning object yang sesuai dengan tingkat
Umur, Pemahaman tentang e-learning, Kehadiran kedalaman atau kesulitan soal dibandingkan
Kuliah, Tes secara E-learning, Diskusi, Motivasi, dengan learning object yang sifatnya umum
Penggunaan Konten, Tingkat Keaktifan di walaupun tetap ada kaitannya dengan topik
Edmodo, Memperoleh Materi, Pengetahuan soal.
tentang PK, Nilai Tugas, Nilai UTS. 3. Tanpa adanya Prior Knowledge tingkat
pemahaman mahasiswa tentang Elearning
sangat kecil sehingga output ataupun luaran
yang dihasilkan sangat kecil dan tidak
seperti yang diharapkan
DAFTAR PUSTAKA
68
Seminar Nasional Informatika 2014
Abstrak
Penelitian ini bertujuan untuk mendeteksi penyalahgunaan narkotika menggunakan teknik pengenalan pola
yaitu jaringan saraf tiruan dengan metode backpropagation. Data yang menjadi masukan adalah segala jenis
gejala penderita narkotika. Jaringan saraf tiruan dilakukan dengan menentukan jumlah unit untuk setiap
lapisan dengan fungsi aktivasi sigmoid biner. Pengujian dilakukan menggunakan perangkat lunak matlab
yang diuji dengan beberapa bentuk arsitektur jaringan. Arsitektur dengan konfigurasi terbaik terdiri dari 23
lapisan masukan, 5 lapisan tersembunyi dan 5 lapisan keluaran dengan nilai learning rate sebesar 0.5, nilai
toleransi error 0.01, Dapat dilihat bahwa hasil penelitian ini mencapai keakuratan 95% dari data penelitian,
sehingga dapat disimpulkan bahwa jaringan syaraf tiruan dengan backpropagation mampu mengenali pola
dan mampu mendeteksi penyalahgunaan narkotika dengan jumlah iterasi 6341 dan MSE 0.00999889. MSE
berada di bawah nilai error yaitu 0.01, Parameter tersebut dipilih menjadi parameter terbaik, karena nilai
MSE paling kecil dari arsitektur yang lain serta nilai MSE dibawah dari nilai error yang ditentukan. Sigmoid
Biner Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode backpropagation.
Fungsi sigmoid memiliki nilai range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan
saraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1.
Kata Kunci : Jaringan Saraf Tiruan, Backpropagation, Narkotika, Sigmoid biner, Matlab
69
Seminar Nasional Informatika 2014
akhir yang bersentuhan dengan dendrit dari pelatihan yang paling baik (jumlah epoch
neuron yang lain. Siyal ini akan diterima oleh terkecil). dan lapisan keluaran/output terdiri atas
neuron lain jika memenuhi nilai threshold 5 sel saraf, lapisan keluaran digunakan untuk
tertentu. Dalam hal ini neuron dikatakan mempresentasikan pengelompokan pola, nilai
teraktivasi. Pembelajaran pada otak manusia 00001 untuk Opium+Heroin, nilai 00010 untuk
terjadi ketika da hubungan antara satu neuron Morphine, nilai 00100 untuk Cocain, nilai 01000
dengan neuron lain yang terjadi secara adaptif dan untuk Marijuana, dan nilai 10000 untuk Sintetik
berlangsung secara dinamis [2]. (Pethidin + Methadon)[4]. Gambar 2 merupakan
arsitektur jaringan saraf tiruan.
2.2 Metode Backpropagation X1 Y1 Opium + Heroin
70
Seminar Nasional Informatika 2014
71
Seminar Nasional Informatika 2014
Columns 8 through 14
0.0128 0.0128 0.0763 0.0180 0.0073
0.0073 0.0763
0.0790 0.0790 0.0024 0.9252 0.0040
0.0040 0.0024
0.0003 0.0003 0.8970 0.0472 0.1009
0.1009 0.8970
0.9116 0.9116 0.0032 0.0660 0.0140
0.0140 0.0032
0.0080 0.0080 0.1109 0.0082 0.7802 3.1.3 Tahap Pengujian
0.7802 0.1109 Tahap pengujian merupakan tahapan yang
digunakan untuk menguji data penelitian yang
Columns 15 through 21 telah didapat pada JST, dimana sebelumnya telah
0.8881 0.0180 0.8881 0.0763 0.0073 dilatih data penelitian pada proses pelatihan. Pada
0.8881 0.0763 data pengujian ini telah ditetapkan hasil keluaran
0.0160 0.9252 0.0160 0.0024 0.0040 atau target. Data pengujian berfungsi untuk
0.0160 0.0024 menguji ke akuratan sistem JST yang telah dibuat.
0.0395 0.0472 0.0395 0.8970 0.1009 Data pengujian dapat dilihat pada Tabel 5.
0.0395 0.8970
0.0007 0.0660 0.0007 0.0032 0.0140 Tabel 5. Data Pengujian
0.0007 0.0032
0.0019 0.0082 0.0019 0.1109 0.7802
0.0019 0.1109
Columns 22 through 25
0.0128 0.0073 0.0128 0.8881
0.0790 0.0040 0.0790 0.0160
0.0003 0.1009 0.0003 0.0395
0.9116 0.0140 0.9116 0.0007 Adapun grafik hasil pengujian data baru dengan
0.0080 0.7802 0.0080 0.0019 10 sampel data yang dilakukan dengan jaringan
Pada pelatihan yang dilakukan dengan saraf tiruan adalah:
MATLAB didapat hasil yang dapat dilihat pada
tabel 4 dan tabel 6 di bawah. Pada proses
pelatihan jaringan saraf tiruan aini akan berhenti
jika iterasi telah sampai pada batas maksimum
yaitu 10.000 iterasi, atau pelatihan akan berhenti
jika MSE (Mean Square Error) telah berada
dibawah target error, disini diketahui target
errornya sebesar 0.01. Dengan pelatihan di atas
dapat dilihat output yang sesuai dengan target. Di
mana untuk nilai output actual diambil yang
bernilai 1. Adapun parameter penilaian output
actual dengan fungsi aktivasi : Y =
{ untuk melihat hasil pelatihan
Gambar 4. Grafik Hasil Data Pengujian
yang dilakukan oleh jaringan saraf tiruan dengan dengan 6341 iterasi
target yang telah ditentukan dapat dilihat pada
tabel 4 sebagai berikut: Dengan output actual sebagai berikut:
72
Seminar Nasional Informatika 2014
73
Seminar Nasional Informatika 2014
metode-metode lainnya agar dapat di ambil [2] T. Sutojo, Edy Mulyant dan Vincent
kesimpulan metode apa yang paling baik Suhartono, (2011). Kecerdasan Buatan,
dalam kasus mendeteksi penyalahgunaan Andi Yogyakarta
narkotika. [3] Novi Indah Pradasari, et.al, Jaringan
Syaraf Tiruan Untuk Memprediksi
6. DAFTAR PUSTAKA Penyakit Saluran Pernafasan Dengan
Metode Backpropagation, Jurnal Coding
[1] Marleni, et.al, (2012). Pengembangan Vol , No.1 Juli 2013.
Sistem Jaringan Syaraf Tiruan Dalam [4] Iskandar Zulkarnain, 2012, Sistem
Memprediksi Jumlah Dokter Keluarga Pendeteksi Penyalahgunaan Narkoba
Menggunakan Backpropagation (Studi Menggunakan Jaringan Saraf Tiruan
Kaus : Regional X Cabang Palu) , Seminar Model Backpropagation, Jurnal Saintikom
Nasional Teknologi Informasi dan Vol. 10/No. 2/Mei 2010
Komunikasi.
.
74
Seminar Nasional Informatika 2014
Abstrak
Peningkatan yang pesat dalam jumlah kendaraan di kota-kota besar, memilikidampak terhadap kebutuhan
parkir di tempat-tempat umum seperti dikantor, pusat perbelanjaan, sekolah, kampus, tempat rekreasi, dan
tempat-tempatumum lainnya yang memiliki area parkir yang cukup luas.Diperlukan penataan areal parkir
agar memiliki daya tampung yang maksimal tanpa mengesampingkan aspek kenyamanan untuk penggunanya
sehingga penentuan tata letak dan waktu tempuh kendaraan dalam mencari lokasi parkir perlu untuk di
perhatikan. Untuk menentukan jalur terpendek pada penentuan tata letak parkir dalam penelitian ini
menggunakan metode Floyd-Warshall untuk melakukan perhitungan jalur terpendek. Floyd Warshall
merupakan salah satu algoritma pencarian yang dapat digunakan dalam menghitung jalur terpendek, dan
mampu membandingkan semua kemungkinan lintasan pada graph untuk setiap sisi dari semua simpul yang
ada.Dalam penelitian ini telah berhasil dibentuk jalur terpendek pada tata letak parkir. Algoritma Floyd-
Warshall dapat menyelesaikan permasalahan jalur terpendek pada tata letak parkir dengan menghitung jarak
seluruh jalur/ lintasan yang ada antar blok parker dan hasil nya akan dapat membantu pengembang sistem
dalam membangun sistem parkir serta memberikan solusi untuk mengoptimalkan tata letak parkir, sehingga
tingkat kepuasan pengguna akan tercapai dan untuk memberikan solusi sistem manajemen parkir yang lebih
baik.
75
Seminar Nasional Informatika 2014
Untuk menentukan jalur terpendek pada permasalahan jalur terpendek pada tata letak
penentuan tata letak parkir dalam penelitian ini parkir.
menggunakan metode Floyd-Warshall untuk d. Penerapan Floyd-Warshall
melakukan perhitungan jalur terpendek.Floyd Penerapan algoritma Floyd-Warshall
Warshall merupakan salah satu algoritma dilakukan berdasarkan hasil yang diperoleh
pencarin yang dapat digunakan dalam dari tahap analisa masalah.Algoritma Floyd-
menghitung jalur terpendek, dan mampu Warshall sangat efisien dari sudut pandang
membandingkan semua kemungkinan lintasan penyimpanan data karena dapat
pada graph untuk setiap sisi dari semua simpul diimplementasikan dengan hanya
yang ada. Oleh sebab itu, algoritma ini cocok pengubahan sebuah matriks jarak. Adapun
digunakan dalam menghadapi permasalahan mekanisme dari algoritma Floyd-Warshall
perhitungan jalur terpendek khususnya dalam ini terdiri dari beberapa langkah yang harus
penerapannya pada tata letak parkir dilakukan, yaitu (Budiarsyah dan Dibi
Khairurrazi , 2010) :
2. METODE PENELITIAN Langkah awal yang harus dilakukan
untuk menentukan shortest path dengan
Pada metode penelitian membahas tentang menggunakan algoritma Floyd-
tempat dan waktu penelitian, alur dari penelitian Warshall adalah dengan
serta data yang digunakan.Adapun tempat merepresentasikan suatu graf sebagai
penelitian dilakukan di STIKOM Bali dengan suatu matriks berbobot. Format output
lama waktu penelitian 4 bulan. Alur penelitian di berupa matriks n x n berjarak D = [dij]
gambarkan sebagai berikut : dimana dij merupakan jarak dari vertex
i ke j.
Langkah kedua adalah melakukan
dekomposisi Floyd-Warshalldengan
urutan :
dij(k) merupakan panjang dari
shortest path dari i ke j, sehingga
semua vertex intermediate yang
terdapat pada path (jika ada)
terkumpul pada {1,2,....,k}
dij(0) dikumpulkan pada wij, yaitu
tidak ada vertex intermediate.
Gambar 1 Alur Penelitian D(k) menjadi matriks n x n [dij(k)]
Tentukan dij(n) sebagai jarak dari i
a. Mendefinisikan Masalah ke j kemudian hitung D(n)
Mendifinisikan masalah merupakan tahapan
Hitung D(k) untuk k = 0,1,...., n
menentukan permasalahan yang ada
Langkah ketiga adalah menentukan
berkaitan dengan penentuan jalur terpendek
struktur shortest path. Dalam hal ini,
dalam penentuan tata letak parkir.
harus dilakukan dua pengamatan
b. Studi Literatur
terlebih dahulu sebelum melangkah
Tahap ini melakukan pengumpulan materi
lebih jauh, yaitu :
yang berasal dari tulisan-tulisan karya
ilmiah, artikel populer, serta tanggapan dari Sebuah shortest path tidak
praktisi dan profesional mengenai algoritma memuat vertex yang sama
jalur terpendek. sebanyak dua kali
c. Analisa Masalah Untuk sebuah shortest path dari i
Melakukan proses analisa terhadap ke j dengan beberapa vertex
permasalahan yang dibahas yaitu sistem intermediate pada path dipilih dari
parkir yang ada saat ini belum dilengkapi kumpulan {1, 2, ...., k}, dengan
dengan fasilitas pencarian lokasi parkir yang kemungkinan :
masih tersedia. Sistem parkir yang ada juga a. k bukan merupakan vertex
belum menyediakan fasilitas berupa letak pada path (path terpendek
parkir yang disarankan oleh sistem berdasar memiliki panjang dij(k-1)).
pada letak parkir dengan jalur terpendek b. k merupakan vertex pada
yang dapat mengoptimalkan jarak tempuh path (path terpendek
pengunjung menuju pintu masuk gedung dan memiliki panjang dij(k-1) +
menentukan algoritma Floyd-Warshall dij(k-1)).
sebagai algoritma dalam menyelesaikan Setelah melakukan pengamatan
diatas, kemudian dlakukan
76
Seminar Nasional Informatika 2014
penentuan shortest path dari i ke j berupa letak parkir yang disarankan oleh sistem
yang memuat vertex k. berdasar pada letak parkir dengan jalur terpendek
Shortest path tersebut memuat yang dapat mengoptimalkan jarak tempuh
sebuah subpath dari i ke k dan pengunjung menuju pintu masuk gedung.
sebuah subpath dari k ke j. Masalah jalur terpendek adalah masalah
Setiap subpath hanya dapat menemukan suatu jalur antara dua simpul
memuat vertex intermediate pada sedemikian sehingga jumlah bobot dari busur
{1, ..., k-1} dan sedapat mungkin penyusunnya dapat seminimal mungkin.Untuk
memiliki nilai terpendek, menentukan jalur terpendek pada penentuan tata
kemudian beri nama panjangnya letak parkir dalam penelitian ini menggunakan
dik(k-1) dan dkj(k-1) sehingga metode Floyd-Warshall untuk melakukan
path memiliki panjang dik(k-1) perhitungan jalur terpendek dari pintu masuk
+ dkj(k-1). menuju lot parkir.
Langkah terakhir adalah melakukan
iterasi yang dimulai dari iterasi ke 0 3.2 Hasil Penerapan Floyd-Warshall
sampai dengan n.Perhitungan yang Lot parkir yang diperoleh direpresentasikan
dilakukan adalah : ke dalam bentuk graf serta diberi bobot dari satu
Menentukan D(0) (iterasi ke 0) = vertex kevertex yang lain.
[wij] merupakan matriks bobot.
Menentukan D(k) dengan
menggunakan rumus ,
dij(k) = min {dij(k-1), dik(k-1) +
dkj(k-1)}, untuk k = 1, ..., n
dimana n adalah jumlah vertex.
77
Seminar Nasional Informatika 2014
78
Seminar Nasional Informatika 2014
79
Seminar Nasional Informatika 2014
Start(1) 0 23 ∞ ∞ ∞ ∞ ∞ ∞ 31.3 ∞ ∞ ∞
A (2) 23 0 9 ∞ ∞ ∞ ∞ ∞ 54.3 ∞ ∞ ∞
B (3) ∞ 9 0 7.81 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞
Perhitungan terus dilakukan hingga iterasi iterasi dan perhitungan dengan menggunakan
keduabelas. Tabel 3. merupakan tabel jarak antar algoritma Floyd-Warshall. Jalur terpendek untuk
vertex setelah iterasi keduabelas. setiap blok dapat digambarkan dengan jelas.
Berdasarkan tabel jarak vertex setelah iterasi Sebagai contoh jalur terpendek dari start menuju
keduabelas, dapat terlihat keseluruhan jarak dari blok F adalah Start – H – G – F dengan jarak
masing-masing vertex setelah mengalami proses 43.97.
80
Seminar Nasional Informatika 2014
81
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl.K.L Yos Sudarso Km.6.5 No.3A Tanjung Mulia
rita.ns89@gmail.com
Abstrak
Gunung merapi merupakan salah satu gunung yang paling aktif di seluruh dunia. Bencana gunung merapi
sangat berpotensi mengancam kelangsungan kehidupan manusia, seperti korban jiwa, korban luka, kelaparan,
kerugain materi kerusakan lingkungan. Salah satu komponen agar aktivitas penanggulan becana dapat
berjalan dengan baik adalah manajemen pendistribusian logistik. Dengan membuat sistem informasi berbasis
cloud computing diharapkan pendistribusian logistik di daerah yang terkena dari dampak gunung merapi
dapat dibagikan secara merata, tepat sasaran, jumlah, kwalitas dan transparan dalam hal penggunaan uang
yang disumbangkan oleh para donatur.
82
Seminar Nasional Informatika 2014
yang tepat dengan biaya yang serendah mungkin. tempat untuk mengakses aplikasi baik dari
Misi logistik adalah mengembangkan suatu individu maupun organisasi bisnis dari tempat
sistem yang dapat memenuhi kebijaksanaan manapun sesuai dengan permintaan pengguna
pelayanan dengan biaya pengeluaran yang cloud. Penggunaan simbol awan didasari karena
serendah mungkin [1]. . disetiap diagram jaringan internet digambarkan
2. Logistik Bencana dengan simbol awan[3].
Logistik bencana merupakan kegiatan yang Cloud computing adalah user- centric.
dilakukan untuk memenuhi kebutuhan dasar Setelah Anda sebagai pengguna yang terhubung
manusia. Kebutuhan dasar ini kebutuhan sandang, ke awan , apa pun yang disimpan di sana -
pangan dan papan atau turunannya. Namun, dokumen , pesan, gambar, aplikasi , apa pun -
kategori logistik bencana adalah sembako, obat menjadi milikmu. Selain itu, tidak hanya
pakaian dan kelengkapannya, air, tenda, jas tidur merupakan data Anda, tetapi Anda juga dapat
dan sebagainya. Definisi sistem manajemen berbagi dengan orang lain. Akibatnya, perangkat
logistik dan peralatan penanggulangan bencana apapun yang mengakses data Anda di awan juga
adalah adanya ketersediaan logistik dan peralatan menjadi milik Anda. Cloud computing
pada masa pra bencana, saat bencana, dan memungkinkan pergeseran dari komputer ke
sesudah terjadinya bencana. Faktor utama yang pengguna, dari aplikasi dengan tugas, dan dari
dapat mendukung berjalannya sistem logistik data yang terisolasi ke data yang dapat diakses
dan peralatan untuk penanggulangan bencana dari mana saja dan berbagi dengan siapa pun.
adalah kemampuan infrastruktur, dan Pengguna tidak lagi harus mengambil tugas data
ketersediaan alat transportasi. Rantai pasokan dari manajemen, dia bahkan tidak perlu ingat di
dalam sistem manajemen logistik dan peralatan mana data tersebut. Semua yang penting adalah
penanggulangan bencana berdasarkan kepada [1] bahwa data di awan, dan sehingga segera tersedia
: bagi pengguna dan pengguna lain yang
a. Tempat masuknya logistic berwenang[4].
b. Gudang Utama
c. Gudang Penyalur Kunci utama dari cloud computing adalah
d. Gudang penyimpanan terakhir di pos visualisasi infrastruktur yang menyediakan dan
komando memelihara server virtual yang dapat
ditingkatkan dan diturunkan sesuai permintaan.
3. Sistem Manajemen Logistik Akar dari sebuah cloud computing merupakan
Sistem adalah serangkaian proses yang kemajuan dari hardware, teknologi internet,
bertujuan untuk menjalankan suatu kegiatan. distributed computing, dan manajemen sistem
Manajemen adalah ilmu dan seni dalam seperti yang ditunjukkan pada gambar 1 yang
mengelola suatu kegiatan yang biasanya dalam menggambarkan konvergensi kemajuan bidang
kegiatan tersebut digunakan pendekatan fungsi- teknologi yang memberikan kontribusi dalam
fungsi manajemen seperti perencanaan, terciptanya sebuah cloud computing [4].
pengorganisasian, pelaksanaan dan
pengendalian. Bantuan adalah segala sesuatu
yang diperoleh dari hasil bantuan dan atau
sumbangan dari berbagai pihak yang diberikan
kepada pihak yang membutuhkan. Logistik adalah
segala sesuatu yang berujud dan dapat
digunakan untuk memenuhi kebutuhan dasar
hidup manusia yang terdiri atas sandang, pangan
dan papan atau turunannya. Termasuk dalam
kategorilogistik adalah barang yang habis pakai
atau dikonsumsi, misalnya: sembako (sembilan
bahan pokok), obatobatan, pakaian dan
kelengkapannya, air, tenda, jas tidur dan
sebagainya. [2]
4. Cloud Computing Gambar 1. Konvergensi berbagai
Istilah cloud computing diciptakan untuk kemajuan yang menyebabkan munculnya
menggambarkan sebuah layanan komputasi yang Cloud Computing [4]
canggih yang disesuaikan permintaan pelanggan
yang pada awal mulanya ditawarkan secara Sebuah cloud computing terdiri dari
komersial oleh penyedia layanan tersebut seperti beberapa komponen yaitu client, pusat data (data
Amazon, Google, dan Microsoft. Infrastruktur center), dan server yang didistribusikan
komputasi dari cloud computing biasa disebut (distributed server) seperti pada gambar 1. Client
dengan awan atau “cloud” yang merupakan merupakan komputer yang dipakai oleh pengguna
83
Seminar Nasional Informatika 2014
cloud computing. Selain komputer,client dapat pendistribusian logistic bantuan bencana dengan
juga berupa laptop, komputer tablet, PDA dan mengirimkan bantuan logistic ke posko-posko
lain -lain. Pusat data merupakan sebuah kumpulan yang sudah terdata dan kebutuhan apa saja yang
server dimana aplikasi dari client berupa server diperlukan oleh para pengungsi. Dimana data-data
yang didistribusikan pelanggan ditempatkan. tersebut diperoleh dari para relawan yang telah
Server yang didistribusikan tidak semuanya melakukan pendataan langsung pada para korban
terletak pada satu lokasi yang sama tapi bisa dan juga ke posko-posko yang dekat dengan
berada pada lokasi yang berbeda, tapi dalam daerah bencana dan juga penulis merancangan
cloud computing server seolah berada pada lokasi database, untuk memudahkan dalam pembuatan
berdampingan yang memberikan keuntungan sistem ini.
apabila salah satu situs mengalami kegagalan
maka situs yang lain masih bisa dijalankan. 3. HASIL DAN PEMBAHASAN
84
Seminar Nasional Informatika 2014
85
Seminar Nasional Informatika 2014
86
Seminar Nasional Informatika 2014
hanya delete
karakter a- no
z action
3 Id_posko Varchar 10 Foreign 2 Id_posko Varchar 10 Foreign
Key, Not Key,
Null, Not
update Null,
cascade, update
delete no cascade,
action, delete
no
Tabel 5. Posko action
No Name Type Size Constraint 3 id_permint Varchar 10 Foreign
Data aanbarang Key,
1 id_posko Varchar 10 Primary Not
Key, Not Null,
Null, update
update cascade,
cascade, delete
delete no no
action action
2 Nama_posko Varchar 45 Not Null, 4 Id_gudang Varchar 10 Foreign
check Key,
hanya Not
karakter a- Null,
z update
3 wilayah Varchar 45 Not Null cascade,
delete
no
action
Tabel 6. Permintaan Barang
No Nam Type Size Constraint
Tabel 8. Gudang
e Data
No Name Type Size Constraint
1 id_perm Varch 10 Primary Key, Data
intaanb ar Not Null,
1 id_gudang Varchar 10 Primary
arang update
Key, Not
cascade, delete
Null, update
no action
cascade,
2 Nama_ Varch 45 Not Null
delete no
barang ar
action
3 jumlah Int 5 Not Null
2 Jumlah Int 5 Not Null,
update
4 Tanggal Date - Not Null cascade,
delete no
5 Status Varch 20 Not Null, action
ar check hanya
‘terima’ dan Tabel 9. Paguyuban
‘belum No Name Type Size Constraint
diterima’ Data
1 id_paguy Varch 10 Primary Key,
Tabel 7. Detail_permintaan Barang uban ar Not Null,
No Name Type Size Constra update
Data int cascade, delete
1 id_detailpe Varchar 10 Primary no action
rmintaanba Key, 2 nama Varch 45 Not Null,
rang Not ar check hanya
Null, karakter a-z
update 3 Status Varhc 20 Not Null,
cascade, ar check
87
Seminar Nasional Informatika 2014
88
Seminar Nasional Informatika 2014
89
Seminar Nasional Informatika 2014
Abstrak
Kurangnya informasi dan pengetahuan para pembudidaya mengenai hama dan penyakit serta penanganan
tepat pada tanaman jagung menjadi latar belakang dalam penelitian ini. Tujuan dari peneltian ini adalah
menghasilkan sebuah perangkat lunak sistem pakar diagnosa hama dan penyakit pada tanaman jagung
untuk dapat mengetahui jenis hama dan penyakit dalam pencegahan maupun pengendalian serta
memberikan informasi kepada para pengguna untuk mengetahui informasi gejala penyakit yang baru
ditemukan. Penelitian ini menggunakan survey langsung ke obyek penelitian dan metode riset eksperimental
dilakukan dengan cara membuat perangkat lunak sistem pakar dengan obyek penelitian yaitu hama dan
penyakit pada tanaman jagung. Inference engine yang digunakan adalah forward chaining dan probabilitas
Certainty Factor. Sistem pakar menggunakan working memory dan production system pada penelusuran
rule. Dalam pengembangan perangkat lunak ini menggunakan pendekatan Agile Modeling. Hasil penelitian
yang dicapai adalah adanya perangkat lunak sistem pakar diagnosa hama dan penyakit pada tanaman
jagung ini untuk dapat digunakan oleh pembudidaya, orang awam dan pembudidaya baru yang akan
menanam jagung untuk dapat mengetahui diagnosa tepat dalam penanganannya yang di dalam perangkat
lunak ini telah mengadopsi pengetahuan-pengetahuan para pakar.
Kata kunci : Sistem Pakar, Forward Chaining, Certainty Factor, Working Memory, Production Sysem, Agile
Modeling
90
Seminar Nasional Informatika 2014
pakar sarana untuk konsultasi, sarana pengguna, pembudidaya terhadap hama dan
pembelajaran di sebuah instansi Dinas Pertanian penyakit yang di derita sebelum melakukan hal
atau Laboratorium Pertanian serta dapat dijadikan lebih lanjut.
sebagai alat bantu (tool) bagi seorang pakar dalam Secara umum, gambaran sistem dari
mendiagnosa dan mensosialisasikan jenis hama perangkat lunak ini adalah sebagai berikut:
dan penyakit jenis tanaman hortikultura.
Metodologi perancangan sistem, proses diagnose
hama dan penyakit tanaman bawang merah
menggunakan certainty factor. Penelusuran
faktanya menggunakan forward chaining yaitu
penelusuran yang dimulai dari fakta-fakta untuk
menguji kebenaran hipotesis [2].
Sedangkan pada penelitian ini membuat
sistem pakar yang menggunakan mesin inferensi
metode forward chaining yang berbasis desktop.
Mengacu pada penelitian sebelumnya,
representasi pengetahuan yang digunakan yaitu
kaidah if-then. Yang membedakan dengan
penelitian-penelitian sebelumnya adalah
penggunaan working memory dan aturan Gambar 1. Perancangan Sistem Pakar
produksi yang digunakan untuk penelusuran rule
if-then. Dari gambar 3 dapat dilihat bahwa
sistem melibatkan dua pengguna yaitu pengguna
2. Metode Penelitian dan admin. Pengguna adalah guest yang dapat
login secara bebas dan hanya bisa melakukan
Dalam penelitian ini, menggunakan bentuk diagnosa, melihat informasi yang ada namun
penelitian survey. Data primer didapat dengan tidak memiliki hak akses mengedit dan
wawancara langsung dengan sumber informasi menghapus data.Kemudian Admin dapat
atau data mengenai tanaman jagung. Sedangkan dikatakan seorang pakar yang mempunyai hak
data sekunder didapat dari internet, perpustakaan akses khusus yaitu dapat mengakses segala fitur
dan sumber lainnya[3]. Model pengembangan yang ada didalam sebuah perangkat lunak,
perangkat lunak yang digunakan dalam dimana pakar dapat melakukan aktivitas seperti
perancangan perangkat lunak ini adalah dengan pengguna dan juga mempunyai hak untuk
menggunakan metode Agile Modelling. Metode mengedit data seperti menambahkan penyakit
Agile Modelling ini melakukan pendekatan secara baru, gejala baru dan solusi baru jika merasa
sistematis dan urut mulai dari tahap Explorasi kurang dan juga dapat menghapus data yang ada.
untuk menulis kebutuhan-kebutuhan informasi Input diagnosa yang dilakukan oleh pengguna
yang akan dicover didalam sistem untuk release merupakan pilihan dari beberapa gejala kemudian
pertama, tahapan planning berorientasi kepada data akan diproses oleh database, setelah proses
analisa dan desain sistem, iterasi peluncuran dilakukan maka akan tampil output yang berupa
perangkat lunak, implementasi dan maintenance. hasil diagnosa serta persentase derajat
Alat bantu perancangan perangkat lunak dalam kepercayaan jenis hama atau penyakit yang
penelitian ini menggunakan UML (Unified menyerang tanaman jagung.
Modeling Language). Knowledge Representation Basis pengetahuan dirancang berdasarkan
menggunakan rule IF-Then. Program aplikasi pengetahuan dan pengalaman dari pakar, yang
sistem pakar diagnosa hama dan penyakit pada diterjemahkan kedalam bentuk tabel keputusan
jagung menggunakan metode penelusuran dan dibuat pohon keputusan untuk mempermudah
forward chaining (inference engine) dengan pemahaman.Pengetahuan yang didapat dari pakar
menggunakan aturan produksi (production ini kemudian akan diformulasikan kedalam basis
system) dalam bentuk if-then dan working pengetahuan yang merupakan inti dari
memory [4,5,6]. perancangan sistem pakar ini. Pengetahuan
tersebut direpresentasikan menggunakan
3. Hasil Penelitian dan Pembahasan Microsoft Visual Basic 6.0 kedalam bentuk
aturan-aturan (rule) sesuai dengan data atau fakta
Sistem pakar diagnosa hama dan penyakit yang ada.Untuk membentuk suatu aturan
pada tanaman jagung dirancang untuk digunakan metode basis pengetahuan selesai,
memberikan fasilitas dalam menentukan jenis langkah selanjutnya adalah penyusunan mesin
hama dan penyakit yang di derita berdasarkan inferensi. Mesin inferensi merupakan suatu
ciri-ciri dan gejala-gejala yang ada. Hasil dari perangkat lunak yang berfungsi untuk melakukan
solusi akan memberikan gambaran kepada suatu proses pelacakan pada sistem pakar untuk
menentukan solusi dari permasalahan.
91
Seminar Nasional Informatika 2014
Ambil Record
Pilih dan Eksekusi Rule yang Cocok
Pertanyaan dari
tabel IF-THEN
Working If User
Tampil soal
Memory menjawab ya?
True
False
Ya
Apakah masih ada
rule?
No Rule Found
End
End
92
Seminar Nasional Informatika 2014
IF Biji-biji yang terserang berwarna merah Setelah proses diagnosa penyakit selesai ,
jambu atau merah kecoklatan pada form hasil diagnosa penyakit jika memilih
AND Biji-biji berubah warna menjadi coklat button solusi akan menampilkan solusi dari
sawo matang pengendalian penyakit seperti pada gambar 7 di
THEN Tanaman Jagung terserang penyakit atas.
Busuk Tongkol/Busuk Biji Pengujian penerimaan pengguna dilakukan
untuk menentukan apakah sistem sudah
memenuhi kriteria penerimaan.Pengujian
dilakukan dengan melakukan perbandingan antara
pakar dan user.
Pada bagian ini penulis hanya
menyertakan beberapa contoh permasalahan yang
ada karena variasi dari sebuah permasalahan
cukup banyak.
93
Seminar Nasional Informatika 2014
94
Seminar Nasional Informatika 2014
95
Seminar Nasional Informatika 2014
Abstrak
Masalah pengiriman data email ataupun pesan telah menjadi masalah penting pada era teknologi informasi
seperti sekarang ini. Terkadang data-data ini harus bersifat rahasia agar tidak diketahui secara umum. Apabila
data tersebut diketahui, maka data tersebut dapat disalahgunakan untuk kejahatan oleh orang lain. Kriptografi
merupakan salah satu alat keamanan yang digunakan untuk menyembunyikan suatu pesan. Kriptografi sudah
digunakan di segala bidang keamanan. Untuk itu perlunya sebuah keamanan dengan cara enkripsi dan
dekripsi data email menggunakan algoritma kriptografi Rivest Code 6 (RC6). Dalam algoritma kriptografi
Rivest Code 6 (RC6), juga dirancang untuk memenuhi persyaratan AES yang diantaranya adalah kemampuan
untuk beroperasi pada mode blok 128 bit. Jika besar blok 128 bit langsung dipaksakan untuk
diimplementasikan dengan algoritma RC5, maka akan dibutuhkan register kerja 64 bit. Spesifikasi arsitektur
dan bahasa yang menjadi tempat implementasi algoritma yang ditentukan oleh AES belum mendukung
pengoperasian 64 bit yang efisien. Oleh karena itu, daripada menggunakan 2 register 64 bit seperti pada RC5,
RC6 menggunakan 4 register 32 bit. Karena menggunakan 4 register maka akan terdapat 2 operasi rotasi
pada setiap half-round yang ada, dan juga akan lebih banyak bit-bit yang akan digunakan untuk
mempengaruhi banyaknya bit yang dirotasi. Operasi perkalian ini sangat efektif dalam menghasilkan efek
“diffusion” atau penyebaran yang tentu saja mengakibatkan RC6 lebih aman. Aplikasi yang dihasilkan
berbasis android dengan memanfaatkan teknologi terbaru.
96
Seminar Nasional Informatika 2014
97
Seminar Nasional Informatika 2014
Mulai Mulai
end
Pw = b7e15163
Qw = 9e3779b9
Pilih File Pilih File
3. Algoritma Enkripsi
Karena RC6 memecah blok 128 bit menjadi 4
Plaintext Chipertext
buah blok 32 bit, maka algoritma ini bekerja
dengan 4 buah register 32-bit A, B, C, D. Byte
yang pertama dari plainteks atau cipherteks
ditempatkan pada byte A, sedangkan byte yang
Enkripsi No Dekripsi No terakhirnya ditempatkan pada byte D. Dalam
Pesan Pesan
prosesnya akan didapatkan (A, B, C,D) = (B, C,
Yes Yes D, A) yang diartikan bahwa nilai yang terletak
pada sisi kanan berasal dari register di sisi kiri.
Masukkan Masukkan
Kunci Kunci
Diagram blok berikut akan lebih menjelaskan
proses enkripsi yang terjadi pada algoritma RC6.
B = B + S[ 0 ]
Enkripsi Dekripsi
D = D + S[ 1 ]
for i = 1 to 20 do
{
t = ( B x ( 2B + 1 ) ) <<< 5
Chipertext Plaintext u = ( D x ( 2D + 1 ) ) <<< 5
A = ( ( A ⊕ t ) <<< u ) + S[ 2i ]
C = ( ( C ⊕ u ) <<< t ) + S[ 2i + 1]
Simpan File Simpan File
(A, B, C, D) = (B, C, D, A)
}
A = A + S[ 42 ]
C = C + S[ 43 ]
Selesai Selesai
3. Perancangan
98
Seminar Nasional Informatika 2014
4. Algoritma Dekripsi
Proses dekripsi cipherteks pada algoritma RC6
merupakan pembalikan dari proses enkripsi. Pada Gambar 5. Algoritma Dekripsi
proses whitening, bila proses enkripsi
menggunakan operasi penjumlahan, maka pada
proses dekripsi menggunakan operasi 4. Hasil dan Pembahasan
pengurangan. Sub kunci yang digunakan pada
proses whitening setelah iterasi terakhir Pada tahapan ini menjelaskan hasil
diterapkan sebelum iterasi pertama, begitu juga rancangan, tampilan program aplikasi dan
sebaliknya sub kunci yang diterapkan pada proses kesimpulan dari uji coba baik dari analisa hasil
whitening sebelum iterasi pertama digunakan serta kelebihan dan kekurangan dari hasil
pada whitening setelah iterasi terakhir. Akibatnya, perancangan.
untuk melakukan dekripsi, hal yang harus
dilakukan semata-mata hanyalah menerapkan Tampilan Aplikasi
algoritma yang sama dengan enkripsi, dengan tiap Berikut ini akan dijelaskan tentang tampilan
iterasi menggunakan sub kunci yang sama dengan hasil aplikasi keamanan data email menggunakan
yang digunakan pada saat enkripsi, hanya saja algoritma enkripsi RC6 berbasis Android.
urutan sub kunci yang digunakan terbalik. (Yudi
Prayudi dan Idham Halik, 2005:154) Tampilan Halaman Awal
Halaman awal adalah halaman yang muncul pada
C = C - S[ 43 ] saat user pertamakali menjalankan aplikasi.
A = A - S[ 42 ] Kemudian user dapat menekan button Start untuk
for i = 20 downto 1 do melanjutkan aplikasi, dapat dilihat pada gambar
{ berikut:
99
Seminar Nasional Informatika 2014
100
Seminar Nasional Informatika 2014
101
Seminar Nasional Informatika 2014
STMIK GI MDP
Dqpratama@stmik-mdp.net
Abstrak
Keselarasan strategi teknologi informasi dan strategi bisnis dibutuhkan agar terwujudnya harmonisasi dan
komunikasi yang efektif antara unit bisnis dan TI. Seringkali institusi pendidikan tinggi belum mengetahui
seberapa tingkat kematangan keselarasan bisnis dan teknologi informasinya, sehingga top management
kesulitan untuk mengembangkan tingkat kematangan ke level-level berikutnya. Penilaian kematangan
keselarasan bisnis dan TI dilakukan untuk mengetahui seberapa besar tingkat kematangan antara strategi
bisnis dan strategi teknologi informasi yang nantinya menjadi acuan oleh top management untuk
mengembangkan ke level kematangan yang lebih tinggi melalui faktor-faktor enabler yang di dapatkan dari
proses penilaian ini. Model yang digunakan dalam penelitian ini adalah Luftman IT-Business Alignment
Maturity Model. Hasil yang dicapai dari penelitian ini adalah AMIK XYZ mencapai level Commited
Process yaitu telah ada prosedur yang disepakati namun belum diikuti oleh semua lini baik unit TI maupun
bisnis.
Kata kunci: Luftman IT-Business Alignment Maturity Model, Kematangan Keselarasan Strategi Teknologi
Informasi dan Bisnis.
Teknologi informasi (TI) merupakan suatu 2.1 Luftman IT-Business Alignment Maturity
hal yang dibutuhkan dalam mendukung kinerja Model
operasional perusahaan maupun
organisasi.Perguruan tinggi di Indonesia saat ini Luftman IT-Business Alignment Maturity
telah berkembang pesat dengan dukungan TI.Jika model adalah salah satu model yang dapat
dinilai dari sudut pandang mahasiswa, media digunakan untuk menilai atau mengukur seberapa
pembelajaran yang fleksibel sangat dibutuhkan matang tingkat keselarasan antara strategi TI
agar semua materi, buku, jurnal dan informasi dengan strategi bisnis [1]. Pentingnya pengukuran
akademik dapat diakses kapan saja dimana saja. dilakukan agar setelah tingkat kematangan
Pihak perguruan tinggi pun tentunya tersebut diketahui pihak top management dapat
membutuhkan TI untuk mendukung tri darma meningkatkan keselarasan TI dan bisnis ke
yaitu pendidikan, penelitian dan pengabdian tingkat-tingkat berikutnya. Misal, setelah diukur
kepada masyarakat. Mulai dari keefektifan proses dengan model Luftman diketahui bahwa tingkat
belajar mengajar, keefesienan pengelolaan kematangan keselarasan bisnis-TI sebuah
administrasi akademik, dan pengelolaan informasi institusi pendidikan tinggi bernilai 2, maka pihak
akademik TI dituntut harus selaras dengan intitusi tersebut nantinya akan dapat
kegiatan bisnis. meningkatkan tingkat kematangan keselarasan
Di Indonesia banyak institusi perguruan bisnis-TI ke tingkat 3 dengan mengacu pada
tinggi berbasis TI yang belum menerapkan komponen-komponen yang bernilai kecil yang
pengukuran kematangan keselarasan strategi harus dibenahi.
bisnis dan strategi TI, sehingga belum diketahui Luftman’s IT-Business Alignment
apakah TI yang digunakan sudah sesuai dengan Maturity memberikan sebuah kerangka
kebutuhan bisnis perusahaan tersebut atau tidak. pengukuran kematangan keselarasan antara
Apakah TI yang digunakan hanya sebagai alat strategi bisnis dan strategi TI. Model keselarasan
bantu dan apakah sudah strategis. bisnis dan TI Luftman berfokus pada kegiatan
perusahaan untuk mencapai tujuan kohesif
melalui unit pengelola TI sebagai unit teknis dan
unit bisnis sebagai fungsional perusahaan.
Model penilaian kematangan keselarasan
bisnis dan TI Luftman’s meliputi 5 level fokus
102
Seminar Nasional Informatika 2014
kematangan keselarasan strategi yaitu 2 Commited Proses pada level ini telah
initial/adhoc process, commited process, process memiliki pola yang
established focused process, improve/manage diikuti oleh semua unit
process dan optimized process. Kelima level maupun depertemen yang
tersebut dapat di lihat pada gambar 1 di bawah berkewajiban melakukan
ini: proses tersebut, namun
tidak ada pelatihan
maupun prosedur standar
secara formal, kewajiban
pelaksanaan proses
diserahkan kepada
individu maupun unit
dengan mengandalkan
pengetahuan dan
pengalaman masing-
masing sehingga tidak
konsisten.
3 Established Mulai ada keselarasan
focused process bisnis dan TI,
prosedurnya berasal dari
kebiasaan yang
dibakukan. Mulai ada
Gambar 1. Model Kematangan Keselarasan sosialisasi melalui
Strategi (Luftman, 2003) pelatihan sebelum
pelaksanaan proses
Kelima level tersebut masing-masing dimulai. Kegiatan
dinilai dengan suatu kumpulan criteria penilaian diberikan ke tiap unit dan
untuk menilai kematangan keselarasan strategi departemen namun belum
dari bisnis maupun TI, kumpulan kriteria tersebut disertai monitoring dan
dikenal dengan “The six Business-IT Alignment evaluasi jika ada
Criteria” . kesalahan.
Model kematangan keselarasan bisnis dan 4 Improve/manage Adanya proses
TI Luftman meliputi 5 fokus kematangan process penyelarasan TI dan
keselarasan strategi yaitu intial/adhoc process, bisnis yang kuat, dan
commited process, established focused process, menganggap TI sebagai
improve/manage process dan optimized process penciptaan nilai bagi
[2] . Tabel 1 dibawah ini menunjukkan 5 fokus perusahaan. Selalu ada
kematangan keselarasan strategi. proses monitoring dari
manajemen dan evaluasi
Tabel 1. Lima focus jika ada kesalahan dalam
Lvl Kategori Kriteria pelaksanaan proses. Alat
1 Intial Ini adalah tingkatan bantu pengukuran dan
terendah dari semua level evaluasi TI mulai
/adhoc process digunakan secara terbatas.
fokus kematangan
keselarasan Luftman. 5 Optimized Proses keselarassan
Dapat disimpulkan bahwa process strategis sepenuhnya
pada level ini terintegrasi dan
perusahaan/organisasi diadapasikan bersama
telah menyadari adanya antara bisnis dan TI.
masalah yang harus Proses telah
segera diatasi, namun disempunakan menjadi
belum ada proses baku best practice melalui
untuk mengatasinya, penyempurnaan terus
melainkan hanya bersifat menerus dan didukung
adhoc yang diterapkan oleh studi banding dengan
secara kasus perkasus. perguruan tinggi lainnya.
kematangan keselarasan strategi (Luftman,
2000)
103
Seminar Nasional Informatika 2014
Lima level fokus kematangan tersebut bisnis, jika tidak maka dapat disimpulkan bahwa
nantinya menjadi tolak ukur pada pertanyaan- terdapat konflik antara unit bisnis dan unit TI.
pertanyaan yang telah disusun oleh Luftman Partnership Maturity kriteria ini
dengan mengacu pada kriteria pengukuran dimaksudkan untuk pemberian wewenang pada
kematangan bisnis dan TI. Gambar 2 berikut fungsi TI untuk memiliki peran yang sama dalam
adalah kriteria-kriteria pengukuran kematangan menentukan strategi bisnis. Kemitraan ini harus
bisnis dan TI Luftman [1]. dibina agar TI dan bisnis bermuara pada satu titik
yang mengarahkan ke suatu perubahan untuk
kepentingan bisnis dan strateginya.
Scope and Architecture Maturity kriteria
ini bertujuan untuk menilai kematangan TI yang
diterapkan pada perusahaan dan mengukur
teknologi bukan hanya pelengkap tapi sejauh
mana teknologi berkembang dan membantu
bisnis untuk tumbuh dan berkembang.
104
Seminar Nasional Informatika 2014
105
Seminar Nasional Informatika 2014
106
Seminar Nasional Informatika 2014
107
Seminar Nasional Informatika 2014
Abstrak
Penilaian kinerja dosen pada universitas ataupun sekolah tinggi sangat diperlukan untuk melihat bagaimana
baik buruknya kinerja dosen dalam menjalankan semua kegiatan proses belajar mengajar yang ada pada
instansi dosen tersebut bekerja. Dalam mengevaluasi penilaian kinerja dosen diimplementasikan pada SPK
dengan menggunakan AHP untuk mendapatkan peringkat tertinggi dari keempat dosen. Penggunaan
perangkat lunak sistem pendukung keputusan (SPK) dengan metode Analytical Hierarchy Process(AHP)
menggunakan Super Decisions ini terdiri dari 4 kriteria, yaitu kriteria kehadiran dosen, pengumpulan nilai,
keterlambatan masuk pbm dan kecepatan masuk pbm pada suatu penilaian kinerja dosen dan yang menjadi
alternatif 4 dosen yang setelah diakumulasikan mendapatkan nilai tertinggi diantara dosen lainnya. Setelah
mengetahui parameter, langkah selanjutnya adalah menganalisis kebutuhan sistem, merekayasa pengetahuan,
menerapkan metode dan pengujian sistem dengan menggunakan Software Super Decisions.Diharapkan
metode ini dapat memudahkan untuk mendukung sesuatu keputusan dengan masalah yang kompleks.
Kata Kunci : Sistem Pendukung Keputusan, AHP, Super Decisions, Kinerja Dosen
108
Seminar Nasional Informatika 2014
109
Seminar Nasional Informatika 2014
110
Seminar Nasional Informatika 2014
E-Maks = 4.215817
CI = 0.071939 dan CR = 0.079932 < 0.1
Konsisten
111
Seminar Nasional Informatika 2014
112
Seminar Nasional Informatika 2014
4. KESIMPULAN
113
Seminar Nasional Informatika 2014
114
Seminar Nasional Informatika 2014
Abstrak
Kata kunci : Sistem Penunjang Keputusan, Bantuan dana sosial, perhitungan Analytical Hierarchy Process
115
Seminar Nasional Informatika 2014
116
Seminar Nasional Informatika 2014
<<Include>>
tanda bahwa pengajuan disetujui dan Login
Halaman
Utama
Mulai masuk
Tampilkan
user Perekayasa
User sistem
Penyetujua Pemeriksaan
Pemeriksaan n laporan laporan
Data untuk
diajukan
Gambar 3. use case spesifikasi login
Penyetujuan Spesifikasi Data Masyarakat
Laporan laporan
Proses penilaian
pengajuan yang Dan pencairan
sesuai kriteria
sudah disetujui dana <<Include>>
Dengan perhitungan Halaman
AHP Login
Utama
<<Extend>>
Laporan
Penyimpanan Data
Data
Masyarak
User at
Laporan hasil
penilaian dan data
penerima bantuan Edit Hitung
Penilaian
Pembuatan Delete
surat
pemberitahuan
penerimaan
bantuan Tambah
Laporan
Laporan penerima
penerima bantuan
bantuan
117
Seminar Nasional Informatika 2014
Data
Masyarakat
File Data Masyarakat Laporan Fakta integritas Profil kelurahan
Save
Spesifikasi Laporan
Gambar 8. Activity Diagram DANSOS Listrik
<<Include>> Halaman
Login
Utama
p_penghasilan sp_penghasilan
Gambar 6. use case spesifikasi laporan
no_ktp nama kd_indikator p_tanganak
st_penduduk
Spesifikasi Profil kelurahan
kd_pemohon alamat kd_pemohon kd_indikator st_pemilik
sp_tanganak
Halaman
Login
Utama
<<Include>> Masyarakat Mempunyai Penilaian Mempunyai Indikator
<<Extend>>
no_rek jarak_tiang jml_nilai p_tangpok penghasilan
aset
Profil
kelurahan ket
sp_aset sp_tangpok
t_pokok t_anak
Sejarah p_aset
User Perekayasa
singkat sistem
dan tugas
pokok
Struktur
Gambar 9. Entity Relationship Diagram
organisasi
**kd_indikator st_penduduk
B. Activity Diagram p_penghasilan st_pemilik
Activity diagram merupakan suatu
datmas sp_penghasilan Penghasilan
bentuk flow diagram yang memodelkan alur
*kd_pemohon p_tanganak t_anak
kerja (workflow) sebuah proses sistem
informasi dan urutan aktifitas sebuah proses. no_ktp sp_tanganak t_pokok
118
Seminar Nasional Informatika 2014
3.4. Implementasi Metode Perhitungan AHP Tabel 3 . Nilai prioritas dan sub prioritas yang
(Analitycal Hierarchy Proccess) digunakan
Penghas TanggungTanggungan
Tabel 2. Indikator yang digunakan Aset
ilan an anak pokok
Indikator yang Prioritas 0.45 0.25 0.25 0.05
Indikator lama
diajukan x 1.00 1.00 1.00 1.00
1. Status 1. Status y 0.55 0.55 0.55 0.55
kependudukan kependudukan z 0.30 0.30 0.30 0.30
2. Status Kepemilikan 2. Status
Rumah Kepemilikan
Keterangan :
3. Penghasilan Rumah
x y z
3. Penghasilan
<= 500.000 >500.000 >1.250.000
4. Tanggungan Anak
Penghasilan sampai<=
5. Tanggungan
1.250.000
pokok
Tanggungan >2 <=2 0
6. Aset lain
anak
Tanggungan >500.000 >300.000 <300.000
Khusus untuk status kependudukan dan
Pokok sampai500.000
status kepemilikan rumah, perhitungan /
penilaiannya tanpa melalui metode Analytical <=1.000.000 >1.000.000 >3.000.000
Aset Lain
Hierarchy Process (AHP) karena indikator sampai3.000.000
tersebut bersifat mutlak.
Ketentuan penilaiannya adalah sebagai 3.5. Implementasi
berikut: Program yang akan dirancang merupakan
Penduduk kota Tasikmalaya
suatu program untuk sistem penunjang keputusan
Status dalam penentuan kelayakan penerimaan bantuan
Kependudukan
3.6. Pengujian
Gambar 11. Ketentuan indicator
Tabel 4. Tabel Pengujian
Item Uji Detail Jenis
Apabila semua indikator diatas telah
Pengujian Pengujian
terpenuhi dan timbulnya perhitungan yang
Login Verifikasi Blackbox
menghasilkan nilai yang sama dan termasuk pada
Login
kuota yang tersedia maka dilakukan pertimbangan
tambahan pada indikator alternatif yang Form Menu Menu Blackbox
disediakan. Utama
Berikut ketentuan Indikator alternative Form Data Input Blackbox
yang disediakan. Masyarakat
1. Tanggungan Kesehatan khusus (ada/tidak ada) Form Data Input Blackbox
2. Usia Produktif (termasuk/tidak termasuk) Penilaian
3. Tabungan (memiliki/tidak memiliki) termasuk Form Fakta output Blackbox
jumlah tabungan jika ada. Integritas
4. Jenis Penghasilan (tetap/tidak tetap)
Adapun pengujian metode keputusan disini
lebih mengarah pada kesesuaian antara hasil
119
Seminar Nasional Informatika 2014
4. KESIMPULAN
120
Seminar Nasional Informatika 2014
121
Seminar Nasional Informatika 2014
Abstrak
Tanaman kelapa sawit (Elaeis guinensis) berasal dari Nigeria, Afrika Barat. Pada kenyataannya tanaman
kelapa sawit hidup subur di luar daerah asalnya, seperti Malaysia, Indonesia, Thailand, dan Papua Nugini.
Bagi Indonesia, tanaman kelapa sawit memiliki arti penting bagi pembangunan perkebunan nasional. Selain
mampu menciptakan kesempatan kerja yang mengarah pada kesejahteraan masyarakat, juga sebagai sumber
perolehan devisa negara, di samping itu banyaknya jenis penyakit pada tanaman kelapa sawit dan kurangnya
informasi untuk menangani penyakit tersebut bahkan susahnya orang awam dalam berkonsultasi langsung
dengan seorang pakar membuat petani kesulitan dalam menangani penyakit pada tanaman kelapa sawit
tersebut. Dari penjelasan di atas untuk itu penulis membuat suatu sistem pakar mendiagnosa penyakit
tanaman kelapa sawit dengan metode certainty factor yang dimaksudkan untuk membantu kerja petani dalam
memberikan informasi serta kesimpulan dari penyakit yang di derita pada tanaman kelapa sawit tersebut.
Experimen yang dilakukan dengan menggunakan Basis Rule untuk mendiagnosa gejala-gejala penyakit
tanaman kelapa sawit dan jenis penyakit kelapa sawit tersebut, dan memberikan solusi yang tepat untuk
penanganannya.
122
Seminar Nasional Informatika 2014
dengan metode certainty factor sebagai alat bantu kemudian tahun 1923 mulai mengekspor minyak
dalam mengambil kesimpulan pada penyakit inti sawit sebesar 850 ton.[2]
tanaman kelapa sawit tersebut.
2.4 Metode Certainty Factor
2. Dasar Teori
Certainty Factor (CF) menunjukkan ukuran
2.1 Sistem Pakar kepastian terhadap suatu fakta atau aturan [3].
Dalam mengekspresikan derajat keyakinan,
Sistem Pakar (Expert System) adalah suatu Certainty Theory menggunakan suatu nilai yang
program komputer cerdas yang menggunakan disebut certainty factor (CF) untuk
knowledge (pengetahuan) dan prosedur inferensi mengasumsikan derajat keyakinan seorang pakar
untuk menyelesaikan masalah yang cukup sulit terhadap suatu data. certainty factor
sehingga membutuhkan seorang yang ahli untuk memperkenalkan konsep belief/keyakinan dan
menyelesaikannya [1]. Semakin banyak disbelief/ketidakyakinan. Konsep ini kemudian
pengetahuan yang dimasukkan kedalam sistem diformulasikan dalam rumusan dasar sebagai
pakar, maka sistem tersebut akan semakin berikut:
bertindak sehingga hampir menyerupai pakar CF[H,E] = MB[H,E] – MD[H,E]
sebenarnya.
Keterangan :
CF = Certainty Factor (Faktor Kepastian)
dalam Hipotesis H yang dipengaruhi
oleh fakta E.
MB = Measure of Belief (Tingkat
Keyakinan),
merupakan ukuran kenaikan dari
kepercayaan hipotesis H
Gambar : 1. Konsep Dasar Sistem Pakar dipengaruhi oleh fakta E.
MD = Measure of Disbelief (Tingkat
2.2 Kekurangan Sistem Pakar Ketidakyakinan), merupakan
kenaikan dari ketidakpercayaan
Selain manfaat, ada juga beberapa hipotesis H dipengaruhi oleh fakta
kekurangan yang ada pada Sistem Pakar, E.
diantaranya [5]: E = Evidence (Peristiwa atau Fakta)
1. Biaya yang sangat mahal untuk membuat dan
memeliharanya. Ada 3 hal yang mungkin terjadi pada metode
2. Sulit dikembangkan karena keterbatasan Certainty Factor, yaitu :
keahlian dan ketersediaan pakar. 1. Beberapa evidence dikombinasikan untuk
3. Sistem pakar tidak 100% bernilai benar. menentukan CF dari suatu hipotesis. Jika e1
dan e2 adalah observasi ditunjukkan oleh
2.3 Sekilas Sejarah Kelapa Sawit gambar. 2, Maka:
123
Seminar Nasional Informatika 2014
Login pakar
<<include>>
<<include>>
<<include>>
Login user
<<include>>
pastian dari suatu aturan menjadi input untuk Input data user Input data aturan
<<include>>
User
Mendapatkan hasil konsultasi Manipulasi hasil
124
Seminar Nasional Informatika 2014
125
Seminar Nasional Informatika 2014
126
Seminar Nasional Informatika 2014
Tabel 2. Certainty Factor (CF) Rule menunjukkan bahwa sistem pakar ini dapat
Uncertain Term CF mendiagnosa penyakit tanaman kelapa
Definitely not (pasti tidak) -1.0 sawit sesuai dengan jawaban yang
Almost certainly not (hampir pasti -0.8 diberikan oleh user dengan nilai
tidak) keakuratan 85%.
Probably not (kemungkinan besar -0.6 2. Sistem yang penulis rancang hanya dapat
tidak) digunakan untuk mendiagnosa penyakit
Maybe not (mungkin tidak) -0.4 pada tanaman kelapa sawit saja.
Unknown (tidak tahu) -0.2 to 0.2 3. Metode yang digunakan dalam
Maybe (mungkin) 0.4 perancangan aplikasi ini adalah metode
Probably (kemungkinan besar) 0.6 Certainty Factor.
Almost certainly (hampir pasti) 0.8 4. Dengan dilakukannya pemakaian sistem
informasi yang tepat terutama dalam
Definitely (pasti) 1.0
masalah konsultasi, maka hasil yang
diperoleh dalam menangani masalah
6. Hasil
tersebut akan jauh lebih cepat, sehingga
data yang dibutuhkan akan lebih cepat dan
Form ini merupakan tampilan data
efisien sekalipun data yang diolah banyak.
knowledge. Pada form ini terdapat aturan dari
5. Sistem pakar yang dibuat akan
beberapa pertanyaan berupa gejala dari penyakit
memberikan solusi berupa penanganan
tanaman kelapa sawit yang bersangkutan.
awal serta pola penanganan penyakit
Gambar. 7 berikut ini menampilkan form
tanaman kelapa sawit.
knowledge.
6. Sistem Informasi ini telah dirancang dan
diimplementasikan menggunakan program
Visual Basic 2010 dan Ms. SQL Server
2008 sebagai databasenya dan sudah dapat
digunakan untuk konsultasi mengenai
penyakit pada tanaman kelapa sawit.
Daftar Pustaka:
127
Seminar Nasional Informatika 2014
Abstrak
Media pembelajaran berbasis multimedia sangat populer digunakan karena dianggap dapat membantu
penyampaian materi menjadi lebih menarik dan memancing pengguna untuk belajar secara mandiri. Teknik
dan pendekatan pembuatan media pembelajaran dapat dilakukan dengan berbagai cara, Metode pembelajaran
dengan multimedia bertujuan untuk memudahkan guru dalam mengajar dan mempermudah siswa memahami
materi, salah satunya dengan pendekatan ADDIE (Analysis, Design, Development, Implementation,
Evaluation). Pengenalan pembelajaran origami dengan pendekatan ADDIE diharapkan dapat menjadi suatu
media penambah ilmu pengetahuan bagi anak-anak maupun tingkat dewasa dalam estetika seni melipat
kertas. Hasil evaluasi atas aspek interaktif menunjukkan bahwa aplikasi yang sudah dikembangkan dianggap
memenuhi kriteria sebagai aplikasi interaktif, berdasarkan perspektif pengguna, namun dalam penelitian ini
tidak dilakukan evaluasi atas materi yang disampaikan
128
Seminar Nasional Informatika 2014
informasi melalui teks, grafis, image, atau video. konten dan perancangan grafis yang
Biasanya aplikasi multimedia interaktif dirancang diperlukan. Jika melibatkan e-learning,
untuk menampilkan hasil tertentu dan programmer akan bekerja untuk
memberikan umpan balik dengan cepat, mengintegrasikan teknologi yang diperlukan.
tergantung pada jenis komputer yang digunakan Aktivitas yang dilakukan pada fase ini
atau bentuk antarmuka yang diakses oleh meliputi pembuatan atau pengumpulan media
pengguna. Teknologi ini digunakan agar dapat yang diperlukan, menggunakan kekuatan
memberikan informasi dalam bentuk yang lebih internet atau media elektronik untuk
menarik dan dapat menarik perhatian pengguna, menyajikan informasi dalam berbagai format
serta memberikan pengalaman belajar yang lebih multimedia sehingga dapat memenuhi
kaya. (Nusir, Alsmadi, & Al-Kabi, 2011) keinginan siswa, dan mendefinisikan interaksi
yang sesuai, yang harus dalam bentuk kreatif,
Perancangan Instruksional Model ADDIE inovatif, dan mendorong siswa untuk
ADDIE adalah model perancangan terpancing belajar lebih lanjut.
instruksional yang berupa proses umum yang 4. Implementasi : pada fase ini, dibuat prosedur
secara tradisional digunakan oleh perancang untuk pelatihan bagi peserta pelatihan dan
instruksional ataupun pengembangan pelatihan. instrukturnya/fasilitator. Pelatihan bagi
Model ADDIE merupakan inti perancangan fasilitator meliputi materi kurikulum, hasil
instruksional dan menjadi dasar sistem pembelajaran yang diharapkan, metoda
perancangan instruksional (Instructional System penyampaian dan prosedur pengujian.
Design-ISD). Ulasan yang dibuat Zulrahmat Aktivitas lain yang harus dilakukan pada fase
Togala untuk buku Instructional Design: The ini meliputi penggandaan dan pendistribusian
ADDIE Approach, menjelaskan aktivitas yang materi, handout dan bahan pendukung lainnya,
dilakukan pada masing-masing tahap sebagai serta persiapan jika terjadi masalah teknis dan
berikut (Togala, 2013): mendiskusikan rencana alternatif dengan
1. Analisis : Pada fase analisis, dilakukan siswa.
pendefinisian permasalahan instruksional, 5. Evaluasi: fase evaluasi terdiri atas dua bagian
tujuan instruksional, dan sasaran yaitu formatif dan sumatif. Evaluasi formatif
pembelajaran. Pada fase ini juga dilakukan terjadi disetiap tahapan proses ADDIE.
identifikasi atas lingkungan pembelajaran, Evaluasi sumatif terdiri atas test yang
pengetahuan dan keahlian yang saat ini sudah dirancang untuk domain yang terkait kriteria
dimiliki oleh siswa. Fase ini dilakukan untuk tertentu dan memberikan peluang umpan balik
menjawab pertanyaan-pertanyaan terkait hal- dari pengguna.
hal berikut : Siapa pemirsanya (audiens), apa
yang perlu mereka pelajari, berapa Parekh (Parekh, 2006) mencantumkan ADDIE
anggarannya, opsi apa saja yang tersedia sebagai salah satu metoda pengembangan
untuk menyajikan materi (delivery), kendala aplikasi multimedia untuk produk CBT. Model
apa saja yang ada, kapan proyek harus selesai, ADDIE juga digunakan untuk pengembangan
dan apa yang harus dilakukan siswa untuk website berbasis multimedia (Peterson, 2003),
mengetahui kompetensi mereka? serta aplikasi pembelajaran berbasis multimedia
2. Desain : fase desain terkait dengan penentuan lainnya (Arkun & Akkoyunlu, 2008), (N. Subana,
sasaran, instrumen penilaian, latihan, konten, 2013).
dan analisis yang terkait materi pembelajaran,
rencana pembelajaran dan pemilihan media.
Fase desain dilakukan secara sistematis dan
spesifik. Aktivitas yang dilakukan pada tahap
desain biasanya meliputi pemilihan
lingkungan belajar yang paling sesuai dengan
mempelajari jenis keahlian kognitif yang
diperlukan untuk mencapai tujuan
instruksional, menulis sasaran instruksional,
memilih pendekatan secara keseluruhan,
bentuk dan tampilan program : unit outline,
pembelajaran dan modul, merancang materi
kursus secara spesifik untuk digunakan pada
medium elektronik interaktif
Gambar 1. Elemen-elemen utama dalam
3. Pengembangan (development): pada fase ini
model pendekatan sistem pada desain
dilakukan pembuatan dan penggabungan aset
instruksional dan development
konten yang sudah dirancang pada fase desain.
Sumber : Instruction as an Intervention By
Pada fase ini dibuat storyboard, penulisan
Michael Molenda and James D. Russell
129
Seminar Nasional Informatika 2014
2. Desain
a. Menterjemahkan tujuan pembelajaran
keseluruhan ke dalam performa akhir dan
tujuan utama untuk tiap-tiap tahapan materi.
b. Mengurutkan unit bahasan sesuai dengan
tujuan pembelajaran.
c. Mendefinisikan materi dan aktifitas
pembelajaran untuk tiap unit bahasan.
3. Developmen
a. Pembuatan atau pengumpulan media yang
diperlukan,
130
Seminar Nasional Informatika 2014
Berdasarkan Rancangan use case dan Pada tampilan menu utama terdiri atas
activity diagram di atas kemudian direalisasikan sekumpulan ikon yang mewakili setiap informasi
menjadi satu aplikasi yang berjalan di Flash yang akan diakses. Rancangan tampilan ini
Player dipilih dengan memperhatikan tren tampilan yang
Gambar 4 menunjukkan cuplikan tampilan saat ini sedang popular dengan adanya dukungan
pada aplikasi yang sedang berjalan. Tampilan animasi.
utama dibuat memiliki animasi dengan style
abstrak mengikuti gaya antarmuka Windows yang
terlihat modern dan memiliki visual effect dan
audio intro.
131
Seminar Nasional Informatika 2014
132
Seminar Nasional Informatika 2014
1. Pendekatan ADDIE dapat digunakan untuk [2] M. Suyanto. 2003. Multimedia alat untuk
pengembangan aplikasi multimedia interaktif meningkatkan keunggulan bersaing.
yang dapat mendukung proses pembelajaran. Yogyakarta: Penerbit Andi Yogyakarta.
Model ini menyediakan tahapan-tahapan yang [3] N. Subana, I. D. (2013). Pengembangan
memudahkan dalam menentukan target Multimedia Interaktif Dengan Model Addie
pengguna. Pada Mata Pelajaran Ipa Kelas Vii Semester I
2. Pendekatan ADDIE ini kemudian dicoba Di Smp Tp 45 Sukasada. Jurnal Edutech Vol
digunakan sebagai pendekatan untuk 1, No 2 (2013) Edisi Juli 2013
mengembangkan aplikasi multimedia dengan [4] Nusir, S., Alsmadi, I., & Al-Kabi, M. (2011).
mengambil konten materi tentang seni melipat Designing an Interactive Multimedia. 2011
kertas origami. Aplikasi juga dilengkapi IEEE Global Engineering Education
dengan audio visual untuk mendukung proses Conference (EDUCON) – "Learning
evaluasi hasil pembelajaran. Environments and Ecosystems in Engineering
3. Hasil evaluasi atas aspek interaktif Education" (pp. 45-51). IEEE
menunjukkan bahwa aplikasi yang sudah [5] Parekh, R, (2006). Multimedia Application
dikembangkan dianggap memenuhi kriteria Development. In R. Parekh, Principles of
sebagai aplikasi interaktif, berdasarkan Multimedia (pp.654-655). Tata McGraw-Hill
perspektif pengguna. Education.
4. Dalam penelitian ini tidak dilakukan evaluasi [6] Peterson, C. (2003). Bringing ADDIE to Life :
atas materi yang disampaikan. dengan Instructional Design at Its Best. Journal of
demikian, disarankan agar pada penelitian Education Multimedia and Hypermedia , 227-
selanjutnya dilakukan juga evaluasi atas 241.
materi baik evaluasi formatif dan sumatif, agar [7] Sadiman, Arif. S. 2009. Media Pendidikan:
siklus pada pendekatan ADDIE dapat Pengertian, Pengembangan dan
diterapkan seluruhnya. Pemanfaatannya. Jakarta: PT.Raja Grafindo
Persada
[8] Sadiman, Arif. S. 2009. Media Pendidikan
DAFTAR PUSTAKA :Pengertian, Pengembangan dan
Pemanfaatannya. Jakarta : PT. Raja Grafindo
[1] Hick, S. (1997). Benefits Of Interactive Persada.
Multimedia Courseware. Retrieved July 10, [9] Thorn, W. J. (1995, April). Points to Consider
2013, from http://http- when Evaluating Interactive Multimedia.
server.carleton.ca/~shick/mypage/benifit.html Retrieved July 10, 2013, from The Internet
TESL Journal: http://iteslj.org/Articles/Thorn-
EvalueConsider.html.
133
Seminar Nasional Informatika 2014
1
STMIK Amikom
2,3
Magister Teknik Informatika STMIK AMIKOM Yogyakarta
Jl. Ringroad Utara, Condong Catur, Depok, Sleman, Yogyakarta
1
bernadtagger@gmail.com,2ema.u@amikom.ac.id,3myandisun@yahoo.com
Abstrak
Sistem pemetaan pada saat ini merupakan teknologi yang berkembang, dengan sistem pemetaan, beberapa
persoalan realitas kehidupan masnusia bisa diatasi, misalnya dalam hal pengambilan keputusan untuk
membangun suatu fasilitas jalan di daerah kunjungan wisata. Menggunakan peta, informasi geografi dapat
lebih efisien untuk dikomunikasikan dan disimpan. Di Bantul, tidak sedikit tempat wisata dan kuliner yang
ada, sedangkan para wisatawan, baik lokal maupun mancanegara, cenderung hanya mengetahui daerah-
daerah pariwisata yang terkenal saja di daerah bersangkutan misal Parangtritis, Makam Raja-raja dan Kebun
Buah. ada tahun 2013 data terakhir Statistik dari Buku Statistik Dinas Pariwisata Yogyakarta menunjukkan
pengunjung mencapai 2.360.173 wisatawan. Dengan potensi wisata tempat kuliner dan wisata yang ada.
Kendala yang terjadi secara real dilapangan sendiri, masih minimnya plakat petunjuk ke daerah wisata
Bantul yang masih sulit dijangkau. Akibatnya banyak wisatawan yang tersesat untuk menuju lokasi obyek
pariwisata. Maka, penelitian ini akan mengembangkan sebuah sistem dengan fasilitas informasi berupa obyek
lokal yang kemungkinan belum dikenal dan rute terpendek untuk wisatawan bersepeda yang akan diterapkan
menggunakan metode Haversine. Ditambah dengan perkembangan teknologi saat ini, maka akan
dimaksimalkan dalam pemanfaat mapping daerah wisata dan kuliner yang digunakan sebagai acuan untuk
menjelajahi dan mengunjungi tempat-tempat yang ada di Yogyakarta khusunya Imogiri dan sekitarnya.
134
Seminar Nasional Informatika 2014
135
Seminar Nasional Informatika 2014
3.2.2 Kebutuhan Non Fungsional antara lain Use Case Diagram, Class Diagram,
Berikut ini hasil ringkasan dari analisis Activity Diagram dan Sequence.
kebutuhan non fungsional sistem disajikan dalam
tabel:
a. Use Case Diagram
Tabel 3. Kebutuhan Non Fungsional sistem
Kebutuhan Nama Software Berikut ini adalah salah satu dari Use
Case dari Admin, User Terdaftar dan User
Perancangan CorelDraw 12 Umum:
Antarmuka
Desain HTML, CSS 3.0, Adobe
Antarmuka Photoshop CS 3
Engine Web PHP, Javascript
Database MySQL
Peta Google Map API
136
Seminar Nasional Informatika 2014
137
Seminar Nasional Informatika 2014
138
Seminar Nasional Informatika 2014
139
Seminar Nasional Informatika 2014
Abstrak
Setiap perusahaan melakukan penilaian terhadap pegawai setiap tahun guna menentukan kenaikan golongan.
Hanya saja dalam menentukan keputusannya cenderung bersifat subyektif, sehingga dalam penilaian pegawai
ini sering terjadi kesalahan pada pemberian tingkat golongan yang diterima oleh pegawai. Berdasarkan
permasalahan tersebut maka perlu adanya sebuah Sistem Penunjang Keputusan untuk menilai kelayakan
kenaikan golongan pegawai menggunakan metode matematika.
140
Seminar Nasional Informatika 2014
nm_gol
kd_gol tingkatan
dspln
b_sama
kreatif
141
Seminar Nasional Informatika 2014
0.8
ASISTEN
SK Pegawai yg tlh di ACC Penyerahan SK
Pegawai yg tlh di
ACC
SK Pegawai yg tlh di ACC
PEGAWAI
4. Kepemimpinan (X4)
Pengisian
Penilaian
Pegawai
SK Pegawai
Tabel 4. Kepemimpinan
0.1 ADMIN
Pengisian
Penilaian Pegawai
Penyerahan Hasil Penilaian
No. Keterangan Skala
Data Penilaian
1. Menerapkan perbaikan – 4
0.2
D3 Penilaian
Data Penilaian
Hasil penilaian Pengolahan Data
Pegawai yg Layak Naik
perbaikan cepat
Golongan
Data Pegawai
D1 Pegawai
Data Pegawai
pada permasalahan
SK Pegawai yg tlh di ACC 0.3
Pengolahan Data Data Golongan
D2 Golongan
Data Golongan
yang ada
Pegawai yg Layak
Naik Golongan
Data Penilaian
D3 Penilaian
Data Penilaian 2. Diminta untuk memberi 3
0.7 SK Pegawai yg tlh di ACC
Data Keputusan
D4 Keputusan
Data Penilaian
nasehat pada
ACC SK Pegawai
0.4
Hasil Analisa 0.6
karyawan lain
Sementara
Kenaikan Gol Pembuatan SK
Pegawai 3. Selalu member solusi 2
Hasil Analisa Sementara
PIMPINAN
4. Peduli sesama 1
Pengambilan Keputusan
0.5
Pengambilan Lap. Pegawai yg tlh di ACC
5. Wawasan (X5)
Keputusan Pegawai
yg Layak Naik Gol
Tabel 5. Wawasan
No. Keterangan Skala
SK Pegawai
142
Seminar Nasional Informatika 2014
143
Seminar Nasional Informatika 2014
X6 + X7 + X8 + X9 + X10 ≥ Z21
3 + 2 + 2 + 2 + 3 + 2 + 3 + 3 + 3 + 2 ≥ 21
25 ≥ 21
Keputusan (Y) : 2 (dinyatakan naik Entry Laporan Exit
golongan 2 tingkat)
4. NIP : 11004 Data Golongan
Laporan Data
Pegawai
Nama : Mufrizal
Asumsi jabatan (Q) : Naik golongan 1 Laporan Data
Data Pegawai Penilaian
tingkat
Syarat kriteria : sudah memenuhi syarat Data Penilaian
yang sudah ditentukan Pegawai
Skala : X1 + X2 + X3 + X4 + X5 +
X6 + X7 + X8 + X9 + X10 ≥ Z11 Data Keputusan
2 + 3 + 2 + 2 + 3 + 1 + 1 + 1 + 1 + 2 ≥ 11
18 ≥ 11 Gambar 4. Struktur Program
Keputusan (Y) : 1 (dinyatakan naik
golongan 1 tingkat) Form Input Data Penilaian
5. NIP : 10005 Input data pegawai digunakan untuk menyimpan
Nama : Nofri data penilaian ke database dalam tabel penilaian
Asumsi jabatan (Q) : Tetap pada golongan (tpenilaian). Yang dapat terlihat pada Gambar 5.
sebelumnya
Syarat kriteria : tidak memenuhi syarat
minimum kritetria kepangkatan untuk
jabatan dengan skala minimal = 11
Keputusan (Y) : 0 (dinyatakan tetap)
144
Seminar Nasional Informatika 2014
DAFTAR PUSTAKA
Gambar 5. Input Data Penilaian 1 Jogiyanto HM. 2001. “Analisa & disain :
Sistem informasi pendekatan terstruktur teori
Form Input Data Keputusan dan praktek aplikasi bisnis”. Yogyakarta :
Input data keputusan digunakan untuk Andi Offset.
menyimpan data keputusan ke database. Yang 2 Kadir, Abdul. 2003. “Pengenalan Sistem
dapat terlihat pada Gambar 6. Informasi”. Yogyakarta : Andi.
3 Simarmata, Janner. 2006. “Pengenalan
Teknologi Komputer dan Informasi”.
Yogyakarta : Penerbit Andi
4 Suryadi, Kadarsah dan M. Ali Ramdhani.
2002. ”Sistem Pendukung Keputusan”. PT.
Remaja Rosdakarya, Bandung.
5 Turban, Aronson, and Liang, 2005. “Decision
Support Systems and Intelligent Systems”. ,
7th Edition, Prentice Hall.
6 Joko Kuswanto, Ema Utami, 2011, Sistem
Penunjang Keputusan Penialaian Kinerja
Dosen ( Studi Kasus Pada Universitas
Baturaja, OKU, Sumatera Selatan ), Jurnal
Teknologi Informasi, Juli 2011 No 17
Gambar 6. Input Data Keputusan
7 Kosasih, S., 2002, Sistem Pendukung
Keputusan, Proyek Peningkatan Penelitian
Kesimpulan
Tinggi Direktorat Jendral Pendidikan
Tinggi Departemen Pendidikan Nasional.
Berdasarkan uraian, maka dapat diambil
beberapa kesimpulan :
145
Seminar Nasional Informatika 2014
Abstrak
Banyaknya dosen pembimbing di STMIK AMIKOM Yogyakarta dengan bidang komptensi dosen yang
berbeda-beda serta judul skripsi mahasiswa yang bervariasi dan semakin komplek, sehingga menyebakan
bagian jurusan di STMIK AMIKOM Yogyakarta mengalami kesulitan dalam menentukan dosen
pembimbing yang tepat. Hal ini bertujuan untuk menciptakan bimbingan yang optimal dan hasil tugas akhir
atau skripsi yang optimal. Pemilihan dosen pembimbing di STMIK AMIKOM Yogyakarta terdapat beberapa
faktor yang menjadi penilaian. Penilaian ini berdasarkan bidang kompetensi dosen, ipk mahasiswa, beban
bimbingan dosen, nilai skripsi mahasiswa yang telah maju sidang skripsi dan durasi mahasiswa dalam
menyelesaikan skripsi serta kondisi khusus sebagai aspek pertimbangan (case khusus). Demi efisiensi dan
efektifitas kerja maka pengambilan keputusan yang tepat sangat diperlukan berdasarkan kriteria-kriteria
yang ada dan bobot masing-masing kriteria. Penerapan Sistem Pendukung keputusan penunjukkan dosen
pembimbing di STMIK AMIKOM Yogyakarta mampu memberikan saran dan solusi dalam penunjukkan
dosen pembimbing yang optimal. Tingkat keakuratan sistem pendukung keputusan di dalam penelitian ini
adalah 87% dan persentase ketidak sesuaian 13%. Diharapkan sistem ini dapat memberikan saran kepada
ketua jurusan dan staffnya dalam penunjukkan dosen pembimbing.
146
Seminar Nasional Informatika 2014
penerapan sistem pendukung keputusan tersebut Pemikiran di balik pendekatan ini adalah
sehingga dapat menjadi pedoman bagi bagian pengambilan keputusan tidak sekadar persoalan
jurusan program studi S1 Teknik Informatika hitam dan putih atau benar dan salah, namun
STMIK AMIKOM Yogyakarta dalam kerapkali melibatkan area abu-abu, dan hal itu
menentukan dosen pembimbing bagi mahasiswa dimungkinkan. Ada beberapa hal yang perlu
yang mengajukan skripsi. diketahui dalam memahami suatu sistem fuzzy,
yaitu [Kusuma dewi]
2. Tinjauan Pustaka a. Variabel fuzzy
Perguruan Tinggi menentukan salah satu Variabel fuzzy merupakan variabel yang
standar kelulusan mahasiswa untuk memperoleh hendak dibahas dalam suatu sistem fuzzy.
gelar S1 adalah dalam bentuk penyusunan tugas Contoh : umur, temperatur, permintaan, dsb.
akhir atau skripsi. Sebagai bagian dari proses b. Himpunan fuzzy
penulisan skripsi, peran dosen sebagai Himpunan fuzzy merupakan suatu grup yang
pembimbing skripsi menjadi sangat penting mewakili suatu kondisi atau keadaan tertentu
karena merupakan tanggung jawab dosen untuk dalam suatu variabel fuzzy.
memastikan bahwa mahasiswa mampu menyusun Contoh :
skripsi dengan baik hingga skripsi siap diujikan 1. Variabel umur, terbagi menjadi 3
dan berkualitas [Rini 2012]. himpunan fuzzy, yaitu : MUDA,
Dalam buku (Kusrini,2007), terdapat PAROBAYA, TUA.
definisi sistem pendukung keputusan menurut 2. Variabel temperatur, terbagi menjadi 5
Alter ialah DSS merupakan sistem informasi himpunan fuzzy, yaitu : DINGIN,
interaktif yang menyediakan informasi, SEJUK, NORMAL, HANGAT, dan
pemodelan, dan pemanipulasian data. Sistem itu PANAS. Seperti pada gambar 2 :
digunakan untuk membantu pengambilan
keputusan dalam situasi yang semiterstruktur dan
situasi yang tidak terstruktur, dimana tak
seorangpun tahu secara pasti bagaimana
keputusan seharusnya dibuat[Kusrini].
Sistem pendukung keputusan bisa terdiri dari
beberapa subsistem, yaitu [Kusrini] Gambar 2. Himpunan Fuzzy
1. Subsistem manajemen data
2. Subsistem manajemen model c. Semesta Pembicaraan
3. Subsistem antarmuka pengguna Semesta pembicaraan adalah keseluruhan
4. Subsistem manajemen berbasis-pengetahuan nilai yang diperbolehkan umtuk dioperasikan
dalam suatu variabel fuzzy. Semesta
Arsitektur dari sistem pendukung keputusan pembicaraan merupakan himpunan bilangan real
ditunjukkan dalam gambar 1 [Kusrini]: yang senantiasa naik (bertambah) secara
monoton dari kiri ke kanan. Nilai semesta
Sistem lainnya
yang berbasis
Internet,
intranet,
pembicaraan dapat berupa bilangan positif
komputer ekstranet
maupun negatif. Adakalanya nilai semesta
Data
eksternal &
pembicaraan ini tidak dibatasi batas atasnya.
Manajemen Manajemen
internal
data model
Model eksternal
Contoh :
1. Semesta pembicaraan untuk variabel umur: [0
Subsistem
berbasis
∞]
pengetahuan
2. Semesta pembicaraan untuk variabel
temperatur: [0 40]
Antarmuka
pengguna
d. Domain
Basis Manajer
Domain himpunan fuzzy adalah
pengetahuan (pengguna)
organisasional keseluruhan nilai yang diijinkan dalam semesta
Gambar 1. Arsitektur Sistem Pendukung pembicaraan dan boleh dioperasikan dalam
Keputusan suatu himpunan fuzzy. Seperti halnya semesta
pembicaraan, domain merupakan himpunan
logika fuzzy berkaitan dengan ketidakpastian. bilangan real yang senantiasa naik (bertambah)
Teknik ini, yang menggunakan teori matematika secara monoton dari kiri ke kanan. Nilai domain
fuzzy set [zadeh], mensimulasikan proses dapat berupa bilangan positif maupun negatif.
penalaran manusia normal dengan memungkinkan Contoh domain himpunan fuzzy :
komputer untuk berperilaku kurang tepat dan 1. MUDA : [0 45]
logis daripada yang dilakukan komputer 2. PAROBAYA : [33 45]
konvensional. 3. TUA : [45 ∞]
147
Seminar Nasional Informatika 2014
148
Seminar Nasional Informatika 2014
149
Seminar Nasional Informatika 2014
150
Seminar Nasional Informatika 2014
151
Seminar Nasional Informatika 2014
Lampiran
152
Seminar Nasional Informatika 2014
no aturan
49 if 1 . 5 . 10 . 12 . 14 then 17
50 if 1 . 5 . 10 . 12 . 15 then 17
51 if 1 . 5 . 10 . 12 . 16 then 18
52 if 1 . 5 . 10 . 13 . 14 then 17
53 if 1 . 5 . 10 . 13 . 15 then 17
54 if 1 . 5 . 10 . 13 . 16 then 17
55 if 1 . 7 . 8 . 11 . 14 then 17
56 if 1 . 7 . 8 . 11 . 15 then 18
57 if 1 . 7 . 8 . 11 . 16 then 18
58 if 1 . 7 . 8 . 12 . 14 then 17
59 if 1 . 7 . 8 . 12 . 15 then 18
60 if 1 . 7 . 8 . 12 . 16 then 18
61 if 1 . 7 . 8 . 13 . 14 then 17
62 if 1 . 7 . 8 . 13 . 15 then 17
63 if 1 . 7 . 8 . 13 . 16 then 17
64 if 1 . 7 . 9 . 11 . 14 then 17
65 if 1 . 7 . 9 . 11 . 15 then 18
66 if 1 . 7 . 9 . 11 . 16 then 18
67 if 1 . 7 . 9 . 12 . 14 then 17
68 if 1 . 7 . 9 . 12 . 15 then 18
69 if 1 . 7 . 9 . 12 . 16 then 18
70 if 1 . 7 . 9 . 13 . 14 then 17
71 if 1 . 7 . 9 . 13 . 15 then 17
72 if 1 . 7 . 9 . 13 . 16 then 17
73 if 1 . 7 . 10 . 11 . 14 then 17
74 if 1 . 7 . 10 . 11 . 15 then 18
75 if 1 . 7 . 10 . 11 . 16 then 18
76 if 1 . 7 . 10 . 12 . 14 then 17
77 if 1 . 7 . 10 . 12 . 15 then 18
78 if 1 . 7 . 10 . 12 . 16 then 18
79 if 1 . 7 . 10 . 13 . 14 then 17
80 if 1 . 7 . 10 . 13 . 15 then 17
81 if 1 . 7 . 10 . 13 . 16 then 17
82 if 1 . 7 . 8 . 11 . 14 then 18
83 if 1 . 7 . 8 . 11 . 15 then 18
84 if 1 . 7 . 8 . 11 . 16 then 18
85 if 1 . 7 . 8 . 12 . 14 then 17
86 if 1 . 7 . 8 . 12 . 15 then 18
87 if 1 . 7 . 8 . 12 . 16 then 18
88 if 1 . 7 . 8 . 13 . 14 then 17
89 if 1 . 7 . 8 . 13 . 15 then 17
90 if 1 . 7 . 8 . 13 . 16 then 17
91 if 1 . 7 . 9 . 11 . 14 then 17
92 if 1 . 7 . 9 . 11 . 15 then 18
93 if 1 . 7 . 9 . 11 . 16 then 18
94 if 1 . 7 . 9 . 12 . 14 then 17
95 if 1 . 7 . 9 . 12 . 15 then 18
96 if 1 . 7 . 9 . 12 . 16 then 18
97 if 1 . 7 . 9 . 13 . 14 then 17
98 if 1 . 7 . 9 . 13 . 15 then 17
99 if 1 . 7 . 9 . 13 . 16 then 18
153
Seminar Nasional Informatika 2014
no aturan
100 if 1 . 7 . 10 . 11 . 14 then 17
101 if 1 . 7 . 10 . 11 . 15 then 18
102 if 1 . 7 . 10 . 11 . 16 then 18
103 if 1 . 7 . 10 . 12 . 14 then 17
104 if 1 . 7 . 10 . 12 . 15 then 17
105 if 1 . 7 . 10 . 12 . 16 then 18
106 if 1 . 7 . 10 . 13 . 14 then 17
107 if 1 . 7 . 10 . 13 . 15 then 17
108 if 1 . 7 . 10 . 13 . 16 then 17
109 if 2 . 4 . 8 . 11 . 14 then 17
110 if 2 . 4 . 8 . 11 . 15 then 18
111 if 2 . 4 . 8 . 11 . 16 then 18
112 if 2 . 4 . 8 . 12 . 14 then 17
113 if 2 . 4 . 8 . 12 . 15 then 18
114 if 2 . 4 . 8 . 12 . 16 then 18
115 if 2 . 4 . 8 . 13 . 14 then 17
116 if 2 . 4 . 8 . 13 . 15 then 17
117 if 2 . 4 . 8 . 13 . 16 then 18
118 if 2 . 4 . 9 . 11 . 14 then 17
119 if 2 . 4 . 9 . 11 . 15 then 18
120 if 2 . 4 . 9 . 11 . 16 then 18
121 if 2 . 4 . 9 . 12 . 14 then 18
122 if 2 . 4 . 9 . 12 . 15 then 18
123 if 2 . 4 . 9 . 12 . 16 then 18
124 if 2 . 4 . 9 . 13 . 14 then 17
125 if 2 . 4 . 9 . 13 . 15 then 17
126 if 2 . 4 . 9 . 13 . 16 then 18
127 if 2 . 4 . 10 . 11 . 14 then 17
128 if 2 . 4 . 10 . 11 . 15 then 17
129 if 2 . 4 . 10 . 11 . 16 then 18
130 if 2 . 4 . 10 . 12 . 14 then 17
131 if 2 . 4 . 10 . 12 . 15 then 17
132 if 2 . 4 . 10 . 12 . 16 then 18
133 if 2 . 4 . 10 . 13 . 14 then 17
134 if 2 . 4 . 10 . 13 . 15 then 17
135 if 2 . 4 . 10 . 13 . 16 then 17
136 if 2 . 5 . 8 . 11 . 14 then 17
137 if 2 . 5 . 8 . 11 . 15 then 18
138 if 2 . 5 . 8 . 11 . 16 then 18
139 if 2 . 5 . 8 . 12 . 14 then 17
140 if 2 . 5 . 8 . 12 . 15 then 18
141 if 2 . 5 . 8 . 12 . 16 then 18
142 if 2 . 5 . 8 . 13 . 14 then 17
143 if 2 . 5 . 8 . 13 . 15 then 17
144 if 2 . 5 . 8 . 13 . 16 then 17
145 if 2 . 5 . 9 . 11 . 14 then 17
146 if 2 . 5 . 9 . 11 . 15 then 18
147 if 2 . 5 . 9 . 11 . 16 then 18
148 if 2 . 5 . 9 . 12 . 14 then 17
149 if 2 . 5 . 9 . 12 . 15 then 18
150 if 2 . 5 . 9 . 12 . 16 then 18
154
Seminar Nasional Informatika 2014
no aturan
151 if 2 . 5 . 9 . 13 . 14 then 17
152 if 2 . 5 . 9 . 13 . 15 then 17
153 if 2 . 5 . 9 . 13 . 16 then 17
154 if 2 . 5 . 10 . 11 . 14 then 17
155 if 2 . 5 . 10 . 11 . 15 then 18
156 if 2 . 5 . 10 . 11 . 16 then 18
157 if 2 . 5 . 10 . 12 . 14 then 17
158 if 2 . 5 . 10 . 12 . 15 then 17
159 if 2 . 5 . 10 . 12 . 16 then 17
160 if 2 . 5 . 10 . 13 . 14 then 17
161 if 2 . 5 . 10 . 13 . 15 then 17
162 if 2 . 5 . 10 . 13 . 16 then 17
163 if 2 . 7 . 8 . 11 . 14 then 17
164 if 2 . 7 . 8 . 11 . 15 then 18
165 if 2 . 7 . 8 . 11 . 16 then 18
166 if 2 . 7 . 8 . 12 . 14 then 17
167 if 2 . 7 . 8 . 12 . 15 then 18
168 if 2 . 7 . 8 . 12 . 16 then 18
169 if 2 . 7 . 8 . 13 . 14 then 17
170 if 2 . 7 . 8 . 13 . 15 then 17
171 if 2 . 7 . 8 . 13 . 16 then 18
172 if 2 . 7 . 9 . 11 . 14 then 17
173 if 2 . 7 . 9 . 11 . 15 then 18
174 if 2 . 7 . 9 . 11 . 16 then 18
175 if 2 . 7 . 9 . 12 . 14 then 17
176 if 2 . 7 . 9 . 12 . 15 then 18
177 if 2 . 7 . 9 . 12 . 16 then 18
178 if 2 . 7 . 9 . 13 . 14 then 17
179 if 2 . 7 . 9 . 13 . 15 then 17
180 if 2 . 7 . 9 . 13 . 16 then 17
181 if 2 . 7 . 10 . 11 . 14 then 17
182 if 2 . 7 . 10 . 11 . 15 then 17
183 if 2 . 7 . 10 . 11 . 16 then 18
184 if 2 . 7 . 10 . 12 . 14 then 17
185 if 2 . 7 . 10 . 12 . 15 then 17
186 if 2 . 7 . 10 . 12 . 16 then 18
187 if 2 . 7 . 10 . 13 . 14 then 17
188 if 2 . 7 . 10 . 13 . 15 then 17
189 if 2 . 7 . 10 . 13 . 16 then 17
190 if 2 . 7 . 8 . 11 . 14 then 17
191 if 2 . 7 . 8 . 11 . 15 then 18
192 if 2 . 7 . 8 . 11 . 16 then 18
193 if 2 . 7 . 8 . 12 . 14 then 17
194 if 2 . 7 . 8 . 12 . 15 then 18
195 if 2 . 7 . 8 . 12 . 16 then 18
196 if 2 . 7 . 8 . 13 . 14 then 17
197 if 2 . 7 . 8 . 13 . 15 then 18
198 if 2 . 7 . 8 . 13 . 16 then 18
199 if 2 . 7 . 9 . 11 . 14 then 17
200 if 2 . 7 . 9 . 11 . 15 then 18
201 if 2 . 7 . 9 . 11 . 16 then 18
155
Seminar Nasional Informatika 2014
no aturan
202 if 2 . 7 . 9 . 12 . 14 then 17
203 if 2 . 7 . 9 . 12 . 15 then 18
204 if 2 . 7 . 9 . 12 . 16 then 18
205 if 2 . 7 . 9 . 13 . 14 then 17
206 if 2 . 7 . 9 . 13 . 15 then 17
207 if 2 . 7 . 9 . 13 . 16 then 18
208 if 2 . 7 . 10 . 11 . 14 then 17
209 if 2 . 7 . 10 . 11 . 15 then 18
210 if 2 . 7 . 10 . 11 . 16 then 18
211 if 2 . 7 . 10 . 12 . 14 then 17
212 if 2 . 7 . 10 . 12 . 15 then 18
213 if 2 . 7 . 10 . 12 . 16 then 18
214 if 2 . 7 . 10 . 13 . 14 then 17
215 if 2 . 7 . 10 . 13 . 15 then 17
216 if 2 . 7 . 10 . 13 . 16 then 17
217 if 3 . 4 . 8 . 11 . 14 then 18
218 if 3 . 4 . 8 . 11 . 15 then 18
219 if 3 . 4 . 8 . 11 . 16 then 18
220 if 3 . 4 . 8 . 12 . 14 then 18
221 if 3 . 4 . 8 . 12 . 15 then 18
222 if 3 . 4 . 8 . 12 . 16 then 18
223 if 3 . 4 . 8 . 13 . 14 then 17
224 if 3 . 4 . 8 . 13 . 15 then 18
225 if 3 . 4 . 8 . 13 . 16 then 18
226 if 3 . 4 . 9 . 11 . 14 then 18
227 if 3 . 4 . 9 . 11 . 15 then 18
228 if 3 . 4 . 9 . 11 . 16 then 18
229 if 3 . 4 . 9 . 12 . 14 then 17
230 if 3 . 4 . 9 . 12 . 15 then 18
231 if 3 . 4 . 9 . 12 . 16 then 18
232 if 3 . 4 . 9 . 13 . 14 then 17
233 if 3 . 4 . 9 . 13 . 15 then 18
234 if 3 . 4 . 9 . 13 . 16 then 18
235 if 3 . 4 . 10 . 11 . 14 then 17
236 if 3 . 4 . 10 . 11 . 15 then 18
237 if 3 . 4 . 10 . 11 . 16 then 18
238 if 3 . 4 . 10 . 12 . 14 then 17
239 if 3 . 4 . 10 . 12 . 15 then 18
240 if 3 . 4 . 10 . 12 . 16 then 18
241 if 3 . 4 . 10 . 13 . 14 then 17
242 if 3 . 4 . 10 . 13 . 15 then 17
243 if 3 . 4 . 10 . 13 . 16 then 18
244 if 3 . 5 . 8 . 11 . 14 then 17
245 if 3 . 5 . 8 . 11 . 15 then 18
246 if 3 . 5 . 8 . 11 . 16 then 18
247 if 3 . 5 . 8 . 12 . 14 then 17
248 if 3 . 5 . 8 . 12 . 15 then 18
249 if 3 . 5 . 8 . 12 . 16 then 18
250 if 3 . 5 . 8 . 13 . 14 then 17
251 if 3 . 5 . 8 . 13 . 15 then 17
252 if 3 . 5 . 8 . 13 . 16 then 18
156
Seminar Nasional Informatika 2014
no aturan
253 if 3 . 5 . 9 . 11 . 14 then 17
254 if 3 . 5 . 9 . 11 . 15 then 18
255 if 3 . 5 . 9 . 11 . 16 then 18
256 if 3 . 5 . 9 . 12 . 14 then 17
257 if 3 . 5 . 9 . 12 . 15 then 17
258 if 3 . 5 . 9 . 12 . 16 then 18
259 if 3 . 5 . 9 . 13 . 14 then 17
260 if 3 . 5 . 9 . 13 . 15 then 17
261 if 3 . 5 . 9 . 13 . 16 then 18
262 if 3 . 5 . 10 . 11 . 14 then 17
263 if 3 . 5 . 10 . 11 . 15 then 17
264 if 3 . 5 . 10 . 11 . 16 then 18
265 if 3 . 5 . 10 . 12 . 14 then 17
266 if 3 . 5 . 10 . 12 . 15 then 17
267 if 3 . 5 . 10 . 12 . 16 then 18
268 if 3 . 5 . 10 . 13 . 14 then 17
269 if 3 . 5 . 10 . 13 . 15 then 17
270 if 3 . 5 . 10 . 13 . 16 then 18
271 if 3 . 6 . 8 . 11 . 14 then 17
272 if 3 . 6 . 8 . 11 . 15 then 18
273 if 3 . 6 . 8 . 11 . 16 then 18
274 if 3 . 6 . 8 . 12 . 14 then 17
275 if 3 . 6 . 8 . 12 . 15 then 18
276 if 3 . 6 . 8 . 12 . 16 then 18
277 if 3 . 6 . 8 . 13 . 14 then 17
278 if 3 . 6 . 8 . 13 . 15 then 17
279 if 3 . 6 . 8 . 13 . 16 then 18
280 if 3 . 6 . 9 . 11 . 14 then 17
281 if 3 . 6 . 9 . 11 . 15 then 18
282 if 3 . 6 . 9 . 11 . 16 then 18
283 if 3 . 6 . 9 . 12 . 14 then 17
284 if 3 . 6 . 9 . 12 . 15 then 18
285 if 3 . 6 . 9 . 12 . 16 then 18
286 if 3 . 6 . 9 . 13 . 14 then 17
287 if 3 . 6 . 9 . 13 . 15 then 17
288 if 3 . 6 . 9 . 13 . 16 then 18
289 if 3 . 6 . 10 . 11 . 14 then 17
290 if 3 . 6 . 10 . 11 . 15 then 17
291 if 3 . 6 . 10 . 11 . 16 then 18
292 if 3 . 6 . 10 . 12 . 14 then 17
293 if 3 . 6 . 10 . 12 . 15 then 17
294 if 3 . 6 . 10 . 12 . 16 then 17
295 if 3 . 6 . 10 . 13 . 14 then 17
296 if 3 . 6 . 10 . 13 . 15 then 17
297 if 3 . 6 . 10 . 13 . 16 then 17
298 if 3 . 7 . 8 . 11 . 14 then 17
299 if 3 . 7 . 8 . 11 . 15 then 18
300 if 3 . 7 . 8 . 11 . 16 then 18
301 if 3 . 7 . 8 . 12 . 14 then 17
302 if 3 . 7 . 8 . 12 . 15 then 18
303 if 3 . 7 . 8 . 12 . 16 then 18
157
Seminar Nasional Informatika 2014
no aturan
304 if 3 . 7 . 8 . 13 . 14 then 17
305 if 3 . 7 . 8 . 13 . 15 then 17
306 if 3 . 7 . 8 . 13 . 16 then 17
307 if 3 . 7 . 9 . 11 . 14 then 17
308 if 3 . 7 . 9 . 11 . 15 then 18
309 if 3 . 7 . 9 . 11 . 16 then 18
310 if 3 . 7 . 9 . 12 . 14 then 17
311 if 3 . 7 . 9 . 12 . 15 then 18
312 if 3 . 7 . 9 . 12 . 16 then 18
313 if 3 . 7 . 9 . 13 . 14 then 17
314 if 3 . 7 . 9 . 13 . 15 then 18
315 if 3 . 7 . 9 . 13 . 16 then 18
316 if 3 . 7 . 10 . 11 . 14 then 17
317 if 3 . 7 . 10 . 11 . 15 then 18
318 if 3 . 7 . 10 . 11 . 16 then 18
319 if 3 . 7 . 10 . 12 . 14 then 17
320 if 3 . 7 . 10 . 12 . 15 then 18
321 if 3 . 7 . 10 . 12 . 16 then 18
322 if 3 . 7 . 10 . 13 . 14 then 17
323 if 3 . 7 . 10 . 13 . 15 then 17
324 if 3 . 7 . 10 . 13 . 16 then 17
1 = BKD rendah
2 = BKD menengah
3 = BKD tinggi
4 = IPK Mahasiswa cukup
5 = IPK Mahasiswa memuaskan
6 = IPK Mahasiswa sangat memuaskan
7 = IPK Mahasiswa dengan Pujian
8 = BBD cukup
9 = BBD sedang
10 = BBD bayak
11 = Durasi cepat
12 = Durasi menengah
13 = Durasi lama
14 = Nilai Skripsi cukup
15 = Nilai Skripsi baik
16 = Nilai Skripsi sangat baik
17 = Indeks Kesesuaian rendah
18 = Indeks Kesesuaian tinggi
. = and
158
Seminar Nasional Informatika 2014
159
Seminar Nasional Informatika 2014
Abstrak
Tempe merupakan makanan yang mudah mengalami kegagalan produksi akibat proses produksi yang kurang
memenuhi syarat. Proses pembuatan tempe pada dasarnya adalah proses menumbuhkan spora jamur tempe,
yaitu Rhizopus sp. pada biji kedelai kemudian dilanjutkan proses fermentasi pada suhu 20 °Celcius sampai
dengan 37 °Celcius dengan durasi simpan selama 18 – 36 jam.Dengan memanfaatkan teknologi yang
berbasis mikrokontroller, sebuah alat pengatur suhu ruang fermentasi tempe ini dapat dibangun sehingga
memudahkan dalam proses produksinya. Untuk memenuhi syarat-syarat yang dibutuhkan, alat yang
dibangun akan dirancang sedemikian rupa sehingga pengaturan suhu di dalam ruang fermentasi dapat terjaga
tetap konsisten dan bekerja secara otomatis.Untuk meminimalisasi kerugian akibat kegagalan proses produksi
dan terciptanya suatu sistem kerja alat yang dapat dimonitoring melalui perangkat komputer maka digagaslah
pembangunan alat ini. Tingkat keefektifan dan keefisienan proses produksi juga dapat terjadi secara
maksimal karena alat yang dibangun memudahkan produsen untuk meninjau dan menganalisa proses demi
kemajuan hasil produksi.
160
Seminar Nasional Informatika 2014
161
Seminar Nasional Informatika 2014
Flowchart untuk perancangan alat ini dapat komponen pemanas atau heater dan menjadikan
dilihat pada gambar berikut: kondisinya on.
Dalam kondisi pemanas yang terus
menyala di dalam ruangan akan berakibat pada
peningkatan suhu ruangan fermentasi tersebut.
Akan terjadi sebuah proses yang
berkesinambungan terhadap sistem kerja lat ini
yaitu sensor suhu akan kembali membaca besaran
suhu ruangan tersebut, apabila didapati lagi dua
kondisi maka akan terjadi proses tingkat
lanjutannya. Apabila diketahui kondisi suhu yang
terbaca masih pada rentang suhu kerja alat
tersebut maka sistem pemanasan di dalam ruang
tersebut masih berkerja yang berarti relay masih
dalam kondisi terhubung dan heater masih dalam
kondisi on. Jika kondisi yang terbaca dianggap
terlalu panas yaitu di atas suhu 37°C maka secara
otomatis sistem akan menon-aktifkan sistem
pemanasan ruangan dengan memutuskan kondisi
relay yang awalnya dalam kondisi terhubung
menjadi terputusdan selanjutnya mengakibatkan
tegangan kerja berhenti mengaliri komponen
pemanas atau heater dan menjadikan kondisinya
off dan seperti itu seterusnya program akan
bekerja secara konsisten sesuai dengan kondisi-
kondisi yang terjadi pada alat tersebut.
2.3. ProgramMikrokontroller
Pada perancangan program ini digunakan
Code Vision AVR sebagai editor dan compiler
dari program yang akan dirancang pada
perancangan alat pengendali suhu ruang
Gambar 3. Flowchart Alat Fermentasi Tempe fermentasi penyimpanan tempe ini. Tahap awal
yang dilakukan untuk memulai proses
Algoritma dari flowchart tersebut yaitu pengetikkan script pada softwareCode Vision
mulai merupakan saat program pertama kali AVR versi 2. 05. 0 Advanced.
dijalankan. Selanjutnya program akan memeriksa Coding program untuk kalibrasi sensor suhu
terlebih dahulu kondisi relay dan heater pada pada alat ini yaitu:
rangkaian apakah relay dalam kondisi terputus
atau terhubung dan heater pada kondisi off atau void ambil_dataADC()
on. {
Pada proses selanjutnya pembacaan sensor data1=read_adc(0);
suhu dimulai, dalam kondisi ini kemudian akan data2=read_adc(1);
didapati dua kemungkinan yang terjadi yaitu }
apakah rentang suhu yang dibaca masih pada void hitung_suhu ()
skala kerja suhu ruang fermentasi atau tidak. {
Rentang suhu berkisar antara 20°C sampai 37°C, suhu =(float)(data1-data2)/ 2.6;
apabila diketahui kondisi suhu yang terbaca masih }
pada rentang suhu tersebut maka sistem
pemanasan di dalam ruang tersebut tidak berkerja Sedangkan coding program untuk algoritma
yang berarti relay masih dalam kondisi terputus status suhu dan koneksi ke aplikasi monitoring
dan heater masih dalam kondisi off. Jika kondisi pada alat ini yaitu:
yang terbaca dianggap terlalu dingin yaitu
berkisar di bawah suhu 20°C maka secara void cek_suhu(){
otomatis sistem akan mengaktifkan sistem if (suhu <20)
pemanasan ruangan dengan menghubungkan {
kondisi relay yang awalnya dalam kondisi delay_ms(5000);
terputusmenjadi terhubungdan selanjutnya heater=1;
mengakibatkan tegangan kerja mengaliri delay_ms(200);
putchar(5);
162
Seminar Nasional Informatika 2014
delay_ms(300); EndIf
}
if (suhu >37)
{ Catch ex AsException
delay_ms(5000);
heater=0; EndTry
delay_ms(200);
putchar(6);
delay_ms(300); 3. PENGUJIAN
}
} Proses pengujian yang dilakukan adalah
void status_lemari(){ sebuah pengujian pada hardware dan software
if (PIND.2 == 1){ yang dirancang. Perancangan hardwaredibangun
putchar(1); menggunakan beberapa komponen elektronika
putchar(suhu); sedangkan perancangan softwaredibangundengan
delay_ms(5000); aplikasi Microsoft Visual Studio 2010.
putchar(2);
} 3.1. Pengujian Hardware
if (PIND.3 == 1){ Proses pengujian hardwaredilaksanakan
putchar(3); dengan pengujian secara estafet yaitu menguji
putchar(suhu); pada masing-masing blok rangkaian hingga
delay_ms(5000); akhirnya pengujian secara keseluruhan
putchar(4); hardwarebila pada masing-masing blok rangkaian
} sudah diuji dengan baik. Hasil pengujian tersebut
} dapat dilihat pada gambar berikut:
2.4. ProgramMonitoring
Aplikasi monitoring yang akan dibangun
pada hasil akhir yang diharapkan hanya bersifat
sebagai sarana pemantau aktifitas sistem alat
tersebut. Pada perancangannya akan digunakan
software Microsoft Visual Basic 2010 Express.
Penulisan coding program untuk
pengkoneksian alat dengan perangkat komputer Gambar 4. Tampilan Suhu di LCD Pada
menggunakan driver port serial RS-232 pada Proses Pengujian Hardware
Visual Basic 2010 yaitu:
3.2. Pengujian Software
Dim serialdata AsString Proses pengujian softwaredilaksanakan
dengan pengujian secara menyeluruh yaitu
Try dengan menghubungkan hardwareyang tengah
serialdata = diuji kemudian menghubungkannya dengan
SerialPort1.ReadByte.ToString perangkat komputer yang telah terinstal software
yang dibangun . Hasil pengujian tersebut dapat
If serialdata >= 7 Then dilihat pada gambar berikut:
Label2.Text = serialdata
ElseIf serialdata = 1 Then
Label5.Text = "OPEN"
ElseIf serialdata = 2 Then
Label5.Text = "CLOSE"
ElseIf serialdata = 3 Then
Label6.Text = "OPEN"
ElseIf serialdata = 4 Then
Label6.Text = "CLOSE"
ElseIf serialdata = 5 Then
Label11.BackColor = Color.Green
Label11.Text = "ON"
ElseIf serialdata = 6 Then
Label11.BackColor = Color.Red Gambar 5. Tampilan Proses Pengujian
Label11.Text = "OFF" Aplikasi Monitoring
163
Seminar Nasional Informatika 2014
164
Seminar Nasional Informatika 2014
Abstrak
Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan
masalah, salah satunya adalah prediksi curah hujan dengan metode backpropagation. Algoritma momentum
merupakan pengembangan dari algoritma backpropagation standar. Algoritma momentum memiliki
kesamaan langkah dengan algoritma backpropagation standar tetapi berbeda pada saat umpan mundur
(backward propagation). Penambahan momentum dimaksudkan untuk menghindari perubahan bobot yang
mencolok akibat adanya data yang sangat berbeda dengan yang lain (outlier). Pada penelitian ini penulis akan
menganalisis pengaruh penambahan momentum pada proses prediksi curah hujan di kota medan dengan
metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan beberapa hal antara lain :
Semakin kecil target error, maka jumlah iterasi akan semakin besar. Semakin kecil target error, maka nilai
keakurasiannya cenderung semakin baik (semakin besar). Jumlah iterasi pada proses trainning dengan
penambahan momentum lebih kecil dibandingkan dengan tanpa penambahan momentum. Tingkat akurasi
tertinggi dicapai pada target error 0.0073 yaitu 43.65%.
165
Seminar Nasional Informatika 2014
memprediksi cuaca masa depan dengan suhu hingga sebuah nilai ambang yang ditetapkan
kurang error [2]. terlampaui. Algoritma pelatihan jaringan
Dari penelitian sebelumnya belum pernah propagasi balik terdiri dari 3 tahapan yaitu [4]:
digunakan penambahan momentum pada proses a. Tahap umpan maju (feedforward).
prediksi curah hujan dengan metode b. Tahap umpan mundur (backpropagation) dan
backpropagation. Pada penelitian ini penulis akan galatnya.
menganalisis pengaruh penambahan momentum c. Tahap peng-update-an bobot dan bias.
pada proses prediksi curah hujan di kota medan
dengan metode backpropagation neural network. 4. Algoritma Momentum Backpropagation
166
Seminar Nasional Informatika 2014
167
Seminar Nasional Informatika 2014
Input Layer Hidden Layer Output Layer backpropagation neural network, maka dilakukan
beberapa pengujian. Pengujian pertama peneliti
melakukan pelatihan dengan jumlah hidden 6,
x1
alpha 1, target error 0,001, max. epoh 50, dan
momentum 0,5. Data input ditunjukkan pada
Tabel 1:
x2 v1
Tabel 1(a) Data input tahun 1997 sampai 2004
dengan target 2005.
x3 v2 Data Input Tahun 1997 Sampai 2004 dengan Target
2005
106.2 181 315 59 216.5 90.8 169.4 138.8
x4 v3 189.1
96.6 50.2268.8 86.7 15.1 78.5 85.7 200.8 43.9
y1 134.4 29.4196.9 182.2 158 96.5 162.2 237.9 62.5
x5 v4
109.8 35.3 322 115 164.8 73.4 285.3
88.5 168.2
80.9133.5302.6 60.3 252.8195.2 245.7 229.5
68
x6 v5
175.3144.6256.2 191.1 306.7191.7 196.3 200.5 174
225.8 213 29.9 121.9 121.3139.2 312.1 206.8210.8
95.7 381 78.6 342.6 417.6156.3 282 204.3145.7
x7 v6 290.6170.8407.2 451.1 395.7382.5 561.5 475.3290.5
391.1340.3204.1 367.5 733363.8 471.9 377.5175.5
265.4275.8126.4 108 467.6164.3 125.4 141.2206.4
x8 182.4394.2456.3 173.6 342.5102.2 187.7 166.4311.4
168
Seminar Nasional Informatika 2014
169
Seminar Nasional Informatika 2014
170
Seminar Nasional Informatika 2014
171
Seminar Nasional Informatika 2014
172
Seminar Nasional Informatika 2014
Abstrak
Selama stempel pada lembar jawaban dilakukan secara manual sehingga membutuhkan tenaga manusia untuk
melakukannya dan membutuhkan waktu yang lama, kadang-kadang dengan menggunakan tenaga manusia
letak posisi stempel tersebut kurang presisi. Untuk mengatasai hal tersebut maka penulis bermaksud
membuat sebuah Alat Stempel Otomatis Lembar Jawaban ini dimana alat ini melakukan stempel pada lembar
jawaban tersebut secara otomatis sehingga menghemat tenaga manusia dan tentu akan lebih cepat selesai.
Stempel otomatis ini menggunakan rangkaian yang terdiri dari rangkaian minimum sistem yang merupakan
pusat kendali dari seluruh fungsi alat tersebut, junga menggunakan motor servo dan mikrokontroler ATMega
8535. Terdapat juga rangkaian lain berupa rangkaian tombol, rangkaian driver mosfet, regulator dan sumber
arus (tenaga).
Tujuan Penelitian
Adapun tujuan dari pembuatan alat ini adalah
:
1. Membuat para pengguna dan peminat
bidang robotika terutama dibidang mekanik
mengerti tentang dasar pembuatan mekanik
robot.
2. Agar dapat memahami cara kerja dari Alat
Stempel Otomatis.
173
Seminar Nasional Informatika 2014
Analisis Masalah
Pada proses perancangan Alat Stempel
Otomatis Pada Lembar Jawaban, proses awal
adalah pembuatan mekanik atau rangka tubuh
alat. Proses ini masih tergolong manual, sehingga
hasil tidak maksimal. Untuk membuatnya lebih
maksimal, harus menggunakan perhitungan
rancang bangun yang lebih, seperti menggunakan
alat bantu berupa mesin untuk mendapatkan hasil
mekanik yang lebih presisi.
Proses perancangan skematik dan layout
rangkaian pada PCB dilakukan menggunakan
software Cadsoft EAGLE (Easily Applicable
Graphical Layout Editor). Hasil perancangan
Gambar 1. Mikrokontroller Atmega8535 berupa gambar yang kemudian dicetak ke PCB
dengan teknik setrika. Jika penyetrikaan layout ke
Rangkaian Sistem Minimum PCB tidak sempurna, rangkaian yang dihasilkan
Perancangan Alat Stempel Otomatis Pada terdapat kerusakan berupa jalur yang putus dan
Lembar Jawaban ini menggunakan rangkaian tidak bisa digunakan. Selain perancangan bentuk
yang terdiri dari rangkaian minimum sistem yang dan rangkaian, regulator dan sumber daya yaitu
merupakan pusat kendali dari seluruh fungsi alat baterai menjadi faktor penting dalam perancangan
tersebut. Terdapat juga rangkaian lain berupa Alat Stempel Otomatis Pada Lembar Jawaban.
rangkaian tombol, rangkaian driver mosfet, CodeVisionAVR merupakan software C-
regulator dan sumber arus (tenaga). cross compiler, di mana program dapat ditulis
Pada perancangan Alat Stempel Otomatis menggunakan bahasa-C. Dengan menggunakan
pada Lembar Jawaban menggunakan rangkaian pemrograman bahasa-C diharapkan waktu disain
mininum sistem Atmega 8535, rangkaian ini (developing time) akan menjadi lebih singkat.
berfungsi sebagai pusat kendali dari seluruh Setelah program dalam bahasa-C ditulis dan
sistem yang ada. Komponen utama dari rangkaian dilakukan kompilasi tidak terdapat kesalahan
ini adalah mikrokontroler Atmega 8535. Pada (error) maka proses download dapat dilakukan.
mikrokontroler inilah semua program diisikan, Mikrokontroler AVR mendukung sistem
sehingga rangkaian dapat berjalan sesuai dengan download secara ISP (In-System
yang dikehendaki. Rangkaian mikrokontroler Programming).[4]
ditunjukkan pada gambar berikut ini:
Analisa Kebutuhan Fungsional
Kebutuhan fungsional adalah jenis
kebutuhan yang berisi proses-proses apa saja yang
nantinya dilakukan oleh alat. Kebutuhan
fungsional juga berisi informasi-informasi apa
saja yang harus ada dan dihasilkan oleh alat.
Berikut kebutuhan fungsional yang terdapat pada
alat yang dibangun :
1. Mikrokontroller yang di program dapat
bekerja dengan baik.
2. Dalam pergerakan alat di lakukan oleh
motor servo, motor servo yang digunakan
dapat berjalan dan dan akurat dengan baik
dalam menyetempel lembar jawaban.
3. Hasil dari penyetempelan dengan alat ini
bisa lebih efektif jika di banding dengan di
kerjakan oleh manusia.
174
Seminar Nasional Informatika 2014
175
Seminar Nasional Informatika 2014
176
Seminar Nasional Informatika 2014
177
Seminar Nasional Informatika 2014
Abstrak
Dewasa ini, perkembangan teknologi internet berjalan dengan sangat pesat sehingga layanan berbasis web
juga ikut mengalami perkembangan yang signifikan. Berbagai kelebihan yang diberikan oleh penerapan
layanan berbasis web ini mendorong banyak organisasi mulai melakukan implementasi layanan berbasis web
untuk menunjang kegiatan organisasi masing-masing, salah satunya pada institusi perguruan tinggi. Akan
tetapi, banyak dari layanan berbasis web yang telah diterapkan belum bisa memberikan hasil yang maksimal
bagi organisasi. Hal yang penting didalam penerapan layanan berbasis web selain kemampuan infrastruktur
untuk menunjang berjalannya sistem tersebut, hal yang tidak kalah pentingnya adalah tingkat kualitas dari
layanan itu sendiri. Penelitian ini bertujuan untuk menganalisis tingkat kualitas terhadap layanan web yang
diterapkan pada perguruan tinggi XYZ dengan menggunakan model SERVQUAL. Metode ini melakukan
pengukuran kualitas layanan secara kuantitatif dengan menggunakan lima dimensi pengukuran yang telah
dimodifikasi. Hasil dari penelitian ini menunjukkan jika kualitas layanan pada perguruan tinggi XYZ masih
memiliki beberapa kekurangan dilihat dari dimensi pengukuran yang digunakan. Dengan menerapkan
berbagai langkah pengukuran pada metode SERVQUAL, maka pihak manajemen perguruan tinggi XYZ
dapat melihat tingkat kualitas layanan web yang telah digunakan sehingga dapat melakukan langkah-langkah
perbaikan untuk meningkatkan kualitas layanan berbasis web yang telah mereka jalankan. Penelitian ini
selanjutnya dapat dijadikan rujukan untuk penelitian sejenis pada bidang yang lain.
178
Seminar Nasional Informatika 2014
179
Seminar Nasional Informatika 2014
180
Seminar Nasional Informatika 2014
Web perguruan tinggi XYZ dapat ditampilkan dengan sempurna pada browser yang
berbeda-beda
Information Informasi di dalam web perguruan tinggi XYZ bermanfaat
Quality Informasi di dalam web perguruan tinggi XYZ lengkap
Informasi di dalam web perguruan tinggi XYZ jelas
Informasi di dalam web perguruan tinggi XYZ terkini
Informasi di dalam web perguruan tinggi XYZ akurat
Informasi di dalam web perguruan tinggi XYZ ringkas
Services Alamat website aktif dan mengarah ke web yang benar
Reliability Nama alamat web perguruan tinggi XYZ mudah diingat
Semua link yang ada di dalam web perguruan tinggi XYZ valid
Web perguruan tinggi XYZ dapat diakses kapan saja
Web perguruan tinggi XYZ dapat cepat terbuka setiap kali diakses
Web perguruan tinggi XYZ dapat dengan cepat aktif kembali jika terjadi kerusakan
Semua form-form isian yang ada di dalam web berfungsi dengan baik
Email atau kontak dalam keadaan aktif
Tersedianya pemberitahuan jika ada informasu terbaru
Assurance Keamanan web perguruan tinggi XYZ baik
Lembaga penyedia layanan web perguruan tinggi XYZ bereputasi baik
Staff pengelola web perguruan tinggi XYZ dapat diandalkan dalam mengelola web
Empathy Pengguna merasa nyaman dalam mencari informasi di web perguruan tinggi XYZ
Agar dapat mengetahui tingkat harapan tugas, mengumpulkan tugas melalui web, serta
dan persepsi pengguna terhadap layanan web berdiskusi dengan para dosen secara online.
perguruan tinggi XYZ, maka digunakan metode Kemudian ada juga fitur e-library, CDC (Career
pengumpulan data dengan menggunakan Development Center), podcast dan blog.
kuesioner yang berisikan 54 daftar pertanyaan
berdasarkan poin-poin pada Tabel1 diatas. 3.2. Uji Validitas dan Reliabilitas
Kuesioner yang dibuat dikembangkan dengan Sebelum dilakukan pengolahan terhadap
menggunakan lima poin skala likert yang dapat data yang telah dikumpulkan, maka dilakukan
dilihat pada Tabel 2 dibawah ini. dulu pengujian instrumen penelitian untuk
memastikan bahwa instrumen penelitian yang
Tabel 2. Skala Likert digunakan valid dan reliabel. Untuk menghitung
Expectation Perception nilai validitas dari instrumen yang digunakan,
Sangat Tidak Setuju : 1 Sangat Tidak Setuju : 1 maka perlu dicari nilai r untuk masing-masing
Tidak Setuju : 2 Tidak Setuju : 2 butir pertanyaan. Nilai R untuk sampel berjumlah
Netral : 3 Netral : 3 200 (df = 198) adalah 0,1388. Jika nilai dari r
Setuju : 4 Setuju : 4 count (corrected item – total correlation (CI -
Sangat Setuju : 5 Sangat Setuju : 5 CT)) bernilai positif dan lebih besar dari nilai
tabel r, maka pertanyaan terebut dinyatakan valid.
Sedangkan untuk uji reliabilitas, digunakan nilai
3. Hasil Dan Pembahasan Cronbach Alpha untuk masing-masing variabel
atau dimensi pengukuran. Menurut Sekaran[7],
3.1. Layanan Web Perguruan Tinggi XYZ jika nilai Alpha kurang dari 0,6 maka tingkat
Perguruan tinggi XYZ telah lama reliabilitas dari instrument dianggap buruk. Jika
menyediakan layanan web perguruan tinggi berkisar di 0,7 maka tingkat reliabilitas instrumen
kepada para mahasiswanya. Layanan yang masih bisa diterima dan jika lebih dari 0,8 maka
berbasis web ini menyediakan berbagai informasi tingkat reliabilitas instrumen bagus.
yang dapat diakses oleh para mahasiswa dimana Hasil dari perhitungan uji validitas dan
saja dan kapan saja tanpa perlu lagi datang reliabilitas menunjukkan jika instrumen yang
langsung ke bagian informasi perguruan tinggi digunakan pada penelitian valid dan raliabel.
XYZ.Informasi yang tersedia di layanan ini antara Nilai R untuk semua daftar pertanyaan positif dan
lain, informasi akademik seperti jadwal kuliah, lebih besar dari nilai tabel R. Nilai untuk
nama dosen, nilai, data absensi, dan Cronbach Alpha untuk semua variabel berkisar
pengumuman-pengumuman. Selain itu, terdapat antara 0,725 sampai 0,940 sehingga dapat
juga fasilitas e-learning dimana para mahasiswa disimpulkan jika instrumen yang digunakan
dapat mengakses materi perkuliahan, mengecek raliabel. Berdasarkan hasil dari uji validitas dan
181
Seminar Nasional Informatika 2014
182
Seminar Nasional Informatika 2014
antara harapan dengan persepsi pengguna terkait [3] Iwaarden, Jos van, & Wiele, Ton van der,
layanan web perguruan tinggi XYZ. 2003, Applying SERVQUAL to Websites,
Pertanyaan 27 mengacu pada variabel An Exploratory Study. International Journal
empathy dengan nilai gap score yang diperoleh of Quality & Reliability Management, 20 (8),
sebesar -0.60. Tingkat harapan para pengguna 919-935.
terhadap variabel empathy pada layanan web [4] Mebrate, Tsigereda W., 2010,A Framework
perguruan tinggi XYZ dapat dikatakan tinggi for Evaluating Academic Website’s Quality
karena rata-rata responden memberikan penilaian From Students’ Perspective. Netherlands:
“Sangat Puas”. Namun, pada tingkat persepsi Delft University of Technology.
pengguna, rata-rata para responden memberikan [5] Oztekin, A., Nikov, A., & Zaim, Selim,
penilaian “Baik” sehingga menghasilkan nilai 2009,An Assessment Methodology for
negatif pada perhitungan gap score. Hal ini Usability of Web-based Information Systems.
berarti memang terdapat perbedaan antara Journal of Systems and Software, 82 (12),
harapan dengan persepsi pengguna terkait layanan 2038-2050.
web perguruan tinggi XYZ. [6] Parasuraman, A., Zeithaml, V.A., & Berry,
Leonard L., 1985,A Conceptual Model of
4. Kesimpulan Service Quality and It’s Implication for
Future Research. Journal of Marketing, 49,
Ada pun kesimpulan yang didapat dari 41-50.
penelitian ini adalah sebagai berikut: [7] Sekaran, Uma, 2006, Research Methods For
1. Metode SERVQUAL bisa digunakan untuk Business, Edisi 4, Buku 1, Jakarta: Salemba
melakukan pengukuran tingkat kualitas Empat.
layanan elektronik, salah satunya layanan [8] Stockdale, Rosemary & Borovicka,
web. Rosemary, 2006,Using Quality Dimensions
2. Dimensi pengukuran serta atribut penelitian in the Evaluation of Websites. Paper
yang digunakan di dalam metode presented at the meeting of the Proceedings
SERVQUAL bisa disesuaikan dengan objek of the International Conference in Lausanne,
dan lingkup penelitian. Switzerland.
3. Hasil pengukuran pada perguruan tinggi [9] Swaid, Samar., & Wigand, Rolf T., 2009,
XYZ menunjukkan jika layanan web yang Measuring The Quality Of E-Service: Scale
tersedia di perguruan tinggi XYZ masih Development And Initial Validation. Journal
memiliki kekurangan, berdasarkan gap yang of Electronic Commerce Research, 10 (1),
dihasilkan dari perbandingan tingkat persepsi 13-28.
dan harapan pada layanan web. [10] Tate et al., 2007,Perceived Service Quality in
a University Web Portal: Revising the E-
Qual Instrument. Paper presented at the
Daftar Pustaka meeting of the Proceedings of the 40th
Annual Hawaii International Conference on
[1] Djajadikerta, Hadrian & Trireksani, Terri, System Sciences, Waikoloa.
2006,Measuring University Web Site Quality: [11] Vuljak, Ivan, & Mekovec, Renata, 2012, E-
A Development of a User-Perceived Service Quality on Faculty Web Portals,
Instrument and its Initial Implementation to Exploring the Student's Perspective. Paper
Web sites of Accounting Departments in New presented at the meeting of the Central
Zealand‟s Universities, School of European Conference on Information and
Accounting, Finance and Economics & Intelligent Systems, Kroasia.
FIMARC Working Paper Series Edith Cowan [12] Y.N. Li, K. C. Tan & M. Xie, 2002,
University. Measuring Web-based Service Quality.
[2] Kumar, M., Kee, F.T., & Manshor, A.T., Total Quality Management, 13 (5), 685-700.
2009, Determining The Relative Importance [13] Zhang, Tao,2006,A Study of Government e-
Of Critical Factors In Delivering Service Service Quality and It’s Effect on Public
Quality Of Banks: An Application Of Satisfaction. China: Macau University of
Dominance Analysis In SERVQUAL Model. Science and Technology.
Managing Service Quality, 19 (2), 211-228.
183
Seminar Nasional Informatika 2014
Abstrak
Besarnya curah hujan yang terjadi tidak dapat ditentukan secara pasti, namun dapat diprediksi atau
diperkirakan. Dengan menggunakan data historis besarnya curah hujan beberapa waktu yang lampau, maka
dapat diprediksi berapa besarnya curah hujan yang terjadi pada masa yang akan datang. Jaringan saraf tiruan
(Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya
adalah prediksi curah hujan dengan metode backpropagation. Pada penelitian ini, penulis mencoba
memprediksi curah hujan di kota medan menggunakan metode backpropagation neural network. Dari hasil
penelitian dapat disimpulkan antara lain : Pengujian dengan hidden 5 memiliki akurasi yang lebih baik
dibandingkan dengan hidden 6, 7, dan 8. Nilai akurasi tertinggi di dapat dari pengujian data dengan jumlah
hidden 5 dan target error 0.0072 yaitu 43.27 %. Semakin kecil target error, maka jumlah iterasi akan
semakin besar. hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat.
184
Seminar Nasional Informatika 2014
185
Seminar Nasional Informatika 2014
tahun 1997 – 2012. Data bersumber dari BMKG g. Pengenalan pola (pelatihan)
Stasiun Polonia, Kota Medan. Pengenalan pola dilakukan dengan cara
Prediksi curah hujan dengan penyesuaian nilai bobot. Penghentian
backpropagation neural network digunakan penyesuaian bobot dalam pengenalan pola
langkah-langkah sebagai berikut: apabila error yang dihasilkan mencapai target
e. Memisahkan data yang akan digunakan error. Error dihitung setelah tahapan forward
sebagai data pelatihan dan data uji. Data curah propagation. Apabila error lebih besar dari
hujan tahun 1997 – 2008 akan digunakan target error maka pelatihan akan dilanjutkan
sebagai data pelatihan selama perancangan ke tahap backward propagation sampai error
JST sedangkan data tahun 2009 – 2012 yang dihasilkan mencapai target error.
digunakan sebagi data pengujian. h. Pengujian dan prediksi
f. Desain JST Pengujian dilakukan bertujuan untuk
Desain JST dilakukan untuk prediksi curah mengetahui tingkat keakuratan sistem JST
hujan bulanan dimulai dengan menentukan yang telah dibuat dalam memprediksi data
banyaknya data masukan yang digunakan, curah hujan pada tahun tertentu. Sedangkan
banyaknya layar tersembunyi (hidden layer) prediksi bertujuan untuk memprediksi data
yang digunakan, dan banyaknya keluaran curah hujan yang akan datang.
yang diinginkan. Data yang digunakan sebagai
masukan sebanyak 8 data (8 tahun) dan data
keluaran atau target adalah data pada tahun 3. Hasil dan Analisa
ke-9 (data input 1997 – 2004 dengan target
2005). Untuk mengetahui curah hujan pada Untuk mengetahui apakah aplikasi yang
tahun ke-10 maka data masukannya dibuat telah berjalan dengan baik, maka dilakukan
merupakan data pada tahun ke-2 sampai tahun pengujian. Data curah hujan tahun 1997 – 2008
ke-9 (data input 1998 – 2005 dengan target akan digunakan sebagai data pelatihan sedangkan
2006), demikian seterusnya. Desain JST data tahun 2009 – 2012 digunakan sebagai data
prediksi curah hujan dapat dilihat pada pengujian. Proses yang ditempuh untuk prediksi
gambar 1. curah hujan menggunakan backpropagation
neural network meliputi tahap training, tahap
pengujian dan tahap prediksi. Tabel 1 merupakan
Input Layer Hidden Layer Output Layer input data curah hujan tahun 1997 – 2008.
186
Seminar Nasional Informatika 2014
Tabel 1(c). Data Input Tahun 1999 sampai Tabel 2(b). Data Hasil Normalisasi Tahun 1998
2006 dengan Target 2007 sampai 2005 dengan Target 2006
1999 2000 2001 2002 2003 2004 2005 2006 2007 1998 1999 2000 2001 2002 2003 2004 2005 2006
315 59 216.5 90.8 169.4 138.8 189.1 103.9 169.6 0.2904 0.4384 0.1557 0.3296 0.1908 0.2776 0.2438 0.2993 0.2052
0.1459 0.3874 0.1863 0.1072 0.1772 0.1851 0.3123 0.139 0.2346
268.8 86.7 15.1 78.5 85.7 200.8 43.9 130.5 8.6 0.123 0.308 0.2917 0.265 0.1971 0.2701 0.3532 0.1595 0.2244
196.6 182.2 158 96.5 162.6 237.9 62.5 121.2 62.3 0.1295 0.4461 0.2175 0.2725 0.1716 0.4056 0.1882 0.2763 0.3362
322 115 164.8 73.4 285.3 88.5 168.2 225.5 277.2 0.2379 0.4247 0.1571 0.3697 0.3061 0.3618 0.1656 0.344 0.4224
302.6 60.3 252.8 195.2 245.7 68 229.5 300.5 330.2 0.2502 0.3734 0.3015 0.4292 0.3022 0.3072 0.3119 0.2827 0.3682
256.2 191.1 306.7 191.7 196.3 200.5 174 251.4 99.4 0.3257 0.1235 0.2251 0.2245 0.2442 0.4352 0.3189 0.3233 0.211
0.5113 0.1773 0.4689 0.5517 0.2631 0.4019 0.3161 0.2514 0.2543
29.9 121.9 121.3 139.2 312.1 206.8 210.8 109.1 261.6
0.2791 0.5402 0.5887 0.5275 0.5129 0.7106 0.6154 0.4113 0.5163
78.6 342.6 417.6 156.3 282 204.3 145.7 148.3 153.4 0.4663 0.3159 0.4964 0.9 0.4923 0.6117 0.5074 0.2843 0.3902
407.2 451.1 395.7 382.5 561.5 475.3 290.5 385.6 256.5 0.3951 0.2301 0.2098 0.6069 0.2719 0.229 0.2464 0.3184 0.2544
204.1 367.5 733 363.8 471.9 377.5 175.5 271.4 303.3 0.5258 0.5944 0.2822 0.4687 0.2034 0.2978 0.2743 0.4344 0.4733
126.4 108 467.6 164.3 125.4 141.2 206.4 148.4 374.1
456.3 173.6 342.5 102.2 187.7 166.4 311.4 346.6 218.4
Tabel 2(c). Data Hasil Normalisasi Tahun 1999
Tabel 1(d). Data Input Tahun 2000 sampai sampai 2006 dengan Target 2007
2007 dengan Target 2008 1999 2000 2001 2002 2003 2004 2005 2006 2007
0.4384 0.1557 0.3296 0.1908 0.2776 0.2438 0.2993 0.2052 0.2778
0.3874 0.1863 0.1072 0.1772 0.1851 0.3123 0.139 0.2346 0.1
2000 2001 2002 2003 2004 2005 2006 2007 2008 0.308 0.2917 0.265 0.1971 0.2701 0.3532 0.1595 0.2244 0.1593
59 216.5 90.8 169.4 138.8 189.1 103.9 169.6 126.7 0.4461 0.2175 0.2725 0.1716 0.4056 0.1882 0.2763 0.3362 0.3966
86.7 15.1 78.5 85.7 200.8 43.9 130.5 8.6 16.2 0.4247 0.1571 0.3697 0.3061 0.3618 0.1656 0.344 0.4224 0.4552
182.2 158 96.5 162.6 237.9 62.5 121.2 62.3 126.8 0.3734 0.3015 0.4292 0.3022 0.3072 0.3119 0.2827 0.3682 0.2003
115 164.8 73.4 285.3 88.5 168.2 225.5 277.2 146 0.1235 0.2251 0.2245 0.2442 0.4352 0.3189 0.3233 0.211 0.3794
0.1773 0.4689 0.5517 0.2631 0.4019 0.3161 0.2514 0.2543 0.2599
60.3 252.8 195.2 245.7 68 229.5 300.5 330.2 172.5
0.5402 0.5887 0.5275 0.5129 0.7106 0.6154 0.4113 0.5163 0.3738
191.1 306.7 191.7 196.3 200.5 174 251.4 99.4 62 0.3159 0.4964 0.9 0.4923 0.6117 0.5074 0.2843 0.3902 0.4255
121.9 121.3 139.2 312.1 206.8 210.8 109.1 261.6 276.8 0.2301 0.2098 0.6069 0.2719 0.229 0.2464 0.3184 0.2544 0.5036
342.6 417.6 156.3 282 204.3 145.7 148.3 153.4 195.7 0.5944 0.2822 0.4687 0.2034 0.2978 0.2743 0.4344 0.4733 0.3317
451.1 395.7 382.5 561.5 475.3 290.5 385.6 256.5 294.8
367.5 733 363.8 471.9 377.5 175.5 271.4 303.3 342.2
108 467.6 164.3 125.4 141.2 206.4 148.4 374.1 412.5 Tabel 2(d). Data Hasil Normalisasi Tahun 2000
173.6 342.5 102.2 187.7 166.4 311.4 346.6 218.4 245.7
sampai 2007 dengan Target 2008
Sebelum diproses data-data input tersebut 2000 2001 2002 2003 2004 2005 2006 2007 2008
0.1557 0.3296 0.1908 0.2776 0.2438 0.2993 0.2052 0.2778 0.2304
akan dinormalisasi. Normalisasi terhadap data 0.1863 0.1072 0.1772 0.1851 0.3123 0.139 0.2346 0.1 0.1084
0.2917 0.265 0.1971 0.2701 0.3532 0.1595 0.2244 0.1593 0.2305
dilakukan agar keluaran jaringan sesuai dengan 0.2175 0.2725 0.1716 0.4056 0.1882 0.2763 0.3362 0.3966 0.2517
fungsi aktivasi yang digunakan. Data-data 0.1571
0.3015
0.3697
0.4292
0.3061
0.3022
0.3618
0.3072
0.1656
0.3119
0.344
0.2827
0.4224
0.3682
0.4552
0.2003
0.281
0.159
tersebut dinormalisasi dalam interval [0, 1] karena 0.2251
0.4689
0.2245
0.5517
0.2442
0.2631
0.4352
0.4019
0.3189
0.3161
0.3233
0.2514
0.211
0.2543
0.3794
0.2599
0.3962
0.3066
dalam prediksi curah hujan, nilai curah hujan 0.5887 0.5275 0.5129 0.7106 0.6154 0.4113 0.5163 0.3738 0.4161
0.4964 0.9 0.4923 0.6117 0.5074 0.2843 0.3902 0.4255 0.4684
pasti bernilai positif atau 0. Selain itu juga terkait 0.2098 0.6069 0.2719 0.229 0.2464 0.3184 0.2544 0.5036 0.5461
0.2822 0.4687 0.2034 0.2978 0.2743 0.4344 0.4733 0.3317 0.3618
fungsi aktivasi yang diberikan yaitu sigmoid
biner.
Setelah data dinormalisasi, maka akan di
Fungsi sigmoid adalah fungsi asimtotik
generate nilai bobot input ke hidden awal, bias
(tidak pernah mencapai 0 ataupun 1) maka
input ke hidden, bobot hidden ke output, dan bias
transformasi data hendaknya dilakukan pada
hidden ke output. Data bobot digenerate secara
interval yang lebih kecil yaitu [0.1, 0.8],
acak antara 0 sampai dengan 1. Tabel 3
ditunjukkan dengan persamaan (14).
menunjukkan hasil generate nilai bobot.
(14)
Tabel 3. Hasil generate Nilai Bobot
a adalah data minimum, b adalah data maksimum, Bobot Input Ke Hidden Awal
x adalah data yang akan dinormalisasi dan x’ 0.3528 0.2667 0.2898 0.1448 0.151 0.3874
adalah data yang telah ditransformasi. Tabel 2 0.007 0.3804 0.4072 0.3545 0.0227 0.207
merupakan hasil normalisasi data input. 0.4313 0.3952 0.1868 0.481 0.4357 0.0281
0.4748 0.182 0.2624 0.3836 0.0268 0.2962
0.2344 0.1491 0.3113 0.3239 0.1319 0.1397
Tabel 2(a). Data Hasil Normalisasi Tahun 1997
0.4149 0.4123 0.2946 0.493 0.4555 0.1134
sampai 2004 dengan Target 2005 0.3476 0.49 0.122 0.2669 0.0532 0.4997
0.3381 0.0079 0.2876 0.05 0.0515 0.3994
1997 1998 1999 2000 2001 2002 2003 2004 2005
0.2078 0.2904 0.4384 0.1557 0.3296 0.1908 0.2776 0.2438 0.2993 Bias Input Ke Hidden
0.1972 0.1459 0.3874 0.1863 0.1072 0.1772 0.1851 0.3123 0.139 0.1422 0.0228 0.1479 0.191 0.1505 0.4743
0.2389 0.123 0.308 0.2917 0.265 0.1971 0.2701 0.3532 0.1595
0.2118 0.1295 0.4461 0.2175 0.2725 0.1716 0.4056 0.1882 0.2763 Bobot Hidden ke Output
0.1798 0.2379 0.4247 0.1571 0.3697 0.3061 0.3618 0.1656 0.344 0.4899 0.2007 0.1391 0.0802 0.0814 0.3233
0.2841 0.2502 0.3734 0.3015 0.4292 0.3022 0.3072 0.3119 0.2827
0.3399 0.3257 0.1235 0.2251 0.2245 0.2442 0.4352 0.3189 0.3233 Bias Hidden ke Output
0.1962 0.5113 0.1773 0.4689 0.5517 0.2631 0.4019 0.3161 0.2514 0.367
0.4114 0.2791 0.5402 0.5887 0.5275 0.5129 0.7106 0.6154 0.4113
0.5224 0.4663 0.3159 0.4964 0.9 0.4923 0.6117 0.5074 0.2843
0.3836 0.3951 0.2301 0.2098 0.6069 0.2719 0.229 0.2464 0.3184
0.2919 0.5258 0.5944 0.2822 0.4687 0.2034 0.2978 0.2743 0.4344 Tahap selanjutnya adalah trainning. Proses
training dilakukan sampai error yang dihasilkan
sesuai atau lebih kecil dari target error. Gambar 2
merupakan grafik penurunan kuadrat error hasil
187
Seminar Nasional Informatika 2014
training dengan target error 0.01 dan jumlah Tabel 5(b). Hasil Pengujian dengan Target
hidden layer 6. Error 0.008
188
Seminar Nasional Informatika 2014
Tabel 6. Hasil Prediksi Curah hujan di Kota 5. Pada hasil prediksi rata-rata curah hujan
Medan tertinggi pada tahun 2013 terjadi pada bulan 5
yaitu 315.8.
Tahun 2013 2014 2015 2016 2017 Daftar Pustaka
Bulan
1 122.7 143 153 168.9 154.3
2 108.3 86.4 98.9 109.7 104 [1] Ihwan, Andi, 2013, Metode Jaringan Saraf
3 153.2 141 176.5 204.1 179.2 Tiruan Propagasi Balik untuk Estimasi
4 211.4 195.9 163 158.7 143.4 Curah Hujan Bulanan di Ketapang
5 315.8 281.4 227.6 231.8 170 Kalimantan Barat, Prosiding Semirata
6 138.3 110.1 117.4 133.2 143.9
7 189.1 225.9 197.5 175.9 173
FMIPA Universitas Lampung.
8 154.4 157.5 196.9 247.2 249.4 [2] Naik, Arti R. and S.K.Pathan, 2012,
9 254.3 227.2 239.8 208.3 162.5 Weather Classification and Forecasting
10 290 264.2 244.2 214.6 211.9 using Back Propagation Feed-forward
11 224.3 289 228.6 172.9 197.8 Neural Network, International Journal of
12 238 196.2 162.6 129.3 160.4
Scientific and Research Publications,
Volume 2, Issue 12, December.
Pada tabel 6 dapat dilihat bahwa rata-rata [3] Oktaviani, Cici dan Afdal, 2013, Prediksi
curah hujan tertinggi pada tahun 2013 terjadi pada Curah Hujan Bulanan Menggunakan
bulan 5, tahun 2014 terjadi pada bulan 11, tahun Jaringan Syaraf Tiruan dengan Beberapa
2015 terjadi pada bulan 10, tahun 2016 terjadi Fungsi Pelatihan Backpropagation, Jurnal
pada bulan 8, dan tahun 2017 terjadi pada bulan Fisika Unand, Vol. 2, No. 4, Oktober.
8. [4] Pai, Maya L., et al, 2014, Long Range
Forecast on South West Monsoon Rainfall
4. Kesimpulan using Artificial Neural Networks based on
Clustering Approach, I.J. Information
Dari hasil penelitian dapat diambil beberapa Technology and Computer Science, 2014,
kesimpulan antara lain: 07, 1-8.
1. Pengujian dengan hidden 5 memiliki akurasi [5] Pratiwi, Dian, et al, (2011), An Application
yang lebih baik dibandingkan dengan hidden Of Backpropagation Artificial Neural
6, 7, dan 8. Network Method for Measuring The
2. Nilai akurasi tertinggi di dapat dari pengujian Severity of Osteoarthritis, International
data dengan jumlah hidden 5 dan target error Journal of Engineering & Technology IJET-
0.0072 yaitu 43.27 %. IJENS, Vol: 11 No: 03.
3. Target error yang berbeda akan menghasilkan [6] Sutojo, T., et al, 2010, Kecerdasan Buatan,
jumlah iterasi yang berbeda pula. Semakin Yogyakarta: Andi Offset.
kecil target error, maka jumlah iterasi akan
semakin besar.
4. Jumlah hidden yang berbeda maka jumlah
iterasi juga berbeda. Jumlah hidden layer yang
lebih besar tidak selalu menyebabkan jumlah
iterasi meningkat.
189
Seminar Nasional Informatika 2014
Abstrak
Server merupakan perangkat utama dalam sebuah sistem komunikasi jaringan yang berfungsi sebagai
penyedia layanan atau service dalam sebuah jaringan. Sebagai penyedia layanan,service sistem yang berjalan
pada server harus mampu berjalan selama 24 jam penuh. Sehingga untuk memantau jalannya service pada
server diperlukan pencatatan dalam bentuk log serviceyang bersifat realtimeuntuk mencatat aktifitas service
yang berjalan pada server. Kendala umum yang terjadi adalah seorang administrator jaringan harus secara
manual melakukan pembacaan log service pada server dengan cara satu per satu. Dalam penelitian yang
dilakukan pada penulisan ini, monitoring log service yang dibangun adalah melakukan pembacaan sejumlah
service secara realtime yang berjalan pada server tanpa harus berinteraksi langsung dengan server. Sistem
monitoring yang dibangun dapat digunakan oleh administrator jaringan melalui internet yaitu sebuah website
dengan memanfaatkan modul phpshell sehingga pengawasan terhadap service yang dijalankan oleh server
dapat dilakukan lebih mudah dan realtime. Hasil akhir dari penelitian yang dilakukan menunjukan bahwa
sistem monitoring mampu melakukan pembacaan terhadap log service yang di tampilkan dalam bentuk web
menggunakan phpshell sehingga dapat membantu administrator dalam hal pembacaan log service.
190
Seminar Nasional Informatika 2014
komunikasinya[2]. Tujuan dari pembangunan yang mengontrol akses terhadap jaringan dan
sebuah jaringan komputer adalah sharing sumber daya yang terdapat di dalamnya, seperti
resources, media komunikasi, web browsing dan halnya berkas atau alat pencetak (printer), dan
komunikasi[3]. memberikan akses kepada workstation anggota
Secara garis besar proses komunikasi yang jaringan.
dilakukan komputer dam jaringan komputer dapat Umumnya, di atas sistem operasi server
kita gambarkan seperti berikut terdapat aplikasi-aplikasi yang menggunakan
arsitektur klien/server. Contoh dari aplikasi ini
adalah DHCP Server, Mail Server, HTTP Server,
FTP Server, DNS Server dan lain sebagainya.
Setiap sistem operasi server umumnya
membundel layanan-layanan tersebut atau
layanan tersebut juga dapat diperoleh dari pihak
ketiga. Setiap layanan tersebut akan merespons
terhadap request dari klien. Sebagai contoh, klien
DHCP akan memberikan request kepada server
yang menjalankan server DHCP, ketika sebuah
klien membutuhkan alamat IP, klien akan
memberikan perintah/request kepada server,
Gambar 1. Komunikasi Jaringan Komputer dengan bahasa yang dipahami oleh server DHCP,
yakni protokol DHCP itu sendiri. Contoh sistem
Dari gambar 1 dapat dijelaskan bahwa operasi server adalah Windows NT 3.51, dan
komputer saat berkomunikasi akan dilanjutkan dengan Windows NT 4.0. Saat ini
diidentifikasikan sebagai 2 pihak, satu sebagai sistem yang cukup populer adalah Windows
source(yang merupakan sebagai asal komunikasi) 2008Server dan Windows Server 2012, kemudian
dan destination(yang merupakan sebagai tujuan Sun Solaris, Unix, dan GNU/Linux.
komunikasi). Dari sisi source ketika melakukan Server biasanya terhubung dengan client
komunikasi akan di sebut sebagai pengirim atau dengan kabel UTP dan sebuah Network Card.
istilahnya adalah transmitter sedangkan komputer Kartu jaringan ini biasanya berupa kartu PCI atau
tujuan dalam proses komunikasi disebut sebagai ISA. Fungsi server sangat banyak, misalnya untuk
penerima atau istilahnya adalah receiver. Kedua situs internet, ilmu pengetahuan, atau sekedar
komputer akan melakukan proses komunikasi penyimpanan data. Namun yang paling umum
melalui media transmisi yang diatur dalam sistem adalah untuk mengkoneksikan komputer client ke
transmisi. Umumnya selain pengaturan media Internet.
transmisi dalam system transmisi, dikenal adanya
protocol yang mengatur jalannya komunikasi C. PHPShell
yang berlangsung. komunikasi dalam jaringan PHPShell adalah sebuah script
komputer, diperlukan adanya suatu protocol menggunakan bahasa pemrograman PHP yang
sebagai aturan berkomunikasi. Protocol sendiri umunya digunakan untuk melakukan eksekusi
adalah suatu set yang mengatur online perintah shell yang dilakukan oleh user.
komunikasi di antara beberapa buah komputer PHPShell akan melakukan eksekusi tiap baris dari
yang ada dalam suatu jaringan. Peraturan perintah yang diketikkan oleh user melalui web
peraturan tersebut termasuk pedoman yang interface. Dalam implementasinya PHPShell
mengatur kriteria-kriteria dalam pembangunan digunakan sebagai sebuah utility untuk
jaringan komputer, termasuk di dalamnya adalah melakukan web vulnerability assessment. Dengan
cara atau metode akses komunikasi, topologi fisik kata lain PHPShell digunakan sebagai jembatan
yang diijinkan, jenis-jenis pengkabelan dan dari user untuk berinteraksi dengan shell bash
kecepatan pengiriman data. Dengan kata lain dari server.
dapat diibaratkan bahwa protocol adalah bahasa
komunikasi dalam jaringan komputer D. Log Service
Log client adalah sebuah pencatatan
B. Server aktivitas atau traffic yang dilakukan oleh client
Server adalah sebuah sistem komputer yang pada jaringan intranet[5]. Dalam pencatatan yang
menyediakan jenis layanan tertentu dalam sebuah ada, log client mencatat beberapa informasi yang
jaringan komputer[4]. Server didukung dengan diperlukan seperti tanggal saat melakukan event,
prosesor yang bersifat scalable dan RAM yang ip dari client, tujuan aktifitasnya dan informasi
besar, juga dilengkapi dengan sistem operasi port yang digunakan untuk melakukan
khusus, yang disebut sebagai sistem operasi aktivitas[6]. Log client umumnya terdapat pada
jaringan atau network operating system. Server server. Keterangan atau informasi Log client ini
juga menjalankan perangkat lunak administratif digunakan dalam hal perancangan keamanan
191
Seminar Nasional Informatika 2014
jaringan komputer. Bentuk log service yang Tabel 1. Contoh Pembacaan File Log
berada pada server dapat dilihat pada gambar Nama Service Nama File Tempat File Log
berikut : Log
Authentication auth.log /var/log/
Login
ftp Vsftp/log /var/log/
Apache Access.log /var/log/apache/
webserver
access
Apache Error.log /var/log/apache/
webserver
error
Kernel modul Dmsg.log /var/log/
Gambar 2. Log Service Authentication System log Syslog.log /var/log/
Booting log Boot.log /var/log/
Pada gambar 2, merupakan contoh log
service authentication yang berada pada server. Setelah mengetahui penempatan file log
Log service authentication adalah log service service yang berada pada server, maka dilakukan
yang mencatat mengenai pengguna atau user yang pemanggilan nama file melalui web yang
melakukan aktifitas login ke server. dibangin pada sistem monitoring. Dalam hal ini
menggunakan modul phpshel. Pada php shell
3. Metodelogi yang digunakan, sebelumnya sistem web harus
memiliki hak akses yang tertinggi dalam sistem
Pada penelitian yang dilakukan, terdapat operasi linux yaitu dengan hak akses root. Proses
alur proses penelitian dari setiap tahap dilakukan pemanggilan log service yang akan dipanggil oleh
yang dapat ditunjukkan pada gambar berikut : sistem dapat ditunjukkan pada gambar berikut :
192
Seminar Nasional Informatika 2014
193
Seminar Nasional Informatika 2014
194
Seminar Nasional Informatika 2014
Abstrak
Rumah Sakit adalah tempat untuk menangani pasien dari berbagai daerah dan jenis penyakit pasien tersebut
berbeda-beda, karena cara hidup dan lingkungan berperan dalam perjalanan penyakit. Berdasarkan hal tersebut
untuk meningkatkan upaya menurunkan angka kesakitan dan prevalensi timbulnya komplikasi pada penyakit
maka perlu dilakukan penelitian-penelitian yang mengarah pada pembuatan sistem yang dapat mendeteksi
timbulnya penyakit sehingga dapat dilakukan upaya prefentif serta upaya rehabilitatif bagi penderita
penyakit dengan pendekatan yang menyeluruh, sehingga dampak terjadinya berbagai penyakit
menahun, seperti penyakit jantung koroner, penyakit pada mata, ginjal dan syaraf dapat dikurangi. Dalam
usaha peningkatan kesehatan, penguasaan teknologi perlu ditingkatkan. Selain itu, juga perlu diimbangi
dengan sistem informasi dan data yang akurat bagi kepentingan dinas kesehatan maupun instansi terkait
untuk pengambilan kebijakan. Salah satu alternatif sebagai solusi dari masalah tersebut adalah membuat
suatu pencarian pola atau hubungan Association rule (aturan asosiatif) dari data yang berskala besar dan
kaitannya sangat erat dengan data mining yang dapat digunakan untuk menemukan aturan-aturan tertentu
yang mengasosiasikan data yang satu dengan data yang lainnya dengan Metode algoritma apriori bisa
melakukan penelusuran pada data historis untuk mengidentifikasi pola data yang didasarkan pada sifat-sifat
yang teridentifikasi sebelumnya. Informasi yang dihasilkan untuk selanjutnya bisa digunakan oleh Dinas
Kesehatan setempat maupun dokter sebagai dasar untuk melakukan tindakan-tindakan yang diperlukan.
195
Seminar Nasional Informatika 2014
tertentu yang mengasosiasikan data yang satu diaplikasikan untuk kondisi-kondisi yang
dengan data yang lainnya dengan suatu metode terjadi di masa depan. [1]
algoritma. Metode algoritma apriori bisa
melakukan penelusuran pada data historis untuk Association Rule
mengidentifikasi pola data yang didasarkan pada Association rule merupakan salah satu
sifat-sifat yang teridentifikasi sebelumnya. teknik data mining yang paling banyak
Kemudian dapat diberikan alternatif pengobatan digunakan dalam penelusuran pola pada
atau pencegahan bila ditemukan indikasi yang sistem pembelajaran unsupervised . Metodologi
mengarah pada timbulnya penyakit. Informasi ini akan mengambil seluruh kemungkinan pola -
yang dihasilkan untuk selanjutnya bisa pola yang diamati dalam basis data. Association
digunakan oleh Dinas Kesehatan setempat rule menjelaskan kejadian–kejadian yang sering
maupun dokter sebagai dasar untuk melakukan muncul dalam suatu kelompok. Bentuk umum
tindakan-tindakan yang diperlukan. aturan
B1,B2,…,Bm, yang berarti jika item Ai muncul,
2. Tinjauan Pustaka item Bj juga muncul dengan peluang tertentu.
Misalkan X adalah itemset. transaksi T dikatakan
Data Mining (DM) mengandung X jika dan hanya
Data mining adalah proses pengolahan
informasi dari sebuah database yang besar, transaksi dengan tingkat kepercayaan
meliputi proses ekstraksi, pengenalan, (confidence ) C, jika C % dari transaksi dalam
komprehensif, dan penyajian informasi sehingga D yang mengandung X juga mengandung Y.
dapat digunakan dalam pengambilan keputusan
bisnis yang krusial”.[1][3] transaksi set D jika S% dari transaksi dalam basis
Y. Tingkat kepercayaan
Metodologi Data Mining menunjukkan kekuatan implikasi, dan support
Langkah-langkah yang dibutuhkan untuk menunjukkan seringnya pola terjadi dalam rule.
mengerjakan implementasi Data Mining : Mining association rule dilakukan dalam dua
1. Problem Analysis, langkah ini untuk tahap yaitu :
menganalisa permasalahan dalam bisnis yang 1. Mencari semua association rule yang
hendak diatasi dengan menggunakan Data mempunyai minimum support (S min) dan
Mining. Dari sini harus dibuat penilaian pada minimum confidence Cmin. Itemset dikatakan
ketersediaan data, teknologi yang dipakai dan sering muncul (frequent) jika Support(A)
hasil yang diinginkan sebagai bagian dari min.
keseluruhan solusi. 2. Menggunakan itemset yang besar untuk
2. Data Preparation, langkah ini untuk menentukan association rule untuk basis
mengekstrasi data dan mentransformasikannya data yang mempunyai tingkat kepercayaan C
ke dalam format yang dibutuhkan oleh di atas nilai minimum yang telah ditentukan
algoritma Data Mining, termasuk di dalamnya (Cmin.). [2][3][4][5]
join tabel, menambah field baru,
membersihkan data dan sebagainya. 3. Analisa dan Pembahasan
3. Data Exploration, langkah ini mendahului
langkah pencarian pola yang sesungguhnya. Analisa Association Rule
Didalamnya terdapat proses eksplorasi secara Penerapan data mining dengan association
visual dan memberikan pengguna kemudahan rule bertujuan menemukan informasi item-item
untuk menemukan kesalahan yang terjadi yang saling berhubungan dalam bentuk rule,
dalam proses data preparation. dengan demikian association rule di terapkan
4. Pattern Generation, langkah ini menggunakan pada pola data penyakit yang paling sering
cara induksi dan mengumpulkan algoritma muncul dengan menggunakan algoritma apriori.
penelusuran untuk membuat pola-pola Dengan demikian proses untuk menemukan
tertentu. hubungan antar item ini mungkin
5. Pattern Deployment, langkah ini memerlukan pembacaan data penyakit secara
pengembangan pola-pola yang ditemukan berulang-ulang dalam jumlah data penyakit yang
yang didesain dalam langkah problem besar untuk menemukan pola-pola hubungan
analysis. Pola-pola ini khusus digunakan yang berbeda, maka waktu dan biaya komputasi
dalam Decision Support System (DSS), untuk tentunya juga akan sangat besar, sehingga untuk
membuat laporan-laporan atau buku petunjuk, menemukan hubungan tersebut diperlukan suatu
atau memfilter data untuk tujuan pemrosesan. algoritma yang efisien.
6. Pattern Monitoring, kesimpulan utama dari
hasil pengembangan Data Mining adalah
kesamaan pola-pola di waktu yang lalu dapat
196
Seminar Nasional Informatika 2014
Analisis asosiasi atau association rule Data dari Penyakit pasien seperti
mining adalah teknik data mining untuk ditunjukkan dalam tabel 2 berikut :
menemukan aturan assosiatif antara suatu
kombinasi item. Aturan assosiatif dari penyakit Tabel 2. Penyakit Pasien
pasien di rumah sakit adalah dapat diketahuinya Pasien Item Penyakit
berapa besar kemungkinan seorang pasien dapat 1 Febris, Dispepsya, Anemia
mengidap penyakit TB. Paru bersamaan dengan 2 Anemia, Febris, DM
Febris. Dengan pengetahuan tersebut Dokter 3 DM, DHF, Dispepsya
yang merawat dapat mengambil tindakan 4 Dispepsya, Febris, Anemia
penolongan pertama pada pasien. 5 Febris, Anemia, Dispepsya
Khususnya salah satu tahap dari analisis 6 Dispepsya, Febris, DHF
asosiasi yang disebut analisis pola frequensi 7 Febris, Anemia, DM
tinggi (frequent pattern mining) menarik 8 Febris, DM, DHF
perhatian banyak peneliti untuk menghasilkan 9 Anemia, Dispepsya, Thyphoid
algoritma yang efisien. Penting tidaknya suatu 10 Febris, Hypertensi, Dyspepsia
aturan assosiatif dapat diketahui dengan dua 11 Hypertensi, Dispepsya. Febris
parameter, support (nilai penunjang) yaitu
persentase kombinasi item tersebut dalam Data tersebut diatas dalam database
database dan confidence (nilai kepastian) yaitu Pasien direpresentasikan dalam bentuk seperti
kuatnya hubungan antar item dalam aturan tampak pada tabel 3. berikut:
assosiatif.
Aturan assosiatif biasanya dinyatakan Tabel 3. Representasi Data Penyakit Pasien
dalam bentuk : JlhPasien Item Penyakit
2 Hypertensi
{Febris, TB.Paru} -> {Dispepsya} (support = 8 Dispepsya
40%, confidence = 50%) 6 Anaemia
4 DM
Yang artinya : "50% dari transaksi di database 9 Febris
yang memuat item Febris dan TB.Paru juga 3 DHF
memuat item Dispepsya. Sedangkan 40% dari 1 Thyphoid
seluruh transaksi yang ada di database memuat
ketiga item itu." Dapat juga diartikan : "Seorang Dan bila di bentuk dalam bentuk tabular, data
pasien yang mengidam penyakit Febris dan Penyakit Pasien akan tampak seperti pada tabel 4
TB.Paru kemungkinan 50% punya penyakit berikut:
Dispepsya. Aturan ini cukup signifikan karena
mewakili 40% dari catatan transaksi selama ini."
Analisis asosiasi didefinisikan suatu proses untuk
menemukan semua aturan assosiatif yang
memenuhi syarat minimum untuk support
(minimum support) dan syarat
minimum untuk confidence (minimum
confidence). Dasar analisis asosiasi terbagi
menjadi dua tahap :
197
Seminar Nasional Informatika 2014
198
Seminar Nasional Informatika 2014
Tabel 7. Calon Aturan Asosiasi dari F3 pencarian frequent itemset, dengan association
rule. Sesuai dengan namanya, algoritma ini
menggunakan knowledge mengenai frequent
itemset yang telah diketahui sebelumnya, untuk
memproses informasi selanjutnya. Algoritma
apriori memiliki beberapa prinsip dasar yaitu :
1. Kumpulan jumlah item tunggal, dapatkan
item besar.
2. Dapatkan kandidat pairs, hitung => large
Confidence minimal adalah 75% maka pair dari item-item.
aturan yang bisa terbentuk adalah aturan dengan 1 3. Dapatkan candidate triplets, hitung => large
antecedent berikut: triplets dari item-item dan seterusnya.
“IF Mengidam Dispepsya end Anaemia, Then 4. Sebagai petunjuk : setiap sumset dari sebuah
Mengidam Febris” frequent itemset harus menjadi frequent.
Sementara itu calon aturan asosiasi dari F2 bisa Pada gambar 2 adalah ilustrasi penerepan
dilihat pada tabel 8. berikut: apriori
199
Seminar Nasional Informatika 2014
200
Seminar Nasional Informatika 2014
201
Seminar Nasional Informatika 2014
Abstrak
Cairan merupakan kebutuhan terpenting dari tubuh manusia. Hampir 90% penyusun tubuh manusia adalah
air. Kebutuhan cairan sehari-hari pada setiap orang bisa berbeda, tergantung kondisi tubuh, usia, jenis
kelamin, suhu lingkungan, jenis makanan yang dikonsumsi, maupun jenis aktivitasnya. Sebagai contoh,
orang yang banyak melakukan aktivitas fisik seperti olahragawan akan berbeda kebutuhannya akan cairan
dibandingkan dengan orang kantoran yang lebih banyak duduk. Kelompok usia lanjut yang tidak aktif
memiliki kebutuhan cairan lebih sedikit dibandingkan orang dewasa yang masih sangat aktif secara fisik.
Berdasarkan permasalahan diatas maka peneliti membuat sebuah aplikasi android yang berfungsi untuk
menghitung kebutuhan cairan tubuh berdasarkan rumus dari referensi yang sesuai. Untuk input data awal,
user perlu memasukkan usia, jenis kelamin, kriteria aktivitas yang sedang dilakukan (aktivitas ringan, sedang,
atau berat), dan suhu tubuh. Maka akan muncul tampilan kadar kebutuhan cairan tubuhnya. Untuk
mengetahui apakah jumlah cairan yang masuk seimbang dengan jumlah cairan yang keluar dapat digunakan
rumus dari jumlah cairan yang masuk sama dengan jumlah cairan yang keluar ditambah IWL (Insensible
Water Loss). Awalnya user diminta untuk menginput data jumlah cairan yang masuk dengan memasukkan
data jumlah air yang diminum, terapi cairan tambahan (misalnya infus), kandungan cairan dalam makanan
pasien, volume obat-obatan yang sedang dipakai atau diminum. Setelah itu untuk jumlah cairan keluar, user
diminta menginput data jumlah urine dalam 24 jam (jika urine tidak diukur, dapat diisi frekuensi buang air
kecil dalam 24 jam), kemudian buang air besar atau tidak dalam 24 jam terakhir, berapa kali buang air besar
dalam 24 jam. Hasil akhirnya akan muncul kebutuhan cairan kita defisit (kurang) atau excess (berlebih).
202
Seminar Nasional Informatika 2014
Perhitungan rumus
cairan harian
Hasil perhitungan
cairan harian
Stop
203
Seminar Nasional Informatika 2014
d. Class diagram
class diagram dari aplikasi ini terdapat 6
class. Class KalkulatorAir merupakan kelas utama
yang akan dipanggil terlebih dahulu, kemudian
kelas utama tersebut akan memanggil kelas lain
sesuai dengan reques dari user.
b. Activity diagram
Activity diagram dari aplikasi ini,
dimulai dari menu utama (kalkulator air) sampai
aplikasi ditutup. Terlihat pada gambar dibawah,
user bisa melakukan proses untuk mendapatkan
kebutuhan cairan ideal, konsumsi cairan harian,
berita kesehatan dan dapat membuka menu 3. Hasil dan Pembahasan
tentang (about).
3.1 Menu utama (Kalkulator Air)
Tampilan menu utama merupakan
tampilan utama dari sistem. Pada saat pertama
kali dibuka, akan memunculkan tampilan ini.
Pertama kali masukan nama user si pengguna.
Fungsi memasukan user adalah supaya data nama
tersebut bisa dilihat di menu riwayat yang akan
digunakan untuk mengetahui riwayat-riwayat
siapa saja yang pernah menggunakan aplikasi
tersebut. Riwayat disimpan hanya pada platform
tersebut dan juga ketika aplikasi diinstal ulang,
riwayat tadi akan dihapus. Setelah melakukan
pengisian nama. Pilih salah satu radio button dan
tekan proses. Jika di tekan keluar maka aplikasi
akan keluar.
c. Sequence Diagram
204
Seminar Nasional Informatika 2014
205
Seminar Nasional Informatika 2014
206
Seminar Nasional Informatika 2014
CAIRAN MASUK
MINUM
1 gelas= 240 ml
MAKAN MAKANAN
BERKUAH DALAM 1 HARI
1 kali makan=100 ml
CAIRAN INFUS
YA, ML/HARI
TIDAK
KONSUMSI CAIRAN HARIAN
CAIRAN KELUAR
BUANG AIR KECIL
1 kali BAK=200 ml
BUANG AIR BESAR
1 kali BAB=500 ml
MUNTAH
1 kali muntah=50 ml
DRAIN
YA, ML/HARI
TIDAK
4.1 Kesimpulan
Kesimpulan yang dapat diambil dari penelitian ini
adalah :
1. Aplikasi kalkulator air, berjalan lancar di
sistem operasi android 4.0
2. Dengan menggunakan aplikasi kalkulator
air, penghitungan kubutuhan cairan menjadi
lebih mudah
3. Dengan menggunakan aplikasi ini, dapat
mengetahui konsumsi cairan perhari.
4.2 Saran
Saran yang dapat diberikan untuk penelitian ini
3.3 Konsumsi Cairan Harian adalah :
Konsumsi cairan harian ini digunakan 1. Design tampilan perlu dibuat lebih
untuk Mengetahui konsumsi cairan harian anda. menarik lagi
Rumus untuk mencari konsumsi cairan harian 2. Adanya web service yang digunakan
adalah sebagai berikut : untuk memanipulasi data, sehingga
selain melakukan perhitungan, adanya
informasi-informasi yang penting bagi
user, bisa dimasukan kesana.
207
Seminar Nasional Informatika 2014
208
Seminar Nasional Informatika 2014
Abstrak
Sistem otomasi perpustakaan telah menjadi bagian penting dalam penyelenggaraan pendidikan. Sehingga
tingkat kelayakannya pun perlu untuk diuji agar mahasiswa mendapatkan pelayanan dan manfaat terbaik dari
implementasi sistem otomasi perpustakaan tersebut. STMIK Potensi Utama telah menggunakan 2 jenis
sistem otomasi perpustakaan, yang berbasis opensource (2010-2012) dan kemudian diganti menjadi berbasis
proprietary (2012-2014). Namun kelayakan kedua sistem otomasi perpustakaan tersebut belum pernah diuji.
Sehingga penggantian sistem berbasis opensource ke proprietary pun hanya berdasarkan kepentingan bisnis
semata, bukan berdasarkan perhitungan analisis kelayakan. Penelitian ini mencoba melakukan perhitungan
analisis kelayakan berdasarkan tingkat maturity level dengan menggunakan COBIT 5.0 sehinggan dapat
diketahui secara matematis, sistem mana yang lebih layak untuk diterapkan di STMIK Potensi Utama. Hasil
penelitian menunjukkan nilai maturity level sistem otomasi perpustakaan berbasis opensource memperoleh
point 2,9923 sedangkan sistem yang berbasis proprietary 3,0423. Sehingga sistem otomasi perpustakaan yang
dianggap layak untuk diterapkan di STMIK Potensi Utama adalah Proprietary, meskipun gap antara
keduanya cukup kecil hanya 0,05 dan keduanya telah melampaui standar internasional yang berada pada
skala 2,5 serta telah mencapai level Defined.
Kata Kunci : Sistem otomasi perpustakaan, Opensource, Proprietary, Framework COBIT 5.0,
Maturity Level.
1. Pendahuluan
Sistem otomasi opensource yang digunakan Kemudian setelah 2 tahun berjalan, STMIK
adalah SliMS (Senayan Libary Management Potensi Utama mengganti Sistem Otomasi
System). Merupakan sebuah sistem yang bersifat Perpustakaannya menjadi berbasis Proprietary
bersifat gratis dan berbasis opensource di bawah dengan memesannya pada sebuah perusahaan
lisensi GPL versi 3. Aplikasi ini menggunakan software. Istilah proprietary software merujuk
bahasa pemrograman PHP dan database Mysql. kepada aplikasi yang memiliki hak cipta,
Fitur-fitur yang dimiliki SliMS diantaranya sehingga untuk dapat menggunakannya
adalah bibliografi database, fungsi sirkulasi, dibutuhkan lisensi dengan membelinya kepada
manajemen keanggotaan, dan lain sebagainya pihak pemilik hak cipta tersebut. Proprietary
yang dapat memenuhi kebutuhan tugas-tugas software adalah perangkat lunak komputer
pustaka. Pada tahap awal, SLiMS dirancang oleh berlisensi di bawah hak hukum eksklusif dari
Pepustakaan Depdiknas dan terus mengalami pemegang hak cipta dengan maksud bahwa lisensi
perkembangan hingga saat ini. Release terbaru diberikan hak untuk menggunakan perangkat
dari aplikasi ini adalah SliMS 7 – Cendana. [1] lunak hanya dalam kondisi tertentu, dan dibatasi
209
Seminar Nasional Informatika 2014
dari penggunaan lain, seperti modifikasi, berbagi, bisnis, kontrol, dan teknis. Hal-hal yang berkaitan
belajar , redistribusi, atau reverse engineering. dengan COBIT dapat diakses melalui
Biasanya kode sumber dari perangkat lunak http://www.isaca.org. [5]
tersebut tidak tersedia. [2] Versi COBIT sendiri diawali pada tahun
1996 dan terus mengalami perkembangan
mengikuti kebutuhan stakeholder dan jangkauan
atau scope audit terhadap sistem informasi secara
lebih luas. COBIT versi terbaru adalah COBIT
5.0 yang dirilis pada tahun 2012.
210
Seminar Nasional Informatika 2014
211
Seminar Nasional Informatika 2014
212
Seminar Nasional Informatika 2014
Identifikasi Masalah
Analisa Perbandingan
Rekomendasi
213
Seminar Nasional Informatika 2014
5.2. Analisa
Perhitungan tersebut diperoleh dengan cara
mencari nilai rata-rata dari masing-masing item
kuesioner. Misalnya pada item quesioner yang
pertama dari 20 orang responden yang menjawab,
terdapat :
5 orang memberi skor 2
12 orang memberi skor 3
3 orang memberi skor 4
214
Seminar Nasional Informatika 2014
2. Diperlukan penyesuaian item-item pada [7] Sari, Indah Mayang, et.all, 2013. Pembuatan
domain process COBIT 5.0 agar sesuai Metode Evaluasi Kematangan Pelaksanaan
dengan bidang kajian perpustakaan. Proyek dengan Menggabungkan COBIT 5
Domain BAI 1.11 dan MEA 1.04 dengan
Daftar Pustaka Best Practice PMBOK 4th. Studi Kasus :
Direktorat Pengelolaan Sistem Informasi
[1] Blog SliMS, 2014. http://slims.web.id/web. (DPSI) Bank Indonesia, Jurnal Teknik
Diakses tgl : 28 Maret 2014, Jam : 10.51 Pomits, Vol. 1 No.1.
WIB. [8] Qualified Advice Partners. 2013. CobiT
[2] Wikipedia, 2014. Domains and Processes (COBIT 5/4.1).
http://en.wikipedia.org/wiki/Proprietary_soft http://www.qualified-audit-
ware. Diakses tgl : 28 Maret 2014, Jam : partners.be/index.php?cont=463, Diakses tgl
11.36 WIB. : 29 Maret 2014, Jam : 10.28 WIB.
[3] Isaca, 2014. [9] Topham, B, 2013. DevOps and OpsDev:
http://www.isaca.org/cobit/pages/default.asp How Maturity Model Works.
x. Diakses tgl : 28 Maret 2014, Jam : 12.18 http://h30499.www3.hp.com/t5/Business-
WIB. Service-Management-BAC/DevOps-and-
[4] Campbell, Philip L., 2005. A COBIT OpsDev-How-Maturity-Model-Works/ba-
Primer. USA, Sandia National. p/6042901, Diakses tgl : 29 Maret 2014, Jam
[5] Gondodiyoto, Sanyoto, 2007, Audit Sistem 11.13 WIB.
Informasi + Pendekatan COBIT, Penerbit [10] Agusriandi dan Idria Maita, 2013. Analisis
Mitra Wacana Media, Jakarta. Maturity Level Sistem Informasi
[6] Adikara, Fransiskus, 2013. Implementasi Perpustakaan Dengan Framework COBIT
Tata Kelola Teknologi Informasi Perguruan 4.1 (Studi Kasus : Perpustakaan Universitas
Tinggi Berdasarkan COBIT 5 Pada Islam Riau). KNSI 2013, STMIK Bumigora.
Laboratorium Rekayasa Perangkat Lunak
Universitas Esa Unggul. SESINDO, Institut
Teknologi Sepuluh November.
215
Seminar Nasional Informatika 2014
Abstrak
Kelapa sawit merupakan tumbuhan tropis yang tergolong dalam family Palmea dan berasal dari Afrika Barat.
Meskipun demikian, dapat tumbuh di luar daerah asalnya termasuk Indonesia, tanaman dengan nilai
ekonomis yang cukup tinggi ini merupakan salah satu tanaman penghasil minyak nabati, di samping itu salah
satu hambatan utama dalam pembudidayaan kelapa sawit yaitu kekurangan atau defisiensi unsur hara
tanaman. Melihat kondisi ini penulis membuat suatu aplikasi sistem pakar mengidentifikasi gejala defisiensi
unsur hara pada tanaman kelapa sawit dengan metode forward chaining yang bisa digunakan sebagai
pengganti pakar yang sebenarnya, hasil penelitian ini berupa program aplikasi sistem pakar yang mampu
mengidentifikasi gejala defisiensi unsur hara pada tanaman kelapa sawit.
Kata kunci : sistem pakar, defisiensi unsur hara, forward chaining, kelapa sawit.
216
Seminar Nasional Informatika 2014
pengetahuan khusus selayaknya seorang pakar mulai mengekspor minyak sawit pada tahun 1919
untuk memecahkan masalah. [3] sebesar 567 ton ke negara-negara Eropa,
kemudian tahun 1923 mulai mengekspor minyak
2.2 Manfaat Sistem Pakar inti sawit sebesar 850 ton.[1]
Secara garis besar, banyak manfaat yang
dapat diambil dengan adanya sistem pakar, antara 2.5 Pemupukan
lain [4]: Salah satu tindakan perawatan tanaman yang
7. Membuat seorang yang awam bekerja seperti berpengaruh besar terhadap pertumbuhan dan
layaknya seorang pakar. produksi tanaman adalah pemupukan. Pemupukan
8. Meningkatkan produktivitas akibat bertujuan untuk menambah ketersediaan unsur
meningkatnya kualitas hasil pekerjaan, hara di dalam tanah terutama agar tanaman dapat
mengingkatnya kualitas pekerjaan ini menyerapnya sesuai dengan kebutuhan. Dengan
disebabkan meningkatnya efisiensi kerja. pemupukan dapat meningkatkan produktivitas
9. Menghemat waktu kerja. tanaman.
10. Menyederhanakan pekerjaan. Kekurangan atau defisiensi unsur hara
11. Merupakan arsip terpercaya dari sebuah tanaman, dapat diketahui dari gejala-gejala yang
keahlian, sehingga bagi pemakai sistem pakar tampak pada tanaman. Defisiensi unsur hara yang
seolah-olah berkonsultasi langsung dengan berlebihan menurunkan produktivitas tanaman
sang pakar, meskipun mungkin sang pakar bahkan dapat menyebabkan kematian.
telah tiada. Pemberian pupuk pada tanaman harus
12. Memperluas jangkauan, dari keahlian seorang memperhatikan beberapa hal yang menjadi kunci
pakar. Di mana sebuah sistem pakar yang keefektifan pemberian pupuk, waktu pemberian,
telah disahkan, akan sama saja artinya dengan serta jenis dan dosis pupuk. [1]
seorang pakar yang tersedia dalam jumlah
besar (dapat diperbanyak dengan kemampuan 2.6 Keunggulan dan Manfaat Kelapa Sawit
yang persis sama), dapat diperoleh dan dipakai Berbagai hasil penelitian mengungkapkan
di mana saja. bahwa minyak sawit memiliki keunggulan
dibandingkan dengan minyak nabati lainnya.
2.3 Metode Forward Chaining Menurut Yan Fauzi (2002) beberapa keunggulan
Metode forward chaining adalah teknik minyak sawit, yaitu [1] :
pencarian yang dimulai dengan fakta yang 1. Tingkat efisiensi minyak sawit tinggi sehingga
diketahui, kemudian mencocokkan fakta-fakta mampu menempatkan CPO menjadi sumber
tersebut dengan bagian IF dari rules IF-THEN. minyak nabati termurah.
Bila ada fakta yang cocok dengan bagian IF, 2. Produkivitas minyak sawit tinggi yaitu 3,2
maka rule tersebut dieksekusi. Bila sebuah rule ton/ha, sedangkan minyak kedelai, lobak,
dieksekusi, maka sebuah fakta baru (bagian kopra, dan minyak bunga matahari masing-
THEN) ditambahkan kedalam database. Setiap masing 0,34, 0,51, 0,57, dan 0,53 ton/ha.
kali pencocokan, dimulai dari rule teratas. Setiap 3. Memiliki sifat yang cukup menonjol
rule hanya boleh dieksekusi sekali saja. Proses dibanding dengan minyak nabati lainnya,
pencocokan berhenti bila tidak ada lagi rule yang karena memiliki keluwesan dan keluasan
bisa dieksekusi.[5] dalam ragam kegunaan baik di bidang pangan
maupun non pangan.
2.4 Sekilas Sejarah Kelapa Sawit 4. Sekitar 80% dari penduduk dunia khususnya
Kelapa sawit pertama kali diperkenalkan di di negara berkembang masih berpeluang
Indonesia oleh pemerintah Belanda pada tahun meningkatkan konsumsi per kapita untuk
1848. Ketika itu ada empat batang bibit kelapa minyak dan lemak terutama minyak yang
sawit yang dibawa dari Mauritius dan Amsterdam harganya murah (minyak sawit).
dan ditanam di Kebun Raya Bogor. Tanaman
kelapa sawit mulai diusahakan dan dibudidayakan Menurut Yan Fauzi (2002), pemanfaatan
secara komersial pada tahun 1911. Perintis usaha minyak sawit yaitu [1]:
perkebunan kelapa sawit di Indonesia adalah 1. Minyak kelapa sawit untuk industri pangan,
Adrien Hallet, seorang Belgia yang telah belajar minyak kelapa sawit antara lain digunakan
banyak tentang kelapa sawit di Afrika. Budi daya dalam bentuk minyak goreng, margarin,
yang dilakukannya diikuti oleh K. Schadt yang butter, dan bahan untuk membuat kue-kue.
menandai lahirnya perkebunan kelapa sawit di 2. Minyak kelapa sawit untuk industri non-
Indonesia. Sejak saat itu perkebunan kelapa sawit pangan, dalam hal ini minyak kelapa sawit
di Indonesia mulai berkembang. Perkebunan antara lain digunakan sebagai bahan baku
kelapa sawit pertama berlokasi di Pantai Timur untuk industri farmasi, kandungan minor
Sumatera (Deli) dan Aceh. Luas areal antara lain karoten dan tokoferol sangat
perkebunannya mencapai 5.123 ha. Indonesia berguna untuk mencegah kebutaan (defisiensi
217
Seminar Nasional Informatika 2014
218
Seminar Nasional Informatika 2014
Tabel 2. Jenis Defisiensi Unsur Hara dolomite (Mg=18%), serta pupuk daun
Kode yang mengandung unsur Mg.
Kekurang S006 Aplikasi Pupuk Mg dengan dosis yang
Jenis Defisiensi Unsur Hara cukup dapat memperbaiki tekstur
an Unsur
Hara tanah, Aplikasi Pupuk Mg secara
merata pada pinggir piringan,
J001 Defisiensi Nitrogen (N)
pencegahan erosi terutama pada
J002 Defisiensi Fosfor (P) tanah berpasir dengan curah hujan
J003 Defisiensi Besi (Fe) yang tinggi, pada tanah yang beraksi
J004 Defisiensi Kalium (K) sangat masam dolomite dipakai
J005 Defisiensi Kalsium (Ca) sebagai sumber utama pupuk Mg,
J006 Defisiensi Magnesium (Mg) karena ada efek samping menaikkan
J007 Defisiensi Sulfur (S) pH tanah, bagaimanapun juga
sebenarnya kiesrite lebih mudah
J008 Defisiensi Mangan (Mg
tersedia bagi tanaman
J009 Defisiensi Tembaga (Cu)
S007 Dengan menambahkan pupuk kimia
J010 Defisiensi Seng (Zn) ZA (S=20%), Phonska(S=10%), serta
J011 Defisiensi Boron (B) pupuk daun yang mengandung unsur
S.
S008 Dengan menambahkan pupuk kimia
kieserite, kapur dolomite (Mg=18%),
Tabel 3. Penanganan Defisiensi Unsur Hara serta pupuk daun yang mengandung
Kode unsur Mg.
Penanga S009 Inspeksi lapangan agar gejala awal
dapat terdeteksi secara dini, defisiensi
nan Penanganan Defisiensi Unsur
Cu di Nursery dilakukan drenching
Defisien Hara
dengan 0.05 % larutan CuSO4 (0.5
si Unsur gram dalam 1 liter air), pemupukan
Hara koreksi terhadap defisiensi K pada
S001 Aplikasi pupuk secara merata tanah gambut maupun tanah berpasir,
dipinggiran pada saat kondisi tanah dapat memperbaiki pengambilan Cu,
lembab, tambah urea pada tanaman basahi tajuk dengan 200 ppm Cu SO4.
kelapa sawit, kendalikan gulma
S010 Pemberian pupuk lewat tanah
S002 Berikan pupuk P secukupnya pada
sebaiknya dilakukan saat tanaman
masa pembibitan, waktu penanaman
masih muda, sebelum gejala
di lahan dan selama masa TBM, baik
kekurangan Zn terlihat, menambahkan
kelapa sawit maupun LCC untuk
pupuk organic yang tinggi, pemberian
membangun persediaan phospat
pupuk organic cair untuk pemupukan
dalam tanah. RP dapat diberikan
susulan, penyemprotan pupuk daun
secara besar-besaran 1 ton/ha pada
dengan kandungan mikro lengkap
LCC.
S011 Memberikan pemupukan HGF Borate
S003 Dengan menambahkan pupuk organik
sebanyak 100 – 200
yang tinggi, pemberian pupuk organik
gram/pokok/tahun, berikan HGF
cair untuk pemupukan susulan, serta
Borate pada pangkal batang atau pada
penyemprotan pupuk daun dengan
ketiak daun/pelepah.
kandungan mikro lengkap.
S004 Memberikan pemupukan K yang 1. Desain Sistem
cukup, mendaur ulang K yang terambil Perancangan desain sistem yang akan
sebagai produksi, berupa pemupukan dibangun menggunakan pemodelan Unified
dengan abu tandan atau mulching Modelling System ( UML ). Diagram-diagram
dengan tandan kosong, Mulching yang digunakan kali ini hanya use case diagram
dengan tandan kosong sangat saja.
diutamakan pada tanah berpasir, guna
membangun daya simpan tanah Use Case Diagram
terhadap makanan yang diberikan
S005 Dengan menambahkan pupuk kimia Diagram ini menggambarkan interaksi
kieserite, menambahkan pupuk kapur beberapa aktor dengan sistem digambarkan pada
gambar 1 berikut ini :
219
Seminar Nasional Informatika 2014
<<include>>
semua cara tersebut harus mengacu pada dua
Melihat informasi
Manipulasi entitas berikut.
<<include>> jenis unsur hara
1. Fakta, yaitu kejadian sebenarnya. Fakta inilah
Manipulasi
Mengisi data user <<include>>
gejala yang akan kita representasikan.
Pakar
Mengolah basis 2. Representasi dari fakta. Berdasarkan
<<include>> pengetahuan
<<extend>>
representasi inilah kita dapat mengolah
Konsultasi
fakta.[5]
User
<<include>>
Manipulasi hasil
Representasi pengetahuan, kaidah produksi
dibentuk dari pengubahan tabel keputusan.
Melihat hasil konsultasi
Pembuatan suatu kaidah dilakukan dengan
Mengolah data pakar
beberapa tahapan. Sebagai contoh perhatian
<<extend>> pembuatan kaidah konklusi ini akan dapat
tercapai bila kondisi – kondisi yang mendukung
<<include>>
Cetak laporan
hasil konsultasi
Login admin
terpenuhi. Pembuatan kaidah menggunakan goal
<<include>>
T G011
Y Y
G019
T
G003
G028
Y Y Y T
J001 G020
dikarenakan agar seorang admin dapat Y
Y
G013
Y Y
G012
Y
G005
T
G022
Y T
G004
langsung hasil konsultasi tersebut dan perintah Y
Y Y Y T
J004
terakhir yaitu sistem mengijinkan user untuk Y
G026
Y
G023
G037
Y
G017
Y T
dapat langsung mencetak laporan ataupun tidak J005 G027 J010 G032 G029
T
mencetak laporan hasil konsultasi user tersebut. J006
Y
J009
Y Y
G030
G033
G031
unsur hara, manipulasi gejala, mengolah basis Y Y
G034
220
Seminar Nasional Informatika 2014
221
Seminar Nasional Informatika 2014
222
Seminar Nasional Informatika 2014
Abstrak
Pada umumnya pengenalan pembelajaran akademik di setiap sekolah paud sama saja. Salah satu
permasalahan yang sering timbul yaitu dalam proses penyampaian pembelajaran. Pembelajaran yang harus
disampaikan menjadi membosankan, dan kurang menarik karena hanya mengandalkan buku saja. Maka dari
itu, Penulis berusaha untuk mengurangi permasalahan yang timbul dalam penyampaian pembelajaran
tersebut dengan dibuatkan game android. Metode yang digunakan yaitu metode penelitian kualitatif, karena
Penulis langsung mengamati dan kemudian membuat pemecahan masalah. Penulis menggunakan Eclips dan
Android SDK dalam proses pembuatan aplikasi ini. Dengan dibuatkannya Game Android ini Penulis
berharap dapat membantu pihak sekolah dan pihak sekolah pun bisa memberikan pelayanan yang maksimal
dalam penyampaian pembelajarannya.
223
Seminar Nasional Informatika 2014
224
Seminar Nasional Informatika 2014
225
Seminar Nasional Informatika 2014
5. SARAN
Gambar 5. Square Diagram Berdasarkan hasil analisis terhadap sistem
yang ada , maka penyusun mengajukan beberapa
G. Perancangan User Interface saran sebagai berikut :
1. Untuk meningkatkan kinerja pengajar dalam
mengajar, maka diperlukan sistem yang baik
serta adanya program aplikasi game android
khusus ini dapat memudahakan cara
pengajaranya.
2. Pemilihan orang yang ahli dibidangnya dan
dapat menguasai minimal gadget smartphone
android karena sebelum aplikasi digunakan,
perlu adanya pelatihan dalam penggunaannya.
3. Dilakukan backup data untuk mengantisipasi
kerusakan data.
DAFTAR PUSTAKA
226
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km.6.5 No.3A Tanjung Mulia Medan
buditriandi@gmail.com
Abstrak
Keamanan data merupakan suatu hal yang sangat penting dan merupakan kebutuhan bagi setiap orang yang
melakukan transaksi data melalui media online. Dalam kriptografi terdapat beberapa model untuk melakukan
pengamanan data, salah satunya adalah penggunaan kunci dalam mengamankan data, kunci yang digunakan
dalam teknik penyandian terbagi menjadi dua yaitu public key dan private key. Penggunaan kunci pablik
pada kriptografi dihadapkan pada permasalahan yang sulit seperti faktorialisasi, algoritma diskrit, kurva
elips, problema Knapsack dan lainnya. Perpangkatan modulo, faktorialisasi dan penggunaan bilangan prima
merupakan hal yang sangat mendasar dalam matematika kriptografi dalam pembentukan kunci pablik.
Makalah ini membahas tentang implementasi algoritma Rabin–Miller, Fast Exponentiation, GCD (Greatest
Common Divisor) dan faktorisasi prima kedalam alpikasi bantu yang dapat membantu dalam proses
pemahaman untuk dasar perhitungan matematis kriptografi untuk proses pembelajaran. Algoritma Tes
bilangan prima Rabin – Miller, Fast Exponentiation dan GCD (Greatest Common Divisor) dapat digunakan
untuk bilangan yang besar hingga 15 digit.
227
Seminar Nasional Informatika 2014
Bilangan-bilangan rasional tidak berfungsi terjadinya ambigu dalam dekripsi yaitu satu
untuk mengukur semua panjang. Fakta yang elemen ciphertext menyatakan lebih dari satu
mengejutkan ini ditemukan oleh orang Yunani elemen plaintext.
kuno beberapa abad sebelum Masehi. Mereka Pada metode kriptografi simetris atau
memperlihatkan bahwa meskipun √2 merupakan konvensional digunakan satu buah kunci. Bila
panjang sisi miring sebuah segitiga siku-siku kunci dinotasikan dengan ‘K’ maka proses
dengan sisi-sisi 1, bilangan ini tidak dapat enkripsi-dekripsi metode kriptografi simetris
dituliskan sebagai suatu hasil bagi dari dua dapat dinotasikan dengan :
bilangan bulat. Jadi √2 adalah suatu bilangan tak Ek(P) = C dan
rasional. Demikian juga bentuk-bentuk akar Dk (C) = P
lainnya. Dan keseluruhan sistem dinyatakan sebagai :
Sekumpulan bilangan (rasional dan tak Dk(Ek(P))=P
rasional) yang dapat mengukur panjang, bersama- Pada metode kriptografi asimetris digunakan
sama dengan negatifnya dan nol dinamakan kunci umum untuk enkripsi dan kunci pribadi
bilangan-bilangan riil. Bilangan-bilangan riil untuk dekripsi. Bila kunci umum dinotasikan
dapat dipandang sebagai pengenal (label) untuk dengan ‘PK’ dan kunci pribadi dinotasikan
titik-titik sepanjang sebuah garis mendatar. Di dengan ‘SK’ maka proses enkripsi-dekripsi
sana bilangan-bilangan ini mengukur jarak ke metode kriptografi asimetris dapat dinotasikan
kanan atau ke kiri (jarak berarah) dari suatu titik dengan :
tetap yang disebut titik asal dan diberi label 0. EPK (P) = C dan
Walaupun tidak mungkin memperlihatkan semua DSK (C) =P
label itu, tiap titik memang mempunyai sebuah Dan keseluruhan sistem dinyatakan sebagai :
label tunggal bilangan riil. Bilangan ini disebut DSK(EPK(P)) = P
koordinat titik tersebut. Dan garis koordinat yang
dihasilkan diacu sebagai garis riil. 3. Pembahasan
228
Seminar Nasional Informatika 2014
229
Seminar Nasional Informatika 2014
230
Seminar Nasional Informatika 2014
231
Seminar Nasional Informatika 2014
5. Simpulan
6. Pustaka
232
Seminar Nasional Informatika 2014
Abstrak
Kontribusi yang diberikan oleh institusi pendidikan terhadap lulusan terutama yang terkait dengan lowongan
pekerjaan dan cara mendapatkan pekerjaan dengan mudah dan cepat adalah hal yang perlu untuk perhatikan
bagi setiap calon lulusan. Pengembangan aplikasi e-career dapat membantu menjawab permasalahan
kebutuhan akan informasi lowongan pekerjaan dan kemudahan untuk mendapatkan pekerjaan. Aplikasi e-
career menggabungkan berbagai perusahaan yang bertujuan mensentralisasikan setiap lowongan pekerjaan
kedalam satu sistem.Bentuk penelitian berbentuk studi kasus dengan variabel tunggal yaitu perancangan
sistem e-career untuk mempermudah dalam mendapatkan lowongan pekerjaandan metode perancangan
menggunakan RAD (Rapid Application Development) yang merupakan sebuah strategi pengembangan sistem
yang menekankan kecepatan melalui keterlibatan user.Penelitian ini menghasilkan sebuah aplikasi e-career
yang dapat dipergunakan oleh STMIK Pontianak untuk menghimpun perusahaan dan melalui sistem ini
perusahaan dapat mengisikan lowongan pekerjaan. Setiap lowongan yang telah diisikan dapat dilihat oleh
pengunjung namun hanya pengunjung yang telah terdaftar sebagai member yang dapat mendaftar pada
lowongan tersebut. Semakin banyak perusahaan yang bergabung pada sistem ini maka peluang alumni untuk
mendapatkan pekerjaan juga semakin besar.
233
Seminar Nasional Informatika 2014
234
Seminar Nasional Informatika 2014
adalahdidorong oleh ukuran proyek, anggaran, e. Account pencari kerja dapat di non-
ukuran team dan banyak faktor aktifkan
lainnya[5].Penggunaan kembali komponen yang Adanya hak ICT untuk mengontrol secara
ada dalam pengembangan sistem informasi e- penuh terhadap data lowongan, perusahaan dan
careermenjadikan RADadalah pilihan yang pencari kerja dimaksudkan apabila ada data yang
ideal.Rapid Application Development (RAD) tidak valid dan melanggar dari ketentuan seperti
terdiri dari tiga fase yaitu [1]: pemalsuan data maka ICT dapat menghilangkan
1. Requirement Planning. keanggotaan dari pencari kerja maupun
Pengguna dan analis bertemu untuk perusahaan.Perusahaan memiliki kewenangan
mengidentifikasi tujuan dari aplikasi atau untuk melakukan perubahan terhadap profil
sistem untuk mengidentifikasi kebutuhan perusahaan, mengisikan data lowongan dan
informasi. Pada tahap ini membutuhkan melihat data pencari lowongan yang sudah
keterlibatan intens dari kedua kelompok. mendaftarkan diri pada lowongan tersebut.
2. Design Berikut ini adalah fitur yang diperlukan oleh
Menghasilkan suatu dokumentasi sistem dan perusahaan untuk mengelola sistem informasi e-
desain database, serta desain alur dalam career:
kegiatan operasionalnya. Selama fase ini, a. Form update profil perusahaan
pengguna merespon prototipe dan analis b. Form pengisian data lowongan
memperbaiki modul berdasarkan respon dari c. Form daftar lowongan
pengguna. d. Form daftar pencari kerja yang melamar
3. Implementation. e. Form detil pencari kerja yang melamar
Tahap implementasi meningkatkan kecepatan Tersedianya informasi secara detil dari profil
pembangunan melalui prototyping cepat, pencari kerja dimaksudkan agar perusahaan dapat
utilitas pengguna akhir yang lebih baik, melihat dengan jelas biodata dari setiap pelamar
kesederhanaan dan kegunaan dari desain karena dengan kelengkapan biodata inilah
Graphical User Interface (GUI). perusahaan dapat mengambil kebijakan untuk
melakukan pemanggilan secara langsung terhadap
5. Hasil Penelitian calon karyawan.
Pencari kerja juga memiliki kewenangan
Sistem informasi e-careeradalah sebuah untuk melakukan perubahan terhadap biodata
sistem yang menjadi pusat dari lowongan mereka, bisa mengakses seluruh lowongan yang
pekerjaan dari berbagai perusahaan yang telah diberikan oleh perusahaan, bisa mendaftar pada
menjalin kerja sama dengan STMIK Pontianak lowongan, bisa melihat lowongan secara detil
selaku pemilik sistem dan sekaligus penyedia dan lain-lain. Berikut ini adalah fitur yang
tenaga kerja yaitu lulusan dan calon lulusan diperlukan oleh pencari kerja untuk mengelola
mahasiswa STMIK Pontianak. Aktor utama dari sistem informasi e-career:
sistem ini adalah ICT (Information and a. Form update profil pencari kerja
communications technology) STMIK Pontianak, b. Form status diterima
pencari kerja dan perusahaan. Oleh karena itu c. Form daftar lowongan dan penerimaan
sistem yang dibangun akan didesain sesuai lowongan
dengan kebutuhan dari masing-masing bagian. d. Form daftar lowongan yang dilamar
Pendefenisian kebutuhan dari masing-masing Pencari kerja harus bisa melihat informasi
bagian ini akan dijelaskan pada tahap data lowongan secara detil untuk mengetahui
perencanaan kebutuhan dari model seperti apa syarat dan ketentuan dari setiap
pengembangan RAD. lowongan yang ada. Selain data lowongan, data
perusahaan juga harus bisa dilihat secara detil
5.1 Perencanaan Kebutuhan untuk mengetahui identitas dan bidang usaha dari
ICT melakukan kontrol secara penuh setiap perusahaan.
terhadap sistem informasi e-careeryang berisikan
data perusahaan, data lowongan, data pencari 5.2 Perancangan
kerja dan informasi lainnya yang berhubungan Kegiatan perancangan sistem e-careerakan
dengan permintaan kerja sampai kepada berfokus pada unsur-unsur kebutuhan seperti
penempatan kerja. Berikut ini adalah fitur yang yang telah dijabarkan pada tahap perencanaan
diperlukan oleh ICT untuk mengelola sistem kebutuhan. Untuk mempermudah dalam
informasi e-career: pemahaman model arsitektur dari sistem
a. Form untuk meregistrasi perusahaan. informasie-career, perlu disajikan model dari
b. Form daftar lowongan, daftar perusahaan arsitektur e-careertersebut yang berfokus pada
c. Form daftar pencari kerja pengguna dan kebutuhan pengguna. Perancangan
d. Informasi lowongan dapat di non- arsitektur sistem e-careermempresentasikan
aktifkan framework dari sistem perangkat lunak yang
235
Seminar Nasional Informatika 2014
T
Gagal Masuk
Y
Pengisian Data Menampilkan Halaman Perusahaan
Lowongan
Validasi Lowongan
ICT
Validasi
Submit Terima
Lowongan
Gambar 4. Activity Diagram Submit Lowongan
Pencaker
<<include>>
Profil Pencaker Pencaker Activity diagram
submitlowonganmemberikan penjelasan
Gambar 2. Use Case Diagram e-career
bagaimana aktivitas seorang pencaker yang ingin
melihat dan mendaftarkan diri pada setiap
Activity diagram memiliki pengertian yaitu
lowongan yang ada dengan cara menampilkan
lebih fokus kepada menggambarkan proses bisnis
daftar lowongan lalu memilinya (lihat gambar
dan urutan aktivitas dalam sebuah proses yang
4).Sequence diagram menggambarkan interaksi
dipergunakan untuk memperlihatkan urutan
antar objek di dalam dan di sekitar sistem
aktifitas proses bisnisyang sedang dirancang,
(termasuk pengguna, display, dan sebagainya)
bagaimana masing-masing alir berawal, decision
berupa message yang digambarkan terhadap
yang mungkin terjadi, dan bagaimana mereka
waktu. Sequence diagram terdiri atar dimensi
berakhir.
vertikal (waktu) dan dimensi horizontal (objek-
objek yang terkait).Masing-masing objek,
termasuk aktor, memiliki lifeline vertikal.
Message digambarkan sebagai garis berpanah dari
satu objek ke objek lainnya. Pada fase desain
236
Seminar Nasional Informatika 2014
berikutnya, message akan dipetakan menjadi interface, yaitu kumpulan layanan yang
operasi/metoda dari class. disediakan sebuah komponen untuk komponen
a. Sequence diagram pengisian lowongan lain. Berikut adalah component diagram yang
Sequence diagram pengisian lowongan dibutuhkan dalam perancangan sistem e-
memperlihatkan bagaimana perusahaan career(lihat gambar 7).
berinteraksi langsung dengan sistem. Ketika
perusahaan melakukan proses submit dari data Login
Koneksi
Pesan error akan ditampilkan apabila ada
kesalahan pada data isian dan pesan sukses akan
ditampilkan apabila data yang diinputkan benar Form Isi
Lowongan
Form Daftar
Lowongan
IKoneksi
(lihat gambar 5).
<<boundary>> <<control>> <<entity>>
: Form Input Lowongan : Kontrol Input : Data Lowongan Telp Contact Form Submit
Lowongan
3 : pilih lowongan()
5.3 Implementasi
Kegiatan implementasi merupakan kegiatan
4 : Get data()
5 : cek validasi() implementasi dari prototype sistem yang sudah
buat dalam bentuk Graphical User Interface
(GUI). Merancang antarmuka merupakan bagian
6 : Pesan error() 7 : Cek koneksi()
yang paling penting dari merancang sistem.
8 : Eksekusi Query() Biasanya hal tersebut juga merupakan bagian
9 : Tampilkan pesan sukses()
yang paling sulit karena dalam merancang
antarmuka harus memenuhi tiga persyaratan
Gambar 6. Sequence Diagram Submit sebuah antarmuka yaitu sederhana, lengkap, dan
Lowongan harus memilki kinerja yang cepat. Alasan utama
mengapa antarmuka sulit untuk dirancang adalah
Componentdiagram menggambarkan karena setiap antarmuka adalah sebuah bahasa
struktur dan hubungan antar komponen piranti pemrograman yang kecil. Antarmuka
lunak, termasuk juga ketergantungan di antara menjelaskan sekumpulan objek-objek dan
komponen. Komponen dapat juga berupa operasi-operasi yang bisa digunakan.
237
Seminar Nasional Informatika 2014
238
Seminar Nasional Informatika 2014
239
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3 A Medan
edyvictor@gmail.com
Abstrak
Beasiswa adalah hak setiap orang atau mahasiswa selama mahasiswa tersebut aktif dalam sebuah perguruan
tinggi. Bidikmisi adalah beasiswa yang disediakan oleh pemerintah atau Dikti untuk mahasiswa baik untuk
perguruan tinggi negeri maupun swasta. Beasiswa tersebut digunakan untuk biaya perkuliahan dan biaya
hidup selama mahasiswa tersebut aktif dari sudah menjadi mahasiswa sampai tamat. Ada beberapa kriteria
yang telah ditentukan untuk mendapatkan beasiswa tersebut, di dalam paper ini penulis mencoba membuat
sebuah system, bagaimana kriteria penerima beasiswa bidik misi tersebut dengan metode AHP dan dengan
bantuan software super decision.
240
Seminar Nasional Informatika 2014
Data yang didapatkan adalah dari hasil Tahapan ini pemberian bobot masing-masing
wawancara dengan pihak humas dan bagian kriteria menggunakan model AHP (Analytical
kemahasiswaan. Hieracrchy Process)
Data tersebut kemudian dijadikan sebagai dasar
untuk perbandingan kriteria dan alternatif. Semua Tabel 1. Matriks Perbandingan Berpasangan
data yang ada akan diolah dan dilanjutkan dengan Kriteri Indeks Penghasil Tanggun Nilai
menggunakan metode Analitycal Hierarchy a Prestasi an Orang gan UN
Process (AHP) dimana software yang akan Tua Orang
digunakan dalam membantu mendapatkan hasil Tua
keputusan adalah Software Super Decisions dan Indeks 1/1 5/1 7/1 3/1
Microsoft Excel. Prestasi
Pengha 1/5 1/1 2/1 1/4
Analisis Kebutuhan Data Kriteria silan
Data didapatkan dari proses wawancara dengan Orang
bagian Kemahasiswaan selaku penanggung jawab Tua
untuk masalah beasiswa bidik misi tersebut, dan Tanggu 1/7 1/2 1/1 1/6
adapun kriteria yang digunakan dalam penentuan ngan
penerimaan beasiswa tersebut sudah ditentukan, Orang
pada penetapan tujuan ini terdapat beberapa Tua
kriteria yang ditetapkan oleh Dikti antara lain : Nilai 1/3 4/1 6/1 1/1
1. Indeks Prestasi mahasiswa selama disekolah, UN
2. Kriteria nilai UN yang didapat dari hasil ujian
mahasiswa waktu disekolah. Menghitung Nilai Matriks Kriteria
3. Penghasilan orang tua
4. Jumlah tanggungan orang tua Maktriks ini diperoleh dengan rumus berikut :
Nilai baris kolom baru = nilai baris-
Analisa Proses Metode AHP kolom lama / jumlah masing-masing kolom lama.
Analytical Hierarcy Process (AHP) adalah suatu Tabel 2. Hasil Matriks Perbandingan Kriteria
metode analisis dan sintesis yang dapat membantu Berpasangan
proses pengambilan keputusan. AHP merupakan
alat pengambil keputusan yang akurat karena
adanya skala atau bobot yang telah ditentukan dan
menggunakan hirarki yang terdiri dari tiga level
yaitu tujuan atau goal, kriteria dan alternatif.
Beasiswa
Goal
menghitung hasil kriteria berpasangan kedalam
matrik perbandingan berpasangan yang diubah
kedalam bentuk desimal.
241
Seminar Nasional Informatika 2014
4–1 3
242
Seminar Nasional Informatika 2014
4–1 3
Untuk n = 4 , RI (random index) = 0,900 ( tabel Gambar 6. Hasil Bobot Akhir Perbandingan
saaty ), maka dapat diperoleh nilai consistency Kriteria Penghasilan Orang Tua
ratio (CR) yaitu :
CR = 0.0568 = 0.0631 < 0.100 Nilai eigen maksimum :
0.900 = (0.0916 *10.000) + (0.1948 *5.333) + (0.2151
Karena CR < 0.1000 berarti konsisten *6.000) + (0.4985*2.000)
= 4.2426
4–1 3
243
Seminar Nasional Informatika 2014
244
Seminar Nasional Informatika 2014
245
Seminar Nasional Informatika 2014
Abstrak
Dengan meningkatnya jenis jenis file video menyebabkan berkembangnya aplikasi video streaming untuk
media pengiriman video berbasis jaringan kabel dan nirkabel. Streaming memungkinkan menampilkan media
tanpa harus menunggu keseluruhan media diterima lengkap terlebih dahulu oleh client. untuk mengetahui
performansi aplikasi video streaming, tiga buah skenario telah dilakukan. Pengukuran Quality of Service
seperti Delay, Jitter, throughput,dan packet data loss dilakukan pada saat pengujian jaringan infrastruktur
(skenario 1), pada mode Wireless Distribution System (skenario 2), dan pada saat client bergerak dari access
point 1 ke access point 2 (skenario 3). Wireless Distribution System adalah sebuah sistem untuk memperluas
jaringan wireless dengan menggunakan dua access point atau lebih. Pengukuran dilakukan dengan cara
streaming video dari server ke client dengan menggunakan aplikasi VLC, kemudian menangkap paket-paket
tersebut dengan menggunakan aplikasi wireshark.
246
Seminar Nasional Informatika 2014
247
Seminar Nasional Informatika 2014
248
Seminar Nasional Informatika 2014
iii. Skenario 3
Start
LAN IP : 192.168.1.1
WAN IP : 66.85.172.171 Laptop Client Topologi WDS
Tidak
Terhubung
Gateway :66.85.172.1
Capture packet dengan
Gambar 3.2.Topologi jaringan Infrastruktur menggunakan Wireshark
Start
Client Berpindah Jaringan
Topologi WDS
Skenario ketiga (gambar 3.5) adalah
Tidak
Terhubung
pengukuran kualitas jaringan ketika client
Ya
melakukan streaming saat berpindah dari access
point 2 menuju access point 1 dan sebaliknya.
Konfigurasi VLC Server
Pengukuran parameter Qos seperti Delay, Jitter,
Packet Loss dan Throughput dilakukan dengan
Capture packet dengan
menggunakan Wireshark
aplikasi Wireshark.Untuk topologinya dapat
dilihat di gambar 3.6.
Start Streaming
Access Point 2
IP : 192.168.1.3
End
249
Seminar Nasional Informatika 2014
skenario tiga merupakan proses handover. Saat nilai jitter yang terukur pada skenario satu,
terjadihandover, komunikasi akan terputus untuk skenario dua, dan skenario tiga, jauh lebih kecil
beberapa saat. Hal ini menyebabkan paket yang dari nilai 30 ms yang merupakan standar jitter
sedang dikirimkan akan berhenti untuk beberapa yang baik.
saat sehingga paket tersebut akan terlambat
datang. Komunikasi akan terhubung kembali
setelah Client terhubung pada network barunya.
250
Seminar Nasional Informatika 2014
5. KESIMPULAN
DAFTAR PUSTAKA
Gambar 4.6. Pengujian Throughput File Avi [1] Andreas Handojo, Robin Chandra, Justinis
Andjarwirawan, Aplikasi Video
Nilai throughput yang didapatkan dari Conference dengan Kemampuan
semua percobaan baik di skenario satu, skenario Beroprasi Pada IPV4 dan IPV6, Seminar
dua maupun skenario tiga tidak mengalami Nasional Aplikasi Informasi (SNATI),
perubahan yang signifikan. 2009
[2] Bryan Yonathan, Yoanes Bandung,
Armein Z.R. Langi, Analisis Kualitas
Layanan (QOS) Audio-Video Layanan
Kelas Virtual di Jaringan Digital Learning
Pedesaan, Koferensi Teknologi Informasi
dan Komunikasi untuk Indonesia, 2011
[3] HP Innovation, ProCurve Networking,
Planning a Wireless Network, 2006.
[4] Nor Khairiah Ibrahim, Abdul Halim Ali,
Mohd Raziff Abdul Razak And Mohd Faiz
Azhar, “The Performance Of Video
Streaming Over Wireless-N”, Ieee
Symposium On Wireless Technology And
Gambar 4.7. Pengujian Throughput File Applications (Iswta), 2012
MPEG [5] Wifi Aliance, “Wi-Fi Certified™ N
Longer-Range, Faster-Throughput,
Multimedia-Grade Wi-Fi® Networks”,
2009.
251
Seminar Nasional Informatika 2014
[6] Cisco Systems, Inc., Configuring Cisco Ios [8] Videolan Organization, "Videolan Client
Ip Slas Udp Jitter Operations For Voip, Documentation",
2010. Http://Www.Videolan.Org/Doc/, Diakses
[7] Itu-T G.1010, Series G: Transmission Maret 2014.
Systems And Media, Digital Systems And
Networks Quality Of Service And
Performance, 2011.
252
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3 A Medan
lili@potensi-utama.ac.id
Abstrak
Bekerja di sebuah maskapai yang sesuai dengan minat adalah merupakan keinginan sebagian besar lulusan
dari LPP Penerbangan. LPP Penerbangan merupakan salah satu lembaga yang bergerak dibidang Pelatihan
dan Pendidikan dalam bidang penerbangan yang meluluskan siswa setiap tahunnya dalam bidang
penerbangan. Menempatkan lulusan siswa bekerja di sebuah maskapai yang sesuai dengan minat siswa
adalah merupakan salah satu program LPP Penerbangan. Terkadang Siswa yang lulus dari LPP Penerbangan
bekerja tidak sesuai dengan maskapi yang diinginkannya dikarenakan ada beberapa program pendidikan dan
pelatihan yang ada di LPP penerbangan tidak sesuai dengan kriteria yang diinginkan oleh maskapai yang
diminati oleh siswa tersebut. Oleh karena itu penulis memanfaatkan AHP dalam penelitian ini adalah
menentukan urutan prioritas maskapai yang diminati siswa lulusan LPP Penerbangan sebagai tempat
kerja yang bertujuan untuk membantu pihak LPP Penerbangan dalam memberikan Pendidikan dan Pelatihan
dalam bidang penerbangan yang sesuai dengan kriteria yang diinginkan oleh maskapai tersebut. Sehingga
pada saat siswa tersebut lulus maka siswa tersebut dapat ditempatkan / bekerja sesuai dengan minat yang
dimiliki oleh siswa tersebut. Maskapai yang menjadi perioritas siswa lulusan LPP Penerbangan adalah
Garuda Air (M-1), Citilink (M-2), Airasia (M-3), Lion Air (M-4) dan Sriwijaya Air (M-5). Analytical
Hierarchy Process (AHP) merupakan suatu metode pengambilan keputusan terhadap masalah
penentuan prioritas pilihan dari berbagai alternatif. Penggunaan AHP dimulai dengan membuat
struktur hirarki dari permasalahan yang ingin diteliti. Matriks perbandingan berpasangan digunakan
untuk membentuk hubungan di dalam struktur. Pada matriks perbandingan berpasangan tersebut akan
dicari bobot dari tiap-tiap kriteria dengan cara menormalkan rata-rata geometrik (geometric mean) dari
pendapat responden. Nilai eigen maksimum dan vektor eigen yang dinormalkan akan diperoleh dari
matriks ini. Pada proses menentukan faktor pembobotan hirarki maupun faktor evaluasi, uji
konsistensi harus dilakukan (CR < 0,100). Dengan bantuan aplikasi Expert Choice untuk mendapatkan
Hasil dari analisis AHP yang akan diperoleh kesimpulan bahwa Garuda Air merupakan urutan prioritas
pertama bagi siswa lulusan LPP Penerbangan
Kata kunci : Maskapai, Lembaga Pelatihan dan Penerbangan (LPP), AHP, Expert Choice
253
Seminar Nasional Informatika 2014
254
Seminar Nasional Informatika 2014
siswa lulusan LPP Penerbangan. Struktur hirarki Tabel 2. Matriks Faktor Pembobotan Hirarki
ditunjukkan pada Gambar 2. untuk Semua Kriteria
Gaji Jenjang Karir Fasilitas
Gaji 1 6 4
Jenjang
Karir 1/6 1 1/3
Fasilitas 1/4 3 1
255
Seminar Nasional Informatika 2014
α maksimum : 5,37
Gambar 3. Hasil Prioritas Kriteria dengan n :5
Expert Choice
RI : 1,12
5. Perhitungan Faktor Pembobotan Hirarki CI : 0,09
untuk Kriteria dengan Alternatif CR : 0,08
a. Matriks Perbandingan Berpasangan Karena CR < 0,100 berarti preferensi
Kriteria Gaji responden adalah konsisten.
Perbandingan berpasangan untuk kriteria
gaji pada 5 Jenis Perusahaan Maskapai yaitu Dari hasil perhitungan pada tabel diatas
Garuda Air (M-1), Citilink (M-2), Airasia (M-3), diperoleh urutan prioritas untuk kriteria gaji
Lion Air (M-4) dan Sriwijaya Air (M-5) sehingga yakni Garuda Air (M-1) menjadi prioritas
diperoleh hasil preferensi rata-rata dari pertama dengan nilai bobot 0,50 atau 50%,
responden dalam matriks resiprokal sebagai kemudian Airasia (M-5) menjadi prioritas ke-2
berikut: dengan nilai bobot 0,26 atau 26%, Sriwijaya Air
(M-5) menjadi prioritas ke-3 dengan nilai bobot
Tabel 5. Matriks Faktor Evaluasi untuk 0,13 atau 13%, sedangkan Lion Air (M-2) dan
Kriteria Gaji Citilink (M-2), menjadi
pr ioritas ke-4 dan ke-5 dengan nilai bobot
Gaji M-1 M-2 M-3 M-4 M-5
yang sama sebesar 0,07 (7%) dan 0,03 (3%).
M-1 1 9 3 7 5
M-2 1/9 1 1/7 1/3 1/5
M-3 1/3 7 1 5 3
M-4 1/7 3 1/5 1 1/3
M-5 1/5 5 1/3 3 1
Tabel 6. Matriks Faktor Evaluasi untuk Gambar 4. Kuesioner Kriteria dengan Expert
Kriteria Gaji yang disederhanakan Choice
256
Seminar Nasional Informatika 2014
Tabel 8. Matriks Faktor Evaluasi untuk pr ioritas ke-4 dan ke-5 dengan nilai bobot
Kriteria Jenjang Karir yang sama sebesar 0,06 (6%) dan 0,03 (3%).
Jenjang
M-1 M-2 M-3 M-4 M-5
Karir
M-1 1 9 7 3 5
M-2 1/9 1 1/3 1/7 1/5
M-3 1/7 3 1 1/5 1/5
M-4 1/3 7 5 1 3
M-5 1/5 5 5 1/3 1
257
Seminar Nasional Informatika 2014
Tabel 113. Matriks Faktor Evaluasi untuk Tabel 14. Hasil Evaluasi Kriteria Maskapai
Kriteria Jenjang Karir yang dinormalkan Kriteria Hasil
Jenjang Vector Gaji 0,69
M-1 M-2 M-3 M-4 M-5
Karir Eigen
Jenjang Karir 0,09
M-1 0,18 0,24 0,17 0,25 0,18 0,20
Fasilitas 0,22
M-2 0,03 0,03 0,06 0,02 0,03 0,03
M-3 0,55 0,31 0,51 0,41 0,55 0,46 Hasil evaluasi untuk 3 kriteria pada 5 jenis
M-4
maskapai dapat dilihat pada tabel 15.
0,06 0,17 0,10 0,08 0,06 0,10
M-5 0,18 0,24 0,17 0,25 0,18 0,20 Tabel 15. Hasil Evaluasi Kriteria Terhadap
Alternatif
Jenjang
α maksimum : 5,24 Maskapai Gaji
Karir
Fasilitas
n :5 Garuda Air (M-1) 0,50 0,49 0,20
RI : 1,12 Citilink (M-2) 0,03 0,03 0,03
CI : 0,06
Airasia (M-3) 0,26 0,06 0,46
CR : 0,05
Lion Air (M-4) 0,07 0,25 0,10
Karena CR < 0,100 berarti preferensi Sriwijaya Air (M-5) 0,13 0,15 0,20
responden adalah konsisten.
Dari seluruh evaluasi yang dilakukan
Dari hasil perhitungan pada tabel diatas terhadap ke-3 kriteria yakni Gaji, Jenjang Karir
diperoleh urutan prioritas untuk kriteria fasilitas dan Fasilitas yang selanjutnya dikalikan dengan
yakni Airasia (M-3) memiliki prioritas pertama evaluasi terhadap alternatif. Dengan demikian kita
dengan nilai bobot 0,46 atau 46% dan Garuda Air peroleh tabel hubungan antara kriteria dengan
(M-1) dan Sriwijaya (M-5) memiliki urutan alternatif.
prioritas yang sama yaitu urutan kedua dengan
nilai bobot 0,20 atau 20%, kemudian Lion Air Tabel 16. Hasil Persentase Maskapai
(M-4) memiliki urutan ke-3 dengan bobot nilai Jenjang
Maskapai Gaji Fasilitas Total
0,10 atau 10% sedangkan citilink (M-2) memiliki Karir
urutas ke-5 dengan bobot nilai 0,03 atau 3%. Garuda Air (M-1) 0,34 0,05 0,05 0,44
Citilink (M-2) 0,02 0,00 0,01 0,03
Airasia (M-3) 0,18 0,01 0,10 0,29
Lion Air (M-4) 0,05 0,02 0,02 0,09
Sriwijaya Air (M-5) 0,09 0,01 0,05 0,15
258
Seminar Nasional Informatika 2014
3. Kesimpulan
Daftar Pustaka
259
Seminar Nasional Informatika 2014
Abstrak
Peramalan adalah suatu prediksi untuk memperkirakan keadaan dimasa mendatang dengan menggunakan
data-data lama. Dalam penjualan, peramalan bertujuan untuk memperkirakan berapa basar kebutuhan barang
yang akan terjual. Dengan adanya peramalan ini maka semuan kegiatan dalam pembuatan suatu barang bisa
berjalan dengan lancar dan optimal.Akan tetapi untuk sebelum melakukan peramalan ada satu tahap yang
harus dilewati yaitu pemilihan metode sebelum melakukan peramalan. Metode peramalan yang digunakan
sebaiknya menggunakan lebih dari satu metode dalam permalannya , karena dengan menggunakan metode
lebih dari hasil peramalan akan lebih flexibel terhadap perubahan pola data-data sebelumnya sebelum
melakukan peramalan. Aplikasi peramalan ini menggunakan 2 metode yaitu metode trend projection dan
metode single exponential smoothing. Metode trend projection sangat cocok untuk pola data bersifat bergerak
naik atau turun dalam peramalannya, sedangkan metode single exponential smoothing sangat cocok untuk
pola data bersifat fluktuatif (random), tetapi ketika data yang digunakan untuk peramalan bersifat bergerak
naik atau turun maka metode yang digunakan pun akan berbeda. Dengan menggunakan kedua metode
tersebut dalam peramalannya, maka hasil ramalannya pun akan lebih flexibel terhadap perubahan pola data
sebelumnya sebelum melakukan peramalan. Aplikasi ini pun akan menunjukan hasil perbandingan peramalan
dari kedua metode tersebut, sehingga dapat diketahui mana yang memiliki tingkat kesalahan yang paling
kecil.
Kata Kunci : Peramalan , Metode Trend Projection , Metode Single Exponential Smoothing
260
Seminar Nasional Informatika 2014
peramalan dari ke dua metode tersebut dapat data kuantitatif pada massa lalu. Hasil peramalan
dibandingkan agar hasil ramalan menjadi lebih yang dibuat sangat bergantung kepada metode
objektif dan akurat. Metode yang digunakan ialah peramalan yang digunakan.[2]
Metode Trend Projection dan Metode Single Metode trend projection merupakan
Exponential Smoothing, menggunakan kedua metode peramalan yang menyesuaikan sebuah
metode ini dikarenakan untuk Metode Trend garis tren pada sekumpulan data masa lalu dan
Projection sangat cocok ketika pola data bersifat kemudian diproyeksikan dalam garis untuk
naik atau turun , sedangkan Metode Single meramalkan masa depan.
Exponential Smoothing sangat cocok ketika pola Metode trend projection bisa disebut
data bersifat fluktuatif. juga metode tren garis lurus. Adapun persamaan
Sistem ini diharapkan dapat membantu trend linier menurut J.Supranto, dapat ditulis
seorang menejer dalam pengambilan sebagai berikut :[3]
keputusannya dalam penentuan berapa barang ………(1)
yang akan di produksi ataupun berapa barang Dimana:
yang dipesan untuk penjualan pada periode Y’ =data berkala (time series data),
berikutnya menjadi lebih tepat a dan b= konstanta
X= waktu (hari, minggu, bulan, tahun)
2. METODE PENELITIAN Sebelum mmenentukan nilai a dan b
maka harus ditentukan nilai (=X) terlebih
Metode penelitian yang digunakan dahulu,sedemikian rupa,sehingga jumlah nilai
adalah metode kualitatif, karena “masalah” yang variable waktu adalah nol (0).
dibawa oleh peneliti masih kompleks dan ∑ ……… (2)
dinamis. Oleh karena itu, “masalah” dalam Pada umumnya yang diberi nilai 0
penelitian kualitatif masih bersifat sementara, dan adalah variable waktu yang letaknya ditengah
akan berkembang atau berganti setelah peneliti Untuk mencari nilai variable waktu adalah
berada di lapangan[3]. Penulis menjabarkan sebagai berikut :
permasalahan yang ada serta membuat 1. Untuk nilai variable waktu (= X) adalah
pemecahan masalah mengenai peramalan nol ( 0 )
pengadaan barang yaitu peramalan suatu produksi a. Untuk nilai n ganjil adalah :
atau penjualan dengan merancang Aplikasi untuk ……… (3)
pengadaan barang. Dengan metode ini dapat
membantu Penulis dalam proses merancang ……… (4)
Aplikasi peramalan untuk pengadaan barang
sehingga hasil ramalan lebih akurat. b. Untuk nilai n genap adalah :
Metode Perancangan dalam penulisan ……… (5)
penelitian menggunakan metode System
Development Life Cycle (SDLC), dengan melalui ……… (6)
tahapan analisis, desain, code, implementasi, dan
pengujian. 2.1.3 Metode Single Exponential Smoothing
Metode exponential smoothing
2.1 Pengacuan Pustaka merupakan pengembangan dari metode moving
2.1.1 Peramalan averages. Dalam metode ini peramalan
Peramalan adalah seni dari ilmu dilakukan dengan mengulang perhitungan secara
memprediksi sesuatu yang belum terjadi dengan terus menerus dengan menggunakan data terbaru.
tujuan untuk memperkirakan peristiwa-peristiwa Setiap data diberi bobot, data yang lebih baru
yang akan terjadi dimasa depan nantinya dengan diberi bobot yang lebih besar. Salah satu
selalu memerlukan data-data dari masa lalu metode dalam exponential smoothing
yang meliputi kebutuhan dalam ukuran diantaranya single exponential smoothing
kuantitas, kualitas, waktu dan lokasi yang 1. Single Exponential Smoothing
dibutuhkan dalam rangka memenuhi Metode ini adalah pengembangan dari
permintaan barang ataupun jasa. Sehingga metode moving average (MA) menggunakan
dengan peramalan, maka kemungkinan terjadinya rumus sebagai berikut:
peristiwa-peristiwa yang tidak sesuai dengan ……… (7)
tujuan yang diharapkan diikuti dengan kesiapan Keterangan :
untuk mengantisipasinya. [1] Ft+1 : Ramalan untuk periode ke t + 1
XT : Nilai riil periode ke t
2.1.2 Metode Trend Projection T : Jangka waktu rata – rata bergerak
Metode trend projection merupakan Metode moving average memang
metode peramalan kuantitatif, dimana metode mudah menghitungnya akan tetapi metode ini
kuantitatif adalah metode yang didasarkan pada memberikan bobot yang sama pada setiap data .
261
Seminar Nasional Informatika 2014
Untuk mengatasi hal ini maka digunakan metode yaitu metode single exponential
metode single exponential smoothing. Pada smoothing dan metode trend projection , dengan
metode single exponential smoothing bobot yang adanya kedua metode ini akan terlihat hasil
diberikan pada data yang ada adalah sebesar α perbandingan peramalan, mana yang memiliki
untuk data yang terbaru, α(1 -α) untuk data yang tingkat kesalahan yang paling kecil.
lama, α(1-α)2 untuk data yang lebih lama, dan
seterusnya. Besarnya α adalah antara 0 dan 1. Contoh Kasus :
Semakin mendekati 1 berarti data terbaru lebih Sampel data diambil dari toko pionir jaya
diperhatikan. Secara matematis besarnya untuk penjualan folio perbulan (perperiode).
Peramalan adalah:
Ft+1 = α Xt + (1 – α) Ft……… (8) Tabel 1. Contoh Kasus
Jumlah Barang
Bulan Tahun
Ft+1 : Ramalan untuk periode ke t+1 ( Terjual )
Xt: Nilai riil periode ke t April 2013 100
Ft : Ramalan untuk periode ke t
Mei 2013 123
Dengan demikian dapat dikatakan bahwa Juni 2013 145
peramalan pada periode yangakan datang adalah
Juli 2013 160
ramalan sebelumnya ditambah α (alpha) dikalikan
dengan kesalahan ramalan periode sebelumnya. Agustus 2013 201
Dalam melakukan peramalan dengan September 2013 239
menggunakan metode single exponential
Oktober 2013 232
smoothing (SES), besarnya α (alpha) ditentukan
secara trial dan error sampai ditemukan α November 2013 273
(alpha) yang menghasilkan forecast error Desember 2013 137
terkecil. Metode ini lebih cocok digunakan untuk
Januari 2014 140
meramal data-data yang fluktuatif secara random
(tidak teratur).[4] Februari 2014 101
Maret 2014 142
2.1.4 Mean Absolute Percent Error (MAPE)
April 2014 140
Formulasi yang akan digunakan dalam
Dari tabel 1 diatas dapat dilihat bahwa
menghitung kesalahan ialah Mean Absolute
Precentage Error (MAPE). MAPE merupakan penjualan folio pada bulan april 2014 sebanyak
suatu nilai tengah atau rata-rata jumlah seluruh 140 , maka disini akan diuji keakuratan kedua
persentasi kesalahan untuk sebuah susunan data metode yaitu metode trend projection dan metode
single exponential smoothing dalam
yang diberikan. Ia merupakan ialah satu ukuran
peramalannya.
ketepatan yang digunakan dalam metode
kuantitatif atau peramalan. MAPE dihitung
sebagai rata-rata diferensiasi absolut antara nilai 1) Pengujian Dengan Metode Trend
yang diramal dan aktual, dinyatakan sebagai Projection
Untuk memudahkan perhitungan dibuatkan table
persentase nilai aktual. jika kita memiliki nilai
pembobotan sebagai berikut:
yang diramal dan aktual untuk n periode, MAPE
dihitung sebagai :
∑ | | Tabel 2. Tabel Penjualan Folio Setelah Diberi
Bobot
………
Bulan x y xy x^2
(9)
April -5.5 100 -550 30.25
MAPE mungkin merupakan Mei -4.5 123 -553.5 20.25
perhitungan yang paling mudah diartikan.
Sebagai contoh, MAPE merupakan pernyataan Juni -3.5 145 -507.5 12.25
yang jelas, yang tidak bergantung pada Juli -2.5 160 -400 6.25
permasalahan seperti banyaknya data input.[5] Agustus -1.5 201 -301.5 2.25
262
Seminar Nasional Informatika 2014
263
Seminar Nasional Informatika 2014
264
Seminar Nasional Informatika 2014
i.
Halaman Login iv. Form Peramalan
Halaman login merupakan halaman yang Form peramalan adalah form yang
pertama kali muncul pada saat kita menjalankan digunakan untuk melakukan peramalan barang
program ini. Halaman log-in berfungsi untuk untuk bulan berikutnya berdasarkan nama barang
memasukkan data pengguna yang ingin dan data peramalan barang yang ada. Pada form
menggunakan sistem. ini juga memperlihatkan hasil peramalan
berdasarkan kedua metode yang digunakan, dan
menampilkan hasil peramalan yang
terbaik.Berikut tampilannya.
ii.
Halaman Utama
Halaman utama ini terdiri dari beberapa
menu yaitu: menu akun, menu master data , menu
peramalan, menu maintenance user, menu.
265
Seminar Nasional Informatika 2014
5. SARAN
DAFTAR PUSTAKA
266
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km. 6,5 No.3A
dezie.wie@gmail.com
Abstrak
Algoritma Smith-Waterman adalah sebuah metode klasik yang membandingkan dua buah string dengan
mengindentifikasikan apakah terdapat bagian-bagian yang sama diantara kedua string. Algoritma ini
digunakan secara luas dalam menentukan kemiripan yang dekat di dalam rangkaian biolog. Plagiarisme
merupakan tindakan yang harus dihindari, tetapi masih banyak orang yang belum mengenal dan mengerti
plagiarisme. Selain mencegah, mendeteksi plagiarisme merupakan merupakan salah satu usaha untuk
mengurangi tindakan plagiat. Permasalahan plagiarisme yang sering ditemukan dikalangan pelajar adalah
pelagiarisme pada dokumen teks. Kajian ini bertujuan membangun sistem pendeteksi plagiarisme pada
dokumen teks dengan menggunakan algoritma Smith-Waterman secara terkomputerisasi. Sistem pendeteksi
plagiarisme ini bersifat membantu tindakan plagiat dengan memberikan sugesti kepada pengguna berupa
bobot/nilai kemiripan dan kesamaan sekuens dari dua dokumen yang dibandingkan. Sistem yang
dibandingkan merupakan proses dasar yang dapat dikembangkan lebih lanjut untuk membangun aplikasi
pendeteksi tindakan plagiat yang lebih baik.
267
Seminar Nasional Informatika 2014
268
Seminar Nasional Informatika 2014
1. Memecahkan suatu permasalahan umum Dengan menggunakan nilai positif untuk hit dan
menjadi sub-permasalahan yang lebih nilai negative untuk deletion dan replacement,
sederhana. maka pembentukan nilai dari tiap-tiap simbol dari
2. Memecahkan semua sub-permasalahan secara dua buah string tersebut dapat direpresentasikan
optimal. di dalam bentuk matriks. Tetapi masih belum
3. Mengonstruksikan pemecahan optimal diketahui secara jelas nilai hubungan h, d, dan r.
subpermasalahan sebagai pemecahan optimal Pada intinya di dalam mengidentifikasi kesamaan
permasalahan secara umum. string ini memakai prinsip reward and
punishment. H merupakan simbol yang
Menurut artikel yang terdapat dalam situs mengimplementasikan reward, sedangkan d dan r
wikipedia.org berbahasa Indonesia, algoritma merepresentasikan punishment. Dapat
Smith-Waterman merupakan algoritma klasik diasumsikan bahwa reward dan punishment
yang telah dikenal luas dalam bidang memiliki bobot yang sama. Dengan demikian
bioinformatika sebagai metode yang dapat dapat dianggap nilai dari masing- masing h, d,
mengidentifikasi local similarities (penyejajaran dan r adalah 1. Sebagai contoh, bila substring X =
sekuens) yaitu proses penyusuna dua local abcbadbca dan substring Y = abbdbda, dengan
sequences (rangkaian/susunan atau rentetan) alignment yang optimal didapatkan 6 hit, 2 indel,
nucleotide atau protein sequences sehingga dan 1 replacement, seperti yang ditunjukkan pada
kemiripan antara dua sequence tersebut akan gambar di bawah ini, dan didapatkan nilai untuk
terlihat. Berdasarkan fungsi proses penyejajaran dua string yang diberikan ini, yaitu 6h - 2d - r,
sekuens tersebut, maka algoritma ini dapat atau 6 - 2 - 1 = 3 untuk kasus h = d = r = 1 dengan
dikonversikan ke dalam pemrograman komputer keterangan tanda “|” menunjukan kecocokan atau
untuk digunakan membantu proses pendeteksian match, sedangkan tanda “-“ menunjukan adanya
dokumen teks yang dianggap cenderung plagiat kesenjangan atau gap di antara dua sekuens string.
dengan cara melihat kesamaan isi (local
similarities) dari beberapa dokumen teks. Abcbadbca
| | | | | | | | |
Ab-b-dbda
269
Seminar Nasional Informatika 2014
Dokumen
Kata Tergolong Class
Ya Hapus kata
Word & Stop Word
Tidak
Parsing Tidak
Steamming
Dokumen==Null
Ya Dokumen +=kata
Dokumen
Selesai
Gambar 5. Tampilan JFrame Utama
Pada gambar 5 adalah tampilan Jframe aplikasi Gambar 7. Flowchart Proses Algoritma Smith
program yang akan pertama kali muncul saat Waterman
program dijalankan. Fungsi Jframe ini sendiri
untuk menguji program pendeteksi plagiarisme Algoritma flowchart Pembobotan Algoritma
yaitu dengan membuka file .txt pertama dan Smith Waterman :
membuka file .txt kedua. Lalu di klik kalkulasi a. Dokumen
plagiarisme dan akan muncul hasil persentasi b. Memparsingkan dokumen (memecahkan
tingkat kesamaan teks pertama dan teks kedua. dokumen)
c. Ambil sebuah kata
2. Tampilan Jframe About d. Jika Dokumen sama dengan null maka
Pada tampilan about ini berfungsi sebagai dokumen adalah kata
tampilan tentang data diri penulis. Tampilan e. Jika dokumen sama dengan tidak null maka
Jframe about dapat di lihat pada gambar III.2. cek jenis kata
dibawah ini: f. Selesai
Mulai
Pembandingan Bobot
kalimat tokenisasi dengan algoritma plagiarisme dan
smith waterman local similarities
Selesai
270
Seminar Nasional Informatika 2014
Pilih Menu
F=open.Dialog()
Message H1
Y
Buka Dokumen
I
BufFile_2=F.readText()
Box Y Help
Tentang
T
Hasil Buffering File_2 di
T
H2
Y
Buka Dokumen Konversi menjadi File.Txt
II
H3 Deteksi
Y Plagiarisme File_2=KonversiTeks(BufTeks)
T
File_2 diset untuk Label
Keluar T Preview Text
setLabelPreviewText=FileText
End
File_1=KonversiTeks(BufTeks)
setLabelPreviewText=FileText
271
Seminar Nasional Informatika 2014
272
Seminar Nasional Informatika 2014
273
Seminar Nasional Informatika 2014
274
Seminar Nasional Informatika 2014
Current Tools and Technologies 2000. Human Genome Sequencing Center, One Baylor
Sheffield, UK Department of Computer Plaza, Houston, TX.
Science, University of Sheffield. http://searchlauncer.bcm.tmc.edu/help/Smith
Clough, P. 2003. Old and New Challenges in Waterman.html, diakses tanggal 27 mei 2011.
Automatic Plagiarism Detection. Sheffield, Rosyidi, A. 2007. Plagiarisme merugikan semua
UK : Department of Information Studies, pihak.http://rosyidi.com/plagiarisme-
University of Sheffield. merugikan-semua-pihak, diakses tanggal 27
Hoad, T. Zobel, J. 2003. Methods for mei 2011.
Identifying Versioned and Plagiarised Sulistiani, Sri. “Membangun GUI dengan Java
Documents. Melbourne, Australia : School of Netbeans 6.5”. Yogyakarta. Penerbit: Andi
Computer Science and Information Offset.
Technology, RMIT University.
275
Seminar Nasional Informatika 2014
Abstrak
Bantuan dana pembangunan rumah tidak layak huni (RUTILAHU) merupakan program pemerintah untuk
penanggulangan kemiskinan dari segi kebutuhan papan (tempat tinggal). Program tersebut telah dijalankan di
berbagai daerah, termasuk di Kelurahan Panyingkiran Kota Tasikmalaya. Dalam pemberian bantuan tersebut,
terlebih dahulu diperlukan penilaian indikator secara teliti dan terinci, agar menghasilkan suatu keputusan
yang sesuai dengan keadaan yang sebenarnya. Dalam penelitian ini akan dibuat sebuah sistem penunjang
keputusan (SPK) untuk memudahkan dalam pemilihan masyarakat yang layak medapatkan bantuan, serta
memanfaatkan Analytical Hierarchy Process (AHP) sebagai metode keputusannya. Karena AHP adalah
sebuah hirarki fungsional yang memecahkan masalah kompleks dengan menstrukturkan suatu hirarki kriteria
(indikator), penilaian indikator dilakukan dengan perbandingan berpasangan berdasarkan kepentingan dari
masing-masing indikator tersebut. Jadi, penggunaan metode AHP sesuai dengan permasalahan RUTILAHU
yang sedang dihadapi, yaitu permasalahannya belum terstruktur dan penggunaan indikator belum begitu
terinci. Indikator yang akan dijadikan penghitungan adalah penghasilan, tanggungan, aset lain, luas rumah
dan jenis rumah. Penghitungan tersebut akan diimplementasikan pada bahasa pemrograman Visual Basic 6.0
dan database menggunakan Microsoft Access 2003. SPK ini bisa membantu pihak kelurahan dalam
melakukan penilaian calon penerima bantuan dana RUTILAHU, sehingga akan didapatkan suatu keputusan
terhadap masyarakat yang paling layak mendapatkan bantuan.
276
Seminar Nasional Informatika 2014
277
Seminar Nasional Informatika 2014
Khusus untuk sub indikator terdapat sub studi-studi kelayakan baik secara teknis
prioritas, dimana rumusnya adalah prioritas maupun secara teknologi.
dibagi prioritas tertinggi. 2. Tahap Analisis (Analysis)
4. Penghitungan rasio konsistensi. Yaitu tahap untuk berusaha mengenali
Penghitungan ini digunakan untuk mengetahui permasalahan yang muncul pada pengguna,
apakah penilaian perbandingan kriteria komponen sistem/perangkat lunak, objek dan
bersifat konsisten atau tidak. Adapun langkah- sebagainya.
langkahnya adalah sebagai berikut : 3. Tahap Perancangan (Design)
a. Mengalikan matriks dengan prioritas Pada tahap ini, perancang mencoba mencari
bersesuaian. solusi permasalahan yang didapat dari tahap
b. Menjumlahkan hasil perkalian per baris. analisis. diantaranya :
c. Hasil penjumlahan tiap baris dibagi a. Tahap perancangan yang lebih
prioritas bersangkutan dan hasilnya menekankan pada platform apa hasil dari
dijumlahkan. tahap analisis kelak akan
d. Hasil dari langkah 3 dibagi jumlah elemen, diimplementasikan.
dan akan didapat λ maks. b. Tahap perancangan dimana kita
e. Indeks Konsistensi. melakukan penghalusan (refinement)
(CI) = (λmaks-n) / (n-1) kelas-kelas yang didapat pada tahap
f. Rasio Konsistensi. analisis, menambahkan dan memodifikasi
(CR) = CI/ RI kelas-kelas yang akan mengefisienkan
Di mana RI adalah indeks random serta mengefektifkan sistem yang akan
konsistensi. Jika CR ≤ 0.1, hasil dikembangkan.
perhitungan data dapat dibenarkan. 4. Tahap implementasi
Tahap implementasi ialah tahap
Tabel. 2. Nilai RI mengimplementasikan perancangan sistem ke
Ukuran Matriks Nilai RI situasi nyata (pemilihan perangkat keras dan
1,2 0,00 penyusunan perangkat lunak aplikasi).
3 0,58 5. Tahap Pengujian (Testing)
4 0,90 Dapat digunakan untuk menentukan apakah
5 1,12 sistem atau perangkat lunak yang dibuat sudah
6 1,24 sesuai dengan kebutuhan pengguna atau
7 1,32 belum.
8 1,41 6. Tahap pemeliharaan
9 1,45 Pada tahap pemeliharaan atau perawatan,
mulai melakukan pengoperasian sistem dan
10 1,49
melakukan perbaikan-perbaikan kecil (jika
11 1,51
diperlukan).
12 1,48
13 1,56
3. HASIL DAN PEMBAHASAN
14 1,57
15 1,59
3.1. Penghitungan Indikator menggunakan
Metode AHP
2.3. Metode Perancangan Perangkat Lunak Sebelum melakukan proses penghitungan
Metode yang digunakan dalam penelitian kelayakan, terlebih dahulu menentukan indikator,
ini adalah metode SDLC (System Development diantaranya :
Life Cycle). 1. Penghasilan (P), Sub indikatornya :
Dalam rekayasa sistem dan rekayasa a. P < Rp.550.000 (A)
perangkat lunak, SDLC berupa suatu proses b. P = Rp.550.000 - Rp.1.250.000 (B)
pembuatan sistem serta model dan metodologi c. P > Rp.1.250.000 (C)
yang digunakan untuk mengembangkan sistem- 2. Tanggungan (T), Sub indikatornya :
sistem tersebut. Dalam rekayasa perangkat lunak, a. T > P (A)
konsep SDLC mendasari berbagai jenis b. T = P (B)
metodologi yang membentuk suatu kerangka c. T < P (C)
kerja untuk perencanaan dan pengendalian 3. Aset lain (As), Sub indikatornya :
pembuatan sistem informasi, yaitu proses a. As < Rp.1.000.000 (A)
pengembangan perangkat lunak[6]. b. As= Rp.1.000.000- Rp.3.000.000 (B)
Tahapan kerangka kerja SDLC adalah c. As > Rp.3.000.000 (C)
sebagai berikut : 4. Luas rumah (L), Sub indikatornya :
1. Tahap Perencanaan (Planning) a. L < 7m2/orang (A)
Tahap ini Menyangkut study tentang b. L = 7m2/orang - 12 m2/orang (B)
kebutuhan pengguna (User Spesification),
278
Seminar Nasional Informatika 2014
279
Seminar Nasional Informatika 2014
280
Seminar Nasional Informatika 2014
Login
<<include>>
Login Data Masyarakat Menghitung Bobot Perbandingan
<<extend>>
Simpan Data Masyarakat
Halaman Utama
Sistem
Hapus Data Masyarakat
<<extend>>
<<include>>
Data Masyarakat Login
Form :About
Admin Halaman Utama Sistem Form : Login Laporan Form : Petunjuk
Kelurahan
Indikator : Penghasilan,
Menghitung Bobot GoTo() Display()
Tanggungan, Jenis Rumah, Aset
Perbandingan Lain, Luas Rumah Display()
Admin
Sub Indikator ke1 (untuk semua
Input Data indikator) : A, B, C
Display()
Masyarakat
Sub Indikator ke2 (hanya untuk
jenis rumah) : RB, R, R, TR Display()
Simpan
Tambah
Gambar. 5. Sequence Diagram SPK Penerima
Bantuan Dana RUTILAHU
Ubah
Hapus
Hitung
Kelayakan
Form : Bobot Form : Input Data
Admin Database :
Simpan Perbandingan Masyarakat
RUTILAHU
Kelayakan
GoTo()
Input()
3.3. Activity Diagram Save()
Edit()
Diagram aktivitas admin, dimulai dari Save()
untuk melakukan pengupdatean data admin harus Gambar. 6. Sequence DiagramSpesifikasi Data
melakukan login terlebih dahulu yaitu Masyarakat
pengupdatean user, hitung prioritas indikator,
input data masyarakat dan menghitung kelayakan
masyarakat yang berhak menerima bantuan dana 3.5. Class Diagram
RUTILAHU.Adapun alurnya bisa dilihat seperti Login dt_masyarakat dt_kelayakan
di bawah ini : - KodeUser - no_kk - id_layak
- user - nama_kk - p_penghasilan
ADMIN
- pass - alamat - p_tanggunga
- rt - p_jnsrmh
- rw - p_aset
+ simpan() - h_milik - p_luas
+ Tambah() - penghasilan
Masuk Halaman Utama Sistem - n_layak
+ ubah() - t_anak - ket
+ Hapus() - t_pokok - no_kk
- t_total - per
- aset
- luas_p
+ Hitung()
Login
- luas
Laporan About Kelurahan Petunjuk + Simpan()
- penghuni
- jnsrmh
- r_atap
- r_dinding
- r_lantai
- r_total
Add User Data Masyarakat
- per
+ Tambah()
+ Simpan()
+ Ubah()
+ Hapus()
281
Seminar Nasional Informatika 2014
282
Seminar Nasional Informatika 2014
283
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3 A Medan
edyvictor@gmail.com
Abstrak
Promosi Jabatan kenaikan jabatan adalah hak setiap orang atau staf dalam sebuah perusahaan, untuk saat ini
dalam hal promosi jabatan penilaiannya masih dilakukan secara manual dan tentunya akan mengakibatkan
tidak adil dalam penilaian kinerja seorang staf, dalam penelitian ini penulis membuat sebuah system untuk
mengambil sebuah keputusan dalam promosi jabatan tersebut agar staf/pegawai yang lain dapat mengikuti
dan dilaksanakan secara fair dan transparan, dan dalam system ini aspek yang dinilai adalah kualitas kerja,
kemampuan memimpin, ketelitian dan tanggungg jawab serta inisiatif, dan system ini dibuat dengan metode
AHP dan software super decision.
Kata kunci : promosi jabatan, staf/pegwai, kriteria, AHP, super desicion
284
Seminar Nasional Informatika 2014
adanya skala atau bobot yang telah ditentukan dan yaitu tujuan atau goal, kriteria dan alternatif.
menggunakan hirarki yang terdiri dari tiga level
Goal Promosi
Tahapan ini pemberian bobot masing-masing menghitung hasil kriteria berpasangan kedalam
kriteria menggunakan model AHP (Analytical matrik perbandingan berpasangan yang diubah
Hieracrchy Process) kedalam bentuk desimal.
4–1 3
285
Seminar Nasional Informatika 2014
Pada tahap ini alternatif dibandingkan sesuai Untuk n = 4 , RI (random index) = 0,900 ( tabel
dengan kriteria kualitas kerja yang datanya saaty ), maka dapat diperoleh nilai consistency
didapatkan dari hasil wawancara dan kuesioner ratio (CR) yaitu :
kemudian diolah kedalam matriks perbandingan CR = 0.0871 = 0.0908 < 0.100
berpasangan sesuai kriteria. 0.900
Karena CR < 0.1000 berarti konsisten
Tabel 4. Hasil Perbandingan Berpasangan
Kriteria Kualitas Kerja
Kualitas
Kerja Staf 1 Staf 2 Staf 3 Staf 4
286
Seminar Nasional Informatika 2014
Ketelitian dan
Menghitung Nilai Matriks Kriteria Tanggung Staf 1 Staf 2 Staf 3 Staf 4
Jawab
Maktriks ini diperoleh dengan rumus berikut : Staf 1 1/1 2/1 3/1 4/1
Nilai baris kolom baru = nilai baris- Staf 2 1/2 1/1 2/1 1/2
kolom lama / jumlah masing-masing kolom lama. Staf 3 1/3 1/2 1/1 1/2
Staf 4 1/4 2/1 2/1 1/1
4–1 3
287
Seminar Nasional Informatika 2014
4–1 3
288
Seminar Nasional Informatika 2014
4–1 3
Hasil Pengujian
289
Seminar Nasional Informatika 2014
290
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3 A Medan
Rizalsyl75@yahoo.co.id
Abstrak
Kebutuhan akan sumber daya manusia yang berkualitas berdasarkan standar operasional perusahaan masih
terasa sulit dipenuhi oleh para lulusan dunia pendidikan yang perkembangannya semakin pesat. Bahkan
berdirinya lembaga-lembaga pendidikan dan pelatihan yang diharapkan akan mampu membentuk kualitas
sumber daya manusia terkadang masih menggunakan sistem penilaian yang kurang akurat sehingga tidak
membentuk sumber daya manusia yang sesuai dengan apa yang diharapkan oleh perusahaan-perusahaan
khususnya dunia penerbangan. Saat ini, khususnya bandara Kualanamu membutuhan sumber daya manusia
yang berkualitas yang sesuai dengan bidang keahlian yang dibutuhkan. LPP QLTC Medan adalah salah satu
lembaga pendidikan penerbangan yang mendidik para siswanya agar dapat bersaing di dunia kerja khususnya
di bandara. Untuk itu perlu adanya sebuah Sistem Pendukung Keputusan (SPK) yang akan membantu
mengolah data. Metode tersebut dianggap baik karena dapat membandingkan antara kriteria yang ditetapkan
dengan alternatif. Penerapan metode Analytical Network Process (ANP) menjadi suatu kerangka untuk
mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan
mempercepat porses pengambilan keputusan dengan memecahkan pesoalan tersebut kedalam bagian-
bagiannya untuk mempengaruhi hasil. Software yang dapat digunakan untuk memecahkan masalah
berdasarkan ANP adalah Super Desicion yaitu sebuah perangkat lunak yang mendukung collaborative
decision dan sistem perangkat keras yang memfasilitasi grup pembuatan keputusan yang lebih efisien,
analitis, dan yang dapat dibenarkan. Hasil dari analisis ANP yang akan diperoleh kesimpulan bahwa
Bidang Pekerjaan yang disesuaikan dengan keahlian yang dimiliki oleh siswa lulusan LPP Penerbangan.
Kata kunci : Bidang Kerja, Lembaga Pelatihan dan Penerbangan (LPP), ANP, super desicion
291
Seminar Nasional Informatika 2014
terjadi masalah pada saat telah memasuki dunia Security, persentase Basic Fare & Ticketing,
kerja tersebut. persentase Dangerous Goods & Cargo
Oleh karena itu penulis tertarik membantu Knowledge, English For Hospitality, Grooming,
permasalahan yang terjadi pada lembaga-lembaga Pasanger And Bagage Handling, dan Tour And
pendidikan dalam menentukan bidang pekerjaan Package.
yang tepat, yang pada akhirnya juga akan
berdampak baik pada siswa dalam memilih Bobot Nilai Kriteria Siswa
bidang pekerjaan yang sesuai dengan bidang ilmu Berikut adalah bobot nilai siswa dengan masing-
yang dimilikinya. masing kriteria yang dapat dilihat pada Tabel 1.
Analytic Network Process (ANP) adalah
salah satu metode pengambilan keputusan yang Tabel 1. Bobot Nilai Kriteria Siswa
sesuai untuk menyelesaikan permasalahan Kriteria Nilai
pengambilan keputusan pemilihan bidang kerja Jenjang Pendidikan (B-JP) 3
yang dapat memberikan beberapa alternatif Usia (B-US) 5
pilihan bidang kerja. Metode ANP adalah Tinggi Badan (B-TB) 3
pengembangan dari metode Analytic Hierarchy Penampilan (B-PN) 2
Process (AHP) sehingga lebih kompleks dan Kesehatan (B-KS) 1
mampu memperbaiki kelemahan AHP, yaitu Anouncement (P-AC) 1
mengabaikan keterkaitan antar kriteria [1]. Aviation Knowledge (P-AK) 5
Metode ANP ini mempunyai kemampuan untuk Aviation Security(P-AS) 5
memecahkan masalah yang mempunyai Basic Fare & Tiketing (P-FT) 1
multiobjective dan multicriteria.
Dangerous Goods & Cargo Knowledge 3
Berdasarkan latar belakang yang telah
(P-CK)
dikemukakan di atas, Oleh karena itu penulis
English for Hospitality (P-EH) 2
tertarik membantu permasalah yang terjadi pada
Grooming (P-GR) 1
lembaga-lembaga pendidikan dalam menentukan
bidang pekerjaan yang tepat, yang pada akhirnya Pasanger and Bagage handling (P-PB) 3
juga akan berdampak baik pada siswa dalam Tour and Package (P-TP) 3
memilih bidang pekerjaan yang sesuai dengan
bidang ilmu yang dimilikinya dengan Pembobotan Hirarki
menggunakan metode ANP. Hasil analisis untuk kriteria siswa pada LPP yang
terdapat pada tabel 2 dan table 3, maka matriks
Tujuan Penelitian perbandingan hasil preferensi gabungan
Adapun tujuan dari penelitian ini adalah : menunjukkan bahwa kriteria Usia 5 kali lebih
a. Membantu pihak lembaga pendidikan dan penting dari kriteria Jenjang Pendidikan. Jenjang
pelatihan penerbangan dalam memutuskan Pendidikan sama penting dengan Tinggi Badan, 3
untuk menempatkan siswa yang sesuai kali lebih penting dari Penampilan, 5 kali lebih
dengan kebutuhan perusahaan penerbangan. penting dari Kesehatan dan Announcement,
b. Menentukan urutan prioritas kriteria sedangkan Aviation Knowledge dan Aviation
pekerjaan yang akan dipilih siswa lulusan Security 5 kali lebih penting dari Jenjang
lembaga pendidikan dan pelatihan Pendidikan. Jenjang Pendidikan 5 kali lebih
penerbangan pada perusahaan penerbangan. penting dari Basic Fare & Ticketing, sama
penting dengan Dangerous Goods & Cargo
2. Pembahasan Knowledge, 3 kali lebih penting dari English For
Data Alternatif Hospitality, 5 kali lebih penting dari Grooming,
Data alternatif diambil dari data Bidang Kerja serta sama penting dengan Passanger & Baggage
LPP Penerbangan yang diperuntukan untuk siswa. Handling dan Tour Package. Begitu juga tingkat
Ada 3 bidang kerja yang dijadikan sebagai kepentingan untuk 14 kriteria lainnya.
perbandingan dalam pengujian yaitu Cabin Staff,
Airlines Staff dan Travel Agent Staff. Tabel 2. Bobot Hirarki untuk cluster berkas
Data Kriteria
Data Kriteria diambil dari data dari hasil
wawancara dari LPP Penerbangan, Maskapai dan
Travel yang ada dikota Medan. Adapun data
kriteria yang telah dianalisa yaitu berupa Cluster
Seleksi Berkas meliputi Jenjang Pendidikan, Usia,
Tinggi Badan, Penampilan dan Kesehatan.
Cluster Mata pelajaran meliputi Anouncement,
Aviation Knowledge, persentase Aviation
292
Seminar Nasional Informatika 2014
Metode ANP
293
Seminar Nasional Informatika 2014
Hasil Penelitian
294
Seminar Nasional Informatika 2014
perhitungan skala alternatif penilaian. Hal ini [2] Hidayati, novi, “Sistem E-Learning untuk
dapat memberikan konstribusi dalam meningkatkan Proses Belajar Mengajar
pemilihan kriteria pekerjaan. Studi Kaus pada SMA Negeri 10 Bandar
2. Metode ANP (Analytic Network Process) Lampung”, Jurnal Sistem Informasi, Vol. 2,
dapat membantu pemilihan kriteria pekerjaan No. 2, September 2010.
siswa. Ketika LPP sulit dalam menentukan [3] Iriani & Herawan, “Pemilihan Supplier
kriteria pekerjaan yang cocok dengan Bahan Baku Benang dengan menggunakan
kemampuan siswa, dengan ANP dapat Metode Analytic Network Process (ANP)
diperoleh nilai perioritas pemilihan kriteria studi kasus Home Industry Nedy”,
pekerjaan berdasarkan bobot nilai kualifikasi Simposium Nasional RAPI XI FT UMS –
dan nilai pendidikan. 2012
3. Sistem Pendukung Keputusan sudah bisa [4] Rahendi, Robert Eka. Dkk, ”Sistem
memberikan hasil rekomendasi siswa lulusan Pendukung Keputusan Pemilihan Bidang
untuk menentukan kriteria pekerjaan yang studi di Perguruan Tinggi menggunakan
cocok dengan menggunakan metode metode Metode Analytic Network Process (ANP),
Analitical Network Process (ANP). 18 Juli 2014.
[5] Efraim Turban, Jay E. Aronson, Ting Peng
Daftar Pustaka Liang 2005, Decision Support System and
Intelligent System, Jilid 2.
[1] Saaty, T. L. 1999. Decision Making for [6] Kusrini, 2007, Konsep dan Aplikasi Sistem
Leaders. RWS Publications, 4922 Ellsworth Pendukung Keputusan, Yogyakarta.
Avenue: Pittsburgh, PA 15213
295
Seminar Nasional Informatika 2014
Abstrak
Perkembangan bisnis dan persaingan bebas serta dampak dari krisis moneter yang pernah terjadi membuat
suasana pasar di Indonesia semakin sulit. Sebagian besar pengusaha Indonesia bertahan di dalam suasana
tersebut dengan cara-cara yang kurang baik yang pada akhirnya menimbulkan masalah atau hambatan di
dalam organisasi usahanya, sehingga mengakibatkan kinerja perusahaan tersebut menjadi terhambat. Pakar
psikologi meneliti masalah-masalah yang terjadi dan mengelompokkan masalah-masalah yang disebut
blockage. Blockage dapat diketahui dan dicari alternatif solusinya dengan Sistem Pendukung Keputusan
menggunakan metode Topsis yang diharapkan akan memperbaiki kinerja karyawan yang berdampak pada
kelancaran system pada perusahan.
296
Seminar Nasional Informatika 2014
297
Seminar Nasional Informatika 2014
298
Seminar Nasional Informatika 2014
X X X X X X X X Dimana :
A7 71 72 73 74 75 76 77 78 v ij adalah elemen dari matriks keputusan yang
X X X X X X X X ternormalisasi terbobot V,
A8 81 82 83 84 85 86 87 88 Bobot w ij (w1, w2, w3, ..., wn) adalah bobot dari
X X X X X X X X kriteria ke-j
A9 91 92 93 94 95 96 97 98 r adalah elemen dari matriks keputusan yang
ternormalisasi R Dengan i = 1, 2, 3, ..., m ; dan
X X X X X X X X j = 1, 2, 3, ..., n.
A10 10 1 10 2 10 3 10 4 10 5 10 6 10 7 10 8
Matriks keputusan ternormalisasi terbobot.
Tabel3: Hasil Perhitungan Matriks
K1 K2 K3 K4 K5 K6 K7 K8
A1 4 5 4 2 5 3 5 5
A2 4 5 3 2 5 3 5 5
A3 4 3 3 2 5 4 5 5
A4 4 5 4 4 5 3 5 5
A5 4 5 3 2 5 3 5 5
A6 5 5 4 4 5 3 5 5
A7 4 3 3 2 5 3 5 5
A8 4 5 3 4 5 5 5 5
A9 4 5 3 4 5 3 3 5
A10 4 5 3 2 5 5 3 5
Fase5
Setelah matriks keputusan dan bobot
kriteriadibuat, selanjutnya adalah membuat
matriks keputusan yang ternormalisasi R yang
fungsinya untuk memperkecil range data. Adapun
elemenelemennya ditentukan dengan rumus
berikut :
(1)
Dimana :
299
Seminar Nasional Informatika 2014
Alternatif S+
A1 0.9334
Tabel 5 : Solusi Ideal Positif A2 0.8789
A3 0.6932
A4 1.0617
A5 0.8789
A6 1.1511
A7 0.6215
Tabel 6 : Hasil Penentuan Solusi Ideal Positif A8 1.2264
A9 0.8608
A10 1.0573
Tabel 7 : Solusi Ideal Negatif Setelah menghitung jarak alternatif dari solusi
ideal positif (S+) dan jarak alternatif dari solusi
ideal negatif (S-), selanjutnya adalah menghitung
kedekatan relatif terhadap solusi ideal positif.
Tabel 13 : NilaI C+
300
Seminar Nasional Informatika 2014
A4 0.6061
A10 0.5218
A1 0.5059
A5 0.4769
A2 0.4759
A9 0.4675
A3 0.4055
A7 0.3514
3. Penutup
4.1 Kesimpulan
Berdasarkan pembahasan, maka dapat
ditarik kesimpulan sebagai berikut:
301
Seminar Nasional Informatika 2014
Abstrak
Salah satu unsur penting dalam menentukan keberhasilan suatu perusahaan adalah Sumber Daya Manusia
(SDM). SDM memiliki kekuatan sebagai penggerak suatu perusahaan. Tanpa adanya suatu koordinasi SDM
secara efektif dan efisien, maka tujuan organisasi tidak akan tercapai. Sehubungan dengan adanya kemajuan
teknologi komputer saat ini, maka sistem informasi yang terkomputerisasi dirasakan sangatlah penting
keberadaannya dalam sebuah perusahaan dengan tujuan dapat mempermudah proses pembuatan laporan
karyawan, mempercepat proses perhitungan gaji karyawan, dan sebagainya. Bagi perusahaan yang
berkecimpung di dunia bisnis otomotif, dalam mengelola data sumber daya manusia, umumnya masih
menggunakan sistem semi-terkomputerisasi. Seiring berjalannya waktu, jumlah data yang diolah semakin
banyak sehingga sistem semi-terkomputerisasi dianggap tidak lagi memenuhi kebutuhan perusahaan. Melalui
penelitian ini diusulkan sebuah sistem informasi untuk menyelesaikan permasalahan yang dihadapi
perusahaan dengan menggunakan metodologi pengembangan sistem Systems Development Life Cycle
(SDLC). Hasil penelitian berupa aplikasi sistem informasi yang dapat digunakan untuk meningkatkan
efektifitas dan efisiensi dalam pengolahan data yang dapat digunakan sebagai penunjang pengambilan
keputusan.
302
Seminar Nasional Informatika 2014
303
Seminar Nasional Informatika 2014
yang ada sekarang yang dapat diharapkan [6]. Pemberhentian adalah pemutusan
masih tetap bekerja hubungan kerja seseorang dengan suatu
c) Perencanaan untuk merekrut atau organisasi perusahaan. Dengan pemberhentian
memberhentikan karyawan berarti berakhirnya keterikatan kerja karyawan
d) Perencanaan pengembangan karyawan terhadap perusahaan [1].
2) Rekrutmen
Yaitu mengalokasikan, mengidentifikasikan, 3. METODOLOGI PENELITIAN
dan menarik para pelamar kerja yang
kompeten [5]. Metodologi penelitian yang digunakan mengacu
3) Seleksi pada tahapan pengembangan sistem Systems
Yaitu menyaring pelamar agar memastikan Development Life Cycle (SDLC) [2] dengan
bahwa kandidat yang paling layaklah yang tahapan seperti Gambar 2 berikut ini.
diterima. Seleksi melibatkan perkiraan
pelamar mana yang akan berhasil jika
diterima. Keputusan seleksi apapun dapat
memberikan 4 (empat) kemungkinan hasil –
dua hasil yang benar dan dua kesalahan (error)
[5].
4) Pelatihan Karyawan
Merupakan aktivitas manajemen SDM yang
penting. Ketika permintaan pekerjaan
berubah, kemampuan karyawan pun harus
berubah. Terdapat beberapa metode pelatihan,
meliputi [5]:
a) Metode Pelatihan Tradisional, biasanya Gambar 2. Proses Manajemen SDM
meliputi on-the-job, rotasi kerja, mentoring
dan coaching, latihan pengalaman, manual/ Tahapan-tahapan penelitian yang dilakukan
buku kerja, dan kelas pelatihan adalah:
b) Metode Pelatihan Berbasis Teknologi, 1. Mengidentifikasi Masalah, Peluang, dan
biasanya meliputi CD- Tujuan
ROM/DVD/rekaman video/audio/podcast, a) Merumuskan masalah yang dihadapi
videoconference/tele conference/TV b) Mendefinisikan tujuan yang ingin dicapai
satelit, dan e-learning. 2. Menentukan Syarat-Syarat Informasi
5) Manajemen Kinerja Karyawan a) Mewawancarai beberapa perusahaan
Manajer harus mengetahui apakah sejenis untuk mengetahui informasi yang
karyawannya telah melaksanakan diperlukan
pekerjaannya secara efisien dan efektif, atau 3. Menganalisis Kebutuhan-Kebutuhan Sistem
apakah ada yang perlu diperbaiki. Inilah yang a) Menganalisis proses bisnis sistem berjalan
dilakukan sistem manajemen kinerja. Sistem b) Menganalisis contoh dokumen-dokumen
ini menetapkan standar kinerja yang keluaran dan masukan
digunakan dalam mengevaluasi kinerja Mengidentifikasi kebutuhan sistem usulan
karyawan. Terdapat beberapa metode dalam 4. Merancang Sistem Yang Direkomendasikan
melakukan evaluasi kinerja, seperti menulis a) Merancang proses bisnis sistem usulan
esai, peristiwa penting, skala penilaian grafis, b) Merancang format laporan (output),
Behaviorally Anchored Rating Scale (BARS), masukan (input), dan struktur menu sistem
perbandingan multi karyawan, MBO, dan usulan
penilaian 360 derajat [5]. c) Merancang basis data yang akan
6) Promosi, Mutasi, Demosi, dan Pemutusan digunakan oleh sistem usulan
Hubungan Kerja 5. Mengembangkan dan Mendokumentasikan
Promosi (kenaikan jabatan), yakni menerima Perangkat Lunak
kekuasaan dan tanggung jawab lebih besar Pengembangan sistem menggunakan bahasa
dari kekuasaan dan tanggung jawab pemrograman Microsoft Visual Basic 2012,
sebelumnya. Mutasi, yaitu memindahkan DBMS Microsoft SQL Server 2008, dan
karyawan dari suatu jabatan yang lain dalam Business Objects Crystal Report 11 untuk
satu tingkatan organisasi secara horizontal pembuatan laporan.
tanpa adanya peningkatan tanggung jawab,
kekuasaan, maupun gaji. Demosi atau dikenal
dengan penurunan jabatan, yakni menerima
kekuasaan dan tanggung jawab lebih kecil dari
kekuasaan dan tanggung jawab sebelumnya
304
Seminar Nasional Informatika 2014
Laporan
Manajer HR Karyawan
Kebutuhan Pelatihan Surat
Pengangkatan
Laporan
Permintaan Karyawan
Surat
Pemindahan
Laporan Hasil
Penilaian Prestasi Kerja Data
Karyawan Data
Pengunduran Diri
Data
Jabatan 0
Data
Data
Data Pelatihan Surat Referensi
Jenis
Departemen
PHK Sistem Informasi
Manajemen Sumber Daya Manusia
Data Performance
Apraissal
Data Kebutuhan
Data Permintaan Pelatihan
Karyawan
Laporan
Rekomendasi Data Pemindahan
Peserta Karyawan
Pelatihan Manajer Divisi
Laporan
Hasil
Penilaian
Prestasi Kerja
305
Seminar Nasional Informatika 2014
MENU
PERFORMANCE
MASTER EMPLOYEE TRAINING TRANSFER TERMINATION SETTINGS
APPRAISAL
Training Member
Termination Type
Recommendation Reports
Performance Appraisal
Reports
306
Seminar Nasional Informatika 2014
307
Seminar Nasional Informatika 2014
mengolah proses bisnis perusahaan dengan [3] Paulus, Khrisbianto, A., dan Setiawan, E. B.,
baik. 2005, Sistem Informasi, Bandung, Penerbit
2. Adanya fitur untuk mengelola data master Informatika.
sehingga mengurangi perulangan penggunaan [4] Rachmawati, I. K., 2008, Manajemen Sumber
kata yang memiliki makna sama. Daya Manusia, Yogyakarta, Penerbit Andi.
3. Telah terdapat basis data untuk menyimpan [5] Robins, S. P. dan Coulter, M., 2010,
data. Dengan adanya basis data, sistem Management, Jakarta, Penerbit Erlangga.
informasi ini sangat membantu user dalam [6] Stoner, J. A. F., Freeman, R. E., and Gilbert,
pencarian data. D. R., 1995, Management, New Jersey,
Prentice Hall Inc.
Daftar Pustaka [7] Yani, M., 2012, Manajemen Sumber Daya
Manusia, Jakarta, Mitra Wacana Media.
[1] Hasibuan, H. dan Malayu, S. P., 2001,
Manajemen Sumber Daya Manusia, Jakarta,
PT Bumi Aksara.
[2] Kendall, K. E. and Kendall, J. E., 2011,
Systems Analysis and Design, New Jersey,
Pearson Education.
308
Seminar Nasional Informatika 2014
Abstrak
Teknologi jaringan telah menjadi standar bagi semua kalangan, baik industri maupun pendidikan. Begitu juga
dengan pemanfaatan sistem berbasis web juga telah menjadi standar dalam pemrograman berbasis jaringan.
Namun koneksi internet yang masih belum memadai dari sisi kecepatan telah menjadi kendala tersendiri
dalam implementasi pemrograman berbasis jaringan. Penelitian ini menghasilkan sebuah solusi dengan
perancangan web portal pada jaringan intranet sebagai pintu gerbang bagi subsistem-subsistem yang ada di
STMIK Potensi Utama. Polling awareness terhadap implementasinya juga menghasilkan angka yang cukup
baik yaitu 77,33% yang dilakukan terhadap 100 orang responden. Jadi sistem ini dapat dianggap berhasil
berdasarkan hasil polling tersebut dan implementasinya sejak tahun 2011.
309
Seminar Nasional Informatika 2014
3. Jenis-Jenis Jaringan
Beberapa jenis jaringan yang dapat
diklasifikasikan berdasarkan karakteristikya,
termasuk berdasarkan jarak antar komputer yang
Gambar 1. Website Penyedia Appserv saling terhubung, yaitu : [3]
(www.appserv.net)
1. Local Area Network (LAN)
Website appserv menyediakan paket Umumnya jaringan LAN hanya dapat
download untuk instalasi Apache beserta aplikasi mengakomodir area seluas 1 km persegi,
pendukung lainnya. Sebaiknya memilih paket seperti kampus, perkantoran, warnet, dll.
instalasi yang sudah tidak berstatus alpha maupun 2. Metropolitan Area Network (MAN)
beta untuk di-dowonload, sehingga hasil instalasi Menghubungkan beberapa jaringan kecil ke
web server akan stabil untuk digunakan. jaringan yang lebih besar, misalnya beberapa
kantor cabang ke kantor pusat dalam satu kota
3. Wide Area Network (WAN)
Merupakan jaringan yang lebih luas lintas kota
atau bahkan propinsi.
4. Internet
Merupakan jaringan global atau dunia yang
tidak memungkinkan lagi dengan sambungan
kabel.
4. Jaringan Intranet
Sebenarnya jaringan intranet hanya
merupakan istilah bagi jaringan lokal yang
Gambar 2. Website Penyedia Xampp dibangun berdasarkan teknologi internet dengan
(www.apachefriends.org) memanfaatkan protocol TCP/IP. Dimana konsep
pembangunan jaringan ini diperuntukkan bagi
Xampp memiliki fasilitas yang lebih sistem lokal yang lebih aman, sehingga berbagai
kompleks dibandingkan Appserv, serta memiliki sumber daya di dalamnya hanya dapat diakses
paket instalasi lintas platform sepeti untuk dari dalam. Tujuaannya adalah sistem yang lebih
Windows, Linux, dan Apple. Selain itu Xampp cepat, lebih aman, dan lebih hemat tentunya.
juga menyediakan Add-ons yang cukup melimpah
310
Seminar Nasional Informatika 2014
4. Metode Penelitian
Perancangan Sistem
Perancangan Interface
Gambar 4. Skema Jaringan Intranet
Ujicoba
Mapping jaringan intranet tersebut
menunjukkan bahwa terdapat Network Server Gambar 5. Tahapan Penelitian
yang berada pada jaringan. Server tersebut
tentunya dapat dimanfatkan sebagai sumber daya
internal untuk menyediakan sebuah web server. 5. Hasil dan Analisa
3. Penelitian Rujukan Sesuai dengan tahapan penelitian, maka
Terdapat beberapa penelitian rujukan yang langkah selanjutnya dalam penelitian ini adalah
berkaitan dengan penelitian ini. Adapun sebagai berikut :
penelitian-penelitian tersebut, antara lain :
1. Analisis Kebutuhan Sistem
1. Makalah Mukhamad Nurkamid yang
berjudul “Analisa Keefektifan Jaringan i. Mempersiapkan sebuah komputer dengan
Local Area Network (Intranet) Universitas spesifikasi yang cukup tinggi yang akan
Muria Kudus”. Makalah ini membahas digunakan sebagai web server. Minimal
mengenai konsep pembangunan jaringan dan menggunakan processor Core i3 dengan
ujicoba berbagai perangkat pendukung. Hasil RAM 2 GB.
penelitian ini menunjukkan hasil yang ii. Menyediakan sebuah UPS sebagai backup
efektif, meskipun dalam beberapa kondisi power apabila terjadi pemutusan listrik
masih terjadi peningkatan time line. Namun dari PLN.
pengingkatan tersebut masih dikatakan cukup iii. Melakukan instalasi web server, dalam
wajar mengingat bertambanya jumlah user hal ini yang digunakan adalah paket
dan perangkat yang terhubung ke sistem instalasi dari Xampp.
jaringan.[4]
2. Makalah Muhammad Arya Priasatama Putra,
Dahlan Susilo, dan Agus Purwo Handoko
yang berjudul “Perancangan Intranet
Untuk Pembelajaran Di Universitas Sahid
Surakarta Menggunakan Open Source
Software (Studi Kasus: File Server
Universitas Sahid Surakarta)”. Makalah ini
membahas pembangunan jaringan intranet
pada Universitas Sahid Surakarta dengan
menggunakan topologi star pada Sistem
Operasi Linux. Kemudian untuk
mempermudah pengeloaan server digunakan
Samba Tools. [5]
Gambar 6. Instalasi Xampp
3. Makalah Fahrul Agus, Addy Suyatno, dan
Supianto yang berjudul “Optimalisasi
Instalasi web server sebaiknya dilakukan
Manajemen Bandwidth Pada Jaringan
di drive D, agar apabila terjadi kerusakan sistem
Intranet Universitas Mulawarman”.
dan membutuhkan instalasi ulang sistem operasi
Makalah ini membahas bentuk topologi baru
maka data Anda akan tetap aman.
yang terbukti efektif untuk mengoptimalisasi
bandwidt pada jaringan intranet.[6]
311
Seminar Nasional Informatika 2014
WEB PORTAL
STMIK POTENSI UTAMA
Feature Link
Download
Link
Staff Mahasiswa Gambar 11. Interface Subsistem Otomasi
Perpustakaan
Selected Site
3. Perancangan Interface
4. Ujicoba
312
Seminar Nasional Informatika 2014
Tentunya web portal adalah sebuah pintu gerbang 2. Diperlukan sistem backup power
untuk menuju subsistem-subsistem yang ada di menggunakan UPS dengan kapasitas yang
STMIK Potensi Utama. lebih besar untuk mengatasi pemadaman
listrik sehingga web portal dapat selalu
Kemudian untuk menguji tingkat diakses.
awareness terhadap fungsi web portal di STMIK 3. Perlu dikembangkan lagi interface web
Potensi Utama, maka dilakukan polling terhadap portal yang lebih dinamis agar lebih
mahasiswa, staff, dan dosen setelah sistem ini interaktif.
diimplementasikan sejak tahun 2011. Polling
tersebut melibatkan 100 orang responden yang Daftar Pustaka
terdiri dari unsur mahasiswa, staff, dan dosen.
Tabel 1. Hasil Polling Awareness Terhadap [1] Adelin dan Fatmariani, 2012. Web Portal
Ujicoba Fungsi Web Portal Jurnal Ilmiah Online Kopertis Wilayah II
Palembang. Jurnal teknologi dan
No. Pertanyaan Ya Tidak Informatika (Teknomatika) Vol. 2 No. 2 Mei
1 Apakah anda merasakan 2012, STMIK PalComTech, Palembang.
manfaat keberadaan web 83 17 [2] Andi Wahju Rahardjo Emanuel, 2006.
portal ? Instalasi Apache Web Server, MySQL
2 Apakah web portal dapat Database, dan PHP pada Sistem Operasi
62 58 Fedora Core 5. Jurnal Informatika Vol. 2
diakses setiap waktu ?
3 Apakah web portal dapat No. 3 Juni 2006, Universitas Kristen
diakses secara real time Maranata, Bandung.
87 13 [3] Muhammad Ikhsan dan Yunita Syahfitri,
tanpa waktu tunggu yang
berarti ? 2009. Memahami Jaringan Komputer
Untuk Membangun Local Area Network
Berdasarkan hasil polling di atas, apabila (LAN). Jurnal Sanitikom Vol 7 No. 2
dirata-ratakan maka terdapat 77,33 % responden Agustus 2009, STMIK Triguna Dharma,
yang telah memiliki awarness terhadap manfaat Medan.
web portal. Jadi berdasarkan hasil tersebut maka [4] Mukhamad Nur, 2011. Analisa Keefektifan
keberadaan web portal dapat dianggap telah Jaringan Local Area Network (Intranet)
memenuhi kebutuhan para pengguna sistem di Universitas Muria Kudus. Jurnal Sanins
STMIK Potensi Utama. dan Teknologi Vol. 4 No. 2 Desember 2011,
Universitas Muria Kudus, Jawa Tengah.
6. Kesimpulan dan Saran [5] Muhammad Arya Priasatama Putra, Dahlan
Susilo, dan Agus Purwo Handoko, 2011.
Adapun kesimpulan yang dihasilkan dalam Perancangan Intranet Untuk
penelitian ini antara lain, yaitu : Pembelajaran Di Universitas Sahid
1. Web portal yang dirancang merupakan pintu Surakarta Menggunakan Open Source
gerbang untuk mengakses subsistem- Software (Studi Kasus: File Server
subsistem lainnya yang ada di STMIK Universitas Sahid Surakarta). Jurnal
Potensi Utama. Gaung Informatika Vol. 4 No. 1, Universitas
2. Tingkat awarness pengguna sistem Sahid Surakarta, Jawa Tengah.
mencapai 77,33 % dari polling yang [6] Fahrul Agus, Addy Suyatno, dan Supianto,
dilakukan terhadap terhadap 100 orang 2010. Optimalisasi Manajemen
responden. Bandwidth Pada Jaringan Intranet
3. Sistem ini telah digunakan di STMIK Universitas Mulawarman. Jurnal
Potensi Utama dari tahun 2011. Informatika Mulawarman Vol. 1 No. 1
Februari 2010, Program Studi Ilmu
Adapun saran untuk pengembangan Komputer Universitas Mulawarman,
penelitian ini di masa yang akan datang adalah : Samarinda.
1. Perlu dipertimbangkan penggunaan
processor sekelas Intel Xeon untuk komputer
server.
313
Seminar Nasional Informatika 2014
Abstrak
CV Sama Senang adalah sebuah usaha dagang yang bergerak pada penjualan kebutuhan bahan pokok baik
dikota medan dan diluar kota Medan. Dengan banyaknya permintaan kebutuhan bahan pokok didalam dan
diluar kota CV Sama Senang memiliki kesulitan dalam pendistribusian penjualan kebutuhan bahan pokok
untuk memenuhi kebutuhan pasar. Sulitnya memprediksi kebutuhan pasar, serta persaingan bisnis yang
semakin ketat, merupakan kendala yang dihadapi CV Sama Senang sehingga manajemen harus dapat
mengambil keputusan yang tepat dan cepat guna memberikan pelayanan yang baik serta kepuasan kepada
konsumen maupun menjaga konsistensi permintaan kebutuhan bahan pokok di pasar. Keputusan yang
diambil harus mempertimbangkan dengan baik berdasarkan data-data yang dimiliki, terutama yang berkaitan
erat dengan sistem distribusi. Dalam mengatasi masalah tersebut, salah satu solusi yang dapat digunakan
adalah data mining mengenai kriteria - kriteria tertentu di dalam pendistribusian penjualan kebutuhan bahan
pokok. Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka
dibutuhkan metode analisis data yang tepat. Adapun metode yang digunakan dalam pengambilan keputusan
adalah Metode Rough Set. Metode Rough Set menawarkan dua bentuk representasi data yaitu Information
Systems (IS) dan Decision Systems (DS). Adapun perangkat lunak (Software) yang menerapkan Metode
Rough Set ini adalah Rosetta. Hasil penelitian yang diperoleh berupa informasi perkiraan permintaan
kebutuhan bahan pokok pada periode yang akan datang dan menjadi informasi keputusan manajemen dalam
pendistribusian penjualan kebutuhan bahan pokok.
Kata Kunci : Sistem Penunjang Keputusan, Data Mining, Metode Rough Set
314
Seminar Nasional Informatika 2014
diantaranya adalah Metode Rough Set, Fuzzy, singkat dari suatu tabel. Hasil dari analis Rough
Algoritma Apriori dan lain - lain. Set dapat digunakan dalam proses data mining
Metode Rough Set salah satu dari metode di dan knowledge discovery. Teknik ini digunakan
atas yang memungkinkan untuk mengambil untuk menangani masalah uncertainly, missing
keputusan dalam pendistribusian penjualan data, uncompleted, inconsistency data,
kebutuhan bahan pokok karena di dalam metode imprecision, dan vagueness (tidak pasti, data
ini ada rumusan atau tahapan-tahapan pemecahan hilang, tidak lengkap, tidak selaras,
masalah dan adanya sebuah Result (keputusan) ketidaktepatan, ketidakjelasan).[2][3][4][5]
dari kombinasi yang mungkin terjadi dari kriteria-
kriteria diatas. Dari Result (keputusan) yang Perancangan
berasal dari hasil olahan data mining tersebut,
dapat di jadikan sebagai acuan pengambilan Berdasarkan hasil pengamatan langsung
keputusan. Berdasarkan permasalah tersebut pada CV Sama Senang, sistem yang sedang
penulis melakukan penelitian yang berkaitan berjalan pada saat ini masih dilakukan manual,
dengan sistem pengambilan keputusan untuk yaitu pencatatan pada buku untuk pemesanan dari
distribusi penjualan kebutuhan pokok dengan suppliers dan penjualan kebutuhan bahan Pokok
menggunakan metode Rough Set. dari konsumen, proses pendistribusian juga
dilakukan atas kerjasama dan kepercayaan antara
Metode Penelitian ke dua belah pihak. Oleh karena itu sangatlah
tepat apabila perusahaan memahami
Tahapan dalam metode penelitian ini dapat kebijaksanaan distribusi terutama yang
dimodelkan pada diagram alir berikut ini: menyangkut pemilihan saluran distribusi dan
penentuan distribusi fisik.
315
Seminar Nasional Informatika 2014
316
Seminar Nasional Informatika 2014
317
Seminar Nasional Informatika 2014
318
Seminar Nasional Informatika 2014
DAFTAR PUSTAKA
319
Seminar Nasional Informatika 2014
Abstrak
Saat ini, pengembangan teknologi memotivasi manusia untuk berpikir kreatif, tidak hanya mencoba lebih
atas penemuan baru, tetapi juga mengoptimalkan kinerja teknologi sebelumnya. Berdasarkan uraian di atas,
penelitian ini akan membahas bagaimana mengontrol navigasi robot menggunakan teknologi mikrokontroler,
smartphone Android, bluetooth, dan pengenalan suara. Sistem yang dimaksud adalah sistem yang dapat
mengontrol navigasi robot secara nirkabel menggunakan smartphone Android. Tujuan dari penelitian ini
adalah untuk mengoptimalkan fungsi smartphone Android yang dapat digunakan sebagai pusat kendali,
mengambil keuntungan dari pengenalan suara yang ada pada smartphone Android yang memungkinkan
pengguna untuk melakukan perintah melalui input suara, dan memudahkan pengguna mengendalikan dan
memantau robot via smartphone menggunakan umpan balik dari mikrokontroler. Berdasarkan hal ini, metode
penelitian yang dilakukan pada tiga hal, khususnya: desain antarmuka hardware, desain program pada
perangkat keras, dan desain program pada Android. Komunikasi antara smartphone Android dengan
mikrokontroler dapat dilakukan tanpa kabel menggunakan bluetooth. Untuk sistem mikrokontroler dapat
dikontrol oleh smartphone Android, bisa dilakukan dengan mengirimkan kode karakter ASCII untuk diterima
dan diterjemahkan oleh mikrokontroler. Untuk memberikan umpan balik, sistem mikrokontroler harus dapat
menerima masukan dari output sendiri. Ada fitur pengenalan suara pada smartphone Android dapat
digunakan untuk mengontrol robot menggunakan perintah suara. Hal ini dapat dilakukan dengan memulai
spektrum perintah dalam suara string menjadi kode karakter ASCII yang telah diakui oleh mikrokontroler.
320
Seminar Nasional Informatika 2014
Mikrokontroler
ATMEL sebagai salah satu vendor yang
mengembangkan dan memasarkan produk
Gambar 4. Minimum Sistem Arduino R3
mikroelektronika telah menjadi suatu teknologi
standar bagi para desainer sistem elektronika
Keterangan:
masa kini. Dengan perkembangan terakhir, yaitu
1. Port USB
generasi AVR (Alf and Vegard’s Risc processor),
2. IC Konverter Serial-USB (ATmega 8 U2)
para desainer sistem elektronika telah diberi suatu
3. Led untuk test output kaki D13
teknologi yang memiliki kapabilitas yang amat
4. Kaki-kaki Input Output Digital (D8 – D13)
maju, tetapi dengan biaya ekonomis yang cukup
5. Kaki-kaki input Output Digital (D0 – D7)
minimal.
6. LED Indikator catu daya
Mikrokontroler AVR memiliki arsitektur
7. Tombol Reset
321
Seminar Nasional Informatika 2014
322
Seminar Nasional Informatika 2014
bergerak kiri, hingga perintah suara smartphone ke mikrokontroler. Pada saat yang
berikutnya. bersamaan pengukuran waktu eksekusi
9. Jika perintah suara yang dikirimkan “kanan”, dilakukan dengan menggunakan stopwatch.
maka perangkat akan mengeksekusi dengan Tabel 1. Pengujian jarak transmisi
menjalankan motor sehingga mobil robot (Transmision Distance)
bergerak kanan, hingga perintah suara
berikutnya.
10. Jika perintah suara yang dikirimkan
“berhenti” atau jika tidak ada perintah suara
yang dikirimkan oleh aplikasi pada
smartphone android, mobil robot akan
berhenti atau pada posisi diam.
11. Perangkat akan berada pada posisi standby
atau posisi dimana perangkat siap menerima
perintah.
12. Finish 4.2.2. Power Supply
Power supply adalah sumber daya yang
4. Hasil Dan Pembahasan digunakan untuk memasok tegangan pada semua
komponen yang terdapat pada alat. Power supply
4.1. Hasil disini terdiri dari baterai yang terdapat pada
Berikut adalah tampilan dari hasil robot, diode, kapasitor dan regulator 7805. Power
perancangan robot mobil ditunjukan pada gambar supply pada alat ini menghasilkan tegangan 5
7 dibawah ini. Volt. Dengan tegangan tersebut sudah bisa
memasok semua komponen yang digunakan pada
alat. Baterai yang digunakan berjenis lithium
polimer (lipo).
4.2.3. Software
Sistem ini memerlukan beberapa software
supaya alat dapat bekerja dengan baik
diantaranya:
323
Seminar Nasional Informatika 2014
324
Seminar Nasional Informatika 2014
Abstrak
Pengetahuan merupakan hal yang sangat penting untuk menunjang proses bisnis. Pengetahuan yang dimiliki
oleh karyawan sebaiknya dapat dibagikan kepada rekan kerja, bawahan, bahkan dari bawahan kepada atasan,
agar tercipta suasana kerja yang lebih nyaman dan produktif. PT. Dunia Kimia Utama merupakan perusahaan
penghasil bahan kimia yang mempekerjakan lebih dari seratus karyawan. Setiap karyawan bekerja secara
individu dan secara tim dengan bantuan komputer dan mesin, sehingga diperlukan kerja sama yang baik.
Salah satu bentuk kerjasama dalam perusahaan adalah berbagi pengetahuan. Akan tetapi, pekerja yang adalah
manusia memiliki kecenderungan malas untuk berbagi pengetahuan atau melakukan knowledge sharing and
transfer kepada rekan kerja ataupun bawahannya di dalam perusahaan. Metode yang digunakan dalam
pengumpulan data pada penelitian ini adalah wawancara dan observasi. Hasil dari penelitian ini adalah
diketahui bahwa pada PT. Dunia Kimia Utama telah menerapkan proses knowledge sharing and transfer yang
berupa Job Shadowing Program, Process Documentation, Storyboard, Mentoring Program, Information
exchange, Best Practices Studies, Job rotation, dan Lesson learned debriefing, sedangkan proses yang lain
belum diterapkan. Penelitian ini diharapkan dapat menjadi pertimbangan bagi PT. Dunia Kimia Utama
ataupun perusahaan lain dalam melakukan proses knowledge sharing and transfer sebagai penunjang proses
bisnis.
325
Seminar Nasional Informatika 2014
mulai dari tamatan sekolah dasar (SD), menengah organisasi. Manajemen pengetahuan merupakan
(SMP dan SMA), sampai perguruan tinggi. Selain proses suatu organisasi menciptakan nilai yang
jenjang pendidikan, karyawan juga berasal dari bersumber dari aset organisasi yang berbasis pada
berbagai daerah di Indonesia yang memiliki latar pengetahuan dan intelektual[8]. Sedangkan
belakang budaya yang berbeda. Mengingat menurut Peraturan menteri negara pendayagunaan
jumlah karyawan pada perusahaan cukup banyak aparatur negara dan reformasi birokrasi nomor 14
dan berasal dari berbagai bidang dan budaya tahun 2011, manajemen pengetahuan atau
tersebut, maka penulis tertarik untuk mengetahui knowledge management merupakan upaya untuk
bagaimana strategi perusahaan dalam mempererat meningkatkan kemampuan organisasi dalam
komunikasi antar karyawan dan antara karyawan mengelola aset intelektualnya: pengetahuan dan
dengan atasan terutama dalam kegiatan bisnis pengalaman yang ada. Tujuannya tentu saja
sehari-hari. Penelitian ini dimaksudkan untuk adalah memanfaatkan aset tersebut untuk
mengetahui bagaimana PT. Dunia Kimia Utama mencapai kinerja organisasi yang lebih baik untuk
dalam menerapkan knowledge sharing and mempercepat pencapaian tujuan pelaksanaan
transfer untuk mendukung kegiatan bisnis di reformasi birokrasi [5].
dalam perusahaan. Menurut Priambada, manajemen
pengetahuan bertujuan untuk meningkatkan dan
2. Metode Penelitian memperbaiki pengoperasian perusahaan dalam
meraih keuntungan kompetitif dan meningkatkan
Bagian ini berisi tentang metode dan dasar marjin atau keuntungan perusahaan. Konsep
teori yang digunakan pada tulisan ini. manajemen pengetahuan pada sebuah perusahaan
juga bertujuan untuk meningkatkan kinerja
2.1 Pengumpulan Data karyawan dengan cara menumbuhkan budaya
Penulis memperoleh data primer dengan berbagi pengetahuan di lingkungan perusahaan,
melakukan wawancara kepada beberapa dan menjadikan pengetahuan sebagai aset yang
narasumber dari PT. Dunia Kimia Utama dapat dikelola sehingga dapat dikomunikasikan
Palembang. Wawancara dilakukan secara dan digunakan secara bersama[6].
langsung dan tidak langsung. Secara langsung Menurut Becerra, manajemen pengetahuan
dilakukan dengan tatap muka, sedangkan secara terdiri dari empat proses,yaitu [1]:
tidak langsung dilakukan melalui media 1. Knowledge Discovery: proses tranformasi
telekomunikasi seperti telepon dan percakapan pengetahuan tacit yang berasal dari data
online. Selain itu digunakan pula teknik observasi dan informasi atau perkembangan
untuk mengetahui secara langsung proses bisnis pengetahuan sebelumnya, untuk
yang terjadi pada PT. Dunia Kimia Utama. meningkatkan basis pengetahuan yang
Observasi yang penulis lakukan diantaranya masih ada dan pemamfaatan pengetahuan
melakukan pengamatan terhadap aplikasi yang dalam organisasi.
digunakan dan kegiatan bisnis yang dilakukan 2. Knowledge Capture: mengambil
perusahaan. pengetahuan baik tacit atau eksplisit yang
ada disekitarnya. Proses ini bisa dilakukan
2.2 Pengetahuan dengan menangkap dari pengetahuan atau
Menurut Hendrik (2003) pengetahuan pengalaman orang lain baik secara
merupakan data dan informasi yang digabung langsung ke sumber atau melalui perantara
dengan kemampuan, intuisi, pengalaman, gagasan artefak. Salah satu contoh Knowledge
serta motivasi dari sumber yang kompeten[3]. Capture adalah membaca buku.
Sedangkan menurut Becerra, pengetahuan adalah 3. Knowledge sharing:proses yang meliputi
keseluruhan keterampilan yang digunakan oleh transfer pengetahuan yang terjadi
manusia untuk memecahkan masalah[1]. Terdapat dikelompok orang, baik pengetahuan tacit
2 (dua) tipe pengetahuan, yaitu tacit knowledge maupun explicit. Dari semua proses
dan explicit knowledge. Tacit knowledge adalah manajemen pengetahuan berbagi
sesuatu yang tersimpan dalam otak manusia, pengetahuan adalah proses yang paling
sedangkan explicit knowledge adalah sesuatu yang sulit, karena banyak orang yang berpikir
terdapat dalam dokumen atau tempat berbagi pengetahuan akan membuat diri
penyimpanan lain selain di otak manusia[9]. mereka tidak unggul lagi.
4. Knowledge Application: proses penerapan
2.3 Manajemen Pengetahuan pengetahuan seseorang baik pengetahuan
Menurut Uriarte (2008), knowledge tacit atau explicit pada kehidupan nyata.
management (manajemen pengetahuan)
merupakan suatu proses konversi tacit knowledge Manajemen pengetahuan dalam sebuah
menjadi explicit knowledge yang kemudian organisasi akan berjalan dengan baik apabila
dibagikan kepada anggota dalam sebuah terbentuk budaya knowledge sharing. Budaya
326
Seminar Nasional Informatika 2014
327
Seminar Nasional Informatika 2014
berpengalaman kepada pekerja yang expert system, real time e-learning system,
mempunyai sedikit pengalaman. dan computer-based referencing system.
4. Critical Incident Interview, teknik ini Ketika sebuah pengguna mengalami
diterapkan pada tahun 1950an yang masalah, dia dapat mengakses sluruh
merupakan proses penggalian pengetahuan kebijakan atau prosedur melalui
tentang kejadian-kejadian penting yang referencing system, mendapatkan masukan
dialami oleh para pekerja melalui sebuah dari pengalaman pendahulunya melalui
proses wawancara atau pengisian expert system, dan dapat juga belajar
kuesioner. Pengetahuan yang didapat dari melalui komponen pelatihan yang ada
proses ini antara lain adalah tindakan apa dalam sistem.
saja yang dilakukan dalam menghadapi 12. Best Practices Studies. Best practices
situasi yang terjadi dan apa hasil dari tidak selalu berasal dari perusahaan lain,
tindakan tersebut. Critical incident tetapi juga bisa didapat dari dalam
interview sangat bermanfaat bagi perusahaan itu sendiri. Best practice dapat
perusahaan dalam menghadapi situasi sulit dibagikan melalui rapat-rapat yang
yang kemungkinan akan terjadi kembali diadakan.
dalam waktu yang akan datang.
5. Expert System (ES), biasanya bersifat 2.4.3 Strategi Tambahan Departemen Tenaga
otomatis dan telah dimodelkan. ES berisi Kerja New York Amerika Serikat
masalah – masalah yang sering terjadi atau
masalah umum dan bagaimana cara Selain 12 strategi yang telah dijelaskan
mengatasi masalah tersebut. sebelumnya, terdapat juga beberapa strategi lain
6. Job Aids, segala sesuatu yang dapat yang dapat diterapkan pada proses knowledge
membantu orang dalam bekerja. Misalnya sharing and transfer. Departemen Tenaga Kerja
sebuah check list. Pengetahuan dapat New York Amerika Serikat beranggapan bahwa
disimpan pada job aid dan dapat diakses ada 17 strategi yang dapat diterapkan dalam
kapan saja oleh orang lain pada saat proses knowledge sharing and transfer[4].
kebutuhan timbul. Tambahan strategi tersebut adalah:
7. Storyboard, kumpulan dari gambar 1. Expert interview. Sebuah sesi dimana para
berurutan yang menceritakan sebuah expert meluangkan waktunya untuk
kejadian atau proses. Teknik ini dapat bertemu dengan orang lain untuk
diaplikasikan untuk pembuatan gambar membagikan pengetahuan yang
atau diagram tentang apa yang harus dimilikinya.
dilakukan dan bagaimana caranya. 2. Internship. Sebuah pengaturan formal
8. Mentoring Program. Mentor biasanya dimana para expert memberikan
orang yang mempunyai pengalaman yang pengetahuannya kepada pemula pada
banyak. Biasanya orang-orang yang sukses waktu yang lamanya telah diatur.
mempunyai beberapa mentor dalam 3. Job rotation. Sebuah pelatihan dengan
hidupnya. Mentor ini memberikan saran cara melakukan rotasi pekerjaan kepada
tentang apa yang harus dilakukan, para pekerja yang ada dalam organisasi.
bagaimana melakukannya, dan mengapa 4. Knowledge audit. Kegiatan ini dapat
itu penting untuk dilakukan di dalam membantu sebuah perusahaan dalam
kondisi yang sedang dihadapi. mengidentifikasi aset pengetahuan yang
9. Storytelling. Teknik ini
bersifat kurang dimiliki oleh perusahaan tersebut,
terstruktur apabila dibandingkan dengan termasuk juga pengetahuan apa yang
critical incident
tetapi menghasilkan hasil dimiliki dan pengetahuan apa yang
yang sama. dibutuhkan.
10. Information exchange.
Strategi ini 5. Knowledge fair, merupakan sebuah acara
diterapkan dengan cara pekerja yang telah yang menampilkan informasi tentang
berpengalaman duduk dalam suatu tempat perusahaan atau informasi tentang sebuah
dan memberikan pengetahuan kepada para topik. Acara ini dapat dilakukan secara
pekerja yang belum berpengalaman yang internal untuk memberikan sebuah forum
mendatanginya dalam tempat tersebut. untuk membagikan informasi, atau dapat
11. Electronic Performance Support System dilakukan secara eksternal untuk melatih
(EPSS), sebagian besar orang menilai pelanggan atau para pemegang saham akan
bahwa EPSS adalah strategi atau metode infromasi penting yang diperlukan.
yang paling memuaskan untuk menyimpan 6. Knowledge map. Katalog informasi atau
dan mentransfer pengetahuan. EPSS pengetahuan ini berada di dalam
adalah sebuah sistem yang perusahaan yang memberikan keterangan
menggabungkan artificial intelligence, dimana letak informasi atau pengetahuan
328
Seminar Nasional Informatika 2014
tersebut. Katalog ini hanya menunjukan sulfat dan alumunium sulfat di Sumatera Selatan,
informasi atau pengetahuan tetapi tidak PT. Dunia Kimia Utama memiliki kesempatan
berisi tentang informasi atau pengetahuan besar untuk meningkatkan hasil produksi dan
tersebut. memperluas pangsa pasar ke seluruh wilayah
7. Lesson learned debriefing. Merupakan Sumatera khususnya Sumatera bagian Selatan.
kegitaan tanya jawab untuk Hal ini terbukti dengan banyaknya perusahaan
mengidentifikasi, menganalisis, dan besar daerah yang mengandalkan PT. Dunia
menangkap pengalaman apa yang berhasil Kimia Utama sebagai pemasok bahan baku
dan apa yang butuh untuk dikembangkan diantaranya PT. Pusri, PT. Pertamina, GGPC
sehingga orang lain dapat belajar dari Lampung, PT. TEL, PT. Lontar Papyrus, CV. Sari
pengalaman yang telah terjadi. Dunia, PD. Cahaya Obor, dan beberapa PDAM
seperti PDAM Tirta Musi, PDAM Tirta Mayang,
Strategi yang telah dipaparkan di atas PDAM Ogan Komering Ulu, PDAM Ogan Ilir,
dapat diterapkan pada perusahaan dengan tingkat dll[2].
keberhasilan yang berbeda satu dengan yang lain.
Perbedaan ini terjadi karena ada faktor-faktor 3.2 Knowledge Sharing and Transfer pada
yang mempengaruhi akan keberhasilan sebuah PT. Dunia Kimia Utama
knowledge sharing and transfer, yaitu teknologi, Berdasarkan penelitian yang telah
budaya organisasi, kepercayaan, dan intensif. dilakukan melalui observasi dan wawancara pada
Pedoman penting dalam kesuksesan sebuah staff yang bekerja pada PT. Dunia Kimia Utama,
knowledge sharing and transfer adalah manajemen telah memilih cara sendiri dalam
menciptakan sebuah lingkungan yang dapat pentransferan pengetahuan di lingkungan
dipercaya dalam sebuah perusahaan. perusahaan. Cara-cara yang dilakukan oleh PT.
Dunia Kimia Utama dalam mendukung proses
3. Hasil dan Pembahasan knowledge sharing and transfer dapat
dikelompokkan sebagai berikut:
Bagian ini berisi tentang profil perusahaan 1. Job Shadowing Program
dan hasil dari penelitian yang telah dilakukan Perusahaan telah menggunakan cara ini
pada PT. Dunia Kimia Utama terkait knowledge sejak lama, yaitu mempertahankan
sharing and transfer. pegawai yang sudah pensiun di dalam
perusahaan dengan memberikan intensif
3.1 Profil PT. Dunia Kimia Utama kepada pensiunan terkait sebagai
PT. Dunia Kimia Utama adalah salah satu imbalannya. Tujuannya adalah agar
anak perusahaan dari kelompok usaha PT. Lautan pensiunan dapat membagikan
Luas, Tbk. Perusahaan berlokasi di Palembang pengetahuannya terkait pekerjaan kepada
dan Indralaya. Kantor pemasaran berada di penerusnya. Saat penulis melakukan
Palembang, sedangkan kantor pusat dan pabrik wawancara, masih ada satu orang
yang berada di Indralaya. Perusahaan bergerak di pensiunan yang dipertahankan walaupun
bidang industri kimia dasar dan merupakan seharusnya sudah pensiun sejak September
perusahaan manufaktur bahan kimia dasar 2013 lalu.
pertama dan satu-satunya di Provinsi Sumatera 2. Process Documentation
Selatan. Perusahaan memproduksi asam sulfat Perusahaan menugaskan orang tertentu
(H2SO4) teknis dan aluminium sulfat untuk melakukan pendokumentasian
(Al2(SO4)3.xH2O) dengan jumlah karyawan bagaimana sebuah pekerjaan dikerjakan.
tetap sebanyak 119 orang dan buruh borongan Hal tersebut dituangkan dalam dokumen
sebanyak 52 orang. PT. Dunia Kimia Utama WI (work instruction) dan segala kegiatan
memiliki visi menjadi produsen sulfuric acid dan di dalam perusahaan, baik di pabrik
alumunium sulfat terbaik di wilayah Sumatera, ataupun kantor harus mengikuti prosedur
dan misi menjadi produsen sulfuric acid dan yang tercatat dalam dokumen WI tersebut.
alumunium sulfat terutama di wilayah Sumatera 3. Storyboard
dengan nilai jual dan purna jual terbaik, melalui Beberapa prosedur kerja di dalam
peningkatan kinerja kualitas, kesehatan dan perusahaan juga dituangkan ke dalam
keselamatan kerja, serta lingkungan secara bentuk gambar seperti prosedur evakuasi
berkesinambungan untuk menunjang bila terjadi kebakaran, prosedur
pengembalian bagi stakeholder[2]. menggunakan alat berat, prosedur
Untuk menjalankan visi dan misi tersebut, mengangkat beban, prosedur pemesanan
PT. Dunia Kimia Utama memiliki strategi bisnis, bahan baku, dan prosedur penjualan.
yaitu menjaga kepercayaan pelanggan dan Gambar-gambar tersebut ditempelkan di
berusaha memiliki integritas yang terbaik. beberapa tempat yang mudah dilihat
Sebagai satu-satunya perusahaan penghasil asam pekerja.
329
Seminar Nasional Informatika 2014
330
Seminar Nasional Informatika 2014
[8] Uriarte A. Filemon, 2008, Introduction to [9] Rothwell J William, 2004, Knowledge
Knowledge Management, Jakarta, ASEAN Transfer: 12 Strategies for Succession
Foundation. Management, Virginia, IPMA-HR News.
331
Seminar Nasional Informatika 2014
Abstrak
Mengingat banyaknya perangkat lunak pembelajaran berwawasan asing, membuat ketakutan akan hilangnya
wawasan nusantara pada siswa dan siswi yang umumnya, khususnya mengenai budaya dan adat istiadat yang
ada pada tiap tiap provinsi di Indonesia yang jumlahnya cukup banyak dan memiliki ribuan budaya yang sulit
untuk diingat secara keseluruhan. Saat ini media pembelajaran bukan hal baru untuk dikembangkan dan
diaplikasikan, karena aplikasi media pembelajaran tersebut merupakan bagian dari segala bentuk informasi
yang mampu menyajikan komponen suara, gambar, animasi, video dan teks menjadi sesuatu yang bermanfaat
untuk suatu kepentingan. Media pembelajaran sebagai segala sesuatu yang dapat menyampaikan dan
menyalurkan pesan dari sumber secara terencana sehingga tercipta lingkungan belajar yang kondusif dimana
penerimanya dapat melakukan proses belajar secara efisien dan efektif. Aplikasi ini dibuat untuk
meningkatkan wawasan siswa dan siswi terhadap kekayaan kebudayaan Indonesia yang merupakan bentuk
untuk meningkatkan rasa nasionalisme bagi siswa dan siswi.
Kata Kunci : Media Pembelajaran, Pemetaan Kekayaan Budaya Indonesia dan Java Neatbean 6.9
332
Seminar Nasional Informatika 2014
333
Seminar Nasional Informatika 2014
334
Seminar Nasional Informatika 2014
Antarmuka
Menampilkan informasi
Evaluasi pengetahuan
Hasil evaluasi
START
2. tentang
3. suara
4. bantuan
Klik provinsi evaluasi keluar
Proses main
Main lagi
Halaman
Proses main Halaman tentang Setelan suara
bantuan
END
END
335
Seminar Nasional Informatika 2014
Input jawaban
Proses pengecekan
jawaban
Hasil menampilkan
tingkat pengetahuan
START
Informasi kontent
1, evaluasi
2. kembali / main
END
336
Seminar Nasional Informatika 2014
337
Seminar Nasional Informatika 2014
Daftar Pustaka [5] Maryati Rita. 2012. Adat dan Budaya Khas
Nusantara. Jakarta : Praninta Offset
[1] Arsyad, Azhar. 2011. Media Pembelajaran. [6] Nugroho, A., 2005, Analisis dan
Jakarta : Raja Grafindo Persada
Perancangan Sistem Informasi Dengan
[2] Jogiyanto, H.M. 2005. Analisis Dan Desain
Sistem Informasi. Yogyakarta : Penerbit Metodologi Berorientasi Objek, Penerbit
Andi. Informatka : Bandung.
[3] Komputer Wahana, 2011, Membangun [7] Rosa As dan M.Shalahudin, 2013, Rekayasa
Aplikasi Bisnis Dengan Ide Netbeans 7, Perangkat Lunak Pendekantan Terstruktur,
Semarang : Penerbit Andi. Bandung : Informatika.
[4] Kurnia, Dendi Novy. 2012, Upaya Guru [8] Sadiman, Arif.S . 2006. Media Pendidikan,
Dalam Pengunaan Media Pembelajaran Pengertian, Pengembangan, dan
Seni Budaya Sebagai Sarana Pendukung Pemanfaatannya Jakarta : PT Raja
Dalam Pembelajaran Seni lukis Di SMA GrafidoPersada.
Negeri 2 Situbondo. Universitas Negeri [9] Sutabri, Tata. 2012. Analisa \ Sistem \
Malang : Malang. Informasi.Yogyakarta : Penerbit Andi.
338
Seminar Nasional Informatika 2014
Abstrak
Mobilitas pengolahan data sangat diperlukan untuk mempercepat pengolahan data inventori barang yang
mencakup pendataan barang masuk, peminjaman dan pengembalian barang sampai informasi kondisi barang
yang selalu di lakukan oleh bagian Pusat Komputer (PUSKOM) STMIK Tasikmalaya dalam hal pengelolaan 5
laboratoium komputer yang terletak di dua gedung yang berjauhan. Dengan populernya aplikasi berbasis android
memungkinkan informasi inventori barang tersebut yang dapat diakses melalui perangkat smartphone kapan saja
dan dimana saja. Sistem informasi inventori barang berbasis android ini dirancangan dengan menerapkan metode
berorientasi objek yaitu Unified Modeling Language (UML) untuk dapat menggambarkan data dan proses
menjadi kesatuan yg dinamakan objek[1]. Dengan adanya sistem inventori barang berbasis android ini, mampu
memberikan solusi untuk menangani masalah penyajian informasi inventori barang karena pengolahan data
inventori bias dilakukan dimana saja dengan perangkat smartphone tiap pegawai serta menampilkan informasi
barang kapan saja saat dibutuhkan.
339
Seminar Nasional Informatika 2014
340
Seminar Nasional Informatika 2014
5. Pengujian
Dalam tahap ini setelah sistem selesai
dirancang, dilakukan pengetesan terhadap
sistem yang telah dibuat menggunakan
metode black box. Pengujian ini bertujuan
untuk mengetahui apakah sistem yang telah
dibuat berjalan sesuai keinginan atau tidak.
6. Pemeliharaan
Setelah proses pengetesan sistem yang telah
dibuat, maka tahap selanjutnya adalah
pemeliharaan. Dalam tahap pemeliharaan,
akan ada tahap perbaikan apabila sewaktu-
waktu terjadi kegagalan sistem dan jika ada
peningkatan sistem sebagai kebutuhan yang
Gambar 3. Diagram Activity Olah Data
baru.
Barang Masuk
3. HASIL DAN PEMBAHASAN
2. Olah Data Jenis Barang
Activity Diagram yang diusulkan untuk
A. Use Case Diagram
perancangan sistem informasi inventori barang
Sistem ini memiliki actor yaitu a)
laboratorium di STMIK TASIKMALAYA di
koordinator barang yang bertugas untuk mengolah
bagian Olah Data Jenis Barang seperti gambar 4.
data barang secara keseluruhan, b) koordinator
setiap laboratorium yang bertanggung jawab
untuk setiap barang yang ada dimasing2 lab dan
c) ketua Puskom yang bertugas untuk mengawasi
pengelolaan inventori barang.
B. Activity Diagram
1. Olah Data Barang Masuk
Activity Diagram yang diusulkan untuk
perancangan sistem informasi inventori barang
laboratorium di STMIK TASIKMALAYA di
bagian Olah Data Barang seperti gambar 3. Gambar 5. Diagram Activity Olah Data
Peminjaman Barang
341
Seminar Nasional Informatika 2014
Jenis_barang
Dt_jenis_barang
Id_lab
Terdiri
Nama_lab Dt_lab
Ketua
Puskom
Gambar 9. ERD Inventori Barang
(Aktor)
Desain database Sistem Informasi
Inventori Barang menggunakan 5 entitas, yaitu
data barang, data jenis barang, data lab, data
pengecekan barang, dan data peminjaman barang.
Entitas data barang memiliki hubungan one to
many dengan entitas data pengecekan dan data
peminjaman. Entitas data jenis barang memiliki
hubungan one to one dengan entitas data barang.
Entitas data lab memiliki hubungan one to one
dengan entitas data barang.
342
Seminar Nasional Informatika 2014
5. SARAN
Sistem yang dirancangan masih memiliki
kekurangan dari sisi pengguna, karena pengguna
masih dibatasi untuk staf Puskom saja. Sedangkan
untuk unit kerja lain di STMIK Tasikmalaya belum
dapat mengakses langsung informasi data barang
pada saat akan melakukan peminjaman barang ke
bagian Puskom. Untuk pengembangan selanjutnya,
diharapkan dapat memberikan fasilitas penyajian
informasi data barang untuk unit kerja lainnya yang
berhubungan.
DAFTAR PUSTAKA
343
Seminar Nasional Informatika 2014
Abstrak
Rumah Bersalin merupakan tempat persalinan dan pengobatan, semakin banyak jumlah pasiennya maka akan
semakin banyak pasien yang dapat ditolong dalam proses persalinan dan pengobatan. Jika semakin banyak
jumlah pasien yang dapat ditolong proses persalinannya maka semakin sedikit resiko bayi yang dilahirkan
dan ibu yang melahirkan meninggal dunia. Penelitian pada data mining saat ini akan menggunakan metode
Rough Set yang akan digunakan untuk melakukan analisis data dari hasil pengelompokan data, sehingga
dapat mengetahui calon pasien lebih akurat dan upaya yang harus dilakukan untuk melakukan promosi
medicine lebih akurat, efektif, dan sempurna, dengan adanya pengelompokan yang sudah terkomputerisasi
menjadi lebih baik.
344
Seminar Nasional Informatika 2014
345
Seminar Nasional Informatika 2014
346
Seminar Nasional Informatika 2014
347
Seminar Nasional Informatika 2014
Ada beberapa kriteria yang dapat menyimpulkan b. Jika jarak rumah rumah calon pasien
kelurahan mana yang akan diprioritaskan untuk ke Rumah Bersalin Sri Wahyuni >
promosi, yaitu: 1 - 3 Km maka jaraknya jauh.
4. Hasil
1. Kelurahan Atribut hasil merupakan kesimpulan dari
Data Kelurahan diambil dari kantor atribut-atribut kondisi seperti kelurahan,
Kecamatan marelan Kota, berdasarkan atribut pendapatan dan jarak. Hasil terbagi atas 3
ini dapat dilihat informasi yang akan dijadikan antara lain:
sampel data yang akan diproses. a. Jika pendapatannya besar atau sedang
dan jarak dekat atau jauh maka
2. Pendapatan hasilnya prioritas.
Data pendapatan diambil dari data kuisioner b. Jika pendapatannya kecil dan
pendapatan perorangan. Pendapatan terbagi jaraknya dekat maka hasilnya
atas 3 kategori antara lain: prioritas atau tidak prioritas.
a. Jika jumlah pendapatan perorangan > c. Jika pendapatan kecil dan jaraknya
Rp. 2.500.000 maka pendapatannya jauh maka tidak prioritas
besar.
b. Jika jumlah pendapatan perorangan > Reduct
Rp. 1.000.000 - < Rp. 2.500.000 Proses Reduct, merupakan proses
maka pendapatannya sedang. penyeleksian atribut minimal (interesting
c. Jika jumlah pendapatan perorangan < attribute) dari sekumpulan kondisi dengan
Rp. 1.000.000 maka pendapatannya menggunakan prime implicant fungsi Boolean.
kecil. Langkah-langkah dalam pencarian reduct adalah
sebagai berikut:
3. Jarak 1. Dengan cara membuat persamaan aljabar
Data jarak diambil dari data kuisioner Boolean berdasarkan dari tabel 4.6 hasil
pendapatan perorangan. Jarak terbagi atas 2 Discernibility Matrix Module D, Misalnya
kategori antara lain sebagai berikut: E1 = B. ABC. ABC, karena ABC na ada
a. Jika jarak rumah rumah calon pasien dua maka dipilih satu saja, E1 = B. ABC.
ke Rumah Bersalin Sri Wahyuni 0 Persamaan aljabar Boolean-nya (ABC).
- < 1 Km maka jaraknya dekat. 2. Setelah itu melakukan penyederhanaan
persamaan tersebut dengn prinsip atau
konsep aljabar Boolean. Misalnya B
348
Seminar Nasional Informatika 2014
DaftarPustaka
349
Seminar Nasional Informatika 2014
[5] Mewati Ayub (2007). “Proses Data Mining Mahasiswa.” Seminar dan Call For Paper
dalam Sistem Pembelajaran Berbantuan Munas Aptikom. 156-157.
Komputer.” Jurnal Sistem Informasi. Volume [7] Oladipupo O, O. dan Oyelade O, J. (2009).
2 No 1. 21-23. “Knowledge Discovery from Students Result
[6] Beta Noranita dan Nurdin Bahtiar (2010). Repository : Association Rule Mining
“Implementasi Data Mining untuk Approach .” International Journal of Computer
Menemukan Pola Hubungan Tingkat Scienceand Security (IJCSS). Volume 4. 199.
Kelulusan Mahasiswa dengan Data Induk
350
Seminar Nasional Informatika 2014
Abstrak
Grafologi merupakan salah satu cabang ilmu psikologi yang mempelajari tentang karakter / sifat seorang
manusia melalui pola tulisan tangannya. Dalam menganalisa tulisan tangan, seorang grafolog (ahli grafologi)
membutuhkan waktu yang relatif lama. Sehingga pekerjaan ini dapat diefisienkan dengan membangun suatu
aplikasi grafologi menggunakan kecerdasan buatan (Artificial Intelligence). Backpropagation merupakan
algoritma Jaringan Saraf Tiruan (JST) yang digunakan untuk pengenalan pola pada citra digital. Algoritma
backpropagation akan menentukan nilai bobot - bobot pada proses pelatihan kemudian disimpan ke dalam
database. Nilai bobot tersebut akan digunakan pada proses pengujian. Sebelum informasi citra diproses oleh
algortima maka terlebih dahulu dilakukan proses noise filtering, binerisasi, cropping, dan resizing sehingga
akan dihasilkan citra pola untuk masing - masing huruf. Setiap citra huruf akan dilakukan ekstraksi pola
(feature extraction) yang menghasilkan 100 bit data dan akan dilatih dengan menggunakan algortima
backpropagation. JST bakcpropagation dilatih dengan menggunakan 170 citra huruf dari 7 abjad yaitu a, g, i,
j, o, t, dan y dengan kategori huruf yang berbeda dan diuji dengan 255 citra huruf yang terdiri atas 170 huruf
data latih / data set dan 85 huruf di luar data set, 5 kata dan 2 kalimat dengan panjang tulisan dan jenis tulisan
yang berbeda.
351
Seminar Nasional Informatika 2014
orang berdasarkan tulisan tangan dapat dilakukan - Huruf “i” dengan titik berada tepat di atas
melalui kalimat yang dituliskan. batang. Menunjukkan fokus penulis pada
kondisi yang sekarang sedang dijalani dan
2. Kajian Pustaka memiliki pribadi yang stabil dan sabar.
2. Huruf “a”
2.1 Citra - Huruf “a” terbuka di atas. Seorang yang
Citra (image) adalah gambar pada bidang fasih dalam berbicara, bahkan kadang kala
dwimatra (dua dimensi). Ditinjau dari sudut berbicara tanpa terlebih dahulu berpikir apa
pandang matematis, citra merupakan fungsi yang akan dibicarakan, dermawan, jujur
menerus (continue) dari intensitas cahaya pada dan tulus.
bidang dwimatra. Citra sebagai keluaran dari - Huruf “a” tertutup rapat. Mengindikasikan
suatu sistem perekaman data dapat bersifat optik seseorang yang tertutup dalam hal yang
berupa foto, analog berupa sinyal video seperti berhubungan dengan perasaan. Individu ini
gambar pada monitor televisi dan digital yang akan jujur dan terus terang jika ditanya
dapat langsung disimpan pada suatu pita magnetik mengenai pendapatnya.
[2]. - Huruf “a” balok. Mengindikasikan
individu yang termasuk kedalam golongan
2.2 Grafologi yang menyukai bidang seni, musik, budaya
Secara etimologis, kata grafologi berasal dan sastra.
dari bahasa yunani, yaitu “grapho” yang berarti 3. Huruf “t”
menulis, dan “logos” yang berarti sebuah cabang - t-bar naik ke atas. Menunjukkan individu
studi ilmiah. Sehingga grafologi dapat diartikan yang optimis, dinamis, dan termotivasi.
sebagai suatu cabang ilmu yang mempelajari dan Selain itu menggambarkan pribadi yang
menganalisis tulisan tangan yang secara khusus bersemangat, percaya diri, dan antusias.
berkaitan dengan psikologis manusia [3]. Tulisan - t-barHorizontal. Menunjukkan individu
tangan yang dapat dianalisis dalam grafologi yang tenang, dapat mengendalikan diri
antara lain ukuran (besar dan kecil) tulisan dan dalam berfikir dan bertindak.
kategori huruf [1,4,5]. - t-barMenurun. Menunjukkan individu
yang suka bergantung pada orang lain,
a. Ukuran Huruf mudah putus asa dan pasrah, serta kurang
Ukuran merupakan cerminan dari konsentrasi termotivasi
dan keterbukaan seseorang. Berikut adalah 4. Huruf “o”
penganalisaan berdasarkan ukuran huruf : - Huruf “o” tertutup. Mengindikasikan
1. Ukuran Huruf Besar. Ukuran huruf besar seseorang yang terkadang suka memotong
menunjukkan seseorang memerlukan Pembicaraan.
pengakuan dari orang lain. Orang ini - Huruf “o” tidak tertutup penuh / terbuka.
senang untuk diperhatikan dan dipuji. Mengindikasikan seseorang yang suka
2. Ukuran Huruf Kecil. Jika seseorang berkata bohong
menulis dengan ukuran huruf kecil, 5. Huruf “j”
berarti orang itu memiliki konsentrasi - Huruf “j” dengan loop. Mencerminkan
yang baik dalam rentang waktu yang pribadi yang punya keinginan, pasti
panjang terhadap suatu hal. Individu terwujud dan apabila meraih keingin-
dengan ukuran huruf kecil biasanya annya memerlukan waktu yang lama, maka
menempatkan diri dibawah kontrol yang akan menjadi beban pikirannya (Kekuatan
ketat dan mampu menyelesaikan motivasi untuk meraih "sukses").
pekerjaannya dengan baik. - Huruf “j” tanpa titik. Menunjukkan penulis
3. Ukuran Huruf Normal. Apabila tulisan adalah seorang yang pelupa.
seseorang berukuran normal maka 6. Huruf “g”
kepribadiannya dianggap stabil. - Huruf “g” dengan loop. Mencerminkan
pribadi yang punya keinginan, pasti
b. Kategori Huruf terwujud dan apabila meraih keingin-
1. Huruf “i” annya memerlukan waktu yang lama, maka
- Huruf “i” dengan titik berada disebelah akan menjadi beban pikirannya (Kekuatan
kanan. Menunjukkan perhatian yang fokus motivasi untuk meraih "sukses").
ke masa depan. - Huruf “g” garis lurus. Menunjukkan
- Huruf “i” dengan titik berada di sebelah individu yang mandiri dan percaya diri.
kiri. Menunjukkan fokus perhatian pada 7. Huruf “y”
masa lalu dan membutuhkan waktu dalam - Huruf “y” dengan loop. Mencerminkan
berproses dan berpikir. pribadi yang punya keinginan, pasti
terwujud dan apabila meraih keingin-
352
Seminar Nasional Informatika 2014
353
Seminar Nasional Informatika 2014
Metode noise filtering yang digunakan dalam digunakan untuk mendapatkan hasil analisis
aplikasi ini yaitu metode pixel neighborhood. grafologi seperti yang telah dijelaskan pada
Pixel neighborhood merupakan istilah dalam Bagian 2.2.
image processing yang artinya pixel tetangga.
2. Proses Binerisasi
Hasil dari proses noise filtering menyebabkan
citra menjadi kabur, sehingga dilakukan
proses binerisasi agar informasi pixel pada
citra menjadi jelas kembali. Untuk
menjalankan proses binerisasi dilakukan
proses grayscale terlebih dahulu
3. Proses Croping (segmentasi karakter)
Proses croping dilakukan untuk memisahkan Gambar 2. Tampilan Proses Pelatihan Aplikasi
setiap pola huruf yang ada di dalam citra Grafologi dengan Algoritma Backpropagation
menjadi citra huruf yang baru. Untuk
menentukan posisi dari huruf yang akan di Tampilan form pengujian aplikasi grafologi dapat
crooping, maka akan dilakukan 2 tahapan dilihat pada Gambar 3.
yaitu penelusuran secara vertikal dan
penelusuran secara horizontal.
4. Proses resizing
Masing - masing citra huruf yang baru akan
melalui proses resizing. Proses resizing
dilakukan dengan mengubah ukuran setiap
citra huruf menjadi ukuran 10 x 10 pixel.
5. Proses ekstraksi pola
Proses ekstraksi pola bertujuan untuk
mengubah nilai dari setiap pixel menjadi 0
atau 1. Ekstraksi pola untuk masing - masing Gambar 3. Tampilan Proses Pengujian
citra huruf menghasilkan 100 bit data dan Aplikasi Grafologi dengan Algoritma
akan dipakai pada proses pelatihan dan Backpropagation
proses pengujian.
6. Algoritma backpropagation 4.2 Pengujian
Aloritma backpropagation mempunyai dua 4.2.1 Pengujian Per-Huruf
tahapan yaitu proses pelatihan dan proses
pengujian. Sebelum melakukan proses Tabel 1 menunjukkan hasil pengujian per
pengujian harus dilakukan proses pelatihan huruf citra tulisan tangan terhadap 255 citra huruf
terlebih dahulu. Pada proses pelatihan, semua yang terdiri dari 170 data set dan 85 huruf (diluar
data pola yang telah disimpan kedalam data data set) dari 17 kategori dengan masing – masing
set akan dilatih secara bersamaan. Pada kategori sebanyak 5 huruf.
proses pengujian, semua pola yang telah
disimpan di dalam database akan diambil Tabel 1. Hasil Pengujian Per-Huruf
kembali dan dihitung dengan nilai input dari Test Test
data yang diuji. Huruf Dataset Diluar (data- (data
train) diluar)
A 30 15 100% 73%
4. Hasil dan Pengujian G 20 10 95% 70%
I 30 15 93% 80%
Perangkat lunak dirancang menggunakan J 20 10 80% 70%
Microsoft Visual Basic 2008 dan SQL Server O 20 10 95% 80%
2008 R2 digunakan sebagai basis data (database) T 30 15 90% 73%
serta DotNetBar, sebagai tools tambahan untuk Y 20 10 90% 70%
mendesain antarmuka aplikasi. Rata-rata 92% 74%
4.1 Hasil Dari data pengujian per-huruf secara keseluruhan
data (170 data set dan 85 data diluar) dapat
Tampilan form pelatihan aplikasi grafologi
disimpulkan bahwa nilai keakuratan aplikasi
dapat dilihat pada Gambar 2. Pada penelitian ini,
grafologi menggunakan algoritma jaringan saraf
aplikasi telah melakukan proses pelatihan untuk
tiruan backpropagation untuk data set mencapai
170 huruf dari 17 kategori, dimana setiap kategori
92 % dan data diluar mencapai 74 %.
terdiri dari 10 huruf. Setiap huruf yang dilatih
354
Seminar Nasional Informatika 2014
355
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km. 6,5 No. 3A Tanjung Mulia Medan
E-mail: aiyu.lestari13@gmail.com
Abstrak
Secara geografis Indonesia terletak pada pertemuan 3 lempeng yaitu, lempeng Asia, lempeng Pasifik, dan
lempeng Australia sehingga menyebabkan sebagian wilayahnya rawan terhadap bencana. jumlah bencana
termasuk sangat tinggi jika dibandingkan Negara-negara lainnya. Para korban bencana sangat membutuhkan
bantuan dari pemerintah ataupun donator-donatur perseorangan atau pun instansi. Selama ini proses
pengadaan barang dari pemerintah masih kurang sesuai dengan kebutuhan korban bencana. penyebab kurang
sesuainya bantuan antara lain kurang cepat atau akuratnya informasi kebutuhan yang dibutuhkan korban
bencana. Hasil penelitian ini adalah merancang aplikasi berbasis Web dalam memberikan informasi tentang
kebutuhan korban bencana pada saat bencana terjadi ada Pasca bencana sehingga barang logistik yang masuk
sesuai dengan kebutuhan korban baik dari segi jumlah korban, usia dan jenis kelamin korban bencana.
356
Seminar Nasional Informatika 2014
permintaan barang dan pengadaan barang. Oleh Lembaran Negara Republik Indonesia
karena itu pada penelitian itu akan di Nomor 4829);[2]
sempurnakan dengan melakukan penambahan
sistem permintaan dan pengadaan barang. 3.2. Perancangan Database
357
Seminar Nasional Informatika 2014
an r delete no
3 tempat_lahir Cha 50 Not null action,
r 2 id_barang int 10 Foreign
4 Tgl_lahir date - Not null Key
5 alamat char 50 Not null 3 jumlah int 10 CHECK
6 JK char 50 Not null jumlah>
7 telp int 15 Not null =0
8 email char 50 Not null
6. Tabel Distribusi
3. Tabel Posko
Tabel 6. Struktur Tabel Distribusi
Tabel 3. Struktur Tabel Posko N Nama Field Type Leng Constr
N Nama Typ Leng Constraint o th aint
o Field e th 1 id_keluar Int 10 Primar
1 id_posko Int 10 Primary y Key,
Key, Not Not
Null, update Null,
cascade, update
delete no cascade
action, , delete
2 nama_posk Cha 50 Not null no
o r action,
3 tempat_po Cha 50 Not null 2 id_relawan int 10 Foreign
sko r Key
4 id_kecama int 10 Foreign Key 3 id_posko int 10 Foreign
tan Key
5 nama_koor char 50 Not null 1 id_permintaa Int 10 Foreign
dinasi n Key
6 telp int 15 Not null 2 tgl date - Not
null
4. Tabel Penerimaan 3 jam time - Not
null
Tabel 4. Struktur Tabel Penerimaan
N Nama Typ Leng Constraint 7. Tabel Permintaan
o Field e th
1 id_masuk Int 10 Primary Tabel 7. Struktur Tabel Permintaan
Key, Not N Nama Typ Leng Constraint
Null, update o Field e th
cascade, 1 id_permint Int 10 Primary
delete no aan Key, Not
action, Null, update
2 id_relawan int 10 Foreign Key cascade,
3 id_donatur int 10 Foreign Key delete no
4 id_posko int 10 Foreign Key action,
5 tgl Dat - Not null 2 id_relawan int 10 Foreign Key
e 3 id_posko int 10 Foreign Key
6 jam tim - Not null 4 Nama_bara char 50 Not null
e ng
5 tgl date - Not null
5. Tabel Detail Penerimaan
8. Tabel Detail Permintaan
Tabel 5. Struktur Tabel Detail Penerimaan
N Nama Type Leng Constrai Tabel 8. Struktur Tabel Detail Permintaan
o Field th nt N Nama Typ Len Constraint
1 id_masuk Int 10 Primary o Field e gth
Key, Not 1 id_permint Int 10 Primary Key,
Null, aan Not Null,
update update
cascade, cascade, delete
358
Seminar Nasional Informatika 2014
cascade,
delete no Gambar 2. Diagram Konteks
action,
2 nama_bara char 50 Not Null 3.4.2. DFD Level I
ng Gambar dibawah ini merupakan gambar DFD
3 id_jenis int 10 Foreign Key level 1 pada sistem ini proses Sistem
Manajemen Pengadaan Logistik Bencana
10. Tabel Jenis_Barang dipecah menjadi 5 proses yaitu : sistem
informassi korban bencana, sistem informasi
Tabel 10. Struktur Tabel Jenis_Barang barang, sistem informassi permintaan, sistem
informasi kebutuhan, sistem informasi
N Nama Typ Leng Constraint
donator.
o Field e th Input data Korban
1 id_jenis Int 10 Primary Posko Data_korban
Key, Not
Null, update Sistem Informasi
Korban bencana
cascade, Laporan Korban Bencana
delete no Barang_masuk
Sistem Informasi
2 nama_jenis char 50 Not Null Laporan Stok Barang
Laporan Barang Masuk
Barang
Stok_Brg
action,
2 id_barang int 10 Foreign Key Sistem Informasi
Donatur
Data_Donatur
Informasi Kebutuhan korban
3 jumlah int - Not Null,
CHECK
jumlah>= 0 Gambar 3. DFD Level 1
359
Seminar Nasional Informatika 2014
6. Saran
Daftar Pustaka
360
Seminar Nasional Informatika 2014
361
Seminar Nasional Informatika 2014
Abstrak
Pengamanan data pada saat sangat dibutuhkan sekali, apalagi dalam hal jaringan komputer, siapapun dan
dimanapun jaringan kita dapat dibobol atau diakses orang lain tanpa kita sendiri ketahui, maka dari itu perlu
diketahui bagaimana seseorang dapat mengakses jaringan komputer kita atau orang lain, dalam penelitian ini
akan dibahas mengenai metode wireshark dan cain dalam penggunaan jaringan internet
2. Landasan Teori
362
Seminar Nasional Informatika 2014
Gambar 8. Tampilan Menu Utama Cain Gambar 11. Menghidupkan Sistem Sniffer
Pada Cain
Selanjutnya, pilih menu Configure, lalu akan
muncul menu Configure seperti berikut : Lalu klik tombol add to list yang berwarna biru
untuk menambahkan host yang akan di sniffing,
lalu klik ok.
363
Seminar Nasional Informatika 2014
364
Seminar Nasional Informatika 2014
3.2.1.1. Analisis Paket HTTP Gambar 21. Detail Paket dari Logout
Berdasarkan paket yang didapat, host Facebook
tujuan yang digunakan adalah
http://www.ziddu.com, hal tersebut berdasarkan Untuk melihat server enkripsi yang digunakan
pada baris informasi paket yaitu Referer: situs ini, maka dapat dilakukan dengan mengetik
http://www.ziddu.com/upload.php. Tanggal pada filter, sintaks berikut : ssl contains
pengambilan paket terlihat pada baris Date: Thu, "facebook". Maka akan muncul paket data
07 Nov 2013 16:16:36 GMT, yaitu hari Kamis, 7 protokol SSL ( Secure Socket Layer) yaitu
November 2013. Server host ziddu menggunakan protokol keamanan data yang digunakan untuk
Apache, sesuai dengan baris informasi Server: menjaga pengiriman data antar server dan client.
Apache. Pada baris yang diseleksi, terdapat
informasi mengenai akun pengguna yaitu
username : Poo22, dan email :
the.dark.heart19@gmail.com. Hal tersebut
merupakan salah satu kelemahan protokol HTTP,
karena tidak memiliki enkripsi, sehingga
seringkali username dan password pengguna
dapat tertangkap oleh pengguna yang tidak
berhak. Untuk itu tidak ada, transaksi internet
banking, dan pembayaran lainnya menggunakan
protokol ini.
365
Seminar Nasional Informatika 2014
Daftar Rujukan
366
Seminar Nasional Informatika 2014
STMIK Potensi Utama, Jl. K.L Yos Sudarso Km.6,5 No.3A Tanjung Mulia
ummi12gibmie@gmail.com
Abstrak
Pepaya merupakan salah satu buah yang banyak dinikmati, selain rasanya yang manis menyegarkan, pepaya
juga mengandung nutrisi yang sangat baik bagi kesehatan. Betakaroten, Vit C, Vit B1, B2, Kalsium, Fospor,
Kalium, dan Betakaroten berfungsi sebagai antioksidan. Sehubungan dengan upaya pembudidayaan pepaya,
terdapat beberapa kendala, diantaranya adalah hama dan penyakit. Menurut hasil wawancara dengan petani
pepaya, pengetahuan masyarakat, khususnya para petani pepaya sangat minim. Kurangnya informasi yang
didapat oleh para penyuluh pertanian untuk memberikan pengarahan pada para petani pepaya juga
merupakan permasalahan utama yang menjadi dasar dibangunnya Sistem Pakar untuk Mendiagnosis
Penyakit pada Tanaman Pepaya. Dalam menentukan keputusan jenis penyakit tanaman pepaya, sistem ini
menggunakan konsep Certainty Factor (CF). Sistem akan mencari nilai CF tertinggi, dari berbagai
kemungkinan jenis penyakit berdasarkan gejala yang dimasukkan user dan hasilnya ditampilkan kepada user.
Sistem Pakar untuk Mendiagnosis Penyakit pada Tanaman Pepaya menghasilkan keputusan penentuan jenis
penyakit berdasarkan gejala yang dimasukkan. Nilai CF yang mungkin dihasilkan adalah antara 0 sampai
dengan 1. Jika nilai CF yang dihasilkan semakin mendekati 1, maka semakin tinggi kepastian terkena
penyakit terkait. Sebaliknya, Jika nilai CF yang dihasilkan semakin mendekati 0, maka semakin rendah
kepastian terkena penyakit terkait. Hasil diagnosis yang ditampilkan bagi pengguna meliputi nama penyakit,
gejala, dan Solusi mengatasi hama dan penyakit pada tanaman pepaya.
367
Seminar Nasional Informatika 2014
memecahkan masalah yang cukup sulit sehingga parameter klinis yang diberikanMYCIN untuk
membutuhkan keahlian khusus dari manusia. menunjukkan besarnya kepercayaan.
Dengan kata lain, sistem pakar adalah sistem Certainty factor didefinisikan sebagai berikut
komputer yang ditujukan untuk meniru semua (Giarattano dan Riley, 1994):
aspek (emulates) kemampuan pengambilan
keputusan (decision making) seorang pakar. CF(H,E) = MB(H,E) - MD(H,E)……………[2.1]
Sistem pakar memanfaatkan secara maksimal
pengetahuan khusus selayaknya seorang pakar CF(H,E): certainty factor dari hipotesis H yang
untuk memecahkan masalah. [1] dipengaruhi oleh gejala (evidence) E.Besarnya CF
berkisar antara -1 sampai dengan 1. Nilai -1
Manfaat Sistem Pakar menunjukanketidakpercayaan mutlak sedangkan
Secara garis besar, banyak manfaat yang nilai 1 menunjukan kepercayaan mutlak.
dapat diambil dengan adanya sistem pakar, antara MB(H,E): ukuran kenaikan kepercayaan (measure
lain [2]: of increased belief ) terhadaphipotesis H yang
13. Membuat seorang yang awam bekerja seperti dipengaruhi oleh gejala E.
layaknya seorang pakar. MD(H,E): ukuran kenaikan ketidakpercayaan
14. Meningkatkan produktivitas akibat (measure of increased disbelief )
meningkatnya kualitas hasil pekerjaan, terhadaphipotesis H yang dipengaruhi oleh gejala
mengingkatnya kualitas pekerjaan ini E.
disebabkan meningkatnya efisiensi kerja.
15. Menghemat waktu kerja. 2.3. Menentukan CF Paralel
16. Menyederhanakan pekerjaan. Menurut Kusrini (2008) pengertian mengenai
17. Merupakan arsip terpercaya dari sebuah certainty factor paralel dan contoh penerapannya
keahlian, sehingga bagi pemakai sistem pakar adalah sebagai berikut.Certainty factor paralel
seolah-olah berkonsultasi langsung dengan merupakan CF yangdiperoleh dari beberapa
sang pakar, meskipun mungkin sang pakar premis pada sebuah aturan. Besarnya CF paralel
telah tiada. dipengaruhi olehCF user untuk masing-masing
Memperluas jangkauan, dari keahlian seorang premis dan operator dari premis. Rumus untuk
pakar. Di mana sebuah sistem pakar yang telah masing-masing operator adalah sebagai berikut :
disahkan, akan sama saja artinya dengan seorang
pakar yang tersedia dalam jumlah besar (dapat CF (x Dan y)= Min(CF(x),CF(y)) .…….……[2.2]
diperbanyak dengan kemampuan yang persis CF (x Atau y)=
sama), dapat diperoleh dan dipakai di mana saja. Max(CF(x),CF(y))……….…..[2.3]
CF (Tidak x)= -CF(x)..………………………[2.4]
Metode Certainty Factor
Dalam aplikasi sistem pakar terdapat suatu Pengetahuan mengenai Tanaman Pepaya
metode untuk menyelesaikan Pepaya merupaka tanaman buah berupa herba dari
masalahketidakpastian data, salah satu metode family Caricaceae yang berasal dari amerika
yang dapat digunakan adalah faktor kepastian tengan dan Hindia barat, bahkan kawasan sekitar
(certainty factor ) (Kusrini, 2008). Faktor meksiko dan kosta rika. Tanaman papaya ditanam
keyakinan diperkenalkan oleh ShortliffeBuchanan orang, baik didaerah tropis maupun subtropics,
dalam pembuatan MYCIN (Wesley).Certainty disaerah-daerah basah dan kering, atau didaerah-
factor (CF) merupakan nilaiparameter klinis yang daerah dataran pegunungan (sampai 1.00 m dpl).
diberikan MYCIN untuk menunjukan besarnya Buah papaya merupakan buah meja bermutu dan
kepercayaan. Ada 2 macam faktor kepastian yang bergizi tinggi. Papaya merupakan salah satu jenis
digunakan, yaitu faktor kepastian yang diisikan buah yang memiliki prospek yang baik untuk
oleh pakarbersama dengan aturan dan faktor dikembangkan di Indonesia.[4]
kepastian yang diberikan oleh pengguna.Faktor
kepastian yang diisikan oleh pakar METODOLOGI PENELITIAN
menggambarkan kepercayaan pakarterhadap
hubungan antara antacedent dan konsekuen. Subjek penelitian ini adalah membuat aplikasi
Sementara itu faktor kepastian daripengguna sistem pakar penentuan penyakit pada tumbuhan
menunjukan besarnya kepercayaan terhadap pepaya berdasarkan gejala yang ada dan
keberadaan masing-masing elemen dalam memberitahukan cara penanggulangan dari
antecedent. penyakit tanaman pepaya dengan menggunakan
metode certainty factor. Langkah yang dilakukan
Penerapan Metode Certainty Factor dalam penelitian ini meliputi analisis data:
Certainty factor diperkenalkan oleh Shortliffe mengumpulkan data dan mendiskripsikan data.
Buchanan dalam pembuatan MYCIN (Wesley Perancangan Sistem : Mengidentifikasi masalah
1984).Certainty factor (CF) merupakan nilai dan kebutuhan, menentukan masalah yang cocok,
368
Seminar Nasional Informatika 2014
369
Seminar Nasional Informatika 2014
PEMBAHASAN
Hasil
Dari hasil perancangan sistem yang sebelumnya CF(H,e) = CF (E,e) * CF(H,E)
terdapat hasil tampilah aplikas yang dibangun CF(E,e) = 1 nilai kepastian
sebagai berikut : CF(H,E) = min [ Rule CF(H,e)]
nilai 1 jika menggunakan min, -1 jika
Form konsultasi menggunakan max untuk batas kepastian
CF(H,e) = 1 * min [0.7, 0.8, 0.6]
CF(H,e) = 0.6
Dari perhitungan di atas, didapatkan nilai faktor
kepastian dari masukan gejala untuk gangguan
hama kutu putih adalah 0,6
KESIMPULAN
370
Seminar Nasional Informatika 2014
permasalahan ini dikatakan sudah sesuai dengan [2] Sari Ria Eka, 2013, Sistem Pakar Untuk
hasil perhitungan manual dan hasil diberikan oleh Mendeteksi Penyakit THT Dengan
sistem. Berdasarkan hasil analisa yang dilakukan Menggunakan Metode Forward Chaining,
dengan teknik sampling menunjukkan hasil 80% Prosiding SNIf STMIK Potensi Utama
dengan nilai CF yang telah ditetapkan., pengguna 2013.
merasa pada aplikasi yang dibuat sangat baik [3] Kusrini, 2008, Menentukan Faktor
dengan presentase 80 %. Kepastian Pengguna dengan metode
kuantifikasi pertanyaan, Yogyakarta : Andi.
DAFTRA PUSTAKA [4] Tim Karya Tani Mandiri, 2011, Pedoman
Bertanam Pepaya, Bandung : Nusa Aulia
[1] Rosnelly Rika, 2012, Sistem Pakar Konsep
dan Teori, Yogyakarta, Andi Offset.
371
Seminar Nasional Informatika 2014
Abstrak
Sistem Pendukung Keputusan Penentuan Mahasiswa Tugas Belajar merupakan program aplikasi yang dapat
dengan mudah dioperasikan dan digunakan guna menyeleksi para pegawai negeri sipil yang akan diberikan
penghargaan berupa tugas belajar ke perbagai jenjang pendidikan tinggi yang tersebar dibeberapa kota di
Indonesia dalam rangka peningkatan kualitas sumber daya aparatur. Hasil dari penelitian ini adalah bahwa
Sistem Pendukung Keputusan ini dibuat dengan pemodelan yang memperhatikan berbagai faktor yang
dipakai sebagai kriteria penilaian dan pemberian bobot diantaranya masa kerja, usia, kepangkatan, senioritas,
keadilan dan berbagai faktor lainnya yang dianggap relevan dengan kondisi dan realita pada Pemerintah
Kabupaten Maros. Model yang dibangun bersifat sederhana dan mudah untuk dioperasikan/digunakan serta
dilengkapi petunjuk penggunaan, memiliki kriteria-kriteria yang dapat dirubah bobot nilainya sesuai dengan
kesepakatan dan kebutuhan, dan sebagai penentu mahasiswa tugas belajar memberikan penilaian kepada
setiap calon mahasiswa guna membantu Pimpinan Daerah untuk menentukan Calon Mahasiswa tugas belajar
yang paling layak pada Pemerintah Kabupaten Maros.
372
Seminar Nasional Informatika 2014
373
Seminar Nasional Informatika 2014
4. Pembahasan
Kepegawaian
Admin
Keterangan :
MTB : Mahasiswa Tugas Belajar
nilainya ada pada Bupati (admin). Gambar 4.
4.1 Desain Dialog Login ke Sistem menunjukan implementasi dari proses pengaturan
Form ini digunakan untuk mengatur hak kriteria dan bobot nilai.
akses pemakai terhadap sistem, dimana masing-
masing diberi kewenangan yang berbeda-beda
dalam pengelolaan sistem tersebut, dimana admin
diberi wewenang untuk perubahan settingan
komponen kriteria, nilai dan bobot sedangkan
user dibatasi hanya mengoperasikan sistem secara
keseluruhan.
Gambar 2. Desain dialog login 4.4 Dialog Sub Menu Set Kriteria Penilaian
Umum
4.2 Dialog Menu Utama Form setting kriteria ini berisi kriteria –
Form menu utama baru dapat kriteria selain daripada kriteria yang telah disebut
ditampilkan apabila kita telah melaksanakan login sebelumnya, di antaranya nilai dan krteria lama
sistem secara benar. Baik sebagai user biasa bekerja, DP3 selama 2 tahun, Status Pegawai, test
maupun sebagai admin. masuk dan sebagainya. Gambar 5. menunjukan
implementasi dari proses pengaturan kriteria
umum dan nilai-nilainya.
374
Seminar Nasional Informatika 2014
Gambar 5. Dialog Sub Menu Kriteria % dikalikan 90 menghasilkan nilai 4,5 atau 5 %
Penilaian umum dikalikan 0 menghasilkan nilai 0.
4.5 Dialog Menu Aktivitas Kriteria pemberian nilai DP3 sebagai berikut :
Form menu aktivitas terdiri dari input data - Nilai DP3 sangat baik adalah 91 – 100 bernilai
pegawai, daftar data pegawai dan proses 100
penilaian. Gambar 6 menunjukan implementasi - Nilai DP3 baik adalah 76 – 90 bernilai 90
dari menu proses pemasukan data pegawai dan - Nilai DP3 Kurang adalah kurang dari 76
proses penilaian. bernilai 0
375
Seminar Nasional Informatika 2014
Daftar Pustaka
376
Seminar Nasional Informatika 2014
Abstrak
Tujuan dari manajemen logistic adalah mendistribusikan barang jadi atau barang mentah kepada konsumen
pada waktu yang tepat dengan jumlah yang tepat dan lokasi yang tepat dengan biaya yang serendah mungkin.
Namun pada kenyataannya pendistribusian batuan kepada para korban tidak berjalan dengan lancar, masih
banyak yang tidak mendapatkan bantuan, kebutuhan teknologi sangat penting seperti sistem informasi yang
mendukung pendistribusian bantuan agar informasi menjadi cepat, dan mempermudah dalam proses
pendistribusian bantuan maka dari itu dalam penelitian ini akan menganalisa sistem sehingga dapat
menciptakan sebuah sistem informasi pendistribuasian logistic, dan dengan menggunakan constraint maka
data akan lebih akurat .
377
Seminar Nasional Informatika 2014
bersama-sama serta saling berhubungan - Key tersebut lebih natural untuk dijadikan acuan
membentuk satu kesatuan sehingga tujuan atau 2. Foreign Key
sasaran sistem tersebut dapat tercapai secara Foreign Key adalah satu set atribut atau
keseluruhan. set atribut sebagai key penghubung kedua tabel
dan melengkapi satu relationship (hubungan)
2.1.2 Perancangan Sistem. terhadap primary key yang menunjukan
Metodologi Berorientasi Objek dapat di keinduknya.
definisikan sebagai berikut: Jika sebuah primary key terhubungan ke
“Suatu strategi pembangunan perangkat lunak table/entity lain, maka keberadaan primary key
yang mengorganisasikan perangkat lunak pada entity tersebut di sebut sebagai foreign key.
sebagai kumpulan objek yang berisi data dan 3. Unique
operasi yang diberlakukan terhadapnya”, Constraint unique fungsinya hamper sama dengan
(Nugroho,2005). constraint primary key, dimana keduanya
Sistem yang dibangun dengan metode berorientasi digunakan untuk menerapkan integritas
objek adalah sebuah sistem yang komponennya entitas/table.
dienkapsulasi menjadi kelompok data dan fungsi. 4. Check
Setiap komponen dalam sistem tersebut dapat Constraint check digunakan untuk
mewarisi atribut dan sifat dan komponen lainnya menjamin bahwa nilai kolom berada dalam ruang
serta dapat berinteraksi satu sama lainnya. lingkup nilai tertentu.
378
Seminar Nasional Informatika 2014
379
Seminar Nasional Informatika 2014
380
Seminar Nasional Informatika 2014
381
Seminar Nasional Informatika 2014
382
Seminar Nasional Informatika 2014
Abstrak
Tulisan ini membahas alternatif solusi sistem persamaan linier Au = d, dimana matriks koefisien A berupa
matriks tridiagonal, dengan metode reduksi siklis pada sistem multiprosesor. Sistem persamaan linier tersebut
diperoleh dari hasil diskritisasi persoalan yang berbentuk persamaan differensial parsial. Ide dasar metode
reduksi siklis adalah menurunkan baris-baris independen dengan cara reduksi baris berindeks ganjil atau
genap. Pemecahan masalah pada sistem komputasi paralel, adalah mencari letak paralelisme dari
permasalahan tersebut, dengan cara melakukan dekomposisi secara algoritmik atau geometrik, sehingga
dapat diidentifikasi karakteristik paralelisasinya. Karakteristik kinerja algoritma paralel dapat dilihat dari
pengukuran waktu eksekusi, rasio komputasi dan komunikasi, speed-up, dan tingkat efisiensi. Untuk
mengetahui karakteristik ini, maka algoritma reduksi siklis diimplementasikan pada sistem parallel virtual
machine (PVM). PVM adalah sebuah perangkat lunak yang digunakan untuk pembuatan jaringan komputer
paralel. Perangkat lunak ini didesain sedemikian rupa sehingga mengizinkan sebuah jaringan komputer yang
heterogen yang terdiri atas beberapa mesin yang menjalankan sistem operasi Windows atau Unix agar dapat
digunakan sebagai sebuah model prosesor paralel tunggal yang terdistribusi. Dari hasil uji coba terlihat
bahwa terjadi kenaikan percepatan seiring dengan bertambahnya jumlah prosesor yang dipakai. Percepatan
berkisar antara 1,61 (2 prosesor) sampai dengan 4,22 (8 prosesor). Rasio waktu komputasi dan komunikasi
tertinggi mencapai 10,50 (2 prosesor) dan terendahnya 1,16 (8 prosesor), hal ini menunjukkan bahwa waktu
komunikasi semakin tinggi yang disebabkan proses sinkronsasi terjadi berulang-ulang. Namun sebaliknya,
dengan bertambahnya jumlah prosesor yang dipakai terjadi penurunan efisiensi. Tingkat efisiensi mencapai
88,38% (2 prosesor) dan terendah 35,58% (8 prosesor).
Kata kunci : sistem tridiagonal, reduksi siklis, speed-up, efisiensi, dan PVM.
383
Seminar Nasional Informatika 2014
b a u1 d1
1 b a u1 d1
a b a u2 d2 2 0 b’ 0 u2 = d’2 (6)
0 . . 3 a b u3 d3
…….. . = .
……. . . (2) Dari persamaan ini diperoleh hasil u2 = d’2/b’,
……. un-1 dn-1
0 a b a un dn selanjutnya nilai u1 dan u3 dapat dihitung (secara
a paralel) dengan substituís balik, yaitu u1 = (d1-a
b u2)/b dan u3 = (d3- a u2)/b.
Metode reduksi siklis memberikan komputasi
ide dasar metode reduksi siklis adalah yang cepat jika elemen subdiagonal dan
menurunkan baris-baris independen dengan cara superdiagonal bernilai satu. Hal ini dapat
reduksi pada baris yang berindeks ganjil atau diperoleh dengan melakukan normalisasi,
genap. Metode ini cocok dikembangkan untuk sehingga sistem persamaan berbentuk ( ............ 1,
matriks berukuran n = 2 m-1, 2m, 2m+1. b, 1, ...........).
Secara umum prosedur metode reduksi siklis Secara umum tahapan solusi metode reduksi siklis
dapat diturunkan sebagai berikut: terdiri dari dua tahapan utama yaitu (i) proses
Perhatikan 3 baris yang berdekatan, yaitu baris ke reduksi baris ganjil atau genap, dan (ii) proses
i-1, i, dan i+1 substitusi balik.
i-1 a b a
i a b a (3)
i+1 a b a
384
Seminar Nasional Informatika 2014
385
Seminar Nasional Informatika 2014
jr jr-r/2 jr+r/2 jr
enddo;
enddo; enddo;
enddo;
Berdasarkan proses dekomposisi tersebut waktu
Subroutine Substitusi_Balik dialog antara 2 prosesor untuk menyelesaikan
do i = m-2, 0, -1 sistem tridiagonal, dapat disajikan sebagai
r = 2i berikut.
do j = 1, 2(m-i-1)
if ( j=1) then Prosesor master Prosesor Slave
(i+1)
c= d - a(i+1) u Waktu_awal = Start
(2j-1)r 2jr
Kerjakan partisi data dan
(m-i-1)
else if (j = 2 ) then kirim (data lokal) Terima (data loka)l
(i+1) (i+1)
c= d - a u Komputasi Secara
(2j-1)r (2j-2)r
Paralel : Kerjakan proses 3,
else Kerjakan proses 1, dengan
(i+1) (i+1)
c= d - a [u + u ] dengan subroutine/prosedur
(2j-1)r 2jr (2j-2)r
subroutine/prosedur reduksi ganjil genap
endif reduksi ganjil genap
hitung u(2j-1)r = c / b(i+1) Terima hasil (proses 3) Kirim hasil (proses 3)
enddo; Kerjakan proses 2,
enddo; dengan Kondisi “idle”
subroutine/procedure
hitung awal tengah dan
Proses 4 Proses 5 hitung nilai
1 3 5 7 u 2(m-1)
Kirim data (u 2(m-1) ) Terima data (u 2(m-1) )
2 6 Proses substitusi KomputasiSecara Paralel
balik : Kerjakan proses 5 dengan
4 Kerjakan proses 5 dengan subroutine/procedure
subroutine/procedure substitusi balik
substitusi balik
4 Terima hasil akhir Kirim hasil akhir
Proses reduksi Waktu_akhir = Selesai
2 4 6 Ganjil genap
Gambar 3. Waktu Dialog Antara 2 prosesor
1 2 3 4 5 6 7
Proses 1 Proses 3 4. HASIL DAN ANALISIS
386
Seminar Nasional Informatika 2014
N Ukura Efisiensi (Sp/p x 100%) [1] Akl, Selim G. 1989. The Design and
n Analysis of Parallel Algorithms, Prentice
O Data P= P=2 P=4 P=8 Hall International Inc.
1 [2] Askew, C.R., Carpenter, D.B., Chalker, J.T.,
1 255 100 80,4 57,8 35,5 Hey, A.J.G., Moore, M., Nicole, D.A, and
3 1 8 Pritchard, D.J., 1988. Monte Carlo
2 511 100 83,3 61,4 41,1 Simulation on transputer arrays. Parallel
3 0 8 Computing 6, pp 247-258.
3 1023 100 85,1 65,5 45,3 [3] Berstsekas and Tsitsiklis, 1989, Parallel and
7 3 0 Distributed Computation, Numerical
4 2047 100 86,6 68,1 48,2 Methods, Prentice Hall New Jersey.
4 1 2 [4] Evans, DJ., 1990, A Recursive Decoupling
5 4095 100 87,3 69,6 50,2 Method for Solving Tridiagonal Linier
3 3 2 Systems, International Journal Computer
6 8191 100 87,8 70,6 51,5 Mathematics.
387
Seminar Nasional Informatika 2014
[5] Evans, DJ., 1992, Design of Parallel [9] Mitchell and Griffiths, 1989, The Finite
Numerical Algorithms, Elsevier Science Difference Method in partial Differetial
Publisher. Equations, John Wiley & Sons
[6] Freman and Phillips, 1992, Parallel [10] Tanembaum, 2002, Structured Computer
Numerical Algorithms, Prentice Hall, Organization, Prentice Hall International
London Inc.
[7] Golub and Van Loan, 1989, Matrix [11] Tri Prabawa, 1993, Implementasi Paralel
Computation, Second Edition, The John Algoritma Reduksi Siklis dan Pemisahan
Hopkins University Press Rekursif pada Mesin Paralel Berbasis
[8] Hwang, Kai and Briggs, FA., 1984. Transputer. Tesis S2, Universitas Indonesia,
Computer Architecture and Parallel Yakarta.
Pocressing. McGraw-Hill. Book Company
388
Seminar Nasional Informatika 2014
Abstrak
Penulisan thesis ini bertujuan untuk menerapkan bagian kecerdasan buatan yaitu sistem pakar untuk
mengetahui penyakit yang disebabkan oleh hewan arthropoda. Program sistem pakar ini dengan
menggunakan metode Dempster Shafer. Adapun Program yang digunakan dalam penulisan jurnal ini adalah
PHP dan MySQL. Tahapannya yaitu perancangan basis pengetahuan dan direpresentasikan dalam bentuk
aturan yang berlaku, kemudian dilanjutkan dengan perancangan basis data dan perancangan antar muka,
kemudian hasil perancangan diimplementasikan ke dalam bahasa pemrograman PHP dan basis datanya
menggunakan MySQL. Hasil program ini menunjukkan bahwa sistem pakar dapat dipergunakan sebagai
pedoman bagi penggunanya untuk menyelesaikan masalah-masalah yang dihadapi. Sistem pakar ini dapat
digunakan untuk mempercepat pencarian dan pengaksesan terhadap pengetahuan oleh orang-orang yang
membutuhkan informasi.
389
Seminar Nasional Informatika 2014
390
Seminar Nasional Informatika 2014
juga merupakan subset dari θ dengan m2 sebagai Hasil perhitungan diilustrasikan dalam table
fungsi densitasnya, maka dapat dibentuk fungsi {p05} 0,8 θ (0.2)
kombinasi m1 dan m2 sebagai m3, dengan rumus {p05,p07} (0.12) {p05} 0,096 {p05,p07} (0.024)
seperti pada persamaan 2 berikut : θ (0.88) {p05} 0,704 θ (0.176)
m ( z)
x y z
m1 ( X ).m2 (Y ) {p05} (0.096)
{p05}
{p05}
0,7 θ (0.3)
(0.0672) {p05} (0.0288)
1
3 {p05} (0.704) {p05} (0.4928) {p05} (0.2112)
x y
m1 ( X ).m2 (Y ) {p05,p07} (0.024) {p05} (0.0168) {p05,p07} (0.0072)
θ (0.176) {p05} (0.1232) θ (0.0528)
Dimana :
m3(Z) = mass function dari evidence (Z) Keterangan :
m1 (X) = mass function dari evidence (X) 1. Kolom pertama dan kedua pada baris kedua
m2 (Y) = mass function dari evidence (Y) dan ketiga berisikan semua himpunan bagian
Zm1(X).m2(Y) = ada hasil irisan dari m1 dan m2 pada gejala pertama (kulit kering) dengan
Ø Zm1(X).m2(Y) = tidak ada hasil irisan (irisan m1 sebagai fungsi densitas.
kosong (Ø)) 2. Baris pertama berisikan semua himpunan
bagian pada gejala kedua (kelopak mata
Strategi Masalah sayu) dengan m2 sebagai fungsi densitas.
Adapun Metode yang dipakai dalam 3. Baris kedua dan ketiga pada kolom ketiga,
pemecahan masalah dari sistem pakar diagnosa keempat, kelima dan keenam merupakan
penyakit yang disebabkan oleh hewan arthropoda irisan dari kedua himpunan.
ini adalah metode Dempster-Shafer. Teori 4. Kolom pertama dan kedua pada baris
Dempster-Shafer adalah suatu teori matematika keenam, ketujuh, kedelapan, dan kesembilan
untuk pembuktian berdasarkan belief functions berisikan semua himpunan hasil kombinasi
and plausible reasoning (fungsi kepercayaan dan pada gejala pertama dan gejala kedua.
pemikiran yang masuk akal), yang digunakan 5. Baris kelima berisikan semua himpunan
untuk mengkombinasikan potongan informasi bagian pada gejala ketiga (mata merah)
yang terpisah (bukti) untuk mengkalkulasi dengan m3 sebagai fungsi densitas.
kemungkinan dari suatu peristiwa. 6. Baris keenam, ketujuh, kedelapan dan
Dik : θ={p01,p02,p03,p04,p05,p06,p07,p08 } kesembilan pada kolom ketiga, keempat,
Dengan : kelima dan keenam merupakan irisan
P01 = Skabies himpunan dari kombinasi gejala pertama dan
P02 = Demodiosis gejala kedua dengan gejala ketiga.
P03 = Pedikulosis
P04 = Fitriasis Sehingga dapat dihitung densitas baru dari hasil
P05 = Miasis kombinasi (m3) diatas dengan persamaan
P06 = Entomophoby Dempster-Shafer sbb :
P07 = Annoyance M 3 {p05} = 0.0672
P08 = Dermathosis ----- = 0. 0672
Jika kemudian diketahui bahwa kulit kering 1
merupakan gejala dari Miasis dan Annoyance
dengan m= 0,7 , maka : M 3 {p05} = 0.168
----- = 0. 168
M{p05, p07}= 0,7 m{θ}= 1-0,7 = 0,3 1
M 3 {p05} = 0.98
Misalkan User melakukan konsultasi dengan ----- = 0. 98
gejala kulit kering, kelopak mata sayu dan mata 1
merah. Maka untuk memperoleh nilai keyakinan M 3 {p05} = 0.42
dengan metode Dempster-shafer dari gejala kulit ----- = 0.42
kering dan kelopak mata sayu diatas, dihitung : 1
gejala 1 = kulit kering M 3 {p05} = 0.168
m1 {p05,p07} = 0.7 ----- = 0. 168
m1 { θ } = 1 - 0.012 = 0.88 1
gejala 2 = kelopak mata sayu M 3 {p05} = 0.072
m2 {p05} = 0.8 ----- = 0.072
m2 { θ } = 1 - 0.8 = 0.2 1
gejala 3 = mata merah M 3 {p05,p07} = 0.042
m3 {p05} = 0.7 ----- = 0.042
m3 { θ } = 1 - 0.7 = 0.3 1
391
Seminar Nasional Informatika 2014
392
Seminar Nasional Informatika 2014
393
Seminar Nasional Informatika 2014
Abstrak
Sistem Pakar merupakan sistem yang dapat bekerja layaknya seorang ahli dalam bidangnya. Dalam hal ini
yang dibahas adalah sistem pakar dalam bidang kesehatan. Dengan adanya sistem pakar diharapkan dapat
membantu praktisi kesehatan untuk menelusuri penyakit akibat bakteri Salmonella dengan cepat. Sistem
pakar ini menggunakan mesin inferensi runut maju (Forward Chaining) dan Certainty Factor. Penalaran
dilakukan berdasarkan dari gejala-gejala baik yang tampak secara fisik maupun yang tidak tampak (melalui
uji laboratorium) terhadap pasien. Dari gejala-gejala tersebut kemudian dibuat rule-rule yang akan diterapkan
ke dalam mesin inferensi untuk mengetahui penyakit apa yang dialami oleh pasien. Hasil program ini
menunjukkan bahwa sistem pakar dapat dipergunakan sebagai suatu media yang dapat memberikan informasi
tentang bakteri Salmonella, dan cara menghindarinya. Sistem pakar ini dapat digunakan untuk mempercepat
pencarian dan pengaksesan terhadap pengetahuan oleh orang-orang yang membutuhkan informasi.
Kata Kunci : Sistem Pakar, Basis Pengetahuan, Certainty Factor, Basis Data, Bakteri Salmonella.
394
Seminar Nasional Informatika 2014
luar tubuh manusia hidup 1 atau 2 bulan. Dalam kondisinya benar atau salah. Jika kondisinya
air susu dapat berkembang biak dan hidup lebih benar, maka aturan itu disimpan kemudian aturan
lama sehingga sering merupakan batu loncatan berikutnya diuji. Sebaliknya kondisinya salah,
untuk penularan penyakitnya. aturan itu tidak disimpan dan aturan berikutnya
diuji. Proses ini akan berulang sampai seluruh
basis aturan teruji dengan berbagi kondisi.
Searching (Pelacakan)
Pelacakan merupakan suatu proses
pencarian yang berdasarkan dari sejumlah data
yang ada. Pencarian data dapat dilakukan pada
sejumlah data yang sudah terurut atau juga pada
data yang sama sekali belum terurut. Metode
pencarian akan menjelaskan secara umum
bagaimana teknik pencarian.
Gambar 1. Bentuk Bakteri Salmonella Teknik pelacakan terdiri dari 2 cara yaitu
Depth-first search dan Breadth-first search.
Mesin Inferensi Depth-first search bekerja denga menelusuri
Mesin inferensi dalam forward chaining simpul mulai dari akar terus kebawah sampai
menggunakan informasi yang ditentukan oleh secara berturut-turut ke level yang lebih dalam
user untuk memindahkan logika and dan or [2]. Suatu operator digunakan untuk
sampai ditentukannya objek. Bila mesin inferensi menghasilkan simpul node berikutnya lebih dalam
tidak dapat menentukan objek maka akan dengan kata lain simpul anak diperoleh dari
meminta informasi lain. Oleh karena itu, untuk simpul ayah. Breadth-first search, bekerja dengan
mencapai objek harus memenuhi semua aturan. cara memeriksa semua simpul dalam pohon
Salah satu metode yang dapat diterapkan pencarian yang dimulai dari akar. Simpul tiap
dalam sistem pakar adalah metode forward level diperiksa secara lengkap sebelum berpindah
chaining. Forward chaining disebut juga ke level berikutnya.
penalaran dari bawah ke atas. Suatu rantai yang
dicari atau dilewati/dilintasi dari suatu Observasi Aturan Fakt Kesimpulan
R1 aC
permasalahan untuk memperoleh solusinya A
Aturan
1
395
Seminar Nasional Informatika 2014
396
Seminar Nasional Informatika 2014
397
Seminar Nasional Informatika 2014
398
Seminar Nasional Informatika 2014
399
Seminar Nasional Informatika 2014
Abstrak
Kecerdasan buatan (Artificial Intelligence) merupakan salah satu bagian dari Ilmu Komputer yang
mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bisa lebih baik dari pada yang dilakukan manusia. Sistem Pakar (Expert
System) merupakan bagian dari kecerdasan buatan dan merupakan metode yang tepat untuk mengatasi
permasalahan. Sistem pakar banyak diterapkan oleh berbagai disiplin ilmu. Dalam kesempatan ini penulis
mencoba untuk membuat suatu sistem pakar mengenai gangguan kejiwaan neurosis. Program sistem pakar
ini menggunakan motor inferensi yang menerapkan penalaran maju dan juga menggunakan metode
Certainty Factor untuk menentukan tingkat kepastian dari hasil penelusuran. Sistem pakar ini diharapkan
mampu untuk dapat mendiagnosa gangguan kejiwaan neurosis sehingga dapat dijadikan suatu referensi
terhadap suatu kasus gangguan kejiwaan neurosis.
400
Seminar Nasional Informatika 2014
401
Seminar Nasional Informatika 2014
402
Seminar Nasional Informatika 2014
2. Metode ini hanya dapat mengolah Adapun Jenis Gangguan Jiwa Neurosis
ketidakpastian/kepastian hanya 2 data saja. yang memiliki Karakteristik / Ciri atau Tanda /
Perlu dilakukan beberapa kali pengolahan data Gejala, sebagai contoh ditunjukkan pada tabel 1.
untuk data yang lebih dari 2 buah.
Tabel 1. Karekteristik Gangguan Jiwa Neurosis
Gangguan Jiwa
Di dalam ilmu kedokteran, kata
Kejiwaan jarang sekali digunakan oleh
Paramedis. Paramedis lebih sering menyebutkan
kejiwaaan dengan Gangguan Jiwa.
Penafsiran yang terjadi di masyarakat
bahwa orang yang mengalami gangguan jiwa
adalah orang yang stress atau gila.
Pengelompokkan kejiwaan ini perlu diketahui
bagi masyarakat, untuk mengetahui gangguan
jiwa yang dialami yang mempunyai karakteristik
tertentu.
2. Gangguan Panik
Adalah serangan anxietas berat yang
berulang, yang tidak terbatas pada adanya situasi
tertentu atau pun suatu rangkaian kejadian, dank
arena itu tidak terduga.
403
Seminar Nasional Informatika 2014
404
Seminar Nasional Informatika 2014
4.2 Saran
Certainty Factor dari Rule Based Berikut ini beberapa saran yang
Dengan menggali hasil dari wawancara ditujukan untuk pengembangan aplikasi Sistem
dengan pakar, nilai CF (Rule) didapat interpretasi Pakar diagnosis kejiwaan menggunakan metode
dari pakar menjadi nilai CF tertentu seperti pada forward chaining, selanjutnya.
tabel 5. 1. Kiranya pengembangan Portal Informasi
dapat dijadikan media yang tepat bagi
Tabel 5. Nilai CF hasil interpretasi penggunanya, dalam menerima informasi
yang akurat, terpercaya, dan memiliki nilai
efektif serta efisien bagi penggunanya,
dalam menangani permasalahan tertentu.
2. Pengetahuan sistem pakar kiranya semakin
diperkaya, agar dapat memberikan
penjelasan sistem yang lebih optimal.
3. Metode-metode inferensi dari Sistem Pakar
kiranya dapat disempurnakan, serta
dicarikan alternatif lain yang memungkinkan
Model yang diusulkan untuk menentukan penyelesaian yang jauh lebih baik.
CF(Rule) adalah sebagai berikut: 4. Sebaiknya sistem pakar ini lebih
x 1 dikembangkan, tidak hanya sebatas jenis dan
CF(Rule) = 1 - + gejala serta metode yang ada pada tesis ini.
y y
dimana: DAFTAR PUSTAKA
x = Jumlah kemunculan kombinasi nilai
variabel fakta E1 E2... EN didalam [1] Muhammad Arhami (2005). “Konsep Dasar
rule yang dihitung, sebagai set / subset Sistem Pakar”. Yogyakarta: Andi
kombinasi nilai variabel fakta pada [2] [Sutojo, T. S.Si, M.Kom, Edy Mulyanto,
setiap rule dengan variabel hipotesa H S.Si, M.Kom, Dr. Vincent Suhartono (2011).
yang sama. “Kecerdasan Buatan”. Yogyakarta: Penerbit
y = Jumlah semua rule yang memiliki Andi.
variabel hipotesa H yang sama dengan [3] Kusrini, S.Kom (2006). “Sistem Pakar Teori
rule yang sedang dihitung. & Aplikasi”. Yogyakarta: Andi.
[4] Kuntjojo (2009). “Neurosis”.
4. PENUTUP http://ebekunt.wordpress.com/2009/05/12/ne
urosis/ 8 Des 2013, 20:35 wib
4.1 Kesimpulan [5] Departemen Kesehatan RI. Direktorat
Setelah mengamati dan melihat hasil Jenderal Pelayanan Medik (1993).
dari penelitian tesis ini, maka dapat diambil “Pedoman Penggolongan dan Diagnosis
kesimpulan, yaitu : Gangguan Jiwa di Indonesia III (PPDGJ
4. Dalam mengidentifikasi Gangguan jiwa III)”. Cetakan I. Jakarta: Departemen
Neurosis, seorang pakar melakukan dengan Kesehatan RI.
konsultasi dengan pasien dan melihat
aktivitas serta kegiatan pasien sehari - hari.
405
Seminar Nasional Informatika 2014
Abstrak
Perancangan ini dilatar belakangi oleh kondisi perkembangan ilmu teknologi yang maju pesat khususnya
dibidang pencitraan digital, disini penelitian menggunakan obyek jari tangan manuisa untuk dikembangkan
agar dapat menggerakan kursor tetikus. penelitian ini menggunakan metode konversi citra digital yang
disebut Threshold, dan menggunakan algoritma Convexity Defect and Hull yang kemudian diterjemahkan ke
dalam bahasa C# menggunakan Software Microsoft Visual Studio C# 2010 dan juga menggunakan library
dari EmguCV yang di khususkan untuk pengolahan citra digital . Hasil perancangan dari sistem ini berupa
aplikasi untuk menggerakan kursor tetikus, namun tidak hanya itu aplikasi ini juga dapat melakukan proses
klik sama seperti fitur yang ada pada tetikus pada umumnya..
Kata kunci : Pengolahan Citra Digital, Convexity Defect & Hull, EmguCV, Threshold
406
Seminar Nasional Informatika 2014
YCrCb Color Filtering lebih kecil dari strel akan difilter (dihilangkan)
Warna kulit telah terbukti menjadi isyarat dari citra. Untuk lebih memahami erosi, maka
yang berguna dan kuat untuk deteksi wajah, dapat dibayangkan bahwa strel digerakan
lokalisasi, dan pelacakan[3]. Content filtering, sepanjang sebelah luar tepi citra (diluar pixel yang
content-aware video compression, dan color- paling pinggir/tepi) dan origin strel ditempatkan
balancing applications juga mendapatkan di piksel background yang ditemui tersebut.
keuntungan dari deteksi otomatis kulit dalam Untuk setiap irisan piksel strel dengan daerah di
gambar.Tujuan dari skin-color detection adalah dalam citra maka pikselirisan tersebut merupakan
membuat sebuah keputusan untuk membedakan hasil erosi dan piksel tersebut ikut bergabung
antara kulit dan bukan kulit.Hal ini biasanya menjadi background dalam citra biner.[4]
dicapai dengan menggunakan metrik, yang
mengukur jarak dari warna pixel yang diberikan Opening dan Closing
kepada nilai yang ditetapkan mewakili warna Dua morfologi lain yang penting adalah
kulit. Keuntungan yang jelas dari metode tersebut opening dan closing. Opening secara umum
adalah kesederhanaan aturan skin-detection menghaluskan garis-garis bentuk obyek,
memungkinkan pelaksanaan klasifikasi yang menghilangkan bagian-bagian yang sempit, dan
sangat cepat.[3] menghilangkan penonjolan-penonjolan yang tipis.
YCbCr adalah keluarga dari ruang warna Closing secara umum menolak pecahan-pecahan
yang digunakan sebagai bagian dari warna- sempit dan teluk yang panjang dan tipis,
gambar dalam video dan sistem fotografi digital.Y menghilangkan lubang kecil dan mengisi gap
adalah komponen luma, kadang-kadang disebut pada garis-garis bentuk (contour).[4] Dengan
cahaya, yang mewakili kecerahan gambar.Cb dan pernyataan tersebut dapat didefinisikan bahwa :
Cr adalah blue-difference danred-difference Opening : Dilakukan Erosi kemudia dilakukan
komponen chroma, chroma adalah sinyal yang Dilasi.
digunakan dalam sistem video untuk
menyampaikan informasi warna dari
gambar.Berbeda dengan RGB, ruang warna
YCbCr adalah luma-independen, menghasilkan
kinerja yang lebih baik. YCbCr bukan merupakan
ruang warna mutlak, melainkan adalah cara
pengkodean informasi RGB. Warna sebenarnya Gambar 2. Ilustrasi Opening
ditampilkan tergantung pada primary RGB yang
sebenarnya digunakan untuk menampilkan sinyal. Closing : Dilakukan Dilasi kemudian dilakukan
Erosi..
Morfologi Citra
Kata morphology umumnya menyatakan
cabang ilmu biologi yang mempelajari bentuk dan
struktur hewan dan tumbuh-tumbuhan. Istilah
yang sama juga digunakan disini, dalam konteks
mathematical morphology sebagai tool untuk Gambar 3. Ilustrasi Closing
mengekstrakan komponen citra yang berguna
dalam representasi dan deskripsi bentuk daerah,
seperti boundaries, skeletons, dan convex hull. Convexity Convexity and Defect
Teknik morfologi juga diguakan untuk pre atau Cara lain yang berguna untuk memahami
postprocessing, seperti morfologi filtering, bentuk dari suatu obyek atau kontur adalah untuk
thinning, dan pruning. Operasi dasar dalam menghitung convex hullterhadap objek dan
pemrosesan morfologi adalah dilasi dan erosi, kemudian menghitung ketidak sempurnaan
yang kemudian dikembangkan menjadi opening konveksitas nya. Bentuk dari banyak objek yang
dan closing.[3] kompleks akan dikarakteristikan dengan baik
berdasarkan ketidak sempurnaan dari objek
Dilasi tersebut. Convex hull digambarkan sebagai garis
Proses dalam dilasi adalah “penumbuhan” gelap di sekitar tangan. .[5]
atau “penebalan” dalam citra biner. Pengertian Terdapat tiga metode OpenCV penting yang
penebalan ini dikontrol dalam bentuk strel yang berhubungan dengan Hull Complex dan
digunakan. Pengertian penebalan ini dikontrol Convexity Defects. Yang pertama adalah
oleh bentuk strel yang digunakan. menghitung hull dari contour yang kita telah
identifikasi, dan yang kedua memungkinkan kita
Erosi untuk memeriksa apakah suatu kontur
Erosi dapat dianggap sebagai operasi diidentifikasi benar benarkonveks (membuat
morphological filtering dimana detail citra yang lengkungan keluar, menonjol atau cembung).
407
Seminar Nasional Informatika 2014
ALGORITMA
CONTOUR
DILASI
CONVEXITY DAN
DEFECT HULL
lud
Show Home
Processing
erosi dan dilasi yaitu penipisan gambar dan Screen
User
nantinya menerapkan algoritma contour convexity Show About
dan convexity defect. Dibawah ini adalah urutan
proses yang terjadi dalam aplikasi Sistem
Penggerak Kursor Tetikus Dengan Jari Gambar 6. use case diagram
Menggunakan EmguCV :
Activity Diagram Home Screen
Diagram Activity HomeScreen menampilkan
aliran aktifitas yang dilakukan oleh pengguna
terhadap Home Screen berikut diagram activity
home screen :
408
Seminar Nasional Informatika 2014
Start
Record
Gambar
Clik Icon
Program
Show Home
Start Program
Screen
End End
User Sistem
Show Home
Show About
Screen Pesan Error Tidak Ada Ya
YCrCb
End Convert
409
Seminar Nasional Informatika 2014
User
1.1 HomeScreen_Load()
1.Open()
1.1 btStartProg_Click()
1.2.Record()
1.3.ImageProcessing()
2.Close()
2.Close()
User
1.Open()
1.1 btAbout_Click()
Class Diagram
Diagram class program menggambarkan
struktur dan deskripsi class pada program.
1.2 About_Load()
1.3 HomeScreen_Load()
2.Close()
2.1 HomeScreen_FormClosing()
410
Seminar Nasional Informatika 2014
menampilkan visualisasi citra nyata dan citra terluar dari kontur tangan. Jika 2 jari yang
yang telah diolah. Halaman utama ini akan terdeteksi berarti akan menggerakkan kursor, jika
dimunculkan kembali ketika pengguna selesai 3 jari yang terdeteksi maka kursor akan
melakukan deteksi dan pergerakan kursor tetikus. melakukan klik, jika 4 jari yang terdeteksi maka
kursor akan melakukan klik sebanyak 2 kali,
berguna untuk membuka file atau folder, terakhir,
jika 5 jari yang terdeteksi maka kursor akan
melakukan klik kanan.
Pengujian
Dari percobaan yang dilakukan terhadap
Gambar 16. Interface Home Screen
pergerakan kursor melalui citra tangan,
didapatkan hasil sebagai berikut :
Halaman Start Detection
Pada halaman ini terdapat dua
Tabel 1. Pengujian menggerakkan kursor
visualisasi, kotak visual sisi kiri menampilkan
melalui deteksi 2 jari
citra nyata yang didapatkan melalui kamera, kotak
visual pada sisi kanan akan menampilkan hasil
Pengujian Berhasil
pengolahan citra nyata tersebut. Tedapat juga
sebuah tombol dengan teks finger, dimana tombol Uji ke-1 Ya
tersebut akan memulai proses deteksi dan Uji ke-2 Ya
tracking. Ketika tombol tersebut mulai di tekan,
Uji ke-3 Ya
maka setiap pergerakan tangan akan
mempengaruhi pergerakan kursor pada layar. Uji ke-4 Ya
Uji ke-5 Ya
Tingkat Keberhasilan 100%
411
Seminar Nasional Informatika 2014
Daftar Pustaka
Pengujian Kinerja Deteksi
[1] Putra, Darma. 2010. Pengolahan Citra
120% Digital. Yogyakarta. Andi.
100% [2] Prasetyo, Eko. 2011. Pengolahan Citra
Digital dan Aplikasinya Menggunakan
80% Matlab. Yogyakarta. Andi.
60% [3] Tarek M. Mahmoud. A new fast skin color
detection technique. World Academy of
40% Science, Engineering and Technology,
20% 43:501–505,2008
[4] Vladimir Vezhnevets, Vassili Sazonov, and
0% Alla Andreeva. A survey on pixel-based
2 Jari 3 Jari 4 Jari 5 Jari skin color detection techniques. In
Gambar 19. Grafik hasil pengujian Proceedings of international conference on
computer graphics and vision, pages 85–
4. Kesimpulan dan Saran 92, Moscow, Russia, 2003.Moscow State
University.
Kesimpulan [5] Bradski, Gary dan Adrian
Kesimpulan yang dapat diambil dari penelitian ini Kaehler.2008.Learning OpenCV.United
adalah : States of America: O’Reilly.
1. Sistem ini mampu mengkonversikan citra [6] Ashwini M. Patil, Sneha U. Dudhane,
video kedalam citra biner dan mampu Monika B. Gandhi, Nilesh J. 2005. Cursor
menggerakan kursor tetikus dengan Control System Using Hand Gesture
menggnakan obyek jari tangan manusia. Recognition. India.
2. Sistem ini tidak hanya dapat menggerakan [7] Schmuller, Joseph. 1999. Sams Teach
kursor namun dapat juga melakukan klik Yourself UML in 24 Hours. Sams
kanan dan kiri sebagaimana mestinya fungsi Publishing. United States of America.
tetikus pada umumnya. [8] Jeffry L Whitten, J. et all, 2004, Edisi 6
3. Masih terdapat kendala dengan intensitas Metoda Design dan Analisa Sistem, edisi
cahaya di dalam sebuah ruangan. bahasa Indonesia,McGrawHill companies
4. Terjadi kemampuan yang kurang baik ketika [9] C. Lethbridge, Timothy dan Laganiere,
melakukan deteksi 4 jari, yang berfungsi Robert. 2002. Object-Oriented Software
untuk klik 2 kali. Engineering. McGraw-Hill, New York.
5. Tidak terjadi masalah ketika akan [10] Booch, Grady, Rumbaugh, James, dan
menggerakkan kursor melalui deteksi 2 jari. Jacobson, Ivar. 1999. The Unified
Modeling Language User Guide. Addison-
Wesley. Canada.
412
Seminar Nasional Informatika 2014
Seiring dengan perkembangan zaman, transportasi merupakan salah satu kebutuhan yang masuk kedalam
berbagai sektor kegiatan masyarakat. Mulai dari trasportasi udara, transportasi laut, maupun transportasi
darat. Dimana transportasi darat juga merupakan salah satu alat transportasi yang sangat efektif dan efesien
dimasyarakat. Penggunaan transportasi darat ini sangat memudahkan seseorang dalam bepergian, sehingga
kemanapun dibutuhkan akan dapat digunakan. Begitu juga dengan PT.Putra Pelangi Medan sudah menjadi
pilihan banyak masyarakat untuk bepergian ketempat tujuan. Namun dnegan meningkatnya jumlah penduduk
dan banyaknya minat masyarakat untuk memilih PT.Putra Pelangi Medan sebagai salah satu transportasi dan
dengan seiring berjalannya waktu maka timbullah salah satu masalh yaitu; semakin berkurangnya kondisi
mesin bus yang digunakan oleh penyediaan jasa tersebut. Hal ini sering menimbulkan kekecewaan kepada
para penumpang baik dari segi keterlambatan waktu timbulnya tibanya bus keterminal tujuan yang
diakibatkan oleh matinya mesin bus saat diperjalanan. Dengn memanfaatkan Konsep Pengambilan
Keputusan dengan metode SAW (Simple Additive Weighting) dengan menggunakan Software Adobe
Dreamweaver CS6 dan Xampp 17.3 Mysql dan dapat diimpelementasikan untuk membuat analisa sistem
dengan merancang aplikasi untuk menentukan bus yang layak untuk diberangkatkan atau yang tidak layak
untuk diberangkatkan.
Kata Kunci : Simple Additive Weighting, Fuzzy Multi Attribute Decision Making, Sistem Pendukung
Keputusan, , Adobe Dreamweaver CS6, Hypertext Preprocessor, MySQL 17.3
413
Seminar Nasional Informatika 2014
semitersetruktur dan situasi yang tidak terstruktur, 3. Mengukuti suatu pola atau model tingkahlaku,
dimana tidak seorang pun tahu secara pasti baik yang terstruktur maupun yang tidak
bagaimana keputusan seharusnya dibuat dalam terstruktur.
buku (Kusrini, 2007). 4. Banyaknya input atau pun variabel.
Kelebihan dari model Simple Additive 5. Adanya faktor resiko.
Weighting (SAW) dibandingkan dengan model 6. Dibutuhkan kecepatan, ketepatan dan
pengambilan keputusan yang lain terletak pada keakuratan. (Kusrini, 2007).
kemampuannya untuk melakukan penelitian
secara lebih tepat karena didasarkan pada nilai Pengertian Simple Additive Weighting (SAW)
kriteria pada bobot yang sudah ditemtukan. selain Simple Additive Weighting (SAW)
itu, Simple Additive Weighting (SAW) juga dapat adalah Suatu metode untuk mencari penjumlahan
alternatif terbaik dari sejumlah alternatif yang ada terbobot dari rating kinerja pada setiap alternatif
karena adanya proses penilaian setelah mentukan pada semua atribut. (Kusumadewi Sri, 2006).
nilai bobot untuk setip atribut. Simple Additive Weighting (SAW) sering
dikenal dengan istilah metode penjumlahan
LANDASAN TEORI terbobot. Konsep dasar metode SAW adalah
mencari penjumlahan terbobot dari rating kinerja
Pengertian Data pada setiap alternatif pada semua atribut. Metode
Data merupakan representasi dari fakta SAW dapat membantu dalam pengambilan
atau gambaran mengenai suatu objek atau keputusan suatu kasus, akan tetapi perhitungan
kejadian. Kita ambil contoh fakta mengenai dengan menggunakan metode SAW ini hanya
biodata mahasiswa yang meliputi nama, alamat, yang menghasilkan nilai terbesar yang akan
jenis kelamin, agama yang dianut, dan lain- lain. terpilih sebagai alternatif yang terbaik.
(Kusrini, 2007). Perhitungan akan sesuai dengan metode ini
apabila alternatif yang terpilih memenuhi kriteria
Pengertian Informasi yang telah ditentukan. Metode SAW ini lebih
Informasi merupakan hasil olahan data, efisien karena waktu yang dibutuhkan dalam
dimana data tersebut sudah diperoses dan perhitungan lebih singkat. (Verina Valensia at,al.
diinterpretasikan menjadi sesuatu yang bermakna Vol 1 September 2012).
untuk pengambilan keputusan. Informasi juga
diartikan sebagai himpunan dari data yang relevan Pengertian Fazzy Multi Attribute Decision
dengan satu atau beberapa orang dalam suatu Making (FMADM)
waktu. (Kusrini, 2007). Fazzy Multi Attribute Decision Making
(FMADM) adalah Suatu metode pengambilan
Pengertian Sistem keputusan untuk menetapkan alternatif terbaik
Data merupakan representasi dari fakta dari sejumlah alternatif berdasarkan kriteria
atau gambaran mengenai suatu objek atau tertenti.
kejadian. Kita ambil contoh fakta mengenai Ada beberapa metode yang dapat
biodata mahasiswa yang meliputi nama, alamat, digunakan untuk menyelesaikan masalah
jenis kelamin, agama yang dianut, dan lain- lain. FMADM (Fazzy Multi Attribute Decision
(Kusrini, 2007). Making). antara lain :
414
Seminar Nasional Informatika 2014
Jika j adalah artibut keuntungan (benefit) Tabel 1. Contoh Data Jadwal Keberangkatan
Bus
... (2.1) N Kode Tujuan Jam
o. Bus Keberangka Keberangkat
Jika j adalah artibut biaya (cost)
{ tan an
1. PPL75 Medan Pukul 07 : 00
Keterangan : 16 (MDN) -
rij : Rating kinerja ternormalisasi untuk i Banda Aceh
dan j. (BA)
Maxi : Nilai maksimum dari setiap baris dan 2. PPL94 Medan Pukul 08 : 00
kolom. 79 (MDN) -
Mini : Nilai minimum dari setiap baris dan Biruen
kolom. (BIR)
xij : Rating kinerja ternormalisasi dari baris 3. PPL54 Medan Pukul 09 : 00
dan 63 (MDN) -
kolom. (Kusumadewi Sri, 2006). Biruen
(BIR)
4. PPL29 Medan Pukul 09 : 00
43 (MDN) –
Palembang
... (2.2) (PLG)
5. PPL98 Medan Pukul 11 : 00
34 (MDN) -
Nilai Vi yang lebih besar Biruen
mengindikasikan bahwa alternatif A1 lebih (BIR)
terpilih. Sedangkan untuk kriteria yang lainnya
terbagi dalam dua kategori yaitu untuk bernilai Arsitektur Sistem Pendukung Keputusan
positif termasuk dalam kriteria keputusan dan Dalam SAW
yang bernilai negatif termasuk dalam kriteri Adapun arsitektur sistem pendukung
bukan keputusan. keputusan pada penelitian ini adalah
menentukan kelayakan dari mesin bus yang
Keterangan : akan diberangkatkan dengan menggunakan
A : Alternatif. Metode Simple Additve Weighting (SAW).
C : Kriteria. Arsitektur sistem pendukung keputusan pada
W : Bobot Nilai Kepentingan. penelitian ini adalah ;
V : Nilai keputusan untuk setiap alternatif.
X : Nilai Alternatif dari setiap kriteria.
(Kusumadewi Sri, 2006).
415
Seminar Nasional Informatika 2014
Tabel 2. Nilai Bobot Kepentingan Kriteria Tabel 7. Nilai Bobot Kepentingan Untuk
Nilai Keterangan Kriteria Oli Mesin Bus
Bobot Oli Mesin Keterangan Nilai
0 Tidak Penting 1 Bulan Sangat Penting 1
0,25 Kurang Penting 2 Bulan Penting 0,75
0,5 Cukup Penting 3 Bulan Cukup Penting 0,5
0,75 Penting 4 Bulan Kurang Penting 0,25
1 Sangat Penting 5 Bulan Tidak Penting 0
416
Seminar Nasional Informatika 2014
Tabel 10. Data Kondisi Msin Bus Dalam V4 = (0,75 x 1) + (1 x 0,75) + (1 x 0,5) + (1
Bentuk Atribut Dan Kriteria x 0,75)
= 0,75 + 0,75 + 0,5 + 0,75
= 2,7
417
Seminar Nasional Informatika 2014
[2] Agung Leo, (2013). “Kupas Tuntas Adobe [11] Setiaji Pramono, (2006). “Sistem Pendukung
Dreamweaver CS6 Dengan Pemrograman Keputusan Dengan Metode Simple Additive
PHP & MySQL”, Madiun : ANDI Offset Weighting”, Jurusan Sistem Informasi,
Dengan MADCOMS Teknik, : Universitas Muria Kudus.
[3] Agustina S Mari, (2012). “Adobe [12] Seto Prakoso Bimo, Christianti Meliana,
Dreamweaver CS5 Seri Kebut Semalam”, (2008). “Analisis Dan Perancangan Sistem
Yogyakarta : Andi. Informasi Akademik Dengan Studi Kasus
[4] Hery Prasetya Andreas, (2010). “Cepat Pada Sekolah Menengah Atas Terpadu
Kuasai PHP + MySQL”, Yogyakarta : (SMAT) Krida Nusantara”, Jurusan Teknik
Andi. Informatika : Universitas Kristen Maranatha,
[5] Juju Dominikus, (2007). “Buku Latihan Bandung.
Dreamweaver CS3”, Jakarta PT. Gramedia: [13] Sigit W Aloysius, (2011). “Website Super
Elex Media Komputindo. Canggih Dengan Plugin jQuery Terbaik”,
[6] Joko Usito Nugroho, (2013). “Sistem Jakarta Selatan : Mediakita.
Pendukung Keputusan Penilaian Proses [14] Turban Efraim, et al, (2005). “Decision
Belajar Mengajar Menggunakan Metode Support System And Intelligent Systems”,
Simple Additive Weighting (SAW)”, Yogyakarta : Andi.
Semarang : Program Pascasarjana [15] Yulianto Puput, Sumarlinda Sri, (2013),
Universitas Diponegoro Semarang. “Sistem Pendukung Keputusan Penentuan
[7] Kusrini, (2007), “Konsep dan Aplikasi Plafon Kredit Dengan Fuzzy MADM
Sistem Pendukung Keputusan”, Yogyakarta (Multiple Attribute Decissio Making)
: ANDI Offset. Menggunakanan Metode SAW(Simple
[8] Kusumadewi Sri, dkk, (2006). “Fuzzy Multi Additive Weightin) Di PD.BPR BKK
Attribute Decision Making (FMADM)”, Boyolali Cabang Simo”, Surakarta: STMIK
Yogyakarta : Graha Ilmu. Duta Bangsa Surakarta.
[9] Marimin, Maghfiroh Nurul, (2010). [16] Valensia Verina, Dewi Lulu Yohana, Diah
“Aplikasi Teknik Pengambilan Keputusan Kusuma Wardhani Kartina, (2012).
Dalam Manajemen Rantai Pasok”, Kampus “Aplikasi Tutorial Sistem Pendukung
IPB Taman Kencana Bogor : PT. Penerbit Keputusan Menggunakan Metode Simple
IPB Press. Additive Weighting”, Program Studi Teknik
[10] Rahardjo Emanuel Andi Wahju, (2006). Informatika Politeknik Caltex Riau : Jurnal
“Instalasi Apache Web Server, MySQL Teknik Informatika, Vol 1 September 2012.
Database dan PHP Pada Sistem Oprasi
Fedora Core 5”, Jurusan Teknik Informatika
: Universitas Kristen Maranatha, Bandung.
418
Seminar Nasional Informatika 2014
Abstrak
STMIK STIKOM Bali merupakan salah satu perguruan IT pertama di Bali yang menggunakan sistem
terkomputerisasi. Mulai dari sistem kepegawaian hingga sistem akademik, salah satunya adalah Sistem
Informasi Akademik Online yang dimana sistem ini menjadi tempat mahasiswa untuk mendapatkan berbagai
informasi.Penelitian ini mengacu pada pengukuran tingkat kepuasan pengguna terhadap Sistem Informasi
Akademik Online , dimana pengguna yang dimaksud disini adalah mahasiswa. Tingkat kepuasan mahasiswa
diukur berdasarkan standar ISO 9126 quality in use metrics dengan menggunakan satisfaction metrics
merupakan acuan yang dapat digunakan untuk mengukur tingkat kepuasan user terhadap perangkat lunak.
Dalam penelitian ini penulis melakukan pengukuran tingkat kepuasan pengguna terhadap Sistem Informasi
Akademik di STMIK STIKOM Bali menggunakan Standar ISO 9126 quality in use metrics dimana
pengumpulan data dilakukan dengan cara penyebaran kuesioner kepada mahasiswa yang hasilnya berupa
grafik tingkat kepuasan pengguna dalam hal ini mahasiswa terhadap system Informasi Akademik Online
STMIK STIKOM Bali diukur berdasarkan variable kontent/informasi, kecepatan, interaktifity dan dari
tampilan.
419
Seminar Nasional Informatika 2014
standarISO 9126 quality in use metrics dengan ISO 9126Quality in use metrics memiliki 4 tabel
menggunakan satisfaction metricsmerupakan pengukuran matrik yaitu :
acuan yang dapat digunakan untuk mengukur Effectiveness metrics
tingkat kepuasan userterhadap perangkat lunak. Matrik ini menilai apakah tugas yang
[6] Diharapkan dengan hasil penelitian ini bisa dilakukan oleh pengguna mencapai tujuan
diketahui tingkat kepuasan dari mahasiswa dan tertentu dengan akurasi dan kelengkapan
bisa dilakukan maintenance dan juga dalam konteks tertentu digunakan. Matrik ini
pengembangan fitur-fitur baru dalam sistem ini tidak memperhitungkan bagaimana tujuan
sehingga dapat meningkatkan kepuasan dicapai, hanya sejauh mana dicapai oleh
mahasiswa pengguna
Productivity metrics
2. ISO 9126-1 Quality In Use Metrics Matrik ini menilai sumber daya yang
ISO 9126 adalah standar internasional hanya sehubungan dengan efektivitas yang dicapai
untuk mengevaluasi perangkat lunak. ISO 9126 dalam konteks tertentu digunakan. Sumber
terdiri Bahasa Dari Empat komponen yaitu: daya yang paling umum adalah waktu untuk
quality model, eksternal metrics, internal metrics, menyelesaikan tugas, meskipun sumber daya
Dan Quality in use metrics . Dalam penelitian ini lain yang relevan dapat mencakup upaya
pengukuran yang digunakan adalah pengukurang pengguna, materi atau biaya keuangan
yang ke empat yaitu Quality in use metrics. pemakaian.
Standard ISO 9126 pertama kali diperkenalkan Safety metrics
pada tahun 1991 melalui pertanyaan tentang Matrik ini menilai tingkat risiko bahaya bagi
definisi Kualitas perangkat lunak. Dokumen masyarakat, bisnis, software, properti atau
halaman-13 yang asli didesain sebagai fondasi lingkungan dalam konteks tertentu
lebih jauh, lebih detail, dan memiliki standard digunakan. Ini termasuk kesehatan dan
yang dapat diolah. Dokumen standard ISO 9126 keselamatan baik pengguna dan mereka yang
sangat panjang. Hal ini dikarenakan orang terkena dampak penggunaan, serta
memiliki motivasi berbeda yang memungkinkan konsekuensi fisik dan ekonomi yang tidak
untuk tertarik pada kualitas perangkat lunak : diinginkan
Satisfaction metrics
Acquirer adalah orang yang memperoleh Matrik ini menilai sikap pengguna terhadap
perangkat lunak dari supplier eksternal. penggunaan produk dalam konteks tertentu
Developer adalah orang yang membangun digunakan.
produk perangkat lunak. Dalam penelitian ini peneliti menggunakan
Evaluator independent adalah orang yang satisfaction metrics untuk pengukuran kepuasan
menetapkan kualitas produk perangkat lunak pengguna untuk system akademik online di
– tidak untuk dirinya sendiri tetapi untuk STMIK STIKOM Bali.
komunitas user – misalnya melalui jenis tool
tertentu dari sebuah perangkat lunak sebagai 3. Metode Penelitian
bagian dari aktifitas profesional.
Sistematika Penelitian
ISO 9126 mengidentifikasi enam karakteristik Penelitian ini bersifat korelasional dan kuantitatif.
kualitas perangkat lunak utamayaitu: Dimana, Tujuan utama dari penelitian ini adalah
Functionality: kemampuan menutupi fungsi untuk mengetahui tingkat kepuasan terhadap
produk perangkat lunak yang menyediakan sistem.
kepuasan kebutuhan user.
Reliability: kemampuan perangkat lunak
untuk perawatan dengan level performansi.
Usability: kemampuan yang berhubungan
dengan penggunaan perangkat lunak.
Efficiency: kemampuan yang berhubungan
dengan sumber daya fisik yang digunakan
ketika perangkat lunak dijalankan.
Maintainanility: kemampuan yang
dibutuhkan untuk membuat perubahan
perangkat lunak
Portability: kemampuan yang berhubungan
dengan kemampuan perangkatlunak yang
dikirim ke lingkungan berbeda
Gambar 1. Sistematika Penelitian
420
Seminar Nasional Informatika 2014
421
Seminar Nasional Informatika 2014
Prosedur pengukurannya adalah responden Perbedaan usia dari sampel penelitian dapat diliha
diminta untuk menyatakan kepuasa atas dasar pada Gambar 2.
persepsi masing-masing responden. Jawaban
terdiri dari 5 pilihan yaitu:
usia 18
2%2%
Tabel 1. Jawaban 6% 1% 14% usia 19
Jawaban Nilai
usia 20
Sangat Memuaskan 5
Memuaskan 4 31% usia 21
Cukup memuaskan 3
44% usia 22
Tidak memuaskan 2
Sangat tidak memuaskan 1 usia 23
Usia
Dari 82 sampel kuesioner, usia termuda dari
responden adalah 18 tahun dan tertua adalah 25
tahun. Sampel kuesioner paling banyak pada
mahasiswa yang memiliki usia 19-20 tahun.
422
Seminar Nasional Informatika 2014
KWS4 KWS3
Gambar 4. Perbandingan kepuasan pengguna
SION dari segi content Gambar 2. Perbandingan kepuasan pengguna
SION dari segi kecepatan
Terlihat pada gambar 4. dalam bentuk grafik
maka perbandingan kepuasan mahasiswa STMIK Terlihat pada gambar 5 dalam bentuk grafik maka
STIKOM Bali mengenai kepuasan web sion perbandingan kepuasan mahasiswa STMIK
dalam segi konten atau infromasi sebagai berikut : STIKOM Bali mengenai web sion dalam segi
1. Mahasiswa lebih cenderung merasa tidak kecepatan sebagai berikut :
puasa mengenai Kejelasan penyajian 1. Mahasiswa STMIK STIKOM Bali segabai
informasi, baik informasi personal atau pengguna dari web sion cenderung merasa
informasi pengumuman. puas mengenai Kemudahan untuk akses web
2. Mahasiswa lebih cenderung merasa tidak puas sistem informasi online (SION).
terhadap Kelengkapan penyajian informasi, 2. Kecepatan dalam pertama kali mengakses atau
baik informasi personal atau informasi membuka web sion merupakan suatu hal yang
pengumuman. penting dalam kenyamanan penggunaan web
3. Mahasiswa lebih cenderung merasa tidak puas sion, mahasiswa dalam hal ini sebagai
mengenai Kecepatan menemukan informasi pengguna web sion cenderung merasa puas
yang diinginkan. dari segi kecepatan awal mengakses website
4. Mahasiswa lebih cenderung merasa tidak puas sistem infromasi online (SION).
mengenai Selalu update informasi dan 3. Penjelajahan web yang dimaksudkan untuk
pengumunan. mencari informasi yang diinginkan oleh
5. Mahasiswa lebih cenderung merasa tidak puas pengguna merupakan hal yang sangat
mengenai Tersedia data-data atau informasi penting, jadi kecepatan dalam melakukan
yang lalu. penjelajahan website berpengaruh terhadap
6. Mahasiswa lebih cenderung merasa tidak puas kenyamanan pengguna. Dari segi kecepatan
mengenai Pencarian data lawas (tracking). dalam membuka konten sion mahasiswa
cenderung merasa kurang puas akan kecepatan
Kecepatan dalam penjelajahan konten sion.
Berikut merupakan hasil perbandingan kepuasan 4. Mengunduh data atau infromasi baik itu
pengguna SION dilihat dari segi kecepatan akses personal maupun pengumuman sangat sering
dilakukan oleh pengguna web sistem
infromasi online (SION) dalam hal ini adalah
mahasiswa sebagai pengguna web sion.
Kecepatan pengunduhan pengumuman atau
informasi personal juga berpengaruh terhadap
kepuasan pengguna, dari segi ini mahasiswa
sebgai pengguna web sion cenderung merasa
tidak puas mengenai kecepatan pengunduhan
pengumuman atau informasi
Tampilan Web
Berikut merupakan perbandingan kepuasan
pengunaan SION dilihat dari segi tampilan
423
Seminar Nasional Informatika 2014
0.6 IND1
0.4 0.69
DWS4 0.74 0.25 0.46 0.53 DWS2
0.34
0.43 0.430.32
0.46 0.67
0.56 IND3 IND2
DWS3
424
Seminar Nasional Informatika 2014
425
Seminar Nasional Informatika 2014
Heri Gunawan
Abstrak
Terjadinya pernyataan ketidakpastian pada kecerdasan buatan berkaitan dengan masalah probabilitas. Untuk
meminimalisir ketidakpastian dalam memberikan keputusan terhadap penyalahgunaan jenis NAPZA, salah
satunya dapat menggunakan metode dampster shafer, karena metode ini mengizinkan untuk menentukan
derajat kepercayaan (degree of belief). Perhitungan ketidakpastian dalam penelitian ini menggunakan
Dampster Shafer dengan mengaitkan ukuran nilai kepercayaan (belief) dengan nilai masuk akal (plausibility),
karena tidak semua evidence (bukti) secara langsung mendukung penggunaan jenis NAPZA. Metode ini
digunakan untuk mencari nilai kepastian dari inputan yang berupa gejala dan presentase kemungkinan jenis
NAPZA yang disalahgunakan . Dalam penelitian ini Dampster Shafer dapat menghasilkan diagnosa yang
lebih tepat dan mempunyai nilai kepastian yang lebih akurat. Dengan metode dampster shafer berhasil
diimplementasikan untuk diagnosa terhadap penyalahgunaan narkotika dan mampu menjawab permasalahan
dalam meningkatkan tingkat kepercayaan untuk menghasilkan diagnosa yang tepat.
426
Seminar Nasional Informatika 2014
427
Seminar Nasional Informatika 2014
dokter yang biasa menangani masalah pengetahuan lain tersebut adalah mengenai
penyalahgunaan narkotika untuk mendapatkan jenis NAPZA, gejala-gejalanya. Dalam penelitian
pengetahuan tentang tingkat ini penulis menggunakan beberapa data gejala
penyalahgunaanya serta berbagai pengetahuan yang dapat ditimbullkan pada seseorang pengguna
lain yang berhubungan penyalahgunaan narkotika dapat dilihat pada tabel 4.1 dan tabel
narkotika. Dari wawancara ini didapatkan 4.2 jenis NAFZA. Data ini diperoleh dari
knowledge base yang akan menjadi bagian lampiran Surat Keterangan Menteri Kesehatan
terpenting dari pembangunan sistem. Republik Indonesia No.
b. Studi Literatur No.422/MENKES/RI/III/2010), yang kemudian
Studi literatur dilakukan untuk mengkaji diklasifikasikan oleh ahli untuk memberikan nilai
berbagai sistem yang sudah pernah ada belief pada setiap gejala.
melalui jurnal. Pemahaman terhadap metode Tabel 1. Gejala Umum Dengan Nilai Belief
yang akan dilakukan pada penelitian ini.
428
Seminar Nasional Informatika 2014
sebagai gejala pengguna AMPETAMIN (A), menggunakan NAPZA jenis Ampetamin dan
HEROIN (H) dan BENZODIAZEPIN (B) adalah Benzodiazepin {A,B} dengan nilai kepercayaan
: paling tinggi sebesar 11%. Nilai 11% merupakan
m2{A,H,B} = (0.7*0.9*0.6) = 0.378 nilai kepercayaan yang tertinggi yang didapat
m2{ø} = (1 – 0.7)*(1 – 0.9)*(1 – 0.6) = 0.3 * 0.9 hasil perhitungan dampster shafer dari tiga gejala
* 0.6 = 0.012 yang ditimbulkan oleh pemakai.
Munculnya gejala baru mengharuskan kita untuk
menghitung densitas baru untuk beberapa Apabila diketahui nilai kepercayaan setelah
kombinasi (m3) dengan aturan seperti pada Tabel dilakukan Psikosis (Halusinasi dan Delusi) (G3).
4.6. Sebagai gejala pengguna menggunakan jenis
IF (G1Ampetamin=0.9) AND (G1Maryuana=0.8) NAPZA AMPETAMIN (A) dan Kokain (K)
AND (G1Inhalan=0.6) AND adalah:
(G1Benzodiazepin=0.7) AND m1{A,K} = (0.6*0.9) = 0.54
(G2Ampetamin=0.7) AND (G2Heroin=0.9) AND m1{ø} = (1 - 0.6)*(1 – 0.9) = 0.4 * 0.1 = 0.04
(G2Benzodiazepin=0.6) THEN kemudian muncul gejala baru yaitu Bicara tak
(Ampetamin,Benzodiazepin) jelas (G4). Sebagai gejala pengguna
menggunakan jenis NAPZA Ampetamin dan
Tabel 2. Aturan kombinasi untuk m3 Maryuana adalah:
m2{A,M} = (0,7 * 0.9) = 0.63
m2{ø} = (1 – 0.7)*(1 – 0.9) = 0.3 * 0.1 = 0.03
429
Seminar Nasional Informatika 2014
Kokain{M,K} = 3%. Ampetamin dan Kokain Pada lingkaran nomor 3 terlihat nilai
{M,K} = 2%. Maka dapat disimpulkan nilai plausibility (masuk akal) untuk masing-masing
kepastian kombinasi Dempster-shafer adalah jenis NAPZA dengan gejala pertama yaitu
pengguna didiagnosa menggunakan NAPZA jenis Ampetamin (A) = 0.1, Maryuana (M) = 0.2,
Ampetamin{A} dengan nilai kepercayaan paling Inhalan (I) = 0.4 dan Benzodiazepin (B) = 0.3,
tinggi sebesar 34%. Nilai 34% merupakan nilai untuk Heroin (H) dan Kokain (K) diinisialisasi
kepercayaan yang tertinggi yang didapat hasil dengan nilai 1 yang berarti tidak pengaruh dengan
perhitungan dampster shafer dari tiga gejala yang gejala pertama, nilai 1 dibutuhkan untuk
ditimbulkan oleh pemakai. membantu proses perhitungan saja. Untuk gejala
kedua yaitu sakit kepala memiliki pengaruh
Proses Metode dengan Sistem terhadap penggunaan NAPZA dengan nilai
Form diagnosa gejala umum ini digunakan plausibility Ampetamin (A) = 0.3, Heroin (H) =
untuk mendiagnosa pemakai NAPZA dimulai 0.1 dan Benzodiazepin (B) = 0.4. Untuk
dengan mengisi ID Diagnosa, tanggal, nama Maryuana, Heroin dan Benzodiazepin (A,H,B)
pemakai, alamat pemakai, jenis kelamin dan umur diinisialisasai dengan nilai 1 sebagai gejala yang
pemakai. Proses berikutnya adalah memilih gejala tidak memiliki pengaruh pada ketiga jenis
yang terlihat dengan menekan tombol >> untuk NAPZA (A,H,B).
maju dan << untuk ke belakang, setiap gejala Nilai 0.002 pada lingkaran nomor 4
yang cocok atau sesuai dengan keadaan pemakai adalah total nilai plausibility dari jenis NAPZA
dilanjutkan dengan tombol Yes dan No jika gejala (A,M,I,B) dan 0.012 adalah total niai plausibility
yang ditanyakan pada form tidak sesuai. Pemakai dari jenis NAPZA (A,H,B). Dan pada lingkaran
dianjurkan untuk menjawab semua pertanyaan nomor 5 merupakan hasil perhitungan dempster
yang ditanyakan oleh sistem. Dalam ujicoba ini shafer dengan nilai tingkat kepercayaan, nilai
dapat dilihat pada gambar 5.6 ditandai dengan 0.1143 untuk diangnosa penggunaan Ampetamin
lingkaran 1, pemakai menjawab Yes untuk gejala dan Bezodiazepin (A,B). Nilai 0.009 untuk
pertama yaitu paranoid, kebingungan dan diagnosa penggunaan Maryuana, Inhalan dan
gangguan persepsi dan gejala kedua yaitu sakit Heroin (M,I,H) dan Nilai 0.0036 untuk hasil
kepala kemudian pilih tombol Atur Kombinasi. diagnosa penggunaan Ampetamin, Maryuana,
Nilai belief untuk masing-masing jenis NAPZA Inhalan dan Benzodiazepin (A,M,I,B). Dari hasil
yaitu Ampetamin (A) = 0.9, Maryuana (M) = 0.8, nilai kepercayaan yang didapat dilakukan proses
Inhalan (I) = 0.6 dan Benzodiazepin (B) = 0.7, perbandingan dari ketiga nilai tersebut sehingga
untuk Heroin (H) dan Kokain (K) = 1 diperolah nilai tertinggi yaitu 0.1143, kesimpulan
diinisialisasai sebagai gejala yang tidak memiliki adalah pemakai tersebut didiagnosa menggunakan
pengaruh pada Heroin dan Kokain. Nilai 0.302 NAPZA jenis Ampetamin dan Benzodiazepin
adalah total nilai densitas dari gejala pertama dengan nilai kepercayaan 0.1143.
dengan indikasi penggunaan NAPZA (A,M,I,B).
Pada Gejala kedua yaitu sakit kepala Tabel 4. Perbandingan Nilai Kepercayaan
memiliki pengaruh pada penggunaan NAPZA Antara Proses Manual Dengan Sistem
dengan nilai belief Ampetamin (A) = 0.7, Heroin
(H) = 0.9 dan Benzodiazepin (B) = 0.6, untuk
Maryuana, Inhalan dan Kokain (M,I,K)
diinisialisasai dengan nilai 1 sebagai gejala yang
tidak memiliki pengaruh pada ketiga jenis
NAPZA (M,I,K). Nilai 0.378 nilai total densitas
dari gejala kedua terlihat pada lingkaran nomor 2.
4. Kesimpulan dan Saran
Kesimpulan
Dari hasil analisa dan implementasi terhadap
sistem untuk mendiagnosa pengaruh
penyalahgunaan NAPZA menggunakan metode
dampster shafer, dapat disimpukan bahwa:
1. Dengan metode dampster shafer berhasil
diimplementasikan untuk diagnosa terhadap
penyalahgunaan narkotika dan mampu
menjawab permasalahan dalam
meningkatkan tingkat kepercayaan untuk
menghasilkan diagnosa yang tepat.
2. Sistem yang dibangun dengan
memanfaatkan nilai densitas gejala untuk
430
Seminar Nasional Informatika 2014
431
Seminar Nasional Informatika 2014
Abstrak
SQLite database merupakan sebuah sistem manajemen basis data relasional yang bersifat ACID-compliant
dan memiliki ukuran pustaka kode yang relatif kecil, ditulis dalam bahasa C. Namun ada satu hal yang masih
menjadi kekurangan di dalam database SQLite yaitu masalah keamanan data karena database tersebut masih
bersifat plain, dalam arti tidak terlindungi oleh enkripsi. Database SQLite tidak memiliki mekanisme untuk
memproteksi data seperti password atau enkripsi. Siapapun yang memiliki akses ke fisik file database, maka
yang bersangkutan akan bisa membukanya dan melihat isi data di dalamnya. Untuk melindungi SQLite
database tersebut dibutuhkan teknik kriptografi. Algoritma Elgamal merupakan salah satu dari algoritma
yang digunakan untuk menyelesaikan permasalahan pada bidang kriptografi. Algoritma Elgamal dipilih
dalam teknik kriptografi ini karena algoritma Elgamal dalam mengamankan pesan rahasia membutuhkan
pembentukan kunci dengan menggunakan bilangan prima dan pemecahan masalahnya menggunakan
logaritma diskrit yang cukup menyulitkan. Kunci yang dimiliki algoritma elgamal ada dua jenis yaitu kunci
public dan kunci private. Kunci publik untuk umum dan kunci private untuk diri sendiri. Dengan algoritma
elgamal diharapkan akan terciptanya sebuah sistem yang optimal untuk mengamankan SQLite database.
432
Seminar Nasional Informatika 2014
433
Seminar Nasional Informatika 2014
434
Seminar Nasional Informatika 2014
Dekripsi
Siti mendeskripsi cipherteks dari Ahmad dengan
melakukan perhitungan sebagai berikut :
n = a p – 1 – x mod p = 1430605 mod 2357 = 872
m = b x n mod p = 697 × 872 mod 2357 = 2035
Plainteks yang didekripsi, 2035, sama dengan
plainteks yang dikirim oleh Ahmad.
4. PENGUJIAN
Contoh
Siti ingin membangkitkan pasangan kuncinya. Siti
memilih p = 2357, g = 2, dan x = 1751. Kemudian
menghitung :
y = gx mod p = 21751 mod 2357 = 1185
Jadi kunci publiknya ( y = 1185, g = 2, p = 2357 )
dan kunci privatnya ( x = 1751, p = 2357 ).
435
Seminar Nasional Informatika 2014
5. KESIMPULAN
436
Seminar Nasional Informatika 2014
[3] Anandia Zelvina, Syahril Efendi, Dedy [5] Danang Tri Massandy, 2009. Journal
Arisandi, 2012. Journal Perancangan Algoritma Elgamal Dalam Pengaman Pesan
Aplikasi Pembelajaran Kriptografi Kunci Rahasia, Bandung.
Public Elgamal Untuk Mahasiswa, Medan. [6] Mukhammad Ifanto, 2009. Journal Metode
[4] M. Taufiq Tamam, Wakhyu Dwiono, Tri Enkripsi Dan Dekripsi Menggunakan
Hartono, 2010. Journal Penerepan Algoritma Elgamal
Algoritma Kriptografi Elgamal Untuk
Pengaman File Citra, Yogyakarta.
437
Seminar Nasional Informatika 2014
Abstrak
Daerah lingkungan tempat saya tinggal terdapat banyak petani biji kakao. Dari petani kakao tersebut terdapat
banyak variasi mutu terhadap biji kakao yang dihasilkan dari olahan panen mereka. Biji kakao kering hasil
olahan petani akan dijual atau dibeli berdasarkan patokan pemerintah. CV. Sibaroar adalah perusahaan
perseorangan yang bergerak dibidang pembelian biji kakao kering di daerah saya. Walaupun terdapat banyak
variasi mutu yang dihasilkan tetapi harga jual/beli dipatok sama saja oleh perusahan ini. Oleh sebab itu
peneliti mencoba membuat sebuah sistem pendukung keputusan untuk menentukan mutu biji kakao layak
jual dengan metode Simple Additive Weighted agar harga jual/beli sesuai dengan mutu yang dihasilkan oleh
petani tersebut.
Kata kunci : Sistem Pendukung Keputusan, Simple Additive Weighted, Mutu Biji Kakao, Harga Jual,
CV.Sibaroar
438
Seminar Nasional Informatika 2014
439
Seminar Nasional Informatika 2014
440
Seminar Nasional Informatika 2014
3. V3 adalah Kakao C, dimiliki oleh petani memilih ada berapa kakao yang akan diinputkan
Hartati. Menduduki ranking ke tiga yang ke dalam sistem.
berarti biji kakao kering punya Hartati
dikategorikan bagus untuk layak jual.
4. V2 adalah Kakao B, dimiliki oleh petani Joko.
Menduduki ranking ke empat yang berarti biji
kakao kering punya Joko dikategorikan cukup
untuk layak jual.
441
Seminar Nasional Informatika 2014
Kesimpulan
Dari hasil analisa sistem pendukung
keputusan untuk menentukan mutu biji kakao
layak jual dan peneliti melakukan penelitian pada
CV. Sibaroar dapat disimpulkan bahwa :
442
Seminar Nasional Informatika 2014
Sistem Pendukung Keputusan yang dibuat [2] DR.IR.Kadarsah Suryadi, (2003). Sistem
dengan menggunakan metode Simple Additive Pendukung Keputusan, PT.Remaja
Weighted dapat melakukan perhitungan secara Rosdakarya Bandung.
otomatis ketika pengguna menginputkan nilai [3] Efraim Turban, Jay E. Aronson, Ting Peng
dan bobot, sehingga dapat menganalisa biji kakao Liang (2005). Decision Support System and
yang bermutu dengan harga jual disesuaikan Intelligent Systems Edisi 7 Jilid 1, Andi
kualitasnya. Yogyakarta.
Adapun kriteria-kriteria yang diambil [4] Indonesia (2002), Standard Nasiional
dalam sistem pendukung keputusan ini mengacu Indonesia Nomor 01-2323-2002 Tahun 2002
pada data hasil penelitian di CV. Sibaroar selaku [5] Kusrini (2007). Konsep dan Aplikasi Sistem
perusahaan yang membeli biji kakao kering dari Pendukung Keputusan. Yogyakarta. Penerbit
petani kakao lingkungan sekitar. Dan juga Andi.
merujuk pada pedoman Standard Nasional [6] Much. Rifqi Maulana. Penilaian Kinaerja
Indonesia nomor 01-2323-2002 sehingga dapat Karyawan di Ifun Jaya Textile Dengan
mengimplementasikan Sistem Pendukung Metode Fuzzy Simple Additive Weighted.
Keputusan dalam menentukan petani kakao yang Jurnal Ilmiah ICTech Vol.x No.1 Januari
mempunyai kualitas bagus layak jual. 2012.
Aplikasi Sistem Pendukung Keputusan [7] N.Balaji, G.Sambasivam, et al. Appraisal
untuk Menentukan mutu Biji Kakao Layak Jual and Analysis on Diversified Web Service
dengan Metode Simple Additive Weighted telah Selection Techniques based on QoS Factors.
dapat memenuhi kebutuhan untuk membantu ISSN : 0975-4024 Vol 5 No 3 Jun-Jul 2013
dalam menentukan mutu biji kakao dari petani [8] Retno Utami Hatmi dan Sinung Rustijarno.
kakao. Sehingga dapat menentukan juga nilai beli (2012). Teknologi Pengolahan Biji Kakao
terhadap mutu biji kakao hasil olahan petani. Menuju SNI 01-2323-2008. BPTP
Yogyakarta. 2012.
Saran [9] Tumpal H. S. Siregar, et al. Budidaya
Berdasarkan hasil pengujian dan Cokelat. Depok. Penebar Swadaya. 2010.
kesimpulan, saran untuk penetapan dan kelanjutan [10] Youllia Indrawaty, et al. IMPLEMENTASI
sistem pendukung keputusan ini adalah sebagai METODE SIMPLE ADDITIVE
berikut : WEIGHTING PADA SISTEM
Sistem Pendukung keputusan dengan PENGAMBILAN KEPUTUSAN
metode SAW ini menggunakan aplikasi berbasis SERTIFIKASI GURU. Jurnal Informatika
Web, disarankan untuk pengembangan berikutnya Itenas Library No.2, Vol.2, Mei – Agustus
dapat dibuat sebuah aplikasi yang dapat 2011.
menjawab segala keperluan institusi pembeli biji
kakao. Contohnya mungkin pelaporan hasil
perhitungan, data karyawan, dan lain sebagainya
Bagi para peneliti yang ingin
mengembangkan sistem pendukung keputusan ini
dapat dikembangkan lagi menjadi lebih baik dan
lebih bervariasi dengan melengkapi dan
menambah kriteria dari mutu biji kakao yang
lebih banyak. Mungkin datanya dapat di ambil
dari Standard Nasional Indonesia yang terbaru.
Pada penelitian ini penulis hanya
menggunakan kuisioner sebanyak 20 orang,
semakin banyak kuisioner yang digunakan dalam
pengumpulan data maka hasil analisis akan jauh
lebih baik lagi
Daftar Pustaka
443