NARNASI
ONAL
I
NOVASI T
eknol
I
l
ogidan
muKomput er
GREENTECHNOLOGYANDSUSTAINABLE:
Idea,Concept,ImplementationandProductDesign
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Panitia Penyelenggara
Ketua : Mardi Turnip, M.Kom.
Wakil : Mawaddah Harahap, M.Kom.
Sekretaris : Siti Aisyah, M.Kom.
Wakil Sekretaris : Marlince N. K. Nababan, M.Kom.
Bendahara : Windania Purba, M.Kom.
ii
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
iii
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
KATA PENGANTAR
iv
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
v
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
DAFTAR ISI
vi
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
vii
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
viii
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ix
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
x
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Dalam meningkatkan daya saing suatu wilayah, terkadang sektor pertanian dibidang tanaman
pangan merupakan salah satu indikator penilaiannya. Untuk itu perlu dicari tanaman pangan
yang memiliki keunggulan-keunggulan tersendiri terhadap kriteria-kriteria tertentu. Penentuan
komoditas unggulan dilakukan sebagai upaya untuk memanfaatkan potensi daerah sehingga
dapat memberikan nilai tambah bagi wilayah tersebut. Untuk itu dibuatlah sistem pendukung
keputusan yang dapat membantu dalam menentukan tanaman yang memiliki potensi sebagai
tanaman pangan unggulan di Sumatera Utara. Metode yang digunakan adalah Multi Atribut
Decission Making Weighted Product (MADMWP) yang menggunakan lebih dari satu kriteria
penilaian yaitu : Tingkat Kebutuhan, Biaya Operasional, Kuantitas Produksi, Luas Panen, Harga
Jual, Daya Saing dan Tingkat Pertumbuhan. Pada hasil penelitian ini didapatkan bahwa Ubi
Kayu merupakan Tanaman Pangan yang memiliki keunggulan dibandingkan dengan tanaman-
tanaman pangan yang lain yang ada di Sumatera Utara sehingga cocok untuk dikembangkan
secara lebih berkelanjutan.
Kata Kunci: Sistem Pendukung Keputusan, Tanaman Pangan, Weighted Product (WP)
1
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2
atribut, dimana setiap atribut harus
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tingkat Kebutuhan
Tingkat kebutuhan merupakan tingkat
seberapa dibutuhkan nya tanaman pangan
tersebut menurut para responden. Disini
tingkat kebutuhan dinyatakan dengan 5
tingkatan dengan bobot yang sudah
ditentukan.
Sangat Penting 5
Penting 4
2. PEMBAHASAN Cukup Penting 3
Sistem penskla-an tiap 3ariable ini
Tidak Penting 2
didasarkan pada nilai interval masing-masing
Sangat Tidak
kelompok (sub 3ariab) dengan kisaran nilai 1
Penting
dari 1 sampai 5. Sementara untuk data yang
bukan berupa angka, penskla-an dilakukan Biaya Operasional
Biaya operasional merupakan biaya yang
dengan 3ariab strata. Masing-masing kriteria
digunakan untuk merawat tanaman pangan
(3ariable) memiliki bobot yang berbeda-beda
tersebut pada setiap kali panen per 1 ha.
disesuaikan dengan tingkat sumbangan kriteria
terhadap produk unggulan. Adapun kriteria-
Tabel 3. Skala Penilaian Biaya Operasional
kriteria yang digunakan pada penelitian ini
dapat dilihat di table 1. Berikut :
>10.000.000 1
Tabel 1. Kriteria Penilaian 7.000.000- 2
10.000.000
4.000.000-6.999.999 3
NO Kriteria Kriteria 1.000.000-3.999.999 4
1 Tingkat Kebutuhan C1 <1.000.000 5
2 Biaya Operasional C2
2 Kuantitas Produksi C3 Kuantitas Produksi
4 Luas Panen C4 Adalah perbandingan banyaknya
produksi tanaman pangan yang ada di
5 Harga Jual C5 Sumatera Utara dengan jumlah produksi setiap
6 Daya Saing C6 tanaman pangan Nasional, sehingga di
Tingkat Pertumbuhan dapatkan jumlah kontribusinya dan data yg
7 Produksi C7 digunakan adalah data yang ada pada tahun
2015. (Diolah dari bps.go.id &
Kriteria Keuntungan : Tingkat Kebutuhan sumut.bps.go.id)
(C1), Kuantitas Produksi (C3), Luas Panen
(C4), Harga Jual (C5), Daya Saing (C6) dan Tabel 4. Skala Penilaian Kuantitas
Tingkat Pertumbuhan Produksi (C7) Kriteria Produksi
Biaya : Biaya Operasional (C2)
Pembobotan setiap kriteria dihitung >10% 5
berdasarkan tingkat seperti berikut : 7%-9,9% 4
1 : Sangat Rendah 4%-6,9% 3
2 : Rendah 0%-3,9% 2
3 : Cukup <0% 1
4 : Tinggi
5 : Sangat Tinggi Luas Panen
Luas panen merupakan jumlah luas
panen yang ada di Sumatera Utara dengan luas
panen pada tingkat Nasional sehingga didapat
3
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
besarnya kontribusi lahan di tingkat Nasional Bila nilai RCA > 1 maka daya saing
dan data yg digunakan adalah data yang ada kuat, semakin tinggi RCA semakin
pada tahun 2015. (Diolah dari bps.go.id & tangguh daya saingnya.
sumut.bps.go.id) Bobotnya antara lain :
Tabel 5. Skala Penilaian Luas Panen Tabel 7. Skala penialaian Daya Saing
>10% 5 >1 5
7 % - 9,9 % 4 0.7 - 0.99 4
4 % - 6,9 % 3 0.4 - 0.69 3
0 % - 3,9 % 2 0.1 - 0.39 2
<0% 1 <0 1
RCA = xip/total xp
xin/total xn
dimana :
X = jumlah produksi
I = jenis tanaman pangan
p = Provinsi
n = Nasional
Kemudian ditransformasikan menjadi tabel
Bila nilai RCA < 1 atau sampai berikut berdasarkan skala nilai yang ada pada
mendekati 0, maka daya saing komoditi tiap kriteria.
lemah.
4
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 10. Perubahan data Tanaman Kemudian untuk menghitung vektor V yang
Pangan ke Pembobotan akan digunakan dalam menentukan tanaman
pangan unggulan dari Sumatera Utara adalah
Tanaman sebagai berikut:
No C1 C2 C3 C4 C5 C6 C7 V1 =
Pangan
3,041846392
1 A1 4 3 4 3 5 5 3 3,041846392+2,75016177+1
2 A2 5 3 3 3 5 4 2 ,99498441+2,1089191+2,18899057+3,3
3 A3 3 2 2 2 3 2 2 1272985+2,5212374
= 0,169756602
4 A4 4 3 2 2 4 2 2
5 A5 4 3 2 2 5 2 2 V2 =
6 A6 4 3 4 3 5 5 5 2,75016177
7 A7 3 3 3 3 5 2 3 3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
Perhitungan Manual +2,5212374
Dari data yang ada pada tabel diatas = 0,15347853
maka dapat dilakukan perhitungan terhadap w
dengan : V3 =
1,99498441
3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
+2,5212374
= 0,11133428
V4 =
2,1089191
3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
+2,5212374
= 0,11769264
V5 =
2,18899057
5
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
6
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
uk%20dari%20karet%20indonesi
a%20terhadap%20china.pdf
7
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Dalam menyimpan data rahasia secara digital, diperlukan keamanan data. Salah satu caranya
adalah dengan memecahkan rahasia digital tersebut dan disimpan di beberapa tempat. Namun,
persoalan yang sering ditemui adalah tempat penyimpanan sering terlupakan ataupun beberapa
pecahan jatuh ke tangan orang lain. Hal ini dapat diatasi dengan menerapkan Fast (k, n) -
Threshold Secret Sharing Scheme. Metode ini terdiri dari 2 proses yaitu proses distribusi dimana
rahasia digital akan dipecahkan menjadi n buah pecahan (share), dan proses recovery dimana
diperlukan k buah pecahan (share) yang berbeda untuk menyusun kembali pesan rahasia.
Perangkat lunak yang dirancang dapat digunakan untuk melakukan proses distribusi dan proses
recovery pesan rahasia, dimana proses distribusi memerlukan waktu 15 menit untuk
mendistribusikan pesan dengan panjang 50.000 karakter menjadi 25 buah pecahan (share), serta
proses recovery memerlukan waktu kurang dari 1 detik untuk me-recovery 5 buah pecahan
(share) dengan panjang pesan 45 karakter. Sesuai dengan hasil pengujian, waktu eksekusi proses
distribusi dan recovery termasuk cepat.
Kata Kunci: Kriptografi, Fast Threshold, Distribusi, Recovery, Pesan Rahasia, Share.
8
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
maka 1 utama dalam baris yang lebih a. Konversikan pesan ke bentuk Kode ASCII
rendah terdapat lebih jauh ke kanan dari 1 terlebih dahulu kemudian ke Kode Biner
utama dalam baris yang lebih tinggi. untuk mendapatkan S yang berupa bit
d. Masing-masing kolom yang mengandung biner pesan. Apabila panjang bit pesan
1 utama mempunyai nol di tempat lain. tidak habis dibagi (np – 1) maka pesan
Jika sebuah matriks mempunyai sifat-sifat 1, 2 tersebut akan ditambahkan spasi kosong
dan 3, maka dapat dikatakan bahwa matriks dibelakangnya hingga habis dibagi.
tersebut berada dalam bentuk eselon baris PESAN Kode ASCII
(row-echelon form). (Zaini, 2017) Kode Biner = S
b. Pecahkan S menjadi (np – 1) buah segmen
2.3 Protokol Secret Sharing dengan panjang masing-masing d bit,
Faizal Achmad memaparkan, misalkan dimana d = [panjang bit pesan / (np - 1)].
anda merancang sebuah program untuk
meluncurkan senjata nuklir. Anda ingin
memastikan bahwa hanya seorang saja tidak
dapat meluncurkannya. Begitu juga dengan
dua orang. Anda menginginkan agar minimal
tiga dari lima orang pegawai harus berkumpul
c. Persiapkan S(0) yang berupa deretan bit
untuk dapat meluncurkannya. Hal ini sangat
nol dengan panjang d-bit.
mudah diselesaikan. Pertama-tama, buatlah
sebuah pengontrol peluncuran mekanik.
Berikan masing-masing sebuah kunci yang
berbeda kepada kelima pegawai dan
memerlukan minimal tiga pegawai agar dapat d. Bangkitkan bilangan acak r(i, j) sebanyak
meluncurkannya. (Achmad, 2015) [np × (k – 1) – 1)] buah dengan panjang
Skema sharing yang jauh lebih kompleks, masing-masing d bit, dimana:
disebut dengan skema threshold, dapat - i = 0 sampai (k - 2),
melakukan semua hal tersebut ataupun lebih, - j = 0 sampai (np – 1),
secara matematis. Pada tingkatan yang paling - buang r(0, np - 1).
sederhana, anda dapat mengambil beberapa
pesan dan memecahkannya menjadi n
pecahan, yang disebut share atau shadow,
sedemikian sehingga m buahdari mereka dapat
digunakan untuk merekonstruksi pesan.
Secara lebih tepat, skema ini disebut (m,n)-
threshold scheme. (Achmad, 2015)
Dengan sebuah (3,4) - threshold scheme,
Trent dapat memecah rahasia resep sausnya
antara Alice, Bob, Carol dan Dave,
sedemikian sehingga tiga dari mereka dapat
menggabungkan share mereka bersama dan e. Eksekusi operasi W(i, j) = S(j - i) XOR
merekonstruksi pesan. Jika Carol sedang r(h, h×i+j), dimana:
liburan, maka Alice, Bob dan Dave dapat - i = 0 sampai (n – 1),
melakukannya. Demikian juga jika Bob tidak - j = 0 sampai (np - 2),
ada, maka Alice, Carol dan Dave dapat - h = 0 sampai (k - 2).
melakukannya. Namun, jika Bob dan Carol
tidak ada, Alice dan Dave tidak dapat
merekonstruksi pesan. (Achmad, 2015)
2.4 Fast (k, n) - Threshold Secret Sharing f. Gabungkan (np – 1) buah segmen W(i, j)
Scheme tersebut untuk menghasilkan share Ws(i)
2.4.1 Algoritma Distribusi yang akan diberikan kepada partisipan ke-
Berdasarkan penelitian Jun Kurihara i.
(Kurihara et al, 2008), cara kerja algoritma
distribusi pesan pada Fast (k, n) – Threshold
Secret Sharing Scheme dapat dirincikan
sebagai berikut:
9
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
10
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dimana:
- M bernilai 0 atau 1,
- i = 1 sampai (np - 1),
- ti = 0 sampai (k - 1),
- j = 0 sampai (np - 2).
HAPUS
Recovery Recovery
Teori Pendukung
Bahasa : English
Indonesia
BUKA SIMPAN
Suara : ON/OFF
11
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
12
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
PUSTAKA
Achmad, F. 2015. Desain dan Implementasi
Protokol Kriptografi untuk Aplikasi Secure
13
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Chat pada Multiplatform Sistem Operasi. Tullah R., Dzulhaq M. I., Setiawan Y. 2016.
ISSN: 1979-2328 Seminar Nasional Perancangan Aplikasi Kriptografi File
Informatika 2015 (semnasIF 2015). UPN dengan Metode Algoritma Advanced
Veteran Yogyakarta. Encryption Standard (AES). ISSN: 2088-
Ginting A., Isnanto R. R., Windasari I. P. 1762 Jurnal Sisfotek Global, Vol.6, No.2,
2015. Implementasi Algoritma Kriptografi September 2016. STMIK Bina Sarana
RSA untuk Enkripsi dan Dekripsi Email. e- Global.
ISSN: 2338-0403 Jurnal Teknologi dan Zaini. 2017. Model Penyelesaian Determinan
Sistem Komputer, Vol.3, No.2, April Matriks dengan Metode Eliminasi Gauss
2015. Semarang: Universitas Diponegoro. Melalui Matrix Laboratory (MATLAB).
Kurihara J., Kiyomoto S., Fukushima K., ISSN: 2406-8810 Jurnal Sains Terapan,
Tanaka T. 2008. A New (k, n) – Threshold No.1, Vol.3. Sekolah Tinggi Bontang.
Secret Sharing Scheme and Its Extension.
Japan: KDDI R&D Laboratories, Inc.
14
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Kriptografi dapat digunakan sebagai suatu teknik untuk sistem keamanan pada data komputer.
Dengan menggunakan kriptografi, data akan disandikan atau dienkripsi menjadi bentuk yang acak.
Ketika data ingin diakses, maka data yang telah dienkripsi diubah kembali (dekripsi) menjadi data
awal. Beberapa algoritma yang dapat digunakan untuk keamanan data ini adalah algoritma
ARCFOUR dan algoritma WAKE. Algoritma ARCFOUR membangkitkan aliran kunci yang
kemudian diproses dengan plaintext pada waktu enkripsi. Sama seperti algoritma ARCFOUR,
algoritma WAKE juga merupakan algoritma aliran kunci. Enkripsi dan dekripsi dapat dilakukan
hanya dengan menggunakan salah satu algoritma, namun tiap algoritma memiliki kelebihan dan
kekurangan masing-masing. Algoritma ARCFOUR akan memberikan proses enkripsi dan dekripsi
yang cepat namun sederhana. Kesederhanaan dari algoritma ARCFOUR dapat ditutupi oleh
rumitnya proses pembentukan S-Box dan kompleksnya proses pembentukan kunci pada algoritma
WAKE. Kombinasi dari kedua metode akan memberikan aspek keamanan yang baru, sehingga
diharapkan akan lebih sulit diserang.
15
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
16
bit dan sebuah tabel 256 x 32 bit. WAKE
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
17
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dalam bit, RC4 memproses data dalam ukuran ARCFOUR merupakan algoritma kriptografi
byte (1 byte = 8 bit). Untuk membangkitkan stream cipher yang menggunakan kunci 256 bit
aliran kunci, cipher menggunakan status internal atau 32 karakter ascii. Sebagai contoh, dilakukan
yang terdiri dari dua bagian: enkripsi terhadap 5 (lima) byte file yang bernilai
1. Permutasi dari angka 0 sampai 255 di ‖49 50 51 52 53‖ dengan kunci adalah ‖Tandy‖,
dalam larik S0, S1, …, S255. maka proses enkripsi ARCFOUR adalah sebagai
2. Dua buah pencacah indeks, i dan j. berikut:
1. Lakukan proses pembentukan kunci
Langkah-langkah algoritma RC4 adalah ‖Tandy‖ untuk mengisi nilai larik S[0]
sebagai berikut: hingga S[255], sebagai berikut:
1. Inisialisasi larik S sehingga S0 = 0, S1 = 1, a. Inisialisasi Larik S, dengan cara
S2 = 2, …, S255 = 255. berikut:
2. Jika panjang kunci K lebih kecil dari 256 S[0] = 0, S[1] = 1, S[2] = 2, ..., S[255]
bit, maka lakukan padding, yaitu = 255.
penambahan byte semu sehingga panjang b. Lakukan padding terhadap kunci
kunci menjadi 256 byte. Misalnya jika K dengan pengulangan
= ―abc‖ yang hanya terdiri dari 3 byte (3 c. Lakukan permutasi terhadap nilai array
huruf), maka lakukan padding dengan S
penambahan byte (huruf) semu sehingga 2. Setelah S[0] hingga S[255] terisi,
K = ‖abcabcabc…‖ sampai panjang K selanjutnya lakukan proses enkripsi
mencapai 256 byte. terhadap nilai byte ‖49 50 51 52 53‖
3. Lakukan permutasi terhadap nilai-nilai di 3. Hasil enkripsi terhadap 5 (lima) byte file
dalam larik S dengan cara sebagai dengan nilai ‖49 50 51 52 53‖ dan kunci
berikut: yang digunakan adalah ‖Tandy‖ adalah ‖79
j0 179 157 123 204‖.
for i 0 to 255 do
j (j + S[i] + K[i]) mod 256
swap(S[i], S[j]) (* Pertukarkan nilai
Apabila dilakukan proses dekripsi kembali
S[i] dan S[j] *) terhadap 5 (lima) byte hasil enkripsi yang
end for bernilai ‖79 179 157 123 204‖ dengan kunci
4. Bangkitkan aliran kunci-kunci yang sama, yaitu ‖Tandy‖, maka proses dekripsi
(keystream) dan lakukan enkripsi dengan dengan metode ARCFOUR adalah sebagai
cara sebagai berikut: berikut:
i0 1. Oleh karena kunci yang digunakan sama,
j0 maka nilai larik S sama dengan nilai larik S
for index 0 to (PanjangPlainTeks – 1)
pada proses enkripsi.
do
i (i + 1) mod 256 2. Hasil dekripsi terhadap 5 (lima) byte file
j (j + S[i]) mod 256 dengan nilai ‖ 79 179 157 123 204‖ dan
swap(S[i], S[j]) (* Pertukarkan nilai S[i] kunci yang digunakan adalah ‖Tandy‖,
dan S[j] *) berhasil mengembalikan nilai byte file
t (S[i] + S[j]) mod 256 semula, yaitu ‖49 50 51 52 53‖.
K S[t] (* keystream
*)
c K XOR P[index] (* enkripsi *) 3.2 Analisa Algoritma WAKE
end for WAKE merupakan algoritma kriptografi stream
P adalah array yang menyimpan karakter- cipher yang menggunakan kunci 128 bit (16
karakter plainteks karakter ascii). Sebelum dapat melakukan proses
5. Langkah kerja untuk proses dekripsi enkripsi. Sebelum dapat melakukan proses
sama dengan proses enkripsi. enkripsi dan dekripsi, proses pembentukan tabel
S-Box dan proses pembentukan kunci harus
Aliran-aliran kunci K dipilih dengan mengambil dijalankan terlebih dahulu
nilai S[i] dan S[j] dan menjumlahkannya dalam Nilai T[0] … T [256] adalah nilai S-Box yang
modulo 256. Hasil penjumlahan adalah indeks t akan digunakan pada proses pembentukan kunci.
sedemikian sehingga S[t] menjadi kunci aliran K Adapun proses pembentukan kunci pada metode
yang kemudian digunakan untuk mengenkripsi kriptografi WAKE adalah sebagai berikut.
plainteks ke-index. Pertama-tama, kunci yang di-input akan dipecah
Karena karakter-karakter kunci di-copy menjadi 4 bagian dan di-set sebagai nilai awal
berulang-ulang (untuk mengisi kekurangan 256 dari variabel A0, B0, C0, dan D0. Nilai dari
byte), maka ada kemungkinan nilai-nilai di variabel ini akan diproses dengan melalui
dalam larik S ada yang sama. (Ariyus, 2008) langkah berikut :
Ai+1 = M(Ai, Di)
3. ANALISA DAN PERANCANGAN Bi+1 = M(Bi, A i+1)
3.1 Analisa Algoritma ARCFOUR Ci+1 = M(Ci, Bi+1)
18
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
19
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
20
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Gambar 4.7 Tampilan Proses Enkripsi Gambar 4.9 Tampilan File ”Bab 1.docx.enc”
Jika user ingin menampilkan langkah-langkah
Gambar 4.8 memperlihatkan bahwa file hasil
perhitungan pada proses enkripsi atau dekripsi, enkripsi telah teracak dan tidak memiliki makna.
maka checkbox ‖Tampilkan Langkah Untuk mengembalikan file hasil enkripsi ke
Perhitungan‖ akan diklik. Langkah-langkah bentuk semula, maka lakukan proses dekripsi
perhitungan akan ditampilkan seperti pada dengan menggunakan kunci yang sama pada
Gambar 4.8, namun proses enkripsi atau dekripsi form Input Kunci Dekripsi, seperti terlihat pada
akan memerlukan waktu yang lebih lama.
gambar 4.9 berikut.
21
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
22
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
23
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Minyak kelapa sawit adalah salah satu minyak yang paling banyak dikonsumsi dan
diproduksi di dunia. Indonesia adalah produsen dan eksportir terbesar minyak sawit di
dunia, sehingga Industri minyak kelapa sawit merupakan salah satu industri kunci untuk
perekonomian Indonesia. Salah satu perusahaan di Indonesia yang bergerak di bidang
pengolahan minyak kelapa sawit adalah PT. Cipta Agro Sejati. Produksi minyak kelapa
sawit merupakan salah satu kegiatan terpenting yang dilakukan oleh perusahaan.
Perusahaan harus mengambil keputusan yang tepat dalam memprediksi jumlah produksi
minyak kelapa sawit sesuai dengan permintaan pasar. Penelitian ini bertujuan untuk
menerapkan metode fuzzy tsukamoto dalam memprediksi produksi minyak kelapa sawit
berdasarkan data pemesanan dan persediaan. Pada metode fuzzy tsukamoto setiap
konsekuensi pada aturan yang berbentuk IF-THEN direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan yang menoton. Sebagai hasilnya, output hasil
inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-
predikat.Penelitian ini menggunakan 9 aturan (rules). Berdasarkan hasil perhitungan
menggunakan fuzzy tsukamoto hasil prediksi produksi minyak kelapa sawit pada tanggal 23
November 2017 sebesar 102.743,5 kg.
24
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
untuk memprediksi suatu hal, sehingga peneliti Tabel 2.1 Data Transaksi Minyak Kelapa
akan menerapkan metode tersebut untuk
memprediksi produksi minyak kelapa sawit pada Sawit
PT. Cipta Agro Sejati. No Tanggal
Pemesanan Persediaan Produksi
1.2 Identifikasi Masalah (kg) (kg) (kg)
Berdasarkan latar bekalang permasalahan 1 2 Nov 2017 97.490 232.249 119.019
di atas, maka dalam penelitian ini identifikasi
masalahnya adalah: 2 5 Nov 2017 200.000 282.426 147.667
1. Bagaimana menerapkan metode
3 9 Nov 2017 125.860 236.499 171.952
fuzzy tsukamoto untuk memprediksi
produksi minyak kelapa sawit? 4 13 Nov 2017 74.140 256.314 143.675
2. Bagaimana merancang dan
membangun aplikasi untuk 5 16 Nov 2017 101.680 218.264 137.770
memprediksi produksi minyak
kelapa sawit menggunakan metode 6 19 Nov 2017 98.320 294.263 174.320
fuzzy tsukamoto? 7 21 Nov 2017 152.300 302.366 160.403
25
Variabel Pemesanan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
26
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Membuat Fungsi
Keanggotaan Setiap
Variabel
Menentukan Aturan
(Rules)
27
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1. Tampilan icon tambah pada form input hasil prediksi juga akan terlihat nilai
data CPO keanggotaan, alfa 1-9, z 1-9 dan lain
Jika admin mimilih tombol tambah yang sebagainya. Adapun tampilan icon proses
ada pada tampilan form input data CPO prediksi pada form input data CPO seperti
maka akan muncul teksbox untuk input terlihat pada Gambar 2.9.
data CPO setelah selesai lalu simpan
derngan demikian data akan tersimpan
secara otomatis ke dalam database.
Adapun tampilan icon tambah pada form
input data CPO seperti terlihat pada
Gambar 2.7.
28
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
29
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Clustering dalam data mining adalah pengelompokan sejumlah data atau objek ke dalam group
(cluster) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin dan
berbeda dengan objek dalam cluster yang lainnya. Sequence Clustering merupakan salah satu
metode clustering yang menggabungkan teknik clustering dengan analisis Markov Chain untuk
mengidentifikasi kelompok dan urutannya. Sequence Clustering memiliki keunggulan yaitu
menggunakan data urut. Algoritma memeriksa semua probabilitas transisi dan mengukur
perbedaan, atau jarak, di antara semua urutan yang mungkin dalam kumpulan data untuk
menentukan urutan mana yang terbaik untuk digunakan sebagai masukan pengelompokan. Pada
penelitian ini, Algoritma Sequence Clustering akan digunakan untuk mengidentifikasi dataset
yang akan digunakan sebagai acuan untuk merekomendasikan pembiayaan kredit sesuai
kapasitas konsumen. Hasil penelitian dapat merekomendasikan tenor dan DP yang sesuai
dengan konsumen dan perusahaan.
30
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Manfaat dari penelitian adalah Pada penetilian ini pihak pemberi kredit
merekomendasikan pembiayaan yang tepat memiliki kriteria-kriteria dalam menentukan
sesuai dengan kapasitas yang dimiliki calon penerima kredit diantaranya status
konsumen untuk menjaga angka tunggakan kredit, produktivitas usaha, kondisi usaha,
perusahaan agar tidak naik serta membantu jaminan, kolektibilitas, watak (character),
konsumen untuk mendapatkan unit yang penghasilan. Pada penelitian ini, pengurutan
diinginkan sesuai dengan budget dan hasil akhir sistem dari nilai tertinggi hinggan
kemampuan konsumen. nilai terndah dapat memudahkan pihak bank
Penelitian dan penerapan algoritma dalam membaca data nilai nasabah yang
Sequence Clustering untuk dihasilkan.
merekomendasikan pembiayaan memiliki
beberapa kelebihan sebagai berikut: 1.3 Metodologi Penelitian
a. S Penelitian ini menggunakan
equence Clustering merupakan metodologi pendekatan kuantitatif, dimana
algoritma hibrida yang metode ini menggunakan paradigma post-
menggabungkan teknik clustering positivist (seperti pemikiran tentang hubungan
dengan analisis Markov Chain untuk sebab akibat, reduksi kepada variable,
mengidentifikasi kelompok dan hipotesis dan pertanyaan spesifik,
urutannya. Salah satu keunggulan dari menggunakan pengukuran dan observasi, serta
algoritma Sequence Clustering adalah menguji teori). Dalam metodologi ini ada
bahwa algoritma ini menggunakan data beberapa bentuk penelitian yakni, penelitian
urut. korelasional / survey adalah suatu pendekatan
b. Algoritma memeriksa semua umum untuk penelitian yang berfokus pada
probabilitas transisi dan mengukur penaksiran pada kovariasi diantara variable
perbedaan, atau jarak, di antara semua yang muncul secara alami, dengan tujuan
urutan yang mungkin dalam kumpulan untuk mengidentifikasi hubungan prediktif
data untuk menentukan urutan mana dengan menggunakan Teknik korelasi atau
yang terbaik untuk digunakan sebagai Teknik statistika yag lebih canggih
masukan pengelompokan. (Zechmeter Ezmir, 2007:37).
c. Algoritma Sequence Clustering
yang menggunakan data urut, 2. PEMBAHASAN
memungkinkan untuk dapat Sequence Clustering adalah sebuah
memprediksi data berikutnya yang metode yang menggabungkan teknik
akan dilakukan selanjutnya. clustering (pengelompokan) dengan metode
Markov Chain. Proses Data Mining
1.2 Tinjauan Pustaka Menggunakan dengan Algoritma Sequence
Kresno Aji, Harry Eko UAB (2017) Clustering pada data melewati proses
menggunakan metode Sequence Clustering perkalian matriks untuk mencari probabilitas
untuk mengklaster pola waktu kunjungan keadaan tetap agar dapat memprediksi hasil
pelanggan hotel di DIY. Data yang ada akan dari data proses Data Mining. Proses
dianalisis dan dijadikan sebuah matriks. clustering menggunakan algoritma sequence
Matriks tersebuat akan dikalikan dengan Clustering melalui beberapa tahapan yaitu,
matriks probabilitas. Proses perkalian matriks proses menemukan probabilitas dari sebuah
dilakukan hingga nilai matriks tidak berubah studi kasus, kemudian probabilitas akan
jika dikalikan dengan matriks probabilitas. dijadikan matriks transisi yang akan
Sehingga Metode Sequence Clustering dapat digunakan untuk mencari probabilitas keadaan
digunakan untuk mengklaster pola waktu tetap (steady state). Steady state akan
kunjungan pelanggan hotel. Kelas hotel juga digunakan untuk menentukan berbagai
diprediksi pola atau kecenderungan tingkat kemungkinan atau prediksi sesuai dengan
hunian pada bulan berikutnya. Sehingga pihak batasan yang ditentukan untuk metode
hotel dapat lebih mudah melakukan persiapan clusteringnya. Adapun proses atau langkah-
untuk kunjungan pelanggan bulan berikutnya. langkah untuk menyelesaikan perhitungan
Pada penelitian Gaguk Pujiono (2015) probabilitas pada periode waktu tertentu
yang membahas tentang penerapan metode menggunakan algoritma Sequence Clustering
SAW (Simple Additive Weigting) untuk adalah sebagai berikut :
merekomendasikan kelayakan pemberian a. Buatlah matriks transisi dari
kredit pada PT. BPR Prima Dadi Arta Pare. probabilitas yang diketahui.
31
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
b. Lakukan operasi perkalian matriks dari Tabel 1. Tabel Data Sampel Custbase
probabilitas waktu sebelumnya dengan NO No.Kontrak . Type . Status Kredit
matriks transisi, rumusnya : . .
Matriks periode ke-n = Matriks . .
periode ke-n+1 * Martiks Transisi 1 000924/10S . BEAT . MENUNGGAK
c. Ulang proses yang sama sampai . .
menemukan probabilitas keadaan tetap. . .
Namun, dari perkalian matriks tersebut, akan 2 002168/10S . VARIO . LANCAR
muncul satu permasalahan yaitu apabila . .
perhitungan dilakukan dilakukan per periode, . .
tentunya akan memakan waktu yang lama, 3 001581/11S . VARIO . LANCAR
karena contohnya, apabila steady state . .
probabilitas ada pada periode ke-15, maka . .
harus dilakukan perhitungan sebanyak 14 kali. . . . . . .
Hal ini bisa diatasi dengan menghitung . . . . . .
probabilitas keadaan tetap secara langsung . . . . . .
menggunakan persamaan sebagai berikut : 100 001506/13S . VARIO . MENUNGGAK
[ N M ] = [ N M ] * Matriks Transisi . .
Dimana N dan M merupakan variable dari . .
studi kasus yang diteliti menggunakan metode
Sequence Clustering. Dari 100 buah data sampel diatas akan
diperoleh data status pembiayaan berdasarkan
2.1 Ketentuan Umum lama kredit (tenor) dan besar DP untuk unit
Dalam pengelompokan urutan atau top sell pada leasing sebagai berikut :
clustering, ada beberapa persyaratan yang
harus dipahami untuk algoritma, termasuk TIPE STATUS TENOR
berapa banyak data yang diperlukan, dan KREDIT
bagaimana data digunakan. Berikut adalah 12 18 24 30 36
persyaratan untuk model clustering : BEAT L 6 6 11 4 22
a. Kolom kunci tunggal model M 2 2 4 1 6
pengurutan memerlukan kunci yang
VARIO L 5 4 12 1 5
mengidentifikasi catatan
b. Kolom urutan untuk data urutan, model M 3 1 3 1 1
harus memiliki tabel besarang yang
berisi kolom id urutan. ID urutan bisa Tabel 2. Data Jumlah Tunggakan Sesuai
berupa tipe data sortable apapun. Tenor
c. Atribut non sequence opsional
algoritma ini mendukung penambahan Dari data yang disajikan pada Tabel 2, maka
atribut lain yang tidak berhubungan akan dihitung probabilitas sesuai tenor dan DP
dengan sequencing. Atribut ini bisa untuk mendapatkan tenor dan DP yang bisa
mencakup kolom bersarang. direkomendasikan untuk konsumen. Adapun
Sebagai contoh yang dikutip dari situs hitungan untuk mendapatkan probabilitas
Adventure works Cycles , model keadaan tetap adalah sebagai berikut :
clustering urutan mungkin mencakup
informasi pesanan sebagai tabel Tabel 3. Probabilitas Sementara
khusus, demografi tentang pelanggan Tunggakan Sesuai Tenor
spesifik untuk setiap pesanan sebagai
atribut non-urutan dan tabel bersarang
yang berisi urutan di mana pelanggan
melihat-lihat situs atau memasukkan
barang belanja sebagai informasi
urutan.
32
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Maka :
Untuk Tipe Beat dengan Tenor 12 bulan, Dari perhitungan probabilitas di atas,
probabilitas adalah : maka dari 100 buah data sampel penjualan
L = 0.094L + 0.031M perusahaan dapat dilihat pada grafik berikut
L = 0.094L + 0.031(1 – L) yang akan menunjukkan angka penjualan
L = 0.094L + 0.031 – 0.031L sesuai dengan probabilitas yang sudah di
0.937L = 0.031 hitung pada perhitungan diatas, yakni sebagai
L = 0.033 berikut :
M=1–L
M = 1 – 0.033
M = 0.966
Untuk Tipe Beat dengan Tenor 18 bulan,
probabilitas adalah :
L = 0.031
M = 0.966
Untuk Tipe Beat dengan Tenor 24 bulan,
probabilitas adalah :
L = 0,071
M = 0,929
Untuk Tipe Beat dengan Tenor 30 bulan,
Gambar 1. Data Probabilitas Keadaan
probabilitas adalah :
Tetap Sesuai Tenor – Lancar
L = 0,017
Dari gambar grafik diatas dapat
M = 0,983 disimpulkan bahwa tenor 24 dan 36 bulan
Untuk Tipe Beat dengan Tenor 36 bulan,
merupakan penjualan terbanyak dengan
probabilitas adalah : pembayaran lancar. Sehingga dari data ini,
L = 0,125
perusahaan dapat memfokuskan penjualan
M = 0,875 pada tenor 24 dan 36 bulan untuk menurunkan
angka tunggakan.
VARIO Diagram di bawah ini merupakan
Untuk Tipe Vario dengan Tenor 12 bulan, proses data mining yang diaplikasikan ke
probabilitas adalah : database untuk mendapatkan hasil atau value
L = 0.139L + 0.083M dari database. Gambar 2. menunjukkan
L = 0.139L + 0.083(1 – L) database yang diinput ke akan melalui proses
L = 0.139L + 0.083 – 0.083L
cleaning, integration, selection, dan
0.944L = 0.083 transformation sebelum di olah menggunakan
L = 0.088 metode data mining yang akan diterapkan.
Setelah melewati proses pengolahan
M=1–L menggunakan metode, value yang didapatkan
M = 1 – 0.088 akan dievaluasi dan dipresentasikan untuk
M = 0.912 mendapatkan knowledge (pengetahuan) yang
Untuk Tipe Vario dengan Tenor 18 bulan, baru.
probabilitas adalah :
L = 0,031
M = 0,969
Untuk Tipe Vario dengan Tenor 24 bulan,
probabilitas adalah :
L = 0,111
M = 0,889
Untuk Tipe Vario dengan Tenor 30 bulan,
probabilitas adalah :
L = 0,028
M = 0,972
Untuk Tipe Vario dengan Tenor 36 bulan,
probabilitas adalah :
L = 0,031 Gambar 2. Diagram Sistem Proses Data
M = 0,969 Mining
33
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
34
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
beberapa hal yang dapat disimpulkan adalah [5] Nofriansyah Dicky. 2016. Konsep Data
sebagai berikut: Mining Sistem Pendukung Keputusan.
a. Penelitian dapat digunakan untuk CV. Budi Utama
merekomendasikan tenor dan DP yang [6] Sjafitri, H. 2011. Faktor-faktor yang
sesuai dengan konsumen dan Mempengaruhi Kualitas Kredit Dalam
perusahaan. Dunia Perbankan Volume 2. Jurnal
b. Hasil penelitian dapat digunakan untuk Manajemen Kewirausahaan.
memfokuskan penjualan pada tenor [7] Afriyanti, I dan Purwanto, E. 2012.
dan DP yang direkomendasikan guna Aplikasi Sistem Pendukung Keputusan
mendongkrak naik penjualan. Pemberian Kelayakan Kredit Pinjaman
c. Hasil penelitian dapat digunakan juga Pada Bank Rakyat Indonesia Unit Segiri
sebagai acuan untuk mempermudah Samarinda dengan Metode Fuzzy.
credit analist dalam menentukan hasil STMIK Widya Cipta Dharma,
survei dan juga membantu bagian Semarang.
collection untuk menjaga angka [8] Tibshirani, R., Walter, G. And Hastie, T.
tunggakan sesuai peraturan dari 2000. Estimating the Number of Clusters
Otoritas Jasa Keuangan (OJK). in a Dataset Using the Gap Statistics,
Technical Report 208, Department of
Statistic, Stanford University, Standford,
PUSTAKA CA 94305, USA.
[1] Mohammed J. Zaki and Wagner Meira, Jr. http://en.m.wikipedia.org/wiki/Sequence_clust
2014. Data Mining and Analysis : ering
Fundamental Concepts and Algorithm). http://docs.microsoft.com/data-mining
Cambridge University Press. http://socs.binus.ac.id/2017/03/09/clustering/
[2] Kusrina, dkk. 2009. Algoritma Data http://sis.binus.ac.id/2016/12/15/tahap-tahap-
Mining. Yogyakarta: Andi. data-mining
[3] Munir, R. 2012. Matematika Diskrit, http://www.scribd.com/doc/244003158/Data-
Revisi Kelima. Bandung: Informatika. Mining-Tahapan-Proses-Data-Mining
[4] Suyanto. 2017. Data Mining Untuk http://journal.amikom.ac.id/index.php/KIDA/a
Klasifikasi dan Klasterisasi Data. rticle/view/4466
INFORMATIKA.
35
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Hingga saat ini, hampir semua mobil Honda yang beredar kota Medan dan juga sekitarnya
merupakan dari showroom Honda PT. XYZ. Penjualan yang terjadi di PT. XYZ mengalami
fluktuasi yang disebabkan oleh beberapa faktor seperti nilai kurs dan bunga kredit bank.
Perubahan nilai kurs akan berdampak pada naiknya biaya komponen kendaraan. Penjualan
mobil di Indonesia juga tidak bisa lepas dari dana yang dikucurkan perbankan untuk
pembiayaan kredit. Pasalnya sebagian besar konsumen membeli mobil secara kredit. Level
bunga kredit menentukan minat konsumen dalam membeli mobil. Jika bunga kredit tinggi,
maka biaya yang harus dikeluarkan konsumen untuk membayar kredit mobil per bulannya juga
akan tinggi. Faktor-faktor tersebut dapat berpengaruh pada tingkat penjualan mobil. Dalam
penelitian ini, jenis mobil yang diteliti adalah jenis hatchback yaitu Honda Brio dan Honda
Jazz dengan menggunakan Metode Regresi Berganda untuk menghitung perkiraan jumlah
mobil yang akan terjual pada tahun 2017 dari data nilai kurs dan bunga kredit bank selama 2
tahun terakhir (2015 dan 2016). Kemudian akan dihitung koefisien korelasi (r) untuk
mengetahui tingkat hubungan antara variabel nilai kurs dan bunga kredit terhadap penjualan 2
jenis mobil tersebut. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara
dua variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara
dua variabel tersebut. Sedangkan tanda + (positif) dan – (negatif) memberikan informasi
mengenai arah hubungan antara dua variabel tersebut. Hasil peramalan menunjukkan bahwa
penjualan Honda Brio sebanyak 70 unit per bulan dan Honda Jazz sebanyak 62 unit per bulan
pada tahun 2017. Pada perhitungan koefisien korelasi antara variabel nilai kurs dengan
penjualan mobil Honda Brio adalah -0,15; koefisien korelasi antar variabel bunga kredit bank
dengan penjualan mobil Honda Brio adalah 0,23. Pada perhitungan koefisien korelasi antara
variabel nilai kurs dengan penjualan mobil Honda Jazz adalah 0,33; koefisien korelasi antar
variabel bunga kredit bank dengan penjualan mobil Honda Brio adalah -0,017.
36
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. B
unga kredit bank flat sepanjang tahun yaitu Gambar 1. Kerangka Berpikir
5,99% (2015) dan 5,68% (2016).
4. S4. Pengumpulan Data
emua produk mobil telah dirakit sebelum Data primer adalah data yang diperoleh
masuk ke Indonesia. langsung dari responden (objek penelitian).
Dalam penelitian ini tidak ada data primer
2. Metode Penelitian yang digunakan.
Jenis penelitian yang digunakan dalam Data sekunder adalah data yang diperoleh
penelitian di PT. Istana Deli Kencana ada dua melalui data yang telah diteliti dan
jenis yaitu Penelitian historikal dan dikumpulkan oleh pihak lain yang berkaitan
korelasional. Penelitian historikal merupakan dengan permasalahan penelitian. Data
bentuk penelitian yang memiliki tujuan untuk sekunder yang dipakai dalam penelitian ini
menggambarkan fakta dan menarik adalah data penjualan mobil Honda Brio dan
kesimpulan atas kejadian masa lalu. Untuk Jazz, nilai kurs tertinggi per bulan pada tahun
meramalkan penjualan mobil 1 tahun 2015 dan 2016 serta bunga kredit bank pada
berikutnya akan membutuhkan data penjualan tahun 2015 dan 2016 sebesar 5,99% (flat) dan
pada tahun sebelumnya. 5,68% (flat).
Penelitian korelasional adalah suatu Data penjualan mobil Honda Brio dan Jazz
penelitian yang melibatkan tindakan diperoleh dari bagian penjualan PT. Istana
pengumpulan data guna menentukan, apakah Deli Kencana Medan.
ada hubungan dan tingkat hubungan antara
dua variabel atau lebih. Pada penelitian ini, Tabel 1. Data Penjualan Mobil Honda Brio
terdapat 2 variabel yang mempengaruhi dan Jazz Pada Tahun 2015 dan 2016
penjualan mobil antara lain adalah kurs dan Penjualan pada Bulan Brio Jazz
bunga kredit bank. Peneltian ini termasuk Januari 2015 93 90
jenis penelitian korelasional karena akan Februari 2015 85 86
dilakukan pengujian hubungan antara kedua
variabel. Maret 2015 52 38
April 2015 80 54
3. Kerangka Berpikir Mei 2015 94 43
Kerangka berpikir adalah merupakan Juni 2015 80 75
konseptual mengenai bagaimana suatu teori
Juli 2015 82 98
berhubungan di antara berbagai faktor yang
telah diidentifikasikan penting terhadap Agustus 2015 70 61
masalah penelitian. Adapun penjelasan secara September 2015 38 42
sistematis tersebut dapat dilihat pada kerangka Oktober 2015 67 60
berpikir sebagai berikut: November 2015 96 36
Desember 2015 84 35
Januari 2016 73 35
Februari 2016 86 88
37
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Maret 2016 83 62
April 2016 71 52
Mei 2016 49 36
Juni 2016 83 49
Juli 2016 50 77
Agustus 2016 39 82
September 2016 37 48
Oktober 2016 83 48
November 2016 48 76
Desember 2016 83 93
Sumber: Divisi Penjualan PT. XYZ (2015- Gambar 2. Scatter Diagram Penjualan
2016) Mobil
38
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Pada perhitungan koefisien korelasi antara Gambar 4. Korelasi Antara Bunga Kredit
variabel nilai kurs dengan penjualan mobil dan Penjualan Mobil Honda Brio
Honda Brio menunjukkan bahwa hubungan
antar kedua variabel lemah (r = 0,15) dan Grafik koefisien korelasi antara kedua
memiliki hubungan linear negatif (r < 0) variabel dengan penjualan mobil Honda Jazz
sedangkan pada perhitungan koefisien korelasi dapat dilihat pada gambar di bawah ini.
antar variabel bunga kredit bank dengan
penjualan mobil Honda Brio menunjukkan
bahwa hubungan antar kedua variabel lemah
(r = 0,23) dan memiliki hubungan linear
positif (r > 0).
Pada perhitungan koefisien korelasi antara
variabel nilai kurs dengan penjualan mobil
Honda Jazz menunjukkan bahwa hubungan
antar kedua variabel lemah (r = 0,33) dan
memiliki hubungan linear negatif (r < 0) Gambar 5. Korelasi Antara Nilai Kurs dan
sedangkan pada perhitungan koefisien korelasi Penjualan Mobil Honda Jazz
antar variabel bunga kredit bank dengan
39
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
http://arifhidayat659.blogspot.co.id/2014
/04/metode-eliminasi-gauss-dan-gauss-
jordan.html
[5] Subagyo P., Forecasting Konsep dan
Aplikasi. BPFE, Yogyakarta, 1986.
[6] Hanke, John E., Business
Forecasting.Edisi ke-8. New Jersey:
Pearson Education International, 1992.
[7] Anita C Sembiring, Meningkatkan
Kepuasan Pelanggan dengan
Mempertimbangkan
Kualitas Layanan dan Harga, Juriti
Prima, 2018.
[8] Anita C Sembiring, Analisis Rancangan
Strategi Pemasaran Mobil
Gambar 6. Korelasi Antara Bunga Kredit
Studi Kasus (Honda : PT. Istana Deli
dan Penjualan Mobil Honda Jazz
Kencana), Wahana Inovasi, 2017.
[9] Adam, Muhammad, Manajemen
7. Kesimpulan dan Saran
Pemasaran Jasa Teori Dan Aplikasi.
Berikut ini adalah kesimpulan yang Bandung: CV Alfabeta, 2015.
dapat diperoleh sebagai berikut: [10] Sinulingga, Sukaria, Metode Penelitian,
1. H
Medan :USU Press, 2011.
asil peramalan penjualan mobil yang
diperoleh dengan eliminasi Gauss-Jordan
adalah 71 unit mobil per bulan untuk
mobil Honda Brio dan 60 unit mobil per
bulan untuk mobil Honda Jazz.
2. K
oefisien korelasi yang didapatkan dari
perhitungan tidak dapat mendukung
adanya hubungan yang saling
mempengaruhi antar kedua variabel.
Berikut ini adalah saran yang dapat
diberikan sebagai berikut:
1. D
alam mendapatkan hasil peramalan dan
koefisien korelasi yang lebih akurat
disarankan untuk mengambil rentang data
masa lalu yang lebih banyak.
2. D
isarankan menggunakan metode analisis
lain untuk menguji hubungan antara kedua
variabel.
DAFTAR PUSTAKA
40
Jordan,
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Fasilitas yang menunjang keberhasilan pendidikan dalam proses belajar mengajar berarti
menyangkut sarana dan prasarana pendidikan yang dapat dimanfaatkan oleh siswa dan guru
dalam rangka mencapai tujuan pembelajaran yang telah ditentukan.Sedangkan menurut Undang-
undang sisdiknas nomor 20 tahun 2003 pasal 45 ayat 1 dinyatakan sebagai berikut: ―Setiap
satuan pendidikan formal dan nonformal menyediakan sarana dan prasarana yang memenuhi
keperluan pendidiakan sesuai dengan pertumbuhan perkembangan potensi fisik, kecerdasan
intelektual, sosial, emosional dan kejiwaan peserta didik―. Penelitian ini membahas tentang
penerapan datamining pada jumlah desa yang memiliki fasilitas sekolah menurut provinsi
berdasarkan tingkat pendidikan menggunakan algoritma k-means. Sumber data penelitian ini
dikumpulkan berdasarkan dokumen-dokumen yang dihasilkan oleh Badan Pusat Statistik
Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2003-2014 yang
terdiri dari 34 provinsi. Variable yang digunakan adalah jumlah desa yang memiliki fasilitas
sekolah berdasarkan tingkat pendidikan yakni, SD, SMP, SMU, SMK dan Perguruan Tinggi.
Diharapkan dari hasil penelitian diperoleh cluster jumlah desa yang memiliki fasilitas sekolah
menurut provinsi. Jumlah cluster yang paling sedikit adalah masukan bagi pihak pemerintah
untuk meningkatkan fasilitas sekolah adalah salah satu hal dalam menunjang keberhasilan
proses pembelajaran.
41
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
metode yang digunakan untuk pengolahan menurut H. M Daryanto (2006: 51) secara
data guna menemukan pola yang tersembunyi etimologi (arti kata) fasilitas yang terdiri dari
dari data yang diolah. Data yang diolah sarana dan prasarana belajar, bahwa sarana
dengan teknik data mining ini kemudian belajar adalah alat langsung untuk mencapai
menghasilkan suatu pengetahuan baru yang tujuan pendidikan, misalnya lokasi/tempat,
bersumber dari data lama, hasil dari bangunan dan lain-lain, sedangkan prasarana
pengolahan data tersebut dapat digunakan adalah alat yang tidak langsung untuk
dalam menentukan keputusan di masa mencapai tujuan pendidikan, misalnya ruang,
depan[3]. Data mining juga bisa diartikan buku, perpustakaan, laboraturium dan
sebagai rangkaian kegiatan untuk menemukan sebagainya.
pola yang menarik dari data dalam jumlah
besar, kemudian data – data tersebut dapat 3. Hasil dan Pembahasan
disimpan dalam database, data warehouse atau Dalam melakukan clustering, data yang
penyimpanan informasi. Ada beberapa ilmu diperoleh akan dihitung terlebih dahulu
yang mendukung teknik data mining berdasarkan jumlah desa yang memiliki
diantaranya adalah data analisis, signal fasilitas sekolah menurut provinsi berdasarkan
processing, neural network dan pengenalan tingkat pendidikan. Data tersebut kemudian
pola[4]. diakumulasikan dan diambil nilai rata-rata dari
setiap 5 kriteria yaitu SD, SMP, SMA, SMK,
2.2 K-Means dan Perguruan Tinggi. Hasil rata-rata
K-Means merupakan salah satu berdasarkan 5 kriteria penilaian seperti yang
algoritma dalam data mining yang bisa ditunjukkan pada tabel 3.1.
digunakan untuk
melakukanpengelompokan/clustering suatu Tabel 3.1.Tabel Rata-Rata Jumlah Desa
data. Ada banyak pendekatan untuk membuat Yang Memiliki Fasilitas Sekolah
cluster, diantaranya adalah membuat aturan
yang mendikte keanggotaan dalam group
yang sama berdasarkan tingkat persamaan
diantara anggota-anggotanya. Pendekatan
lainnya adalah dengan membuat sekumpulan
fungsi yang mengukur beberapa properti dari
pengelompokan tersebut sebagai fungsi yang
mengukur beberapa properti dari
pengelompokan tersebut sebagai fungsi dari
beberapa parameter dari sebuah clustering[5]
Metode K-Means adalah metode yang
termasuk dalam algoritma clustering berbasis
jarak yang membagi data ke dalam sejumlah
cluster dan algoritma ini hanya bekerja pada
atribut numeric[5]
Pada dasarnya algoritma k-means hanya
mengambil sebagian dari banyaknya
komponen yang didapatkan untuk kemudian
dijadikan pusat cluster awal, pada penentuan
pusat cluster ini dipilih secara acak dari
populasi data. Kemudian algoritma k-means
akan menguji masing – masing dari setiap
komponen dalam populasi data tersebut dan
menandai komponen tersebut ke dalam salah
satu pusat cluster yang telah didefinisikan
sebelumnya tergantung dari jarak minimum
antar komponen dengan tiap – tiap pusat
cluster. Selanjutnya posisi pusat clusterakan
dihitung kembali sampai semua komponen
data digolongkan ke dalam tiap – tiap cluster
dan terakhir akan terbentuk cluster baru[6]
42
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
A B C D E
c1 8462,80 3905,20 1698,40 834,00 321,00
c2 1970,75 834,29 350,61 163,27 71,34
c3 265,00 133,00 49,00 24,00 9,00
Keteranagan :
A = SD
B = SMP
C = SMA
D = SMK
E = PT (Perguruan Tinggi)
B. Clustering Data
Dengan menggunakan centroid tersebut
maka dapat dicluster data yang telah didapat
menjadi 3 cluster. Proses cluster dengan
mengambil jarak terdekat dari setiap data
yang diolah. Dari data jumlah desa yang
memiliki fasilitas sekolah menurut provinsi
didapatkan pengelompokan pada iterasi 1
untuk 3 cluster. Cluster fasilitas sekolah
tingkat tinggi (C1) yakni Jawa Barat, Jawa
Tengah, Jawa Tiimr cluster fasilitas sekolah
tingkat sedang (C2) yakni 16 Provinsi dan
cluster fasilitas sekolah tingkat rendah (C3)
yakni 15 provinsi lainnya . Proses pencarian
jarak terpendek, pengelompokan data pada
iterasi 1 dan Clustering atas dapat
digambarkan pada tabel dan gambar berikut:
Setelah diakumulasikan dan dicari nilai rata- Tabel 3.3 Perhitungan Jarak Pusat Cluster
rata maka akan didapatkan nilai dari setiap Jarak
variable . Kemudian data tersebut akan masuk C1 C2 C3 Terpendek
ke tahapan clustering dengan menerapkan
algoritma K-Means untuk mengcluster data 6338,90 1133,08 2954,86 1133,08
menjadi tiga cluster. 4630,53 2733,90 4607,07 2733,90
8408,38 1087,19 818,17 818,17
A. Centroid Data
Dalam penerapan algoritma K-means 7618,47 351,23 1603,19 351,23
dihasilkan nilai titik tengah atau centroid dari 8094,63 755,23 1120,98 755,23
data yang didapat dengan ketentuan bahwa
clusterisasi yang diinginkan adalah 3, 6598,14 779,86 2640,00 779,86
Penentuan cluster dibagi atas tiga bagian 8383,89 1045,11 853,58 853,58
yaitu cluster tingkat tinggi (C1), cluster 6945,97 422,64 2270,03 422,64
tingkat sedang (C2) dan cluster tingkat
rendah (C3). maka nilai titik tengah atau 9138,75 1798,56 78,29 78,29
centroid juga terdapat 3 titik. Penentuan titik 9104,05 1767,33 121,47 121,47
43
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
RIAU 1 GORONTALO 1
JAMBI 1
SULAWESI BARAT 1
SUMATERA SELATAN 1
MALUKU 1
BENGKULU 1
LAMPUNG 1 MALUKU UTARA 1
44
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
45
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5. Daftar Pustaka
SULAWESI TENGGARA 1 [1] Rika,Megasari,‖Peningkatan Pengelolaan
Sarana Dan Prasarana Pendidikan Untuk
GORONTALO 1 Meningkatan Kualitas Pembelajaran
SULAWESI BARAT 1 DiSmpn 5 Bukittinggi,‖ vol. 2, no.1,pp. 1-
2, 2014
MALUKU 1
MALUKU UTARA 1 [2] Yudi,Alex Alda, ―Pengenbangan Mutu
PAPUA BARAT 1 Pendidkan Ditinjau dari Segi Sarana dan
Prasarana ( Sarana dan Prasarana PPLP)‖,
PAPUA 1 FIK UNP Padang, 2012
46
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Delimasitanggangunprimdn.ac.id, wahyu.ichsan.wi@gmail.com,
oloansihombing007@gmail.com
ABSTRAK
Setiap perusahaan menyadari bahwa kemajuan dari suatu perusahaan tergantung pada setiap
kinerja da loyalitas para keryawan yang bekerja di dalamnya semakin tinggi kinerja dan juga
loyalitas dari karyawan maka semakin menguntungkan bagi perusahaan. PT. Andalan Finance
Indonesia adalah perusahaan yang dapat menjalankan kegiatan usaha pembiayaan konsumen
(Customer Finance), sewa guna usaha (leasing) dan anjak piutang (Factoring) dan dapat
beroprasi diseluruh wilayah indonesia. Oleh karena itu dibuat suatu sistem proses rekrutmen
pada PT. Andalan Finance Indonesia agar lebih cepat dan akurat secara objektif dalam proses
pengangkutan karyawan tetap. Metode yang digunakan pada sistem ini adalah metode Simple
Additve Weighting (SAW) dan Analutic Hierarchy Process(AHP). Tujuan dari penelitian ini
adalah membandingkan metode SAW dan AHP dalam pengangkatan karyawan tetap, Aplikasi
dibuat dengan menggunakan Microsoft Visual Studio 2012 sebagai dasar tampilan program
dan menggunakan Microsoft Access sebagai database. Adapun hasil dari penelitian tersebut
bahwa metode AHP lebih baik daripada SAW dikarenakan nilai yang dihasilkan lebih
konsisten dan tidak banyak perubahan.
Kata Kunci: Simple Additve Weighting, Analutic Hierarchy Process, Karyawan tetap.
47
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
48
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. METODE PENELITIAN
Prioritas alternatif terbaik dari total rangking Hasil akhir dari penelitian ini adalah sebuah tool
yang diperoleh merupakan rangking yang dicari berbasis Desktop sistem pendukung keputusan
dalam Analytic Hierarchy Process (AHP) ini. yang dapat membantu user untuk memilih calon
karyawan tetap, namun sebelumnya ditentukan
2.3. METODE SAW dulu metode yang lebih baik untuk digunakan
Metode ini merupakan metode yang paling dalam studi kasus pemilihan karyawan tetap.
dikenal dan paling banyak digunakan orang Tahap awal yang dilakukan pada penelitian ini
dalam menghadapi situasi MCDM (Multiple adalah menentukan kriteria dan juga sub-krtiteria
Criteria Decision Making). Metode ini yang terlibat dalam pemilihan karyawan tetap,
mengharuskan pembuat keputusan menentukan selanjutnya melakukan perankingan karyawan
bobot bagi setiap atribut [6]. Skor total untuk menggunakan metode AHP, lalu dilakukan
sebuah alternatif diperoleh dengan perankingan menggunakan metode SAW, dan
menjumlahkan seluruh hasil perkalian antara tahap akhir adalah membandingkan kedua
rating (yang dapat dibandingkan lintas atribut) metode, kemudian ditentukan metode yang
dan bobot tiap atribut. Rating tiap atribut terbaik untuk studi kasus ini.
haruslah bebas dimensi yang artinya telah Metodologi pada penelitian ini dapat dilihat pada
melewati proses normalisasi sebelumnya. Gambar 3.1.
Langkah – langkah penyelesaian SAW adalah
sebagai berikut:
1. Menentukan kriteria-kriteria yang akan
dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif
pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan
kriteria (Ci), kemudian melakukan normalisasi
matriks berdasarkan persamaan yang disesuaikan
dengan jenis atribut (atribut keuntungan ataupun
atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
Hasil akhir diperoleh dari proses
perankingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R
dengan vektor bobot sehingga
diperoleh nilai terbesar yang dipilih
sebagai alternatif terbaik (Ai) sebagai
solusi.
Formula untuk melakukan normalisasi
tersebut adalah sebagai berikut:
________Jika j adalah atribut
keuntungan (benefit)
r=
________Jika j adalah atribut biaya
(cost)
dengan rij adalah rating kinerja ternormalisasi
dari alternatif Ai pada atribut Cj; i=1,2,...,m dan
j=1,2,...,n.
Nilai preferensi untuk setiap alternatif
(Vi) diberikan sebagai berikut:
4. HASIL DAN PEMBAHASAN
4.1. PERHITUNGAN METODE SAW
49
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Dalam implementasi metode SAW, nilai data Tabel 4.5. Bobot kriteria kemampuan
kriteria yang digunakan dalam penilaian juga
Keterangan Bobot
data kriteria setiap pegawai kemudian dikonversi
menjadi nilai rating kecocokan berdasarkan Buruk (<50) 0
skala penilaian. Pertama dengan mencari nilai
bobot setiap kriteria Kurang (50 - 60) 0,25
Tabel 4.1. Bobot kriteria absen
Biasa (60 – 75) 0,5
Keterangan Bobot
Baik (75 – 90) 0,75
>6 0
Bagus(90>) 1
3 > 5 hari 0,33
Tabel 4.6 Menentukan alterntif Ai
1 > 2 Hari 0,66
Keterangan (Ai) Nama
0 1 A1 Yudhi
Tabel 4.2. Bobot kriteria tanggung jawab A2 Ratna
A3 Rudi
Keterangan Bobot
Tabel 4.7 Menetukan tabel kriteria
Buruk (<50) 0 Keterangan Kriteria (Cj)
Tanggung Jawab C1
Kurang (50 - 60) 0,25
Absensi C2
Biasa (60 – 75) 0,5 Implementasi C3
Attitude C4
Baik (75 – 90) 0,75 Kemampuan C5
50
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
51
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
52
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Matakuliah adalah satuan pelajaran yang telah ditetapkan oleh pihak pendidikan. Matakuliah
utama pada Program Studi Sistem Informasi STIKOM Tunas Bangsa Pematangsiantar yang
mempunyai bobot rata-rata 3 sks ini memiliki angka kegagalan yang cukup tinggi. Hal ini dapat
dibuktikan dengan hasil dari kartu Hasil Studi (KHS) mahasiswa dimana matakuliah pendukung
lebih tinggi dibandingakan matakuliah utama. Dari latarbelakang diatas, didapatkan keinginan
untuk mencari faktor-faktor yang menjadi penyebab kegagalan mahasiswa dalam memaksimalkan
matakuliah utama yakni ilmu komputer. Untuk mengetahui faktor-faktor apa yang sangat
berpengaruh kepada kegagalan mahasiswa dalam mengambil matakuliah utama ini diwujudkan
dengan pembuatan suatu sistem pendukung keputusan pencarian faktor kegagalan dalam
matakuliah utama bidang komputer dengan metode Electre II. Sistem ini terbagi atas dua sisi
interaksi yaitu interaksi dosen dengan sistem, dan interaksi mahasiswa dengan sistem.
Fungsionalitas dosen yang disediakan dalam Electre II ini antara lain pengelolaan data dan
penelusuran informasi tentang faktor penyebab kegagalan. Sedangkan fungsionalitas mahasiswa
meliputi proses pencarian faktor kegagalan dan display daftar rekomendasi yang berupa sebuah
solusi untuk memperbaiki pada semester berikutnya. Diharapkan penelitian dapat mencari faktor
penyebab kegagalan mahasiswa dalam matakuliah utama, sehingga nantinya hasil output dari
sistem ini dapat menjadi bahan evaluasi baik bagi mahasiswa maupun bagi dosen untuk lebih
fokus terhadap matakuliah utama.
53
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
mendapatkan nilai gagal. Matakuliah utama Beragam teknik dan aplikasi telah
merupakan satuan pembelajaran yang telah dikembangkan untuk menyelesaikan
ditetapkan oleh pihak akademik yang ketidaktepatan dalam pengambilan keputusan,
mempunyai bobot sks 3. Mahasiswa sering yaitu salah satunya berupa sistem pendukung
mendapatkan nilai gagal di bidang matakuliah keputusan (SPK). Aplikasi-aplikasi SPK untuk
utama sedangkan di sebagian matakuliah membantu memberikan penilaian telah
pendukung mahasiswa sering mendapatkan dikembangkan, di antaranya Sistem
nilai yang memuaskan. Bila ditinjau pada pendukung Keputusan Pencarian Faktor
bobot sks,matakuliah utama mempunyai bobot Kegagalan Dalam Matakuliah Lingkup
rata-rata 3 sks, tetapi biasanya matakuliah Komputasi Imanda Isnugrahanto Haribowo,
utama ini mempunyai tingkat kegagalan yang 2006).
cukup tinggi. Hal ini dapat dilihat dari nilai Dengan menggunakan alternatif, dan
khs yang diterima mahasiswa setiap semester kriteria yang berbeda dengan penelitian di
yang mana nilai matakuliah utama cenderung atas, penelitian ini bertujuan mengembangkan
mendapatkan nilai yang rendah bahkan sistem pendukung keputusan menggunakan
mendapatkan nilai gagal. Hal ini menyebabkan metode ELECTRE II untuk melakukan
banyak mahasiswa yang harus mengulang pencarian faktor kagagalan mahasiswa dalam
karena mendapatkan nilai yang tidak matakuliah utama secara objektif dari bebrapa
memuaskan sehingga dinyatakan gagal. alternatif. Diharapkan penelitian ini
Karena apabila mahasiswa memiliki nilai memberikan kontribusi kepada mahasiswa dan
gagal maka mahasiswa tersebut tidak dapat dosen dalam memperbaiki proses belajar
mengajukan judul skripsi, sehingga mahasiswa mengajar yang baik menggunakan metode
yang gagal harus mengulang untuk ELECTRE II.
mendapatkan nilai yang lebih baik. Pada penelitian ini, akan digunakan
Sebagai upaya menunjang pencapaian metode ELECTRE II sebagai metode untuk
hasil belajar maksimal untuk mendapatkan penentuan faktor kegagalan mahasiswa dalam
nilai yang memuaskan maka seseorang selain matakuliah utama. Metode ELECTRE II
harus memiliki intensitas belajar yang baik dipilih karena kemampuannya dalam
juga perlu didukung oleh pola belajar yang perangkingan dan dapat mengompromi
sesuai dengan karakteristiknya. Hamalik alternatif yang ada. Sehingga metode ini
(2002) dan Husamah et al. (2016) menyatakan dirasa sangat tepat digunakan untuk mencari
bahwa agar suatu kegiatan belajar mahasiswa faktor kegagalan dalam matakuliah utama.
dapat berjalan dengan baik diperlukan suatu
langkah-langkah pokok yaitu harus 1.1 Tinjauan Pustaka
memahami pola atau sistem belajar dan 1. Sistem Pendukung Keputusan (SPK)
strategi belajar. Ketidakpahaman terhadap Sistem Pendukung Keputusan (SPK)/
pola dan strategi belajar bukan tak mungkin Decision Support System (DSS) pertama kali
menyebabkan mahasiswa mengalami diungkapkan pada awal tahun 1970-an oleh
kegagalan pada matakuliah utama Michael S. Scott Morton dengan istilah
ditempuhnya. Mahasiswa gagal atau tidak Manajement Decision Systems . Sistem ini
mendapatkan hasil yang baik dalam berbagai merupakan suatu sistem yang berbasis
matakuliah khususnya matakuliah utama komputer yang ditujukan untuk membantu
karena mereka tidak mengetahui pola-pola pengambil keputusan dalam memanfaatkan
belajar sekaligus strategi belajar yang baik. data dan model tertentu untuk memecahkan
Maka dari itu saya selaku penulis berbagai persoalan yang bersifat semi
melakukan suatu penelitian dengan tujuan terstruktur dan tidak terstruktur (Yuwono,
untuk membantu para mahasiswa dan dosen Kodong, & Yudha, 2001). Sistem pendukung
untuk mencari faktor penyebab mahasiswa keputusan mempunyai 4 fase dalam
sering mendapatkan nilai gagal Sehingga pengambilan keputusan yaitu :
nantinya dapat menjadi bahan evaluasi bagi 1. Intelligence
mahasiswa dan dosen untuk lebih 2. Design
meningkatkan tingkat pengetahuannya akan 3. Choice
faktor penyebab tersebut sehingga nantinya 4. implementation
dapat diperbaiki lagi agar tidak ada lagi Sistem pendukung keputusan tidak
mahasiswa yang mendapatkan nilai gagal ditekankan untuk membuat keputusan dengan
khususnya pada matakuliah utama. Penelitian sekumpulan kemampuan untuk mengolah
ini dilakukan di STIKOM Tunas Bangsa informasi atau data yang diperlukan dalam
Pematangsiantar. proses pengambilan keputusan tetapi sistem
54
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
hanya berfungsi sebagai alat bantu manajemen 3) ELECTRE III (Roy, 1978): The
(Jamila, 2012). ELECTRE I dan Metode ELECTRE II
Sejumlah perusahaan, lembaga penelitian (setidaknya versi awal mereka) fokus
dan perguruan tinggi mulai melakukan pada masalah yang melibatkan kriteria
penelitian dan membangun SPK seperti (Sari, yang benar. Dengan perkembangan
Windarto, Hartama, & Solikhun, 2018) juga pemodelan preferensi, beberapa prosedur
menggunakan SPK untuk untuk rekomendasi baru muncul yang mengambil secara
kelulusan sidang skripsi menggunakan metode eksplisit ke dalam ketidakpedulian
AHP-TOPSIS. (Imandasari & Windarto, account dan preferensi ambang batas.
2017) menggunakan SPK dalam Metode ELECTRE III adalah contoh
merekomendasikan unit terbaik di PDAM yang baik dari yang terakhir; lebih jauh
Tirta Lihou menggunakan metode Promethee. lagi, ia memiliki kekhasan yang
Penelitian ini bertujuan untuk didasarkan pada dihargai hubungan
mengembangkan sistem pendukung keputusan outranking yang memiliki properti,
dalam menentukan unit produksi terbaik di dengan respect untuk relasi biasa,
PDAM Tirta Lihou, Kabupaten Simalungun. menjadi kurang sensitif terhadap variasi
data dan parameter yang terlibat.
2. Election et Choix Traduisant La Realite 4) ELECTRE IV (Hugonnard dan Roy,
II (ELECTRE II) 1982): Metode ELECTRE IV, seperti
Metode ELECTRE sebagai salah satu sebelumnya, didasarkan pada
metode MADM secara luas diakui mempunyai pertimbangan kumpulan pseudokriteria;
performa yang baik untuk menganalisis bertujuan untuk menentukan peringkat
kebijakan yang melibatkan kriteria kualitatif tindakan, tetapi tanpa memperkenalkan
dan kuantitatif. Metode ELECTRE telah apapun pembobotan kriteria. ELECTRE
berkembang melalui sejumlah versi (I, II, III, IV saat ini satusatunya versi yang yang
IV, 1S). Semua versi didasarkan pada konsep tidak membutuhkan bobot tersebut.
dasar yang sama namun secara operasional Perbedaan utama adalah bahwa di
berbeda (junaidi,irawan, Mukhlash, 2011). ELECTRE IV, alih-alih menggunakan
Metode ELECTRE I didesain untuk pemilihan nilai fungsi keanggotaan, yang sejumlah
sedangkan ELECTRE II digunakan untuk kriteria dalam kategori outranking
perangkingan. Kedua versi ini menggunakan berbeda digunakan. sebuah set derajat
tipe kriteria yang sederhana, dalam arti nilai kredibilitas mirip dengan ELECTRE III
thresholdnya sama untuk semua kriteria didefinisikan untuk mengklasifikasikan
sedangkan versi yang lain menggunakan alternatif berdasarkan ascending dan
pseudo criteria descending proses distilasi. Metode ini
yang nilai thresholdnya tidak sama untuk dapat sangat berguna ketika pengambil
semua kriteria. keputusan tidak dapat menetapkan satu
1) ELECTRE I (Roy 1968): Metode ini set bobot preferensi untuk mencerminkan
dibangun untuk masalah pilihan kebutuhan spesifik diberikan Masalah
multicriteria: Tujuannya untuk dapat pengambilan keputusan.
mendapatkan subset N tindakan tersebut Prosedur perangkingan pada metode
seperti setiap tindakan yang tidak pada ELECTRE II didahului dengan
outrank N dengan setidaknya satu terbentuknya suatu graf
tindakan N. Bagian yang terakhir (yang berarah sebagai representasi dari
akan dibuat sekecil mungkin) dengan hubungan outranking, kemudian
demikian tidak merupakan kumpulan dilakukan perangkingan berdasarkan graf
dari aksi bagus, tetapi adalah himpunan tersebut dengan prosedur tertentu. Salah
di mana kompromi terbaik dapat secara satu perangkingan yang banyak
pasti ditemukan. digunakan peneliti berdasarkan prosedur
2) ELECTRE II ( Roy dan Bertier , 1971, umum diantaranya terdapat dalam paper
1973) : Perbedaan utama antara metode Ahn, dkk. (2005), serta Anand dan
ini dan ELECTRE I terletak dalam Nagesh (1996). Namun prosedur ini
mendefinisikan dua relasi outranking memiliki yaitu jika terdapat siklik pada
bukan satu: outranking kuat dan graf yang terbentuk, proses perangkingan
outranking lemah . Metode ELECTRE II menjadi lebih rumit (Ciptomulyono dan
, pada sisi lain , bertujuan untuk Triyanti, 2008).
membuat peringkat dari terbaik sampai Langkah-langkah metode ELECTRE II.
terburuk (peringkat masalah). 1. Normalisasi matrik keputusan.
55
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tujuan normalisasi adalah untuk mendapatkan Ckl ={j,ykj ≥ yij}, untuk j = 1,2,3,...,n
nilai berdimensi dengan kriteria yang berbeda (3)
agar keduanya dapat dibandingkan satu sama sebaliknya untuk mencari nilai discordance
lain. Dalam prosedur ini, setiap atribut diubah adalah:
menjadi nilai yang comparable. Setiap Dkl ={j,ykj < yij}, untuk j = 1,2,3,...,n (4)
normalisasi dari nilai rij dapat dilakukan
dengan Rumus : 4. Hitung matriks concordance dan
(1) discordance.
a. oncordance
Keterangan: Untuk menentukan nilai dari elemen-
rij = normalisasi pengukuran pilihan dari elemen pada matriks concordance adalah
alternatifdan kriteria. dengan menjumlahkan bobot-bobot yang
m = Alternatif. termasuk dalam subset concordance, secara
n = Kriteria. matematisnya adalah pada Rumus :
(5)
Sehingga didapat matriks R hasil Sehingga matriks concordance yang
normalisasi dihasilkan adalah:
(2) 5.
Menentukan matrik dominan
concordance dan discordance.
a. Concordance
Matrik dominan concordance dapat
dibangun dengan bantuan nilai threshold,
Dimana w adalah yaitu dengan membandingkan setiap nilai
elemen matriks concordance dengan nilai
threshold C‘.
56
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
(10)
Setelah kedua indeks ini diperkirakan, Proses menerapkan metode ELECTRE II
dua peringkat diperoleh berdasarkan dua dapat dilihat di bawah ini. Dengan
indeks ini dan peringkat rata-rata ditentukan menggunakan metode Sistem Peringkat Untuk
dari dua peringkat ini. Berdasarkan rangking Mendapatkan Bobot: Prosedur ini melibatkan
rata-rata, maka alternatif tersebut dipilih yang pengambil keputusan yang pada awalnya
memiliki rangking rata-rata terbaik. menilai kriteria sesuai urutan kepentingannya.
Setiap kriteria kemudian diberi skor
1.2 Metodologi Penelitian berdasarkan pangkatnya, dengan satu kriteria,
Penelitian ini dilakukan di STIKOM Tunas peringkat pertama diberi skor "1", yang
Bangsa Pematangsiantar. Data penelitian peringkat kedua diberi skor "2" dan
diperoleh dengan melakukan wawancara seterusnya. dalam hal kriteria mengikat untuk
secara langsung dan pemberian kuesioner rangking yang sama, rata-rata skor diberikan
kepada responden untuk mengetahui faktor – kepada mereka. Kriteria yang paling tidak
faktor apa saja yang menyebabkan mereka penting akan berakhir dengan skor n, di mana
mengalami kegagalan dalam matakuliah n adalah jumlah kriteria. Berat kepentingan
utama. Total sampel data yang digunakan yang dinormalisasi untuk setiap kriteria dapat
adalah 20 responden. Data yang telah dihitung dengan menggunakan rumus:
terkumpul selanjutnya diolah untuk
mendapatkan faktor-faktor penyebab
kegagalan mahasiswa dalam matakuliah utma.
Proses penyelesaian menggunakan salah satu Dimana w adalah bobot normalisasi untuk
metode yang ada di Sistem Pendukung masing-masing kriteria, ri adalah skor
Keputusan yakni ELECTRE II. Perancangan peringkat
diagram use case ditunjukkan dalam Gambar untuk masing masing kriteria, dan n adalah
1. jumlah kriteria keputusan.
Penulis menyetujui peringkat kriteria ini dari
57
yang paling penting hingga yang paling tidak
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2 0,0905
3 0,0857
58
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
b. Menghitung discordance.
Untuk menghitung nilai dari elemen pada
Menentukan himpunan discordance seperti matriks discordance adalah dengan membagi
pada Persamaan (4), sebagai berikut : maksimum selisih nilai kriteria yang termasuk
D12= V11<V21 = 0,0087 ≥ 0,0087 dalam subset discordance dengan maksimum
V12 < V22 = 0,0064 ≥ 0,0053 selisih nilai seluruh kriteria yang ada, secara
V13 < V23 = 0,0069 ≥ 0,0064 matematisnya seperti pada Persamaan (6),
V14 < V24 = 0,0101 ≥ 0,0069 sebagai berikut:
V15 < V25 = 0,0049 ≥ 0,0055
V16 <V26 = 0,0060 ≥ 0,0057
V17< V27 = 0,0040 ≥ 0,0053
V18 < V28 = 0,0040≥ 0,0045
V19 <V29 = 0,0062≥ 0,0059
V110< V210 = 0,0058 ≥ 0,0054
V111 < V211 = 0,0041≥ 0,0044
V112 < V212 = 0,0048≥ 0,0026
V113 < V213 = 0,0028≥ 0,0027
V114 < V214 = 0,0033≥ 0,0028
V115 < V215 = 0,0024≥ 0,0026
V116 < V216 = 0,0019 ≥ 0,0018
V117 < V217 = 0,0019 ≥ 0,0014
V118 < V218 = 0,0018 ≥ 0,0015
V119 < V219 = 0,0006≥ 0,0010
V120 < V220 = 0,0003≥ 0,0003
Dan seterusnya hingga C2019 Dan seterusnya sampai D2019, Sehingga
Sehingga didapatkan himpunan concordance diperoleh matriks discordance sebagai berikut:
nya pada table 7.
Tabel 9. Matriks Discordance
Tabel 7. Himpunan Discordance
59
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
II. KESIMPULAN
Berdasarkan hasil penelitian dan
pembahasan tentang Analisis Perencanaan
Faktor Kegagalan Matakuliah Utama Bidang
Sehingga matriks dominannya adalah: Komputer Pada Periode Sistem Informasi
Tabel 11. Matriks dominan discordance Dengan Metode Electre II sebagai berikut :
Matriks dominan 1. Metode ELECTRE II dapat diterapkan
disconcordance A1 A2 A3 A4 dalam kasus Penentuan faktor kegagalan
A1 - 0 1 0 mahasiswa dalam matakuliah utama
dengan mempertimbangkan beberapa
A2 1 - 1 1 alternative dan Kriteria. Yang mana
A3 0 0 - 0 alternatif nya adalah cara pengajaran
A4 1 1 1 - dosen, tingkat pemahaman materi,
fasilitas dalam mengajar dan manajemen
3. Menghitung indeks concordance waktu yang buruk dan kriteria nya
murni dan Discordance murni. diambil dalam data data responden.
1. Dari hasil penelitian dapat
a. Concordance murni disimpulkan bahwa A3 yaitu Fasilitas
Untuk mencari nilai concordance murni dalam mengajar merupakan factor
dapat dilihat pada persamaan (9). penyebab mahasiswa mendapatkan nilai
C1= 0,6667 + 0,3190 + 0,8333-(0,3333 gaga dalam matakuliah utama.
+ 0,6810 + 0,2238) = 0,5810 Untuk penelitian selanjutnya, kriteria
C2 = 0,3333 + 0,2095 + 0,6810-(0,6667 dan alternatif dapat ditambah, sehingga
+ 0,8000+0,5667) = -0,8095 data yang dimasukkan lebih bervariasi.
C3 = 0,6810 + 0,8000+0,8095-(0,3190 + Selain itu, metode ELECTRE II dapat
0,2095 + 0,1952) = 1,5667 dibandingkan dengan metode lain.
C4 = 0,2238 + 0,5667 + 0,1952 –
(0,8333+0,6810+0,8095) = -1,3381. PUSTAKA
Ciptomulyono, U dan Triyanti, V
b. Discordance murni (2008), ―Metode MCDM-ELECTRE
Untuk mencari nilai discordance murni III Untuk Analisis Penetapan
dapat dilihat pada persamaan (10). Segmen Pemasaran Usaha Jasa
D1= 0,4075 + 1+ 0,0666-(1 + 0,3670+ Barang Melalui Telpon Untuk
1) = -1 Sebuah
D2 = 1 + 1 + 0,9509-(0,4075 + Supermarket di Kota Surabaya‖,
0,3303+1) = 1,2131 Jurnal Eksekutif, Volume 5 Nomor
D3 = 0,3670 + 0,3303+0,3689 -(1 + 1 + 1.
1) = -1,9339 Fkip-umm, P. P. B. (2016). Prosiding
D4 = 1 + 1 + 1 -(0,0666+0,9509+0,3689) Seminar Nasional II Tahun 2016,
= 1,6137 Kerjasama Prodi Pendidikan Biologi
Setelah kedua indeks telah dihitung, FKIP dengan Pusat Studi
maka untuk mendapatkan alternatif Lingkungan dan Kependudukan
terbaik adalah dengan mencari nilai rata (PSLK) Universitas Muhammadiyah
rata dari kedua peringkat indeks
60
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
61
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Keamanan informasi merupakan salah satu faktor terpenting dari teknologi informasi dan
komunikasi. Salah satu caranya adalah dengan menerapkan metode steganografi. Metode
steganografi yang paling populer adalah metode LSB. Namun, metode LSB sangat rentan
terhadap penyerangan, maka penulis memberikan solusi dengan menggunakan metode Five
Modulus. Metode Five Modulus akan memecahkan sebuah citra digital menjadi sekumpulan
subblok citra yang disebut window dengan ukuran n x n. Pesan rahasia akan disisipkan pada
window tersebut. Semakin kecil ukuran window, maka semakin banyak pesan rahasia yang
dapat disisipkan ke dalam citra tersebut. Perangkat lunak yang dirancang dapat menyisipkan
semua tipe file data. Serta penambahan noise pada citra pun tidak berpengaruh pada proses
ekstraksi file rahasia karena bit pesan disisipkan pada blok citra. Tetapi perangkat lunak ini
memiliki kelemahan dimana hanya dapat menyimpan file dengan ukuran maksimum 200 KB,
sehingga metode ini kurang efektif dalam menyimpan file yang besar.
Kata Kunci: Citra Digital, Pesan Rahasia, Steganografi, Metode Five Modulus, Penempelan,
Ekstraksi.
2. LANDASAN TEORI
Gambar 1. Matriks warna piksel
2.1 Representasi Citra Digital
(Sumber. Nur Nafi'iyah, 2015:50)
62
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Nilai pada suatu irisan antara baris dan masukan maupun data keluarannya berbentuk
kolom (pada posisi x,y) disebut dengan picture citra.
elements, image elements, pels, pixels. Istilah Pada pengolahan citra terdapat enam jenis
terakhir (pixels) paling sering digunakan pada operasi pengolahan, yaitu peningkatan kualitas
citra digital. Secara umum, pengolahan citra citra, restorasi citra, kompresi citra,
digital menunjuk pada pemrosesan gambar 2 segmentasi citra, analisis citra, dan
dimensi menggunakan komputer. Dalam rekonstruksi citra. Pada umumnya informasi
konteks yang lebih luas, pengolahan citra yang ada dalam suatu citra terletak pada
digital lebih mengacu pada pemrosesan setiap strukturnya. Agar mudah memahami suatu
2 data dimensi. Citra digital merupakan citra dapat dilakukan dengan
sebuah larik (array) yang berisi nilai-nilai real menyederhanakan struktur citra tersebut (Nur
maupun kompleks yang di representasikan Nafi'iyah, 2015:49).
dengan deretan bit tertentu. Suatu citra dapat
didefenisikan sebagai fungis f (x,y), berukuran 2.2 Teknik dan Metode Steganografi
M baris dan N kolom, dengan x dan y adalah Teknik steganografi digital yang
koordinat spasial, dan amplitudo f dititik diterapkan pada media penampung berbentuk
koordinat (x,y) dinamakan intensitas atau data citra, saat ini telah dikembangkan dalam
tingkat kaabuan dari citra pada titik tersebut. beberapa teknik, yaitu:
Apabila nilai x,y dan nilai amplitudo f secara a. Domain spatial technique, Teknik in
keseluruhan berhingga (finite) dan bernilai bekerja dengan menyembunyikan
diskrit maka dapat dikatakan bahwa citra informasi pada pixel-pixel yang
tersebut adalah citra digital. membentuk sebuah citra yang disebut
Citra digital adalah gambar dua dimensi domain spasial. Teknik ini juga dikenal
yang dihasilkan dari gambar analog dua sebagai teknik subtitusi. Salah satu metode
dimensi yang kontinus menjadi gambar diskrit yang terkenal dalam teknik ini adalah
melalui proses sampling. Agar dapat metode least significant bit (LSB).
direpresentasikan secara numeric dengan b. Transform domain technique, Teknik ini
nilai-nilai diskrit. Representasi citra dari bekerja dengan menyisipkan data rahasia
fungsi malar (kontinu) menjadi nilai-nilai ke dalam domain frekuensi, yaitu pada
diskrit disebut digitalisasi. Citra yang koefisien-koefisien frekuensi hasil
dihasilkan inilah yang disebut digital (Digital transformasi data cover. Adapun jenis
Image) (Mhd.Helmi Nasution, 2016:87). transformasi yang telah dikembangkan
Pengolahan citra pada masa sekarang dalam steganografi pada teknik ini,
merupakan suatu aplikasi yang sangat luas diantaranya adalah:
dalam berbagai bidang kehidupan antara lain 1. Discrete Cosine Transform
bidang arkeologi, astronomi, biomedis, bidang 2. Fourier Transform
industri dan penginderaan jauh yang 3. Wavelet Transform
menggunakan teknologi citra satelit. (Muhammad Zunaidi, 2013:13)
Segmentasi ini akan mengubah suatu citra
masukan yang kompleks menjadi citra yang 2.3 Kriteria Steganografi yang Bagus
lebih sederhana, berdasarkan peninjauan Steganografi yang dibahas di sini adalah
terhadap komponen citra. Dengan demikian penyembunyian data di dalam citra digital
akan memudahkan pengamat citra untuk saja. Meskipun demikian, penyembunyian
melakukan analisis. data dapat juga dilakukan pada wadah berupa
Pada dasarnya ada tiga bidang yang suara digital, teks, ataupun video.
menangani pengolahan data berbentuk citra, Penyembunyian data rahasia ke dalam citra
yaitu: grafika komputer, pengolahan citra dan digital akan mengubah kualitas citra tersebut.
visi komputer. Pada bidang grafika komputer Kriteria yang harus diperhatikan dalam
banyak dilakukan proses yang bersifat sintesis penyembunyian data adalah:
yang mempunyai ciri data masukan berbentuk a. Fidelity. Mutu citra penampung tidak jauh
deskriptif dengan keluaran hasil proses yang berubah. Setelah penambahan data rahasia,
berbentuk citra. Sedangkan proses di bidang citra hasil steganografi masih terlihat
visi komputer merupakan kebalikan dari dengan baik. Pengamat tidak mengetahui
proses grafika komputer. Terakhir, bidang kalau di dalam citra tersebut terdapat data
pengolahan citra merupakan proses rahasia.
pengolahan dan analisis citra yang banyak b. Robustness. Data yang disembunyikan
melibatkan persepsi visual, yakni data harus tahan terhadap manipulasi yang
63
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dilakukan pada citra penampung (seperti menampilkan gambar dalam sistem elektronik,
pengubahan kontras, penajaman, misalnya dalam televisi dan komputer. Model
pemampatan, rotasi, perbesaran gambar, warna RGB juga digunakan dalam fotografi
pemotongan (cropping), enkripsi, dan konvensional. RGB juga sering digunakan
sebagainya. Bila pada citra dilakukan dalam perangkat input seperti: TV berwarna
operasi pengolahan citra, maka data yang dan kamera video, scanner, dan kamera
disembunyikan tidak rusak. digital. Perangkat output seperti TV dalam
c. Recovery. Data yang disembunyikan harus berbagai teknologi (CRT, LCD, plasma, dll),
dapat diungkapkan kembali (recovery). komputer dan layar HP, video proyektor, layar
Karena tujuan steganografi adalah data LED multiwarna.
hiding, maka sewaktu-waktu data rahasia
di dalam citra penampung harus dapat 2.6 Model YCbCr
diambil kembali untuk digunakan lebih Ruang warna YCbCr dikembangkan sebagai
lanjut. bagian dari ITU-R BT.601, standar dunia
internasional untuk komponen video digital.
2.4 Colour Space Ruang warna YCbCr saat ini digunakan secara
Colour space (ruang warna) adalah metode luas diberbagai bidang video digital dan
yang dapat menentukan, menciptakan dan pengolahan citra. Dalam ruang warna ini,
memvisualisasikan warna. Tiga model warna luminance (kecerahan citra) dinyatakan
yang paling popular adalah RGB (digunakan dengan sebuah variable Y, sementara nilai
dalam grafika komputer). YIQ, YUV, YCbCr yang disimpan dalam 2 variabel warna cb dan
(digunakan dalam sistem video), dan CMYK cr, nilai cb adalah perbandingan dari nilai biru
(cyan, magenta, yellow) digunakan dalam dengan nilai warna lainnya. Nilai cr adalah
pencetakan berwarna / color printing. nilai warna merah dengan nilai warna lainnya.
Sedangkan model warna HLS, HCV, HSV, Gambar color plane dari ruang warna YCbCr.
MTM, dan CIE-LUV, didasarkan pada tiga Untuk konversi warna citra RGB ke warna
persepsi manusia tentang warna, yaitu hue YCbCr dalam bidang pengolahan citra secara
(inti warna), saturation (intensitas), dan komputasi, dapat digunakan rumus berikut ini:
brightness (kecerahan). Namun, tidak satupun Y= 0,299 R + 0,587 G + 0,114B + 16
dari ruang warna secara langsung Cb = -0,169R – 0,331G + 0,5B + 128
berhubungan dengan nilai hue (inti warna), Cr = 0,5R + - 0,419G + - 0,081B + 128
saturation (intensitas) dan brightness Sedangkan untuk konversi YCbCr ke RGB
(kecerahan). Ruang warna dikembangkan dapat dilakukan dengan rumus:
untuk menyederhanakan pemrograman, R = Y + 1.402 (Cr-128)
pengolahan, dan manipulasi terhadap citra G = Y – 0.34414 (Cb-128) – 0.71414 (Cr –
digital dengan komputasi. 128)
B = Y + 1.772 (Cb – 128)
2.5 Model Warna RGB Alasan penggunaan ruang warna YCbCr
Model warna RGB adalah suatu cara atau dikarenakan warna YCbCr dapat digunakan
teknik pemodelan warna berdasarkan konsep untuk membantu menemukan warna kulit
penggabungan cahaya primer yaitu Red, manusia. Kuncinya adalah dengan
Green dan Blue untuk membentuk suatu menggunakan kriteria nilai cb dan cr tertentu
warna baru. Untuk membentuk warna dengan untuk membatasi kemungkinan pixel-pixel
RGB, tiga warna (merah, hijau, dan biru) yang tergolong kulit manusia. Adapun
harus dikombinasikan (misalnya dengan emisi kriteria nilai warna pixel yang digolongkan
dari layar hitam, atau dengan refleksi dari sebagai nilai warna kulit manusia adalah:
layar putih). 77 Cb < 127 dan 133 < Cr < 177.
Masing-masing dari tiga warna disebut
sebagai komponen warna, dan masing-masing 2.7 Metode Five Modulus
dapat memiliki intensitas yang berbeda. Pada Five Modulus Method (FMM) pertama kali
komputer masing-masing komponen warna diperkenalkan oleh Jassim (2012). Ide dasar
tersebut dipresentasikan ke dalam nilai antara dari FMM adalah berdasarkan pada konsep
0 – 255 dan penggabungan dari ketiga jenis bahwa sebuah karakteristik umum pada
komponen tersebut dapat menghasilkan kebanyakan citra adalah piksel tetangga yang
sekitar 16.777.216 warna berbeda. saling berhubungan. Oleh karena itu, pada
Tujuan utama dari model warna RGB sebuah citra dimensi 2, tetangga dari sebuah
adalah untuk mempresentasikan ulang dan piksel hampir mirip dengan piksel asli. Oleh
64
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
karena itu, FMM akan membagi sebuah citra ke atas (ceiling). Sementara itu, sebuah kunci
ke dalam blok berukuran k x k piksel. stego digunakan untuk mengontrol pesan
Transformasi FMM tidak mempengaruhi penyembunyian sehingga dapat membatasi
sistem visual manusia (human visual system / proses pendeteksian dan pengembalian pesan
HVS). Algoritma yang diperkenalkan ini rahasia. Pada ST-FMM, kunci rahasia
disebut sebagai ST-FMM yang disebut digunakan untuk mengekstrak pesan dari
sebagai Steganography by the Five Modulus sebuah citra sampul dengan ukuran window
Method. Oleh karena itu, semua piksel di tertentu. Oleh karena itu, untuk memperoleh
dalam citra FMM merupakan kelipatan dari 5, kembali pesan rahasia tergantung sepenuhnya
sehingga nilai yang tidak habis dibagi dengan pada pengetahuan mengenai ukuran window.
5 akan berbeda dalam blok k x k. Seperti Jika seorang penyerang ingin mengekstrak
diketahui, kode ASCII standar terdiri dari 128 pesan rahasia dari citra sampul maka harus
buah karakter. Tetapi kebanyakan 95 buah dilakukan percobaan dengan kemungkinan
karakter yang digunakan dalam binary coding yang sangat banyak. Pada private key
dapat diekstrak dari kode ASCII umum steganography, pengirm dan menerima harus
direpresentasikan pada tabel berikut: mengetahui sebuah kunci rahasia yang sama
yang digunakan untuk menempelkan pesan
(Jassim, 2013:41).
65
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Menempelkan File
Ekstraksi File‘
Gambar 3. Use-Case Diagram Perangkat n. Form ‗Pengujian‘
Lunak Pengujian x
1 2
Total Piksel 0
Proses Embedding x
Derajat Kemiripan 0%
Nilai PSNR 0
Reset Proses Keluar
66
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
67
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Proses pemindahan barang atau objek dalam dunia industri tidak akan efektif apabila
dilakukan secara manual karena akan membutuhkan banyak tenaga manusia. Penelitian ini
dilakukan untuk merancang robot lengan yang dapat memindahkan barang berdasarkan jarak.
Penelitian ini menggunakan modul mikrokontroler Arduino Uno R3 dan sensor Ping HC-
SR04. Aktuator digunakan sebagai sendi pada setiap penghubung dari lengan robot. Robot
lengan ini memiliki lima sendi diantaranya dasar, bahu, siku, pergelangan, dan penjepit. Hasil
pengujian menunjukkan bahwa robot lengan dapat melakukan pergerakan pengambilan dan
pemindahan barang ke titik yang sudah ditentukan. Proses pemindahan barang dilakukan
secara otomatis. Hasil pengukuran jarak ditampilkan pada LCD 16 x 2. Robot lengan ini dapat
menjangkau barang sesuai dengan jarak yang terdeteksi yaitu jarak 10 cm, 15 cm, 20 cm, 25
cm, dan 30 cm.
68
1.4 Tujuan Penelitian
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
69
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3 5 3
4
2 2
1
1
Gambar 5. Perancangan Daerah Kerja
Gambar 3. Desain Lengan Robot Robot Lengan
Keterangan :
Tabel 1. Panjang Setiap Penghubung 1. Sensor Ping HC-SR04
No Penghubung Panjang 2. Barang yang akan dipindahkan
penghubung 3. Robot Lengan
1 Base 10 cm 4. Tempat barang
2 Shoulder 12 cm
3 Elbow 15 cm Jangkauan maksimal robot lengan adalah
4 Wrist 5 cm 30 cm sedangkan untuk jangkauan minimal
5 Gripper 12 cm nya adalah 10 cm. Jangkauan ini dimulai dari
pangkal robot lengan yang berada pada bagian
2.3. Perancangan Posisi Sensor Ping HC- shoulder hingga pertengahan pada bagian
SR04 gripper. Sensor ping HC-SR04 akan
mendeteksi jarak benda kemudian robot
Sensor ping HC-SR04 digunakan untuk lengan sesuai dengan perintah- perintah yang
mendeteksi jarak benda. Sensor akan sudah diberikan melalui mikrokontroler
mendeteksi jarak benda dan mengirimkannya Arduino Uno R3 akan mengarah kepada benda
ke modul mikrokontroler Arduino Uno R3. yang terdeteksi oleh sensor ping HC-SR04
Karena itu sangat penting untuk Selanjutnya robot lengan akan melakukan
memperhatikan penempatan posisi sensor gerakan rotasi ke bagian akhir yaitu tempat
ping HC-SR04 tidak terhalang oleh benda lain dimana benda akan di pindahkan. Proses akan
selain benda yang akan dideteksi sehingga berlangsung apabila sensor ping HC-SR04
tidak mempengaruhi sistem kerja dari robot mendeteksi adanya suatu benda. (Elec Freaks :
lengan pemindah barang berdasarkan jarak. 2017)
Gambar 4 menunjukkan perancangan posisi
sensor ping HC-SR04. 3. HASIL DAN MBAHASAN
3.1. Pengujian Sensor Ping HC-SR04
Pengujian ini dilakukan untuk mengetahui
3
apakah sensor ping HC-SR04 dapat
memberikan pengukuran jarak yang sesuai.
Pengujian dilakukan lima kali dengan
melakukan pengukuran jarak menggunakan
sensor pada setiap jarak yang sama yang telah
2
diukur menggunakan penggaris. Gambar 6
1 menunjukkan pengukuran dengan sensor jarak
dan penggaris.
Gambar 4 Perancangan Posisi Sensor Ping
HC-SR04
Keterangan :
1. Sensor Ping HC-SR04
2. Barang yang dideteksi
3. Tempat barang
70
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
71
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
72
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Salah satu tujuan dari perusahaan adalah meminimalkan biaya produksi dan memaksinalkan
laba yang diperoleh guna menjamin kelangsungan hidup perusahaan. Termasuk juga PT. XYZ
yang merupakan perusahaan penghasil sosis yang selama ini menggunakan jasa ekspedisi
untuk mendistribusikan produknya hingga ke tangan konsumen. Pada proses loading dan
unloading terdapat permasalahan yaitu sering terjadinya pemborosan waktu. Permasalahan
tersebut mengganggu dan menghambat proses pendistribusian produk. Penelitian ini
menggunakan pendekatan Lean Supply Chain yaitu menggunakan Value Stream Analysis
Tools (VALSAT) dan plan do check action (PDCA) untuk mengetahui jenis pemborosan yang
ada dan rekomendasi perbaikannya. Rekomendasi perbaikan yang dilakukan adalah dengan
menambah jam kerja, penyuluhan / perbaikan SDM yang ada dan menambah fasilitas
perusahaan pada loading unloading. Setelah usulan perbaikan maka didapatkan PCE awal
sebesar 0,56, VA awal 239 menit, NVA awal 766 menit dan NNVA awal 374 menit. Setelah
perbaikan didapatkan PCE 1,58, VA 239 menit, NVA 173 menit dan pada NNVA 269 menit.
73
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
pemborosan, dan juga peningkatan atau menggunakan matrik. Pada proses ini
pemanfaatan secara total aktivitas yang akan dilakukan proses pemetaan dari future state
meningkatkan nilai ditinjau dari sudut yang diusulkan. Alasan yang mendasari
pandang konsumen. Nilai sama artinya dengan pengumpulan dan penggunaan serangkaian
segala sesuatu yang ingin dibayar oleh tool ini adalah untuk membantu para peneliti
konsumen untuk suatu produk. Dalam atau para praktisi dalam mengidentifikasikan
kegiatan proses produksi menurut Monden pemborosan pada individual value stream dan
(Hines&Rich,2005), terdapat tiga tipe operasi mendapatkan jalan yang tepat untuk
atau aktivitas yaitu: menghilangkannya. (Hines&Rich,2005)
1. Non-Value Adding (NVA) merupakan PDCA singkatan bahasa Inggris dari
aktivitas yang tidak menambah nilai dari "Plan, Do, Check, Act" (Rencanakan,
sudut pandang customer. Aktivitas ini Kerjakan, Cek, Tindak lanjuti), adalah suatu
merupakan waste dan harus dikurangi proses pemecahan masalah empat langkah
atau dihilangkan. Contoh dari aktivitas ini iteratif yang umum digunakan dalam
adalah waiting time, menumpuk work in pengendalian kualitas. PDCA dikenal sebagai
process, dan double handling. ―siklus shewhart‖, karena pertama kali
2. Necessary but Non-Value Adding dikemukakan oleh Walter Shewhart beberapa
(NNVA) adalah aktivitas yang tidak puluh tahun yang lalu. Namun dalam
menambah nilai akan tetapi penting bagi perkembangannya, metodologi analisis PDCA
proses yang ada. Contohnya adalah lebih sering disebut ―Siklus Deming‖. Hal ini
aktivitas berjalan untuk mengambil parts, karena Deming adalah orang yang
unpacking deliveries, dan memindahkan mempopulerkan penggunaannya dan
tool dari satu tangan ke tangan yang lain. memperluas penerapannya. Namun, Deming
Untuk mengurangi atau menghilangkan sendiri selalu merujuk metode ini sebagai
aktivitas ini adalah dengan membuat Siklus Shewhart, dari nama Walter A.
perubahan pada prosedur operasi menjadi Shewhart, yang sering dianggap sebagai bapak
lebih sederhana dan mudah, seperti pengendalian kualitas statistis. Belakangan
membuat layout baru, koordinasi dengan Deming memodifikasi PDCA menjadi PDSA
supplier dan membuat standar aktivitas. (Plan, Do, Study, Act) untuk lebih
3. Value Adding (VA) merupakan aktivitas menggambarkan rekomendasinya. Dengan
yang mampu memberikan nilai tambah di nama apa pun itu disebut, PDCA adalah alat
mata customer pada suatu material atau yang bermanfaat untuk melakukan perbaikan
produk yang diproses. Aktivitas untuk secara terus menerus tanpa berhenti. PDCA
memproses raw material atau semi- merupakan rangkaian kegiatan yang terdiri
finished product melalui penggunaan dari penyusunan rencana kerja, pelaksanaan
manual labor. Contohnya adalah proses rencana kerja, pemeriksaan pelaksanaan
sub-assembly, forging raw material, dan rencana kerja, serta perbaikan yang dilakukan
painting body work.(Hines&Rich,2005) secara terus menerus dan berkesinambungan
untuk lebih meningkatkan mutu pelayanan
Value Stream Mapping Tools (VALSAT) kebidanan yang diselenggarakan. Perusahaan
adalah alat yamg berfungsi untuk memilih alat memerlukan cara menilai sistem manajemen
dari pemetaan aliran proses yang nantinya secara keseluruhan, dalam arti bagaimana
akan digunakan sebagai pedoman dalam sistem tersebut mempengaruhi setiap proses
mengidentifikasi pemborosan (waste). Value dan setiap karyawan serta diperluas pada
stream analysis tools merupakan tools yang setiap produk dan pelayanan. Pengendalian
tepat untuk memetakan secara detail waste proses pelayanan adalah sebuah pertanda
pada aliran nilai yang fokus pada value adding untuk perbaikan kualitas pelayanan, tetapi hal
process dan non-value adding process. itu tergantung pada kesehatan dan vitalitas
VALSAT merupakan tool yang dari organisasi, kepemimpinan dan komitmen.
dikembangkan oleh Hines dan Rich (2005) (Hendra Poerwanto G, 2016)
untuk mempermudah pemahaman terhadap
value stream yang ada dan mempermudah 2. METODE PENELITIAN
untuk membuat perbaikan berkenaan dengan Pengolahan data ini menggunakan
waste yang terdapat dalam value stream. metoda lean supply chain. Untuk pengolahan
VALSAT merupakan pembobotan waste- data tersebut dengan cara menggunakan value
waste, kemudian dari pembobotan tersebut stream analysis tools (VALSAT) dan plan do
dilakukan pemilihan terhadap tool dengan check action (PDCA) sehingga mengetahui
74
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
75
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Gudang Gudang
3.9 Pembentukan Future State Map
Agen II Agen III
Ekspedisi
PT.XYZ Agen I Ekspedisi Berdasarkan pengumpulan data aliran
fisik dan aliran informasi diatas, maka
selanjutnya dapat dibuat big picture mapping
(BPM) yang sudah melalui proses perbaikan.
Pengiriman Pemuatan Pengiriman Unloading Pengiriman Unloading Pengiriman Penyimpa Pengiriman Unloading
Unloading
nan Berikut adalah gambaran dari future state
Loading Pengiriman Unloading Pengiriman Pengiriman Pengiriman
Armada Truck Barang Barang / Produk barang Barang / Produk
barang
Barang / Produk Barang / Produk
Unloading
barang map.
customer PT.XYZ
35 31 21 4 39 4 23 30 675 4 Total lead time 885
15
menit
Order
23
4
78
21
82
4
38
33
61
4
68
166
28
4
40
8
menit
3.10 Check
Pada proses ini adalah mengukur
nilai kinerja perusahaan dengan indikator nilai
- Proses Cycle Efficiency Inspection : efisiensi siklus proses (process cycle
498 efficiency, NA, NVA, NNVA dan waktu
0,56 siklus). Berikut adalah perhitungan process
885 cycle efficiency setelah perbaikan.
3.7 Usulan Perbaikan
76
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
77
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1
Dodi Suprayogi1, Kusuma Ade2
Program Studi Ilmu Komputer, Fakultas Teknologi Informasi,STMIK Nusa Mandiri
Jl. Kramat Raya No.18 RT 01 / RW 07 Senen
Telp. (021) 319 08575
Program Studi Ilmu Komputer, Fakultas Teknologi Informasi,STMIK Nusa Mandiri
Jl. Kramat Raya No.18 RT 01 / RW 07 Senen
Telp. (021) 319 08575
E-mail: dodievangelion@gmail.com, dodievangelion2@gmail.com
ABSTRAKS
Paper ini menjelaskan tentang perbandingan routing protocol distance vector dan link state yang
biasa digunakan oleh suatu perusahaan maupun penyedia layanan internet, distance vector dan
link state menggunakan algoritma yang berbeda. Paper ini akan membandingkan kinerja /
performa secara keseluruhan antara distance vector dan link state dengan menggunakan ipv4 dan
ipv6 sebagai parameter.
78
internal perusahaan tersebut. Ada beberapa
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
varian dari dynamic routing IGP seperti: Routing broadcast 255.255.255.255 walaupun tidak ada
Information Protocol (RIP), Enhanced Interior perubahan topologi, update yang dilakukan
Gateway Routing Protocol (EIGRP), Open secara periodic tersebut menggunakan bandwith
Shortest Path First (OSPF) dan Intermediate dan CPU resource yang ada pada router,
System to Intermadiate System (IS-IS) maximum HOP pada RIP adalah 15 router, RIP
menggunakan algoritma Bellman-Ford sebagai
2.2 Exterior Gateway Protocol routing algoritma.
EGP biasa digunakan untuk menghubungkan
routing AS dengan AS lainnya, yang sering 2.4 Link State
dikenal dengan Inter AS routing, perusahaan ISP Link state protocol dikenal juga sebagai shortest
dan perusahaan besar lainnya biasanya path first atau distributed database protocol,
dihubungkan menggunakan EGP,yaitu protocol dibuat dengan menggunakan algoritma
Border Gateway Protocol (BGP). Routing Djikstra‘s proses routing link state, setiap router
protocol ini yang dapat membuat internet mempelajari tentang alamat yang terhubung
bekerja.
langsung dengan dirinya, setiap router
bertanggung jawab untuk mengirimkan update
―Saying Hello‖ kepada tetangganya yang
terhubung langsung dengan jaringannya, setiap
router membuat link state packet (LSP) yang
berisikan informasi alamat directly connected,
setiap router mengirimkan dan membanjiri
jaringan dengan LSP kepada setiap tetangganya
ketika LSP diterima oleh router lain maka LSP
akan disimpan dalam database router tersebut,
setiap router menggunakan database untuk
membangun sebuah jaringan yang lengkap
sesuai dengan topologi dan menentukan best
path dalam mennggapai alamat tujuan.
Gambar 1. Perbandingan IGP dan EGP
79
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
IS-IS adalah protokol routing link-state, yang Gambar 3. Topologi Dynamic Routing
berarti bahwa router menukar informasi topologi Protocol
dengan tetangga terdekat mereka. Informasi
topologi dibanjiri di seluruh AS, sehingga setiap Routing protocol yang digunakan pertama
router di AS memiliki gambaran lengkap tentang adalah RIPv2, rip routing protol tradisional yang
topologi AS. Gambar ini kemudian digunakan ada di dunia industry sekarang. Penulis
untuk menghitung jalur end-to-end melalui AS, menghubungkan software PRTG sebagai alat
biasanya menggunakan varian dari algoritma monitoring jaringan dengan GNS3 dan hasilnya
Dijkstra. Oleh karena itu, dalam protokol routing berupa grafik, seri router cisco yang digunakan
link-state, alamat hop berikutnya yang adalah seri 3725 dengan IOS 12.4 yang
diteruskan data ditentukan dengan memilih jalur digunakan sebagai system operasi router cisco.
end-to-end terbaik ke tujuan akhir. Pada topologi ketika RIP v2 dikonfigurasi,
berikut adalah hasil yang dikumpulkan dengan
2.4.2 OSPF ( Open Shortest Path First ) PRTG saat lalu lintas terus menerus dikirim dari
server PRTG ke alamat IP router 40.40.40.1
OSPF menggunakan algoritma Djikstra‘s untuk
menentukan jalur terbaik untuk mencapai alamat
tujuan. OSPF mempunyai single area dan
multiarea dimana single area hanya diperuntukan
jaringan yang hanya mempunyai beberapa
router, untuk multiarea digunakan dimana
tempat tersebut mempunyai beberapa router
yang saling terhubung, untuk multiarea harus
terhubung dengan area backbone atau area 0
sebagai area transit OSPF menggunakan alamat
multicast 224.0.0.5 dan 224.0.0.6 sebagai jalur Gambar 4 Waktu maximum, minimum, dan
update LSP. OSPF tidak mempunya batas router konvergensi dengan RIPv2
(HOP) seperti RIP dan EIGRP, OSPF membagi
informasi routing dengan menggunakan LSA. Topoogi di buat menunjukan waktu minimum
Semua router yang berada dalam satu area dan maksimum dan konvergensi saat lalu lintas
mempunya Link State Database (LSDB). dikirim dari PRTG server ke alamat IP
40.40.40.1 , minimum waktu untuk ping
2.5 Analisi performa Interior Gateway balasan dari server PRTG ke alamat IP
Routing Protocol 40.40.40.1 adalah 40 detik, waktu maksimum
Setiap protocol apakah itu link state atau yang diambil adalah 252 detik , jika link utama
distance vector pasti membutuhkan performa mengalami kegagalan atau down, waktu yang
yang sangat baik pada area core network yang dibutuhkan untuk meneruskan traffic dari
ada pada perusahaan skala besar atau perusahaan primary ke backup link adalah 5-6 detik. Grafik
Internet Service Provider (ISP) untuk dibawah ini menunjukan maximum, minimum,
mengirimkan paket dari satu router ke router dan hasil waktu konvergensi dengan
lainnya berdasarkan informasi routing yang menggunakan RIPng dimana PRTG server
membantu routing protocol dalam bekerja. mengirimkan traffic ke alamat IP 40.40.40.1
Penulis telah melakukan ujicoba performa pada pada IPv4 dan menggunakan alamat IP 4.4.4.4::1
IGP (link state dan distance vector) sebagai nilai /64 pada IPv6.
defaultnya menggunakan IPv4 dan IPv6,
perbandingan yang dilakukan pada protocol RIP,
EIGRP, OSPF dan ISIS. Analisis untuk semua
routing protocol menggunakan topologi yang
sama dan disetiap link nya mempunyai bandwith
10Mb/s.
80
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Grafik diatas menunjukan bahwa RIPng menerus dikirim dari server PTRG kealamat IP
membutuhkan waktu minimal 35 detik untuk 4.4.4.4::1 /64 pada router R4 EIGRP
menyelesaikan permintaan paket ping dari server menggunakan algoritma yang sama antara IPv4
PTRG dan waktu maksimum adalah 121 detik dan IPv6. Berikut adalah grafik yang diambil
sedangkan waktu untuk konvergensi 6-7 detik. dari server PTRG dengan mengirimkan traffic
Table diatas menunjukan semua hasil yang yang secara terus menerus ke IP 4.4.4.4::1 /64,
dibutuhkan jika kita membandingkan kedua untuk melihat waktu konvergensi penulis
routing yaitu RIPv2 untuk IPv4 dan RIPng untuk menggunakan jalur utama.
IPv6
EIGRP 130
37 detik 4.5-5 detik
IPv4 detik
4.5-5
EIGPR 193
36 detik det4.5-5
v6 detik
Gambar 6 waktu maximum, minimum dan detikik
konvergensi EIGRP menggunakan IPv4
Selanjutnya adalah perbandingan routing
Gambar diatas menunjukan bahwa EIGRP protocol link state akan dilakukan dengan
dengan menggunakan IPv4 membutuhkan waktu menggunakan IPv4 dan IPv6, dua protocol yang
37 detik untuk menyelesaikan paket ping dari digunakan oleh penulis untuk link state adalah
server PTRG ke alamat R4 40.40.40.1 waktu routing protocol intermediate system to
maksimum adalah 130 detik dan waktu intermediate system (IS-IS) dan Open Shortest
konvergensi yang dibutuhkan dengan default Path First (OSPF), seperti yang sebelumnya di
parameter adalah 4.5-5 detik. EIGRP dengan jelaskan bahwa link state menggunakan
IPv6 di implementasikan menggunakan topologi algoritma D‘jikstra‘s. pertama OSPF akan
yang sama dengan traffic data yang terus
81
dianalisis, lalu topologi yang akan digunakan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
sama dengan yang digunakan RIP dan EIGRP, sedangkan waktu konvergensi 4-5 detik berikut
PRTG akan mengirimkan traffic ke alamat IP tabel perbandingan OSPFv2 dan OSPFv3
R4 40.40.40.1. R1 mempunyai dua jalur untuk
mencapai alamat tujuan, satu sebagai jalur utama Tabel 3 Perbandingan Routing Protocol
dan satu lagi sebagai jalur cadangan. Pertama OSPF
kita kirimkan traffic secara terus menerus ke R4
dengan alamat IP 40.40.40.1 , lalu link utama Protocol Waktu Waktu Waktu
sengaja dimatikan untuk melihat waktu maks min konvergensi
konvergensi, OSPFv2 184 38 detik 4-5 detik
detik
OSPFv3 143 36 detik 4-5detik
detik
IS-IS juga merupkan salah satu routing protocol
dengan kategori link state, menggunakan
algoritma yang sama dengan OSPF tapi IS-IS
banyak digunakan oleh perusahaan penyedia
layanan internet (ISP) daripada perusaahan pada
umumnya. Penulis juga menggunakan topologi
yang sama untuk menganalisa routing protocol
IS-IS dengan hasil yang ditampilkan oleh PRTG
82
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Berikut tabel lengkap seluruh perbandingan [2] Compare OSPF Routing Protocol with
dynamic routing protocol other Interior Gateway Routing
Protocols by Anuj Gupta of
Tabel 5. Perbandingan Routing Protocol RIMT- IET and Neha Grang of
Secara Keseluruhan RIMT-IET in IJEBEA
83
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Pemantauan suhu dan pengendalian mesin pendingin ruangan sangat tidak efektif untuk
dilakukan secara manual pada gedung bertingkat yang terdiri dari banyak ruangan.
Penelitian ini dilakukan untuk merancang alat pemantau suhu dan pengendali mesin
pendingin otomatis melalui computer yang terhubung secara online menggunakan modul
mikrokontroler dan komponen LM35DZ sebagai sensor suhu yang dipasang pada setiap
ruangan. Data hasil identifikasi suhu dari sensor dikirimkan ke database local melalui
modul Mikrokontroler. Pemantauan suhu dan pengendalian mesin pendingin dilakukan
melalui web browser dengan mengakses halaman antarmuka PHP menggunakan
komputer. Hasil pengujian menunjukkan bahwa suhu ruangan dapat ditampilkan di web
browser dengan tingkat akurasi 90%. Mesin pendingin dapat menyala atau mati secara
otomatis dengan prosentase keberhasilan 93%.
84
alat pemantau suhu dan pengendali mesin
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
pendingin otomatis untuk delapan ruangan mengakses file PHP. File PHP ini berperan
secara bersamaan melalui komputer. Manfaat untuk terhubung ke database server dan
dari penelitian ini adalah sistem yang mengirimkan data suhu. Data suhu dapat
dirancang dapat memberikan kemudahan dilihat melalui web browser dengan
dalam memantau dan mengendalikan mesin mengakses halaman web yang telah dibuat
pendingin ruangan, karena dapat dilakukan khusus untuk menampilkan data suhu
melalui komputer untuk delapan ruangan ruangan.
sekaligus, tanpa harus memeriksanya ke setiap Proses yang kedua adalah mengendalikan
ruangan. suhu ruangan. Pengendalian suhu ruangan
dilakukan dengan memberikan input berupa
2. Metode penelitian suhu ruangan standar melalui web browser.
2.1. Konsep Rancangan Selanjutnya, suhu ruangan yang terdeteksi
Sebelum membuat perancangan alat, maka akan dibandingkan dengan suhu ruangan
harus ditentukan terlebih dahulu konsep dari standar. Jika suhu ruangan yang terdeteksi
rancangan alat yang akan dibuat. Alat lebih tinggi dari suhu ruangan standar, maka
pemantau dan pengendali suhu ruangan ini status pendingin adalah menyala. Sebaliknya,
dirancang dengan tujuan agar data suhu dapat jika suhu ruangan yang terdeteksi lebih rendah
dipantau dan dikendalikan melalui komputer. dari suhu ruangan standar, maka status
Gambar 1 adalah blok diagram yang pendingin adalah mati. Hasil perbandingan
menggambarkan konsep dasar dari alat yang suhu menghasilkan umpan balik untuk
akan dirancang. mengendalikan pendingin. Hal ini
menunjukkan bahwa sistem kendali yang
dirancang adalah sistem kendali lingkar
tertutup (close loop).
85
kepada komputer sebagai server untuk
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
86
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
87
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
suhu ruangan lebih tinggi dari suhu yang Network Wiring, San Fransisco :
diinginkan. Selanjutnya, dilakukan Sybex, 2004.
pengamatan terhadap kondisi relay dan kipas.
Hasil pengujian dapat dilihat pada Tabel 3. [5] JacobFraden, Handbook of Modern
Sensors Physics, Design and
TABEL3 Applications, California : Springer,
TABEL HASIL PENGUJIAN 2010.
Nama Suhu Suhu yang Status
Ruangan Ruangan Diinginkan Kipas [6] Jon Wilson, Sensor Technology
Ruang 31,27 35 Tidak Handbook, Oxford : Newnes, 2005
1.1 Menyala
Ruang 44,12 33 Menyala [7] Julian Bayle, C Programming for
1.2 Arduino. Birmingham : Packt
Ruang 39,66 37 Menyala Publishing, 2013.
1.3
Ruang 30,70 36 Tidak
1.4 Menyala [8] Keputusan Menteri Kesehatan Republik
Ruang 32,08 35 Tidak Indonesia Nomor
2.1 Menyala 1405/MENKES/SK/XI/2002
Ruang 47,53 33 Menyala tentang Persyaratan Kesehatan
2.2 Lingkungan Kerja Perkantoran dan
Ruang 53,68 33 Menyala Industri. Jakarta : Kemenkes RI.
2.3
Ruang 31,85 37 Tidak [9] MuhammadIchwan, Milda Gustiana
2.4 Menyala Husada, M. Iqbal Ar Rasyid,
―Pembangunan Prototipe Sistem
Pengendalian Peralatan Listrik pada
4. KESIMPULAN Platform Android,‖ Jurnal
Setelah melakukan penelitian ini, maka Informatika, vol. 4, no. 1, pp. 16,
dapat ditarik kesimpulan sebagai berikut. 2013.
1. Alat yang dirancang dapat melakukan
pemantauan dan pengendalian suhu delapan [10] National Semiconductor. 2000. LM35
ruangan melalui komputer. Precision Centigrade Temperature
2. Pendeteksi suhu ruangan dan relay untuk Sensors. [online]Tersedia
mengendalikan pendingin terhubung ke :http://www.engineersgarage.com/s
komputer pada jaringan lokal. Data hasil ites/default/files/LM35.PDF. [22
sensor dan status pendingin disimpan pada Oktober 2016]
database di komputer setiap satu detik.
3. Pemantauan dan pengendalian suhu [11] Shendy Irene Langi, Janny O. Wuwung,
ruangan dapat dilakukan melalui web Arie S. M. Lumenta, ―Kipas Angin
browser dengan mengakses halaman Otomatis dengan Menggunakan
antarmuka yang telah dibuat. Sensor Suhu,‖ E-Journal Teknik
Elektro dan Komputer, ISSN :
DAFTAR PUSTAKA 2301-8402, pp. 45, 2014.
[1] Arduino. Arduino Ethernet Shield V1.
https://www.arduino.cc/en/Main/Ar [12] Steven Jendri Sokop, Dringhuzen J.
duino EthernetShieldV1. 12 Juni Mamahit, Sherwin R.U.A, ―Trainer
2017. Periferal Antarmuka Berbasis
Mikrokontroler Arduino Uno,‖ E-
[2] Behrouz A. Forouzan, Data Journal Teknik Elektro dan
Communications and Networking, Komputer, vol. 5, no. 3, pp. 15-16,
New York : McGraw-Hill, 2007. 2016.
[3] Christopher T. Kilian, Modern Control [13] Steven Suehring, Janet Valade, PHP,
Technology : Components and MySQL, JavaScript & HTML5 All
Systems, Delmar Thomson in One for Dummies, New Jersey :
Learning, 2000. Wiley, 2013..
[4] David Barnett, David Groth, Jim McBee, [14] Texas Instrument. CD405xB CMOS
Cabling : The Complete Guide to Single 8-Channel Analog
88
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
89
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1,3,4
Eko Hariyanto1, Sri Wahyuni2, Supina Batubara3, Herdianto4
Program Studi Sistem Komputer, Fakultas Sains dan Teknologi,Universitas Pembangunan
2
Panca Budi
Program Studi Teknik Komputer, Fakultas Sains dan Teknologi, Universitas Pembangunan
Panca Budi
Jln. Jenderal Gatot Subroto KM 4,5 Sei Sikambing 20122
Telp. (061) 845-5571
1
eko.hariyanto@dosen.pancabudi.ac.id, 2sriwahyuni@dosen.pancabudi.ac.id,
3
supinabatubara@dosen.pancabudi.ac.id, 4herdianto@dosen.pancabudi.ac.id
ABSTRAKS
Tujuan tulisan ini adalah membuat sebuah konsep pengamanan berbasis video real time
menggunakan kamera pengawas seperti CCTV yang diterapkan pada area publik dimana pada
area ini terdapat banyak berbagai jenis objek dengan karakteristik yang beragam (baik yang
bergerak maupun yang tidak bergerak). Pengamanan sebuah objek tertentu yang terpantau
melalui kamera pengawas dengan posisi dan kondisi yang tetap seperti pada saat pertama
objek tersebut diinisialisasikan sebagai objek yang diamati yang selanjutnya disebut sebagai
citra pembanding. Dalam rentang waktu tertentu nilai citra pembanding akan terus
dibandingkan dengan nilai citra terkini yang direkam dari pantauan kamera secara real time.
1. PENDAHULUAN https://www.jawapos.com/radarmadura/read/2
Perangkat pemantauseperti closed 017/10/10/18559/pelaku-curanmor-di-sakera-
circuit television(CCTV) atau web camera barbershop-bridal-terekam-cctv, diakses
merupakan alat yang banyak digunakan dalam tanggal 06/04/2018). Babershop ini telah
membantu manusia untukmemantau keadaan dilengkapi oleh kamera CCTV untuk
suatu area tertentu. Secara umum, area yang memantau situasi diluar toko atau area parkir
dipantau merupakan tempat yang memiliki toko dan membantu pengamanan kendaraan
akses bebas yaitu tempat yang banyak dilalui (baik milik pelanggan atau pegawai) yang
atau digunakan oleh masyarakat umum. terparkir. Keberadaan kamera pengawas ini
Pemantuan atau pengawasan ini dilakukan tidak dapat mencegah terjadinya tindak
bertujuan untuk mendapatkan informasi pencurian dikarenakan pengguna tidak dapat
seperti pemantauan lalu lintas untuk selalu melihat hasil pantauan kamera
mendapatkan informasi tentang situasi lalu pengawas sehingga pelaku pencurian dapat
lintas. Tujuan lainnyaadalah untuk menjaga dengan leluasa menjalankan aksi
keamanan suatu objek tertentu dari kejahatan. kejahatannya.
Pemanfaatan alat pemantau dalam menjaga CCTV melibatkan penggunaankamera
keamanan suatu area memerlukan peran video untukmenghasilkan gambar yang
manusia sebagai pengguna yang bertindak ditampilkan pada layar yang terhubung secara
sebagai pembuat keputusan terhadap situasi langsung ke sistem transmisi non-
tempat yang dipantau.Hal ini dilakukan karena siaran[1].Adapun gambar (atau disebut juga
perangkat pemantau hanya dapat merekam dengan citra) dalam video merupakan citra
data dan tidak dapat secara langsung bergerak (moving images) yaitu rangkaian
memberikan informasi atau bertindak ketika citra diam yang ditampilkan secara beruntun
terjadi sesuatu yang tidak diinginkan sebagai (sekuensial) sehingga seolah-olah seperti
upaya pencegahan. gambar yang bergerak. Setiap citra di dalam
Namun dalam beberapa kesempatan, rangkaian itu disebut frame[2].
tidak sedikit pengguna perangkat pemantau ini Beberapa penelitian yang berhubungan
yang luput dari pengawasannya sehingga dengan penggunaankamerapengawas atau
tindak kejahatan tetap terjadi tanpa dapat pengolahan citra digital telah banyak
dicegah. Seperti pada kasus pencurian sepeda dilakukan. Isa dan Lauro [3] membuat aplikasi
motor yang terjadi pada sebuah barbershop untuk mendeteksi adanya gerakan
bridal dan salon di Bangkalan Pulau Madura menggunakan metode spatial-domaindan
Propinsi Jawa Timur (sumber : kamera pemantau. Apabila terdeteksi adanya
90
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
91
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Mulai
Input citra
pembanding
Selesai
(a)
92
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5. KESIMPULAN
Penggunaan kamera pemantau pada area
tertentu seyogianya membutuhkan tenaga
manusia yang bertindak sebagai pengawas
situasi maupun pengambil keputusan apabila
terjadi hal-hal yang tidak diinginkan. Gagasan
(a) konsep kerja pengamanan suatu objek tertentu
93
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
[2] Munir, Rinaldi., Pengolahan Citra [6] Hu, Weiming., Tan, Tieniu., Wang,
Digital Dengan Pendekatan Liang., Maybank, Steve., A Survei on
Algoritmik, Penerbit Informatika
Visual Surveillance of Object Motion
Bandung, ISBN : 9793338296,2004.
and Behaviors, Journal of IEEE
[3] Isa, Sani M., Lauro, Manatap Dolok., Transactions on Systems, Man, and
Aplikasi Pendeteksi Gerakan Cybernetics, Part C (Applications and
Menggunakan Metode Spatial-Domain Reviews) Vol 34 Issue 3, August 2004.
Dengan Pelaporan Otomatis Ke
94
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Penelitian ini menjelaskan suatu perangkat sistem untuk mendiagnostik malaria dengan
mudah, sehingga diharapkan dengan pengaplikasian sistem diagnostik malaria dengan
mikroskop tersebut dapat menurunkan tingkat penyakit malaria di dunia terutama
Indonesia. Hasil penelitian yang diperoleh yaitu USB Mikroskop Digital dapat
memposisikan sel darah tipis malaria dengan tambahan lensa okuler pembesaran 1:100x
sehingga dapat menganalisa fase malaria. Kecepatan motor DC dipengaruhi oleh dua
faktor yaitu tegangan masukan dari adaptor AC–DC dan pengaturan PWM (Pulse Width
Modulation). Untuk kecepatan range tegangan yang aman 7,5 V sampai dengan angka
maksimal 12,5 V dan hasil akhir pada tegangan maksimal yang digunakan adalah 12,5 V.
Sedangkan untuk pengaturan PWM yang digunakan yaitu 255 PWM. USB Mikroskop
Digital memiliki arah pergerakan yaitu pada motor bagian kiri dan kanan bergerak ke
arah Kanan – Kiri – Maju – Mundur. Sedangkan pada motor bagian tengah bergerak ke
arah Atas dan Bawah.
95
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
96
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2.2.2 Peralatan
Peralatan yang akan digunakan adalah :
a. Alat untuk membuat : bor,
gerinda, cutter, lem perekat dan
solder
b.Alat untuk merancang : laptop
yang dilengkapi dengan software
desain Sweet Home 3D, software
Arduino IDE 1.6.3 dan ISIS
Proteus 7 Profesional. Gambar 2.4 Desain menggunakan Sweet
Home 3D
2.3 Perancangan Alat Penelitian
Pada penelitian ini terdapat dua perancangan Dari gambar diatas dapat dilihat pada software
yang digunakan yaitu perangkat lunak ini peniliti dapat menentukan desain yang
(software) dan perangkat keras (hardware). akan dibuat, mulai dari menyusun tiang
2.3.1 Perangkat lunak (Software) sampai dengan peletakan posisi motor nya.
97
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Pada penggunaannya software ini sangat rangkaian menggunakan ISIS Proteus untuk
membantu dalam membuat desain awal dan mempermudah dalam pemasangan antar
juga mudah dalam pengoperasiannya. komponennya. Untuk gambar rangkaiannya
adalah sebagai berikut.
2. Rancang Bangun Alat Penggerak
Gambar 2.5 Desain Alat Penggerak Gambar 2.6 Skema Rangkaian Alat
Mikroskop USB Digital Menggunakan Penggerak Mikroskop Usb Digital
Sweet Home 3D
Pada gambar rangkaian diatas sumbernya
Keterangan Gambar : menggunakan adaptor AC-DC 12v yang
1. Motor DC 1 : Posisinya berada di dihubungkan ke driver motor l293d. Untuk
sebelah kanan yang fungsinya untuk output (OUT) dari driver motor l293d yaitu 3
menggerakan gear dan belt pada motor DC sedangkan input (IN) didapat dari
pin digital arduino uno dimana pin yang
sebelah kanan
digunakan adalah pin 2 sampai dengan pin 7.
2. Motor DC 2 : Posisinya berada di Untuk pin analog Arduino Unonya digunakan
tengah yang fungsinya untuk untuk menghubungkan joystick yang pada
menggerakan poros penggerak serta skema rangkaiannya digantikan dengan
sebagai kontrol gerak naik dan turun pushbutton karena pada ISIS Proteus tidak
dari alas preparat terdapat komponen joystick shieldnya.
3. Motor DC 3 : Posisi nya berada di
3. HASIL DAN PEMBAHASAN
sebelah kiri yang fungsinya untuk
Pada penelitian ini, peneliti melakukan
menggerakan gear dan belt pada
beberapa tahapan untuk menguji coba alat
sebelah kanan yang dirancang oleh peneliti. Ada dua tahapan
4. Rel Peluncur : Digunakan sebagai pengujian dalam rancangan ini, yaitu
tempat untuk bergeraknya mikroskop pengujian software (program) dan pengujian
usb digital yang nantinya diletakkan hardware.
di tengah-tengah
5. Alas Preparat (Objek) : Digunakan
sebagai tempat untuk menaruh
preparat darah (objek) yang akan di
amati
6. Poros Penggerak : Digunakan
sebagai gear penggerak yang akan
menggerakkan alas preparat ke atas
dan ke bawah
3. Skema Rangkaian
Dalam penelitian ini semua komponen yang
98
dibutuhkan akan digambarkan dengan skema
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3.1 Pengujian Software (Program) memiliki pin analog yang berbeda. Langkah
selanjutnya yaitu menuliskan fungsi void
setup seperti berikut
void setup() {
Serial.begin(9600);
motortengah.setSpeed(255);
motorkiri.setSpeed(255);
motorkanan.setSpeed(255);
digitalWrite(positivePin, HIGH)
AF_DCMotor motorkiri(4);
AF_DCMotor motortengah(2);
AF_DCMotor motorkanan(3);
int forward = analogRead(7);
int backward = analogRead(1);
int right = analogRead(2);
Gambar 3.2 Alat yang sudah dirakit
int left = analogRead(3);
int up = analogRead(4);
2. Mikroskop USB Digital
int down = analogRead(5);
int positivePin = 2; Pada bagian ini peneliti memilih Mikroskop
USB Digital dengan pembesaran 1000x
pada program diatas terdapat 3 buah motor dengan harapan dapat mengamati objek yaitu
DC yang digunakan yaitu motor kiri, motor sampel sel darah tipis malaria, karena yang
tengah, dan motor kanan. Terdapat juga 6 arah peneliti tahu sebelumnya belum ada yang
gerakan untuk motor DC yang masing-masing menggunakan Mikroskop USB Digital untuk
99
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Gambar 3.4 Hasil pengujian menggunakan Gambar 3.7 Mikroskop USB Digital yang
Mikroskop USB Digital telah di modifikasi
100
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
maka gambar yang dari mikroskop usb digital antara tegangan yang tertera dengan tegangan
dapat ter capture dan bisa di save. yang diukur oleh multimeter ternyata hasilnya
berbeda. Perbedaannya cukup jauh dari apa
yang sudah tertera di Adaptor AC-DC,
sedangkan tegangan yang dibutuhkan
maksimal 12 V. Apabila tegangan yang
digunakan lebih dari 12 V maka IC Regulator
pada arduino akan panas dan menyebabkan
kerusakan pada arduinonya, seperti terjadi
pada saat percobaan pertama penulis mengatur
tegangan 12 v yang tertera pada Adaptor AC-
DC tanpa mengukur kembali tegangan yang
Gambar 3.9 Hasil pengujian Mikroskop dikeluarkannya. Hasilnya arduino nya menjadi
USB Digital yang telah di modifikasi 1 panas dan tidak bisa mendownload program
sehingga tidak dapat digunakan kembali.
Untuk range tegangan aman yaitu berkisar 7 –
12.5 v dan harus menyetel Adaptor AC-DC di
range tegangan 4,5 – 9 v.
101
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
tidak terlalu signifikan, hanya berkisar antara tegangan 10 V didapatkan hasil waktu dengan
10-15 detik saja. Pada data diatas untuk range 19 – 23 detik, jaraknya cukup jauh
kecepatan motor 80 Pwm lebih kecil hasilnya dibandingkan dengan tegangan 12,5 V yang
dibandingkan dengan kecepatan motor 120 memiliki range waktu 11 – 15 detik. Jadi
Pwm dan 200 Pwm ini disebabkan oleh untuk tegangan masukan yang bagus adalah
beberapa faktor. Ada beberapa faktor yang memiliki waktu tempuh tercepat sehingga
mempengaruhi perubahan data nya yaitu sangat berpengaruh terhadap kecepatan motor,
seperti jarak dan kerapatan belt yang pada tabel tersebut tegangan masukan dengan
digunakan, karena setiap pergerakan belt waktu tempuh tercepat adalah 12,5 V.
mempunyai daya renggang yang berbeda Data hasil dari 2 tabel diatas hanya berlaku
sehingga mempengaruhi putaran dan untuk motor kiri dan motor kanan, sedangkan
kecepatan motor. Jadi pengaturan PWM yang untuk motor tengah yang gerakannya naik
bagus untuk digunakan adalah yang turun langsung diatur dengan kecepatan 255
mempunyai waktu tempuh tercepat, dilihat Pwm dan tegangan 12,5 V karena poros yang
dari tabel diatas yang mempunyai waktu digunakan memiliki ulir yang sangat rapat
tempuh tercepat adalah 255 Pwm atau sehingga gerakannya akan sangat lambat ini
kecepatan maksimal. karena pada motor tengah menggerakan alas
preparat yang gerakannya harus diatur pelan.
102
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dan motor kanan bergerak ke arah Kanan [7] Dasar, Elektronika. Tersedia pada
– Kiri – Maju – Mundur. Sedangkan pada http://www.elektronika-
motor bagian tengah bergerak ke arah Atas dasar.web.id/driver-motor-dc-
l293d/ [diakses pada tanggal
dan Bawah.
12/11/2015]
4.2 Saran
Setelah penulis melakukan penelitian ini,
untuk pengembangan alat selanjutnya [8] Elektro Control Team, ―Driver Motor
disarankan untuk memakai kamera yang DC Menggunakan IC L293D‖.
beresolusi lebih tinggi yaitu dengan pixel www.electrocontrol.wordpress.com
diatas 2 Mp dan pembesaran lensa yang lebih [diakses pada tanggal 12/11/2015]
berkualitas yaitu diatas 1000x pembesaran, [9] Sri Hartati, Agus Harjoko, Tri Wahyu
sehingga hasil yang didapatkan lebih konkret Supardi. The Digital Microscope
dan akurat. And Its Image Processing Utility.
Department of Computer Science
DAFTAR PUSTAKA and Electronics Universitas Gajah
[1] Wijaya Kusuma, A.A. Wiradewi Lestari, Mada.
Sianny Herawati, I Wayan Putu
Sutirta Yasa. Pemeriksaan [10] Inti Prana, Duta. Sistem Antarmuka Pada
Mikroskop Dan Tes Diagnostik Mikroskop Refleksi Digital
Cepat Dalam Menegakkan Berbasis Arduino UNO. Jurusan
Diagnosis Malaria. Jurnal Ekologi Teknik Elektro Universitas
Kesehatan.2011 Politeknik Negeri Sriwijaya.
103
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
E-commerce merupakan proses pembelian dan penjualan produk, jasa dan informasi yang
dilakukan secara elektronik dengan memanfaatkan jaringan komputer. E-commerce
meningkatkan perdagangan. Transaksi E-commerce di dunia terus mengalami peningkatan
tidak terkecuali di Indonesia. Dilihat dari keuntungan dan perkembangan penggunaan
ecommerce tersebut menjadikan E-commerce sebagai elemen penting dalam pengembangan
suatu bisnis atau usaha. Terlebih lagi bagi Usaha Kecil Menengah yang mempunyai modal
terbatas. Akan tetapi hingga saat ini tingkat adopsi E-commerce pada di Indonesia masih
sangat rendah. Rendahnya tingkat adopsi di Indonesia dipengaruhi berbagai variabel baik
internal maupun eksternal. Terdapat tiga tahapan dalam proses adopsi E-commerce yaitu tahap
penilaian. Selain akan menganalisis proses adopsi E-commerce, penelitian ini juga akan melihat
sejauh apa pemerintah telah menjalankan perannya untuk mendorong peningkatan adopsi E-
commerce di Indonesia.
104
maka perlu diketahui website E-commerce 1.3. Batasan Masalah
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
C1 Pelayanan 30 %
C2 Produk 25%
C3 Tampilan 25%
C4 Pembayaran 10 %
C5 Pengiriman 10 %
105
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
A2 = (0,9040)(0,25) = 0.22600;
A3 = (0,9790)(0,25) = 0.24475;
A4 = (0,7706)(0,25) = 0.19265;
A5 = (1,0000)(0,25) = 0.25;
A6 = (0,8801)(0,25) = 0.22002;
A7 = (0,6327)(0,25) = 0.15817;
A8 = (0,5352)(0,25) = 0.1338;
A9 = (0,4723)(0,25) = 0.11807;
A10 = (0,2969)(0,25) = 0.074
2.2. Implementasi
Tampilan Awal Sebelum memulai
menjalankan program ini,maka dibuka
XAMPP Control Panel untuk mengaktifkan /
start module apache dan MySQL. Setelah
itu,buka browser Modzila Firefox dan
masukkan link berupa localhost/E-commerce,
lalu enter. Setelah itu akan muncul tampilan
form login yang kemudian di isi username dan
password agar dapat masuk ke halaman
berikutnya seperti pada gambar 1.
Dari forumula di atas dapat di peroleh matrik
ternormalisasi R, sebagai berikut :
Normalisasi
106
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
107
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
108
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Cloud computing data mining komputasi awan merupakan gabungan pemanfaatan teknologi
komputer (komputasi) dalam suatu jaringan dengan pengembangan berbasis internet (awan)
yang mempunyai fungsi untuk menjalankan program atau aplikasi melalui komputer-komputer
yang terkoneksi pada waktu yang sama, tetapi tak semua yang terkonekasi melalui internet
menggunakan cloud computing, Berdasarkan latar belakang yang telah dijelaskan diatas dapat
diambil suatu perumusan masalah yaitu Cloud computing data mining didalam dunia
pendidikan untuk transformasi digital, Berdasarkan hasil pembahasan dan pengujian dapat
diambil kesimpulan sebagai berikut : Dengan adanya Cloud Computing Data Mining Didalam
Dunia Pendidikan menggunakan bahasa pemograman PHP dan database MySQL lebih muda
menyajikan informasi data yang digunakan begitu besar sehingga aman dalam beberapa tahun
bahkan puluhan tahun sehingga tidak banyak menggunakan kertas, mudah dicari kapan saja,
Mempermudah informasi baik dalam pencarian data, proses informasi kursus maupun dalam
pembentukkan laporan.
109
berikutnya menyiapkan laporan kelas dan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
110
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
111
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5.2 Saran
Dari kesimpulan diatas, ada beberapa
saran agar dapat menggunkaan program
aplikasi ini dengan maksimal.
1. Program system ini diharapkan
dapat digunakan dengan
cadangan server yang lebih besar
dan akses internet yang memadai
2. Agar dapat dikembangkan lagi
kedepan.
DAFTAR PUSTAKA
c. Tampilan Menu Lain 1. Al Fatta, Hanif. 2017. Analisis dan
Tampilan menyimpan data peserta didik, perancangan Sistem Informasi; untuk
rombel, PTK, GTK, Sarpras dan tata kelola Keunggulan Bersaing Perusahaan &
lainya sehingga data disimpan menggunakan Organisasi Modern. Yogyakarta;
cloud computing dengan sistem data mining Penerbit Andi.
seperti gambar berikut:
2. Berry, Michael J.A. dan Gordon S.
Linoff. 2004. Data Mining Techniques
for Marketing, Sales, Customer
Relationship Management. Second
Edition. Wiley Publishing, Inc.
112
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
P.P.P.A.N.W Fikrul Ilmi R.H Zer1, Irfan Sudahri Damanik2, Heru Satria Tambunan3,
Saifullah4
1
Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Jl. Jenderal Sudirman Blok A No.1-3 Pematangsiantar 21127
Telp. (0622) 22431
2,3,4Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Jl. Jenderal Sudirman Blok A No.1-3 Pematangsiantar 21127
Telp. (0622) 22431
E-mail: fikrulilmizer@gmail.com
ABSTRAKS
Untuk meningkatkan ekonomi kehidupan manusia salah satunya dengan melakukan investasi
ataupun disebut juga dengan penanaman modal. Dengan suatu harapan mendapatkan
keuntungan di masa depan. Terdapat beberapa jenis investasi yang dapat digunakan untuk
meningkatkan pendapatan ekonomi. Seperti investasi tanah, investasi saham, investasi
pendidikan dan investasi mata asing yang masing – masing diharapkan memiliki keuntungan
pendapatan yang lebih naik atau menguat. Masyarakat yang memiliki modal cenderung sulit
memilih investasi yang baik sesuai dengan kebutuhan para investor dalam memilih investasi
yang bermodal yang cukup namun memiliki pendapatan yang lebih baik. Investasi juga
memiliki risiko yang dapat gagalnya dalam melakukan investasi yang disebabkan oleh banyak
hal diantaranya faktor keamanan atau ketertiban hukum. Salah satu mengatasi gagalnya investasi
adalah dengan menggunakan Asuransi Prudential yang memberikan proteksi dalam investasi
dan diberikan manfaat tambahan seperti asuransi jiwa dan lainnya. Tujuan penelitian ini yaitu
untuk membantu calon nasabah yang ingin melakukan investasi yang sesuai dengan kebutuhan
dan perlindungan calon nasabah dengan tidak mematikan kualitas produk asuransi Prudenial
lainnya. Metode yang digunakan dalam penelitian ini adalah Sistem Pendukung Keputusan
dengan menggunakan Metode ANP (Analytic Network Process) yang dapat mengakomodasikan
keterkaitan antar kriteria atau alternatif. Diharapkan penelitian ini memberikan kontribusi
kepada masyarakat dalam merekomendasikan asuransi investasi yang baik dan tepat dengan
Metode ANP (Analytic Network Process) dan memberikan manfaat ke pihak Prudential agar
mengembangkan kualitas asuransi yang sesuai dengan kebutuhan calon investor lainnya.
113
untuk itu salah satu mencegahnya adalah perlu suatu sistem yang dapat membantu dan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
memberikan saran terbaik kepada calon (Ambraita dan Muharto, 2016) Penelitian ini
nasabah untuk menentukan produk Prudential menggunakan software Super Decision dan
kategori Investasi. Ms.Excel untuk perhitungan.
Analisa yang digunakan berbasis
komputer adalah Sistem Pendukung
Keputusan yang membantu dan memberikan II.3 Sistem Pendukung Keputusan
kemudahan untuk calon nasabah memilih Sistem Pendukung Keputusasn pertama
produk yang sesuai dengan kebutuhan kali pada awal tahun 1970 Michael S. Scott
investasi calon nasabah sehingga nasabah Morton dnegan istilah Management Decision
tidak khawatir dalam menjalankan atau System (Saaty :2013) Morton mendefenisikan
menanamkan investasi yang dilakukan. DSS sebagai ―Sistem berbasis komputer
Metode yang digunakan adalah Metode interaktif yang membantu para pengambil
Analytic Network Process (ANP). Teknik keputusan untuk menggunakan data dan
ANP diperkenalkan oleh Thomas L. Saaty. berbagai model untuk memecahkan masalah
Landasan ANP memiliki aksioma yang yang tidak terstruktur‖(Aldiansyah).
menjadi landasan teori antara lain : Sistem Pendukung Keputusan adalah
Resiprokal, Homogenitas, Prioritas dan sistem yang membantu pengambil keputusan
Dependence Condition(Rusydiana dan Devi, dengan melengkapi mereka dengan informasi
2013). Penelitian sebelumnya yang mendasari dari data yang telah diolah dengan relevan dan
penelitian ini adalah penelitian yang dilakukan diperlukan untuk membuat keputusan tentang
oleh (Putri, Statiswaty dan Tajidun, 2016) suatu masalah dengan lebih cepat dan
dengan judul ―Implementasi akurat.(Zer dan Windarto, 2018)
Analytical Network Process (ANP) Menurut Herjanto (2009:83) teori
dalam Sistem Pendukung Keputusan keputusan adalah suatu pendekatan analitik
Penerimaan karyawan‖ dalam perhitungan untuk memilih alternatif terbaik dari suatu
metode ANP. Penelitian ini bertujuan untuk keputusan. Ada 3 kondisi yang di
menentukan dan memberi saran untuk nasabah klasifikasikan dengan tingkat kepastiannya.
dalam memilih produk Asuransi yang terbaik Yaitu (Yusnaeni, 2014) :
produk Prudential dan menjadi saran untuk 1. Ketidakpastian
pihak Prudental dalam pengembangan produk- 2. Berisiko
produk Asuransi Prudential. 3. Kepastian
Penelitian ini menggunakan 5 Alternatif,
3 kriteria utama dan 9 subkriteria yang II.4 Analytic Network Process
digunakan. Dari permasalahan tersebut penulis Analytic Network Process (ANP)
melakukan penelitian ini untuk penentuan merupakan metode terbaru dari pengambilan
produk Prudential kategori Asuransi Investasi keputusan multi kriteria yang mampu
apakah dengan Menggunakan teknik ANP ini menjelaskan interaksi secara sistematis
dapat digunakan dalam impelentasi Analisa terutama permasalahan dalam strategi
Sistem Pendukung Keputusan untuk rantai pasok. ANP dapat digunakan tidak
pemilihan produk asuransi investasi tersebut hanya dalam mengatasi innerdepences dalam
yang baik untuk memudahkan nasabah dalam kriteria namun juga dapat memberikan jalan
memilih produk yang sesuai dengan untuk memperoleh banyak informasi bagi
kebutuhan nasabah tersebut. pengambil keputusan. Jadi metode ini dapat
memberikan pandangan bagi perusahaan
II. METODOLOGI PENELITIAN untuk mengevaluasi dan menentukan
II.1. Jenis dan Sumber Data pemilihan pemasok yang tepat (Kurniawati,
Data penelitian ini, data yang digunakan Yuliando dan Widodo, 2013). Metode ini
merupakan data kuantitatif yang didapat dari digunakan dalam bentuk penyelesaian dengan
sistus resmi PT.Prudential asuransi Investasi pertimbangan atas penyesuaian kompleksitas
yang bisa diakses pada situs masalah secara penguraian sintesis disertai
www.prudential.co.id. adanya skala prioritas yang menghasilkan
pengaruh prioritas terbesar.
II.2. Metodologi Metode ini merupakan pengembangan
Metodologi adalah ilmu tentang metode. dari metode sebelumnya itu Analytic Hirearki
Metodologi merupakan suatu formula dalam Process. Metode ANP mampu memperbaiki
penerapan penelitian dimana dalam kelemahan AHP berupa mengakomodasi
melakukan penelitian tersebut terdapat keterkaitan antar kriteria atau
langkah-langkah dan juga hasil penelitian. alternatif.(Pungkasanti dan Handayani, 2017)
114
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Uang Pertanggungan
Langkah awal dalam tahapan ANP
Premi / Kontribusi
Nilai Tunai
adalah mendefenisikan masalah dan
Biaya Administrasi
menentukan kriteria yang diinginkan.
Dana Investasi Fasilitas
115
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
116
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dan nilai konsistensi rasio perbandingan pada 5) Menghitung nilai CR dengan nilai RI
matriks. Dimana syarat CR ≤ 0,1. pada tabel 3 untuk n = 3 adalah 0,58 :
CR = CI / CR
Maka, CR = 0,03 / 0,58 = 0,05
117
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
118
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
119
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
120
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Lampiran 2
Hasil Matriks Perbandingan berpasangan
Alternatif terhadap Subkriteria
121
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
122
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Lampiran 3
Unweight Supermatriks
Weighted Supermatriks
123
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Lampiran 4
Limit Supermatriks
124
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Banyak anak-anak yang tidak mampu mengendalikan diri saat berada diatas sepeda motor dan
kurangnya pengetahuan anak-anak terhadap resiko yang akan terjadi saat berada diatas sepeda
motor. Salah satunya anak-anak sering ketiduran. Sedangkan sepeda motor Beat yang ada saat
ini tidak memiliki sandaran yang bisa menopang tubuh anak-anak saat tertidur diatas sepeda
motor. Anak-anak kelas 1-2 SDN 007 Kota Dumai salah satu penumpang yang selalu duduk
dibelakang karena dianggap sudah tidak bisa lagi untuk duduk didepan pengendara. Perancangan
sandaran belakang tempat duduk sepeda motor ini menggunakan data antropometri sebanyak
100 anak-anak. Data antropometri yang dibutuhkan adalah tinggi duduk tegak, lebar bahu,
panjang lengan, tinggi siku dan tebal pergelangan tangan. Ukuran tinggi sandaran belakang
adalah 57,36 cm, lebar sandaran belakang 28,58 cm, lebar sandaran tangan 8,46 cm, tinggi
sandaran tangan 15,54 cm dan panjang sandaran tangan 31,75 cm. Hasil pengujian produk, 75%
anak-anak nyaman dan aman menggunakannya.
125
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
126
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
6.Suasana selama brainstorming ataupun suatu daftar kriteria dan standar yang
berlangsung harus santai dan bebas harus dipenuhi oleh rancangan akhir (Ginting,
7.Kegiatan sebaiknya berlangusung 2010). Menurut Nigel Cross dalam Ginting
dalam waktu tidak lebih dari 20-30 (2010), dalam melakukan perancangan produk
menit diperlukan proses-proses perancangan produk
b. Sinektik seperti pada Gambar 1, sedangkan tahapan-
Sinektik bertujuan untuk mengarahkan tahapan dalam proses perancangan dapat
aktivitas spontan pemikiran kearah dilihat pada Tabel 1.
eksplorasi dan transformasi masalah-
masalah perancangan. Sinektik adalah
suatu aktivitas kelompok yang Problem Solution
mencoba membangun,
mengkomunikasikan, dan Klasifikasi
Komunikasi
Tujuan
mengembangkan gagasan untuk Evaluasi
Penetapan
memberikan solusi kreatif terhadap Fungsi-fungsi
Alternatif
127
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1.2.3. Antropometri
Antropometri merupakan salah satu bagian
yang menunjang Ergonomi, khususnya dalam
perancangan suatu peralatan berdasarkan
prinsip-prinsip Ergonomi. Istilah
Antropometri berasal dari kata “Anthropos”
yang berarti manusia dan “Metricos” yang
berarti ukuran. Antropometri merupakan ilmu
yang berhubungan dengan aspek ukuran fisik
manusia (Iridiastadi dan Yassierli, 2014).
Data Antropometri jelas diperlukan agar
rancangan suatu produk bisa disesuaikan
dengan orang yang akan mengoperasikannya.
Ukuran tubuh yang diperlukan pada
hakikatnya tidak sulit diperoleh dari
pengukuran secara individual (Nurmianto,
2008).
128
kesehatan, keselamatan, dan kenyamanan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
lebar segmen tubuh seperti: panjang jari, Indonesia sendiri untuk penyempurnaan
tinggi lutut, dan lebar pinggul. peralatan pengukuran antropometri telah
b. Lingkar tubuh dilakukan dalam rangka mendapatkan alat
Lingkar tubuh diukur sebagai panjang ukur yang lebih praktis. Salah satu hasil
keliling (sepanjang permukaan tubuh), penyempurnaan adalah kursi antropometri,
misalnya, lingkar paha, lingkar perut, dan yang digunakan untuk mengukur dimensi
lingkar kepala. linier tubuh secara bersamaan ketika subjek
c. Ketebalan lapisan kulit berada pada posisi duduk tegak (Gambar 2.4).
Pengukuran ketebalan kulit ini ditujukan Dimensi fungsional yang diperoleh
untuk mengetahui kandungan lemak dalam melingkupi tinggi mata duduk, tinggi bahu
tubuh yang kemudian dijadikan sebagai duduk, tinggi siku duduk, tinggi popliteal,
acuan tingkat kebugaran tubuh. lebar pinggul, dan sebagainya. Alat ini
d. Sudut dirasakan cukup efektif untuk pengukuran
Dua cara pengukuran sudut, yaitu skala laboratorium secara manual (Iridiastadi
dilakukan secara pasif dan secara aktif. dan Yassierli, 2014).
Pengukuran secara pasif ditujukan untuk B. Persentil Antropometri
mengetahui kecenderungan posisi tubuh Penerapan data antropometri dapat
ketika bekerja, yang lebih lanjut lagi dapat dilakukan jika tersedia nilai mean (rata-rata)
digunakan untuk mengevaluasi potensi dan SD (standar deviasi) nya dari suatu
risiko kelainan pada sistem otot rangka. distribusi normal. Adapun distribusi normal
Pengukuran sudut secara aktif ditandai dengan adanya nilai mean dan SD.
dimaksudkan untuk mengetahui Sedangkan percentil adalah suatu nilai yang
fleksibilitas tubuh dalam bentuk menyatakan bahwa percentace tertentu dari
kemampuan maksimum gerakan sistem sekelompok orang yang dimensinya sama
otot-sendi (dikenal juga dengan range-of- dengan atau lebih rendah dari nilai tersebut.
motion atau ROM). Pengukuran aktif ini Sebagai contoh, 95% populasi adalah sama
banyak dilakukan dalam studi yang dengan atau lebih rendah dari 95 percentil, 5%
berhubungan dengan rehabilitasi, olahraga, dari populasi berada sama dengan atau lebih
dan biomekanika. rendah dari 5 percentil. Besarnya nilai
e. Bentuk dan kontur tubuh percentile dapat ditentukan dari table
Aspek ini diperlukan untuk merancang probabilitas distribusi normal (Iridiastadi dan
berbagai peralatan yang berhubungan Yassierli, 2014).
langsung dengan manusia, misalnya
merancang sepatu. N(X,ζX) 95%
dibagi atas dua, yakni secara langsung dan 2,5-th percentile X 97,5-th percentile
129
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
130
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
pada suatu basis data juga tercantum tahun syarat kualitasnya jika setelah
pengambilan data (berhubungan dengan dibandingkan dengan standar ternyata
kondisi sosio-ekonomi), serta simpangan baku lebih baik atau minimal sama. Proses
yang menggambarkan variasi data (Iridiastadi pemeriksaan bisa dilakukan dengan teknik
dan Yassierli, 2014). samping atau satu persatu dari semua
obyek yang dibuat tentunya cara yang
1.2.4. Operation Process Chart (OPC) terakhir tersebut dilaksanakan apabila
Peta proses operasi (Operation Process jumlah produksinya sedikit.
Chart) adalah suatu diagram yang d. Waktu
menggambarkan langkah-langkah proses yang Waktu penyelesaian harus dipersingkat
akan dialami bahan baku mengenai urutan- dengan mempertimbangkan semua
urutan operasi dan pemeriksaan. Peta proses alternatif mengenai metoda, peralatan dan
operasi merupakan suatu peta yang tentunya penggunaan perlengkapan-
menggambarkan urutan-urutan proses atau perlengkapan khusus.
operasi inspeksi, waktu kelonggaran, dan Tahun 1947, ASME (American Siciety of
pemakaian material di dalam proses produksi Mechanical Engineers) membuat standar
secara sistematis dan jelas mulai dari awal lambang-lambang yang terdiri dari 5 macam
bahan baku sampai menjadi produk jadi yang lambang. Lambang-lambang ini merupakan
utuh maupun sebagai komponen. Sejak dari modifikasi dari lambang yang digunakan oleh
awal sampai menjadi produk jadi utuh Gilberth, yaitu lingkaran kecil diganti dengan
maupun sebagai komponen, dan juga memuat anak panah untuk kejadian transportasi dan
informasi-informasi yang diperlukan untuk menambah lambang baru (D) untuk kejadian
analisa lebih lanjut, seperti waktu yang menunggu (Sutalaksana, dkk, 2006).
dihabiskan, material yang digunakan, dan a. Operasi dilambangkan dengan
tempat atau alat atau mesin yang dipakai. Jadi, lingkaran
dalam suatu peta proses operasi dicatat Suatu kegiatan operasi terjadi apabila
hanyalah kegiatan-kegiatan operasi dan benda kerja mengalami perubahan sifat,
pemeriksaan saja, kadang-kadang pada akhir baik fisik maupun kimiawi, mengambil
proses dicatat tentang penyimpanan informasi maupun memberikan informasi
(Sutalaksana, dkk, 2006). pada suatu keadaan juga termasuk operasi.
Ada empat hal yang perlu diperhatikan Operasi merupakan kegiatan yang paling
agar diperoleh suatu proses kerja yang baik banyak terjadi dalam suatu proses, dan
melalui analisa peta proses operasi, yaitu biasanya terjadi pada suatu mesin atau
analisa terhadap bahan-bahan, operasi, stasiun kerja. Lambang ini juga bisa
pemeriksaan, dan terhadap waktu digunakan untuk menyatakan aktifitas
penyelesaian suatu proses (Sutalaksana, dkk, administrasi.
2006). b. Pemeriksaan dilambangkan
a. Bahan-bahan dengan persegi
Harus mempertimbangkan semua alternatif Suatu kegiatan pemeriksaan terjadi apabila
dari bahan yang digunakan, proses benda kerja atau peralatan mengalami
penyelesaian dan toleransi sedemikian pemeriksaan baik untuk segi kualitas
rupa sehingga sesuai dengan fungsi, maupun kuantitas. Lambang ini digunakan
realibilitas, pelayanan, dan waktunya. jika dilakukan pemeriksaan terhadap suatu
b. Operasi obyek atau membandingkan obyek tertentu
Juga dalam hal ini harus dipertimbangkan dengan suatu standar. Suatu pemeriksaan
mengenai semua alternatif yang mungkin tidak menjuruskan bahan ke arah menjadi
untuk proses pengolahan, pembuatan, suatu barang jadi.
pengerjaan dengan mesin atau metode c. Transportasi dilambangkan
perakitannya, beserta alat-alat dan dengan anak panah
pelengkapan yang digunakan. Perbaikan Suatu kegiatan transportasi terjadi apabila
yang mungkin bisa dilakukan, misalnya benda kerja, pekerja atau perlengkapan
dengan menghilangkan, menggabungkan, mengalami perpindahan tempat yang
merubah atau menyederhanakan operasi- bukan merupakan bagian dari suatu
operasi yang terjadi. operasi. Suatu pergerakan yang merupakan
c. Pemeriksaan bagian dari operasi atau disebabkan oleh
Pemeriksaan harus mempunyai standar petugas pada tempat bekerja waktu operasi
kualitas. Suatu obyek dikatakan memenuhi
131
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
132
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
melakukan uji kecukupan data dan dan keseragaman data. Yang dapat dilihat dari
keseragaman data. Tabel 2 dan 3.
4. Penetapan Peritungan Persentil Rancangan
Dalam penyusunan konsep produk ini, Tabel 2. Uji Keseragaman Data
menghasilkan ukuran rancangan sandaran
belakang pada tempat duduk sepeda motor
beat yang akan dilakukan perancangan.
5. Rancangan awal
Hasil dari perancangan sandaran belakang
pada tempat duduk sepeda motor beat akan
ditampilkan dalam bentuk gambar berupa
rancangan 3 dimensi dan produk.
6. Pengujian Produk
Dalam pengujian konsep ini peneliti
melakukan pengujian produk dengan
membawa anak-anak secara langsung dan
melakukan penyebaran kuesioner.
7. Rancangan Akhir
Hasil dari perancangan sandaran belakang
pada tempat duduk sepeda motor beat yang
telah diuji dan sesuai kenyamanan dan
keamanan anak-anak.
8. Kesimpulan dan saran
Spesifikasi yang telah ditentukan diawal
proses ditinjau kembali setelah Tabel 3. Uji Kecukupan Data
prosesdipilih dan diuji.
3. PEMBAHASAN
2.1. Data Antropometri
Data Antropometri diperoleh melalui
pengukuran secara langsung menggunakan
kursi antropometri terhadap 100 siswa
Sekolah Dasar Negeri 007 Kota Dumai yang
terdiri dari kelas 1 dan 2. Pengambilan sampel
menggunakan metode Systematic Sampling
yaitu teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah di beri
nomor urut. Dalam metode ini sampel di pilih
dengan mengambil setiap anggota populasi
yang memiliki interval tertentu, jadi interval
tersebut merupakan pola yang di gunakan Hasil uji keseragaman dan kecukupan
dalam pegambilan elemen populasi. Data data menunjukkan bahwa tidak ada data yang
Antropometri yang diperlukan adalah sebagai tidak seragam dan begitu pula seluruh data
berikut: sudah cukup sehingga tidak diperlukan
1. Tinggi duduk Tegak, yaitu tinggi tubuh tambahan data.
dalam posisi duduk (diukur dari alas
tempat duduk/pantat sampai dengan kepala 2.2. Perhitungan Persentil
2. Lebar Bahu, yaitu lebar dari bahu Setelah data diperoleh maka dilanjutkan
3. Panjang Lengan, yaitu lebar dalam posisi dengan menentukan persentil yang sesuai
tangan terbentang lebar-lebar kesamping untuk setiap dimensi yang digunakan.
kiri-kanan A. .........................................................................................
4. Tinggi Siku, yaitu tinggi siku dalam posisi inggi Sandaran
duduk. Tinggi sandaran sepeda motor dapat dicari
5. Tebal Pergelangan Tangan, yaitu tebal dengan menggunakan data tinggi duduk
pergelangan tangan tegak. Persentil yang digunakan adalah
Selanjutnya melakukan pengujian data persentil 5th agar anak-anak yang memiliki
yaitu dengan menghitung uji kecukupan data tinggi sandaran punggung kecil maupun
133
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
134
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
135
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
136
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Lampiran 1. OPC Sandaran Belakang Tempat Duduk Sepeda Motor Beat Untuk Anak-
Anak
PETA PROSES OPERASI (OPC)
NAMA OBJEK : SANDARAN BELAKANG TEMPAT DUDUK SEPEDA MOTOR BEAT UNTUK ANAK-ANAK
NOMOR : 01
DIPETAKAN OLEH : Fitra, Feby Jayendra
TANGGAL DIPETAKAN : 7 SEPTEMBER 2016
Diperiksa Diperiksa
1-6 1-2 Sambungan
30 0-27 Ukuran
Perakitan Las
1-13
60 0-16 Perakitan
1-8
30 Di amplas
0-18
(Gerinda)
60
0-19 Pengecatan
Perakitan
30 0-28
Ringkasan 1-14
137
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Peremajaan tanaman kelapa sawit (replanting) adalah kegiatan yang dilakukan terhadap
tanaman kelapa sawit, dimana tanaman kelapa sawit yang sudah tidak produktif dalam
menghasilkan buah. Dengan dilakukannya peremajaan akan membuat pihak perkebunan lebih
mendapatkan hasil yang maksimal. Adanya kesulitan dalam menetukan dan meyeleksi tanaman
yang sudah memasuki masa peremajaan tanaman, maka perlu dibangun sebuah Sistem
Pendukung Keputusan Peremajaan Tanaman Kelapa Sawit Sehingga dengan adanya Sistem
Pendukung Keputusan ini, maka penyeleksian tanaman kelapa sawit yang masuk masa
peremajaan lebih mudah dan efisien. Sistem yang dibangun menggunakan metode Analitycal
Heararchy Process (AHP). Metode ini memberikan prioritas pilihan dari banyak criteria dan
penyelesaian.
Kata Kunci: Analisis Sistem Pendukung Keputusan, AHP, Peremajaan Tanaman Kelapa Sawit
138
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
139
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
140
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
misalnya K dan kemudian dari level di 6. Mengulangi langkah 3,4, dan 5 untuk
bawahnya diambil elemen yang akan seluruh tingkat hirarki.
dibandingkan misalnya E1,E2,E3,E4,E5. 7. Menghitung vektor eigen dari setiap matriks
4. Melakukan Mendefinisikan perbandingan berpasangan yang merupakan
perbandingan berpasangan sehingga bobot setiap elemen untuk penentuan prioritas
diperoleh jumlah penilaian seluruhnya elemen-elemen pada tingkat hirarki terendah
sebanyak n x [(n-1)/2] buah, dengan n sampai mencapai tujuan. Penghitungan
adalah banyaknya elemen yang dilakukan lewat cara menjumlahkan nilai
dibandingkan. Hasil perbandingan dari setiap kolom dari matriks, membagi setiap
masing-masing elemen akan berupa nilai dari kolom dengan total kolom yang
angka dari 1 sampai 9 yang bersangkutan untuk memperoleh normalisasi
menunjukkan perbandingan tingkat matriks, dan menjumlahkan nilai-nilai dari
kepentingan suatu elemen. Apabila suatu setiap baris dan membaginya dengan jumlah
elemen dalam matriks dibandingkan elemen untuk mendapatkan rata-rata.
dengan dirinya sendiri maka hasil 8. Memeriksa konsistensi hirarki. Adapun
perbandingan diberi nilai 1. Skala 9 telah yang diukur dalam Analytical Hierarchy
terbukti dapat diterima dan bisa Process adalah rasio konsistensi dengan
membedakan intensitas antar elemen. melihat index konsistensi. Konsistensi yang
Hasil perbandingan tersebut diisikan diharapkan adalah yang mendekati sempurna
pada sel yang agar menghasilkan keputusan yang mendekati
5. bersesuaian dengan elemen yang valid. Walaupun sulit untuk mencapai yang
dibandingkan. Skala perbandingan sempurna, rasio konsistensi diharapkan kurang
perbandingan berpasangan dan dari atau sama dengan 10 %.
maknanya yang diperkenalkan oleh Rumus Untuk Menentukan Rasio
Saaty bisa dilihat di bawah. Intensitas Konsistensi (CR)
Kepentingan: Indeks konsistensi dari matriks berordo n
a. 1 berarti kedua elemen sama pentingnya, dapat diperoleh dengan rumus :
Dua elemen mempunyai pengaruh yang sama dimana :
besar CI = Indek konsistensi (Consistency Index)
b. 3 berarti elemen yang satu sedikit lebih λ maksimum = Nilai eigen terbesar dari
penting daripada elemen yanga lainnya, matrik berordo n
Pengalaman λ maksimum didapat dengan
dan penilaian sedikit menyokong satu elemen menjumlahkan hasil perkalian jumlah kolom
dibandingkan elemen yang lainnya dengan eigen vektor utama.
c. 5 berarti elemen yang satu lebih penting Apabila C.I = 0, berarti matriks konsisten.
daripada yang lainnya, Pengalaman dan Batas ketidak konsistenan yang ditetapkan
penilaian sangat kuat menyokong satu elemen Saaty diukur dengan menggunakan rasio
dibandingkan elemen yang lainnya konsistensi
d. 7 berarti satu elemen jelas lebih mutlak (CR), yakni perbandingan indek
penting daripada elemen lainnya, Satu elemen konsistensi dengan nilai pembangkit random
yang kuat disokong dan dominan terlihat (RI). =Sebuah nilai rasio dikatakan konsisten
dalam praktek. jika bernilai 0 ≤ rasio ≤ 0.1, dengan demikian
e. 9 berarti satu elemen mutlak penting hasil perhitungan data dapat dibenarkan.
daripada elemen lainnya, Bukti yang Untuk menentukan rasio konsisten atau tidak
mendukung elemen yang satu terhadap elemen dapat menggunakan tabel konsistensi rasio
lain memiliki tingkat penegasan tertinggi yang sebagai berikut :
mungkin menguatkan. Nilai RI bergantung pada ordo matrik n.
f. 2,4,6,8 berarti nilai-nilai antara dua nilai
pertimbangan-pertimbangan yang berdekatan,
Nilai ini diberikan bila ada dua kompromi di
antara 2 pilihan Kebalikan = Jika untuk
aktivitas i mendapat satu angka dibanding
dengan aktivitas j , maka j mempunyai nilai
kebalikannya dibanding dengan i.
5. Menghitung nilai eigen dan menguji
konsistensinya. Jika tidak konsisten maka
pengambilan data diulangi.
141
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Gbr 2.1
CR dirumuskan : 3. Membuat matriks perbandingan
CR = berpasangan
Dimana : Pada tahapan ini perhitungan
CR = Consistency Ratio matriks perbandingan antar kriteria
CI = Consistency Index dilakukan menurut tabel berikut:
RI = Random Index
3. PEMBAHASAN
Penulis telah mengidentifikasi 4 1. Matriks perbandingan berpasangan
(empat) kriteria utama sebagai parameter Tabel 2.2 Matriks Perbandingan
pembanding pada peremajaan tanaman Kriteria
kelapa sawit yaitu :
1. Usia tanaman
2. Produksi tanaman
3. Gejala alam
4. Kesesuaian iklim
Dan , adapun alternatif yang di
berikan penulis yaitu :
1. Afdelling I Balimbingan
2. Afdelling II Bah Kisat
3. Afdelling III Tongguran
4. Afdelling IV Kasindir
142
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
= 0,02
143
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
= Dimana : 1 = Afdelling I
2 = Afdelling II
3 = Afdelling IV
= 0,02 < 0,100 4 = Afdelling III
Karena CR (Rasio Konsistensi) < 0,100 Berdasarkan tabel di atas, dapat dilihat
maka hasil konsisten. bahwa lokasi 1 mendapatkan nilai yang lebih
besar dibandingkan dengan lokasi yang lain.
Tabel 2.9 Matriks perbandingan Dari hasil perhitungan nilai masing-masing
kriteria dengan alternative lokasi perkebunan dapat dilihat bahwa lokasi
1 tidak ada perbedaan nilai yang signifikan
yang diperoleh lokasi perkebunan yang lain.
Disebabkan perbandingan usia penanaman
antar lokasi perkebunan tidak terlalu lama.
Hasil pengujian yang diberikan oleh
sistem lebih baik daripada solusi yang
diberikan oleh manusia, sebab solusi yang
diberikan oleh sistem lebih akurat dari pada
yang diberikan oleh manusia dalam
mengambil keputusan.Hal ini dikarenakan
perbedaan pendapat dan analisa manusia
saling berbeda, maka digunakan sistem
tersebut untuk memberikan jawaban yang
Normalisasi matriks di atas, akurat.
3.2 Saran
Tabel 2.12 menentukan perankingan dari
Berikut adalah beberapa saran untuk
setiap alternative
pengembangan lebih kanjut terhadap paper ini
: Perlunya penambahan data kriteria, misalnya
ukuran tanaman .
Dalam memecahkan masalah multikriteria
metode Analytical Hiarachy Process bukan
satu-satunya metode pengambilan keputusan
yang dapat digunakan, alangkah baiknya jika
144
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
145
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Maraknya perkembangan teknologi digital saat ini begitu membooming dan tidak ada yang
dapat menyanggah adanya kemajuan teknologi pada saat ini. Sebut saja smartphone, mini
computer, micro computer, bahkan sampai pada processor. Tidak hanya pada perkembangan
pada perangkat keras saja, tetapi pada perangkat lunakpun ikut berkembang dengan begitu
pesatnya. Diantranya aplikasi yang sudah menggunakan atau berbasiskan web atau online,
sebagai contoh GRAB, GOJEK, SMS Banking, dan masih banyak lagi. Google Classroom
adalah salah satu aplikasi yang dikembangkan oleh Google untuk pendidikan baik itu untuk
siswa, guru, mahasiswa, juga termasuk dosen. Begitu banyak fitur baru yang dapat
dimamfaatkan mulai dari pemberian tugas, diskusi, dan lainnya sehingga dengan pemamfaatan
Google Classroom ini proses KBM menjadi lebih begitu mudah, efektif, efesien, dan bebas
dari limbah kertas.
146
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
147
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
148
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
149
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
150
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Pustaka
1. https://edu.google.com/k-12-
solutions/classroom/
2. https://edu.google.com/
3. http://www.ahzaa.net/
4. https://statistik.kominfo.go.id/
5. http://indojayamitrakreasi.co.id/blog/jasa-
social-media-marketing-terbaik-di-
jakarta/jumlah-pengguna-sosial-media-di-
Gambar 6 .Grafik Aktifitas Guru dlm indonesia/
Classroom 6. Dicky Pratama, Hendri Sopryadi,
3. Kesimpulan ANALISIS PENGARUH PEMANFAATAN
Dari hsil dari bebrapa bulan ini GOOGLE CLASSROOM TERHADAP
pemamfaatan pemerdayaan GCR ini dapat EFISIENSI PADA STMIK XYZ Prosiding
disimpulkan, yaitu : Seminar Nasional Teknologi Informasi.
1. GCR lebih mudah untuk pergunakan Firt look, Educational Technology in US
dalam membantu menuntaskan Public Schools Fall 2008, IES National
kegiatan belajar mengajar. Center for Education.
151
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1,2
Herdianto1, Eko Hariyanto2
Dosen Program Studi Sistem Komputer, Fakultas Sains dan Teknologi, Universitas
Pembangunan PancaBudi
Jl. Jend. Gatot Subroto Km 4.5 PO.BOX.1099 Medan
Telp. (061) 50200508
1
herdianto@dosen.pancabudi.ac.id, 2eko.hariyanto@dosen.pancabudi.ac.id
ABSTRAK
Tujuan penelitian ini rancang bangun smart home dengan konsep internet of thing (IOT)
menggunakan android. Smart home yang dirancang mampu melakukan pengontrolan dan
memonitoring peralatan listrik di rumah apakah sudah dalam kondisi hidup (on) atau mati (off)
setelah diaktifkan melalui media handphone menggunakan jaringan internet. Untuk membangun
smart home ini terdiri dari 2 bagian yaitu perangkat keras dan lunak. Perangkat keras digunakan
sebagai media interface antara computer (arduino) dengan peralatan listrik yang dikontrol
sedangkan perangkat lunaknya digunakan untuk mengaktifkan perangkat keras dan komunikasi
antara arduino dengan Android. Untuk selanjutnya masing - masing perangkat lunak tersebut
dimasukan ke arduino dan android. Metode yang digunakan pada penelitian ini adalah aplikasi
dengan demonstarsi. Dari hasil pengujian sementara yang telah dilakukan arduino dapat
melakukan pengontrolan peralatan listrik dengan baik sedangkan untuk monitoringnya masih
dalam tahap pengujian.
152
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dapat selesai sesuai dengan waktu yang interface, tampilan, modem wifi ESP
ditetapkan maka peneliti menyusun langkah- 8266.
langkah penelitian seperti Gambar 1. b. Merancang Skema Rangkaian Bagian-
Bagian Perancangan Smart Home
Dengan Konsep Internet Of Things
START (Iot) Berbasis Android.
Setelah dianalisis bagian – bagian
perancangan smart home dengan konsep
MENGANALISIS BAGIAN-BAGIAN PERANCANGAN
SMART HOME DENGAN KONSEP INTERNET OF
internet of things (iot) berbasis android.
THINGS (IOT) BERBASIS ANDROID maka langkah selanjutnya mendesain
skema rangkaian dari bagian-bagian
perancangan smart home dengan konsep
MERANCANG SKEMA RANGKAIAN BAGIAN- internet of things (iot) berbasis android
BAGIAN PERANCANGAN SMART HOME DENGAN seperti bagian catu daya, sensor, Arduino
KONSEP INTERNET OF THINGS (IOT) BERBASIS
ANDROID Uno R3, interface dan tampilan.
c. Mengimplementasikan Skema
Rangkaian Bagian-Bagian
Perancangan Smart Home Dengan
MENGIMPLEMENTASIKAN SKEMA RANGKAIAN
BAGIAN-BAGIAN PERANCANGAN SMART HOME Konsep Internet Of Things (Iot)
DENGAN KONSEP INTERNET OF THINGS (IOT) Berbasis Android. .
BERBASIS ANDROID
Merangkai komponen – ko mponen dar i
set iap bag ian perancangan smart
MENGUJI IMPLEMENTASI SKEMA RANGKAIAN
home dengan konsep internet of things
BAGIAN-BAGIAN PERANCANGAN SMART HOME (iot) berbasis android menjadi satu
DENGAN KONSEP INTERNET OF THINGS (IOT)
BERBASIS ANDROID kesatuan yang siap d igunakan.
d. Menguji Implementasi Skema
Rangkaian Bagian-Bagian
Perancangan Smart Home Dengan
TIDAK
BERHASIL Konsep Internet Of Things (Iot)
YA
Berbasis Android.
YA
Melakukan pengujian terhadap semua
bagian perancangan smart home dengan
MERANCANG PROGRAM PERANCANGAN SMART
HOME DENGAN KONSEP INTERNET OF THINGS konsep internet of things (iot) berbasis
(IOT) BERBASIS ANDROID android yang t elah diimplementasikan
dengan metode aplikasi demontrasi
yaitu dilakukan pengukuran terhadap
MENGUJI PERANCANGAN SMART HOME DENGAN besar tegangan keluaran catu daya,
KONSEP INTERNET OF THINGS (IOT) BERBASIS
ANDROID
keluaran sensor gas, PIR, selanjutnya
d ibandingkan dengan tegangan acuan
yang diinginkan. Jika tegangan
keluaran dari bagian perancangan smart
SELESAI
home dengan konsep internet of things
(iot) berbasis android belum sesuai
Gambar 1. Diagram aktifitas penelitian dengan tegangan acuan yang diinginkan
yang dilakukan maka dilakukan kalibrasi dan analisis
ulang. Dan jika telah sesuai maka
a. Menganalisis Bagian-Bagian dilanjutkan ke tahap selanjutnya.
Perancangan Smart Home Dengan e. Merancang Program Perancangan
Konsep Internet Of Things (Iot) Smart Home Dengan Konsep Internet
Berbasis Android. Of Things (Iot) Berbasis Android.
Pada aktifitas ini peneliti menganalisis Agar perancangan smart home dengan
bagian-bagian beserta komponen – konsep internet of things (iot) berbasis
komponen yang digunakan pada android dapat bekerja maka dirancanglah
set iap bagian perancangan smart software yang nantinya dimasukkan ke
home dengan konsep internet of things dalam Arduino Uno R3 dan Handphone
(iot) berbasis android seperti bagian catu dengan system operasi Android.
daya, sensor, Arduino Uno R3,
153
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
INPUT
( SENSOR SUHU, GAS, PIR, LDR )
PERALATAN LISTRIK
INTERFACE (LAMPU, ALARM,
LEMARI ES Keluaran sensor LM 35 dalam bentuk
tegangan analog yang akan selalu bertambah
30 mV setiap kenaikan suhu 1oC. Artinya jika
suhu ruangan mencapai 30 oC maka keluaran
sensor 300 mV. Sehingga jumlah volume air
ARDUINO UNO R3 MODUL WIFI ESP 8266 yang telah keluar dihitung dengan persamaan
1.
…………………1
Vout : tegangan keluaran LM 35
OUTPUT S : suhu yang diinginkan
LCD 2*16 J : Jumlah kenaikan suhu
HANDPHONE
ANDROID
154
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
13
12
10
11
9
8
7
6
5
4
3
2
1
0
DUINO1
PB4/MISO
PB0/ICP1/CLKO
AREF
TX PD1/TXD
RX PD0/RXD
PD7/AIN1
~ PD6/AIN0
PD5/T1
~ PD3/INT1
PD2/INT0
PB5/SCK
~PB3/MOSI/OC2A
~ PB2/SS/OC1B
~ PB1/OC1A
PD4/T0/XCK
ARDUINO UNO R3
1 U1
~
27.0 DIGITAL (~PWM)
Masuk ke pin A0
2
VOUT
ATMEGA328P-PU
1121
3 LM35 R1
10k
microcontrolandos.blogspot.com
PC4/ADC4/SDA
PC5/ADC5/SCL
ANALOG IN
PC0/ADC0
PC1/ADC1
PC2/ADC2
PC3/ADC3
C1
RESET
10u
+ 5volt GND
A0
A1
A2
A3
A4
A5
Gambar 6. Rangkaian pemasangan sensor
Gambar 4. Rangkaian sensor LM 35 gas MQ-2
Masuk ke pin A2
b. Interface
GND Rangkaian interface yang dirancang pada
+ Vcc 5 Volt Vcc OUT GND
TestPin
penelitian ini terdiri dari 2 bagian
yaitu :
b.1 Interface sensor
b.2 Interface keluaran ( lampu, alarm, lemari
es)
Karena besar tegangan listrik yang
dikeluarkan sensor LDR masih kecil
sehingga dikhawatirkan tidak dapat dibaca
oleh Arduino Uno maka dilakukan penguatan
tegangan hingga pada level yang dapat
dibaca oleh Arduino Uno R3. Pada
www.TheEngineeringProjects.com penelitian ini bentuk pemasangan rangkaian
interface sensor seperti Gambar 7.
PIR1
PIR SENSOR
VCC
Gambar 5. Rangkaian pemasangan sensor
PIR
R1
1k
GND
155
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Masuk ke lampu
RL2
Masuk ke pin 12 Q2 12V
2N2222
R2 D2
DIODE
100R
Masuk ke alarm
+ 12 Volt DC Gambar 9. Konfigurasi pin Arduino Uno R3
RL1
Masuk ke pin 11 Q1 12V [4]
2N2222
R1 D1
100R
DIODE d. Output (LCD 2 * 16)
Untuk menampilkan suhu dan
kondisi peralatan listrik yang telah on
Masukan 220 VAC
digunakan LCD ( liquid crystal display)
berukuran 2*16. Adapun bentuk
Masuk ke lemari es
pemasangannya seperti Gambar 10. di
+ 12 Volt DC
bawah ini.
RL3
Masuk ke pin 10 Q3 12V LCD1
2N2222 LM016L
R3 D3
DIODE
100R
VDD
VSS
VEE
RW
RS
D0
D1
D2
D3
D4
D5
D6
D7
E
4
5
6
7
8
9
10
11
12
13
14
GND
+ 12 Volt DC
Masuk ke pin 6 , 7, 8, 9
Gambar 8. Rangkaian interface keluaran + 5 Volt DC
Potensiometer
c. Arduino Uno R3
Setelah program dimasukkan ke dalam Pin 4
memori flash mikrokontroler ATmega 328
GND
(Arduino Uno R3) maka agar sensor dapat
dibaca oleh Arduino Uno dan peralatan listrik Pin 5
dapat dikendalikan maka pemasangan sensor
dan interface harus sesuai Gambar 9.
Gambar 10. Rangkaian LCD 2 *16
156
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
13
12
10
11
9
8
7
6
5
4
3
2
1
0
DUINO1
PB4/MISO
PB0/ICP1/CLKO
AREF
TX PD1/TXD
RX PD0/RXD
PD7/AIN1
~ PD6/AIN0
~ PD5/T1
~ PD3/INT1
PD2/INT0
PB5/SCK
~PB3/MOSI/OC2A
~ PB2/SS/OC1B
~ PB1/OC1A
PD4/T0/XCK
ARDUINO UNO R3
GND
DIGITAL (~PWM)
ATMEGA328P-PU
1121
microcontrolandos.blogspot.com
PC4/ADC4/SDA
PC5/ADC5/SCL
ANALOG IN
157
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5. DAFTAR PUSTAKA
[1] Zulfikar, Zulhelmi, Khairul Amri, Desain
Sistem Kontrol dan Penyalaan Perangkat
Elektronik Untuk Meniru Keberadaan
Penghuni Dirumah, jurnal nasional teknik
elektro, Vol 5, no.1, 2016.
[8] Hefmi fauzan imron,R.Rizal
Isnanto, Eko didik Widianto,
Perancangan Sistem Kendali Peralatan
Listrik Rumah Tangga Menggunakan
Media Pesan Singkat, jurnal teknologi
dan system komputer, Vol 4, no.3, hal
454 – 462, 2016
[9] http://ilearning.me/sample-page
162/arduino/pengertian-arduino-uno
https://id.wikipedia.org/wiki/Rumah
Gambar 15. Bentuk prototype smart home
yang dirancang
158
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1
I. Budiman1, Suwandy2
Program Studi Teknik Industri, Fakultas Teknologi dan Ilmu Komputer,Universitas Prima
Indonesia
Jl. Sekip Simpang Sikambing 20111, Medan, Indonesia
1
irwanb01@gmail.com, 2suwandy.wijaya03@gmail.com
ABSTRAK
Kata Kunci : Peramalan, Time Series, Kertas Sembahyang, Produksi Tepat Jumlah
159
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
160
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Aktual Peramalan
MAD =
n
MAD = 2.352,60
m
SSE = X F 2
i i
t 1
SSE = 247.514.899,24
b. Metode Kuadratis
Berikut hasil perhitungan MAD dan SSE
untuk metode Siklis:
Aktual Peramalan
MAD =
n
MAD = 2.358,15
Gambar 2. ScatterDiagram Jumlah Penjualan m
Kertas Sembahyang SSE = X F 2
i i
t 1
3. Pemilihan Metode Peramalan SSE = 248.676.259,09
Metode peramalan yang digunakan adalah:
a. Metode Siklis 6. Pemilihan Metode Peramalan yang Terbaik
b. Metode Kuadratis dengan Perhitungan Distribusi F
Ho : MAD Siklis < MAD Kuadratis
4. Perhitungan Parameter-Parameter Fungsi Hi : MAD Siklis > MAD Kuadratis
Peramalan α : 0,05
a. Metode Siklis (MAD Siklis) 2
Fungsi Peramalan: Uji F =
(MAD Kuadratis) 2
2t 2t
Y ' a b sin c cos
n n (2.352,60)2
Uji F =
(2.358,15)2
Hasil perhitungan fungsi peramalan metode
Uji F = 0,995
siklis: F tabel = 0,05 (23,23) = 2,01
2t 2t Oleh karena F hitung (0,995) < F tabel (2,01),
Y ' 13.654,79 396,96 sin 112,96 cos
n n maka Ho diterima. Hal ini menunjukkan
bahwa peramalan dengan metode siklis lebih
baik dari peramalan dengan metode kuadratis.
b. Metode Kuadratis
Fungsi Peramalan: 7. Melakukan Verifikasi Peramalan
Y ' a bx cx 2 Proses verifikasi dilakukan untuk mengetahui
apakah fungsi yang telah ditentukan dapat
Hasil perhitungan fungsi peramalan metode mewakili data yang akan diramalkan.
kuadratis:
Y ' 13.271,18 101,62 x 4,34 x 2
161
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dengan metode siklis telah memenuhi Dari penelitian ini, diperoleh hasil pola
persyaratan. Fungsi peramalan dengan metode siklis adalah pola yang paling sesuai dengan
siklis adalah: Mean Absolute Deviation sebesar 2.352,6 dan
Sum Square Error sebesar 247.514.899,2.
2t 2t
Y ' 13.654,79 396,96 sin 112,96 cos Dengan dilakukannya produksi berbasis data
n n ramalan ini, diharapkan dapat tercapai produksi
yang tepat sasaran dan minim kerusakan di
gudang.
Sehingga ramalan jumlah penjualan kertas
sembahyang pada tahun 2018 dapat dilihat pada
tabel berikut: PUSTAKA
Tabel 2. Hasil Peramalan Jumlah Penjualan [1] Feri Surya Erlangga, Retno
Kertas Sembahyang Tahun 2018 Astuti dan Mas‘ud Effendi, Analisis
Penjualan Tahun 2018 Penerapan Material Requirement
pada Bulan (ikat) Planning (MRP) dengan
Januari 13.443 Mempertimbangkan Lot Sizing untuk
Februari 13.358 Pengendalian Persediaan Bahan Baku
Maret 13.294 (Studi Kasus di Quick Chicken Kota
April 13.255 Batu- Jawa Timur, 2017.
Mei 13.242 [2] Harmein Nasution, Irwan
Juni 13.258 Budiman, dan Agus Salim, The Cost
Juli 13.301 Analysis of Material Handling in
Agustus 13.367
Chinese Traditional Praying Paper
September 13.454
Production Plant, IOP Conference
Oktober 13.554
Series: Material Science and
November 13.661
Desember 13.768 Engineering, 2018.
[3] Oka Sutarto Putra, Analisis dan
Rancangan Ulang Sistem Perpindahan
3.2. Pembahasan Material Di PT. Dwi Indah
Berdasarkan data hasil ramalan Menggunakan Material Handling
tersebut, maka pola ramalan dengan General Analysis Procedure, Tugas
siklis merupakan pola yang paling tepat Akhir Program Studi Teknik Industri
dibandingkan dengan pola linier. Hal ini Universitas Telkom, 2017.
menunjukkan perencanaan produksi [4] Tarigan, Ukurta, Perencanaan
dapat disesuaikan dengan pola tersebut Tata Letak Fasilitas, Medan: USU Press,
untuk mengurangi overstock dan 2008.
understock yang terjadi. Dengan [5] Wignjosoebroto, Sritomo,
berkurangnya hal tersebut, maka akan Tata Letak Pabrik dan Pemindahan
dapat membuat persentase kerusakan
Bahan, Edisi Ketiga, Surabaya: Penerbit
semakin kecil dan proses re-cyle juga
Guna Widya, 2009.
semakin rendah.
[6] Apple, James M.. Material
Pada produk kertas sembahyang,
handling Systems Design. United States
terdapat perubahan jumlah permintaan
of America: The Ronald Press Company,
pada bulan-bulan tertentu setiap
1972.
tahunnya. Oleh karena itu, perlu
[7] Sinulingga, Sukaria, Metode
dilakukan pertimbangan terhadap faktor
Penelitian, Edisi Pertama, Cetakan
musiman tersebut dalam perencanaan
Pertama, Medan: USU Press, 2011.
produksi yang akan dilakukan. Dengan
demikian, maka kesesuaian hasil ramalan [8] Gay, L.R. dan Diehl, P.L,
dengan realisasinya saat dijalankan dapat Research Methods for Business and
lebih baik sehingga perusahaan tidak Management, MacMillan Publishing
perlu melakukan stok berlebihan yang Company, New York, 1992.
pada akhirnya akan mengurangi kualitas [9] Vincent Gaspersz, Production Planning
kertas yang diproduksi. and Inventory Control, Gramedia
5. KESIMPULAN Pustaka Utama, 2005.
162
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Ketidakpastian sering sekali timbul dari hasil jawaban setiap permasalahan di dunia ini, salah
satu metode untuk melakukan analisis system yang tidak pasti adalah logika fuzzy. Paper ini
berisi tentang penggunaan metode logika fuzzy mamdani dalam pengambilan keputusan
penerimaan Guru pada Pesantren Modern Al-Barokah. Masalah yang diselesaikan adalah cara
pengambilan keputusan penerimaan Guru hanya menggunakan tiga variable input, yaitu tes
psikotest, tes wawancara, dan tes teaching. Metode yang digunakan adalah fuzzy mamdani
dengan hasil akhir SPK yang dapat menerima atau menolak calon guru untuk mengajar di
Pesantren Modern Al-Barokah.
Kata Kunci: Logika Fuzzy, logika Fuzzy mamdani, himpunan Fuzzy, aplikasi fungsi implikasi.
163
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
menghasilkan out put yang lebih dekat dengan data kedalam nilai keanggotaannya (sering
kondisi sebenarnya. juga disebut dengan derajat keanggotaan)
Terdapat tiga variabel yang digunakan yang memiliki interval antara 0 sampai 1.
dalam penerimaan guru, yaitu variabel tes Salah satu cara yang dapat digunakan untuk
psikotest, variable tes wawancara dan variable mendapatkan nilai keanggotaan adalah dengan
tes teaching. Penelitian ini nantinya melalui pendekatan fungsi.
diharapkan dapat memberikan informasi yang
akurat dalam pengambilan keputusan 1.2.3 Operator Dasar Zadeh Untuk
penerimaan Guru. Operasi himpunan Fuzzy
Seperti halnya himpunan konvensional,
1.2 Tinjauan Pustaka ada beberapa operasi yang didefenisikan
Menurut pendapat Kusumadewi (2002), secara khusus untuk mengkombinasi dan
Logika fuzzy adalah cabang dari sistem memodifikasi himpunan fuzzy. Nilai
kecerdasan buatan (Artificial Inteligent) yang keanggotaan sebagai hasil dari operasi 2
mengemulasi kemampuan manusia dalam himpunan sering dikenal dengan nama fire
berfikir kedalam bentuk algoritma yang strength. Ada 3 operator dasar yang
kemudian dijalankan oleh mesin. Algoritma diciptakan oleh Zadeh, yaitu (Cox dalam
ini digunakan dalam berbagai aplikasi Kusumadewi, 1994) :
pemrosesan data yang tidak dapat (1) Operator AND
direpresentasikan dalam bentuk biner. Logika Operator ini berhubungan dengan operasi
fuzzy menginterpretasikan statement yang interseksi pada himpunan. Fire strength
samar menjadi sebuah pengertian yang logis. sebagai hasil operasi dengan operator AND
Logika fuzzy dapat dianggap sebagai kotak diperoleh dengan mengambil nilai
hitam yang menghubungkan antara ruang keanggotaan terkecil antar elemen pada
input menuju ruang output (Gelley, 2000, dari himpunan-himpunan yang bersangkutan.
Kusumadewi, 2010). Kotak hitam tersebut µA∩B= min(µA(x), µB(y))
berisi cara atau metode yang dapat digunakan (2) Operator OR
untuk mengolah data input menjadi output Opertor ini berhubungan dengan operasi
dalam bentuk informasi yang baik. union pada himpunan. Fire strength sebagai
hasil operasi dengan operator OR diperoleh
1.2.1 Himpunan Fuzzy dengan mengambil nilai keanggotaan terbesar
Pada himpunan tegas (crisp), nilai antarelemen pada himpunan-himpunan yang
keanggotaan suatu item x dalam suatu bersangkutan.
himpunan A, yang sering ditulis dengan µAUB= max(µA(x), µB(y))
µA(X), memiliki dua kemungkinan, yaitu : (3) Operator NOT
a. Satu (1), yang berarti bahwa suatu Operator ini berhubungan dengan operasi
item menjadi anggota dalam suatu himpunan, komplemen pada himpunan. Fire strength
atau sebagai hasil operasi dengan operator NOT
b. Nol (0), yang berarti bahwa suatu diperoleh dengan mengurangkan nilai
item tidak menjadi anggota dalam suatu keanggotaan elemen pada himpunan yang
himpunan. bersangkutan dari 1.
µA‘=1- µA (x)
Himpunan fuzzy memiliki dua atribut, yaitu
: 1.2.4 Logika Fuzzy Mamdani
1. Linguistik, merupakan penamaan Metode mamdani sering dikenal sebagai
grup yang mewakili suatu keadaan atau metode Max-Min. metode ini diperkenalkan
kondisi tertentu dengan menggunakan bahasa oleh Ebrahim Mamdani tahun 1975. Untuk
alami/sehari-hari. mendapatkan output, diperlukan 4 tahapan:
Contohnya : PENDEK, SEDANG, 1. Pembentukan himpunan fuzzy
TINGGI. Pada metode mamdani, baik variable input
2. Numeris, merupakan suatu nilai maupun variable output dibagi menjadi satu
angka yang menunjukkan ukuran dari suatu atau lebihb himpunan fuzzy.
varibel. 2. Aplikasi fungsi implikasi (aturan)
Contohnya : 140, 160, 180. Pada metode mamdani, fungsi implikasi
yang digunakan adalah min.
1.2.2 Fungsi Keanggotaan 3. Komposisi aturan
Fungsi keanggotaan adalah suatu kurva
yang menunjukkan pemetaan titik-titik input
164
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Ada tiga metode yang digunakan dalam Semesta pembicaraan untuk variabel
melakukan inferensi system fuzzy, yaitu max, TesTeaching : [0 10]
additive dan probabilistic OD (probor)
4. Penegasan (defuzzy) 2.3 Domain
Input dari proses defuzzy adalah suatu Domain himpunan fuzzy merupakan
himpunan fuzzy yang diperoleh dari keseluruhan nilai yang diijinkan dalam
komposisi aturan-aturan fuzzy,sedangkan semesta pembicaraan dan boleh dioperasikan
output yang dihasilkan merupakan suatu dalam suatu himpunan fuzzy.
bilangan pada domain himpunan fuzzy 1. Variabel TesPsikotest
tersebut. Sehingga jika diberikan suatu Domain himpunan fuzzy :
himpunan fuzzy dengan range tertentu, maka
harus dapat diambil suatu nilai crisp tertentu7 SANGAT BURUK =
sebagai output. Ada beberapa metode defuzzy [0 3]
yang bias digunakan pada komposisi aturan BURUK =
mamadani, yaitu centroid, bosektor, mean of [1 5]
maximum, largest of maximum dan smallest CUKUP =
of maximum. [3 7]
BAIK =
[5 9]
1.3 Metodologi Penelitian SANGAT BAIK =
[7 10]
Metodologi yang digunakan dalam
penelitian ini meliputi beberapa langkah 2. Variabel TesWawancara
sebagai berikut, yaitu : Domain himpunan fuzzy :
a. Melakukan pengumpulan data SANGAT BURUK =
sekunder yang dibutuhkan dalam melakukan [0 3]
perhitungan dan analisis masalah. BURUK =
b. Membentuk himpunan fuzzy, pada [1 5]
metode mamdani baik variabel input maupun CUKUP =
output dibagi menjadi satu atau lebih [3 7]
himpunan fuzzy BAIK =
c. Aplikasi fungsi Implikasi, pada
[5 9]
metode mamdani fungsi implikasi yang
SANGAT BAIK = [7 10]
digunakan untuk tiap-tiap aturan adalah fungsi
min
3. Variabel TesTeaching
d. Menarik kesimpulan dari hasil
Domain himpunan fuzzy :
pengolahan data
SANGAT BURUK =
3. HASIL DAN PEMBAHASAN [0 3]
2.1 Analisis Kebutuhan Input BURUK =
Pada penelitian ini, variabel input yang [1 5]
digunakan ada tiga, yaitu TesPsikotes, CUKUP =
TesWawancara dan Tes Teaching Selanjutnya [3 7]
ketiga variabel input diolah menjadi himpunan BAIK =
fuzzy. [5 9]
SANGAT BAIK = [7 10]
2.2 Semesta Pembicaraan
Semesta pembicaraan merupakan 2.4 Himpunan Fuzzy
keseluruhan nilai yang diperbolehkan untuk Himpunan fuzzy merupakan suatu grup
dioperasikan dalam suatu variabel fuzzy. yang mewakili suatu kondisi dan keadaan
1. Variabel TesPsikotest tertentu dalam suatu variabel fuzzy. Pada
Semesta pembicaraan untuk variabel penelitian ini, penulis menggunakan atribut
TesPsikotest : [0 10] linguistik, yaitu penamaan suatu grup yang
2. Variabel TesWawancara mewakili suatu keadaan atau kondisi tertentu
Semesta pembicaraan untuk variabel dengan menggunakan bahasa alami, seperti:
TesWawancara : [0 10] MUDA, PAROBAYA, TUA.
3. Variabel TesTeaching
165
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
0 ; x ≤ 1 atau
x≥5
µBURUK = ;1≤x≤3
(2) ; 3≤x≤
5
0 ; x ≤ 3 atau
x≥7
µCUKUP = ;1≤x≤3
(3) ; 3≤x≤
Gambar 2.2. Himpunan Fuzzy pada
Variabel TesWawancara 5
0 ; x ≤ 5 atau
x≥9
3. Himpunan fuzzy untuk variabel µBAIK = ;5≤x≤7
TesTeaching (4) ; 7≤x≤
Variabel TesTeaching terbagi menjadi 9
lima himpunan fuzzy, yaitu sangat buruk,
buruk, cukup, baik, dan sangat baik. 0 ;x≤7
166
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
167
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1 ;x≤2
µDITOLAK = ;2≤x≤6
(16)
0 ;x≥6
0 ;x≤5
µDITERIMA = ;5≤x≤9
(17)
1 ;x≥9
2.11 Rules
Rules (aturan-aturan), merupakan
pengetahuan procedural yang menghubungkan
informasi yang diberikan dengan tindakan Gambar 2.6. Rule Viewer Guru
(action). Struktur rule, secara logika
menghubungkan satu atau lebih antecedent
(atau premises) yang berada pada bagian IF,
dengan satu atau lebih consequents (atau
conclusions/kesimpulan) pada bagian THEN.
Pada penelitian ini, dari variabel input
untuk membangun sistem ini, maka
menghasilkan 125 (seratus dua puluh lima)
rules. Adapun rules dari penelitian ini adalah
sebagai berikut :
168
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
169
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
αPredikat98 = µTesPsikotestBaik ∩
µTesWawancaraSangatBaik ∩
µTesTeachingCukup
= min(µTesPsikotestBaik(7.2),
µTesWawancaraSangatBaik(9.8),
µTesTeachingCukup (6.8) )
= min(0.1; 1; 0.9) Gambar 2.8. Hasil Sample I
= 0.1 Sample II
Contoh kasus V:
Diharapkan penerimaan guru pesantren adalah
minimal 5. Berapa nilai penerimaan guru
pesantren, jika nilai variabel Tes Psikotestnya
10, nilai variabel Tes Wawancaranya 4.5 dan
nilai variabel Tes Teachingnya 3 .
αPredikat107 = µTesPsikotestSangatBaik ∩
µTesWawancaraBuruk
∩ µTesTeachingBuruk
=
Gambar 2.9. Hasil Sample II
min(µTesPsikotestSangatBaik(10),
µTesWawancaraBuruk(4.5),
µTesTeachingBuruk (3) )
Sample III
= min(1; 0.75; 1)
= 0.75
2.14 Hasil Guru
Setelah semua variabel input diolah,
variabel output diolah, seperti yang telah
dibahas di atas. Kemudian diterapkan dengan
menggunakan rules di atas, maka di dapatkan
hasil rekomendasi untuk beberapa sampel.
Berikut adalah hasil gurunya :
170
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
171
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
6. SARAN
Saran yang diberikan penulis kepada
pembaca adalah sistem ini dapat
dikembangkan lagi dengan metode-metode
inferensi lainnya, misalnya tsukamoto, bahkan
metode yang lebih berkembang lagi fuzzy
Multi-Attribute Decision Making (Fuzzy
MADM)..
Gambar 2.17. Hasil Sample X
Tabel 2.II Hasil Sampel Data Calon Guru PUSTAKA
[1] Kusumadewi, S, and Purnomo, 2010.
Aplikasi Logika Fuzzyy Untuk
Pendukung Keputusan, Graha Ilmu
Yogyakarta.
172
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
173
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
pengolahan organis seperti limbah kelapa dan dan pelayanan agar sesuai dengan prinsip
limbah padat seperti tong. Perlu adanya keberlanjutan sosial, ekonomi, dan ekologi
pemikiran siklus hidup produk yang (Mclennan, 2004).Ecodesign (juga dikenal
memanfaatkan ekstraksi material limbah dengan desain untuk lingkungan, desain siklus
seperti ini. hidup, desain sadar lingkungan) adalah
Selain itu, pola pikir kehidupan perkotaan metodologi sistematis yang menggabungkan
mendorong manusia cerdik dalam memilih pertimbangan lingkungan ke dalam proses
produk yang berkelanjutan dalam mendukung perancangan produk.
kehidupannya. Misalnya bagi keluarga kecil Tujuan utama ecodesign adalah untuk
yang memiliki bayi perlu berpikir untuk mengembangkan barang dan jasa yang
mencari perabotan yang bermanfaat dalam mengarah pada keberlanjutan dengan
jangka waktu panjang sehingga nilai produk mengurangi beban lingkungan produk
semakin tinggi. Begitu halnya ketika sepanjang siklus hidup, dengan
menjalani rutinitas keseharian seperti hobi mempertimbangkan juga kebutuhan produk
atau pekerjaan. Perlu sebuah produk dan pelanggan konvensional lainnya seperti
penunjangnya yang memiliki konsep fungsionalitas, kualitas, keamanan, biaya,
berkelanjutan. Dalam studi kasus yang dipakai kemampuan manufaktur, ergonomi. dan
pada artikel ini untuk menunjang kegiatan estetika.
memancing sebagai hobi untuk profesional. Menurut Kaunas Univ.of Technology tentang
Serta kebiasaan para pedagang kuliner pop-up Life Cycle Assessment (LCA) ecodesign
seiring dengan maraknya pop-up market di mempertimbangkan aspek lingkungan pada
Mall dan pusat perbelanjaan setiap akhir semua tahap proses pengembangan produk,
pekan. mengupayakan produk yang memberikan
dampak lingkungan serendah mungkin selama
1.2 Rumusan Masalah siklus hidup produk. Dengan kata lain, produk
Dari latar belakang diatas maka ditentukan harus mengalokasikan sumber daya sesedikit
rumusan masalah yang ada sebagai berikut : mungkin dan mengurangi dampak terhadap
Penerapan life cylcesustainable design lingkungan, meningkatkan kinerja secara
pada desain produk masih tergolong keseluruhan agar perusahaan dapat
rendah memasarkannya dan mendapatkan
Jumlah limbah terus bertambah, namun pendapatan. Pada akhirnya, ecodesign harus
pemanfaatan limbahorganik dan anorganik menghasilkan produksi dan konsumsi yang
pada desain produk lebih berkelanjutan.
Aktivitas keseharian warga perkotaan tidak Inti eco-design adalah konsep siklus hidup
ditunjang dengan produk yang memiliki produk. Siklus hidup produk dimulai dengan
konsepsi lifecycle thinking sumber daya yang diambil dari alam, berlanjut
ke produksi bahan dan proses pembuatan,
Dari poin-poin rumusan masalah diatas maka pengemasan dan pengangkutan, penggunaan
munculah pertanyaan penelitian: dan pemeliharaan produk dan akhirnya
Bagaimana menggunakan konsepsi life cycle diakhiri pada tahap akhir kehidupan. Istilah
thinking dalam mengembangkan produk baru life cycle thinking mengacu pada pendekatan
yang berwawasan lingkungan. terpadu yang harus diterapkan dengan tujuan
merancang produk yang lebih ramah
1.3 Batasan Masalah lingkungan.
Ruang lingkup permasalahan yang akan Menurut CIMdata ―About PLM", Diakses
dibahas nantinya adalah: tanggal 25 February 2012, dalam dunia
- Pendekatan sustainable designuntuk luaran industri, manajemen siklus produk / product
desain produk lifecycle management (PLM) adalah proses
- Menggunakan strategi lifecycle thinking pengelolaan seluruh siklus produk dari awal,
- Produk mendukung kebutuhan masyarakat mulai dari desain dan manufaktur sampai
perkotaan dengan pelayanan konsumen dan pembuangan
produk tersebut
2. PUSTAKA Dalam PLM ada lima area utama;
2.1 Sustainable design 1. Rekayasa sistem (SE)
Biasa dikenal dengan juga dengan eco-design, 2. Produk dan portfolio m² (PPM)
atau desain berkelanjutan adalah filosofi 3. Desain produk (CAx)
perancangan benda fisik, lingkungan binaan, 4. Manajemen proses manufaktur (MPM)
174
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5. Product Data Management (PDM) Limbah merupakan buangan atau sisa yang
dihasilkan dari suatu proses atau kegiatan dari
Sebagai pendekatan holistik Eco-Design industri maupun domestik (rumah tangga).
memeriksa keseluruhan siklus hidup produk, Menurut Peraturan Pemerintah Nomor 101
yang dapat dibagi menjadi lima tahap yang tahun 2014, limbah adalah sisa suatu usaha
berbeda seperti yang digambarkan pada dan/atau kegiatan.
diagram 1 dibawah ini. Namun seputar isu Berdasarkan dari wujud limbah yang
tersebut muncul pertanyaan yang terkait dihasilkan, limbah dibagi menjadi tiga yaitu
adalah: limbah padat, limbah cair dan gas dengan
1. Penggunaan bahan baku penjelasan sebagai berikut:
• Bahan baku mana yang digunakan?
• Rantai hulu mana yang dibutuhkan untuk 1. Limbah padat adalah limbah yang
bahan baku ini? berwujud padat. Limbah padat bersifat
• Berapa banyak energi yang dipecah untuk kering.Limbah padat ini misalnya, sisa
proses ini? makanan, sayuran, potongan kayu,
2. Pembuatan sobekan kertas, sampah, plastik, tong besi
• Jenis bahan operasi apa yang dibutuhkan dan logam
untuk proses produksi?
• Berapa banyak energi yang dibutuhkan dan
sumbernya dihasilkan?
3. Distribusi
• Apa jenis bahan kemasan yang digunakan
dan bagaimana bisa didaur ulang?
• Sarana transportasi apa yang digunakan
untuk distribusi produk?
4. Penggunaan produk
• Seberapa hemat energi produk dalam fase
penggunaannya? Gambar 1. Limbah padat tong besi
• Apakah produk mudah dipelihara? Sumber: koleksi pribadi penulis
• Berapa lama umur produk?
5. Akhir Hidup 2. Limbah cair adalah limbah yang
• Apakah produk, atau bagiannya, dapat berwujud cair. Limbah cair terlarut dalam
digunakan kembali? air, selalu berpindah, dan tidak pernah
• Apakah produk mengandung bahan yang diam.
bermasalah untuk dibuang? 3. Limbah gas adalah limbah zat (zat
• Bahan dasar mana yang bisa didaur ulang? buangan) yang berwujud gas. Limbah gas
dapat dilihat dalam bentuk asap. Limbah
gas selalu bergerak sehingga
penyebarannya sangat luas.
175
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
176
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
177
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
178
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dalam fungsi paneling dan hiasan dinding, Produk stable misalnya, dibuat untuk
modul-modul dapat dikreasikan bentuk memudahkan penjual pada weekend market,
akhirnya secara berbeda oleh pengguna, dimana stan juga berfungsi sebagai brand
berbahan ramah lingkungan sehingga image dari produk yang dijual. Produk stable
dapat di daur ulang ini ketika dilipat dapat dimasukkan ke dalam
mobil pribadi jenis MPV, sehingga penjual
tidak perlu menyewa pick up untuk
memindahkan stan ke lokasi weekend market.
Ukuran stan ini juga dapat disesuaikan.dengan
kebutuhan dari ukuran yang terpendek 90cm
hingga 200cm. Sangat unggul dalam daur
distribusi dan penggunaan.
Sementara dari Matsya, Tas pemancing,
dimana saat ini penggunaan udang hidup
sebagai umpan utama mulai digemari oleh
pemancing air asin, dikarenakan udang hidup
merupakan target alami dari ikan sasaran yang
Gambar 7. Cocopa, Furnishing product ingin didapatkan oleh pemancing air asin,
memanfaatkan limbah kulit kelapa. tetapi belum ada sama sekali cara dan media
Sumber: Lukito, Samuel. 2017. Penerapan penyimpanan yang didesain sebagai solusi
olahan limbah kelapa pada produk untuk membawa dan menghidupkan udang.
furnishing Dengan dilakukannya pendekatan life cycle
thinking Proses Produksi, muncul solusi
Penulis kembali menggunakan dasar teori life metode pemingsanan diterapkan dalam sarana
cycle produk dalam memilah strategi daur bawa untuk pemancing air asin agar dapat
hidup sebagai konsep dasar pengembangan membawa dan menjaga udang tetap hidup
produk. Berikut ini hasil klasifikasi life cycle ketika digunakan untuk memancing di tengah
ke 5 produk tersebut laut.
Tabel 1. Penerapan life cycle thinking pada Produk Co-Ni, furnitur yang dapat digunakan
desain produk dalam jangka waktu lama yaitu dari bayi
No Produk Life cycle Life cycle sampai anak-anak. Sudah dapat memenuhi
concept dominan kebutuhan furnitur yang dibutuhkan sejak bayi
1 Matsya Manufacturing, Manufacturing sampai anak-anak. Kebutuhan yang terpenuhi
Use yaitu kebutuhan tidur yang menggunakan
2 Co-Ni Use, Use bassinet, kebutuhan untuk menggantikan
Manufacturing popok/pakaian dengan baby tuffle dan
3 Stereos Resource, Use, Resource kebutuhan lemari sebagai tempat menyimpan
Distribution pakian maupun barang lainnya.Daur
4 Stable Distribution, Use, Distribution penggunaan menjadi lebih lama, sangat jauh
End of life dari daur hidup umumnya produk untuk bayi
5 Cocopa Resource, End of life yang sangat tergantung usia tumbuh kembang
Distribution, Use, bayi.
End of life Sementara itu Stereos, Drum sofa bisa
dimanfaatkan agar bisa digunakan untuk
menopang kegiatan yang sering dilakukan
5. KESIMPULAN
sehari-hari, serta memiliki meja yang bisa
Life cycle thinkingadalah sebuah pendekatan dilipat dan dimasukkan kedalam slot yang
untuk menyadari bagaimana kehidupan sehari- tersedia jika tidak dibutuhkan. Kemampuan
hari mempengaruhi lingkungan. Pendekatan modular yang diberikan yaitu rangka luar,
pada kelima produk diatas ini telah sofa, dan meja yang bisa dilepas,
memberikan pemahaman terhadap konsumsi memudahkan dan memperpanjang lifecycle
konsumsi dan aktivitas pengguna yang produk, karena material rangka senderan bisa
berdampak pada lingkungan. Selain itu kelima diubah dengan material yang lebih kokoh,
produk tersebut telah dievaluasi bukanhanya disesuaikan dengan kemampuan keuangan
dalam satu langkah tunggal, namun juga pembeli. Dan yang terpenting stereos mampu
secara holistik dari keseluruhan sistem produk mendemostrasikan bahwa ekstraksi material
atau aktivitas. dapat berasal dari limbah padat. Sama halnya
179
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dengan Cocopa yang berasal dari limbah [4] Lukito, Samuel. 2017. Penerapan
pertanian kulit kelapa yang dimanfaatkan olahan limbah buah kelapa pada
menjadi produk furnishing yang dalam produk furnishing. Surabaya: Ubaya.
prakteknya sangat ideal untuk mengisi hingga
4 daur hidup yaitu pada fase Resource, [5] McKenna, J. J., & McDade, T. (2005).
Distribution, Use, End of life. Sehingga dari Why Babies should never sleep alone:
artikel ini semoga memberi pemahaman A review of the co-sleeping controversy
sekaligus implementasi pada PLM bidang in relation of SIDS, bedsharing and
desain produk untuk menggunakan breastfeeding
pendekatan desain berkelanjutan seperti
filosofi perancangan benda fisik, lingkungan [6] Pratiwi, Meita, Ketut Sutara, Pande.
binaan, dan pelayanan agar sesuai dengan Etnobotani Kelapa di Wilayah
prinsip keberlanjutan sosial, ekonomi, dan Denpasar dan Bandung. Jurnal
ekologi. Simbiosi I. 2(2013). 102-111.
180
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Kota Surabaya sebagai kota terbesar kedua di Indonesia juga tentunya memiliki andil dalam
memajukan ekonomi kreatif, salah satunya ialah perubahan wajah dolly yang menjadi kawasan
Industri Kreatif di Surabaya. Dolly dahulu menjadi salah satu penyumbang APBD terbesar
setiap bulannya bagi pemerintah Surabaya, puluhan miliar rupiah, perputaran uang yang
masuk dari praktik haram dan menjadi penopang hidup warga terdampak. Wali Kota Tri
Rismaharini 2015 lalu mantap menutup kawasan tersebut. Berkat keberanian dan dukungan
dari berbagai pihak, Dolly akhirnya mendapat pembaruan dari wajah kelamnya menjadi
Rumah Kreatif. Pemerintah Kota Surabaya melakukan pembangunan kawasan industry kreatif
Dolly menjadi rumah kreatif yang sekarang disebut Dolly Saiki Point (DS Point). Untuk dapat
bertahan, pembangunan DS Point sebagai rumah kreatif membutuhkan perencanaan yang
terstruktur agar nantinya Dolly tetap dapat berkembang dalam jangka waktu yang panjang.
Pendekatan sustainable development sebagai upaya perencanaan yang meningkatkan
kemampuan ekonomi untuk kembali memberi manfaat ke dalam lingkungan sosial, ditantang
di permasalahan Dolly Saiki ini. Sementara itu isu ekonomi kreatif tentang pemanfaatan
kreatifitas, ketrampilan serta bakat individu untuk menciptakan kesejahteraan serta lapangan
pekerjaan melalui penciptaan dan pemanfaatan daya kreasi UKM di DS Point membutuhkan
pendekatan sustainable design merupakan cara perancangan benda fisik, lingkungan binaan,
dan pelayanan agar sesuai dengan prinsip keberlanjutan sosial, ekonomi, dan ekologi. Hal-hal
inilah yang melatarbelakangi penyusunan sustainable development program Rumah Kreatif
DS Point Kota Surabaya yang berorientasi pada peningkatan kehidupan sosial dan ekonomis
berupa roadmap (peta jalan) dalam jangka menengah hingga tahun 2021.
181
saja, bahkan ribuan pedagang kaki lima serta
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
tukang parkir menggantungkan hidup mereka berupaya memberikan fasilitas lebih untuk
di sana. Dolly juga diyakini menjadi salah satu rumah produksi UKM-UKM tersebut. Risma
penyumbang APBD terbesar setiap bulannya ingin dolly yang dulunya sebagai kawasan
bagi pemerintah Surabaya. Faktor-faktor prostitusi tidak hanya berakhir begitu saja,
tersebut yang menjadikan prostitusi dolly nama Besar Dolly tidak boleh hilang karena
tidak dapat dihentikan. Namun berbeda Dolly merupakan kampung seribu cerita
dengan Wali Kota Tri Rismaharini, didalamnya.
perempuan nomor satu di Surabaya tersebut Untuk dapat bertahan, pembangunan DS Point
akhirnya mantap menutup kawasan tersebut, sebagai rumah kreatif membutuhkan
sekalipun nyawa taruhannya. Hampir seribu perencanaan yang terstruktur agar nantinya
anggota Brimob dan Sabhara diterjunkan Dolly tetap dapat berkembang dalam jangka
untuk menjaga lokasi deklarasi. Tiga unit waktu yang panjang. Hal-hal inilah yang
mobil water canon juga disiagakan di depan melatarbelakangi penyusunan roadmap (peta
pintu masuk Islamic Center tempat deklarasi jalan) Rumah Kreatif DS Point Kota Surabaya
tersebut digelar. Berkat keberanian dan dalam jangka menengah hingga tahu 2021.
dukungan dari berbagai pihak, Dolly akhirnya Dengan adanya roadmap ini, diharapkan dapat
pembaruan dari wajah kelamnya menjadi memberikan rekomendasi program-program
Rumah Kreatif. yang nantinya akan di jalankan oleh berbagai
Kontribusi ekonomi kreatif di Indonesia saat pihak terkait sehingga DS Point dapat berjalan
ini terlihat semakin nyata, hal ini dapat dilihat dan berkembang.
bahwa PDB sektor ekonomi kreatif
mengalami peningkatan setiap tahunnya. 1.2 Rumusan Masalah
Berdasarkan data statistik ekonomi kreatif Dari latar belakang diatas maka ditentukan
2016, dalam lima tahun terakhir, yakni 2010- rumusan masalah yang ada sebagai berikut :
2015, besaran PDB ekonomi kreatif - Sustainable development dalam ranah sosial
mengalami kenaikan dari Rp 525,96 triliun sebagai sebuah strategi belum dimanfaatkan
menjadi Rp 852,24 triliun atau meningkat dalam menyelesaikan permasalahan sosial di
rata-rata 10,14% per tahun. Dari 16 sub sektor Surabaya
ekonomi kreatif, sub sektor kuliner - Belum maksimalnya pengembangan Dolly
memberikan kontribusi yang cukup besar menjadi rumah kreatif DS Point
yaitu 30% dari total pendapatan sektor - Belum adanya perencanaan yang terstruktur
pariwisata dan ekonomi kreatif. Kota pada pembangunan DS Point dalam jangka
Surabaya sebagai kota terbesar kedua di waktu menengah
Indonesia juga tentunya memiliki andil dalam
memajukan ekonomi kreatif, salah satunya Bagaimana menyusun sebuah perencanaan
ialah perubahan wajah dolly yang menjadi roadmap rumah kreatif DS Point Eks
kawasan Industri Kreatif di Surabaya. Lokalisasi Dolly dalam jangka menengah
Eks lokalisasi Dolly terus berbenah usai dengan pendekatan sustainable development ?
dialihfungsikan pada tahun 2015 lalu.
Pemerintah Kota Surabaya melakukan 1.3 Batasan Masalah
pembangunan Dolly menjadi rumah kreatif Ruang lingkup permasalahan yang akan
yang sekarang disebut Dolly Saiki Point (DS dibahas nantinya adalah:
Point). Terletak di Gang Lebar Dolly tersebut - Pendekatan sustainable development
menjadi ruang pamer baru untuk menjual hasil berbasis ekonomi kreatif
produk-produk UKM warga terdampak seperti - Output penelitian adalah penyusunan
produk kripik samiler, batik tulis, kripik roadmap pengembangan Rumah Kreatif DS
produk UKM sigquel, pomade Prabujali, dan Point dalam kategori jangka menengah hingga
lain-lain. Hal ini bertujuan agar mereka yang 2021
dahulunya menggantungkan hidupnya pada - Rumah kreatif yang dikembangkan hanya
bisnis prostitusi dapat memiliki sebuah usaha yang berada dalam naungan kewenangan
dalam memenuhi kebutuhan hidup mereka DKPP KMS
beserta keluarganya kini pemkot berharap
pendekatan sustainable development dapat 2. PUSTAKA
merubah mereka menjadi pahlawan ekonomi 2.1 Sustainable development
kreatif. Di sana, UKM memiliki fasilitas yang Dalam bukunya L‘Economique et le vivant
tidak dipungut biaya untuk memamerkan (1979) Passet, Rene me mendeskripsikan
produknya, sehingga warga dolly dapat terus sustainable development terkait dengan 3 kata
berinovasi dan memiliki usaha. Tidak hanya kunci yaitu sosial, lingkungan dan ekonomi.
merancangkan ruang pamer, pemerintah juga Sementara Scerri (2010) Sustainable
182
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
183
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Ketahanan Pangan & Pertanian mengelola memiliki usaha berupa UKM tertentu serta
sub-sektor Kuliner membawahi 2 wisma, 2) DKPP yang menaungi rumah kreatif DS Point.
Dinas Perindustrian & Perdagangan Adapun observasi dilakukan dengan
mengelola sub-sektor Kerajinan & Fesyen mengamati aktifitas keseharian yang
membawahi 2 wisma. dilakukan oleh warga eks lokalisasi dolly pada
Meskipun belum ada data yang dapat diacu rumah kreatif. Sedangkan kuesioner
secara kuantitatif, penyusunan peta jalan ini digunakan untuk mengetahui gambaran umum
berupaya meletakkan dasar pengembangan profil usaha yang dimiliki oleh UKM warga
ekonomi kreatif yang lebih baik bagi Kota terdampak.
Surabaya. Menurut Putra, 2017 pada buku
Rencana Pengembangan Rumah Kreatif 4. PEMBAHASAN
DKPP Kota Surabaya 2017-2021. Beberapa
4.1. Analisa Potensi dan Rekomendasi
aspek yang perlu dipertimbangkan sebagai
Laporan ini merupakan hasil temuan dari
kerangka untuk memahami hal tersebut adalah
berbagai studi yang telah dilakukan kota-kota
aspek Insan (SDM kreatif), aspek Wirausaha
lain baik di Indonesia maupun di negara lain
(keragaman sub sektor kreatif yang
dan studi khusus tentang rumah kreatif DKPP
berkembang), aspek Wahana (infrastruktur
Surabaya serta hasil diskusi dengan berbagai
yang menunjang terjadinya kegiatan kreatif
pemangku kepentingan ekonomi kreatif yang
yang berdampak ekonomi) serta aspek
berpusat pada kekuatan quarto helixyaitu :(1)
Sambung (aktifitas yang dilaksanakan baik
wirausaha, UKM, praktisi, (2) akademisi, (3)
secara individu maupun kolaboratif antara
komunitas dan (4) pemerintah kota. Untuk
para pelaku ekonomi kreatif). Aspek-aspek ini
mencapai tujuan dari laporan ini, kami
akan menjadi kacamata dalam upaya
membagi dalam 4 kategori : Insan; Wirausaha;
memahami lansekap ekonomi kreatif Kota
Wahana; dan Sambung. Selanjutnya masing-
Surabaya;
masing kategori akan dibingkai melalui
keempat tujuan diatas yang dapat
digambarkan melalui diagram berikut ini.
184
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
185
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
upaya untuk menciptakan ―Leading creative perkotaan. Perlu didukung oleh insan
space‖tempat dimana startup tumbuh menjadi stakeholder lainnya seperti akademisi-industri-
entitas bisnis berupa perusahaan. Tahun ke 4-5 komunitas yang dalam hal ini adalah warga
merupakan tahap Go-Global memunculkan terdampak untuk saling bersinergi dan
rapid company berdaya saing internasional berkolaborasi untuk merubah rapor merah
memanfaatkan UCCN gastronomy city dan Dolly khususnya dan Surabaya pada
Global Market dengan 4 indikator yaitu (1) umumnya.
jumlah perusahaan kreatif, (2) jumlah produk,
(3) jumlah hak paten, (4) jumlah PUSTAKA
PDB [1] BEKRAF, Data Statistik dan Hasil
Survei Ekonomi Kreatif, Kerjasama
Badan Ekonomi Kreatif dan Badan Pusat
Statistik, 2017.
186
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Bank BRI adalah salah satu bank milik pemerintah yang terbesar di Indonesia.Dan bank BRI
juga sudah memiliki banyak cabang yang tersebar ditiap kota.Bank BRI juga sangat sukses
pada bidangnya.Untuk memacu kinerja Office Boy (OB) maka bank BRI melakukan pemilihan
office boy terbaik dengan memberikan beberapa bonus pada setiap office boy
terbaik.Sebelumnya mungkin memang tidak ada pemilihan seperti ini dan proses pemilihan ini
dilakukan untuk memacu semangat kerja para office boy terbaik dan juga hanya berdasarkan
pencatatan tentang data absen dan kualitas kerja yang dilakukan para office boy.Dalam
penggunaan sistem ini,ada beberapa tahap yang dilalui,yaitu analisa sistem (pengumpulan
data),kemudian dengan menggunakan sistem ini diharapkan dapat membantu pemilihan office
terbaik di bank BRI Pematangsiantar.
Keywords :Analisis Sistem Pendukung Keputusan Pemilihan Office Boy Terbaik,dengan Metode
Simple Additive Weighting (SAW)
187
metode Simple Additive Weighting. Hasil membahas bagaimana cara pemilihan office
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
188
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
189
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
190
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
R35 = = =0,8
Tabel 9. Perankingan
R45 = = =1 Hasil
Alternatif
R55 = = =0,6 Perankingan
Leni Chaniago 0,90
R65 = = =0,6 M.Rury Yolanda 0,96
R75 = = =0,8 Risky Nasution 0,73
Dwiki Darmawan 0,94
R85 = = =0,6 Parlindungan Nasution 0,70
Kemudian hasil normalisasi dibuat dalam Erwin Nasution 0,72
matriks normalisasi : Refriadi 0,93
R= Dede Yusfar Hanafi 0,71
Diantara V1,V2,V3,V4,V5,V6,V7
dan V8 yang mendapatkan nilai
terbesar,yaitu :
1. V2 = M.Rury Yolanda
2. V4 = Dwiki Darmawan
3. V7 = Refriadi
Itu adalah 3 kandidat (alternatif) yang terpilih
5.Langkah kelima tentukan bobot menjadi office boy terbaik.
yang akan digunakan untuk proses Adapun contoh penelitian terdahulu dengan
perankingan : judul yang sama tetapi dengan metode yang
W = 0,30 0,20 0,20 0,15 0,15 berbeda. Judulnya juga tentang pemilihan
6.Langkah-langkah keenam pencarian office boy terbaik tapi dengan metode
perankingan atau nilai terbaik dengan TOPSIS.
memasukkan setiap kriteria yang 1) Pengertian Metode TOPSIS
TOPSIS adalah salah satu metode
191
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Metode ini dipilih karena mampu memilih [3] Rustiawan.A.H ,dkk.(2012). ―Sistem
alternatif terbaik dari sejumlah Pendukung Keputusan Penyeleksian
alternatif,dalam hal ini alternatif yang Calon Siswa Baru Di SMA
dimaksud adalah office boy terbaik Negeri 3 Garut‖
berdasarkan kriteria-kriteria yang ditentukan.
Hasil dari proses pengimplementasian metode [4] Khaidir.A,2015,‖Sistem Pendukung
dan TOPSIS dapat mengurutkan alternatif dari Keputusan Penyeleksian Calon
nilai yang terbesar ke nilai yang terkecil. Siswa Baru Di Sma Negeri 1
TOPSIS memberikan sebuah solusi dari Badar Dengan Metode‖,http://pelita-
sejumlah alternatif yang mungkin dengan cara informatika.com/index.php?xlink=ho
membandingkan setiap alternatif dengan me.php &modul=Lihat&id=365 ,
alternatif terbaik dan alternatif terburuk yang
ada diantara alternatif-alternatif masalah. [5] Suryadi, K. dan M.Ali
Ramdhani.(1998). ―Sistem
IV. KESIMPULAN Pendukung Keputusan‖. Bandung,
Berdasarkan hasil analisis yang dilakukan PT Remaja Rosdakarya
untuk analisis sistem pendukung keputusan
pemilihan office boy terbaik dengan metode [6] Pardani,2015, ―Sistem Pendukung
Simple Additive Weighting (SAW) Keputusan Penerimaan Siswa Baru
disimpulkan bahwa : Dengan Metode Simple Additive
1) Sistem pendukung keputusan Weighting (SAW)‖
192
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
193
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Dalam kehidupan sehari-hari, teknologi informasi dan komunikasi dapat dimanfaatkan untuk
merevitalisasi proses belajar yang pada akhirnya dapat mengadaptasikan peserta didik dengan
lingkungan dan dunia kerja. Mata pelajaran Teknologi Informasi dan Komunikasi diajarkan
sebagai salah satu mata pelajaran Keterampilan yang pelaksanaannya dapat dilakukan secara
terpisah atau bersama-sama dengan mata pelajaran keterampilan lainnya. Alokasi waktu
pembelajarannya secara keseluruhan untuk jenjang SMP/MTs adalah 72 jam pelajaran untuk
selama 3 tahun, atau ekivalen dengan 2 jam pelajaran per minggu untuk waktu 1 tahun jika
mata pelajaran ini dibelajarkan secara terpisah dan mandiri.Media belajar TIK yang ada saat
ini terdiri dari beberapa bentuk diantaranya dalam bentuk Bukupelajaran, e-learning, dan
aplikasi yang berbasis smartphone. Olehkarenaitupeneliti tertarik untuk membuat suatu model
belajar yang berbasis mobile dengan menggunakan media Smartphone. Hal ini dikarenakan
dengan semakin berkembangnya teknologi smartphone belakangan ini, pengguna dapat
menjalankan aplikasi kapanpun dan dimanapun, karena aplikasi yang diinginkan dapat
langsung ter-install sendiri tanpa harus menggunakan sambungan internet untuk dapat
menjalankannya.
194
setiap pengerjaan latihan tidak tercapai tepat
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
dapat berlangsung aktif, efektif, dan Rumusan masalah dalam penelitian ini
menyenangkan. adalah sebagai berikut :
Penelitian ini akan difokuskan pada 1. Bagaimana merancang aplikasi belajar
upaya untuk mengatasi faktor internal yang TIK SMP dengan Android?
diduga menjadi penyebab rendahnya tingkat 2. Bagaimana menempatkan konsep teori
kemampuan dan kreatifitas siswa di SMP dan praktek pada mata pelajaran TIK
Negeri 13 Medan, dalam mempraktek latihan pada android ?
kerja siswa, yaitu kurangnya inovasi dan
kreativitas guru dalam menggunakan Agar dalam pembahasan permasalahan
pendekatan pembelajaran sehingga kegiatan tidak menyimpang dari tujuan penelitian,
pembelajaran berlangsung monoton dan maka perlu dibuat batasan masalah sebagai
membosankan. Salah satu pendekatan berikut :
pembelajaran yang diduga mampu 1. Materi belajar TIK diambil dari kelas
mewujudkan situasi pembelajaran yang VIII SMP T.P. 2017/2018.
kondusif; aktif, kreatif, efektif, dan
menyenangkan. 2. Perancangan aplikasi ini
Menurut Sumiati dan Asra (2008:63) menggunakkan bahasa pemograman
Pada pembelajaran yang kegiatannya semata- Java dengan menggunakkan editor
mata berpusat pada siswa, siswa Eclipsedan dapat digunakkan pada
merencanakan sendiri materi pembelajaran sistem operasi Androidminimal
apa yang akan dipelajari, dan melaksanakan Android4.4 (Kit Kat).
proses belajar dalam mempelajari materi
pembelajaran tersebut. Adapun tujuan dari penelitian ini
Media pembelajaran TIK yang ada saat adalah sebagai berikut :
ini terdiri dari beberapa bentuk diantaranya 1. Merancang aplikasi belajar TIK SMP.
dalam bentuk Bukupelajaran, e-learning, dan 2. Membangun suatu aplikasi yang sangat
aplikasi yang berbasis smartphone. Buku bermanfaat untuk diterapkan oleh mata
pelajaran memiliki keterbatasan yaitu hanya pelajaran lainnya.
dapat menampilkan informasi berupa teks dan 3. Memberikan pemahaman bahwa fungsi
gambar, mudah rusak jika terkena air, serta smartphone bukan hanya sebagai
menyulitkan untuk dibawa kemana mana media permainan (game) melainkan
karena memerlukan ruang penyimpanan yang dapat digunakan untuk media
besar. Selain buku, ada juga dalam bentuk e- pembelajaran (education).
learning dimana untuk mengaksesnya
memerlukan Personal Computer (PC) dan Sedangkan manfaat dari penelitian ini
jaringan internet. Dan ada jugamedia adalah (dibuat paragraph)
pembelajaran yang berbasis mobile yanghanya 1. Untuk memperoleh rancangan suatu
memerlukan sebuah smartphone dengan aplikasi yang efektif dan efisien.
Operating System (OS) Android untuk
menjalankannya. 2. Penerapan ilmu yang telah didapatkan
Berdasarkan uraian diatas, peneliti selama diperkuliahan dalam bentuk
tertarik untuk membuat suatu simulasi belajar aplikasi yang dapat digunakan sehari
yang berbasis android dengan menggunakan hari.
media Smartphone. Hal ini dikarenakan 3. Sebagai bahan studi perbandingan yang
dengan semakin berkembangnya teknologi dapat digunakan sebagai bahan
smartphone belakangan ini, pengguna dapat penelitian.
menjalankan aplikasi kapanpun dan 4. Untuk mengevaluasi kembali mengenai
dimanapun, karena aplikasi yang diinginkan materi perkuliahan yang layak
dapat langsung ter-install sendiri tanpa harus diberikan kepada mahasiswa.
menggunakan sambungan internet untuk dapat 5. Mengefisiensi penggunaan buku buku
menjalankannya. Oleh sebab itu maka peneliti pelajaran.
akan merancang sebuah aplikasi pembelajaran 6. Membantu dalam menguasai pelajaran
yang berjudul Simulasi Belajar TIK SMP terutama dalam bidang TIK.
Berbasis Android (Studi Kasus: SMP Negeri
13 Medan) ”.
195
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
196
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2.6 Perancangan
Pada bab ini akan dijelaskan mengenai
perancangan layout yang ada pada aplikasi
berserta dengan prosesnya. Perancangan
terbagi menjadi 3 bagian, yaitu perancangan Gambar 3.Activity Diagram Materi
UML, flowchart dan perancangan interface.
Class Diagram
2.7 Perancangan UML Class diagram dirancang untuk
Peneliti menggunakan UML untuk menentukan objek – objek yang dibutuhkan
mendesain dan merancang Aplikasi untuk perancangan aplikasi. Setiap kelas
Pembelajaran Pecahan. UML yang digunakan memiliki attributes dan methods masing –
adalah use case diagram, activity diagram dan masing sesuai dengan kebutuhan kelas
class diagram. tersebut. Dengan adanya class diagram,
perancangan aplikasi jelas berbasis Android.
Use Case Diagram
Untuk mengetahui aktor dan use case
yang akan digunakan, maka dilakukan
identifikasi use case. Setelah mendapatkan
aktor dan use case maka diagram use case
dapat digambarkan.
Sequence Diagram
Sequence diagram merupakan suatu
diagram yang memperlihatkan atau
menampilkan interaksi antar objek di dalam
Gambar 2.Use Case DiagramSimulasi sistem yang disusun pada sebuah urutan atau
Belajar TIK SMP rangkaian waktu. Interaksi antar objek
tersebut termasuk pengguna, display, dan
Activity Diagram sebagainya berupa pesan / message. Berikut
Activity diagram dirancang untuk adalah sequence diagram pada Simulasi
menggambarkan berbagai alir aktivitas dalam belajar TIK :
aplikasi yang sedang dirancang, bagaimana
masing – masing alir berawal hingga berakhir.
197
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
198
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
199
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Salah satu faktor terpenting untuk menentukan kemajuan suatu perusahaan dapat dilihat dari
sumber daya manusianya. Proses pengangkatan karyawan tetap di PT. Kemilau Inti Sawit
Sejahtera masih dilakukan secara konvensional, sehingga membutuhkan waktu yang lama
untuk pengambilan keputusannya. Hal tersebut juga memungkinkan terjadinya penilaian
secara subjectif. Untuk mempermudah dalam pengambilan keputusan dapat menggunakan
Decision Support System (DSS). Dalam penelitian ini menggunakan metode AHP dan
Promethee. Kriteria yang digunakan dalam penelitian ini yaitu: umur, pendidikan, kehadiran,
pengalaman dan loyalitas. Penelitian ini bertujuan untuk mempermudah pengangkatan
karyawan tetap.
200
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
201
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
202
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
4. Kesimpulan
Adapun kesimpulan penelitian ini yaitu:
1. Sistem pendukung keputusan ini dapat
membantu dan mempermudah decision
maker untuk menentukan karyawan yang
layak diangkat menjadi karyawan tetap.
2. Sistem ini dapat membantu pihak HRD
Gambar 3. Form input criteria. dalam proses pengelolaan data karyawan
yang akan naik pangkat.
Halaman input data alternatif ini
merupakan halaman untuk mengelola data Daftar Pustaka
karyawan. Adapun tampilan halaman input 1. Turnip, M., Utami, F. H., and Aisyah, S.
data alternatif dapat dilihat pada gambar 4 2017. Sistem Pendukung Keputusan untuk
berikut ini: Menentukan Calon Penerima Beasiswa
Menggunakan Metode Weighted Product.
Prosiding Seminar Nasional Ilmu
Komputer. 14 September 2017, Medan,
Indonesia. Hal. 175-179.
2. Asmara, O. A. 2013. Sistem Pendukung
Keputusan Penerimaan Karyawan Pada
Saudara Group Semarang Menggunakan
Metode Promethee.
203
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
204
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Sumber Daya Manusia (SDM) merupakan salah satu elemen yang penting dalam sebuah
organisasi. SDM yang diorganisir dengan baik diharapkan dapat melancarkan proses kerja
serta dapat mencapai tujuan yang diinginkan organisasi. Promosi jabatan sebagai salah satu
fungsi dari kegiatan manajemen SDM yang memiliki peranan yang sangat penting bagi
peningkatan produktivitas karyawan. Promosi jabatan karyawan yang sedang berjalan di PT.
Jaya Anugrah Sukses Abadi ini masih dilakukan secara subjektif atau belum menggunakan
sistem terkomputerisasi dengan penerapan metode. Oleh karena itu, akan diterapkan sebuah
sistem pendukung keputusan yang menggunakan metode AHP untuk membantu dalam proses
penentuan promosi jabatan karyawan dengan beberapa kriteria yaitu lama kerja, disiplin,
ketelitian, kejujuran, tanggungjawab dan etika. Hasil yang diperoleh dari data yang diuji
dengan penerapan metode AHP dimana dengan nilai minimum 0.116 dan nilai maximum
0.301.
205
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
206
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
207
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Daftar Pustaka
[1] Ni Kadek Putri Ariani, I Made Gede
Sunarya, I Made Agus Wirawan. 2016.
Pengembangan Sistem Pendukung
Gambar 4.1 Tampilan Home Keputusan Dengan Metode Analytical
Hierarchy Process (AHP) Untuk
Tampilan hasil perhitungan nilai Memberikan Rekomendasi Properti Di
alternatif merupakan hasil perbandingan antar Kabupaten Buleleng. ISSN 2252-9063
alternatif berdasarkan kriteria yang ada. Kumpulan Artikel Mahasiswa
Berikut adalah tampilan hasil perhitungan Pendidikan Teknik Informatika
nilai alternatif yang dapat dilihat dari gambar (KARMAPATI) Volume 5 , Nomor 2 ,
4.12. Tahun 2016. Universitas Pendidikan
Ganesha Bali.
208
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
[2] Radiant V. Imbar, Doro Edi, Kevin Masli. Jatisi, Vol. 1 No. 1. STMIK Potensi
2016. Sistem Pendukung Keputusan Utama Medan.
Penerima Beasiswa Dengan Metode
Simple Additive Weighting (Studi Kasus [6] Deddy Whinata Kardiyanto. 2014. Media
di Fakultas Teknologi Informasi U.K. Pembelajaran Olahraga Bola Voli
Maranatha). e-ISSN : 2443-2229 Jurnal Berbasis Web. ISSN 1979-3103 Vol. 9
Teknik Informatika dan Sistem No. 2
Informasi. Volume 2 Nomor 3 Desember
2016. Hal. 276. Universitas Kristen [7] Faishal Faruq. 2017. Aplikasi Informasi
Maranatha Bandung. Akademik Berbasis Web Di SMP Negeri
2 Baleendah. ISSN : 2442-5826 e-
[3] Hilyah Magdalena. 2012. Sistem Proceeding of Applied Science : Vol.3,
Pendukung Keputusan Untuk No.3. Universitas Telkom.
Menentukan Mahasiswa Lulusan Terbaik
Di Perguruan Tinggi (Studi Kasus [8] Liza Yulianti. 2013. Implementasi
STMIK Atma Luhur Pangkalpinang). Jaringan Syaraf Tiruan Dalam Sistem
ISSN : 2089-9815 Seminar Nasional Pendukung Keputusan (SPK) Untuk
Teknologi Informasi dan Komunikasi Memilih Perguruan Tinggi. ISSN : 1858-
2012 (Sentika 2012). Hal. 50. 2680 Jurnal Media Infotama, Vol.9,
Yogyakarta: STMIK Atma Luhur No.2. Universitas Dehasen Bengkulu.
Pangkalpinang.
[9] Vidiah Mustikasari. 2015. Aplikasi
[4] Moedjiono, Nuraeni, Aries Kusdaryono. Pengolahan Data Pengajuan Pinjaman
2016. Sistem Pengambilan Keputusan Uang dan Beasiswa Anggota TNI-AD
Promosi Jabatan Dengan Metode pda Batalyon Yonkav 5/Serbu Berbasis
Analytical Hierarchy Process Suatu Web. Laporan Akhir Jurusan Manajemen
Perusahaan Industri Kimia. ISSN : 2338- Informatika. Hal. 11-23. Politeknik
7718 Konferensi Nasional Teknologi Negeri Sriwijaya Palembang.
Informasi dan Komunikasi (KNASTIK
2016). Universitas Budi Luhur Jakarta. [10] Satriawaty Mallu. 2015. Sistem
Pendukung Keputusan Penentuan
[5] Deny Adhar. 2014. Sistem Pendukung Karyawan Kontrak Menjadi Karyawan
Keputusan Pengangkatan Jabatan Tetap Menggunakan Metode TOPSIS.
Karyawan pada PT. Ayn dengan Metode ISSN : 2407 – 3911 Jurnal Ilmiah
Profile Matching. ISSN : 2407-4322 Teknologi Informasi Terapan Volume I,
No 2. STMIK Profesional Makassar.
209
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Pada dasarnya, tuna wicara menggunakan bahasa isyarat dalam berkomunikasi dengan sesama
mereka maupun orang normal. Ada permasalahan yang dialami oleh orang normal dalam
berkomunikasi dengan tuna wicara karena mereka tidak bisa menterjemahkan bahasa isyarat
yang disampaikan. Hal ini perlu diberikan solusinya yaitu dengan mendeteksi citra gambar
gerakan tangan yang akan disampaikan. Sistem deteksi yang akan diimplementasikan
menggunakan model Jaringan Syaraf Tiruan backpropagation dan bahasa pemrograman
VB.Net. Untuk mengidentifikasi pengenalan pola, terlebih dahulu gambar memerlukan
ekstraksi preprocessing dan fitur. Dalam proses preprocessing ada 2 tahap yang harus
dilakukan yaitu mengubah citra menjadi citra grayscale dan pendeteksian citra biner. Didalam
pendeteksian ada set pelatihan dan set testing yang dilakukan untuk mendapatkan klasifikasi
yang akurat dari input data masukan yang terlatih. Hasil penelitian ini dapat mendeteksi
pengenalan pola gambar dengan akurasi 82,5%.
1. PENDAHULUAN
1.1 Latar Belakang
Para penderita tuna wicara di Indonesia 1.2 Tinjauan Pustaka
menggunakan bahasa isyarat dalam Kecerdasan Buatan adalah sebuah
berkomunikasi. Ada permasalahan sosial yang istilah yang berasal dari bahasa Inggris yaitu
dihadapi oleh penderita tuna wicara karena ―Artificial Intelligence‖. Jika diartikan
adanya keterbatasan dalam berkomunikasi. ―Artificial‖ memiliki makna ―buatan‖,
Permasalahan juga dialami oleh orang normal sedangkan ―Intelligence‖ adalah kata sifat
dalam berkomunikasi dengan penderita tuna yang memiliki makna ―cerdas‖. Jadi Artificial
wicara karena mereka tidak bisa Intelligence (AI) merupakan suatu buatan atau
menterjemahkan bahasa isyarat. Hal ini perlu suatu tiruan yang cerdas. Kecerdasan
diberikan solusinya agar terjadi harmoni sosial diciptakan menjadi sebuah algoritma dan
yang baik antara orang normal dengan orang dimasukkan ke dalam mesin (komputer)
tuna wicara. sehingga mesin memiliki kemampuan untuk
Salah satu cara berkomunikasi dan melakukan pekerjaan seperti yang dapat
berinteraksi secara sosial bagi orang tuna dilakukan manusia. Secara garis besar
wicara adalah isyarat tangan. Isyarat tangan kecerdasarn buatan dibagi 2, yaitu kecerdasan
diklasifikasikan dalam dua kategori yaitu buatan konvensional dan kecerdasan
statis dan dinamis. Statis adalah konfigurasi komputasional. Jaringan syaraf adalah salah
sebagian tangan dan pose, direpresentasikan satu metode pokok dalam kecerdasan
dalam sebuah citra. Sedangkan dinamis adalah komputasional, dimana sistem tersebut
isyarat bergerak yang direpresentasikan mempunyai kemampuan pengenalan pola
dengan urutan citra. yang sangat kuat.
Berdasarkan penelitian tersebut, maka Jaringan Syaraf Tiruan adalah
dikembangkan suatu sistem jaringan syaraf paradigma pemrosesan suatu informasi yang
tiruan backpropagation untuk mendeteksi terinspirasi oleh sistem sel syaraf biologi,
pengenalan pola isyarat tangan yang bersifat sama seperti otak yang memproses suatu
statis informasi. Elemen mendasar dari paradigma
tersebut adalah struktur yang baru dari sistem
210
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
211
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
212
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2.1 Persamaan
Untuk mendeteksi pengenalan pola
pada citra yang sudah di ekstraksi, ada 2
algoritma dalam metode backpropagation.
1. Algoritma Pelatihan
a. Untuk melakukan pelatihan terlebih
dahulu tentukan set pelatihan dan
set testing pada pola yang akan
dideteksi.
b. Kemudian inisialisasi bobot untuk
Gambar 2.1 Citra Berwarna 6 x 4 menentukan nilai toleransi error
atau nilai ambang (bila
Dari citra berwarna diatas kemudian menggunakan nilai ambang sebagai
kita mengambil nilai piksel Red, Green, kondisi berhenti) atau set maksimal
Blue. Masing-masing nilai piksel epoch (bila menggunakan
tersebut kemudian dilakukan banyaknya epoch sebagai kondisi
segmentasi. Berikut contoh untuk berhenti).
melakukan segmentasi citra pada nilai c. Hitung sinyal output pada lapisan
RGB. tersembunyi, dengan persamaan
sebagai berikut :
213
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2. Algoritma Aplikasi
Inisialisasi bobot. Bobot ini diambil
dari bobot-bobot terakhir yang
diperoleh dari algoritma pelatihan atau
yang sudah di update.
Menghitung sinyal sinyal output dari
lapisan tersembunyi kemudian dikirim
ke semua unit pada lapisan, dengan
persamaan sebagai berikut :
Zj = f(Voj + ∑ xi vij) n , i=1
Gambar 2.3 Tampilan Aplikasi Deteksi
Menghitung sinyal output-nya dengan
menerapkan fungsi aktivasi terhadap Berdasarkan gambar 2.3, terdapat 3
penjumlahan sinyal-sinyal input bagi button yang fungsinya adalah sebagai berikut
lapisa ini, yaitu sinyal-sinyal input zj :
dari lapisan tersembunyi : a. Browse, melalui menu ini pengguna
akan diarahkan pada tampilan open file
Yk = f(W0k + ∑ zj wjk)p , i=1 dialog untuk memilih gambar (citra)
2.2 Tabel Pengujian yang akan dideteksi.
Berikut hasil pengujian dari beberapa b. Segmentasi Citra, merupakan button
citra yang dideteksi. untuk menampilkan gambar (citra)
yang sudah menjadi citra grayscale.
Tabel 2.3 Pengujian Deteksi Pengenalan Pola c. Ekstraksi Citra, merupakan button
untuk menampilkan gambar (citra)
yang sudah menjadi citra biner.
d. Deteksi Pola, merupakan button untuk
menampilkan hasil pengenalan pola
yang sudah dideteksi.
214
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Mulai
untuk mendapatkan nilai dari citra biner yang
akan dideteksi pola dari citra tersebut.
3. KESIMPULAN
Input Citra Berdasarkan hasil penelitian tersebut,
dapat disimpulkan bahwasannya metode
backpropagation mampu di aplikasikan dalam
mendeteksi pengenalan pola dengan output
Segmentasi Citra
sesuai klasifikasi yang ditetapkan dan
mempermudah dalam membuat
pengklasifikasi objek citra yang akan dideteksi
Ekstraksi Citra serta untuk menterjemahkan penyampaian
huruf apa yang disampaikan maka harus
menggunakan pendeteksian citra gerakan
tangan tuna wicara.
T Gunakan
Latih ?
Bobot Akhir
PUSTAKA
Y [1] Hidayatno, Achmad,dkk. Identifikasi
Tanda-Tangan Menggunakan Jaringan
Tentukan Target Syaraf Tiruan Perambatan-Balik
(Backpropagation). Jurnal Teknologi
Target
Diketahui
Vol. 1 No. 2: 100-106, Desember 2008.
[2] Puspitaningrum, Diyah. 2006.
JST / Cari Bobot Pengantar Jaringan Syaraf Tiruan.
Yogyakarta: Andi.
[3] Avianto, Donny. Pengenalan Pola
Simpan Bobot Akhir Karakter Plat Nomor Kendaraan
Menggunakan Algoritma Momentum
Backpropagation Neural Network.
Jurnal Informatika Vol. 10 No. 1,
Pengenalan Januari 2016.
[4] Hermawati, Fajar Astuti. 2013.
Pengolahan Citra Digital Konsep &
Selesai
Teori. Yogyakarta: Andi.
[5] Winardi, Sugeng & Hamzah.
Gambar 2.4 Algoritma Perangkat Lunak Penerapan Metode Jaringan Syaraf
Tiruan Backpropagation Dalam
Proses segmentasi citra terjadi ketika Pengenalan Pola Aksara Hanacaraka.
seorang user melakukan input gambar pada Jurnal Teknologi Informasi Vol. IX No.
aplikasi tersebut. Segmentasi citra dilakukan 9: 1907-2430, Nopember 2014.
dengan cara mengubah citra asli (berwarna) [6] Suma‘inna & Dipo Alam. Kompresi
menjadi citra grayscale (abu-abu). Hal ini Citra Berwarna Menggunakan
dilakukan untuk memudahkan dalam Transformasi Wavelet. Jurnal
pengambilan citra biner yang ada pada citra Matematika Integratif Vol. 10 No. 1:
asli (berwarna). 1412-6184, April 2014.
Setelah proses segmentasi citra [7] Suyanto. 2014. Artificial Intelligence.
berhasil, maka langkah selanjutnya yaitu Bandung: Informatika.
melakukan ekstraksi ciri pada citra grayscale
215
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Subjek penelitian ini adalah komposit polymeric foam (PF) yang diperkuat serat tandan
kosong kelapa sawit (TKKS). Komposit ini memiliki keunikan dengan adanya rongga (foam)
dengan pemberian blowing agent (BA) dari jenis polyurethane (PU) dalam matrik polyester
resin tak jenuh yang berfungsi menghasilkan foam sehingga menurunkan massa jenis material
yang dibentuk sehingga diperoleh material komposit PF yang lebih ringan dibandingkan
dengan material komposit jenis polimer tanpa PF. Tujuan penelitian ini ialah untuk
mendapatkan teknik pembuatan material komposit PF diperkuat serat TKKS, mendapatkan
massa jenis material komposit PF diperkuat serat TKKS, dan mengetahui perilaku mekanik
akibat beban tarik. Spesimen dicetak mengikuti standar pengujian tarik statik ASTM D638.
Metode pembuatan spesimen uji dilakukan dengan metode penuangan. Dari hasil pengujian
disimpulkan bahwa massa jenis ρrerata 45 % BA = 630 kg/m3 memiliki kekuatan tarik
ζ=13,05836 MPa regangan ε=5,67 dan modulus elastisitas E=2,03 MPa.
216
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 2.1.Karakteristik mekanik polister Gbr. 2.1 Cacahan TKKS Gbr. 2.2 Serat
resin tak jenuh. TKKS
217
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
218
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Alat
Wadah Pengaduk
penampung
material
komposit
Cetakan
Material
komposit
Gambar. 3.1. Metode penuangan
komposit
219
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
220
dipublikasikan), USU, 2011.
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tandan Kosong Kelapa Sawit Pada Foam Diperkuat Serat Tandan Kosong
Pembebanan Dinamik, Journal Kelapa Sawit (TKKS) Akibat Beban
Mekanik, Vol. 1, Nov 2016 Statik Dan Impak. Tesis Master (tidak
dipublikasikan), 2010.
[18] Zulfikar, Pembuatan Dan Penyelidikan
Perilaku Mekanik Material Polymeric
221
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Perkembangan zaman telah mengubah cara orang dalam hal mengurus keuangan. Memiliki
rekening tabungan disebuah bank telah menjadi salah satu kebutuhan.Dengan memanfaatkan
fasilitas yang disediakan oleh pihak bank, bertambahnya jumlah penduduk dan kemajuan
teknologi menjadi penyebab pembukaan program tabungan rekening baru dibank-bank yang ada
di Indonesia mengalami peningkatan. Sebagai salah satu Bank tertua di Indonesia, Bank Rakyat
Indonesia (BRI) memiliki pengalaman yang luas dalam hal menawarkan beberapa jenis program
tabungan kepada nasabahnya. Oleh sebab itu, muncullah masalah bagi para nasabah, yaitu
banyak dari nasabah yang mengalami kebingungan dalam memilih dan menentukan program
tabungan yang disediakan oleh bank tersebut. Untuk menetukan pilihan program tabungan yang
baik, banyak sekali kriteria yang dijadikan penilaian pemilihan antara lain persyaratan
pembuatan program tabungan dan keuntungan yang diperoleh dari sebuah program tabungan.
Oleh sebab itu, kita perlu membuat sebuah Sistem Pendukung Keputusan dengan menggunakan
metode Analytical Hierarchy Process (AHP).Dengan ada Sistem Pendukung Keputusan dengan
menggunakan metode Analytical Hierarchy Process itu diharapkan dapat membantu melakukan
penilaian dan bahan pertimbangan dalam memilih sebuah program tabungan bank yang layak
dan bermanfaat.
Keywords : Sistem Pendukung Keputusan, Pemilihan Program Tabungan, dan Analytical Hieracy
Process (AHP).
222
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
BRI Junio, Tabungan Britama Bisnis Tabungan Haji , Tabungan BRI Simpel,
(www.bri.blogspot.com). Tabungan Simpedes TKI, Tabungan
Dalam hal ini penulis akan mengambil 3 Britama Rencana, Tabungan Britama Valas,
jenis sampel Tabungan yang terdapat di Bank Tabungan BRI Junio, Tabungan Britama
BRI Pematangsiantar yaitu Tabungan Britama, Bisnis. (www.bri.blogspot.com).
Tabungan Britama Edisi Anak Muda, dan Dalam membuka sebuah tabungan bank,
Tabungan Simpedes. setiap masyarakat akan bingung dalam
Dalam menabung nasabah dari sebuah pemilihan jenis produk tabungan yang sesuai
Bank khususnya pada Bank BRI Cabang untuk nasabah tersebut. Pemilihan jenis
Pematangsiatar bingung dalam menentukan jenis tabungan dilakukan dengan melihat dari
tabungan mana yang harus di gunakan.Oleh beberapa kriteria yaitu, persyaratan, biaya dan
karena itu, diperlukan sebuah keuntungan yang diperoleh dari jenis tabungan
keputusan.Keputusan yang diambil diharapkan tersebut.
tidak subyektif agar kualitas yang diperoleh Namun terkadang masih terjadi kesalahan
dapat sesuai dengan harapan sehingga tidak ada dalam pemilihan jenis tabunga yang tidak sesuai
pihak yang dirugikan. Pengambilan keputusan dengan yang diharapkan.Dengan adanya
untuk menetapkan jenis tabungan mana yang masalah yang timbul maka dibentuk analisis
cocok dan memenuhi kualitas dan persyaratan sistem pendukung keputusan dengan metode
untuk masyarakat. Untuk menghindari AHP.Sistem pendukung keputusan atau decision
subyektifitas keputusan yang dihasilkan support sistem (DSS) merupakan sistem
diperlukan suatu sistem pendukung keputusan informasi interakif yang menyediakan informasi,
(SPK) yang dapat membantu menilai jenis pemodelan, dan pemanipulasian data (Kusrini,
tabungan yang cocok untuk setiap orang.SPK 2007). Sistem ini digunakan untuk membantu
merupakan suatu sistem menggunakan model pengambilan keputusan dalam situasi yang semi
yang dibangun untuk membantu menyelesaikan terstruktur dan situasi yang tidak terstruktur, di
masalah-masalah semi terstruktur. mana tidak seorang pun tahu secara pasti
Tujuan penelitian ini adalah membangun bagaimana keputusan seharusnnya dibuat (Alter,
sebuah aplikasi sistem penunjang keputusan 2002).
yang dapat digunakan oleh setiap nasabah bank Adapun ciri-ciri SPK menurut Alters Keen di
untuk menganalisa jenis tabungan mana yang dalam pustaka Eddy Prahasta (2009:106) adalah:
cocok bagi nasabah dan mengimplementasikan a. SPK ditujukan untuk membantu
sistem pendukung keputusan dengan pengambilan keputusan-keputusan terhadap
menggunakan metode Analytical Hieracy permasalahan yang kurang terstruktur yang
Process (AHP)dalam menganalisa bobot masing- pada umumnya dihadapi oleh para manajer
masing faktor pendukung.Penelitian ini mencari yang berada di tingkat atas.
alternatif pemecahan masalah dalam pemilihan b. SPK merupakan gabungan antara kumpulan
jenis tabungan di Bank BRI Pematangsiantar model kualitatif dan kumpulan data. SPK
dengan pertimbangan persyaratan, biaya dan memiliki fasilitas interaktif yang dapat
keuntungan jenis tabungan tersebut mempermudah hubungan antar manusia
menggunakan metode Analitycal dengan mesin (komputer).
HierarchyProcess (AHP). c. SPK bersifat fleksibel dan dapat
menyesuaikan diri terhadap perubahan-
2. PEMBAHASAN perubahan yang terjadi.
Bank BRI atau Bank Rakyat Indonesia
adalah salah satu Bank terbesar yang Decision Support System atau yang disebut
dimiliki oleh pemerintah Indonesia saat ini , Sistem Pendukung Keputusan, secara umum
dengan memiliki beberapa kantor serta dapat disingkat SPK yang mana didefinisikan
cabang terbanyak di Indonesia sampai ke sebagai sebuah sistem yang mampu memberikan
peloksok-pelosok negeri termasuk di Kota kemampuan baik pemecahan masalah maupun
Pematangsiantar. Bank BRI menawarkan kemampuan pengkomunikasian untuk masalah
berbagai jenis tabungan yang bisa semi-terstruktur. Secara khusus, SPK diartikan
digunakan masyarakat untuk kebutuhan sebagai sebuah sistem yang mendukung kerja
manajemen seseorang manager maupun sekelompok
keuangan , untuk tempat menyimpan uang, manager dalam memecahkan masalah semi-
sekaligus sebagai alat transfer atau transaksi terstruktur dengan cara memberikan informasi
usaha bagi yang menjalankan sebuah usaha. ataupun usulan menuju pada keputusan tertentu.
Bank BRI memiliki berbagai macam Terjadinya keputusan merupakan fungsi utama
produk tabungan untuk melayani nasabah seorang manager atau administrator.
yang terdiri dari Tabungan Britama, Kegiatan pembuatan keputusan meliputi
Tabungan Simpedes, Tabungan Deposito, pengidentifikasian masalah, pencarian alternatif
223
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
penyelesaian masalah, evaluasi dari alternatif- terhadap suatu solusi yang tepat untuk
alternatif tersebut dan pemilihan alternatif desain.
keputusan yang terbaik.Kemampuan seseorang Sebuah solusi untuk sebuah desain
manager dalam membuat keputusan dapat adalahsekumpulan nilai spesifik untuk variabel-
ditingkatkan apabila mengetahui dan menguasai variabel keputusan dalam suatu alternatif yang
teori dan teknik pembuatan keputusan. Dengan telah dipilih.Memecahkan sebuah desain tidak
peningkatan kemampuan manager dalam sama halnya dengan memecahkan masalah yang
terjadinya keputusan diharapkan dapat direpresantikan oleh model. Solusi untuk desain
ditingkatkan kualitas keputusan yang dibuatnya, menghasilkan sebuah solusi yang
dan hal tersebut akan meningkatkan efisiensi direkomendasikan untuk masalah.Masalah
kerja manager yang bersangkutan. (Hidayat, dianggap dipecahkan hanya jika solusi yang
2010) direkomendasikan sukses diterapkan. Pemecahan
Dalam pengambilan sebuah keputusan desain pengambilan keputusan melibatkan
tidaklah begitu saja mengambil alternatif- pencarian terhadap suatu tindakan yang
alternatif yang ada dengan secara acak. Perlunya tepat.Pendekatan pencarian melibatkan teknik
suatu proses-proses yang harus dilalaui untuk analitik (memecahkan suatu formula), algoritma
mengambil suatu keputusan, antara lain(Hidayat, (prosedur langkah demi langkah), heuristik
2010): (aturan urama, dan blind search (pencarian
buta).
a. Fase Intelegensi
Intelegensi dalam pengambilan d. Fase Implementasi
keputusan meliputi pemindaian (scanning) Implementasi merupakan suatu solusi yang
lingkungan.Yang dalam cakupanya diusulkan untuk suatu masalah adalah inisiasi
intelegensi mencakup berbagai aktifitas terhadap hal baru, atau penganalan terhadap
yang menekankan identifikasi situasi atau perubahan. Definisi implementasi sedikit rumit
peluang-peluang masalah yang terjadi. karena implementasi merupakan sebuah proses
Fase intelegensi dimulai dengan yang panjang dan melibatkan batasan-batasan
identifikasi terhadap tujuan dan sasaran yang tidak jelas. Terangnya implementasi berarti
organisasional yang berkaitan dengan isu membuat suatu solusi yang direkomendasikan
yang terkait dan menentukan apakah ada bisa bekerja, tidak memerlukan implimentasi
suatu masalah, mengidentifikasi gejala- suatu sistem komputer.
gejala yang timbul atu diakibatkan, beserta Dalam gambaran konseptual fase-fase
menentukan kelausanya dan pengambilan keputusan seperti yang dapat
mendefinisikan secara eksplisit. dilihat pada gambar dibawah ini :
b. Fase Desain
Didalam fase desain meliputi penemuan
atau mengembangkan dan menganalisis
tindakan yang mungkin dilakukan.Sebuah
model masalah pengambilan keputusan
dibangun, di tes dan divalidasi.Pemodelan
meliputi konseptualisasi masalah dan
mengabstrasikan masalah kedalam bentuk
kuantitatif dan kualitatif.
c. Fase Pilihan
Pilihan merupakan tindakan
pengambilan keputusan yang kritis.Fase
pilihan adalah fase dimana dibuat suatu
keputusan yang nyata dan diambil suatu
komitmen untuk mengikuti suatu tindakan
tertentu.Batas antara fase pilihan dan desain
sering tidak jelas karena aktifits tertentu
dapat dilakukan selama kedua fase tersebut
dan karena orang dapat sering kembali dari Gambar 1. Fase-Fase Pengambilan
aktifitas pilihan ke aktifitas desain.Sebagai Keputusan (Hidayat, 2010)
contoh, seseorang dapat menghasilkan
alternatif baru selagi mengefaluasi Metode Analytical Hieracy Process (AHP)
alternatif yang ada.Fase pilihan meliputi dikembangkan oleh Thomas L. Saaty, seorang
pencarian, evaluasi dan rekomendasi ahlimatematika. Metode ini adalah sebuah
224
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
kerangka untuk mengambil keputusandengan 2) Kurang lengkapnya data tertulis atau data
efektif atas persoalan yang kompleks dengan kuantitatif mengenai permasalahan tidak
menyederhanakan danmempercepat proses mempengaruhi kelancaran proses
pengambilan keputusan dengan memecahkan pengambilan keputusan karena penilaian
persoalantersebut kedalam bagian-bagiannya, merupakan sintesis pemikiran berbagai
menata bagian atau variabel ini dalam suatu sudut pandang responden.
susunan hirarki, member nilai numerik pada 3) Sesuai dengan kemampuan dasar manusia
pertimbangan subjektif tentang pentingnya tiap dalam menilai suatu hal sehingga
variabel dan mensintesis berbagai pertimbangan memudahkan penilaian dan pengukuran
ini untuk menetapkan variabel yang mana yang elemen
memiliki prioritas paling tinggi dan bertindak 4) Metode dilengkapi dengan pengujian
untuk mempengaruhi hasil pada situasi tersebut. konsistensi sehingga dapat memberikan
Metode AHP ini membantu memecahkan jaminan keputusan yang diambil.
persoalan yang kompleks dengan menstruktur
suatu hirarki kriteria, pihak yang Disamping kelebihan-kelebihan di atas
berkepentingan, hasil dan dengan menarik terdapat pul beberapa kesulitan dalam
berbagai pertimbangan guna mengembangkan menerapkan metode AHP ini. Apabila kesulitan-
bobot atau prioritas. kesulitan tersebut tidak dapat diatasi, maka dapat
Metode ini juga menggabungkan kekuatan menjadi kelemahan dari metode AHP dalam
dari perasaan dan logika yang bersangkutan pada pengambilan keputusan : (Saaty, 1991)
berbagai persoalan, lalu mensintesis berbagai a) AHP tidak dapat diterapkan pada suatu
pertimbangan yang beragam menjadi hasil yang perbedaan sudut pandang yang sangat
cocok dengan perkiraan kita secara intuitif tajam/ekstrim di kalangan responden.
sebagaimana yang dipresentasikan pada b) Responden yang dilibatkan harus memiliki
pertimbangan yang telah dibuat.(Saaty, 2004). pengetahuan dan pengalaman yang cukup
tentang permasalahan serta metode AHP.
a. Membuat hierarki
Hierarki digunakan untuk mempermudah
pemahaman yaitu dengan cara memecahnya
menjadi elemen-elemen pendukung, menyusun
elemen secara hierarki dan menggabungkannya.
225
terstruktur sama sekali.
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Nilai Jenis
Tabungan
226
Tabunga Kriteria
n
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
227
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Menjadikan nilai
perbandinganberpasangan menjadi nilai 4. Penghitungan consistency index (CI)
desimaldan menjumlahkan
setiapkolomnya. Pada tabel ini untuk menghitung
consistency index (CI) dengan rumus :
Tabel 4 :Matrik nilai kriteria
Kriteria Persyaratan Biaya Keuntunga
n
Persyaratan 1.00 3.00 5.00
Biaya 0.33 1.00 2.00 dimana : n = banyaknya elemen (kriteria).
Keuntungan 0.20 0.50 1.00
Jumlah 1.53 4.50 8.00 Tabel 6 :Nilai CI (consistency index)
Tabel 7 : Nilai RI
Ordo RI Ordo RI Ordo RI
Matri Matri Matri
k k k
1 0 6 1.24 11 1.51
2 0 7 1.32 12 1.48
3 0.58 8 1.41 13 1.56
Untuk mendapatkan nilai prioriti vektor 4 0.9 9 1.45 14 1.57
adalah 5 1.12 10 1.49 15 1.59
= 0.65
= 0.23 Sehingga diperoleh
= 0.12
= 0.02 / 0.58
228
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
229
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
[6] Marin. 2004 Teknik & Aplikasi [10] Tri Santoso, Ruddy. 1996. Mengenal
Pengambilan Keputusan Kriteria Dunia Perbankan, Yogyakarta: Penerbit
Majemuk. Penerbit PT. Grasindo. Andi Offset.
Jakarta.
230
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Tingkat polusi dan pencemaran sekarang ini cukup serius, dimana meningkat, jumlah
kelahiran yang semakin tinggi, rumah padat penduduk, dan rendahnya kesadaran atas
kebersihan, semua itu mempermudah penularan virus, bakteri dan jamur pada setiap individu
dan lebih rentan untuk timbulnya penyakit pernapasan. Seiring dengan berkembangnya
teknologi, maka peran dari teknologi semakin berguna untuk berkembangnya di berbagai
bidang termasuk pada bidang kesehatan. Sistem pakar telah banyak digunakan untuk
menyelesaikan berbagai macam permasalahan salah satunya penyakit paru. Metode yang
digunakan pada penelitian ini adalah metode Certainty Factor yang dapat mendiagnosa
penyakit dengan menggunakan bahasa pemrograman PHP dan database MySQL. Dengan
melakukan diagnosa dari gejala penyakit yang ditimbulkan, sehingga akan mengetahui hasil
penyakit yang di derita pasien.
231
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
232
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Secara kasar, use casedigunakan untuk dalam aturan General Purpose Licenses
mengetahui fungsi apa saja yang ada di dalam (GPL). Pemrograman PHP sangat cocok
sebuah sistem informasi dan siapa saja yang dikembangkan dalam lingkungan web, karena
berhak menggunakan fungsi-fungsi itu. PHP dikhususkan untuk pengembangan web
Syarat penamaan pada use case adalah nama dinamis, maksudnya PHP mampu
didefinisikan sesimpel mungkin dan dapat menghasilkan website yang terus menerus
dipahami. Ada dua hal utama pada use case hasilnya bisa berubah-ubah sesuai dengan pola
yaitu pendefinisian apa yang disebut aktor dan yang diberikan. Hal tersebut tergantung pada
use case. permintaan client browsernya (Opera, Internet
1. Aktor merupakan orang, proses, atau Explorer, Mozilla, dan lain-lain).
sistem lain yang berinteraksi dengan MySQL adalah suatu sistem manajemen
sistem informasi yang akan dibuat di luar database.Suatu database adalah suatu koleksi
sistem informasi yang akan dibuat itu data terstruktur. Data tersebut dapat berupa
sendiri, jadi walaupun simbol dari aktor apa saja, dari list sederhana sampai sebuah
adalah gambar orang, tapi aktor belum galeri gambar. Untuk menambah, mengakses,
tentu merupakan orang. dan memproses data yang tersimpan dalam
2. Use case merupakan fungsionalitas yang sebuah database, dibutuhkan suatu sistem
disediakan sistem sebagai unit-unit yang manajemen database seperti halnya MySQL.
seling bertukar pesan antar unit atau aktor. Sejak komputer menjadi suatu alat yang
Database merupakan kumpulan file-file yang digunakan untuk menanggulangi data dalam
saling berkaitan dan berinteraksi, relasi ukuran besar, manajemen database memegang
tersebut bila ditunjukan dengan kunci dari peranan utama dalam perhitungan, sebagai
tiap-tiap file yang ada.Satu database utilitas tunggal maupun sebagai bagian dari
menunjukkan suatu kumpulan data yang aplikasi lain.
dipakai dalam suatu lingkup perusahaan, Salah satu keuntungan MySQL adalah
instansi. Pengolahan database merupakan MySQL merupakan perangkat lunak open
suatu cara yang dilakukan terhadap file-file source.Open source berarti dapat digunakan
yang berada di suatu instansi yang mana file dan dimodifikasi oleh siapa saja. Semua orang
tersebut dapat disusun, diurut, diambil dapat mengunduh MySQL dari internet dan
sewaktu-waktu serta dapat ditampilkan dalam menggunakannya secara gratis.Untuk
bentuk suatu laporan sehingga dapat mengolah administrasi database, seperti pembuatan
file-file yang berisikan informasi tersebut database, pembuatan tabel, dan sebagainya
secara rapi. dapat digunakan aplikasi berbasis web seperti
ERD dikembangkan berdasarkan teori PHPMyAdmin.
himpunan dalam bidang matematika.ERD
digunakan untuk pemodelan basis data 3.Metode Penelitian
relasional. Sehingga jika penyimpanan basis Diagram use case menyajikan interaksi antara
data menggunakan OODBMS maka use case dan aktor dalam sistem yang akan
perancangan basis data tidak perlu dikembangkan. Interaksi yang terjadi dapat
menggunakan ERD.ERD memiliki beberapa dilihat dalam gambar 1 berikut
aliran notasi seperti notasi Chen
(dikembangkan oleh Peter Chen), Barker
(dikembangkan oleh Richard Barker, Ian Kelola Data
Gejala
<<extend>>
Diagnosa <<include>>
Rule
e>
Login
d
clu
Kelola Data
in
>
<<
ude> <<extend>>
<<incl Penyakit
beberapa notasi lain. Namun yang banyak Login
<<incl
ude>
>
CF <<include>>
<<extend>>
233
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
pada gambar 2.
Manage Data Penyakit Menampilkan menu penyakit
User Sistem
Masukkan ID Penyakit
Start
Masukkan Pengobatan
False
Menu Aplikasi
End
End
Start
Kelola Data Rule
Login
Masukkan ID Gejala
End
Masukkan ID Gejala
234
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Start Start
Login
Menampilkan halaman
Klik Menu Konsultasi
Manage Nilai CF Menampilkan Menu Nilai CF login user
Kelola Nilai CF
Validasi Username
Login
& Password
Masukkan Nilai CF
Valid
End
Login
Aktor Sistem
Kelola Rekapan
End
Memilih Gejala
235
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
P03 Emfisema
P04 Bronkitis Kronis
P05 Edema Paru
Aktor Sistem
P06 Fibrosis Kista
Start
P07 Tuberkulosis Paru
P08 Kanker Paru
Login Pneumonia
P09
Hipersensitif
Menampilkan Hasil Rekap
P10 Fibrosis Paru Idiopatik
Pilih Rekap Diagnosa
Diagnosa
P11 Sindrom Goodpasture
P12 Pneumonia Komunitas
Pilih Button Print
P13 Pneumonia Nosokomial
Memproses Tampilan Rekap
P14 Selesma
Hasil P15 Bronkitis Akut
P16 Kriptokokosis Paru
P17 Artritis Reumatoid
End
P18 Sinusitis
P19 Rhinitis
Gambar 10.Activity Diagram User P20 Otitis
P21 Sarkaidosis
ERD merupakan suatu model untuk
menjelaskan hubungan antar data dalam basis 2. Data Gejala
data berdasarkan objek-objek dasar data yang Data-data gejala yang digunakan dalam
mempunyai hubungan antar relasi. Berikut sistem pakar penyakit mata ini berjumlah
adalah gambaran ERD perancangan sistem 76 gejala. Berikut data gejala yang
pakar pada gambar 11. digunakan :
namagejala kodepenyakit
kodegejala kodepenyakit
solusi namapenyakit
kodegejala
Tabel 2. Data Gejala
tbgejala tbrelasi tbpenyakit
Kode
Gejala
username password
Gejala
Admin
nama alamat
solusi namapenyakit G01 Anoreksia
jeniskelamin tglkonsultasi G02 Batuk berdahak/kering
jeniskelamin tbuser tbkonsultasi
username Batuk berdahak, terkadang dahak
username
nama G03
password alamat kodepenyakit mengandung darah
. G04 Batuk berdarah (hemoptisis)
Gambar 11. ERD Batuk berulang dan berdahak lebih dari 3
G05
bulan setiap tahun
3.1 Perancangan Data Batuk lama (kambuhan) dengan dahak
G06
Berdasarkan pengetahuan berupa data gejala yang kental
dan penyakit pearu pada manusia, maka dapat G07 Batuk memburuk ketika berbaring miring
dibuat basis pengetahuan berupa hubungan G08 Batuk pada pagi hari
atau keterkaitan yang ada antara gejala dan G09 Batuk parah ketika malam hari
penyakit paru pada manusia. G10 Batuk yang diikuti dengan sesak napas
1. Data Penyakit G11 Berkeringat dingin
Jumlah penyakit yang diolah dalam G12 Berkeringat pada malam hari
sistem pakar penyakit mata ini ada 21 G13 Berkurangnya daya penciuman
jenis penyakit.Berikut adalah data G14 Bersin
penyakit yang digunakan.
G15 Jantung berdetak lebih lambat (brikardia)
G16 Bunyi ronki basah
Tabel 1. Data Penyakit
Dahak berlebihan dan kental, kadang
Kode Penyakit Nama Penyakit G17
nanah
P01 Asma Bronkiale G18 Dahak mengandung nanah
P02 Bronkiektasis G19 Dahak yang banyak
236
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
237
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
238
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
239
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
5. Kesimpulan
Berdasarkan uraian-uraian maupun
Gambar 10.Halaman Form User pembahasan dari penjelasan yang telah
10) Implementasi Halaman Diagnosa
240
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
241
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Titan ban menjual ban merek Toyo, Maxxis dan Pirelli. Pelanggan mengeluhkan harga ban yang
ditawarkan oleh Titan ban lebih mahal dari harga yang ditawarkan oleh perusahaan pesaing. Ada
banyak faktor yang mempengaruhi kepuasan pelanggan, salah satunya adalah faktor kualitas
layanan dan faktor harga. Harga merupaan aspek penting yang tidak terpisahkan dari tujuan
kegiatan penjualan maupun jasa. Selain itu, Titan ban tidak memberikan ketetapan harga
penjualan kepada pelanggan. Marketing diberi kebebasan untuk memberikan harga kepada
pelanggan sesuai dengan harga dasar yang diberikan oleh perusahaan. sehingga setiap marketing
bebas manaikkan harga sesuai dengan kemampuan pelanggan, hal ini berdampak kepada
kepuasan pelanggan dimana pelanggan merasa marketing lain dapat memberikan harga yang
lebih rendah. Titan ban ingin meningkatan kepuasan pelanggan di masa yang akan datang
dengan perbaikan pada kualitas layanan dan harga yang lebih baik. Pengujian untuk
meningkatkan kualitas layanan dan harga dengan menyebarkan pertanyaan kuisioner terhadap
pelanggan di Titan ban. Kolom sig. = 0,000 pada model 1 dan model 2. Jika α > sig. maka Ho
ditolak dan Ha diterima pada tingkat signifikan 5 % (0,05), karena diperoleh α = 0,05 > sig.=
0,00 maka dapat di prediksikan terdapat hubungan yang linier antara variabel Kualitas Layanan
(X1) dan Harga (X2) terhadap Kepuasan Pelanggan (Y).
242
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
jasa, manusia, proses dan lingkungan yang menurut Supranto dan Limakrisna (2011:12)
memenuhi atau melebihi harapan. harga adalah sejumlah uang seseorang harus
Menurut Abdullah dan Tantri (2014:44), membayar untuk mendapatkan hak
Kualitas layanan adalah keseluruhan ciri dan menggunakan produk.
karakteristik suatu barang atau jasa yang Dengan demikian dapat disimpulkan harga
berpengaruh pada kemampuannya untuk merupakan satuan moneter atau ukuran yang
memuaskan kebutuhan yang dinyatakan dapat ditukarkan konsumen untuk
maupun yang tersirat. memperoleh hak kepemilikan atau
Berdasarkan beberapa pengertian di atas penggunaan atas suatu barang atau jasa guna
dapat disimpulkan kualitas layanan adalah untuk memenuhi kebutuhan yang
semua tindakan atau kinerja yang dapat menghasilkan keuntungan bagi perusahaan.
ditawarkan oleh perusahaan kepada pelanggan Menurut Sunyoto (2015:138) untuk
yang padaintinya tidak berwujud dan tidak memenangkan sebuah persaingan, maka pihak
menghasilkan kepemilikan apapun namun produsen harus menentukan strategi harga
dapat dirasakan manfaatnya oleh pelanggan. yang tepat bagi produknya. Menurut
Menurut Suchaeri (2012:7), Semua orang Suparyanto dan Rosad (2015:141) bagi
menginginkan keuntungan dalam setiap usaha. sebagian masyarakat tingkat harga menjadi
Dengan mendapatkan keuntungan, perusahaan salah satu simbol dari kualitas produk yang
akan mampu bertahan dan terus berkembang. ditawarkan. Semakin tinggi harga produk pada
Salah satu cara yang bisa membuat umumnya kualitas produk yang bersangkutan
perusahaan untung adalah dengan tinggi juga, sebaliknya semakin rendah harga
memberikan pelayanan yang berkualitas, semakin rendah juga kualitas produk.
penuh dan total terhadap pelanggan. Menurut Supranto dan Limakrisna
Menurut Limakrisna dan Susilo (2012:97), (2011:12) harga barang yang murah
Para petugas pelayanan merupakan ujung dipersepsikan barang bermutu rendah.
tombak perusahaan jasa pelayanan yang akan Memiliki barang berharga mahal juga
berhadapan langsung dengan pihak memberikan informasi tentang pemiliknya
konsumen/pelanggan. Petugas pelayanan ini (orang kaya atau pengusaha yang sukses).
tidak hanya harus mampu menanamkan citra Dengan demikian dapat disimpulkan arti
yang positif bagi perusahaan dan juga harus penting harga suatu produk atau jasa bagi
memiliki kemampuan membantu perusahaan konsumen adalah harga yang mencerminkan
dalam memahami bahwa pelanggan adalah mutu dari suatu produk atau jasa sesuai
aset yang penting yang harus dipelihara dan dengan harga yang ditawarkan oleh
dipertahankan keberadaannya. Oleh karena perusahaan.
itu, apapun permintaan pelanggan, bagaimana
sikap dan tingkah laku pelanggan layanilah 3. Metode Penelitian
pelanggan dengan selalu berpikiran positif. Sampel merupakan bagian dari jumlah dan
Usahakan selalu bersikap ramah, timbulkanlah karakteristik yang dimiliki oleh populasi
kesan awal yang baik karena kesan awal tersebut. Untuk mengetahui berapa sampel
adalah penting untuk mempengaruhi yang akan diambil peneliti menggunakan
hubungan tahap selanjutnya. rumus Slovin dengan karakteristik populasi
Berdasarkan beberapa pengertian di atas yang digunakan dalam suatu penelitian
dapat disimpulkan pentingnya kualitas berjumlah kecil.
layanan yang diberikan terhadap pelanggan N
yang merupakan sarana mempertahankan n=
pelanggan. 1 + Na2
Menurut Kurniawan (2014:33), harga
merupakan suatu nilai tukar yang dikeluarkan Keterangan:
oleh pembeli untuk mendapatkan barang atau n = ukuran sampel
jasa yang mempunyai nilai guna beserta N = jumlah populasi
pelayanannya. a = toleransi ketidaktelitian (dalam persen)
Menurut Hasan (2013:521) harga 5%
merupakan segala bentuk biaya moneter yang Dengan populasi sebanyak 107
dikorbankan oleh konsumen untuk pelanggan dan tingkat kesalahan (a) sebesar
memperoleh, memiliki, memanfaatkan 5%, maka sampel (n) penelitian ini adalah:
sejumlah kombinasi dari barang beserta n = 107
pelayanan dari suatu produk. Sedangkan
243
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
244
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Daftar Pustaka
[1] Abdullah, Thambrin dan Francis
Tantri. Manajemen Pemasaran. Ed. 1,
Jakarta: PT Grafindo Persada. 2014.
245
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
246
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Salah satu tujuan Bank BRI Syariah membuat layanan produk - produk dan jasa unggulan
adalah untuk menghasilkan kegiatan perbankan yang berkualitas dan menunjang pelaksanaan
ekonomi dan stabilitas nasional ke arah peningkatan kesejahteraan masyrakat banyak. Banyak
asumsi dan pendapat dari sejumlah kalangan tentang produk mana yang terbaik yang
dikeluarkan oleh BRI Syariah. Pemilihan Produk BRI Syariah yang dilakukan oleh penulis
dibantu dengan metode ANP karena proses keputusasn melibatkan kriteria majemuk yang saling
berhubungan satu sama lain. Banyak kriteria dari produk - produk yang dapat dijadikan
parameter sebagai kunci menjadi produk unggulan. Penelitian ini membahas tentang metode
pengambilan keputusan di antara sekian banyak pilihan dengan menggunakan Metode ANP yang
membantu pengambilan keputusan untuk permasalahan yang kompleks dengan
menyederhanakan permasalahan melalui model network yang menggambarkan hubungan antar
kriteria. Model kasus yang digunakan adalah menentukan produk mana yang terbaik dari produk
BRI Syariah berdasarkan Perbankan Perosonal dengan Pendanaan. Penelitian menggunakan
dua komponen komparasi yakni data riil BRI Syariah dan observasi langsung, kriteria utama yang
dipertimbangkan oleh penulis adalah Biaya yang dikeluarkan,Syarat ketentuan, Fitur Produk
dan Fasilitas Produk dimana ada hubungan antara Fasilitas Produk dengan Fitur Produk serta
Biaya Produk dengan Syarat Ketentuan. Hasil dari penelitian ini menenujukan bahwa
perhitungan yang dilakukan secara manual mampu memberikan perangkingan alternatif dari
hasil perhitungan bobot nilai produk sesuai dengan metode (ANP), yang berkontribusi terhadap
konsumen dalam merekomendasi sebagai refrensi dalam menentukan produk mana yang
menjadi tempat penyimpanan yang sesuai kebutuhan konsumen dan berkontribusi terhadap
perusahaan BRI Syariah sebagai acuan untuk memperbaiki Setiap Fasilitas yang diberikan
kepada konsumen.
247
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
248
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
249
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
250
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
251
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
252
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
menentukan pemilihan produk BRI Syariah dari Gambar 2.1 kriteria Fasilitas dan kriteria
terbaik dari beberapa alternatif Produk dengan Fitur terhubung sehingga antar kriteria
menilai kriteria yang ada. tersebut terjadi suatu keterkaitan. Karena garis
Pada kasus ini terdapat 4 (empat) kriteria penghubung memiliki arah timbal balik yang
yaitu Fasilitas,Fiturt,Biayayang dikeluarkan berarti kedua kriteria saling mempengaruhi
dan Syarat ketentuan Alternatif. Tiap kriteria satu sama lain.(Sebagai, Satu and Informatika,
memiliki subkriteria, dapat dilihat pada 2013)
gambar 4.2.
2.1.2 Membuat struktur network 2.1.3 Membuat Supermatriks
Struktur network berfungsi untuk Perbandingan tingkat kepentingan dalam
menentukan pengaruh atau saling setiap elemen maupun cluster
ketergantungan antar kriteria maupun antar direpresentasikan dalam sebuah matrik dengan
subkriteria. Dalam pemilihan karyawan memberikan skala rasio dengan perbandingan
terbaik terdapat 4 (empat) kriteria, yaitu : berpasangan. Masing-masing skala rasio
1. Kriteria Fasilitas (C1) menunjukan perbandingan kepentingan antara
dikelompokkan ke dalam 2 sub elemen didalam sebuah komponen dengan
kategori yang meliputi Dapat elemen diluar komponen(outer dependence)
bertransaksi diseluruh cabang (E11) atau juga didalam elemen terdapat elemen itu
dan Memperleh buku tabungan sendiri yang berada dikomponen dalam (inner
(E12). dependence). Tidak setiap elemen
2. Kriteria Fitur (C2) dikelompokkan ke memberikan pengaruh terhadap elemen pada
dalam 2 sub kategori yang meliputi komponen lain. Elemen yang tidak
Gratis Biaya Administrasi(E21). memberikan pengaruh pada elemen lain akan
3. Kriteria Biaya Yangdikeluarkan (C3) memberikan nilai nol. Matriks hasil
dikelompokkan ke dalam 2 sub perbandingan berpasangan direpresentasikan
kategori yang meliputi Ringan kedalam bentuk vertikal dan horizontal dan
Setoran Awal (E31) Ringan Biaya berbentuk matriks yang bersifat stochastic
Transfer (E32). yang disebut sebagai supermatriks.
4. Kriteria Syarat Ketentua (C4) Supermatriks terdiri dari 3 (tiga) tahap.
dikelompokkan ke dalam 2 sub Berikut ini tahap-tahap dan penjelasannya:
kategori yang meliputi Melampirkan a. Tahap supermatriks tanpa bobot
Fotocopy KTP (E41) dan (unweighted supermatrix).
Melampirkan NPWP (E42). Merupakan supermatriks yang asli dari
5. Kriteria alternatif, terdiri dari eigenvector-eigenvector kolom diperoleh
Alt1,Alt2,Alt3,At4,Alt5 dan Alt6. dari matriks perbandingan pasangan dari
Pada penelitian ini ada 6 sampel elemen- elemen.
alternatif pemilihan produk BRI b. Tahap supermatriks terbobot
Syariah terbaik yaitu Alt1, Alt2, Alt3, (weighted supermatrix).
At4, Alt5 dan Alt6..(Sebagai, Satu Merupakan supermatriks yang diperoleh
and Informatika, 2013) dengan mengalikan semua elemen di
dalam komponen dari unweighted
supermatrix dengan bobot cluster yang
sesuai sehingga setiap kolom pada
weighted supermatrix memiliki jumlah 1.
Jika kolom pada unweighted supermatrix
sudah memiliki jumlah 1, maka tidak
perlu membobot komponen tersebut
pada weighted supermatrix dimana
setiap blok dari eigenvector kolom dari
suatu cluster dibobot dengan prioritas
dari pengaruh dari cluster tersebut, yang
membuat weighted supermatrix kolom
stokastik.
c. Tahap supermatriks batas
Gambar 2. Struktur Network Pemilihan (limiting supermatrix).
Karyawan Terbaik d. Merupakan supermatriks yang
Keterkaitan dalam hal ini adalah diperoleh dengan menaikan bobot
hubungan saling mempengaruhi yang dari weighted supermatrix.
dilambangkan dengan garis berarah. Misalnya
253
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
254
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
255
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
256
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 14. Matriks Perbandingan Fasilitas Nilai λmaks : (1,33 x 0,75)+(4,00 x 0,25)
Terhadap Subkriteria Ringan Biaya =2
Transfer
CI :
CR =
Nilai konsisten karena CR ≤ 0.1. Jika
nilai CR > 0.1 maka tidak konsisten Nilai
konsisten karena CR ≤ 0.1. Jika nilai CR > 0.1
Nilai λmaks : (1,50 x 0,67)+(3,00 x 0,33) maka tidak konsisten atau tidak memenuhi
=2 syarat maka matriks keputusannya harus
diulang hingga nilai CR konsisten atau
CI : memenuhi syarat konsisten.(melya,2013).
Begitu juga untuk matriks perbandingan
CR = kriteria terhadap subkriteria dari kriteria yang
lainnya.
Nilai konsisten karena CR ≤ 0.1. Jika nilai CR
> 0.1 maka tidak konsisten Nilai konsisten
karena CR 2.1.7 Menentukan nilai alternatif
≤ 0.1. Jika nilai CR > 0.1 maka tidak terhadap kriteria dan
konsisten atau tidak memenuhi syarat maka subkriteria
Setelah memperoleh nilai yang konsisten
matriks keputusannya harus diulang hingga
pada kriteria dan subkriteria selanjutnya
nilai CR konsisten atau memenuhi syarat
menentukan nilai perbandingan antar alternatif
konsisten.(melya,2013)
untuk setiap subkriteria. Sesuai prosedur
pemilihan karyawan terbaik, maka setiap
Tabel 15. Matriks Perbandingan Fasilitas
karyawan diberikan penilaian terhadap
Terhadap Subkriteria Melampirkan
kriteria-kriteria yang ada. Langkah-langkah
Fotocopy KTP
penyelesaian alternatif sama dengan langkah
penyelesaian pada kriteria dan subkriteria.
CI :
CR =
Nilai konsisten karena CR ≤ 0.1. Jika nilai CR
> 0.1 maka tidak konsisten Nilai konsisten
karena CR ≤ 0.1. Jika nilai CR > 0.1 maka
tidak konsisten atau tidak memenuhi syarat
maka matriks keputusannya harus diulang
hingga nilai CR konsisten atau memenuhi
syarat konsisten.(melya,2013). Tabel 18. Matriks Perbandingan Alternatif
untuk Subkriteria Memperoleh Buku
Tabel 16. Matriks Perbandingan Fasilitas Tabungan
Terhadap Subkriteria Melampirkan
Fotocopy NPWP
257
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
258
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Nilai limit inilah yang nantinya digunakan sama. Limit supermatriks ini juga
sebagai hasil akhir berupa perangkingan. merupakan hasil akhir untuk melakukan
Hasil perhitungan limit supermatriks dapat perangkingan.
dilihat pada tabel.
Tabel 26. Limit Supermastriks
Supermatriks ini terbentuk dari semua
vektor prioritas yang diperoleh dari matriks
perbandingan berpasangan antar subkriteria
dan matriks perbandingan alternatif. Nilai 0
artinya tidak ada keterkaitan antar kedua
subkriteria tersebut.
2.1.12 Analisis
2.1.11 Perangkingan Berdasarkan hasil analisis keputusan
Supermatriks ini diperoleh dengan pemilihan produk BRI Syariah Terbaik, secara
membangkitkan weighted supermatriks umum kriteria yang dipertimbangkan oleh
dengan cara mengalikan weight penulis dalam memilih produk BRI Syriah
supermatriks secara terus menerus meliputi Fasilitas, Fitur, Biaya yang
sampai nilai pada satu baris bernilai
259
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
260
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
261
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Permasalahan yang sering timbul terkadang memiliki jawaban yang tidak pasti, logika fuzzy
adalah suatu bentuk metode untuk melakukan analisis sistem yang tidak pasti. Pada Paper ini
digunakan metode logika fuzzy mamdani dalam penerimaan dosen AMIK Tunas Bangsa
Pematangsiantar. Masalah yang diselesaikan adalah cara menentukan penerimaan dosen jika
hanya menggunakan 3 variabel, yaitu tes psikotes, tes wawancara dan tes teaching. Dalam
permasalahan ini terdapat Himpunan fuzzy yang digunakan adalah : sangat buruk, buruk, cukup,
baik, dan sangat baik. Metode yang digunakan adalah fuzzy mamdani dengan hasil akhir SPK
yang dapat merekomendasikan atau tidak merekomendasikan dosen untuk diterima di AMIK
Tunas Bangsa Pematangsiantar.
Kata Kunci: Logika Fuzzy, logika Fuzzy mamdani, himpunan Fuzzy, aplikasi fungsi implikasi,
komposisi aturan.
262
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
263
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
264
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1 ; x≤1
µSANGAT BURUK = (3 – x) ; 1≤x≤
3
(3 – 1)
0 ; x≥3
0 ; x≤1
Gambar 2. Himpunan Fuzzy pada variabel
atau x ≥ 5
Tes Wawancara
µ BURUK = (x – 3) ; 3≤x≤
5
3. Himpunan fuzzy untuk variabel Tes
(5 – 3)
Teaching
(3 – x) ;
Variabel Tes Teaching terbagi menjadi lima
3≤x≤5
himpunan fuzzy, yaitu sangat buruk, buruk,
(5 – 3)
cukup, baik, sangat baik.
0 ; x≤3
atau x ≥ 7
µ CUKUP = (x – 3) ; 3≤x≤
5
(5 – 3)
(5 – x) ;
5≤x≤7
(7 – 5)
265
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
(9 – 7)
0 ; x≤5 1 ; x≥9
atau x ≥ 9
µ BAIK = (x – 5) ; 5≤x≤
7 3. Fungsi keanggotaan untuk variabel Tes
(7 – 5) Teaching (z)
(7 – x) ;
7≤x≤9 1 ; x≤1
(7 – 7) µSANGAT BURUK = (3 – x) ; 1≤x≤
3
(3 – 1)
0 ; x≤7 0 ; x≥3
µSANGAT BAIK = (x – 7) ; 7≤x≤
9 0 ; x≤1
(9 – 7) atau x ≥ 5
1 ; x≥9 µ BURUK = (x – 3) ; 3≤x≤
5
2. Fungsi keanggotaan untuk variabel (5 – 3)
Tes Wawancara (y) (3 – x) ;
3≤x≤5
1 ; x≤1 (5 – 3)
µSANGAT BURUK = (3 – x) ; 1≤x≤
3 0 ; x≤3
(3 – 1) atau x ≥ 7
0 ; x≥3 µ CUKUP = (x – 3) ; 3≤x≤
5
0 ; x≤1 (5 – 3)
atau x ≥ 5 (5 – x) ;
µ BURUK = (x – 3) ; 3≤x≤ 5≤x≤7
5 (7 – 5)
(5 – 3)
(3 – x) ; 0 ; x≤5
3≤x≤5 atau x ≥ 9
(5 – 3) µ BAIK = (x – 5) ; 5≤x≤
7
0 ; x≤3 (7 – 5)
atau x ≥ 7 (7 – x) ;
µ CUKUP = (x – 3) ; 3≤x≤ 7≤x≤9
5 (7 – 7)
(5 – 3)
(5 – x) ;
5≤x≤7 0 ; x≤7
(7 – 5) µSANGAT BAIK = (x – 7) ; 7≤x≤
9
0 ; x≤5 (9 – 7)
atau x ≥ 9 1 ; x≥9
µ BAIK = (x – 5) ; 5≤x≤
7 2.2 ANALISIS KEBUTUHAN OUTPUT
(7 – 5) Pada penelitian ini, variabel output yang
(7 – x) ; digunakan hanya satu, yaitu variabel Dosen.
7≤x≤9
(7 – 7) 2.2.1 Semesta Pembicaraan
Semesta pembicaraan merupakan
keseluruhan nilai yang diperbolehkan untuk
0 ; x≤7 dioperasikan dalam suatu variabel fuzzy.
µSANGAT BAIK = (x – 7) ; 7≤x≤ Semesta pembicaraan untuk variabel Dosen
9 adalah [0 10].
266
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2.2.2 Domain 0 ; x
Domain himpunan fuzzy merupakan ≤5
keseluruhan nilai yang diijinkan dalam µDITERIMA = (x – 5) ; 5
semesta pembicaraan dan boleh dioperasikan ≤x≤9
dalam suatu himpunan fuzzy. Domain (9 – 5)
himpunan fuzzy untuk variabel Dosen adalah : 1 ; x≥9
DITOLAK = [0 6]
DITERIMA = [5 10] 2.3 RULES
Rules (aturan-aturan), merupakan
2.2.3 Himpunan Fuzzy pengetahuan procedural yang menghubungkan
Himpunan fuzzy merupakan suatu grup informasi yang diberikan dengan tindakan
yang mewakili suatu kondisi dan keadaan (action). Struktur rule, secara logika
tertentu dalam suatu variabel fuzzy. Pada menghubungkan satu atau lebih antecedent
penelitian ini, penulis menggunakan atribut (atau premises) yang berada pada bagian IF,
linguistik, yaitu penamaan suatu grup yang dengan satu atau lebih consequents (atau
mewakili suatu keadaan atau kondisi tertentu conclusions / kesimpulan) pada bagian THEN.
dengan menggunakan bahasa alami.
Himpunan fuzzy untuk variabel Dosen Pada penelitian ini, dari variabel input
adalah sebagai berikut : untuk membangun sistem ini, maka
menghasilkan 125 (seratus dua puluh lima)
rules. Adapun rules dari penelitian ini adalah
sebagai berikut :
1 ; x
≤2
µDITOLAK = (6 – x) ; 2
≤x≤6
(6 – 2) Gambar 6. Rule Viewer.Dosen
0 ; x≥6
267
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
268
nilai tingkat keberhasilan penerimaan dosen ,
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Contoh kasus V:
Diharapkan tingkat keberhasilan
penerimaan dosen adalah minimal 5.
Berapa nilai tingkat keberhasilan
penerimaan dosen , jika nilai tes psikotes
2.5, tes wawancara 7.5 dan tes teaching
6.
269
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Sampel VII
Sampel V
Gambar 14. Hasil Sampel VII
Sampel VIII
270
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Sampel IX
3. KESIMPULAN
Penelitian ini menghasilkan
beberapa kesimpulan sebagai berikut :
a. Logika fuzzy membantu dalam
memberikan hasil yang tidak crisp
dengan menggunakan konsep sifat
kesamaran suatu nilai.
b. Metode fuzzy mamdani berhasil
diimplementasikan dalam
menentukan penerimaan dosen
AMIK Tunas Bangsa.
c. Hasil perhitungan dengan metode
fuzzy mamdani lebih akurat.
d. Variabel yang digunakan serta
himpunan fuzzy sangat
Gambar 18. Hasil Sampel IX mempengaruhi hasil output
rekomendasinya.
Sampel X
4. SARAN
Saran yang diberikan penulis kepada
pembaca adalah sistem ini dapat
dikembangkan lagi dengan metode-metode
inferensi lainnya, misalnya tsukamoto, bahkan
metode yang lebih berkembang lagi fuzzy
Multi-Attribute Decision Making (Fuzzy
MADM).
DAFTAR PUSTAKA
Kusumadewi, S, 2007, Sistem Fuzzy Untuk
Klasifikasi Indikator Kesehatan Daerah,
Seminar TEKNOIN 2007.
Tabel 2. Sampel Data Calon Dosen Naba, Agus, Eng, Dr. 2009.Belajar Cepat
Fuzzy Logic Menggunakan
MATLAB.Andi Offset:Yogyakarta.
271
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Proses review terhadap proposal penelitian yang diajukan oleh Dosen pada masing –
masing Perguruan Tinggi merupakan standar untuk menetapkan apakah proposal yang
diajukan layak mendapatkan dana penelitian atau tidak. Permasalahan pada Lembaga
PengembanganPenelitian (LPP) yaitu terkait jumlah proposal penelitian yang masuk
dengan jumlah reviewer. Sering kali perbedaan gaya penilaian, jumlah bidang kajian, serta
unsur subjektifitas menjadi kendala yang di hadapi, terlebih dari pihak peneliti
menginginkan penyampaian hasil prioritas proposal penelitian yang akurat, interktif dan
dinamis. Oleh karena itu dibutuhkan sebuah perancangan yang mampu menggambarkan
seluruh system yang dapat mendukung dalam proses pengambilan keputusan. Perancangan
system pendukung keputusan metode Simple Additive Weighting (SAW) ini melakukan
penilaian pada proposal penelitian dengan standard kriteria dan bobot yang telah
ditentukan.Tujuan dari penelitian ini adalah membantu para tim reviewer dalam melakukan
pengambilan keputusan kelayakan proposal penelitian dengan perangkingan terhadap
proposal penelitian yang diajukan.
272
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
merupakan metode yang mampu mencari tambahan untuk mencetak. Dengan sistem
penjumlahan terbobot dari rating kinerja pada informasi yang baik akan dapat
setiap alternatif pada masing – masing atribut. meminimalisisr biaya pengeluaran untuk
Kelebihan dari metode SAW dengan model mencetak lembar penilaian.
pengambil keputusan lainnya terletak pada
kemampuannya dalam melakukan penilaian 2.1.3 AnalisisKendali(Control)
secara lebih tepat karena didasarkan pada nilai Kelemahan pada sistem yang lama
kriteria dan bobot preferensi yang sudah masih menggunakan sistem yang manual.
ditentukan, selain itu SAW juga dapat Kelemahan tersebut memiliki resiko yang
menyeleksi alternatif terbaik dari sejumlah tinggi terhadap kerusakan fisik pada kertas
alternatif yang ada karena adanya proses pencatat dan kehilangan data akibat kesalahan
perangkingan setelah menentukan bobot untuk manusia, sehingga mengakibatkan sulitnya
setiap atribut [1]. dalam melakukan control terhadap data yang
Metode Simple Additive Weighting diterima.
(SAW) sering dikenal dengan metode
penjumlahan terbobot. Metode SAW banyak 2.1.4 AnalisisEfisiensi (Efficiency)
digunakan dalam pengambilan keputusan Kelemahan sistem yang lama yaitu,
yang memiliki banyak atribut. Konsep dasar dalam proses penilaian dan perhitungan hasil
SAW adalah mencari penjumlahan terbobot review membutuhkan waktu yang lama
dari rating kinerja pada setiap alternative pada disebabkan perlu melakukan dokumentasi
semua atribut [2]. Skor total dariMetode SAW secara manual terlebih dahulu dan proses
diperoleh dengan menjumlahkan seluruh hasil review proposal harus menunggu antrian
perkalian antara rating (yang dapat jadwal seminar review yang di laksanakan di
dibandingkan anatar lintas atribut) dan bobot kantor LPP. Dengan adanya sistem yang baru
tiap atribut. Rating tiap atribut haruslah bebas diharapkan transaksi menjadi lebih efisien
dimensi artinya telah melewati proses karena dokumentasi sudah diinputkan
normalisasi sebelumnya[3]. langsung oleh masing – masing reviewer.
Pada penelitian ini akan dilakukan
perancangan system pendukung keputusan 2.1.5 AnalisisPelayanan (Service)
penyeleksian kelayakan proposal penelitian
Kelemahan dalam sistem yang lama
dosen menggunakan metode SAW.
yaitu, seringkali para dosen yang akan
melakukan penelitian harus menunggu waktu
2. ANALISA DAN PERANCANGAN yang lebih lama karena harus mengantri dalam
2.1 Analisis Kelemahan Sistem melakukan seminar review proposal dan hasil
Agar masalah lebih terperinci, perlu review proposal yang dihasilkan perlu
adanya penjabaran dari sistem yang melakukan pencatatan hasil perhitungan
digunakan, maka dalam hal ini peneliti terlebih dahulu secara manual baru kemudian
menggunakan analisisi PIECES diinputkan kembali didalam Ms. Excel.
(Performance, Information, Economic, Dengan adanya sistem yang baru diharapkan
Control, Efficiency, Service) yang dijabarkan dapat mengurangi waktu tunggu dosen yang
sebagai berikut: akan melakukan penelitian karena
sistemmenggunakan perhitungan
2.1.1 Analisis Informasi (Performance) terkomputerisasi untuk menghasilkan hasil
Dalam sistem yang lama terdapat seleksi proposal penelitian dosen yang lebih
kelemahan yaitu sistem masih menggunakan efisien.
sistem manual sehingga sering terjadi
kesalahan dalam penjumlahan hasil review 2.2 Analisis Kebutuhan Informasi
yang dilakukan oleh reviewer. Dengan sistem Dalam proses pengolahan data
informasi yang baik maka akan memberikan dibutuhkan sebuah informasi mengenai calon
informasi yang bermanfaat dalam mengambil peneliti dari masing – masing fakultas maupun
keputusan sesuai dengan masalah yang ada. prodi yang ada di UAD serta judul penelitian
yang akan diajukan. Data tersebut diperoleh
2.1.2 AnalisisEkonomi (Economic) dari pendaftaran penelitian yang dilakukan
Kelemahan dalam sistem yang lama melalui portal masing – masing Dosen yang
menggunakan sistem manual adalah masih akan melakukan penelitian. Data berupa syarat
menggunakan lembar ketas dalam melakukan administrasi diperoleh dari hasil perifikasi
penilaian, sehingga membutuhkan biaya pengumpulan berkas yang dilakukan oleh
273
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
2.3.3 SquenceDiagram
274
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
275
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel4. TabelPetugas
Tabel5. KriteriaPenelitian
Tabel5. TabelDosenPeneliti
Data Jadwal
Tabel7. Tabel Proposal Penelitian Profil Pengguna Data Penelitian Data Review
Seminar
Kelola User Logout / Login
Hasil Seleksi
Kelola Review
Administrasi
276
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
277
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
278
Penelitian
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
b. Penilaian naskah proposal penelitian yang menggunakan metode yang lain untuk
diajukan berdasarkan inputan dari petugas mendapatkan hasil yang lebih optimal.
sesuai dengan ketentuan dari masing – PUSTAKA
[1] Kusumadewi, Sri., Hartati, S., Harjoko,
masing Perguruan Tinggi.
A., danWardoyo, R., 2006,Fuzzy Multi-
c. Dapat digunakan untuk memberikan Attribute Decision Making (FUZZY
rekomendasi kepada pengambil keputusan MADM),PenerbitGrahaIlmu, Yogyakarta
yaitu tim reviewer dari masing – masing
Perguruan Tinggi dalam melakukan seleksi [2] Nofriansyah, Dicky, 2014, Konsep Data
proposal yang diajukan oleh Dosen. Mining VS SistemPendukung
Saran yang dapat diajukan untuk Keputusan, Deepublish, Yogyakarta
pengembangan perancangan sistem
pendukung keputusan selanjutnya sebaiknya [3] Basyaib, Fachmi., 2006, TeoriPembuatan
ada penambahan kriteria yang digunakan, agar Keputusan, Penerbit PT. Grasindo,
penilaian lebih detail serta adanya pengujian Jakarta
279
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Membaca buku merupakan salah satu hal yang sangat penting, untuk mendukung dunia
pendidikan sekarang ini. Namun, hingga kini membaca buku merupakan aktivitas yang sangat
jarang sekali ditemui di tengah-tengah kehidupan masyarakat. Masyarakat seakan-akan
melupakan peran penting membaca bagi masa depan bangsa dan negara. Banyak cara yang
mampu ditempuh untuk meningkatkan minat membaca masyarakat. Sebagai langkah awal, bisa
dikembangkan dari lingkungan keluarga, kemudian beralih ke lingkungan yang lebih luas yaitu
masyarakat. Kemudian faktor lain adalah wadah yang mewadahi kegiatan edukasi baca ini,
diperlukannya wadah yang mampu menambahkan nuansa kreatif guna menunjang kegiatan
membaca menjadi suatu kebiasaan yang bermanfaat. Dolok Sinumbah yang menjadi lokasi
penempatan taman bacaan adalah salah satu tempat yang berkembang dan strategis dikarenakan
tempatnya nyaman. Diharapkan dengan adanya Penempatan Taman Bacaan ini mampu
meningkatkan kebiasaan membaca pada masyarakat, sekaligus menjadi tempat rekreasi bagi
keluarga ataupun kerabat. Taman Bacaan sendiri diperuntukkan untuk masyarakat umur 5 tahun
sampai usia produktif. Oleh karena itu, pentingnya perencanaan dan penempatan lokasi Taman
Bacaan di Dolok Sinumbah yang tepat yang mampu memberikan wadah edukasi yang
bernuansa kreatif. Sehingga mampu menarik pengunjung dan masyarakat di sekitar Dolok
Sinumbah. Juga mampu membantu meningkatkan pendapatan masyarakat sekitar di bidang
industri rumah makan dan transportasi. Sistem yang dibangun menggunakan metode ELECTRE
(Elimination and Choice Expressing Reality), keluaran dari penelitian ini adalah analisis Sistem
Pendukung Keputusan untuk penentuan penempatan lokasi taman bacaan di PTPN IV Dolok
Sinumbah.
280
suatu Sistem Pendukung Keputusan (SPK)
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. PEMBAHASAN
3.1 Translation Reality (Electre)
Menurut Janko dan Bernoider (2005:11),
Electre merupakan salah satumetode
pengambilan keputusan multikriteria
berdasarkan pada konsep Outranking dengan
menggunakan perbandingan berpasangan dari
alternatif-alternatif berdasarkan setiap kriteria
yang sesuai. Metode Electre digunakan pada
kondisi dimana alternatif yang kurang sesuai
dengan kriteria dieliminasi, dan alternatif yang R adalah matriks yang telah dinormalisasi
sesuai dapat dihasilkan. Dengan kata lain, dimana m menyatakan alternatif, n
Electre digunakan untuk kasus-kasus dengan menyatakan kriteria dan rij adalah normalisasi
banyak alternatif namun hanya sedikit kriteria
281
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
282
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Dan nilai setiap elemen untuk matriks G Tingkat kepentingan yang dijadikan
sebagai matriks dominan discordance bobot preferensi setiap kriteria dinilai
ditentukan sebagai berikut : dari 1 sampai 5 dengan ketentuan :
1 = Sangat Rendah
2 = Rendah
3 = Cukup
4 = Tinggi
2.2.6 Menetukan Agregate Dominance 5 = Sangat Tinggi
Matrix Bobot :
Langkah selanjutnya adalah Bobot kriteria 1 = 30
menentukan aggregate dominance matrix Bobot kriteria 2 = 20
sebagai matriks E, yang setiap elemennya Bobot kriteria 3 = 15
merupakan perkalian antara elemen matriks F Bobot kriteria 4 = 15
dengan elemen matriks G, sebagai berikut : Bobot kriteria 5 = 20
Rating kecocokan dari setiap alternative pada
setiap kriteria :
2.2.7 Eliminasi Alternatif yang Less
Favourable
Matriks E memebrikan urutan pilihan dari
setiap alternatif , yaitu bila Ekl =1 maka
alternatif Ak merupakan alternatif yang lebih
baik daripada Al. Sehingga baris dalam
matriks E yang memiliki jumlah Ekl = 1
paling sedikit dapat dieleminasi Dengan
demikian, alternatif terbaik adalah alternatif
yang mendominasi alternatif lainnya. Pengambil keputusan memberikan bobot
preferensi
4. Penyelesaian Kasus Dengan Metode W = (30 , 20 , 15 , 15 , 20)
Electre Matriks keputusan yang dibentuk dari tebel
Kasus yang diambil adalah tentang kecocokan adalah sebagai berikut
penempatan taman lokasi bacaan di PTPN IV
X=
Dolok Sinumbah. Ada tiga lokasi di Dolok
Sinumbah yang akan menjadi alternative,
yaitu :
Untuk menyelesaikan masalah di atas
menggunakan metode ELECTRE, akan
dilakukan langkah-langkah berikut :
1) Normalisasi matriks keputusan
= = =
= 0,7453
Ada lima kriteria yang di jadikan acuan = = =
dalam pengambilan keputusan :
C1 = keamana sekitar lokasi
= 0,5145
C2 = akses menuju lokasi
C3 = kenyamanan = = =
C4 = jarak dengan perumahan penduduk
C5 = kepadatan penduduk sekitar = 0,4866
Rating kecocokan setiap alternatif
pada setiap kriteria, di nilai dengan 1 = = =
sampai 5 dengan ketentuan :
1 = Sangat buruk = 0,7428
2 = Buruk
3 = Cukup = = =
4 = Baik
5 = Sangat Baik = 0,4083
283
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
= = = 3) Menentukan himpunan
concordance dan discordance index.
a. Concordance
= 0,2981 Sebuah kriteria dalam suatu alternatif
= = = termasuk concordance jika :
Ckl = { j, v1 j>v2 j} untuk j = 1, 2,
= 0,5145 ....., n
= = = C12 = { j, v1 j > v2 j }
untuk j = 1, 2, ....., 5
= 0,3244 = {1,2,3,4}
= = = C13 = { j, v1 j > v3 j } untuk j = 1, 2,
....., 5
= 0,5571 = {1,4,5}
C21 = { j, v2 j > v1 j } untuk j = 1, 2,
= = = ....., 5
= {2,5}
= 0,8166 C23 = { j, v2 j > v3 j } untuk j = 1, 2,
= = = ....., 5
= {4,5}
C31 = { j, v3 j > v1 j } untuk j = 1, 2,
= 0,5963 ....., 5
= = = = {2,3,5}
C32 = { j, v3 j > v2 j } untuk j = 1, 2,
....., 5
= 0,6861 = {1,2,3}
= = =
b. Discordance
Sebuah kriteria dalam suatu alternatif
= 0,8111
termasuk Discordance jika :
= = =
Dkl = { j, vk j< vi j} untuk j = 1, 2,
= 0,3714 ....., n
284
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
C12 = w1 + w2 + w3 + w4
= 30 + 20 + 15 + 15 = 80
C13 = w1 + w4 + w5
= 30 + 15 + 20 = 65
C21 = w2 + w5
= 20 + 20 = 40
C23 = w4 + w5
= 15 + 20 = 35
C31 = w2 + w3 + w5
= 20 + 15 + 20 = 55
C32 = w1 + w3
= 30 + 15 = 45
C=
sehingga menghasilkan matriks
discordance sebagai berikut:
b. Menghitung Matriks
Discordance a)
C=
= = 53,33
Sehingga, matriks dominan
concordance atau elemen matrikrs F
ditentukan dengan menggunakan
persamaan ( ) dan menghasilkan matriks
seperti berikut :
Matriks Dominan Concordance (F)
F=
D =
= = 0,371
G=
285
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
286
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Banyak teknik dan metode kompresi citra saat ini, baik yang bersifat lossy ataupun lossless dan
salah satu teknik yang sering digunakan belakangan ini adalah dengan menggunakan faktorisasi
matrik. Sebuah matrik bobot dibutuhkan untuk memfaktorkan sebuah data citra matrik agar
menghasilkan matrik yang nilainya lebih kecil. Berawal dari penelitian penulis sebelumnya yang
berjudul ―Penerapan Faktorisasi Matrik Non Negatif pada Kompresi Citra‖ pada tahun 2015
yang telah mencoba memfaktorkan data citra dengan berbagai ukuran matrik factor dan
menyimpulkan bahwa matrik bobot yang paling baik adalah yang berukuran 2x2, maka
penelitian kali ini mencoba untuk kembali memfaktorkan data citra asli untuk kompresi dengan
menggunakan matrik bobot 16-1-1-16 untuk masing-masing channel Red, Green dan Blue.
Setelah melalui percobaan terhadap beberapa sample citra, matrik bobot 16-1-1-16 dapat
mengecilkan ukuran citra hingga 50% tetapi data citra mengalami sedikit perubahan sehingga
kompresi menjadi bersifat lossy.
287
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
matrik V memiliki 3 buah matrik untuk digabungkan dengan hasil kompresi 4 bit yang
masing-masing channel warna Red (VR), selanjutnya menjadi bernilai 8 bit sehingga
Green (VG) dan Blue (VB) yang masing- dengan cara ini, 2 buah byte elemen matrik dari
masing juga berukuran Width x Height. citra dapat dikompresi menjadi 1 byte sehingga
Dengan matrik faktor W dan matrik citra efisiensi kompresi yang diperoleh menjadi 50%
asli VR, VG dan VB maka matrik hasil
kompresi H untuk masing-masing channel 2.2 Perancangan
Red (HR), Green (HG) dan Blue (HB) Flowchart proses kompresi dapat dilihat
dengan persamaan berikut ini. (Robin, pada gambar 2.1 dan flowchart dekompresi
2015) dapatdilihat pada gambar 2.2.
H = V * W-1 (2) Mulai
Jika diasumsikan bahwa sebuah citra V
yang memiliki lebar sebesar Width pixel dan Memberikan nilai matrik bobot W = {{16, 1}, {1, 16))
tinggi sebesar Heigh pixelt, maka matrik bobot W
yang berukuran 2x2 akan difaktorkan ke dalam
matrik V secara terpisah-pisah ataupun Menghitung W Inverse WI = W-1
berkelompok 2x2 pada elemen [0,0] s/d [1,1];
[2,0] s/d [3,1]; [4,0] s/d [5,1] dan seterusnya Memasukkan Citra Asli (Sumber)
hingga elemen [Width-2,0] s/d [Width-1,1] untuk
y=0 dan y=1 dan seterusnya hingga y=Height-2
Jlh Kolom nK = Lebar Citra Asli (Width)
dan y=Height-1 seperti ilustrasi pada tabel 2.1
Jlh Baris nB = Tinggi Citra Asli (Height)
berikut ini.
y<nB Salah
Selesai
Benar
x=0
288
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
x=0
x<nK
Benar
y+=2
Gambar 2.2. Flowchart Proses Kompresi
289
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
290
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 2.3. Hasil Pengujian Aplikasi 3. Dengan matrik faktor 16-1-1-16, semua
Kompresi dengan Matrik 16-1-1-16 data citra masing-masing channel Red,
Green, dan Blue dapat dikecilkan dari 1
byte atau 8 bit menjadi 4 bit sehingga 2
buah data citra dari masing-masing
channel Red, Green yang berukuran 2
byte dapat dikecilkan menjadi 1 byte. Hal
ini dapat dilihat pada proses pada Gambar
2.1.
PUSTAKA
1. Lee, D. D., & Seung, H. S. Algorithms for
Non-Negative Matrix Factorization (2000)
2. Yuan, Z. & Oja, E., Projective Non-
Negative Matrix Factorization for Image
Compression and Feature Extraction.
Neural Networks Research Center (2005)
3. Berry, M. W., Murray, B., Lngville, A. N.,
Pauca, V.P., & Plemmons, R. J. Algorithms
and Applications for Approximate
NonNegative Matrix. Computational
Statistics & Data Analysis 52 (2007)
4. Buciu, I. Non-Negative Matrix
Factorization, A New Tool for Feature
Extraction: Theory and Application,
6. KESIMPULAN International Journal of Computers,
Dari hasil penelitian ini ada beberapa Communications & Control (2008)
kesimpulan yang dapat diambil 5. Dhawan, S. A Review of Image
Compression and Comparison of Its
1. Citra hasil kompresi yang telah diextract Algoritham, IJECT Vol. 2, Issue 1, March
kembali mengalami penurunan kualitas 2011
sehingga kompresi dengan matrk factor 6. Robin & Suharjito, Optimized Weighted
16-1-1-16 adalah merupakan kompresi Matrix of Non-Negative Matrix
lossy. Factorization for Image Compression,
2. Dari hasil percobaan terhadap 20 sampel International Journal of Multimedia and
data citra, efisiensi kompresi adalah 50% Ubiquitous Engineering, Vol. 10, No. 3
(2015)
291
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Keamanan password merupakan salah satu hal yang paling kritis dalam implementasi aplikasi
atau layanan, apabila password seseorang pengguna diketahui oleh pihak yang tidak berwenang
(pihak penyerang), maka tidak ada mekanisme berikutnya yang dapat menghalangi akses yang
dapat dilakukan oleh seorang penyerang terhadap aplikasi atau layanan dalam sebuah sistem
(kecuali aplikasi atau layanan tersebut menambahkan teknik otentikasi lainnya, seperti dongle,
token atau smart card). Salah satu teknik untuk mengamankan password adalah dengan
menggunakan teknik kriptografi, yaitu algoritma fungsi hash pada password. Namun masih
terdapat kemungkinan serangan praktis yang dapat digunakan untuk membreakhasingpassword
pengguna yang tersimpan didalam database, antara lain brute force attack, dictionary attack
dan/atau jenis serangan lainnya. Pada tulisan ini akan dibahas mengenai pre image attack pada
password yang telah dihash dengan menggunakan algoritma MD5 dengan menggunakan brute
force attack.
Kata Kunci:Keamanan Password, Algoritma MD5, Pre Image Attack, Brute Force Attack
292
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
identifikasi masalah pada tulisan ini, antara dalam sebuah aplikasi dan/atau layanan
lain : jaringan komunikasi telah menggunakan
1. Apakah password yang telah dihasing teknik otentikasi untuk mendapatkan hak
telah aman dari berbagai kemungkinan akses sesuai role pengguna. Terdapat 3 jenis
serangan; otentikasi yang dapat digunakan untuk
2. Bagaimana cara membreakpassword mengotentikasikan pengguna, yaitu :
yang telah dihasing dengan algoritma 1. Something You Know,Merupakan jenis
fungsi hash; otentikasi yang melibatkan
3. Berapa banyak percobaan yang harus pengetahuan informasi rahasia yang
dilakukan dalam melakukan serangan harus diingat/diketahui oleh pengguna,
password yang telah dihasing; contohnya password dan Personal
4. Berapa lama waktu yang dibutuhkan Identification Number (PIN).
untuk membreakpassword yang telah 2. Something You Have, Merupakan jenis
dihasing; otentikasi yang melibatkan alat atau
Berapa besar perkiraan memory yang tools baik software maupun hardware,
dibutuhkan untuk melakukan serangan dimana tanpa adanya alat tersebut,
lanjutan pada password yang telah dihashing. maka pengguna tidak dapat
mengotentikasikan dirinya pada
1.3 Batasan Masalah aplikasi/layanan. Contohnya token,
Terdapat beberapa batasan masalah smartcard dan dongle.
dalam tulisan ini, antara lain : 3. Something You Are, Merupakan
1. Algoritma fungsi hash yang akan jenis otentikasi yang melibatkan
diserang adalah algoritma MD5; properti dan karakteristik unik pada
2. Komposisi maksimal karakter yang diri pengguna, contohnya finger print
dapat digunakan sebagai password (sidik jari), scan (pemindaian) retina
adalah 5 karakter; mata dan garis tangan.
3. Serangan hanya akan dilakukan dengan
menggunakan perangkat lunak dan 2.2 Algoritma MD5
keras yang telah ditentukan pada bagian Algoritma MD5 adalah algoritma
parameter serangan. fungsi hash yang dikembangkan oleh Ronald
Perancangan aplikasi dilakukan dengan Rivest pada tahun 1992. Algoritma MD5
menggunakan bahasa pemrograman Java dapat menghasing pesan dengan panjang
dengan menggunakan Integrated Development sembarang menjadi message digest dengan
Environment (IDE) Eclipse Mars 2. panjang tetap sepanjang 128 bit. Algoritma
tersebut memiliki lisensi RSA untuk
2. LANDASAN TEORI memberikan jaminan keutuhan/integritas dan
2.1 Password verifikasi suatu informasi dan banyak
Secara definsi password adalah sebuah digunakan oleh masyarakat umum secara luas
kombinasi rahasia yang terdiri dari kombinasi pada berbagai aplikasi/layanan berdasarkan
huruf, angka dan karakter khusus, dimana pada dokumen RFC 1321. Tahun 1996 Hans
username dan password dikombinasikan Dobbertin berhasil menemukan kelemahan
bersama-sama untuk mekanisme otentikasi dari algoritma MD5, selain itu pada tahun
pada sebuah sistem komputer [M Rudyanto 2004 Xiaoyun Wang and Hongbo Yu berhasil
Arief]. Definisi lain dari password adalah membuktikan bahwa algoritma MD5 rentan
kumpulan karakter atau string yang digunakan terhadap serangan kolisi dan pada tahun yang
oleh pengguna jaringan atau sebuah sistem sama J. Black, M. Cochran dan T. Highland
operasi yang mendukung banyak pengguna menemukan cara untuk menemukan pasangan
(multiuser) untuk memverifikasi identitas pesan berbeda yang dapat menghasilkan nilai
dirinya kepada sistem keamanan yang dimiliki messagedigest yang sama. Bahkan pada tahun
oleh jaringan atau sistem tersebut [Sinta]. 2008 para ahli kriptografi dapat menemukan
Selain itu password juga dapat didefinisikan teknik untuk memalsukan sertifikat SSL yang
sebagai kunci yang digunakan untuk menggunakan algoritma MD5 sebagai
membuka dan mengakses informasi yang algoritma fungsi hashnya. Berdasarkan pada
umumnya bersifat rahasia dan tersimpan di hasil serangan dan kelemahan yang telah
computer atau media penyimpanan online ditemukan tersebut. maka saat ini algoritma
[Diktat Praktikum Pengamanan Password]. MD5 tidak direkomendasikan untuk
Secara sadar atau tidak seorang pengguna digunakan lagi, masyarakat luas juga mulai
293
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
beralih untuk menggunakan algoritma fungsi merupakan salah satu mesin terbaik dan
hash lainnya, seperti algoritma SHA-2. termahal pada jamannya, dimana harga dari
Namun bukan berarti algoritma MD5 sebuah mesin EFF pada waktu itu adalah US$
dilupakan dan tidak digunakan kembali secara 250,000 (sekitar IDR
total, algoritma fungsi hash tersebut tetap 3.250.000.000).Perkembangan perangkat
digunakan, khususnya pada bidang pendidikan brute force attack berjalan dengan cukup
dan akademisi/riset sebagai bahan kajian dasar signifikan dan pesat, dimana saat ini telah
dalam pembelajaran algoritma fungsi hash. banyak vendor dan perusahaan yang membuat
Tabel 1. dibawah menunjukkan spesifikasi dan mengembangkan perangkat keras-
algoritma MD5. perangkat keras yang dapat digunakan untuk
melakukan brute force attack, antara lain :
Tabel 1. Spesifikasi Algoritma MD5. paralleling NVDIA GPU dengan
menggunakan platform CUDA, clustering
FPGA (COPACOBANA), SuperComputer
dan perangkat keras lainnya, termasuk
parallelcomputer serta cluster computer.
Salah satu teknik sederhana untuk mencegah
peretasan akun pengguna dengan brute force
attack adalah menerapkan sistem yang akan
melakukan penguncian (lock)pada akun
pengguna yang telah salah melakukan input
2.3 Brute Force Attack
password/kuncisebanyak 3 kali.
Brute force attack adalah salah satu
teknik/metode yang dapat digunakan untuk
3. SERANGAN
memecahkan teknik pengamanan kriptografi
3.1 Metode Serangan
dengan cara mencoba seluruh kemungkinan
Persamaan matematika untuk
jawaban yang ada. Pada dasarnya brute force
menghitung seluruh kemungkinan percobaan
attack merupakan jenis serangan yang simple
yang harus dilakukan dalam brute force
dan sederhana karena untuk mendapatkan
attackadalah :
informasi yang diinginkannya, maka seorang
penyerang cukup mencoba semua
N = C(jml) + C(jml + 1) + C(jml + 2) + C(jml + 3) + ... +
kemungkinan nilai yang dapat digunakan oleh
C(jml + max)
pengguna, namun serangan tersebut
memerlukan biaya, perangkat, data, power,
Keterangan :
trials, waktu, memory dan source yang sangat
1. N = Jumlah seluruh kemungkinan
besar. Brute force attack juga merupakan jenis
2. C = Jumlah kombinasi karakter (contoh
serangan praktis yang memang banyak dan
―abcd‖ berarti C = 4)
umum digunakan oleh pihak penyerang dalam
3. Jml = Panjang password minimal
memecahkan sebuah sistem kriptografi,
(contoh ―1‖)
dimana semakin kompleks teknik/informasi
4. Jml + Max = Panjang password
yang harus dipecahkan, maka akan semakin
maksimal (contoh ―5‖)
lama proses pencarian solusinya, sehingga
Berdasarkan pada persamaan tersebut, maka
dalam hal ini terdapat pertimbangan terhadap
untuk memecahkan password dengan panjang
kemunculan faktor keberuntungan (luck)
5 karakter yang terdiri dari karakter
untuk menemukan solusi serangan, jika faktor
―abcdefghijklmnopqrstuvwxyz‖ dan
keberuntungan tersebut tidak didapat maka
kombinasinya, maka diperlukan (worstcase) N
brute force attack merupakan worst algorithm
= 261 + 262 + 263 + 264 + 265 atau 26 + 676 +
(karena berarti serangan tersebut memerlukan
17.576 + 456.976 + 11.881.376 = 12.356.630
seluruh percobaan dengan waktu paling
(12 juta kemungkinan). Mengingat brute force
maksimal untuk memecahkan suatu informasi
attack juga bergantung pada faktor
yang diamankan dengan teknik kriptografi).
keberuntungan, maka best case untuk
Perangkat pertama yang pernah dibuat khusus
memecahkan password pengguna
untuk melakukan brute force attack adalah
menggunakan serangan tersebut adalah 1 kali
mesin EFF, yaitu mesin pemecah teknik
percobaan.
kriptografi yang memiliki 1.800 chip
terkostumisasi dan diclaim dapat memecahkan
3.2 Spesifikasi Perangkat
kunci algoritma DES secara brute force hanya
dalam waktu beberapa hari. Mesin EFF
294
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
4. HASIL SERANGAN
Brute force attack akan dilakukan
dengan menggunakan sampling password
pengguna berdasarkan huruf kecil (―q‖), huruf
besar (―Q‖), tanda baca (―%‖) dan angka (―7‖)
yang berukuran 1 sampai dengan 5 karakter.
Sedangkan tabel 3. dibawah menunjukkan Tabel 5. dibawah menunjukkan waktu brute
kondisi dan setting perangkat lunak. force attack terhadap hasil hashing password
pengguna dengan menggunakan algoritma
Tabel 3. Kondisi dan Setting Perangkat MD5.
Lunak.
Tabel 5. Waktu Brute Force Attack pada
Algoritma MD5.
295
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
296
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Transkrip nilai dan ijazah merupakan salah dua dokumen akademik yang sangat diperlukan,
khususnya bagi para wisudawan yang akan melamar kerja atau sebagai salah satu persyaratan
untuk menduduki jabatan tertentu dalam sebuah organisasi. Secara definitif kedua dokumen
tersebut hanyalah berbentuk kertas (umumnya cukup tebal) dengan tulisan, tandatangan dan cap
perguruan tinggi didalamnya, sehingga sangat mudah untuk dipalsukan dan/atau dimodifikasi
dengan maksud dan tujuan yang tidak semestinya. Selain itu metode verifikasi dokumen
akademik tersebut masih dilakukan secara manual, sehingga membutuhkan waktu dan tenaga
yang tidak sedikit untuk memverifikas, bahkan hanya untuk 1 dokumen saja. Salah satu solusi
yang dapat digunakan untuk mengatasi permasalahan diatas adalah dengan menerapkan
tandatangan digital pada dokumen akademik tersebut, sehingga integritas informasi dan
otentikasi pihak penerbit dokumen akademik dapat terjaga dengan baik, demikian juga dengan
verifikasi yang dapat dilakukan secara digital dimanapun, kapanpun dan oleh siapapun yang
memiliki wewenang dan keperluan terhadap dokumen akademik tersebut.
297
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
298
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
faktorisasi bilangan bulat besar (Integer Beberapa perguruan tinggi menerbitkan ijazah
Factorization Problem), dimana dalam dan transkrip nilainya dengan ditandatangani
perkembangannya terdapat beberapa algoritma oleh Dekan Falkutas dan Rektor, namun
asimetrik lain yang memiliki dasar kekuatan terdapat juga yang ditandatangani oleh Kepala
matematis yang mirip dengan algoritma RSA, Bidang Program dan Dekan, atau bahkan
seperti algoritma Rabin, algoritma Williams, hanya ditandatangai oleh Dekan/Rektor.
algoritma LUC, algoritma Goldwaser-Micali Implementasi tandatangan digital pada ijazah
dan algoritma-algoritma asimetrik lainnya. dan transkrip nilai tidak akan merubah skema
Terdapat beberapa serangan kriptanalisis yang penerbitan dokumen akademik yang telah
dapat diterapkan pada algoritma RSA, antara berjalan secara signifikan, melainkan hanya
lain : general number field sieve dan algoritma menambahkan 2 buah proses, yaitu
shor’s, namun saat ini serangan-serangan penandatanganan secara digital dan
tersebut masih belumoptimal berdasarkan penyimpanan softcopy ijazah dan transkrip
polinomial waktu terukur, sehingga algoritma nilai kedalam repository/database perguruan
RSA di-claim masih layak dan aman untuk tinggi. Adapun skema penerbitan ijazahnya
tetap digunakan. adalah berawal dari mahasiswa melengkapi
data dan persyaratan administratif pada
2.4 Sertifikat Digital perguruan tinggi, kemudian staf pendidikan
Sertifikat digital dapat dianalogikan mengirimkan draf ijazah (dalam bentuk
sebagai sebuahpassportatau KTP elektronik softcopy) kepada staf administrasi, dimana staf
(bersifat unik) yang dapat mengijinkan dan administrasi akan melakukan
mengotentikasikansebuah entitas atau seorang pengecekan/verifikasi data dan persyaratan
pengguna (secara pribadi atau mewakili administratif mahasiswa terkait, jika sudah
institusi) untuk melakukan pertukaran benar maka draf ijazah dan transkrip nilai
informasi (dokumen) secara utuh dan aman dapat ditandatangani secara digital oleh Dekan
dengan pihak lainnyamelalui jalur publik Falkutas, namun jika masih terdapat kesalahan
(internet) menggunakan teknik PKI.Terdapat maka draf tersebut dikembalikan ke staf
beberapa penyedia sertifikat digital komersil pendidikan untuk diperbaiki. Setelah draf
terpercaya yang menjual layanan dalam ditandatangani, staf administrasi akan
menerbitkan sampai dengan penghancuran membuatkan draf surat berita acara serah
sertifikat digtal, antara lain : VeriSign, terima penandatanganan, kemudian surat
GeoTrust, Comodo, Digicert, Thawte, tersebut akan di cek/verifikasi oleh manajer
GoDaddy Network Solutions dan perusahaan pendidikan, jika sudah benar maka draf surat
lainnya. Sedangkan institusi pemerintah yang berita acara serah terima penandatanganan
memiliki tugas pokok dan fungsi untuk dapat ditandatangani secara digital oleh Dekan
menyediakan layanan dan penerbitan sertifikat Falkutas, namun jika masih terdapat kesalahan
digital terpercaya adalah Lembaga Sandi maka draf tersebut dikembalikan ke staf
Negara. Gambar 1. dibawah menunjukkan administrasi untuk diperbaiki. Softcopy ijazah,
contoh sertifikat digital personal dalam format transkrip nilai dan surat berita acara serah
PKCS#12. terima yang telah ditandatangani oleh Dekan
Falkutas dikirimkan via aplikasi ke tata usaha
rektor. Tata usaha akan melakukan
pengecekan/verifikasi kembali terhadap data
dan persyaratan administratif mahasiswa, jika
sudah benar maka dapat diteruskan ke Rektor
untuk ditandatangani secara digital, sedangkan
jika masih terdapat kesalahan, maka ijazah
Gambar 1. Contoh Sertifikat Digital dan transkrip nilai tersebut dapat ditolak dan
Personal. dikembalikan untuk diperbaiki kembali oleh
staf pendidikan. Tata usaha kemudian
Properties sertifikat digital dapat dilihat dan mengaktifkan tombol donwload ijazah dan
dicek dengan cara mengimport sertifikat transkrip nilai pada akun aplikasi mahasiswa
tersebut kedalam perangkat atau komputer yang apabila didownload maka akan tercatat
atau sistem yang akan digunakan dalam waktu downloadnya pada log aplikasi.
melakukan komunikasi. Gambar 2. dibawah menunjukkan hasil
implementasi tandatangan digital pada
3. IMPLEMENTASI dokumen akademik.
TANDATANGAN DIGITAL
299
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
300
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
301
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Pertumbuhan dalam mengkonsumsi energi terlebih energi listrik menyebabkan permintaan yang
semakin tinggi dan berakibat semakin sedikitnya sumber daya alam. Untuk mendukung
permintaan energi listrik secara terpenuhi sebaiknya masyarakat menggunakan listrik secara
efektif dan efisien. Jumlah energi listrik yang digunakan sebuah pelanggan diukur dengan
menggunakan sebuah meteran listrik yang disebut kWh meter, yang merupakan indikator
kesepakatan perhitungan penggunaan energi listrik pada pelanggan dan Pembangkit Listrik
Negara (PLN). Untuk mendukung program penghematan listrik, maka harus diketahui jumlah
pemakaian energi listrik yang dikomsumsi pelanggan PLN, sehingga nantinya dapat diketahui
jumlah pemakaian listrik dalam rumah tangga. Untuk mengetahui jumlah pemakaian listrik maka
perlu ada sebuah aplikasi yang dapat menghitung pemakaian listrik pada perangkat elektronik
dalam waktu tertentu. Sehingga pelanggan PLN dapat lebih berhemat dalam menggunakan energi
listrik.
302
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
hasil dari simulasi. Dengan cara ini, system di dari lampu traffic light adalah contoh sistem
dunia nyata tidak disentuh atau dirubah sampai bersambung ini di mana variabelnya, yaitu
keuntungan dan kerugian dari apa yang kecepatan, akan berubah secara terus menerus
menjadi kebijakan utama suatu keputusan diuji serta dipengaruhi oleh waktu.
terlebih dahulu dalam sistem model. Metode Model Simulasi dapat dibedakan menjadi [3].
simulasi merupakan proses perancangan model 1. Model simulasi deterministik
dari suatu sistem nyata atau riil dan Mengasumsikan tidak ada variabilitas dalam
pelaksanaan eksperimen-eksperimen dengan parameter model dan, oleh karenanya, tidak
model ini untuk tujuan memahami tingkah melibatkan variable random. Jika model
laku sistem atau untuk menyusun strategi deterministik dijalankan atas nilai masukan
dalam suatu batas atau limit yang ditentukan yang sama, maka akan selalu menghasilkan
oleh sebuah satu atau beberapa kriteria nilai yang sama. Keluaran dari sekali
sehubungan dengan operasi sistem tersebut. menjalankan model simulasi deterministik
Metode simulasi dapat menjelaskan tingkah merupakan nilai nyata dari performasi model.
laku sebuah sistem dalam beberapa waktu 2. Model simulasi stokastik
dengan mengobservasi tingkah laku dari Berisikan satu atau beberapa variabel random
sebuah model matematika yang dibuat sesuai untuk menjelaskan proses dalam system yang
dengan karakter sistem yang asli sehingga diamati. Keluaran dari model simulasi
seorang analis bisa mengambil kesimpulan stokastik adalah random dan oleh karenanya
tentang tingkah laku dari sistem dunia nyata. hanya merupakan perkiraan dari karakteristik
sesungguhnya dari model. Maka, diperlukan
Model Simulasi beberapa kali menjalankan model, dan
Perilaku variable-variabel yang ada pada hasilnya hanya merupakan perkiraan dari
sistem dapat diklasifikasikan menjadi dua performasi yang diharapkan dari model atau
jenis, yaitu Discrete (tertentu/khusus) dan sistem yang diamati.
continuous (terus-menerus). Discrete system
adalah sistem dimana variable-variabelnya
dapat berubah hanya pada sejumlah keadaan 3. Model simulasi kontiniu
tertentu dan dapat dihitungpada saat tertentu. Kondisi variabel berubah secara kontinyu,
Perilaku sistem pada teller di suatu bank sebagai contoh, aliran fluida dalam pipa atau
merupakan satu contoh sistem diskrit, yang terbangnya pesawat udara, kondisi variable
menunjukan perubahan kedatangan konsumen, posisi dan kecepatan berubah secara kontinyu
lama konsumen menunggu, lama konsumen terhadap satu dengan lainnya.
dilayani hingga konsumen itu selesai dilayani 4. Model simulasi diskrit
dan meninggalkan bank [2]. Kondisi variabel berubah hanya pada beberapa
Continuous system adalah suatu sistem di titik (tertentu, yang dapat dihitung) dalam
mana variabelnya berubah secara terus- waktu. Kebanyakan dari sistem manufaktur
menerus serta dipengaruhi oleh waktu. dimodelkan sebagai simulasi kejadian dinamis,
Kecepatan sebuah mobil ketika lepas dari diskrit, stokastik dan menggunakan variabel
lampu traffic light adalah contoh sistem random untuk memodelkan rentang
bersambung ini di mana variabelnya, yaitu kedatangan, antrian, proses, dan sebagainya.
kecepatan, akan berubah secara terus menerus
serta dipengaruhi oleh waktu. Perilaku Metode
variable-variabel yang ada pada sistem dapat Berdasarkan gambar 1, aktor yang terdapat
diklasifikasikan menjadi dua jenis, yaitu dalam diagram adalah user. User berfungsi
discrete (tertentu/khusus) dan continuous untuk melakukan aktivitas dalam memakai
(terus-menerus). Discrete system adalah sistem simulasi pemakaian listrik pada perangkat
di mana variable-variabelnya dapat berubah elektronik. Aktivitas yang dapat dilakukan
hanya pada sejumlah keadaan tertentu dan oleh user adalah membaca panduan
dapat dihitung pada saat tertentu. Perilaku penggunaan simulasi pemakaian listrik pada
sistem pada teller di suatu bank merupakan perangkat elektronik dan memulai pemakaian
satu contoh sistem diskrit, yang menunjukan simulasi.
perubahan kedatangan konsumen, lama
konsumen menunggu, lama konsumen dilayani
hingga konsumen itu selesai dilayani dan
meninggalkan bank. Continuous system adalah
suatu sistem di mana variabelnya berubah
secara terus-menerus serta dipengaruhi oleh
waktu. Kecepatan sebuah mobil ketika lepas
303
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Gambar 1. Use Case Diagram dari Aplikasi Gambar 3. Sequence Diagram dari Aplikasi
Simulasi Pemakaian Listrik pada Perangkat Simulasi Pemakaian Listrik pada Perangkat
Elektronik Elektronik
304
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
REFERENSI
[1] Leon, R. System Modelling and Simulation.
London: Packt Publishing Ltd.
2014.
305
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1
saut_nabasa@yahoo.co.id,2Delimasitanggangunprimdn.ac.id
ABSTRAKS
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar
komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh ahli. Sistem pakar
dibuat hanya pada domain pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati
kemampuan manusia di salah satu bidang saja. Pengalihan keahlian oleh para ahli untuk
kemudian dialihkan lagi kepada orang lain yang belum ahli merupakan tujuan utama
sistem.Dalam proses penarikan kesimpulansistem menggunakan algoritma Forward
Chainingdimana sistemakan menampilkan gejala kerusakan mesin fotocopy untuk dipilih oleh
pengguna, yang akhirnya dapat menentukan solusi kerusakan mesin tersebut.Hasil yang
diperoleh dari pembuatan aplikasi ini bahwainformasi tentang kerusakan terkait dapat lebih
mudahdiperoleh dengan dibuatnya suatu sistem pakar untukmendiagnosa kerusakan mesin
fotocopy dan dapat digunakan serta dipelajari dengan mudah oleh masyarakat umum.
306
seringnya terjadi paperjam. Oleh karena itu
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
307
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
G002 *
G003 * Memillih menu Menampilkan
kerusakan halaman data
G004 * kerusakan
G009 *
G010 *
Gambar 2.3 Activity Diagram mengelola
G011 * data kerusakan
G012 *
G013 * c. Data Gejala
Admin Sistem
G014 * *
G015 *
G016 * Memillih menu Menampilkan
gejala halaman data
gejala
Validasi Email
dan Sandi
Berhasil / Gagal
Gambar 2.1 Use Case Digaram Sistem Menampilkan Menu Admin
2.4.2 ActivityDiagram
a. Login Admin Pengguna Gambar 2.5Squence Diagram login
User Sistem b.Input data kerusakan
Tidak
Valid ?
Ya
Halaman user
308
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Masuk
Input id, nama,
Gambar 2.9 Login User
3.3.2. Menu
simpan Halaman ini merupakan hasil setelah
simpan proses login berhasil, dan juga merupakan
Berhasil halaman utama yang menandakan bahwa
Kembali ke Menu Utama adminsudah memiliki hak akses untuk
menjalankan aplikasi.
2.4.4 ClassDiagram
309
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
310
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
311
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
PUSTAKA
[1] Esthi dan Abdul, 2013, Implementasi
Sistem Pakar Untuk Mendiagnosa
Penyakit Dalam Pada Manusia
Menggunakan Metode Dempster Shafer.
[2] Milawati dan Eko, 2016,Sistem Pakar
Pendeteksi Kerusakan Printer Berbasis
Web Menggunakan Algoritma Forward
Chaining.
[3] Rosmawati, 2015, Sistem Pakar untuk
Diagnosa Kerusakan Pada Printer
Menggunakan Metode Forward
Chaining.
Gambar 2.15 Hasil Diagnosa [4] Imam Gunawan, 2013, Perancangan
Sistem Pakar Untuk Diagnosis
Kerusakan Hardware Laptop
312
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Maraknya teknologi saat ini membuat masyarakat berlomba-lomba untuk memperoleh informasi
yang cepat tepat dan akurat sehingga saat ini masyarakat banyak yang lebih bergantung pada
sebuah teknologi. Kurangnya kesadaran dan pengetahuan masyarakat terhadap sebuah
pengetahuan kesehatan yang ditambah lagi dengan minimnya jumlah pakar yang tersedia
membuat orang-orang menjadi kurang mengetahui informasi tentang kesehatan dirinya bahkan
banyak yang tidak menyadari atau bahkan mengabaikan kesehatan mereka sehingga merenggut
nyawa sebagaian dari mereka. Penyakit mulut ludwig angina merupakan salah satu penyakit
yang dapat meregang nyawa apabila tidak segera ditangani. Nguyen widrow salah satu algoritma
dalam jaringan syaraf tiruan yang dapat digunakan untuk memprediksi penyakit. Kali ini
dilakukan penelitian terhadap penyakit ludwig angina dengan menggunakan nguyen widrow.
Dari hasil penelitian menggunakan fungsi aktivasi lapisan tersembunyi dan output logsig,
maksimum epoch 100, serta target eror dan learning rate 0.1 menghasilkan nilai yang masih jauh
dari nilai target awal yang diharapkan sehingga perlu dilakukan proses iterasi kembali.
313
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
314
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
4. KESIMPULAN
Berdasarkan dari proses pengolahan data latih
dan data pengujian dapat ditarik kesimpulan
sebagai berikut:
1. Dari data uji nilai target yang dihasilkan
masih jauh dari nilai target awal yang
diharapkan, hal ini berkaitan dengan nilai
aktivasi yang diberikan pada proses
pelatihan dan pengujian data.
2. Jumlah data yang di proses terbilang sedikit
sehingga sulit dilakukan pengenalan pola.
3. Perlu dilakukan proses iterasi berulang-
ulang untuk mendapatkan hasil maksimal.
Gambar 3.1 Data Hasil Pelatihan Pada Matlab
PUSTAKA
Tabel 3.5 Data Hasil Pelatihan [1] Okan Erkaymaz , Mahmut Ozer ,
Matjaž Perc, 2017, Performance of
small-world feedforward neural
networks forthe diagnosis of diabetes,
Applied Mathematics and Computation,
22–28.
Berdasarkan hasil dari proses pelatihan [2] D vally, CH V Sarma, 2015, Diagnosis
dapat dilihat bahwa nilai dari target yang Chest Diseases Using Neural Network
dihasilkan masih belum atau masih jauh dari and Genetic Hybrid Algorithm. Journal
yang diharapkan seperti pada tabel 3.1. Untuk of Engineering Research and
selanjutnya dilakukan proses pengujian dengan Applications, ISSN : 2248-9622, Vol. 5,
data uji pada tabel 3.2, dengan ketentuan aktivasi Issue 1, 20- 26.
yang sama seperti pada tabel 3.4. berdasarkan [3] Mehdi Neshat, Azra Masoumi, Mina
dari proses pengujian data didapatkan hasil Rajabi and Hassan Jafari, 2014,
gambar 3.2 dan pada tabel 3.6. Diagnosing Hepatitis Disease by Using
Fuzzy Hopfield Neural Network, Annual
Research & Review in Biology, 2709-
2721.
[4] Bakpo, F. S.1 and Kabari, L. G, 2009,
Diagnosing Skin Diseases Using an
Artificial Neural Network, Artificial
Neural Networks - Methodological
Advances and Biomedical Applications,
315
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
316
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Email:srirahayuningsih1310@gmail.com,dedyhartama@amiktunasbangsa.ac.id,agus.perdana
@amiktunasbangsa.ac.id,
ABSTRAKS
317
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
atau yang sering disebut transaksi. Belanja commerce secara umum : ― Proses membeli,
online memang memudahkan dan menghemat menjual, baik dalam bentuk barang, jasa
waktu, menghemat biaya dibandingkan ataupun informasi, yang dilakukan melalui
belanja tradisional. Jangkauan antara penjual media internet‖. Menurut Stefan Probst
dan pembeli pun sangat terbatas, namun (Opticom), definisi e-commerce adalah
sekarang seiring kemajuan zaman dan ―Bisnis yang dilakukan secara electronic yang
teknologi, khususnya internet, semua melibatkan aktivitas-aktivitas bisnis berupa
keterbatasan jarak, waktu, dan biaya dapat business to business ataupun business to
teratasi dengan mudah. Salah satu jenis consumen melalui teknologi internet.‖ E-
implementasi teknologi dalam hal business adalah transaksi yang menggunakan
meningkatkan bisnis, penjualan dan pembelian media elektronik yang dipergunakan untuk
produk adalah dengan menggunakan berjualan atau proses pembelian atau proses
electronic commerce (e- commerce) untuk pembelian suatu atau beberapa produk
memasarkan dan membeli berbagai macam menggunakan teknologi ICT.Secara umum,
produk atau jasa, baik dalam bentuk fisik interaksi dan transaksi antara pelaku bisnis
maupun digital (Spica, 2007). Electronic yang akan menggunakan teknologi
Commerce merupakan konsep baru yang bisa ecommerce dapat dikategorikan dalam jenis
digambarkan sebagai proses jual beli barang B2B ( business to business ), B2C (business to
atau jasa pada World Wide Web Internet atau consumen), C2B (consumen to business), dan
proses jual beli atau pertukaran produk, jasa C2C (consumen to consumen). Andi (2008).
dan informasi melalui jaringan informasi
termasuk internet (Suyanto, 2005). Di negara 2.2 Sistem Pendukung Keputusan(SPK)
Indonesia sendiri pengguna internet Sistem Pendukung Keputusan (SPK)
mengalami peningkatan jumlah dari tahun ke adalah salah satu cara mengorganisir
tahunnya dan menurut proyeksi dari APJII informasi yang dimaksudkan untuk digunakan
(Asosiasi Penyelenggara Jasa Internet dalam membuat keputusan. Sistem Pendukung
Indonesia). Proses keputusan belanja online Keputusan menurut berbagai ahli diantaranya
adalah pencarian informasi, membandingkan Man dan Watson, mendefinisikan bahwa
alternatif yang ada, dan pengambilan Sistem Pendukung Keputusan adalah suatu
keputusan. Pada tahap pencarian informasi, sistem interaktif yang membantu pengambil
konsumen akan mencari referensi secara keputusan melalui penggunaan data dan
online dari manapun (seperti search engine model-model keputusan unutk memecahkan
atau Toko Online). Informasi yang dicari masalah-masalah yang sifatnya semi
adalah berupa opini dari orang lain yang sudah terstruktur dan tidak terstruktur.
mendapatkan manfaat dari produk yang dibeli.
Manfaat dan keuntungan menggunakan e- 2.3 Multi-Objective Optimization
commerce adalah untuk media promosi dalam Method by Ratio Analysis (MOORA)
rangka untuk meningkatkan volume Multi-Objective Optimization On The
penjualan, baik untuk penjualan online Basis Of Ratio Analysis adalah metode yang
maupun konvensional (Jansen, 2006; Supardi, diperkenalkan oleh Brauers dan Zavadkas
2009). Di samping keuntungan tersebut, (2006). Metode yang relatif baru ini pertama
ternyata hasil beberapa penelitian kali digunakan oleh Brauers dalam suatu
menunjukkan bahwa efektivitas penggunaan pengambilan dengan multi-kriteria. Metode
e-commerce dalam mendongkrak peningkatan MOORA memiliki tingkat fleksibilitas dan
volume penjualan dan mempromosikan kemudahan untuk dipahami dalam
produk-produk industri cukup tinggi memisahkan bagian subjektif dari suatu proses
(Alexander, 2002; Supardi 2008; Wuwei evaluasi kedalam kriteria bobot keputusan
2009). dengan beberapa atribut pengambilan
keputusan (Mandal dan Sarkar, 2012). Metode
2. TINJAUAN PUSTAKA ini memiliki tingkat selektifitas yang baik
2.1 E-Commerce karena dapat menentukan tujuan dari kriteria
E-Commerce merupakan suatu yang bertentangan. Dimana kriteria dapat
sistem atau paradigma baru dalam dunia bernilai menguntungkan (benefit) atau yang
bisnis, yang menggeser paradigma tidak menguntungkan (cost). Metode MOORA
perdagangan tradisional menjadi electronic banyak diaplikasikan dalam beberapa bidang
commerce yaitu dengan memanfaatkan seperti bidang manajemen, bangunan,
teknologi ICT (Information and kontraktor, desain jalan, dan ekonomi. Metode
Communication Technology), atau dengan ini memiliki tingkat selektifitas yang baik
kata lain teknologi internet. Definisi e- dalam menentukan suatu alternatif.
318
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
319
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1,643
3.1.2 Menentukan matriks normalisasi A12 = 0,5/1,643 = 0,304
Untuk menentukan matriks normalisasi A22 = 0,7/1,643 = 0,426
dengan menggunakan persamaan (2) dengan A32 = 0,7/1,643 = 0,426
data nilai sample dari Tabel 4. Selanjutnya A42 = 0,7/1,643 = 0,426
merupakan rating kecocokan alternatif dan A52 = 0,7/1,643 = 0,426
kriteria yang memiliki nilai kualitatif A62 = 0,7/1,643 = 0,426
dikonversi menjadi bernilai kuantitatif terlebih
dahulu agar dapat diperhitungkan sebelum
dibuat matriks keputusan seperti ditunjukkan
pada Tabel 5.
1,489
A13 = 0,5/1,489= 0,336
A23 = 0,7/1,489= 0,47
A33 = 0,5/1,489= 0,336
A43 = 0,5/1,489= 0,336
A53 = 0,7/1,489= 0,47
A63 = 0,7/1,489= 0,47
320
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1,086
A15 = 0,5/1,086= 0,46 Dari perhitungan menggunakan metode
A25 = 0,5/1,086= 0,46 MOORA, maka hasilnya dapat dilihat pada
A35 = 0,5/1,086= 0,46 tabel 7 berikut :
A45 = 0,3/1,086= 0,276
A55 = 0,5/1,086= 0,46 Tabel 7. Hasil Ranking
A65 = 0,3/1,086= 0,276
5. PUSTAKA
Al-hafiz, Nofri Wandi. 2017. ―SISTEM
PENDUKUNG KEPUTUSAN
PENENTUKAN KREDIT
PEMILIKAN RUMAH
MENERAPKAN MULTI-OBJECTIVE
OPTIMIZATION ON THE BASIS OF
RATIO ANALYSIS ( MOORA ).‖
I:306–9.
321
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
322
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Jeruk Merupakan komoditas unggul, penyakit pada jerukmenyebabkan penurunan hasil panen
petani jeruk. Oleh karena itu, dibutuhkan aplikasi yang dapat mengidentifikasi penyakit pada
tanaman jeruk, sehingga dapat membantu petani jeruk untuk mengetahui jenis penyakit tanaman
jeruk. Untuk dapat mengetahui jenis penyakit tanaman jeruk dapat dilakukan berbagai cara yaitu
mendatangkan ahli penyakit hama, berdasarkan pengalaman, atau berdasarkan pemanfaatan
teknologi informasi. Aplikasi berbasis Android telah menjadi popular di dunia, Aplikasi android
dapat juga dikembangkan untuk membantu pengguna mendeteksi suatu penyakit, termasuk
penyakit tanaman jeruk. Penelitian ini menggunakan metode Radial Basis Function Network
atau RBFN. RBFN merupakan salah satu jenis Neural Network yang terdiri dari tiga buah layer
yaitu input layer, hidden layer, serta output layer. Masukan dan keluaran yang dimiliki oleh
RBFN terdiri dari multilayer perceptron. Sedangkan untuk hidden layer pada RBFN terdiri dari
cluster yang memiliki fungsi dasar berbasis radial. Fungsi tersebut merepresentasikan jarak
antara pusat RBFN dengan vektor dari nilai masukan. Hubungan antara neuron masukan dan
neuron receptor di-train terus menerus untuk mendapatkan bobot dari masing-masing connection
sehingga didapatkan model prediksi data yang paling tepat.
323
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
324
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Berdasarkan Gambar 1. Kemudian diambil Maka jumlah hidden yang harus dibuat
sampel nilai greyscale dari citra tanaman sebanyak 2 buah.
jeruk diatas, nilai tersebut adalah: Nilai spread diasumsikan : ζ = 1
Kalau tabelnya seperti telihat di atas,
Tabel 2.1. Hasil Grayscale Target Citra maka :
Tanaman Jeruk Matriknya adalah :
a. Pembaharuan Bobot
Langkah 1. Meneruskan sinyal ke
hiddenlayer dan menghitung nilai fungsi
aktifasi dengan fungsi Gaussian.
Berikut input citra tanaman jeruk
a. Tabel kebenaran
Untuk membentuk tabel kebenaran AND
maka diketahui X1 merupakan citra input
kesatu, dan X2 merupakan citra input
kedua, sedangkan target merupakan citra Langkah 2. Membentuk Matrik Gaussian
yang akan diuji. Berikut tabel kebenaran
untuk AND :
325
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Feature Extraction
Citra
Gray Level Co- Colour Hasil Database
Occurent Matrix Histogram
matrik Gaussian
Feature Extraction Identification
Citra
Gray Level Co- Colour Radial Basis
Hasil
Occurent Matrix Histogram Funtion
Network
Output
Terdeteksi Penyakit
Tanaman Jeruk
2.4 Implementasi
2.4.1 Menu
326
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
gambar tersebut dapat di identifikasi dengan Tabel 2.7. Tabel Pengujian Laporan
menekan tombol Identifikasi. Sample
d. Tampilan Halaman Laporan Sample
Halaman Laporan Sample berfungsi
menampilkan daftar penyakit tanaman
jeruk yang sudah di input kedalam
database. Berikut tampilan halaman
Laporan Sample.
KESIMPULAN
PUSTAKA
[1] Argohartono, 2017, Hama dan
PenyakitTanaman, PT. Trubus Swadaya,
Jakarta.
[2] Cahyo dan Rini, 2016, Grow Your Own
Fruits – Panduan Praktis Menanam 28
Tanaman Buah Populer di Pekarangan,
Lily Publisher, Yogyakarta.
[3] Haviluddin, 2011, Memahami
Penggunaan UML (Unified Modelling
Language), Jurnal Informatika
Mulawarman Vol 6 No. 1 Febuari 2011,
2.5.2. Pengujian Identifikasi Tanaman Program Studi Ilmu Komputer, FMIPA
jeruk Universitas Mulawarman, Samarinda.
Tabel 2.6. Tabel Pengujian Identifikasi [4] Indriyani, Luthfi, 2015, Teknik
Tanaman Jeruk Pengolahan Citra Untuk Mengukur
Diameter Buah Jeruk Keprok
Menggunakan Aplikasi Matlab, Jurnal
Program Studi Ilmu Komputer, STMIK
Nusa Mandiri, Jakarta.
[5] Juhara, Zamrony P, 2016, Panduan
Lengkap Pemrograman Android,
Penerbit Andi, Yogyakarta.
327
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Kehadiran teknologi informasi dengan program aplikasi membantu dan berperan penting dalam
kehidupan manusia dari segala aspek kehidupan. Salah satu program aplikasi adalah sistem
pakar, yaitu sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik
penalaran dalam memecahkan masalah yang biasanya hanya bisa dipecahkan oleh seorang pakar
dalam satu ilmu pengetahuan.Salah satu implementasi sistem pakar dalam ilmu kesehatan
yaitu sistem pakar untuk diagnosa penyakit dalam. Penyakit Dalam merupakan penyakit
yang kompleks dan sering diderita oleh kebanyakan orang. Seringkali orang bingung dengan
penyakit yang diderita dan bingung harus ke dokter apa untuk berobat atau berkonsultasi.
Karena penyakit dalam sangat beragam jenis dan gejalanya, maka seorang pakar atau
dokter perlu mengkaji lebih dalam gejala yang dialami pasien untuk dapat menentukan
penyakit yang diderita.Sistem pakar sangat berguna sekali bagi masyarakat yang bukan pakar
untuk memberikan informasi dan memecahkan masalah. Program aplikasi sistem pakar semakin
berkembang seperti sistem pakar berbasis website dengan daya jangkauan memberikan sebuah
informasi yang lebih luas kepada masyarakat dan dapat digunakan oleh masyarakat di seluruh
dunia. Pada penelitian ini dirancang sistem pakar berbasis website menggunakan metode
Certainty Factor Sequential yang dimaksudkan untuk membantu masyarakat dalam
mendiagnosa penyakit dalam dan megetahui pengobatan tradisionalnya.
Kata Kunci : Sistem Pakar, Penyakit Dalam, Obat Tradisonal, Certainty Factor Sequential, Website.
328
maka seorang pakar atau dokter perlu
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
329
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 5. Tabel Aturan spectrum Penyakit penyakit dalam dan memperoleh solusi
dan Gejala dengan pengobatan tradisonal. Karena pada
umumnya konsultasi dilakukan dengan
metode tebak – tebakan bagi pasien yang
kurang mampu dan pasien yang dikategorikan
mampu akan mendatangi dokter spesialis dan
mengambil nomor antrian. Dapat dikatakan
konsultasi dilakukan secara manual. Maka
dari itu, peneliti ingin mencoba merancang
suatu aplikasi sistem pakar untuk
mendiagnosa penyakit dalam dan solusi
pengobatan tradisionalnya, sehingga pasien
dapat dengan mudah untuk melakukan
konsultasi sendiri tentang penyakit yang
diderita.
Daftar
<<include>> Relasi
<<include>>
2. ANALISA DAN PERANCANGAN Rule
<<include>>
Pakar
SISTEM <<include>>
Konsultasi
330
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
login terlebih dahulu dengan cara Gambar 2. Class Diagram Sistem Pakar
mengisi Username dan Password Penyakit Dalam
sesuai dengan ketentuan.
b. About : Berisi mengenai profil 2.2.2 Perancangan Sistem Secara Detail
pembuat program Perancangan sistem secara detail atau
c. Konsultasi : User yang akan terinci ini berfungsi untuk memberikan
melakukan konsultasi harus mengisi gambaran sistem yang akan diusulkan agar
data user. Kemudian menjawab dapat dilihat secara lebih detail berdasarkan
pertanyaan dari sistem mengenai pada gambaran sistem keseluruhan yang
gejala-gejala penyakit dalam. Sistem terdapat pada desain global.
akan memberikan hasil diagnose
penyakit yang diderita user 3. IMPLEMENTASI
berdasarkan jawaban user. 3.1 Tampilan Hasil
d. Penyakit : Setelah login, pakar Berikut ini akan dijelaskan tentang tampilan
memiliki berbagai hak akses. Salah hasil program dan pembahasan dari Sistem
satu hak aksesnya adalah Pakar Mendiagnosa Penyakit Dalam Dan
pengelolahan penyakit. Pengolahan Penyobatannya Menggunakan Obat – obat
penyakit berupa pengubahan, Tradisional. Tampilan program sistem pakar
penghapusan dan penambahan data ini dibagi menjadi 2 bagian, yaitru tampilan
penyakit. halaman user dan tampilan halaman pakar.
e. Gejala : Olah gejala berupa a. Tampilan Halaman User
pengubahan, penghapusan dan Tampilan halaman user terdiri dari :
penambahan gejala.
f. Relasi : Input relasi digunakan untuk Tampilan Menu Home
menghubungkan antara gejala dengan Tampilan Home merupakan tampilan
jenis penyakit yang telah diinputkan awal dari halaman user ketika user pertama
sebelumnya. kali memasuki aplikasi sistem pakar
g. Daftar : user harus memasukkan ini.Adapun tampilan halaman Home dapat
nama untuk dapat berkonsultasi dilihat pada gambar dibawah ini :
h. Komentar : User dapat memberikan
komentar seputar masalah penyakit
ataupun mengenai tampilan web.
Selain itu, pakar dapat mengontrol
komentar yang diberikan user.
i. Contact : user dapat bertanya
langsung dengan menggubungi
alamat yang ada di halaman contact
b. Class Diagram
Gambar 3. Tampilan Halaman Home
331
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
332
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
333
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
4.2. Saran
Berkaitan dengan adanya kekurangan
dari perancangan sistem pakar ini, maka
diajukan beberapa masukan dan saran-saran
sebagai berikut :
1. Perlunya penambahan data-data gejala
yang menentukan solusi dari sistem
mengingat setiap pasien pada masing-
334
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
335
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Peluang usaha rumahan sangat terbuka lebar guna menambah penghasilan atau sebagai usaha
sampingan. Terdapat banyak jenis usaha rumahan yang dapat di ciptakan dan dikembangkan
menjadi peluang usaha. Banyaknya jenis usaha rumahan sehingga membuat masyarakat bingung
dalam menentukan jenis usaha yang akan dikelola. Masyarakat yang memiliki modal cenderung
sulit menentukan jenis usaha yang akan dijalankan karena tidak memiliki keahlian khusus dalam
suatu bidang usaha. Disisi lain terdapat masyarakat yang memiliki keahlian namun tidak
memiliki modal yang cukup. Penelitian dilakukan di kotamadya Pematangsiantar. Tujuan
penelitian yaitu untuk membantu dan merekomendasikan jenis usaha rumahan yang tepat pada
masyarakat dalam membantu menumbuhkan perekonomian masyarakat serta menggali potensi
masyarakat dalam berwirausaha. Metode yang digunakan adalah Sistem Pendukung Keputusan
dengan menggunakan metode Visekriterijumsko Kompromisno Rangiranje (VIKOR).
Diharapkan penelitian ini memberikan kontribusi kepada masyarakat dalam merekomendasikan
jenis usaha rumahan yang tepat dengan Metode Visekriterijumsko Kompromisno Rangiranje
(VIKOR) dan memberikan manfaat dalam membantu perekonomian masyarakat.
.
Kata Kunci: Jenis Usaha Rumahan, VIKOR, SPK, Pematangsiantar
336
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
usaha yang sesuai bagi wirausaha maupun SPK dalam merekomendasikan unit terbaik di
pengusaha (Mukhlis, 2015). PDAM Tirta Lihou menggunakan metode
Dengan menggunakan alternatif, dan Promethee. Penelitian ini bertujuan untuk
kriteria yang berbeda dengan penelitian di mengembangkan sistem pendukung keputusan
atas, penelitian ini bertujuan mengembangkan dalam menentukan unit produksi terbaik di
sistem pendukung keputusan menggunakan PDAM Tirta Lihou, Kabupaten Simalungun.
metode VIKOR untuk melakukan (Sari, Windarto, Hartama, & Solikhun, 2018)
pemeringkatan usaha rumahan terbaik secara juga menggunakan SPK untuk untuk
objektif dari bebrapa alternatif. Pemeringkatan rekomendasi kelulusan sidang skripsi
ini digunakan untuk menentukan usaha menggunakan metode AHP-TOPSIS.
rumahan terbaik berdasarkan kriteria yang
ada. Diharapkan penelitian ini memberikan 2. Metode VIKOR (VIsekriterijumsko
kontribusi kepada masyarakat dalam Kompromisno Rangiranje)
merekomendasikan jenis usaha rumahan yang VIKOR (VlseKriterijumska Optimizacija I
tepat menggunakan metode Visekriterijumsko Kompromisno Resenje dalam bahasa Serbia,
Kompromisno Rangiranje (VIKOR). yang
Pada penelitian ini, akan digunakan artinya Multicriteria Optimization dan
metode VIKOR sebagai metode untuk Compromise
penentuan Solution) adalah metode perankingan dengan
usaha rumahan. Metode VIKOR dipilih menggunakan indeks peringkat multikriteria
karena kemampuannya dalam perangkingan berdasarkan ukuran tertentu dari kedekatan
dan dapat mengompromi alternatif yang ada. dengan solusi yang ideal. Metode VIKOR
Sehingga metode ini dirasa sangat tepat merupakan salah satu metode yang dapat
digunakan dalam merekomendasikan usaha dikategorisasikan dalam Multicriteria decision
rumahan. analysis (Simamora, 2017).
Konsep dasar VIKOR adalah menentukan
1.1 Tinjauan Pustaka ranking dari sampel-sampel yang ada dengan
1. Sistem Pendukung Keputusan melihat hasil dari nilai-nilai utilitas dan
(SPK) regrets dari setiap sampel. Metode VIKOR
Sistem Pendukung Keputusan (SPK)/ telah digunakan oleh beberapa peneliti dalam
Decision Support System (DSS) pertama kali MCDM, seperti dalam pemilihan vendor
diungkapkan pada awal tahun 1970-an oleh (Datta, 2010). Metode VIKOR digunakan
Michael S. Scott Morton dengan istilah karena kelebihannya dalam perangkingan
Manajement Decision Systems . Sistem ini alternatif, pemberian solusi kompromi, serta
merupakan suatu sistem yang berbasis penentuan stabilitas pemeringkatan dalam
komputer yang ditujukan untuk membantu mendukung keputusan. (Suwardika, 2018)
pengambil keputusan dalam memanfaatkan juga menggunakan metode MCDM dalam
data dan model tertentu untuk memecahkan penerapan metode VIKOR pada pengambilan
berbagai persoalan yang bersifat semi kepuatusan seleksi calon penerima beasiswa
terstruktur dan tidak terstruktur (Yuwono, bidikmisi universitas terbuk. Sistem
Kodong, & Yudha, 2001). Sistem pendukung pendukung keputusan pemilihan siswa
keputusan mempunyai 3 komponen utama berprestasi di sekolah menengah pertama
yaitu : dengan metode VIKOR dan TOPSIS
a. Subsistem manajemen data/basis (Pratama, Werdiningsih, & Puspitasari, 2017).
data. Prosedur perhitungan metode VIKOR
b. Subsistem manajemen model/basis menurut (Imanuwelita et al., 2018) mengikuti
model. tahap-tahap di bawah ini:
c. Subsistem penyelenggara dialog. 1.
Sistem pendukung keputusan tidak enghitung Normalisasi Matrik Keputusan
ditekankan untuk membuat keputusan dengan Perhitungan normalisasi matrik
sekumpulan kemampuan untuk mengolah keputusan terhadap setiap data
informasi atau data yang diperlukan dalam
proses pengambilan keputusan tetapi sistem
(1)
hanya berfungsi sebagai alat bantu manajemen
(Jamila, 2012).
Di mana merupakan
Sejumlah perusahaan, lembaga penelitian
dan perguruan tinggi mulai melakukan alternatif/lokasi ke 1,2,3, hingga ke-m,
penelitian dan membangun SPK seperti merupakan kriteria ke 1,2,3, hingga ke-n,
(Imandasari & Windarto, 2017) menggunakan adalah nilai elemen dari setiap kriteria dan fij
337
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
(12)
(8)
338
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. Pembahasan
Data yang telah terkumpul selanjutnya
diolah untuk mendapatkan faktor-faktor dalam
merekomendasikan usaha rumaha. Dalam
penelitian ini digunakan 15 alternatif dan
enam kriteria. Kriteria yang digunakan
sebagai berikut :
1. Modal
Modal yang tidak terlalu besar
memperlihatkan bahwa usaha tersebut layak
direkomendasikan. Sehingga kriteria modal
menjadi bobot penilaian tertinggi dalam
penelitian merekomendasikan usaha rumahan. Berdasarkan informasi skala konversi data
2. Lokasi Usaha actual pada Tabel 2, informasi
Lokasi usaha merupakan penentu dalam ditransformasikan ke dalam matrik keputusan
menjalankan sebuah usaha. Jika lokasi usaha pada Tabel 3. Pada Tabel 3, kriteria
strategis maka akan memberikan peluang disimbolkan dengan A,B,C,D,E, dan F.
besar terhadap usaha yang dijalankan.
3. Peluang Pasar
339
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
340
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
alternatif. Dalam menghitung nilai VIKOR alternatif ke-7 dengan nilai 1,964634,
digunakan persamaan (11) seperti yang alternatif ke-9 nilai , alternatif
terlihat pada Tabel 8. ke-8 dan ke-15.
341
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
342
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAKS
Kegiatan Penerimaan Mahasiswa Baru (PMB) rutin dilakukan di AMIK Tunas Bangsa disetiap
tahun ajaran baru. Adanya kegiatan PMB ini membutuhkan beberapa anggota untuk membantu
berlangsungnya kegiatan PMB tersebut. Salah satu syarat menjadi anggota PMB yaitu para
mahasiswa yang masih aktif perkuliahan di AMIK Tunas Bangsa Pematangsiantar baik dari
jenjang D3 maupun S1 dan dari program studi mana saja. Namun dengan adanya syarat tersebut
membuat banyak para mahasiswa yang ingin menjadi anggota PMB. Tetapi tidak lah mungkin
semua para mahasiswa menjadi anggota PMB,mengingat hanya beberapa orang anggota saja
yang diterima menjadi anggota PMB sesuai dengan kriteria yang ditentukan oleh PMB. Maka
dengan adanyapermasalahan seperti diatas, perlu dilakukan analisis pemilihan anggota PMB
dengan Sistem Pendukung Keputusan menggunakan metode SAW (Simple Additive Weighting)
agar mendapatkan anggota PMB yang layak sesuai dengan syarat dan ketentuan PMB.
343
tanggung jawab, kepercayaan diri dan
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
344
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
345
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Identik dengan :
Proses normalisasi :
= = = 0.80
= = =1
= = =1
= = = 0.80
= = =1
= = = 0.80
= = = 0.80
346
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
= = = 0.60
= = = 0.80
= = = 0.80
= = = 0.80
= = = 0.60
= = =1
= = = 0.60
= = =1
= = = 0.60
= = =1
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.80
= = =1 = = = 0.80
= = =1 = = = 0.60
= = =1 = = = 0.60
= = =1
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.60
= = =1
= = = 0.80
= = = 0.80
= = = 0.60
= = =1
= = = 0.40
= = = 0.80
= = = 0.80
347
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.80
= = = 0.40
= = = 0.80
Kemudian hasil normalisasi dibuat dalam
matriks normalisasi :
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.40
= = = 0.40
= = = 0.80
5. Langkah kelima tentukan bobot yang
akan digunakan untuk proses
= = = 0.80
perangkingan :
348
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
349
No.01 Februari 2017 ISSN: 2406-7857.
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
350
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
PT. Jaya Anugrah Sukses Abadi merupakan perusahaan retail yang membuka supermarket
Brastagi di kota Medan. Permasalahan yang dihadapi adalah data penjualan yang terus
bertambah. Selain sebagai dokumentasi, data penjulaan ini tidak dimanfaatkan. Dengan
menggunakan metode FP Growth, manajemen supermarket dapat mengekstraksi pola pembelian
barang pelanggan, sehingga manajemen dapat membuat peletakan barang yang lebih baik dan
teratur. Proses yang dilakukan adalah algoritma membentuk pohon FP Tree dari kumpulan
transaksi penjualan. Kemudian, conditional FP-Tree dibentuk dan frequent itemset diekstraksi.
Setelah itu, aturan asosiatif dibentuk dari frequent itemset, dan nilai support serta confidence
dihitung untuk setiap aturan. Dari hasil pengujian terhadap 3210 bon transaksi penjualan dan
28737 jenis barang yang terjual, diperoleh aturan asosiatif dengan nilai tertinggi untuk
kombinasi 2 barang adalah ―Jika beli BUNGA KOL, maka beli BROCOLLI LOCAL‖ dengan
support = 0.81% dan confidence = 66.67%. Untuk kombinasi 3 barang, ―Jika beli BROCOLLI
LOCAL dan BAWANG MERAH, maka beli CABE MERAH‖, dengan support = 0.53% dan
confidence = 94.44%.
351
informasi yang berharga, seperti mengenali
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
352
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Tabel 3.3. Hasil Analisis Pola Pembelian Saat aplikasi dijalankan, form utama akan
untuk 2- itemset muncul. Pada bagian atas form, terdapat
toolbar yang berisi
tombol-tombol untuk menampilkan form
Barang, form Penjualan, form Analisis, form
Laporan Pola Pembelian dan form About,
seperti terlihat pada gambar 1
353
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
354
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
PUSTAKA
355
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
356
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Email: wynaherdiana@yahoo.co.id
ABSTRAKS
Desain furnitur disetiap negara memiliki keunikan yang berbeda antara satu dengan yang lain.
Beberapa produsen furnitur khususnya produsen furnitur rotan membuat produk sesuai dengan
keinginan dan pesanan dari customer. Mereka tidak memiliki produk khas perusahaan mereka
sendiri. Semua produk dibuat berdasarkan desain yang diberikan oleh customer-nya. Namun
desain tersebut masih menggunakan material yang cukup banyak. Terlalu banyak konstruksi
yang digunakan padahal sebenarnya dengan sedikit material furnitur tersebut sudah kuat.
Pemborosan material rotan yang seharusnya dapat diminimalisir dan desain yang tidak update
menyebabkan perkembangan industri rotan di Indonesia kurang diminati oleh importir. Peneliti
dan Ubaya bekerjasama dengan Prof Jan Armgardt dan Auwi Stubbe dari Jerman mendampingi
beberapa produsen rotan furnitur di Surabaya melakukan coaching desain furnitur rotan yang
nyaman, hemat material dan disukai pasar Eropa. Penelitian ini menggunakan metode
eksperimen beberapa material rotan baik dalam hal pengolahan, sambungan dan finishing nya.
Hasil penelitian ini berupa kursi rotan dengan inovasi desain hemat material, tidak banyak
menggunakan sambungan dan penguat struktur berlebihan dengan gaya desain satu tarikan garis
yang disukai oleh pangsa Eropa.
357
berbahan rotan di Indonesia.
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
1.2.1 Brainstorming
Fokus yang dilakukan adalah perancangan
furnitur untuk pangsa pasar Eropa. Sebelum
Gambar 3. Analisa furnitur rotan di
melakukan perancangan dilakukan dahulu
Indonesia yang memiliki banyak
brainstorming terkait desain yang diminati
sambungan dan konstruksi (Dokumentasi
oleh masyarakat Eropa, baik dari struktur,
Penulis)
sambungan, bentuk maupun finishing pada
furnitur
1. Melakukan pengukuran dan
Tahan pertama yang dilakukan adalah
Coaching Design kesesuaian Antropometri tubuh orang
Eropa.
2. Sambungan dan konstruksi yang
tidak diperlukan dihilangkan,
penggunaan material seminimal
mungkin tetapi konstruksi kuat dan
tidak goyang (kokoh).
3. Mempelajari karakter rotan Indonesia
4. Membuat sketsa desain dari data
eksisting produk Eropa yang terkenal
dan laris di pasaran
358
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
359
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
360
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. KESIMPULAN
Pemilihan material, dimensi, dan proses
pembuatan yang harus diperhatikan, sehingga
dapat menjadi pertimbangan pada aspek biaya
produksi yang dapat memaksimalkan
keuntungan perusahaan namun harus tetap
menarik perhatian pembeli.
Selera masyarakat Eropa adalah bentuk
Classic yang memiliki satu tarikan garis luwes
secara keseluruhan bentuk dan finishing
maupun pewarnaan material asli rotan harus
diutamakan. Kulit rotan tidak perlu
dihilangkan agar terlihat lebih natural. Dengan
adanya penelitian ini diharapkan produsen
rotan di Indonesia biasa lebih produktif untuk
meningkatkan kembali ekspor rotan
khususnya produk furnitur yang saat ini mulai
melemah.
361
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
ABSTRAK
Penerapan sistem yang berjalan di perusahaan kurang efisien dalam memberikan informasi
apakah customer yang bersangkutan layak diberikan kredit atau tidak. Untuk mengetahui
informasi tersebut, maka staf accounting perusahaan harus melakukan pengecekan terhadap data
transaksi piutang sebelumnya, sehingga akan memakan waktu yang lama dan tidak efisien. Pada
penelitian ini penulis menggunakan empat kriteria dalam penyeleksian pemberian kredit kepada
customer dengan menggunakan metode AHP dan Promethee. Empat kriteria tersebut yaitu
omset penjualan, masa bayar, legalitas dan kredibilitas. Dalam hal ini penulis melakukan
pengujian terhadap lima customer yang mana customer pertama menghasilkan nilai -0.02452,
customer kedua menghasilkan nilai -0.63748, customer ketiga 0.091447, customer keempat
menghasilkan nilai 0.429167, customer kelima menghasilkan 0.15808. Hasil yang di dapat dari
penelitian ini yaitu urutan pertama adalah customer keempat, urutan kedua cutomer kelima,
urutan ketiga customer ketiga, urutan keempat customer pertama, dan urutan kelima customer
kedua. Kesimpulannya adalah hasil pemeringkatan dari kombinasi AHP dan Promethee terbukti
lebih baik daripada hasil peningkatan dengan satu metode saja. Hal ini dikarenakan kelebihan
dari masing-masing metode digunakan.
Kata Kunci : metode AHP, Promethee, pemberian kredit, sistem pendukung keputusan,
kriteria
362
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
berbagai alternatif. Pengertian ini mencakup b. Membagi setiap nilai dari kolom
baik pembuatan pilihan maupun pemecahan dengan total kolom yang bersangkutan
masalah. untuk memperoleh normalisasi matriks.
c. Menjumlahkan nilai-nilai dari setiap
2.3 Sistem Pendukung Keputusan baris dan membaginya dengan jumlah
Sistem pendukung keputusan pertama elemen untuk mendapatkan nilai rata-
kali dikenalkan pada awal tahun 1970-an oleh
Michael S. Scott dengan istilah Management rata.
Decision System yang merupakan suatu sistem 4. Mengukur Konsistensi
berbasis komputer yang membantu Dalam pembuatan keputusan penting
pengambilan keputusan dengan memanfaatkan untuk mengetahui seberapa baik
data dan model-model untuk menyelesaikan konsistensi yang ada karena kita tidak
masalah-masalah yang tidak terstruktur menginginkan keputusan berdasarkan
(Asmara, 2013). pertimbangan dengan konsistensi yang
rendah. Hal-hal yang dilakukan dalam
2.4 Metode AHP langkah ini adalah:
Analytical Hierarchy Proces yang a. Kalikan setiap nilai pada kolom
dikembangkan awal tahun 1970-an oleh pertama dengan prioritas relatif elemen
Thomas L. Saaty, seorang ahli matematika pertama, nilai pada kolom kedua
dari Universitas Pittsburg. AHP didesain
dengan prioritas relatif elemen kedua,
untuk dapat memecahkan masalah yang
kompleks dimana aspek atau kriteria yang dan seterusnya.
diambil cukup banyak. Juga kompleksitas ini b. Jumlahkan setiap baris
disebabkan oleh struktur masalah yang belum c. Hasil dari penjumlahan baris dibagi
jelas, ketidakpastian tersediannya data statistik dengan elemen prioritas relatif yang
akurat bahkan tidak ada sama sekali. AHP bersangkutan.
digunakan dengan tujuan untuk menyusun d. Jumlahkan hasil bagi diatas dengan
prioritas dari berbagai alternatif dalam
banyaknya elemen yang ada,hasilnya
kelompok-kelompok tersebut yang diatur
menjadi suatu bentuk hirarki (Suryadi & disebut λ maks.
Ramdhani, 2000). 5. Menghitung Consistency Index (CI)
Metode AHP dapat digunakan untuk dengan rumus:
membantu pengambilan keputusan dengan CI = (λ maks-n)/n
cara sebagai berikut: Dimana n= banyaknya elemen
1. Mendefinisikan masalah dan 6. Menghitung Rasio Konsistensi/
menentukan solusi yang diinginkan, lalu Consistency Rasio (CR) dengan rumus:
membuat struktur hirarki dari CR = CI/RC
permasalahan yang dihadapi. Dimana CR = Consistency Rasio
Penyusunan hirarki adalah dengan CI = Consistency Index
menetapkan tujuan yang merupakan IR = Index Random Consistency
sasaran sistem secara keseluruhan. 7. Memeriksa konsistensi hirarki
2. Menentukan prioritas elemen. Jika nilainya lebih dari 10%, maka
Langkah pertama adalah membuat matriks penilaian data judgement harus diperbaiki,
perbandingan berpasangan, yaitu dengan namun jika rasio konsistensi (CI/IR)
membandingkan elemen secara kurang atau sama dengan 0,1 maka hasil
berpasangan sesuai kriteria yang perhitungan bias dinyatakan benar.
digunakan. Matriks perbandingan
berpasangan diisi dengan menggunakan 2.5 Metode Promethee
bilangan untuk merepresentasikan Promethee adalah salah satu dari
kepentingan relatif dari suatu elemen beberapa metode yang termasuk MCDM yang
terhadap elemen lainnya. berarti penentuan urutan atau prioritas dalam
3. Sintesis analisis multikriteria
Hal-hal yang dilakukan dalam langkah ini Dalam fase pertama, nilai hubungan
adalah: outranking berdasarkan pertimbangan
a. Menjumlahkan nilai-nilai dari setiap dominasi masing-masing kriteria. Indeks
preferensi ditentukan dan nilai outranking
kolom pada matriks.
secara grafis disajikan berdasarkan preferensi
dari pembuat keputusan.
363
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
364
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
3. Metode Penelitian
3.1 Use Case Diagram
Use case diagram dari sistem usulan
dapat dilihat pada gambar dibawah
365
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
366
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
9. Apabila pemakai ingin menampilkan detail 3. Hasil pemeringkatan dari kombinasi AHP
perhitungan dari metode AHP dan dan Promethee terbukti lebih baik daripada
Promethee, maka dapat mengklik check hasil peningkatan dari metode AHP atau
Promethee saja. Hal ini dikarenakan
367
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
368
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
Program Studi Teknik Elektronika, Jurusan Teknik Elektronika, Politeknik Negeri Cilacap Jl. Dr.
Soetomo No.1 Sidakaya, Cilacap Selatan, Cilacap, Jawa Tengah 53212 Telp. (0282) 533399
arifainurrafiq@gmail.com
ABSTRAKS
Rumah adalah salah satu aset berharga yang sering ditinggal pergi oleh masyarakat yang memiliki
mobilitas yang tinggi seperti saat ini. Agar lebih memudahkan dalam pengawasan dan pengontrolan
rumah diperlukan suatu sistem yang dapat terhubung langsung dengan ponsel yang selalu dibawa oleh
pemilik rumah. Dengan menerapkan sistem ini rumah dapat secara otomatis menghidupkan atau
mematikan lampu dan kipas sesuai dengan sensor LDR dan LM35. Pemilik rumahpun dapat
melakukan pengawasan dan pengontrolan rumahnya dengan mengirimkan sms ke perangkat yang
kemudian akan mendapatkan balasan pesan mengenai kondisi rumah dari SIM800L yang ada pada
sistem, dengan cara yang sama pemilik rumah mengontrol selenoid yang digunakan untuk kunci
rumah, dan untuk sistem pengawasan terdapat sensor PIR yang akan mengirimkan pesan apabila
mendeteksi gerakan apabila kunci rumah aktif. Kegiatan ini bertujuan untuk mempermudah para
pemilik rumah yang memiliki mobilitas yang tinggi sehingga dapat mengontrol dan mengawasi
rumahnya dari jarak jauh dan dapat mengefisiensikan pemakaian energi. Pada hasil percobaan sensor
PIR dapat mendeteksi gerakan, kipas dan lampu dapat menyala secara otomatis sesuai dengan sensor
LM35 dan LDR, dan SIM800L dapat mengirim pesan ke pemilik rumah.
Kata Kunci : Sensor passive infra-red, sensor LM 35, Selenoid, Modul SIM 800L, Arduino
369
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
370
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
371
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
372
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
4. KESIMPULAN
Sebagai penutup pembahasan dalam
artikel ini telah diambil kesimpulan untuk
memperbaiki pada artikel berikutnya.
Adapun kesimpulan yang dapat diperoleh
adalah sebagai berikut :
1. Sistem dapat bekerja dengan baik
ditandai dengan mampunya sensor untuk
mendeteksi objek, kemudian SMS akan
dikirimkan sebagai notifikasi. Hal ini
sebagai indicator bahwa sistem rumah
cerdas dapat berfungsi.
Gambar 2.6 Pesan yang dikirimkan 2. Sinyal dari provider yang digunakan
SIM800L menentukan lama atau cepatnya SMS
terkirim.
Gambar 2.6 menunjukan pesan yang
dikirimkan SIM800L. Awalnya SIM800L PUSTAKA
memeriksa kesiapan sistem untuk bekerja, [1] Kamus Z., dan Pratama, R. 2013.
setelah sistem siap SIM800L akan Aplikasi Light Dependent Resistor
mengirimkan pesan berisi “System Ready Untuk Pengembangan Sistem
To Use”. Pengukuran Durasi Harian
Penyinaran Matahari. Prosiding
SEMIRATA 2013, 1(1).
373
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
374