Disusun Oleh :
Kelompok I
1. Nur Aliza 2026201022
2. Sry Naldi Fitri 2026201013
3. Ilman Ahadi 2026201023
4. Mohd Asrul Baroqah 2026201020
5. Riki Wahyudi 2026201002
Jurnal Artikel
Artkel Info - : Received : 2 Aug 2020; Revised : 28 Aug 2020 ; Accepted: 31 Aug 2020
Abstrak
AKinematika dan dinamika mesin melibatkan desain mesin atas dasar kebutuhan gerak mereka. Kombinasi
bagian yang saling berhubungan memiliki gerakan yang pasti dan mampu melakukan pekerjaan yang
berguna dapat disebut mesin. Mekanisme adalah komponen dari mesin yang terdiri dari dua atau lebih
badan diatur sedemikian rupa sehingga gerakan satu memaksa gerakan yang lain. Desain kereta listrik
otomotif (sejenis mesin) sangat ditentukan oleh beberapa mekanisme, termasuk hubungan slider-engkol,
cam dan follower hubungan, dan kereta gigi. Banyak mekanisme yang melibatkan gerak planar, gerak dalam
satu pesawat atau di aset bidang sejajar. Kasus yang lebih umum, gerak spasial, berlaku untuk mekanisme di
mana gerakan harus dijelaskan dalam tiga dimensi. Analisis kinematika dilakukan di bawah grafis pada
umumnya, seperti metode poligon yang menangkap mekanisme dalam satu saat. Cara alternatif lain untuk
masalah ini adalah melibatkan metode matematika. Solusi ini memberikan cara yang akurat dan tercepat
karena didukung oleh teknologi komputer. Tujuan dari proyek ini adalah untuk menentukan rumus untuk
posisi, kecepatan, dan pernyataan percepatan mesin gergaji dengan menggunakan Mathlab.
Kata kunci: mekanisme, gerak (posisi, kecepatan dan percepatan), metode poligon
Abstract
Kinematics and dynamics of machinery involve the design of machines on the basis of their motion
requirements. A combination of interrelated parts having definite motions and capable of performing
useful work may be called a machine. A mechanism is a component of a machine consisting of two or
more bodies arranged so that the motion of one compels the motion of the others. The design of an
automotive power train (a type of machine) is concerned with several mechanism, including slider-crank
linkages, cam and follower linkages, and gear trains. Many mechanisms undergo planar motion, motion in
a single plane or in asset of parallel planes. The more general case, spatial motion, applies to mechanism
in which the motion must be described in three dimensions. Kinematics analysis is done under graphically
in general, such as polygon method which capture the mechanism in one moment. Another way to
alternate this problem is involve any mathematical method. This solution gave the accurate and fastest
way because supported by computer technology. The aim of this project is to determine the formula for
position, velocity, and acceleration statement of the sawing machine by using Mathlab.
134
Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139
135
Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139
3. METODE PENELITIAN
Batang engkol
3.1 Analisis Kinematik Mekanisme
Mesin Gergaji Dengan Bilangan
Kompleks Gambar 3.2 Bagian Utama Mekanisme Mesin
Gergaji
Mesin gergaji pada umumnya digerakkan C
VC , AC
136
Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139
%Analisis posisi
137
Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139
-0.2
Efek inersia yang relatif besar sering
-0.4
menjadi kendala dalam pengoperasian
-0.6
mekanisme, sebagai akibatnya bantalan
-0.8
akan menerima beban yang cukup besar.
-1
Permasalahan ini dapat diatasi dengan
-250 -200 -150 -100
real
-50 0 50
membuat mekanisme yang relatif ringan.
Gambar 4.1 Posisi lintasan titik C Namun adanya batang yang lebih ramping
meninbulkan efek fleksibilitas yang dapat
7
percepatanC versus theta2
3
x 10
menyebabkan ketidakstabilan parametrik.
Efek ini bisa mengakibatkan
2
meningkatnya level getaran bahkan pada
1
operasi frekuensi rendah sekalipun.
percepatan C (m/s2)
160
dengan gaya tekan.
155
150 5. KESIMPULAN
145
138
Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139
139
76
1,2,3
Fakultas Teknik Elektro, Universitas Telkom
1
dwi.sasmita@hotmail.com, 2swkknk@telkomuniversity.ac.id, 3ekkikurniawan@telkomuniversity.ac.id
Abstrak
Teknik pengontrolan motor induksi tiga fasa yang digunakan pada penelitian ini adalah kontrol tegangan
dan frekuensi (Volt/Hertz). Metode kontrol tersebut, mampu menjaga besarnya fluks dan nilai torsi
maksimum agar tetap konstan. Metode Modulasi Ruang Vektor (Space Vector Modulation) ditanamkan
pada mikrokontroler STM32F100 untuk pembangkitan pulsa PWM inverter sesuai dengan urutan
pensakelaran inverter tiga fasa sumber tegangan (VSI). Lebar pulsa dari tiap pulsa PWM ditentukan oleh
pengaturan variabel waktu dalam SVM. Kontrol sistem dilakukan secara loop terbuka dengan mengubah-
ubah nilai set point kecepatan yaitu mengatur nilai frekuensi yang secara bersamaan mengatur nilai
tegangan sesuai nilai indeks modulasi. Penggunaan kontrol skalar (Volt/Hertz) mampu menahan lonjakan
arus mula motor saat motor mulai dijalankan secara langsung, yaitu besarnya arus mula motor sebesar
3,12 A dapat ditekan menjadi ≈ 2,9 A. Nilai rata-rata error pengukuran pada pengujian kecepatan motor
sesuai dengan nilai faktor slip yaitu sebesar 6%. Nilai kecepatan motor yang dihasilkan memiliki hubungan
linier dengan nilai frekuensi yang diberikan. Semakin kecil nilai tegangan keluaran inverter, maka semakin
besar nilai THD dan semakin besar harmonisa yang dihasilkan oleh motor yang menyebabkan motor tidak
dapat bekerja secara optimal. Implementasi dari sistem kontrol memberikan rata-rata nilai error 1,935%.
Abstract
Control method of three-phase induction motor, which is used in this paper, is control of voltage and
frequency (Volts/Hertz). The control method is able to maintain the amount of flux and maximum torque
to remain constant. Space Vector Modulation is implemented on STM32F100 microcontroller to generate
PWM inverter in accordance with the switching sequence of the three-phase voltage source inverter (VSI).
Pulse width of each PWM is determined by setting a time variable in SVM. Control system is performed
with open-loop system by varying the set point of speed, set the frequency and the voltage value appropriate
with the modulation index. Scalar control (Volt/Hertz) is able to withstand inrush current when the motor
first running directly and the motor initial current of 3.12 A can be reduced to ≈ 2.9 A. The average value
of the measurement error in testing the motor speed according to the slip factor is equal to 6%. The motor
speed is linear with a given frequency. The smaller the inverter output voltage, the greater the THD value
and the greater the harmonics generated by the motor, causes the motor unable to work optimally.
Implementation of control system gives an average error value of 1.935%.
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]
77
Pengaturan nilai parameter masukan kontrol Jika frekuensi dikurangi, maka β berkurang dan
skalar, yaitu nilai frekuensi dan tegangan keluaran, slip untuk torsi maksimum meningkat. Untuk torsi
dilakukan di dalam inverter. Pengaturan tersebut beban yang diberikan, kontrol kecepatan dapat
dilakukan dengan mengatur nilai tegangan masukan dilakukan berdasarkan persamaan (2) dengan
inverter yang konstan dan mengatur lebar pulsa untuk mengubah frekuensinya. Sehingga dengan
buka tutup gerbang tiap transistor IGBT dalam mengubah-ubah nilai tegangan dan frekuensi, torsi
inverter. dan kecepatan dapat dikontrol. Torsi dapat diatur
Pembangkitan pulsa PWM dilakukan dengan konstan untuk kecepatan berubah-ubah. Tegangan
menggunakan algoritma Space Vector Modulation pada nilai frekuensi variabel dapat diperoleh pada
(SVM). Penggunaan algoritma tersebut memungkin- inverter tiga fasa atau cycloconverter [3]. Bentuk
kan untuk mengatur nilai frekuensi dan nilai kurva karakteristik torsi-kecepatan ditunjukkan pada
amplitudo tegangan referensi. Algoritma SVM Gambar 1.
mampu mengurangi harmonik sinyal keluaran yang
tidak dapat dilakukan oleh filter. 2.2. Modulasi Vektor Ruang
Pada penelitian ini, digunakan motor induksi
tiga fasa yang dioperasikan dengan inverter sumber Modulasi Ruang vektor atau Space Vector
catuan satu fasa, sehingga lebih fleksibel dan praktis Modulation (SVM) digunakan untuk mengontrol
untuk digunakan dimanapun. tegangan keluaran quasi/square pada inverter tiga
fasa berdasarkan enam kombinasi kemungkinan
2. Landasan Teori keadaan yang menghasilkan enam vektor tegangan
aktif dan dua vektor tegangan nol yang
2.1. Kontrol Tegangan Stator dan Frekuensi mempresentasikan tegangan keluaran space vector.
Dalam pencatuan tegangan DC, modulasi ruang
Jika perbandingan tegangan terhadap frekuensi vektor menghasilkan efisiensi yang lebih baik
dijaga agar tetap konstan, fluks juga akan tetap dibandingkan dengan teknik modulasi lainnya [3].
konstan. Besarnya torsi maksimum yang tidak Nilai space vector ditunjukkan pada Gambar 2.
bergantung pada nilai frekuensi, dapat diatur agar Seperti pada Gambar 3, pada modulasi ruang vektor,
konstan. Akan tetapi, pada frekuensi tinggi, fluks terdapat enam sektor yaitu V1(100), V2(110), V3(010),
celah udara berkurang menjadi rendah pada V4(011), V5(001), V6(101), serta dua buah vektor nol
impedansi stator dan tegangan menjadi meningkat V7(111) dan V0(000).
untuk mengatur level torsinya [3]. Kontrol tegangan
dan frekuensi tersebut juga disebut sebagai kontrol
Volt/Hertz. Jika ωs = βωb dan perbandingan tegangan
terhadap frekuensi konstan, maka:
Va
d (1)
s Gambar 1. Karakteristik Torsi-Kecepatan
dengan Kontrol Volt/Hertz
dengan rasio d dapat didefinisikan dari tegangan Vs
dan kecepatan dasar ωb, sebagai:
Vs
d (2)
b
Rr
sm 1
(3)
2 2 2 2
Rs Xs Xr
Gambar 3. Kemungkinan Pensakelaran
pada Inverter Tiga Fasa
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
78
Untuk mengurangi harmonik pada sinyal di mana fs adalah frekuensi pencuplikan (sampling), θ
keluaran, maka urutan ruang keadaan harus adalah sudut antara Vr dan Vn, m adalah jumlah
menghasilkan quarter-wave yang simetris pada sampling, am adalah nomor sampling, n adalah nomor
tegangan beban keluaran. Selain itu, untuk sektor, dan M adalah nilai indeks modulasi, 0 ≤ M ≤
mengurangi frekuensi pensakelaran, yaitu banyaknya 1.
pensakelaran dalam satu siklus, maka dalam
urutannya, pensakelaran hanya terjadi pada satu 3. Perancangan dan Implementasi Sistem
pasangan transistor saja dalam satu transisi dari satu
keadaan ke keadaan lainya. Sehingga urutan 3.1. Perancangan Perangkat Keras
pensakelaran yang memungkinkan adalah Vz, Vn,
Vn+1, dan Vz. Dengan Vz adalah pilihan alternatif Pada piranti keras terdapat tiga blok yang
antara V0 dan V7 [3]. membentuk sistem kontrol. Blok pertama merupakan
Parameter-parameter yang diperlukan untuk blok kontroler yang terdapat dalam mikrokontroler
menghasilkan keluaran inverter sinyal PWM adalah STM32F100 pada STM32 Value Line Discovery [8].
Ta, Tb, T0. Vektor referensi dapat dinyatakan dalam Sedangkan blok kedua merupakan blok inverter
dua buah vektor V1, V2, dan vektor nol (V0 atau V7) dengan sinyal masukan PWM. Blok ketiga
dalam artian V1 aktif dalam waktu T1 dan V2 aktif merupakan blok sensor untuk mengukur besarnya
dalam waktu T2 dan V0 atau V7 aktif dalam waktu Tz. tegangan sumber Vs, suhu heatsink dari inverter dan
Dalam frekuensi pensakelaran yang tinggi, vektor kecepatan putaran motor induksi. Blok diagram dari
referensi Vr dapat diasumsikan konstan selama satu sistem kontrol motor induksi ditunjukkan pada
periode pensakelaran [3]. Karena V1 dan V2 konstan Gambar 5.
serta Vz = 0, maka vektor referensi dalam ruang Blok kontroler memiliki fungsi sebagai pusat
keadaan dapat dituliskan sebagai: pengendalian dari keseluruhan sistem, baik untuk
pembangkitan sinyal PWM, pembacaan data sensor,
Vr Ts V1 T1 V2 T2 Vz Tz (4) maupun komunikasi serial dengan komputer untuk
kontrol sistem atau pengamatan data.
Vektor diagram dari persamaan tersebut disajikan pada Pada blok inverter tiga fasa, digunakan board
Gambar 4. STEVAL-IHM027V1 [9] yang dapat mengontrol
Jika persamaan (4) dinyatakan dalam koordinat motor AC tiga fasa 1 kW. STEVAL-IHM027V1
ruang keadaan (Gambar 2), maka: terdiri dari blok catu daya (rectifier), blok kontrol
sebagai pin masukan, dan blok daya inverter. Blok-
blok tersebut terhubung dengan konektor yang
cos 2 cos 0
TsVref T1 Vdc terdapat pada board yang berfungsi sebagai masukan
sin 3 sin 0 atau keluaran sistem.
cos (5)
2 3
T2 Vdc Tz 0
3
sin
3
n
T1 Ts M sin (6)
3
Gambar 4. Penetuan Waktu Keadaan
n 1 (7)
T2 Ts M sin
3
T0 Ts T1 T2 (8)
dengan:
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]
79
Pada blok sensor terdapat rangkaian Berdasarkan nilai tegangan tersebut, maka nilai
pengkondisi sinyal untuk pengukuran besarnya indeks modulasi menjadi:
tegangan bus suhu heatsink inverter, dan pengolahan
data sensor untuk pengukuran kecepatan Va 220 f 50 f
menggunakan encoder. Pengukuran kecepatan M
Vs 220 50
dilakukan dengan menggunakan sensor Rotary
Encoder Autonics E40S6-360-3-T-24. Penghitungan
kecepatan dilakukan di dalam mikrokontroler Masukan nilai kecepatan kemudian diubah ke
ATMega8. Hasil perhitungan tersebut, dikirimkan dalam bentuk nilai frekuensi dan indeks modulasi
langsung ke komputer untuk ditampilkan pada GUI. melalui suatu persamaan. Persamaan tersebut
Pemasangan sensor encoder dilakukan dengan cara didapatkan dari grafik perbandingan nilai frekuensi
mengkopel shaft encoder dengan shaft motor. dan indeks modulasi terhadap kecepatan. Diagram
Sehingga saat motor berputar, maka encoder juga ikut alir dari kontrol skalar ditunjukkan oleh Gambar 9.
berputar.
2 2 50
100
2 Inisialisasi Timer,
Variabel dan
Penentuan
Ta, Tb, T0
Konstanta
220
Kecepatan = 1 Kecepatan
Vs
d 0, 7 Ya
b 100 3 2
Sektor = 1
Kontrol Volt/Hertz Sektor <6 Tidak
Flag_IT_TIM = 0
Besarnya nilai tegangan keluaran inverter ditentukan
berdasarkan dari persamaan (1), yaitu: Ya
Nilai
SVPWM
Frekuensi &
Indeks
220 2 2 f
Sektor ++
220 f modulasi
Va d s
100 2 50
Jumlah sampling 2
dan waktu sampling
pembangkitan sinyal PWM pada inverter. Gambar 9. Diagram Alir Program Utama
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
80
Algoritma:
Perhitungan jumlah sampling tiap sektor :
Tin = 1/fin;
sampling= (Tin/Ts)*(1/6);
Σsampling=6*sampling;
(c)
while (k<=6)
{ while (l<=sampling)
Gambar 11. Sinyal PWM High dan Low Tiap {
Fasa pada Frekuensi 50 Hz: (a) untuk Fasa A, (b) z=(k-1)*sampling+l;
θ[z]=2*π*z/Σsampling;
untuk Fasa B, dan (c) untuk Fasa C T1[z]=Ts*M*sin((k* π/3)- θ[z]);
T2[z]=Ts*M*sin(θ[z]-((k-1)* π/3));
T0[z]=(Ts-T1[z]-T2[z]);
Sinyal pulsa PWM untuk sakelar high dan low l++;
saling berpasangan dan berkebalikan (inverted) yang } k++;l=1;
diatur mengaktifkan Output State dan Output N State } k=1;l=1;
Akhir algortima
pada program. Selain itu, diperlukan waktu jeda
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]
81
Tabel 1. Nilai Tegangan Keluaran Fasa ke Fasa menjadi VF-F = VL. Semakin besar nilai frekuensi dan
Frekuensi Indeks Tegangan Fasa-Fasa (Vac) VF-F
nilai indeks modulasi, maka juga semakin besar nilai
(Hz) Modulasi A-B B-C A-C (Vac) tegangan yang dihasilkan dan begitu juga sebaliknya.
10 0,2 59,02 58,20 58,71 58,64 Seperti yang ditunjukkan pada Tabel 2, dapat
15 0,3 84,9 84,6 84,7 84,73
20 0,4 107,1 106,9 107,4 107,13 diketahui bahwa nilai arus motor pada tiap fasa
25 0,5 127,1 126,2 126,3 126,53 menunjukkan hubungan yang linier dengan frekuensi
30 0,6 145,1 143,7 144,4 144,40 dan indeks modulasi. Selain itu, perubahan nilai arus
35 0,7 160,3 159,3 160,4 160
40 0,8 176,0 174,6 175,2 175,27 juga sangat kecil. Hal tersebut, menunjukkan bahwa
45 0,9 190,2 188,5 189 189,23 pada saat motor mulai berjalan (starting) dan setelah
50 1 205,4 203,2 204,2 204,27 motor berjalan (running), tidak terjadi lonjakan arus
yang besar. Perubahan nilai arus yang kecil tersebut
Tabel 2. Nilai Arus Keluaran Tiap Fasa dapat dilihat seperti yang ditunjukkan oleh grafik
pada Kontrol Skalar nilai arus terhadap nilai frekuensi pada Gambar 13.
Frekuensi Indeks Arus Tiap Fasa (A)
IF (A) Besarnya arus mula (start) motor saat dijalankan
(Hz) Modulasi A B C
10 0,2 2,874 2,868 2,888 2,877
secara langsung tanpa menggunakan starter motor,
15 0,3 2,897 2,905 2,905 2,902 maka arus mulanya akan menjadi 6 kali arus
20 0,4 2,898 2,911 2,909 2,906 nominalnya. Berdasarkan parameter yang terdapat
25 0,5 2,903 2,914 2,912 2,910
30 0,6 2,900 2,917 2,914 2,910
pada motor, daya keluaran yang dihasilkan motor
35 0,7 2,897 2,918 2,915 2,910 adalah 0,180 kW (0,25 HP) dengan faktor daya (cos
40 0,8 2,895 2,921 2,918 2,912 φ = 0,78). Pada motor dengan susunan kumparan
45 0,9 2,895 2,927 2,923 2,915
50 1 2,895 2,933 2,927 2,919
delta (segitiga), maka tegangan motor adalah 220 V
dan arus motor adalah 0,90 A. Dari data tersebut,
besarnya daya masukan motor yaitu:
300
Arus IL 0,9
I nm IF 0,52 A (11)
3 3
Gambar 13. Arus Fasa Terhadap Frekuensi
Besarnya arus mula motor saat motor dijalankan
4. Pengujian Sistem dan Analisis secara langsung adalah:
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
82
2
h=
Vh
THD % = 100%
h>1 V1
2 2
6, 2 5, 2
THD % 100% 89,91%
9 9
(b) 2 2
6 5
THD % 100% 66,19%
11,8 11,8
2 2
4 3
THD % 100% 33,33%
15 15
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]
83
Nilai tegangan yang kecil menyebabkan motor tidak dengan nilai 5 merupakan faktor pengali nilai
dapat bekerja secara optimal. Harmonisa yang frekuensi x. Dan, untuk menghitung nilai indeks
dihasilkan menyebabkan pemanasan tambahan pada modulasi dapat menggunakan:
motor. Nilai THD juga menunjukkan seberapa baik
kualitas PWM yang dihasilkan. PWM dengan y 52
kualitas baik, dicapai dengan nilai THD yang rendah x 0,1
269, 4
(mendekati 0%).
Pengujian sistem dilakukan pada variasi nilai set
Dengan nilai 0,1 merupakan faktor pengali nilai
point kecepatan. Nilai tersebut diubah ke dalam nilai
indeks modulasi x. Variabel y merupakan nilai set
frekuensi dan nilai indeks modulasi untuk diterapkan
point kecepatan dan x merupakan nilai yang
pada perhitungan algoritma. Nilai kecepatan yang
diinginkan. Perhitungan tersebut ditujukan untuk
dihasilkan terhadap nilai set point kecepatan,
mendapatkan nilai kecepatan yang sama antara
ditunjukkan pada Tabel 3.
kecepatan aktual motor dengan set point kecepatan
Berdasarkan hasil pengukuran kecepatan motor
tanpa memperhitungkan faktor slip motor. Sehingga,
yang ditunjukkan oleh Tabel 3, dapat diketahui
penentuan nilai frekuensi dan indeks modulasi
bahwa rata-rata nilai error yang dihasilkan dari
dengan pendekatan pada persamaan tersebut, dapat
implementasi sistem kontrol terbuka ini adalah
berfungsi dengan baik, yang ditunjukkan oleh rata-
1,935%. Rata-rata nilai error yang kecil tersebut
rata nilai error yang kecil, yaitu sebesar 1,935%.
menunjukkan bahwa sistem kontrol yang
diimplementasikan dapat berjalan dan berfungsi 5. Penutup
dengan baik. Nilai frekuensi dan nilai indeks
modulasi yang diberikan pada sistem berdasarkan 5.1. Kesimpulan
nilai set point kecepatan, ditunjukkan oleh Tabel 4. Dari hasil pengujian dan analisis yang telah
Nilai frekuensi dan nilai indeks modulasi dilakukan, dapat diambil kesimpulan sebagai berikut:
didapatkan dari persamaan yang dihasilkan dari a. Besarnya tegangan keluaran memiliki hubungan
grafik frekuensi dan indeks modulasi terhadap yang linier dengan besarnya indeks modulasi.
kecepatan, yang ditunjukkan oleh grafik pada Sedangkan kecepatan motor yang dihasilkan
Gambar 16 dengan persamaan yang dihasilkan oleh sebanding dengan nilai frekuensi yang diberikan.
grafik adalah y = 269,4x + 52. Sehingga untuk b. Kontrol skalar Volt/Hertz mampu menahan
mendapatkan nilai frekuensi dapat menggunakan: lonjakan arus mula motor saat motor mulai
dijalankan secara langsung yaitu arus mula motor
y 52 sebesar 3,12 A dapat ditekan menjadi ≈ 2,9 A.
x 5
269, 4 c. Nilai rata-rata error pada pengujian kecepatan
motor sesuai dengan faktor slip yaitu sebesar 6%.
Nilai error pengukuran yang berbeda-beda pada
Frekuensi vs. Kecepatan tiap frekuensi, juga dipengaruhi oleh tegangan
y = 269.4x + 52
masukan inverter yang belum maksimal yaitu
3000
303,5 Vdc / 214,61 Vac.
2000 d. Semakin besar nilai indeks modulasi yang
diberikan, maka semakin kecil nilai THD.
1000 Sehingga, semakin kecil nilai tegangan keluaran
0
pada inverter, maka semakin besar harmonisa
5 10 15 20 25 30 35 40 45 50 yang dihasilkan oleh motor dan motor tidak dapat
bekerja optimal.
kec Linear (kec)
e. Rata-rata nilai error yang dihasilkan dari
implementasi sistem kontrol terbuka adalah
(a)
1,935%. Rata-rata nilai error yang kecil tersebut
Indeks Modulasi vs. Kecepatan menunjukkan bahwa sistem kontrol yang
3000
y = 269.4x + 52 diimplementasikan dapat berfungsi dengan baik.
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
84
Daftar Pustaka
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]
Pengembangan Media Video Tutorial Berbasis Adobe Flash
Bambang Sabariman
Dosen Jurusan Teknik Sipil, Fakultas Teknik, Universitas Negeri Surabaya
Abstrak
Tujuan dari penelitian mengenai media video tutorial menggunakan adobe flash ini ditinjau dari (1)
kelayakan media dan perangkat pembelajaran, (2) hasil respon mahasiswa terhadap proses belajar dengan
media video tutorial menggunakan adobe flash pada mata kuliah Analisis Struktur Statis Tertentu, (3) hasil
belajar berdasarkan hasil uji coba pada mahasiswa S1 PTB 2019 setelah menggunakan media video tutorial
menggunakan adobe flash pada mata kuliah Analisis Struktur Statis Tertentu. Jenis penelitian yang
digunakan adalah metode penelitian dan pengembangan yang terdiri dari enam langkah yaitu: (1) potensi
dan masalah, (2) pengumpulan data (3) desain produk, (4) validasi desain, (5) revisi desain, (6) uji coba
produk. Penelitian dilakukan pada kelas S1 Pendidikan Teknik Bangunan 2019 di Universitas Negeri
Surabaya. Hasil penelitian menunjukkan bahwa kelayakan media dan perangkat pembelajaran mendapat
rata-rata persentase sebesar 82% dengan kategori sangat layak. Hasil respon mahasiswa terhadap media
video tutorial menggunakan adobe flash mendapat persentase sebesar 73% dengan kategori baik. Hasil
belajar mahasiswa kelas S1 PTB 2019 pada materi gaya dan vektor menunjukkan 81% siswa tuntas dalam
belajar dengan nilai rata-rata kelas sebesar 79,78.
Kata Kunci: Research and Development, media video tutorial, analisis struktur statis tertentu
Abstract
The purpose of this research on video tutorial media using adobe flash is reviewed from (1) the
feasibility of media and learning tools, (2) the results of students responses to learning with video tutorial
media using adobe flash on a particular static structure analysis lecture, (3) learning outcomes based on the
results of trials on S1 PTB 2019 students after using video tutorial media using adobe flash in certain static
structure analysis courses. The research design used is Research and Developmenth method consisting of
six steps, namely: (1) potential and problems, (2) data collection, (3) product design, (4) design validation,
(5) design revision, (6) product trial. The research was conducted on Building Engineering Education class
2019 at Surabaya Sate University. The results showed that the feasibility of the media and learning tools
got an average percentage of 82% with a very decent category. The results of student responses to video
tutorial media using adobe flash got a percentage of 73% with a good category. The learning outcomes of
PTB 2019 students on style and vector material showed 81% of students completed learning with an
average value of 79,78.
Keywords: Research and Development, video tutorial media, analysis of certain static structure
PENDAHULUAN
Seiring dengan kemajuan teknologi dan informasi Dari hasil proses wawancara bersama salah satu
memicu dunia pendidikan untuk berinovasi. Salah satu dosen pengajar mata kuliah Analisis Struktur Statis
inovasi yang terus tercipta ialah perkembangan program Tertentu di Universitas Negeri Surabaya, beliau
e-learning pada dunia pendidikan. Perkembangan e- mengatakan bawasannya pada mata kuliah ini hanya
learning menjadikan awal terciptanya media pembelajaran menggunakan sumber belajar berupa buku dan media
interaktif. Adobe flash merupakan sebuah software yang pembelajaran berupa power point. Sebagai penunjang lain
berguna untuk membantu dalam pembuatan animasi yang yang dapat mempermudah belajar serta membuat
berupa gambar, video, teks serta suara. Pada mahasiswa tertarik dengan mata kuliah ini maka
perkembangan zaman ini adobe flash tidak hanya diperlukan media pembelajaran interaktif yang mampu
diopergunakan untuk mengedit atau membuat animasi membuat mahasiswa lebih tertarik. Berdasarkan alasan
namun juga digunakan sebagai pembuatan media tersebut, penulis mengembangkan suatu media
pembelajaran interaktif yang menarik bagi penggunanya. pembelajaran interaktif video tutorial bebasis adobe flash
khususnya pada rencana pembelajaran semester (RPS)
1
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
Analisis Struktur Statis Tertentu di kelas S1 Pendidikan Statis Tertentu pada kompetensi gaya dan vektor. (3)
Teknik Bangunan (S1 PTB) media ini dirancang memiliki Untuk mengetahui hasil uji coba mahasiswa S1 PTB 2019
tampilan yang menarik sehingga mahasiswa lebih tertarik setelah meneria media video tutorial menggunakan adobe
dalam mengikuti proses pembelajaran serta media ini flash pada RPS Analisis Struktur Statis Tertentu pada
mampu mempermudah pemahaman mahasiswa untuk kompetensi gaya dan vektor.
menyerap materi yang diajarkan. Menurut Darmawan (2012:12) menyatakan bahwa
Ada beberapa penelitian yang sejenis, antara lain: (1) pengembangan ialah proses menerjemahkan datadata
Menurut penelitian Putri (2018) Pengembangan desain kedalam bentuk fisik. Kawasan mengembangkan
pembelajaran menggunakan video tutorial mata kuliah suatu produk tidak harus pada perangkat keras, tetapi bisa
Ilmu Ukur Tanah dikatakan layak digunakan sebagai juga diterapkan pada perangkat lunak, bahan-bahan audio
media pembelajaran dengan hasil analisis kelayakan dan visual, serta program atau paker yang merupakan
media video sebesar 75,36% yang masuk kekategori valid, paduan berbagai bagian. Metode penelitian dan
skor keterlaksanaan pembelajaran adalah 78,46% masuk pengembangan (Research and Development) ialah sebuah
dalam kategori valid, prosentase respon mahasiswa metode penelitian yang dapat dipergunakan guna
mengenai proses belajar mengajar menggunakan media mendapatkan sebuah produk tertentu serta dapat
video tutorial mendapat respon yang baik dan menyatakan mengetahui tingkat efektivitas dari produk tersebut
setuju dilaksanakan dengan persentase 64,23%. (2) (Sugiyono, 2015:297). Langkah-langkah melakukan
Menurut penelitian oleh Afandi (2017) hasil penelitian metode Research and Development adalah sebagai
penggunaan video tutorial KD membuat kusen pintu dan berikut: (1) Potensi dan masalah (2) Pengumpulan
jendela mendapatkan kelayakan media pembelajaran informasi (3) Desain Produk (4) Validasi Desain (5)
84,5% termasuk dalam kategori sangat valid, Peraikan desain (6) Uji coba produk (7) Revisi produk (8)
keterlaksanaan dalam pembelajaran adalah 79,9% masuk Uji coba pemakaian (9) Revisi Produk (10) Pembuatan
dalam kategori valid, serta mendapat rata-rata hasil belajar produk masal.
sebanyak 83. (3) Hasil penelitian Adiagharini (2015) Kata media berasal dari bahasa latin medius yang
mengenai perkembangan media pembelajaran berbasis secara harfiah berarti tengah, perantara atau pengentar.
adobe flash keahlian Ilmu Bangunan Gedung Menurut Gerlach & Ely 1971 dalam Arsyad (2013:3)
menunjukkan bahwa hasil validasi media mendapat menyatakan bahwa media apabila dipahami secara garis
kategori layak dengan persentase sebesar 73%, hasil besar adalah manusia, materi atau kejadian yang
belajar siswa setelah menggunakan media pembelajaran membangun kondisi yang membuat siswa mampu
menyatakan 85% siswa tuntas belajar. Sesuai latar memperoleh pengetahuan, keterampilan atau sikap.
belakang yang sudah dijabarkan, kemudian penulis Macam-macam media yang dapat dikembangkan sebagai
memberikan judul “Pengembangan Media Video Tutorial media pembelajaran meliputi media grafis atau visual,
Menggunakan Adobe Flash pada RPS Analisis Struktur media audio, media berbasis komputer, dan interactive
Statis Tertentu pada Kompetensi Gaya dan Vektor pada video.
Kelas S1 PTB Tahun 2019 Universitas Negeri Surabaya”. Menurut Arsyad (2013:25) memberikan kesimpulan
Rumus masalah yang diambil dalam penelitian ini mengenai manfaat praktis penggunaan media
ialah: (1) bagaimana kelayakan media video tutorial pembelajaran di dalam proses pembelajaran antara lain:
dengan software adobe flash pada RPS Analisis Struktur (1) Mempermudah mendapatkan informasi. (2) Mampu
Statis Tertentu pada kompetensi gaya dan vektor? (2) mengarahkan perhatian siswa. (3) Dapat mengatasi indera,
Bagaimana respon Mahasiswa S1 PTB 2019 tentang ruang dan waktu. (4) Memberikan kesamaan pengalaman
media yang dipakai dalam RPS Analisis Struktur Statis kepada siswa.
Tertentu pada kompetensi gaya dan vektor? (3) Video adalah teknologi untuk menangkap,
Bagaimana hasil uji coba media pembelajaran pada memproses, mentrasmisikan dan menata ulang gambar
Mahasiswa S1 PTB 2019 setelah melaksanakan proses bergerak (Nasution, 2010:435). Sedangkan menurut
pembelajaran mengunakan video tutorial dengan adobe Arsyad (2013:94) Tutorial adalah seperangkat tayangan
flash di RPS Analisis Struktur Statis Tertentu pada baik statis maupun dinamis yang telah lebih dahulu
kompetensi gaya dan vektor? diprogramkan dengan bantuan komputer meniru sistem
Tujuan yang diambil pada penelitian ini ialah: (1) tutor yang dilakukan guru atau instruktur, informasi atau
Mengetahui kelayakan media video tutorial dengan adobe pesan berupa konsep disajikan dilayar komputer dengan
flash di RPS Analisis Struktur Statis Tertentu pada teks, gambar atau grafik. Keuntungan menggunakan video
kompetensi gaya dan vektor. (2) Untuk mengetahui menurut Arsyad (2013:50) adalah sebagai berikut: (1)
respon mahasiswa S1 PTB 2019 megenai media video dapat melengkapi pengalaman-pengalaman dasar ketika
tutorial dengan adobe flash sesuai RPS Analisis Struktur membaca, berdiskusi, berpraktik dan lain-lain. (2)
Pengembangan Media Video Tutorial Berbasis Adobe Flash
3
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
Pengembangan Media Video Tutorial Berbasis Adobe Flash
5
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
Pengembangan Media Video Tutorial Berbasis Adobe Flash
7
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
Pengembangan Media Video Tutorial Berbasis Adobe Flash
sebanyak 30 mahasiswa lulus atau sebanyak 81% Murfihenni, Weni. 2013. Mekanika Teknik Semester 1.
sesuai dengan hasil perhitungan dengan rumus 3. Jakarta: Kementrian Pendidikan dan Kebudayaan
Republik Indonesia.
Saran Nasution. 2010. Berbagai Pendekatan dalam Proses
Berdasarkan hasil penelitian ini, penulis Belajar dan Mengajar. Jakarta: Bumi Aksara.
memberikan beberapa saran kepada peneliti selanjutnya, Purwanto, Ngalim. 2010. Prinsip – Prinsip dan Teknik
yaitu: Evaluasi Pengajaran. Bandung: Remaja Rosdakarya.
1. Penggunaan media pembelajaran seperti video tutorial
Putri, Alfia Dwi Septyaning. 2016. Penerapan Media
menggunakan adobe flash dapat diterapkan pada mata Pembelajaran Video Tutorial Total Station pada mata
kuliah lain yang dapat menunjang pembelajaran Kuliah Pengukuran Sipat Datar dan Praktikum pada
sehingga dapat memaksimalkan hasil belajar. Mahasiswa Pendidikan Teknik Bangunan Universitas
2. Adanya berbagai inovasi baru untuk membuat sebuah Negeri Surabaya. Skripsi tidak diterbitkan. Surabaya:
media pembelajaran yang menarik dengan Universitas Negeri Surabaya.
memanfaatkan teknologi-teknologi terbaru sesuai Riduwan dan Sunarto. 2013. Pengantar Statiska untuk
dengan kebutuhan. Penelitian: Pendidikan, Sosial, Ekonomi,
Kommunikasi, dan Bisnis. Bandung: Alfabeta.
UCAPAN TERIMA KASIH Sudjana, Nana. 2014. Metode Statistika. Bandung:
Segala puji bagi Allah SWT, atas berkat rahmat dan Tarsito.
karunianya yang telah memberikan kekuatan, kesehatan, Sugiyono. 2015. Metode penelitian Kuantitatif,
dan kesabaran untukku dalam mengerjakan artikel ini. Kualitatmurfiif, dan R&D. Bandung: Alfabeta.
Terlepas dari itu penulis juga mengucapkan terima kasih
kepada semua pihak yang telah membantu dalam
menyelesaikan artikel ini, baik secara langsung maupun
secara tidak langsung. Harapan besar penulis kepada
artikel yang telah disusun agar bermanfaat bagi semua
orang.
DAFTAR PUSTAKA
Adiagharini, Fitria Anjani Dyah. 2015. Pengembangan
Media Pembelajaran Menggunakan Program Adobe
Flash Pada Standar Kompetensi Mengidentifikasi
Ilmu Bangunan Gedung Bagi Siswa Kelas X Teknik
Gambar Bangunan (TGB) SMK Negeri 3 Surabaya.
Skripsi tidak dipublikasikan. Universitas Negeri
Surabaya.
Afandi, Bahrul. 2017. Penggunaan Media Video Tutorial
`Kelas XI Pada Kompetensi Membuat Kusen Pintu
dan Jendela Jurusan Teknik Konstruksi Kayu SMK
Negeri 3 Jombang. Skripsi tidak diterbitkan.
Surabaya: Universitas Negeri Surabaya.
Akbar, Sa’dun. 2015. Instrumen perangkat
pembelajaran. Bandung: PT. Remaja Rosda Karya.
Arifin, Zainul. 2018. Pengembangan Media
Pembelajaran Audio Visual Adobe Flash Berbasis
Android Pada Kompetensi Dasar Konsep Pemasaran
Online di Kelas X Pemasaran SMK Negeri 1
Surabaya. Skripsi tidak diterbitkan. Surabaya:
Universitas Negeri Surabaya.
Arsyad, Azhar. 2013. Media Pembelajaran. Jakarta: PT
Raja Grafindo Persada.
Darmawan, Deni. 2012. Inovasi pendidikan. Bandung:
PT. Remaja Rosdakarya.
9
SATIN - Sains dan Teknologi Informasi, Vol. 5, No. 1, Juni 2019 ISSN: 2527-9114
Abstract Abstrak
The State Savings Bank or better known as BTN is Bank Tabungan Negara atau yang lebih dikenal
an Indonesian state-owned enterprise in the form of a dengan BTN merupakan badan usaha milik negara
limited liability company and is engaged in financial indonesia yang berbentuk perseroan terbatas dan
and banking services. This BTN has a special service bergerak di bidang jasa keuangan dan perbankan.BTN
called KPR (Home Ownership Loans). A lot of bad ini memiliki layanan khusus bernama KPR (Kredit
credit is caused by inability debtors to pay monthly Pemilikan Rumah).Banyak nya kredit macet yang
installments resulted in many houses being confiscated disebabkan oleh tidak mampunya debitur untuk
and resold by BTN. Houses that are confiscated and membayar cicilan perbulan mengakibatkan banyak nya
resold by BTN at a low price have a small amount of rumah yang disita dan dijual kembali oleh pihak BTN.
interest, many people are eyeing the house at such a Rumah yang disita dan dijual kembali oleh pihak BTN
low price. But unfortunately only a few people know dengan harga yang murah memiliki peminat yang tidak
information about the sale of the house. The house sedikit,banyak masyarakat yang mengincar rumah
sales information is only put in the section of the dengan harga yang murah tersebut.Namun sayang nya
CCRU unit (Consumer Consultan Remedial Unit) at hanya sedikit orang yang mengetahui informasi
the central BTN Pekanbaru, because information is tentang penjualan rumah tersebut.Informasi penjualan
still difficult to obtain and must go to BTN first, for this rumah tersebut hanya diletakkan di mading pada
reason an Information Application for BTN Attractive bagian unit CCRU (Consumer Consultan Remedial
Home Sales is built using Android-based GIS using a Unit) di BTN pusat Pekanbaru. Karena informasi yang
vector space model as a basis for loading search masih susah didapatkan dan harus ke BTN terlebih
operations for a number of information ranging from dahulu,untuk itulah dibangun sebuah Aplikasi
giving document values to each query. and Informasi Penjualan Rumah Tarikan BTN dengan
classification and distribution of documents. The Menggunakan GIS Berbasis Android dengan
results of this study are expected to make it easier for menggunakan model ruang vektor sebagai dasar untuk
the public to know information about the attraction memuat operasi pencarian sejumlah informasi mulai
house and its location to be sold by BTN. dari memberi nilai dokumen pada tiap query, serta
klasisfikasi dan pembagian dokumen. Hasil penelitian
Keywords : BTN, GIS, Android,Vector Space ini adalah berupa aplikasi informasi penjualan rumah
Model. tarikan BTN Pekanbaru menggunakan GIS berbasis Android
yang berguna bagi masyarakat dalam mendapatkan
informasi rumah tarikan BTN serta mempermudah bank BTN
dalam memberikan informasi rumah tarikan yang dilelang.
kondisi lahan. Data Garis dapat dipakai untuk idf(i) = Log (N/(Df(i))).
menggambarkan jalan, sungai, jaringan atau saluran 4. Pembobotan (Wij) adalah proses pembobotan
dan lain-lain. Sementara data Area digunakan untuk setiap kata pada setiap dokumen. Berikut
mewakili batas administrasi, penggunaan lahan, adalah rumus untuk pembobotan.
kemiringan lereng dan lain-lain. Sedangkan struktur Wij = Tf(D_i ) ×idf
data SIG ada dua macam yaitu vector dan raster . Pada 5. Pembobotan Query pencarian dengan rumus :
struktur data vector posisi objek dicatat pada system Wiq = (0,5+(0,5 freg iq)/(max.freg iq))× idf
koordinat. Sedangkan objek pada struktur data raste
disimpan pada grid dua dimensi yaitu baris dan kolom. 6. Normalisasi bobot query √∑ 𝑤𝑖𝑞 2 =
Data atribut atau tabular merupakan data yang
menyimpan informasi mengenai nilai atau besaran dari √(𝑤𝑖𝑞1 + 𝑤𝑖𝑞2 )2
data grafis. Untuk struktur data vector, data atribut 7. Relevansi perhitungan queri terhadap setiap
∑𝑊𝑖𝑗 𝑥 𝑊𝑖𝑞
tersimpan secara terpisah dalam bentuk tabel. dokumen: 2 2
√∑ 𝑊𝑖𝑗 𝑋 ∑ 𝑊𝑖𝑞
Sementara pada stuktur data raster nilai data grafis-nya
8. Perangkingan berdasarkan hasil dari
tersimpan langsung pada nilai grid atau piksel tersebut.
relevansi query per dokumen.
Langkah7
Langkah 4 Relevansi perhitungan queri terhadap setiap dokumen:
Pembobotan (Wij)
Wij = Tf(𝐷𝑖 ) ×idf ∑𝑊𝑖𝑗 𝑥 𝑊𝑖𝑞
Rumus : w = cos =
Tabel 4. Pembobotan Dokumen √∑ 𝑊𝑖𝑗 2 𝑋 ∑ 𝑊𝑖𝑞 2
TF Wij
A. Dokumen 1
Term (i) D D D IDF 0𝑥0
D1 D2 D3 Rumah (𝑞1 ,𝑑1 ) =cos =
1 2 3 √02 𝑥 0,65
Rumah 1 1 1 0 0 0 0
cos = 0
Tipe 1 1 1 0 0 0 0
0𝑥0
0,17 Tipe (𝑞2 ,𝑑1 ) =cos =
36 1 0 1 0,176 0 0,176 √02 𝑥 0,65
6
0,47 cos = 0
38 0 1 0 0,477 0 0
7
0,47 0,176 𝑥 0.176
Panam 1 0 0 0,477 0 0 36 (𝑞3 ,𝑑1 ) =cos =
7 √0,1762 𝑥 0,65
0,47
Rumbai 0 1 0 0,477 0 0 0,030
7 cos =
√0,030 𝑥 0,65
Kulim 0 0 1 0,477 0 0 0,477
Langkah 5
98 SATIN - Sains dan Teknologi Informasi, Vol. 5, No. 1, Juni 2019
0,030 0,030
cos = cos =
√0,019 √0,030 𝑥 0,65
0,030 0,030
cos = cos =
0,137 √0,019
0,227 0 𝑥 0,477
cos = Kulim (𝑞4 ,𝑑3 ) =cos =
√0,227 𝑥 0,65 √02 𝑥 0,65
0,227 0
cos = cos =
√0,147 0
cos = 0
0,227 Langka 8 :
cos =
0,383 Perangkingan berdasarkan hasil dari relevansi query
per dokumen.
cos = 0,59 Dokument 1 = 𝑞1 + 𝑞2 + 𝑞3 + 𝑞4 = 0 + 0 + 0,22 +
0,59 = 0,81
Dokument 2 = 𝑞1 + 𝑞2 + 𝑞3 + 𝑞4 = 0 + 0 + 0 + 0 = 0
B. Dokumen 2 Dokument 3 = 𝑞1 + 𝑞2 + 𝑞3 + 𝑞4 = 0 + 0 + 0,22 + 0
0𝑥0
Rumah (𝑞1 ,𝑑2 ) =cos = = 0,22
√02 𝑥 0,65
2 Form Login
Form login digunakan untuk mengatur hak akses
admin dan juga login user. Form login terdiri dari
username dan password. Berikut ini adalah
implementasi dari form login.
5. Simpulan
Setelah menyelesaikan serangkaian tahapan
terhadap pembangunan aplikasi informasi penjualan
rumah tarikan bank BTN Pekanbaru, maka dapat
diambil beberapa kesimpulan diantaranya adalah
sebagai berikut:
1. Secara umum sistem yang dibangun telah bisa
berjalan dan dapat menghasilkan data yang
sesuai dengan pencarian yang dilakukan oleh
pengguna seperti pencarian lokasi rumah.
2. Penggunaan metode ruang vektor
menghasilkan pencarian data rumah dengan
hasil yang relevan dengan kata atau query
yang dimasukan.
3. Penggunaan Google Map sangat bagus karena
dapat menuju ke lokasi yang diinginkan
walupun jarak yang digunakan sangat dekat
6. Referensi
H. Yuliansyah, P. Studi, T. Informatika, and U. Ahmad,
“Perancangan Replikasi Basis Data Mysql Dengan,”
vol. 8, no. 1, pp. 826–836, 2014.
Gambar 5. Tampilan Hasil Pencarian Rumah
J. R. Volume, “New Housing Development Planning And
Land Acquisition Strategy For Low-Income,” vol. 2,
6 Tampilan Data Rumah no. 4, pp. 371–380, 2014.
Pada halaman ini menampilkan informasi rumah
D. A. N. Permukiman and Y. Sehat, “Abstrak manusia dan
rumah yang akan dilelang oleh bank BTN merupakan faktor penting dalam meningkatkan
Pekanbaru harkat dan martabat Kata Kunci : Kawasan Kumuh ,
Perumahan , Permukiman,” no. 4, pp. 11–37, 1992.
M-7
Abstract
This article is a study on the ways of vector concepts to determine the distance in three-
dimensional space. Typically, mathematics learning has introduced three-dimensional to students
at the middle school. These three-dimensional learning during ordinary was implemented by based
on spatial ability, both conventional and computer-assisted learning. Student spatial intelligence is
different clearly. Based on the result of several studies in the literature, especially for female
students has shown that they were difficulties in the mathematical spatial problem so that there
was an imbalance of learning achievement, and vector concepts can be used to help. The purpose
of this article is knowing how to determine of geometrical measure on the solid using vector
concepts. Vector concepts in this study as one of all of counting alternative by students high school
who have spatial difficulties. Vector concepts that be used like orthogonal projection and vector in
the direction normal to the plane. Using the vector concepts because of solid like cube can be
drawn on three-dimensional of coordinate. On the other hand, the spatial relation like points,
lines, and planes was studied in vector analysis. Using of vector concepts, student’s three-
dimensional learning would not involve much of spatial ability, but student’s ability in
mathematical count would have been more.
1. PENDAHULUAN
Beberapa contoh bangun ruang sisi datar seperti kubus, balok, dan limas.
Geometri ruang dimensi tiga seperti ukuran panjang sisi, panjang rusuk, dan
besar sudut mulai dikenalkan pada pembelajaran matematika sekolah
menengah. Contoh materi belajar dimensi tiga dalam buku sumber adalah
menghitung jarak antara dua titik, jarak antara titik dengan garis, jarak antara
titik dengan bidang, jarak antara garis dengan bidang, jarak antara garis dengan
garis, jarak antara bidang dengan bidang (Krismanto, 2008).
Selama ini teknik pembelajaran dilaksanakan dengan menggambar
bangun ruang seperti bangun kubus pada papan tulis. Menemukan suatu jarak
dalam ruang dimensi tiga yaitu dengan cara membuat garis-garis untuk
membantu menemukan jarak mana yang dimaksudkan. Gambar konvensional
secara manual akan membuat banyak garis dalam satu frame gambar sehingga
perpotongan garis satu sama lain menjadi rumit dalam penglihatan mata,
membuat pandangan mata menjadi kurang nyaman, dan menyebabkan hilang
konsentrasi alur mula kemunculan garis-garis baru.
Berkembangnya teknologi komputer membuat teknik belajar ini telah
ramai ditinggalkan. Teknologi membawa dampak nyata bahwa belajar dimensi
tiga telah didominasi pemanfaatan bantuan aplikasi software. Bangun ruang
bisa ditampilkan software komputer hanya dalam waktu sekejap mata
Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 85
Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526
2. METODE PENELITIAN
Artikel ini ditulis dengan kajian literature berupa buku dan jurnal yang
berkaitan dengan belajar dimensi tiga. Karena setiap siswa adalah pribadi unik
dan beda dari siswa lain sehingga akan tetap ada siswa yang mengalami
kesulitan belajar, khususnya kesulitan spasial. Kondisi ini menuntut adanya
alternatif belajar selain cara konvensional atau berbantuan teknologi. Salah
satunya dengan bantuan konsep vektor.
r1 =(l ,m,n)
n
A r2 = li + mj +nk
l
r
r3 m
k
n
i l x+
j O
m
+
y
Gambar 1. Vektor pada sumbu koordinat tiga dimensi
H (0,0,4) G (4,0,4)
E (0,4,4) F (4,4,4)
X
O (0,0,0) C (4,0,0)
A (0,4,0) B (4,4,0)
Y
A C
Q
Gambar 3. Hubungan titik O dan garis AC dalam skema vektor
Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 88
Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526
Pada gambar 2, AC 4,4,0 sehingga AC 4 2 , dan
AO 0,4,0 . Gambar 3 menyatakan bahwa AQ adalah proyeksi vektor
AO AC
ortogonal AO pada AC (Gibbs, 1901), sehingga AQ 2
AC
AC
0,4,0 4,4,0 4,4,0
16
4,4,0 2,2,0 .
32 32
Jarak O ke garis AC direpresentasi OQ dan OQ OA AQ
AQ AO 2,2,0 0,4,0 2,2,0 . Dengan demikian jarak titik O
ke garis AC, OQ 2 2 2 2 0 2 2 2 satuan. Jadi, beberapa langkah
menentukan jarak antara titik dan garis, yaitu: (1) membuat ilustrasi
gambar jarak yang bersesuaian, (2) membuat hubungan antara titik dan
garis dalam bentuk vektor, (3) menghitung proyeksi ortogonal.
O
n G
B P
E
Gambar 4. Hubungan titik O dan bidang BEG dalam skema vektor
Pada gambar 4, misal r adalah jarak titik O ke bidang BEG. r
adalah proyeksi skalar ortogonal OB 4,4,0 pada n 1, 1, 1 , atau OG
pada n , atau OE pada n . Ketiga proyeksi skalar tersebut akan
menghasilkan angka yang sama. Berikut contoh perhitungannya
OB n 4 4 0 8
r
.
n 12 12 12 3
8
Dengan demikian, jarak titik O ke bidang BEG, ( r ) adalah
satuan.
3
Hasil perhitungan ini sama dengan hasil pada perhitungan secara
konvensional.
B
A H
r A
C
C
(a) (b)
Gambar 5. Garis HB dan garis AC dan Vektor yang tegak lurus
Perhatikan gambar 5a, bahwa panjang AB, atau panjang BC, atau
panjang AH, atau panjang HC bukan merupakan jarak terdekat antara garis
HB dan garis AC. Jarak terdekatnya adalah jarak antara titik potong garis
yang tegak lurus dengan HB dan AC (gambar 5b).
Misal n suatu vektor yang tegak lurus garis HB dan garis AC. n
adalah hasil cross product AC 4,4,0 dan HB 4,4,4 . AC HB
n 1, 1, 2 .
n berimpit dengan r , anggap r adalah jarak antara garis AC dan
garis HB. r adalah proyeksi skalar AB 4, 0, 0 pada n 1, 1, 2 , atau
AH pada n , atau BC pada n , atau CH pada n . Jadi jarak antara garis
B P
E
Gambar 6. Garis AC sejajar bidang BEG dalam skema vektor
Cara perhitungan ini tidak hanya berlaku pada bangun ruang kubus
saja, melainkan bisa pada bangun ruang sisi datar lain seperti balok atau
prisma. Namun perhitungan jarak garis ke bidang ini tidak berlaku pada
bangun ruang limas, karena limas tidak memiliki unsur geometris ini.
B n H
G
E
Gambar 7. Bidang ACH sejajar bidang BEG dalam skema vektor
Pada gambar di atas, n adalah vektor tegak lurus bidang BEG.
Karena bidang BEG sejajar bidang ACH, sehingga n juga tegak lurus
terhadap bidang ACH. Jadi bidang BEG dengan n 1, 1, 1 , maka untuk
vektor normal bidang ACH juga demikian.
Cara menghitung jarak antara dua bidang memiliki sedikit
kesamaan dengan cara menghitung jarak antara dua garis, atau jarak antara
garis dan bidang, yaitu memproyeksikan suatu vektor yang mewakili
kedua bidang (vektor yang diperoleh dari kombinasi dua titik, yaitu satu
titik dari bidang ACH dan satu titik lagi dari bidang BEG). Dengan
demikian, jarak antara bidang BEG dan bidang ACH adalah proyeksi
skalar ortogonal AB 4,0,0 pada n 1, 1, 1 , sehingga diperoleh
AB n 4
r
satuan.
n 3
4. SIMPULAN
Berdasarkan tujuan kajian yaitu bagaimana menentukan ukuran
geometris pada bangun ruang dengan bantuan konsep vektor, beserta hasil dan
pembahasan, maka diperoleh simpulan sebagai berikut:
a. Menentukan jarak antara dua titik pada suatu bangun ruang yaitu dihitung
dengan konsep besaran atau panjang vektor.
b. Menentukan jarak antara titik dan garis yaitu pertama-tama dimulai dengan
menghitung proyeksi vektor ortogonal, kemudian menjumlahkan hasil
perhitungan proyeksi vektor ortogonal tersebut dengan suatu vektor dari
hasil kombinasi titik dan satu titik pada garis, dan selanjutnya menghitung
besaran vektor dari jumlah vektor itu.
c. Menentukan jarak terdekat antara titik dan bidang, antara garis dan garis,
antara garis dan bidang, dan antara bidang dan bidang, terdapat sedikit
kesamaan cara. Caranya yaitu terlebih dahulu mencari vektor normal (yaitu
vektor normal bidang untuk menentukan jarak antara titik dan bidang, jarak
antara garis dan bidang, maupun jarak antara bidang dan bidang; atau
vektor normal dari dua vektor yang merepresentasi kedua garis untuk
menentukan jarak antara garis dan garis), kemudian membuat suatu vektor
yang diperoleh dari pasangan kombinasi titik yang mewakili kedua
komponen (titik dan bidang, garis dan garis, garis dan bidang, bidang dan
bidang), selanjutnya memproyeksikan vektor tersebut pada vektor normal.
Keunggulan konsep vektor dalam menentukan jarak yang memiliki
hubungan spasial yaitu siswa tidak perlu membayangkan bentuk transformasi
spasialnya. Hanya saja, siswa perlu mengetahui letak titik koordinat pada
sumbu tiga dimensi untuk suatu bangun ruang tertentu sesuai ukuran yang
diketahui. Sedangkan kelemahannya adalah tidak melatih untuk meningkatkan
kemampuan spasial siswa.
5. DAFTAR PUSTAKA
Alghadari, F. (2016). Pemecahan Masalah Spasial Matematis Calon Guru
Matematika Ditinjau dari Langkah-Langkah Pemecahan Masalah Polya.
Jurnal Penelitian Pendidikan, 16(3), 226-234.
Gibbs, J.W. (1901). Vektor Analysis. USA: Yale University Press.
Guzel, N., & Sener, E. (2009). High school students’ spatial ability and
creativity in geometry. Procedia-Social and Behavioral Sciences, 1(1),
1763-1766.
Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 93
Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526
Wahyuni Ningsih
Program Studi Pendidikan Matematika STKIP PGRI Pasuruan
wahyuni.ningsih.04@gmail.com
Abstrak: Vektor merupakan suatu besaran yang disertai arah. Dalam kehidupan sehari-hari ada banyak
contoh dari suatu vektor. Diantaranya yaitu kecepatan dan percepatan. Secara analitik, vektor dapat dinya-
takan sebagai suatu besaran yang disertai dengan vektor satuan. Misalkan vektor A = A a , dengan A
merupakan besar atau nilai dari vektor, dan adalah vektor satuan nya yang berfungsi sebagai arahnya.
Selain itu, pergerakan suatu partikel pada suatu kurva dapat ditunjukkan menggunakan konsep vektor.
Ketika ingin mengetahui letak dari suatu partikel pada kurva tersebut untuk waktu tertentu dapat ditentukan
menggunakan penyelesaian secara analitik. Akan tetapi, untuk menentukan letak dan arah secara geometri
cukup kesulitan jika dilakukan secara manual. Oleh karena itu pada artikel ini, penulis akan menunjukkan
vektor posisi dan vektor kecepatan dari pergerakan suatu partikel secara geometri menggunakan program
Matlab. Sebab vektor posisi dan vektor kecepatan dari pergerakan partikel pada suatu kurva tersebut
terlihat lebih jelas dan nyata saat menggunakan program Matlab.
Vektor sebagai suatu besaran yang disertai arah dapat itu sendiri. Sehingga dalam menyelesaikan permasa-
ditemukan dalam kehidupan sehari-hari seperti lahan yang berkaitan dengan vektor tidak cukup
perpindahan suatu benda, kecepatan benda bergerak, sampai pada penyelesaian secara analitis, tapi juga
percepatan, dan sebagainya. Contoh untuk kece- diperlukan penyelesaian secara geometri. Penyele-
patan, seorang pengendara sepeda motor melaju saian secara geometri bisa dilakukan secara manual
dengan kecepatan sebesar 70 km/jam ke arah utara. jika permasalahan yang akan dipecahkan memiliki
Contoh vektor tersebut jika dituliskan dalam bentuk tingkat kerumitan yang rendah. Akan tetapi jika
melibatkan persamaan-persamaan yang cukup rumit
matematika akan menjadi V 70v dengan V
menunjukkan vektor, 70 menunjukkan besar/nilai/ untuk dipecahkan secara manual, maka diperlukan
bantuan suatu media yang sesuai untuk membantu
magnitude dari vektor V , sementara v merupakan
memecahkan masalah tersebut.
vektor satuan yang menunjukkan arah dari vektor
V . Vektor V tersebut dapat pula ditunjukkan secara Berdasarkan uraian tersebut, pada artikel ini
geometri dalam bidang koordinat, baik bidang koor- ditunjukkan bentuk pemecahan masalah yang ber-
dinat dua dimensi maupun bidang koordinat tiga kaitan dengan vektor yaitu menunjukkan vektor
dimensi. posisi dan vektor kecepatan dari pergerakan suatu
Contoh lain dari konsep vektor yaitu pergerakan partikel pada suatu kurva ruang menggunakan
suatu partikel pada suatu kurva ruang dalam bidang Matlab. Hal ini bertujuan untuk mengetahui letak
koordinat tiga dimensi. Secara analitis, vektor posisi dari vektor posisi dan vektor kecepatan pada kurva
maupun vektor kecepatan dari pergerakan suatu ruang tersebut dalam bentuk visual. Manfaat yang
partikel pada suatu kurva ruang dalam koordinat tiga dapat diharapkan nantinya, artikel ini dapat menjadi
dimensi dapat ditentukan. Namun, hal ini cukup sulit acuan dalam melakukan penelitian selanjutnya yang
saat akan ditunjukkan secara geometri. Apalagi jika berkaitan dengan vektor serta yang memerlukan ada-
persamaan dari kurva ruang tersebut cukup rumit nya simulasi menggunakan software Matlab.
untuk digambarkan secara manual. Menurut Hayt dan Buck (2006:2), vektor meru-
Suatu vektor yang ditunjukkan secara geometri pakan suatu besaran yang memiliki magnitude dan
akan lebih mudah dalam memahami konsep vektor sebuah arah di dalam ruang. Vektor-vektor dapat
160
Ningsih, Simulasi Pergerakan suatu Partikel 161
view([70 35])
grid on
num2str(t1)],[‘vektor kecepatan
v=(‘,num2str(u(b)),’) i’,’+(‘,...
num2str(v(b)),’)j’,’+(‘,num2str(w(b)),’)k’])
xlabel(‘sumbu x’)
Kemudian dilakukan simulasi pada Matlab.
ylabel(‘sumbu y’)
zlabel(‘sumbu z’)
Saat t =2
Substitusi nilai pada persamaan (4) dan (5)
Gambar 2 Grafik dari kurva ruang
-t
x = e , y = 2 cos 3t, z = 2 sin 3t , vektor posisi,
vektor kecepatan pada saat t = 0
Saat t = 1
Substitusi nilai t = 1 pada persamaan (4) dan
(5)
Gambar 4 Grafik dari kurva ruang
x = e-t, y = 2 cos 3t, z = 2 sin 3t, vektor posisi,
vektor kecepatan pada saat t = 2
164 Jurnal Ilmiah Edukasi & Sosial, Volume 8, Nomor 2, September 2017, hlm. 160–164
SKRIPSI
Oleh:
Miftahul Riskiyani
121810201014
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS JEMBER
2017
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
SKRIPSI
Diajukan guna melengkapi tugas akhir dan memenuhi salah satu syarat
untuk menyelesaikan studi pada Program Studi Fisika (S-1)
dan mencapai gelar Sarjana Sains
Oleh:
Miftahul Riskiyani
121810201014
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS JEMBER
2017
i
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
PERSEMBAHAN
Alhamdulillah. Puji syukur atas karunia, berkah dan rahmat Allah SWT, skripsi
ini saya persembahkan untuk:
1. Kakek H.Ansori dan Nenek Hj.Masdiya, yang senantiasa memberikan doa demi
kesuksesan saya, serta dukungan yang mengiriku setiap saat.
2. Ayahanda Baidawi dan Ibunda Sumyani selaku orangtua kandung saya yang
senantiasa mencurahkan kasih sayang, motivasi dan doa.
3. Adik saya, Jazakillah Khairon, yang selalu memberikan semangat, canda tawa,
kasih sayang, dan warna dalam hidup ini.
4. Almamater Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Jember.
ii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
MOTTO
Hidup ini bagai skripsi, banyak bab dan revisi yang harus dilewati. Tapi akan selalu
berakhir indah, bagi yang pantang menyerah.
(Alit Sutanto)
iii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
PERNYATAAN
Miftahul Riskiyani
NIM 121810201014
iv
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
SKRIPSI
Oleh
Miftahul Riskiyani
NIM 121810201014
Pembimbing:
v
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
PENGESAHAN
Tim Penguji
Ketua Sekretaris
(Dosen Pembimbing Utama) (Dosen Pembimbing Anggota)
Bowo Eko Cahyono, S.Si, M.Si,Ph.D Agung Tjahjo Nugroho, S.Si., M.Phil., Ph.D
NIP 197202101998021001 NIP 196812191994021001
Mengesahkan
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
vi
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
RINGKASAN
Padi adalah tanaman pangan yang amat penting di dunia, menjadi makanan
pokok bagi lebih dari separuh penduduk dunia, terutama Asia yang lebih dari 90%
tanaman padi dunia ditanam dan dikonsumsi. Dalam era teknologi dewasa ini kondisi
tanaman pertanian seperti padi dapat dipantau secara cepat dari udara. Penelitian
tentang klasifikasi tanaman padi bisa dilakukan secara cepat pada citra digital. Citra
warna digital merupakan kombinasi dari beberapa layer (lapisan) warna merah, hijau
dan biru yang dikenal dengan RGB (Red, Green and Blue) layer. Nilai digital pada
setiap pikel dari citra digital direpresentasikan oleh kombinasi nilai-nilai pada piksel
yang bersangkutan pada setiap layer RGB. Berdasarkan uraian di atas, dapat
dirumuskan suatu permasalahan yaitu bagaimana vektor posisi koordinat kartesian
yang digunakan untuk mengklasifikasi usia tanaman padi berdasarkan ekstraksi nilai
reflektansi spektrum warna dasar Red, Green dan Blue (RGB). Berdasarkan
permasalahan yang ada, tujuan dari penelitian ini adalah untuk mengklasifikasikan
usia tanaman padi berdasarkan vektor posisi koordinat kartesian dari ekstraksi
reflektansi spektrum warna dasar Red, Green, and Blue (RGB).
Penelitian ini dilaksanakan di desa Ketah, kecamatan Suboh, kabupaten
Situbondo. Pada umunya persawahan di daerah tersebut ditanami padi. Penanaman
padi dilakukan secara tidak serentak sehingga terdapat beberapa klasifikasi usia padi
yang berbeda. Penelitian yang dilakukan adalah pengambilan gambar tanaman padi
berdasarkan klasifikasi usia kemudian diektraksi berdasarkan spektrum warna dasar
Red, Green and Blue (RGB). Selanjutnya setelah diektrak, spektrum warna
dinormalisasi dan kemudian diplotkan pada koordinat kartesian berdasarkan nilai
RGB. Hasil yang diperoleh dari penelitian ini adalah vektor posisi nilai RGB yang
vii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
viii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
PRAKATA
Alhamdulillah. Puji syukur atas karunia, berkah dan rahmat Allah SWT, skripsi
yang berjudul “Klasifikasi Usia Tanaman Padi dengan Ekstraksi Reflektansi
Spektrum Warna Dasar (RGB) Menggunakan Vektor Posisi Koordinat Kartesian”
dapat diselesaikan dengan baik. Shalawat serta salam tetap tercurahkan kepada
junjungan Nabi Muhammad SAW. Skripsi ini disusun guna memenuhi salah satu
syarat menyelesaikan pendidikan strata satu (S1) pada Jurusan Fisika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Jember.
Skripsi ini tercipta tidak lepas dari bantuan, motivasi, dan masukan dari
berbagai pihak. Oleh karena itu, ucapkan terimakasih ditunjukan kepada:
1. Bowo Eko Cahyono, S.Si, M.Si, Ph.D selaku Dosen Pembimbing Utama (DPU)
dan Agung Tjahjo Nugroho, S.Si., M.Phil., Ph.D selaku Dosen Pembimbing
Anggota atas segala waktu, perhatian, dan bimbingan dengan penuh kesabaran
dalam membimbing penulis sampai terselesaikannya skripsi ini;
2. Drs. Sujito, Ph.D selaku Dosen Penguji I dan Endhah Purwandari, S.Si., M.Si
selaku Dosen Penguji II yang telah meluangkan waktu untuk menguji dan
memberikan masukan demi kesempurnaan skripsi ini;
3. Drs. Yuda Cahyoargo Hariadi, M.Sc., Ph.D., selaku Dosen Pembimbing
Akademik yang telah membimbing penulis selama menjadi mahasiswa;
4. Segenap Dosen dan Karyaman Fakultas MIPA Universitas Jember yang selalu
membantu dan mendukung;
5. Kakek H.Ansori dan Nenek Hj. Masdiya, yang selalu memberi motivasi, doa dan
restunya dengan segenap cinta kasih, rasa sayang dan penuh kesabaran dalam
mendidik ananda selama ini;
6. Orang tuaku Ayah Baidawi dan Ibunda Sumyani, yang telah memberikan
dukungan materiil maupun non materiil, motivasi, doa dan restunya dengan
segenap cinta kasih;
ix
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
7. Orang tua angkatku Ibunda Halimatus sa’diya, Ibunda Asrani dan Adik-adikku
Moch. Saiful Faiz, Jazakillah Khairon dan Rizky Trio Saputra, yang selalu
memberikan motivasi, semangat, canda tawa, kasih sayang dan doa;
8. Hidayatur Rahman, yang telah memberikan kasih sayang, semangat, motivasi,
selalu sabar dan setia menemani dalam suka dan dukanya selama pendidikan;
9. Sahabat kecilku Cucuk Wirah, yang memberikan semangat, masukan dan
motivasi serta doa.
10. Sahabat-sahabatku 5cm, Edi Wahyudi, Muhammad Enggar, Lumatus Sa’diya,
Zulfian Ainur Rofiq, yang telah memberikan dukungan, semangat dan kenangan
indah disebagian kisah hidupku;
11. Sahabat Fidelity, Faiza, Diana, Sisil, Jamil, Hilda dan Fitry, yang selalu
memberikan motivasi, semangat serta doa;
12. Alfan Sururi, Anggara, Sri Indah, Samsiatun Khoiriyah, Rofiatun, Rika Yuli,
Intan Anggana, Desta Agia P, Inggit, Ernik, Dianita, Avka, Fitri yang telah
membantu dan menemani selama menyusun skripsi;
13. Teman-teman seperjuangan angkatan 2012, Lorent’z 12 yang telah memberikan
bantuan, dukungan, keceriaan dan motivasinya;
14. Teman-teman kosan Himajalu, Jawa 8 no 1, terima kasih atas kebersamaan dan
dukungannya;
15. Teman-teman semua angkatan di Jurusan Fisika dan semua pihak yang tidak
dapat disebutkan satu per satu, terima kasih untuk kalian semua.
Semoga segala kebaikan yang telah diberikan menjadi amal baik dan mendapat
imbalan dari Allah. Demi kesempurnaan penulisan skripsi ini, penulis menerima
saran dan kritik dari berbagai pihak yang bersifat membangun.
Penulis berharap semoga skripsi ini dapat bermanfaat bagi sesama.
x
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
DAFTAR ISI
Halaman
HALAMAN JUDUL .................................................................................................... i
HALAMAN PERSEMBAHAN ................................................................................. ii
HALAMAN MOTTO ................................................................................................ iii
HALAMAN PERNYATAAN .................................................................................... iv
HALAMAN PEMBIMBING ..................................................................................... v
HALAMAN PENGESAHAN .................................................................................... vi
RINGKASAN ............................................................................................................ vii
PRAKATA .................................................................................................................. ix
DAFTAR ISI ............................................................................................................... xi
DAFTAR TABEL .................................................................................................... xiii
DAFTAR GAMBAR ................................................................................................ xiv
DAFTAR LAMPIRAN ............................................................................................ xvi
BAB 1. PENDAHULUAN .......................................................................................... 1
1.1 Latar Belakang .................................................................................................. 1
1.2 Rumusan Masalah ............................................................................................. 5
1.3 Batasan Masalah ................................................................................................ 5
1.4 Tujuan ................................................................................................................ 5
1.5 Manfaat .............................................................................................................. 5
BAB 2. TINJAUAN PUSTAKA ................................................................................. 6
2.1 Tanaman Padi .................................................................................................... 6
2.2 Klasifikasi Tanaman Padi ................................................................................. 7
2.3 Estimasi Umur Tanaman Padi Sawah Menggunakan Enhanced
Vegetation Indeks (EVI) Dari Citra Terra MODIS..................................... 8
2.4 Panen .................................................................................................................. 9
2.5 Radiasi Matahari ............................................................................................. 10
2.6 Interaksi Cahaya dengan Materi ................................................................... 17
2.7 Model Warna RGB.......................................................................................... 18
xi
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
xii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
DAFTAR TABEL
Halaman
2.1 Warna Serta Panjang Gelombang Spektrum Cahaya ........................................... 13
4.1 Nilai RGB Pada Cropping Padi dan Kertas .......................................................... 31
xiii
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
DAFTAR GAMBAR
Halaman
2.1 Tanaman Padi .......................................................................................................... 6
2.2 Spektrum Warna ................................................................................................... 13
2.3 Spektrum Energi Radiasi Foton Yang Berukuran Antara 400 nm – 700 nm
Digunakan Dalam Fotosintesis .......................................................................... 16
2.4 Energi Foton Yang Panjang Gelombangnya berbeda-beda .................................. 17
2.5 Perbedaan Reflektansi Secara Spekular dan Secara Difusi .................................. 17
2.6 Kubik Warna Untuk Model Warna RGB ............................................................. 19
2.7 Vektor Pada Bidang Koordinat Kartesian ............................................................ 20
3.1 Peta Daerah Penelitian .......................................................................................... 21
3.2 Ilustrasi .................................................................................................................. 23
3.3 Diagram Alir ........................................................................................................ 23
3.4 Hasil Ekstraksi Foto Digital Menjadi Layer RGB Menggunakan Software
MATLAB ............................................................................................................ 25
3.5 Proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )..............................................27
3.6 Proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ ) ............................................ 27
3.7 Proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )..............................................28
4.1 Klasifikasi Pengelompokan Padi Usia 10 Hari ..................................................... 29
4.2 Klasifikasi Pengelompokan Padi Usia 20 Hari ..................................................... 29
4.3 Klasifikasi Pengelompokan Padi Usia 30 Hari ..................................................... 29
4.4 Klasifikasi Pengelompokan Padi Usia 50 Hari ..................................................... 30
4.5 Klasifikasi Pengelompokan Padi Usia 60 Hari ..................................................... 30
4.6 Klasifikasi Pengelompokan Padi Usia 70 Hari ..................................................... 30
4.7 Klasifikasi Pengelompokan Padi Usia 80 Hari ..................................................... 30
4.8 Klasifikasi Pengelompokan Padi Usia 90 Hari ..................................................... 30
4.9 Klasifikasi Pengelompokan Padi Usia 100 Hari ................................................... 31
4.10 Hasil cropping gambar padi dan kertas ............................................................... 31
xiv
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
4.11 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 10 Hari ...................... 32
4.12 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 20 Hari ...................... 33
4.13 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 30 Hari ...................... 33
4.14 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 50 Hari ...................... 33
4.15 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 60 Hari ...................... 34
4.16 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 70 Hari ...................... 34
4.17 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 80 Hari ...................... 34
4.18 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 90 Hari ...................... 35
4.19 Grafik 3 Dimensi dari Normalisasi RGB Padi Pada Usia 100 Hari .................... 36
4.20 Plotting Data Dengan Vektor Posisi 3 Dimensi .................................................. 36
4.21 Klasifikasi Pada Proyeksi ( ̂ ̂ ...................................................................... 37
4.22 Klasifikasi Pada Proyeksi ( ̂ ̂ ...................................................................... 37
4.23 Klasifikasi Pada Proyeksi ( ̂ ̂ ...................................................................... 38
4.24 Klasifikasi Usia tanaman padi ............................................................................ 39
xv
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
DAFTAR LAMPIRAN
A. Klasifikasi Pengelompokan Padi Usia 10-30 hari yang Sudah di Croping ........... 43
B. Klasifikasi Pengelompokan Padi Usia 50-70 hari yang Sudah di Croping ........... 46
C. Klasifikasi Pengelompokan Padi Usia 80-100 hari yang Sudah di Croping ......... 49
D. Data Ekstraksi Nilai RGB Kelompok Usia 10-30 hari.......................................... 52
E. Data Ekstraksi Nilai RGB Kelompok Usia 50-70 hari.......................................... 55
F. Data Ekstraksi Nilai RGB Kelompok Usia 80-100 hari........................................ 58
G. Validasi Klasifikasi Pengelompokan Padi Usia 10 hari yang Sudah di Croping ... 61
H. Validasi Klasifikasi Pengelompokan Padi Usia 50 hari yang Sudah di Croping .. 63
I. Validasi Klasifikasi Pengelompokan Padi Usia 70 hari yang Sudah di Croping ... 65
J. Validasi Klasifikasi Pengelompokan Padi Usia 100 hari yang Sudah di Croping . 67
xvi
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
BAB 1. PENDAHULUAN
Citra digital adalah gambar dua dimensi yang bisa ditampilkan pada layar
komputer sebagai himpunan nilai digital yang disebut dengan pixel-pixel (elemen-
elemen). Citra mempunyai karakteristik yang dimiliki oleh data teks, yaitu citra kaya
informasi karena dalam satu citra dapat menjelaskan beberapa kejadian. Selain itu,
citra juga sering digunakan untuk mempresentasikan suatu objek dan khususnya ada
yang menggunakan citra untuk menyimpan suatu data rahasia, histori, pribadi dan
kejadian sehari-hari.
Citra warna digital merupakan kombinasi dari beberapa layer (lapisan) warna
merah, hijau dan biru yang dikenal dengan RGB (Red, Green and Blue) layer. Nilai
digital pada setiap pixel dari citra digital direpresentasikan oleh kombinasi nilai-nilai
pada pixel yang bersangkutan pada setiap layer RGB. Setiap RGB tersebut memiliki
intensitas yang dinyatakan dalam bentuk nilai digital dalam rentang 0-255. Jadi
terdapat sejumlah 2563 sama dengan 16.777.216 kemungkinan jenis warna pada
sebuah citra warna digital. Karena membutuhkan 24 bit per piksel maka citra ini
disebut pula dengan citra warna 24-bit (Sianipar, 2013).
Citra digital dapat dihasilkan oleh kamera digital. Sensor kamera mengubah
besaran intensitas cahaya yang diterima menjadi nilai digital. Selanjutnya nilai-nilai
digital tersebut akan membentuk sebuah gambar yang tersusun dari kombinasi nilai
digital yang terekam oleh sensor. Kombinasi dari tiga warna dasar yaitu merah, hijau
dan biru bisa menghasilkan banyak warna berkat teknik interpolasi yang dilakukan
dalam kamera (Sianipar, 2013).
Ekstraksi sinar merah, hijau, dan biru pada citra digital tanaman padi
merupakan langkah awal untuk melihat reflektansi cahaya pada tanaman padi
berdasarkan nilai sinar RGB (Red, Green, Blue). Reflektansi cahaya dapat dilihat
dengan citra digital yang bisa dihasilkan oleh kamera. Reflektansi cahaya adalah
perbandingan intensitas cahaya yang dipantulkan dengan cahaya yang datang. Setiap
objek memiliki nilai reflektansi cahaya yang berbeda pada panjang gelombang
tertentu. Padi memiliki sifat reflektansi yang unik/khas pada spektrum warna yang
berbeda panjang gelombangnya. Panjang gelombang merah adalah 600 nm – 700 nm,
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 3
panjang gelombang hijau 500 nm – 570 nm, dan panjang gelombang biru 400 nm –
500 nm. Pada kondisi normal, tingkat kehijaun tanaman padi mempunyai korelasi
positif dengan reflektansi cahaya pada spektrum cahaya hijau. Tingkat kehijauan
tanaman padi mencerminkan banyaknya klorofil yang mampu melakukan fotosintesis
sebagai aktivitas inti untuk produksi padi. Jika proses fotosintesis dapat berlangsung
dengan baik maka akan diikuti dengan naiknya produktivitas tanaman padi.
Merizawati (2008) melakukan penelitian dengan menggunakan analisis RGB
untuk mengukur kelimpahan fitoplanton (Chlorella sp.). Penelitian ini bertujuan
untuk mengukur kelimpahan fotoplanton (Chlorella sp.) berdasarkan analisis RGB
terhadap nilai reflektansinya. Pada penelitian tersebut citra terlebih dahulu
dicropping, hasil cropping dipindahkan ke halaman baru dan dilihat intensitas
warnanya melalui histogram pada masing-masing kanal. Histogram dari tiap-tiap
kanal disajikan secara berurutan untuk melihat pergeseran warna yang terjadi.
Pergeseran ke kanan menandakan terjadinya peningkatan intensitas dan sebaliknya.
Pada penelitian tersebut didapatkan bahwa sinar merah dan biru lebih efektif diserap
pada saat kelimpahan fitoplanton (Chlorella sp.) sedangkan sinar hijau akan
dipantulkan.
Mizuma (2011) melakukan penelitian tentang perbandingan beberapa indeks
warna untuk rekaman fotografi fenologi kanopi dari fagus crenata blume di Jepang
bagian timur. Penelitian tersebut untuk mengidentifikasi indeks warna yang paling
efektif dalam menghitung sinyal yang diekstrak dari kamera digital. Hasil yang
didapatkan yaitu meskipun intensitas sinyal hijau dan indeks kelebihan warna hijau
adalah indikator yang dapat diandalkan untuk memperkirakan masa pertumbuhan
dedaunan, indeks tersebut rentan terhadap kondisi cuaca dengan visibilitas rendah dan
jauh dari kamera.
Selanjutnya Hafizah (2011) melakukan penelitian dengan menggunakan RGB,
HSV dan CIELUV untuk menentukan kandungan kelembaban tanah sawah pada dua
lapisan berbeda. Hasil dari penelitian menunjukkan bahwa setiap lapisan tanah
memberikan warna tanah yang berbeda karena kandungan kelembaban tanah berbuah
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 4
Selanjutnya tanaman padi akan panen dan kondisi lahan menjadi berat dengan nilai
EVI sekitar 0.17.
2.4 Panen
Panen merupakan tahap akhir penanaman padi di sawah. Bila hasil yang
diharapkan telah menjadi kenyataan, berarti sebuah padi sudah cukup masak dan siap
untuk dipanen atau dipetik. Namun pemanenan padi harus dilakukan pada waktu
yang tepat, sebab ketepatan waktu memanen berpengaruh terhadap jumlah, mutu
gabah dan berasnya. Panen yang terlambat pada varietas padi yang mudah rontok,
akan menurunkan produksi. Sedangkan panen yang terlalu awal menyebabkan mutu
buah padi kurang baik. Pada umumnya penentuan saat panen buah padi konsumsi
berbeda dengan saat panen untuk kebutuhan benih. Hal ini berkaitan dengan kondisi
embrio yang ada dalam buah padi. Padi untuk benih memerlukan kesempurnaan
dalam pembentukan embrio, sebab embrio harus hidup dan siap untuk
dikecambahkan. Di samping itu cadangan makanan yang ada dalam biji harus cukup
untuk persediaan makanan selama kecambah belum dapat menyerap makanan dari
dalam tanah. Cadangan makanan di dalam biji (endosperm) dapat dipakai sebagai
tanda bahwa biji padi sudah siap dipanen. Sedangkan pada panenan yang baik
seharusnya isi gabah telah penuh dan masak (AAK, 1990).
Ada beberapa faktor yang mempengaruhi penentuan saat panen, antara lain
varietas padi, keadaan iklim termasuk di dalamnya musim, pemeliharaan tanaman
dan lain sebagainya. Pembungaan padi yang tidak serempak sering kali menyulitkan
penentuan saat panen yang tepat, sebab petani harus menunggu mana yang belum
masak hingga menjadi masak sempurna. Hal ini menyebabkan yang muncul lebih
awal akan menjadi terlalu masak. Demikian pula penggunaan parameter atau patokan
umur, kadar air dan warna kuning gabah sukar diterapkan untuk penerapan waktu
panen.
Adapun tanda-tanda yang telah diketahui oleh petani untuk memungut padi
yang telah masak ialah:
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 10
terhadap waktu secara periodis dan perubahan itu dijalankan sepanjang arah
menjalarnya gelombang (Soedojo, 1992).
Gelombang elektromagnetik melalui cahaya, gelombang radio, gelombang
mikro, inframerah, cahaya tampak, ultraviolet, sinar X dan sinar gamma (Tipler,
2001). Berbagai jenis gelombang elektromagnetik tersebut hanya berbeda dalam
panjang gelombang dan frekuensinya, yang dihubungkan dengan persamaan:
(2.1)
f = frekuensi (Hz)
c = kecepatan cahaya (m/s)
𝜆 = panjang gelombang (m)
Cahaya merupakan sebagian dari gelombang elektromagnetik yang dapat dilihat mata
dengan komponennya yaitu cahaya merah, jingga, kuning, hijau, biru, nila dan ungu.
(Ekajati et al, 2010).
Dua properti cahaya yang paling jelas dapat langsung dideskripsikan dengan
teori gelombang untuk cahaya adalah intensitas (kecerahan) dan warna. Intensitas
cahaya merupakan energi persatuan waktu dan sebanding dengan kuadrat amplitudo
gelombang. Warna cahaya berhubungan dengan panjang gelombang atau frekuensi
cahaya tersebut. Cahaya tampak yaitu cahaya yang sensitif pada mata kita jatuh pada
kisaran 400 nm sampai 750 nm. Kisaran ini dikenal sebagai spektrum tampak, dan
didalamnya terdapat warna ungu sampai merah (Giancoli, 2001).
Panjang gelombang yang berbeda-beda diinterpretasikan oleh otak manusia
sebagai warna, dengan merah adalah panjang gelombang terpanjang hingga violet
dengan panjang gelombang terpendek. Cahaya dengan frekuensi dibawah 400
nanometer tidak dapat dilihat oleh mata manusia dan disebut ultraviolet pada batas
frekuensi tinggi serta inframerah pada batas frekuensi rendah. Antara obyek dan
tenaga terjadi interaksi. Ada lima bentuk interaksi yaitu transmisi, serapan, pantulan,
hamburan, dan pancaran. Transmisi merupakan tenaga menembus obyek dengan
mengalami perubahan kecepatan sesuai dengan indeks pembiasan antara dua obyek
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 12
yang bersangkutan. Tenaga dalam bentuk panas maupun sinar dapat diserap oleh
benda. Tenaga pantulan yaitu tenaga yang dipantulkan oleh benda dengan sudut
datang sebesar sudut pantulnya, tanpa mengalami perubahan kecepatan. Hamburan
yaitu pantulan yang bersifat acak. Tenaga pancaran sebenarnya berupa tenaga serapan
yang kemudian dipancarkan oleh benda penyerapnya (Merizawati, 2008).
Tenaga elektromagnetik berupa sinar, interaksinya dengan benda terjadi dalam
bentuk serapan dan pantulan. Biar sinar banyak diserap, maka yang dipantulkan
hanya sedikit dan sebaliknya. Transmisi terjadi pada air jernih bagi panjang
gelombang terentu. Hamburan terjadi pada obyek yang berbentuk tidak beraturan atau
tidak datar (Sutanto, 1987).
Pembentukan warna dapat berupa proses aditif dan substraktif. Pada proses
aditif, pembentukan warna dilakukan dengan memadukan warna aditif primer yaitu
warna biru, hijau dan merah. Pembentukan warna dengan proses substraktif
dilakukan dengan memadukan warna substraktif primer, yaitu warna kuning, cyan,
dan magenta (Lillesand dan Kiefer, 1979).
Penguraian sinar dilakukan menggunakan filter. Filter yang berwarna merah
jika dipasang pada sinar putih akan menyerap saluran biru dan saluran hijau sehingga
hanya saluran merah saja yang diteruskan sehingga sinar itu tampak berwarna merah.
Obyek yang berwarna putih akan memantulkan warna merah, hijau dan biru.
Cahaya matahari yang sampai ke permukaan air terdiri dari suatu spektrum
berbagai gelombang cahaya yang diukur dengan satuan nanometer (nm). Spektrum
cahaya ini mencakup semua warna yang dapat dilihat yakni warna ungu sampai
merah (400 – 700 nanometer). Komponen merah dan ungu diserap setelah gelombang
menembus permukaan air. Komponen hijau dan biru diabsorbsi lebih lambat sehingga
dapat menembus air lebih dalam (Nybakken, 1988).
Warna adalah salah satu kriteria untuk mengidentifikasi suatu objek. Pada
analisis spektrokimia, spektrum radiasi elektromagnetik digunakan untuk
menganalisis spesies kimia dan menelaah interaksinya dengan radiasi
elektromagnetik (Khopkar, 1990). Warna disebabkan oleh pembentukan suatu
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 13
senyawa berwarna atau warna itu dapat melekat dalam penyusunan yang diinginkan
itu sendiri. Intensitas warna kemudian dapat dibandingkan dengan yang diperoleh
untuk melihat kuantitas yang diketahui dari zat itu dengan cara yang sama (Basset,
1994).
Sinar merah dan ungu akan diabsorbsi sampai kedalaman tertentu, tetapi sinar
biru dapat mencapai kedalaman yang lebih dibandingkan dengan merah dan ungu.
Panjang gelombang akan berkurang intensitasnya seiring dengan bertambahnya
kedalaman. Kedalaman yang dicapai oleh cahaya dengan intensitas tertentu
merupakan fungsi dan kecerahan air dan absorbsi berbagai panjang gelombang
sebagai komponen cahaya (Nybakken,1988).
Warna yang terlihat diinterpretasikan dalam bentuk spektrum warna atau
spektrum sinar tampak.
Kenyataannya, warna saling bercampur satu sama lain. Spektrum warna tidak hanya
terbatas pada warna warna yang dapat kita lihat. Mendapatkan panjang gelombang
yang lebih pendek dari sinar ungu atau lebih panjang dari sinar merah sangat
mungkin. Spektrum yang lebih lengkap, akan ditunjukkan ultra-ungu dan infra-
merah, tetapi dapat diperlebar lagi hingga sinar-X dan gelombang radio, diantara
sinar yang lain.
Daya tembus sinar terhadap air tergantung pada daya serap air terhadap sinar
yang mengenainya. Semakin besar daya serapnya, semakin kecil kemungkinan sinar
untuk menembus air tersebut. Daya serap air yang terkecil berada pada kisaran
panjang gelombang 400 – 600 nanometer sehingga dapat digunakan untuk
penginderaan dasar perairan yang dangkal. Pada perairan yang dangkal, sinar biru
memiliki daya tembus yang besar terhadap air, selain itu juga mengalami hamburan
yang besar sehingga tidak banyak sinar pantulan yang dapat mencapai kamera
(Lillesand dan Kiefer, 1979).
Sinar merah memiliki daya tembus yang lebih kecil. Bila digunakan saluran
merah, daya tembusnya terhadap air jernih hanya beberapa meter saja. Bila digunakan
seluruh spektrum tampak maka ia akan diserap oleh air setelah mencapai kedalaman
2 meter. Apabila digunakan saluran inframerah dekat, sinar telah diserap pada jarak
hanya dasar perairan dangkal saluran yang digunakan adalah 450 – 520 nm dan 520 –
600 nm (Rehder, 1985).
Cahaya matahari terdiri atas berbagai sinar yang berlainan gelombangnya.
Sinar-sinar yang nampak pada mata kita mempunyai panjang 390 nm sampai 760 nm.
Diurutkan dari yang bergelombang panjang, maka sinar-sinar itu ialah merah, jingga,
kuning, hijau, biru, nila, ungu. Sinar-sinar yang bergelombang lebih pendek dari pada
sinar ungu ialah sinar ultra ungu, sinar x, sinar gamma dan sinar kosmik. Baik sinar-
sinar ini maupun sinar-sinar yang lebih panjang gelombangnya dari pada sinar merah
(sinar infra merah), namun semuanya tidak terlalu penting bagi tumbuhan dalam hal
fotosintesis. Energi yang dipergunakan oleh tumbuhan yang mengadakan fotosintesisi
itu hanya 0,5% sampai 2% saja dari jumlah energi sinar yang diterima daun. Energi
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 15
yang diberikan itu bergantung pada kualitas (berapa panjang gelombang) intensitas
(banyaknya sinar per 1 cm2 perdetik) dan juga terdapat lama penyinaran (durasi)
(Rusdiana, 2007).
Reaksi cahaya dalam fotosintesis merupakan akibat langsung penyerapan foton
oleh molekul-molekul pigmen seperti klorofil. Tidak seluruh foton mempunyai
tingkat energi yang cocok untuk menggiatkan pigmen daun. Diatas 760 nm foton
tidak memiliki cukup energi dan dibawah 390 nm foton (bila diserap oleh pigmen
daun) memiliki terlalu banyak energi, menyebabkan ionisasi dan kerusakan pigmen
hanya foton yang mempunyai panjang gelombang antara 390 nm dan 760 nm (yaitu
cahaya tampak) memiliki tingkat energi yang cocok untuk fotosintesis (Franklin et al,
1991).
Bila tanaman resisten terhadap penaungan dan tidak berupaya baik untuk
penempatan daunnya agar tidak ternaungi ataupun membatasi aktifitasnya dalam
periode iluminasi yang tinggi, pemilahan akan terjadi lebih banyak pada proses
fotosintesis. Masalah yang dihadapi oleh sebuah tanaman yang berada dibawah
tekanan cahaya rendah, maka tanaman akan beradaptasi dengan cara, pertama
pengurangan kecepatan respirasi. Pengurangan kecepatan didalam respirasi akan
menurunkan titik kompensasi, tetapi respirasi mempunyai tujuan yaitu untuk
melambatkan pertumbuhan, yang dapat menurunkan kemampuan bersaing dari
tanaman terhadap spesies yang pertumbuhannya lebih cepat. Pengurangan kecil pada
kecepatan respirasi selanjtnya merupakan satu respon yang umum terhadap
berkurangnya intensitas cahaya (Rusdiana, 2007).
Cahaya tampak (visible light), sebagai sumber energi yang digunakan tumbuhan
untuk fotosintesis, merupakan bagaian spektum energi radiasi. Energi radiasi
mempunyai karakteristik yang unik, yang dapat dijelaskan dengan menggunakan dua
macam teori yang berhubungan, yaitu teori gelombang elektromagnetik dan teori
kuantum.
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 16
Gambar 2.3 Spektrum energi radiasi foton yang berukuran antara 400-700 nm
digunakan dalam fotosintesis.
Teori Gelombang Elektromagnet menyatakan bahwa cahaya merambat melalui
ruangan sebagai suatu gelombang. Jumlah gelombang yang merambat melewati titik
tertentu dalam interval tertentu dinyatakan sebagai frekuensi. Bila kita membagi
kecepatan cahaya dengan frekuensi, kita memperoleh panjang gelombang
(wavelength) (Franklin et al, 1991).
Teori kuantum menyatakan bahwa cahaya merambat dalam bentuk aliran
partikel disebut foton. Energi yang terkandung dalam satu foton disebut satu
kuantum. Karena energi yang terkandung dalam satu foton itu berbanding lurus
dengan frekuensi, maka kuantum dapat dinyatakan dalam bentuk panjang gelombang,
dan energi tiap foton berbanding terbalik dengan panjang gelombang (Gambar 2.3).
(2.3)
pigmen daun) memiliki terlalu banyak energi, menyebabkan ionisasi dan kerusakan
pigmen. Hanya foton yang mempunyai panjang gelombang antara 390 dan 760 nm
(yaitu cahaya-tampak) memiliki tingkat energi yang cocok untuk fotosintesis.
Garis-garis putus menunjukkan batas bawah dan batas atas panjang gelombang yang
dapat menyebabkan fotosintesis (Franklin et al, 1991).
Gambar 2.5 Perbedaan reflektansi (a) secara spekular dan (b) secara difusi
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 18
Setiap permukaan benda mengalami refleksi difusi dan spekular. Sebagian besar
permukaan lebih banyak mengalami refleksi spekular, namun sebagian mengalami
refleksi difusi.
Proses pada refleksi, terjadi dua proses yang berbeda. Pertama adalah pada jenis
cermin atau refleksi spekular, yang terjadi pada antar muka dari medium tanpa
adanya transmisi dan sudut cahaya sama dengan sudut refleksi. Jenis lainnya adalah
refleksi menyebar, dimana radiasi yang menembus kemudian muncul kembali di
permukaan sistem mengikuti absorpsi parsial hamburan multipel dalam sistem, dan
rasio sudut datang tidak sama dengan sudut refleksi.
vektor ruang 3 dimensi yang biasanya dipakai dalam matematika. Jadi, sebuah warna
dapat dituliskan sebagai warna putih dengan RGB (255, 255, 255), sedangkan untuk
hitam memiliki RGB (0, 0, 0). Citra warna ini dipandang sebagai penumpukan tiga
matriks; masing-masing matriks merepresentasikan nilai-nilai merah, hijau, dan biru
pada setiap piksel (Sianipar, 2013).
Warna sebuah citra digital ditentukan oleh besar intensitas piksel-piksel
penyusunnya. Warna ini diperoleh dari besar kecilnya intensitas cahaya yang
ditangkap oleh sensor, sedangkan skala intensitas cahaya di alam tidak terbatas, yang
bisa menghasilkan warna dengan jumlah yang tak terhingga. Sampai saat ini belum
ada satu sensor pun yang mampu menangkap seluruh gradasi warna tersebut
Fatkhiyah (2013) mengatakan dalam Sianipar (2013) Terdapat sejumlah metode
untuk mendeskripsikan warna, tetapi demi kepentingan penampilan dan
penyimpanan, maka digunakan model standar RGB. Pada model RGB, semua warna
dimodelkan dalam suatu kubik warna dengan panjang sisi 1, seperti yang tertampil
pada Gambar 2.5. Warna-warna di sepanjang diagonal hitam-putih (black-white)
ditampilkan dengan garis putus-putus, yaitu titik-titik yang dalam hal ini nilai-nilai R,
G dan B sama (Sianipar, 2013).
(0, 1, 1)
Cyan (1, 1, 1)
White
(0, 0, 1)
Blue
(1, 0, 1)
Magenta
(1, 1, 0)
(0, 1, 0) Yellow
Green
(0, 0, 0) (1, 0, 0) R
Black Red
Analisis data
Kesimpulan
Selesai
Gambar 3.4 Hasil ekstraksi foto digital menjadi layer RGB menggunakan software
MATLAB.
Nilai digital pixel ditunjukkan oleh angka di kiri bawah setiap gambar. Selanjutnya,
nilai digital (DN) dari pixel pada layer R, G, B seperti tampak pada gambar 3.4 di
baca dan di hitung nilai rata-ratanya. Hasil rata-rata DN dari setiap layer di catat
dalam tabel pengamatan untuk setiap foto digital yang di ambil.
( ( ))
( ( ))
( ( ))
Keterangan:
, , = Nilai normalisasi layer red, green, blue
= Nilai rata-rata DN (Digital Number) layer red pada kertas putih
= Nilai rata-rata DN (Digital Number) layer green pada kertas putih
= Nilai rata-rata DN (Digital Number) layer blue pada kertas putih
= Nilai rata-rata DN (Digital Number) layer red pada tanaman padi
= Nilai rata-rata DN (Digital Number) layer green pada tanaman padi
= Nilai rata-rata DN (Digital Number) layer blue pada tanaman padi
𝑒̂𝑟
Gambar 3.5 proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )
𝑒̂𝑏
𝑒̂𝑔
𝑒̂𝑔
𝑒̂𝑟
Membuat vektor posisi rata-rata yang mewakili klasifikasi usia tanaman padi
Keterangan :
= Rata-rata klasifikasi usia tanaman padi pada spektrum red
= Rata-rata klasifikasi usia tanaman padi pada spektrum green
= Rata-rata klasifikasi usia tanaman padi pada spektrum blue
Dari data selain dapat dihitung rata-rata juga dapat menghitung standar deviasi
̅
√ (3.8)
̅
√ (3.9)
̅
√ (3.10)
Dan selanjutnya penulisan vektor posisi
̅ ̂ (̅ )̂ ̅ ̂ (3.11)
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember
BAB 5. PENUTUP
5.1 Kesimpulan
Klasifikasi usia tanaman padi dalam 3 kelompok usia, 10-30 hari, 50-70 hari
dan 80-100 hari, telah berhasil dilakukan berdasarkan spektrum warna dasar RGB
dengan metode vektor posisi koordinat kartesian 3 dimensi. Klasifikasi dilakukan
dengan mengambil gambar tanaman padi di sawah menggunakan kamera DSRL
Nikon D7000. Spektrum warna red, green and blue diekstrak dari gambar
menggunakan toolbox matlab. Posisi setiap sampel dipresentasikan dalam koordinat
kartesian dengan mengaplikasikan normalisasi setiap spektrum sebagai unit vektor
dan besar vektor. Ketiga unit vektor dengan arah red, green and blue dilihat saling
tegak lurus sehingga posisi data dapat digambarkan dalam koordinat kartesian.
Hasil klasifikasi menunjukkan terlihat perbedaan untuk ketiga kelompok data.
Pencacahan lebih detail dengan membagi tiap kelompok menjadi 3 sub kelompok
usia terlihat dengan baik. Dengan demikian dapat disimpulkan metode vektor posisi 3
dimensi koordinat kartesian, dapat mengklasifikan usia tanaman padi.
5.2 Saran
Berdasarkan penelitian yang dilakukan, diketahui bahwa ektraksi reflektansi
spektrum warna dasar (RGB) menggunakan vektor posisi koordinat kartesian untuk
menentukan klasifikasi tanaman padi dapat diketahui. Namun terdapat beberapa hal
yang masih perlu dilakukan penelitian lebih lanjut, diantaranya pengambilan data
dilakukan setiap hari agar bisa mengetahui titik puncak time series.
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 42
DAFTAR PUSTAKA
Basset, dkk. 1994. Vogel Text Book Of Kuantitatif Chemical Analisys Fifth Edition.
London: The School Of Phemes Politechnics.
Ekajati, Murdaka, B, dan Priyambodo, Tri Kuntoro. 2010. Fisika Dasar Listrik
Magnet, Optika, Fisika Modern. Yogyakarta: Andi.
Hafizah, Nor S. and Khairunniza B. Siti. 2011. Colour spaces for paddy soil moisture
content determination (Ruang warna untuk penentuan kandungan kelembapan
tanah sawah). J. Trop. Agric. and Fd. Sc. 39(1): 1-13.
Lillesand, T. M., dan R. W. Kiefer. 1979. Remote Sensing and Image Interpretation.
Newyork: John Willey and Sons.
Merizawati. 2008. Analisis Sinar Merah, Hijau dan Biru (RGB) untuk Mengukur
Kelimpahan Fitoplanton (Chlorella sp.). Skripsi. Bogor: Institusi Pertanian
Bogor.
Rusdiana, Elok, A.N. 2007. Analisis Bentuk Spektrum Absopsi NaCl Dengan
Menggunakan Sumber Cahaya Tungsten dan Detektor Fotodioda. Skripsi.
Jember: Universitas Jember.
Sianipar, R.H. 2013. Pemrograman Matlab dalam Contoh dan Penerapan. Bandung:
Informatika Bandung.
Soedojo, Peter. 1992. Azas-azas Ilmu Fisika Jilid 3 Optika. Yogyakarta: Gajah Mada
University Press.
Tipler, Paul A. 2001. Fisika Untuk Sain dan Teknik Edisi Ke-3 Jilid-2. Jakarta:
Erlangga.
Lampiran A
Klasifikasi pengelompokan padi usia 10 hari – 30 hari yang sudah dicropping
Gambar A21-A30 Klasifikasi pengelompokan padi usia 30 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 47
Lampiran B
Klasifikasi pengelompokan padi usia 50 hari – 70 hari yang sudah di croping
Gambar B11-B20 Klasifikasi pengelompokan padi usia 60 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 49
Gambar B21-B30 Klasifikasi pengelompokan padi usia 70 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 50
Lampiran C.
Klasifikasi pengelompokan padi usia 80 hari – 100 hari yang sudah di croping
Gambar C.4
Gambar C.3
Gambar C.6
Gambar C.5
Gambar C.8
Gambar C.7
Gambar C1-C10 Klasifikasi pengelompokan padi usia 80 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 51
Gambar C11-C20 Klasifikasi pengelompokan padi usia 90 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 52
Lampiran D
Data ekstraksi nilai RGB kelompok usia 10 hari – 30 hari
Tabel D1 Nilai ekstraksi RGB tanaman padi pada usia 10 hari
FileName Nilai R Nilai G Nilai B
BEC_7794.jpg 81.203 109.193 31.878
BEC_7795.jpg 83.968 114.908 33.527
BEC_7796.jpg 82.390 118.706 35.394
BEC_7797.jpg 85.832 117.811 39.342
BEC_7798.jpg 86.113 110.530 30.920
BEC_7799.jpg 88.722 118.183 32.835
BEC_7800.jpg 86.578 115.839 39.954
BEC_7801.jpg 83.430 113.554 37.117
BEC_7802.jpg 84.534 110.124 35.054
BEC_7803.jpg 83.301 114.285 34.724
Tabel D2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 10 hari
FileName Nilai R Nilai G Nilai B
BEC_7794.jpg 254.986 254.985 254.990
BEC_7795.jpg 254.888 254.880 254.923
BEC_7796.jpg 254.987 254.985 254.990
BEC_7797.jpg 255.000 255.000 255.000
BEC_7798.jpg 254.924 254.918 254.954
BEC_7799.jpg 254.983 254.981 254.986
BEC_7800.jpg 254.963 254.986 254.988
BEC_7801.jpg 254.994 254.999 254.998
BEC_7802.jpg 254.843 254.837 254.872
BEC_7803.jpg 254.893 254.927 254.953
Tabel D5 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 20 hari
FileName Nilai R Nilai G Nilai B
BEC_7807.jpg 254.970 254.959 254.987
BEC_7808.jpg 254.998 254.998 254.998
BEC_7809.jpg 255.000 255.000 255.000
BEC_7810.jpg 254.983 254.971 254.949
BEC_7811.jpg 254.071 253.922 254.916
BEC_7812.jpg 255.000 255.000 255.000
BEC_7813.jpg 254.909 254.996 254.989
BEC_7814.jpg 254.915 254.984 254.966
BEC_7815.jpg 254.971 254.968 254.978
BEC_7816.jpg 254.923 254.923 254.942
Tabel D8 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
usia 30 hari
FileName Nilai R Nilai G Nilai B
BEC_7862.jpg 255.000 255.000 255.000
BEC_7864.jpg 255.000 255.000 255.000
BEC_7866.jpg 255.000 255.000 255.000
BEC_7867.jpg 255.000 255.000 255.000
BEC_7868.jpg 255.000 255.000 255.000
BEC_7869.jpg 255.000 255.000 255.000
BEC_7870.jpg 255.000 255.000 255.000
BEC_7871.jpg 255.000 255.000 255.000
BEC_7872.jpg 255.000 255.000 255.000
BEC_7876.jpg 255.000 255.000 255.000
Lampiran E
Data ekstraksi nilai RGB kelompok usia 50 hari – 70 hari
Tabel E1 Nilai ekstraksi RGB tanaman padi pada usia 50 hari
FileName Nilai R Nilai G Nilai B
BEC_8410.JPG 121.428 155.715 70.133
BEC_8418.JPG 120.771 154.891 69.247
BEC_8419.JPG 122.639 155.246 68.784
BEC_8420.JPG 119.212 154.783 71.049
BEC_8422.JPG 119.756 153.710 71.159
BEC_8423.JPG 118.126 154.122 69.700
BEC_8425.JPG 118.016 156.811 71.399
BEC_8427.JPG 119.276 154.325 68.903
BEC_8428.JPG 118.091 154.817 68.911
BEC_8433.JPG 119.338 155.895 68.186
Tabel E2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 50 hari
FileName Nilai R Nilai G Nilai B
BEC_8410.jpg 254.986 254.985 254.990
BEC_8418.jpg 254.983 254.981 254.986
BEC_8419.jpg 254.893 254.927 254.953
BEC_8420.jpg 255.000 255.000 255.000
BEC_8422.jpg 255.000 255.000 255.000
BEC_8423.jpg 255.000 255.000 255.000
BEC_8425.jpg 254.986 254.985 254.990
BEC_8427.jpg 254.994 254.999 254.998
BEC_8428.jpg 255.000 255.000 255.000
BEC_8433.jpg 255.000 255.000 255.000
Tabel E5 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 60 hari
FileName Nilai R Nilai G Nilai B
BEC_8336.jpg 254.998 254.998 254.998
BEC_8337.jpg 254.883 254.871 254.949
BEC_8346.jpg 255.000 255.000 255.000
BEC_8349.jpg 255.000 255.000 255.000
BEC_8357.jpg 255.000 255.000 255.000
BEC_8359.jpg 254.994 254.994 254.995
BEC_8365.jpg 254.737 254.994 254.994
BEC_8369.jpg 254.986 254.985 254.990
BEC_8373.jpg 254.744 254.999 254.999
BEC_8374.jpg 254.992 255.000 255.000
Tabel E8 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 70 hari
FileName Nilai R Nilai G Nilai B
BEC_7925.jpg 255.000 255.000 255.000
BEC_7926.jpg 255.000 255.000 255.000
BEC_7927.jpg 255.000 255.000 255.000
BEC_7928.jpg 254.860 254.999 254.998
BEC_7929.jpg 254.901 254.999 254.999
BEC_7930.jpg 255.000 255.000 255.000
BEC_7931.jpg 254.957 255.000 254.999
BEC_7932.jpg 254.997 254.997 254.997
BEC_7933.jpg 255.000 255.000 255.000
BEC_7934.jpg 254.994 254.994 254.995
Lampiran F
Data ekstraksi nilai RGB kelompok usia 80 hari – 100 hari
Tabel F1Nilai ekstraksi RGB tanaman padi pada usia 80 hari
FileName Nilai R Nilai G Nilai B
BEC_7903.jpg 149.474 95.270 89.601
BEC_7904.jpg 143.830 94.365 92.099
BEC_7905.jpg 142.211 91.425 88.995
BEC_7906.jpg 142.334 99.684 93.254
BEC_7907.jpg 146.075 99.786 93.310
BEC_7908.jpg 144.663 90.895 88.344
BEC_7909.jpg 141.460 96.612 91.074
BEC_7910.jpg 148.772 91.370 89.589
BEC_7911.jpg 141.547 91.984 89.664
BEC_7912.jpg 149.508 91.820 89.402
Tabel F2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 80 hari
FileName Nilai R Nilai G Nilai B
BEC_7903.jpg 254.986 254.985 254.990
BEC_7904.jpg 254.983 254.981 254.986
BEC_7905.jpg 254.994 254.999 254.998
BEC_7906.jpg 255.000 255.000 255.000
BEC_7907.jpg 255.000 255.000 255.000
BEC_7908.jpg 255.000 255.000 255.000
BEC_7909.jpg 255.000 255.000 255.000
BEC_7910.jpg 255.000 255.000 255.000
BEC_7911.jpg 255.000 255.000 255.000
BEC_7912.jpg 254.994 254.994 254.995
Tabel F5 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 90 hari
FileName Nilai R Nilai G Nilai B
BEC_7987.jpg 254.987 254.985 254.990
BEC_7988.jpg 254.937 254.994 254.994
BEC_7989.jpg 255.000 255.000 255.000
BEC_7990.jpg 254.942 254.999 254.999
BEC_7991.jpg 254.911 255.000 254.999
BEC_7992.jpg 254.983 254.981 254.986
BEC_7994.jpg 254.944 254.999 254.999
BEC_7995.jpg 254.856 255.000 255.000
BEC_7996.jpg 254.971 254.999 254.993
BEC_7997.jpg 254.992 255.000 255.000
Tabel F7 Nilai ekstraksi RGB tanaman padi pada usia 100 hari
FileName Nilai R Nilai G Nilai B
BEC_7888.jpg 157.861 60.492 100.943
BEC_7892.jpg 159.984 63.556 105.265
BEC_7893.jpg 158.163 67.648 103.173
BEC_7894.jpg 160.371 62.105 106.958
BEC_7895.jpg 159.779 63.668 107.948
BEC_7896.jpg 158.663 67.464 108.998
BEC_7897.jpg 161.264 62.190 108.037
BEC_7898.jpg 162.832 63.577 108.883
BEC_7899.jpg 162.832 63.577 108.793
BEC_7900.jpg 159.270 61.241 101.304
Tabel F8 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 100 hari
FileName Nilai R Nilai G Nilai B
BEC_7888.jpg 255.000 255.000 255.000
BEC_7892.jpg 255.000 255.000 255.000
BEC_7893.jpg 254.997 254.999 254.999
BEC_7894.jpg 255.000 255.000 255.000
BEC_7895.jpg 255.000 255.000 255.000
BEC_7896.jpg 255.000 255.000 255.000
BEC_7897.jpg 255.000 255.000 255.000
BEC_7898.jpg 254.994 254.994 254.995
BEC_7899.jpg 254.983 254.981 254.986
BEC_7900.jpg 254.992 255.000 255.000
Lampiran G
Validasi klasifikasi pengelompokan padi usia 10 hari yang sudah di croping
Tabel K2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 10 hari
FileName Nilai R Nilai G Nilai B
IMG_20170325_144641_HDR.jpg 255.000 255.000 255.000
IMG_20170325_144708_HDR.jpg 255.000 255.000 255.000
IMG_20170325_144724_HDR.jpg 255.000 255.000 255.000
IMG_20170325_144738_HDR.jpg 254.860 254.999 254.998
IMG_20170325_144751_HDR.jpg 254.901 254.999 254.999
IMG_20170325_144804_HDR.jpg 255.000 255.000 255.000
IMG_20170325_144815_HDR.jpg 254.957 255.000 254.999
IMG_20170325_144827_HDR.jpg 254.997 254.997 254.997
IMG_20170325_144840_HDR.jpg 255.000 255.000 255.000
IMG_20170325_144851_HDR.jpg 254.994 254.994 254.995
Lampiran H
Validasi klasifikasi pengelompokan padi usia 50 hari yang sudah di croping
Tabel L2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 50 hari
FileName Nilai R Nilai G Nilai B
BSC_0744.jpg 254.924 254.996 254.994
BSC_0745.jpg 254.999 255.000 254.999
BSC_0746.jpg 254.999 255.000 254.999
BSC_0747.jpg 255.000 255.000 255.000
BSC_0748.jpg 254.996 255.000 255.000
BSC_0749.jpg 254.978 254.999 254.999
BSC_0750.jpg 255.000 255.000 255.000
BSC_0751.jpg 254.997 255.000 254.999
BSC_0752.jpg 255.000 255.000 255.000
BSC_0753.jpg 254.929 254.996 254.994
Lampiran I
Validasi klasifikasi pengelompokan padi usia 70 hari yang sudah di croping
Gambar H1-H10 Klasifikasi pengelompokan padi usia 70 hari yang sudah di croping
Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 67
Tabel M2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 70 hari
FileName Nilai R Nilai G Nilai B
BSC_0761.jpg 254.924 254.996 254.994
BSC_0762.jpg 254.996 255.000 255.000
BSC_0763.jpg 254.999 255.000 254.999
BSC_0764.jpg 255.000 255.000 255.000
BSC_0765.jpg 255.000 255.000 255.000
BSC_0766.jpg 254.999 254.999 254.999
BSC_0767.jpg 254.999 254.999 254.999
BSC_0768.jpg 255.000 255.000 255.000
BSC_0769.jpg 254.988 254.995 254.993
BSC_0770.jpg 255.000 255.000 255.000
Lampiran J
Validasi klasifikasi pengelompokan padi usia 100 hari yang sudah di croping
Tabel N2 Nilai ekstraksi RGB dari kertas yang diambil bersama dengan gambar padi
pada usia 100 hari
FileName Nilai R Nilai G Nilai B
BSC_0772.jpg 254.999 254.999 254.999
BSC_0773.jpg 254.999 254.999 254.997
BSC_0774.jpg 255.000 255.000 255.000
BSC_0775.jpg 254.995 254.996 254.986
BSC_0776.jpg 254.988 254.995 254.993
BSC_0777.jpg 254.999 254.999 254.999
BSC_0778.jpg 254.995 254.999 254.997
BSC_0779.jpg 254.998 254.998 254.996
BSC_0780.jpg 255.000 255.000 255.000
BSC_0781.jpg 255.000 255.000 255.000
aljabar
Subiono M.s, Nia Yuliant i
LAPORAN HASIL PENELITIAN
TIM PENELITI
(MST)
SMA 1 Kudus
Tahun 2019
Penerapan Teori Grup Dalam Mengkaji Struktur Ruang Vektor ℝ𝟑
Dimas Naufal Al Ghifari, Hammam Abdirrazzaq ats Tsaqif, dan Indriati Sukorini, S.Pd, M.Pd
SMA 1 Kudus, Mlati Lor, Kota, Kudus, Jawa Tengah, Telpon/Fax: (0291) 431348,
email: dimashasbund@gmail.com
ABSTRAK
Teori grup merupakan studi terhadap salah satu struktur aljabar dalam matematika, yaitu grup.
Grup merupakan salah struktur aljabar yang penting dalam dunia matematika dan ilmu pengetahuan
alam. Dalam bidang kimia, grup dapat digunakan untuk mengklasifikasikan simetri molekul serta
mengidentifikasi titik molekul tersebut. Grup juga diterapkan dalam bidang kriptografi yaitu untuk
sistem kriptografi kunci publik. Struktur aljabar matematika yang sering menjadi objek pengkajian
dalam teori grup adalah set bilangan ℤ, ℚ, ℝ, ℂ serta simetri objek-objek geometri. Sebenarnya objek
studi dalam teori grup tidak hanya terbatas pada struktur aljabar tersebut, namun dapat dikembangkan
pada jenis set lainnya yang memiliki operasi biner dan memenuhi aksioma-aksioma tertentu.
Berdasarkan permasalahan tersebut, maka kami tertarik untuk mencoba menerapkan konsep dalam teori
grup untuk menganalisis beberapa struktur dalam ruang vektor ℝ3 , terutama menyangkut aksi grup
terhadap ruang vektor, finitas ruang vektor serta eksistensi subgrup siklik dalam ruang vektor ℝ3 .
Penelitian ini menggunakan metode kajian pustaka dengan cara mengumpulkan berbagai
sumber dan teorema-teorema yang mendukung pada kajian teori grup. Hasil penelitian menunjukkan
bahwa ruang vektor ℝ3 bersifat tidak finit dilihat dari orde elemennya. Didapatkan pula bahwa
sembarang grup dapat melakukan aksi terhadap ruang vektor ℝ3 melalui homomorfisma terhadap grup
permutasi ∑(𝐴) dan grup refleksif Φ. Selain itu didapatkan bahwa ruang vektor ℝ3 memuat subgrup
yang bersifat siklik walaupun ruang vektor ℝ3 sendiri bukan suatu grup yang siklik.
PENDAHULUAN
A. Latar Belakang
Aljabar Abstrak merupakan sub-displin dalam Matematika yang mempelajari struktur
aljabar, seperti grup, ring, medan, modul, ruang vektor, dan aljabar medan. Mempelajari dan
memahami aljabar abstrak dalam kehidupan sangatlah penting, karena akan memandu utamanya
bagi siswa atau pelajar yang sedang mengkaji suatu set baik secara spesifik maupun secara umum
(general) yang dilengkapi dengan struktur tambahan seperti operasi biner dan aksioma-aksioma
yang menyertainya.
Grup digunakan dalam dunia matematika dan ilmu pengetahuan alam. Dalam bidang kimia,
grup dapat digunakan untuk mengklasifikasikan simetri molekul serta mengidentifikasi titik molekul
tersebut. Grup juga diterapkan dalam bidang kriptografi yaitu untuk sistem kriptografi kunci publik
(Nugroho D et al, 2017). Grup merupakan salah satu struktur aljabar yang utama dalam aljabar
abstrak sehingga ia memiliki sub-disiplin tersendiri, yaitu Teori Grup. Sub-disiplin ini berfokus pada
kajian terhadap struktur aljabar grup, yang mana merupakan suatu sistem yang terdiri dari suatu set
beserta operasi biner yang memenuhi aksioma tertentu. Set ℤ, ℚ, ℝ, dan ℂ dalam operasi + serta
simetri objek geometri merupakan beberapa contoh struktur aljabar yang sering dikaji dalam teori
grup karena struktur-struktur tersebut memenuhi aksioma-aksioma tertentu yang mendefinisikan
sebuah grup.
Teori grup sebenarnya dapat diluaskan cakupan subyek penelitiannya, tidak terbatas hanya
pada set-set bilangan ℤ, ℚ, ℝ, ℂ dan simetri objek geometri, namun juga pada jenis set lainnya yang
memiliki operasi biner dan aksioma-aksioma. Dari pemahaman inilah yang pada akhirnya
memunculkan ide dari peneliti untuk mengkaji dan mendalami lebih lanjut tentang bagaimana jika
teori grup ini digunakan untuk mengkaji set yang elemen-elemennya menempati ruang seperti
halnya ruang vektor ℝ3 .
Teori grup menjadi salah satu konsep yang tepat dan dapat digunakan untuk menjelaskan
ruang vektor ℝ3 , terutama dalam menganalisis subruang vektor dalam sudut pandang subgrup.
Selain itu, interpretasi geometris terhadap analisis yang dilakukan dapat dipahami secara komprehen
dalam ruang 3 dimensi.
Sebagai contoh, kita definisikan ℝ3 ruang vektor yang menempati koordinat Kartesius 3
dimensi, dipunyai 𝑣 ⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣3 ∈ ℝ3 sehingga ℝ3 = 𝑎𝑣
𝑣2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗1 + 𝑏𝑣 ⃗⃗⃗⃗3 , 𝑎, 𝑏, 𝑐 ∈ ℝ. ℝ3 dapat dilihat
⃗⃗⃗⃗2 + 𝑐𝑣
sebagai suatu Grup Abelian (Komutatif) dalam operasi biner + dinotasikan (ℝ3 , +) dengan
𝑎𝑣⃗⃗⃗⃗1 , 𝑏𝑣 ⃗⃗⃗⃗3 ∈ ℝ3 . Ruang vektor ℝ3 memuat sub-Grup dalam jumlah yang tidak terbatas. Salah
⃗⃗⃗⃗2 , 𝑐𝑣
satu sub-Grup non-trivial dalam Ruang Vektor ℝ3 adalah suatu bidang vektor 2 dimensi yang
jumlahnya tidak terbatas. Bidang vektor 2 dimensi ini merupakan suatu subset 𝐻 = {𝑟ℎ ⃗⃗⃗⃗1 +
𝑠ℎ⃗⃗⃗⃗2 |ℎ
⃗⃗⃗⃗1 , ℎ
⃗⃗⃗⃗2 ∈ ℝ3 𝑟, 𝑠 ∈ ℝ} ⊂ ℝ3 yang mana juga merupakan suatu sub-Grup dalam operasi +
dinotasikan (𝐻, +). Subgrup dalam ℝ3 sangat menarik untuk dikaji strukturnya, terutama mengenai
finitas, kesiklikan, serta interpretasi geometris dari subgrup. Jika dieksplorasi lagi secara mendalam,
masih banyak aspek-aspek dalam ruang vektor ℝ3 yang dapat dianalisis lebih detail menggunakan
teori grup.
Berdasarkan latar belakang diatas, maka kami mengajukan judul penelitian: “Penerapan
Teori Grup Dalam Mengkaji Struktur Ruang Vektor ℝ𝟑 ”.
B. Rumusan Masalah
1. Apakah konsep dalam teori grup dapat digunakan untuk mengkaji struktur ruang vektor
ℝ3 ?
2. Bagaimana pendekatan konsep teori grup dalam mengkaji dan memahami struktur ruang
vektor ℝ3 ?
C. Tujuan Penelitian
1. Untuk menyelidiki apakah konsep-konsep dalam teori grup dapat digunakan mengkaji
struktur ruang vektor ℝ3
2. Untuk mengetahui pendekatan konsep teori grup dalam mengkaji dan memahami struktur
ruang vektor ℝ3 .
D. Kebaharuan
Kebaharuan dalam penelitian adalah berupa:
1. Prosedur operasional dalam penelitian pada ruang vektor ℝ3 berbasis pendekatan teori grup,
sehingga menghasilkan perspektif baru serta pemahaman yang lebih luas dan komprehensif
terhadap ruang vektor ℝ3
2. Teori grup pada umumnya sering digunakan untuk menjelaskan set bilangan ℕ, ℤ, ℚ, ℝ, ℂ
serta simetri objek-objek geometri namun masih jarang penelitian yang memperluas
cakupannya sampai pada analisis ruang vektor ℝ3 .
BAB II
TINJAUAN PUSTAKA
A. Matriks
Matriks adalah susunan sekelompok bilangan dalam suatu jajaran berbentuk persegi panjang
yang diatur berdasarkan baris dan kolom dan diletakkan antara dua tanda kurung sebagai contoh:
0 1 −2 0
[1 4 0 0]
4 −1 0 2
Salah satu ciri-ciri penting dari matriks adalah ukuran atau dimensi, dengan kata lain banyak baris
atau kolom. Matriks di atas mempunyai 3 baris dan 4 kolom sehingga ukurannnya adalah 3 × 4.
Suatu matriks dengan ukuran 𝑚 × 𝑛 disebut matriks 𝑚 × 𝑛. Elemen 𝑖, 𝑗 adalah nilai atau entri baris
ke- 𝑖 dan kolom ke- 𝑗 dalam matriks 𝐴, dinotasikan 𝐴𝑖𝑗 atau 𝐴𝑖,𝑗 (jika 𝑖, 𝑗 lebih dari satu digit). Suatu
set matriks real 𝑚 × 𝑛 dinotasikan ℝ𝑚×𝑛 (Boyd S & Vanderberghe L, 2018).
1. Transpose Matriks
2. Jenis-jenis Matriks
a. Matriks Identitas
Matriks identitas adalah matriks diagonal yang semua elemen pada diagonal
utamanya adalah 1. Matriks identitas biasanya dinotasikan dengan 𝐼. Contoh matriks
1 0 0
identitas adalah [0 1 0].
0 0 1
b. Matriks Kolom
Matriks kolom adalah matriks yang hanya mempunyai satu kolom. Secara umum,
1
matriks kolom berordo 𝑚 × 1. Contoh matriks kolom: [5] dengan ordo 3 × 1
2
c. Matriks Simetris
Ruang vektor umumnya dinotasikan dengan ℝ𝑛 , dimana ℝ𝑛 terdiri dari semua vektor dengan
𝑛 komponen. Penulisan ruang vektor menggunakan lambang ℝ karena komponen-komponen dari
vektor tersebut adalah bilangan real. ℝ3 memberikan suatu titik dalam ruang 3 dimensi. Ruang
vektor memenuhi beberapa aksioma sebagai berikut.
𝑣2 ∈ ℝ𝑛 , 𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗
1. ∀𝑣 𝑣2 ∈ ℝ𝑛
⃗⃗⃗⃗1 + ⃗⃗⃗⃗
2. ∀𝑟 ∈ ℝ dan ∀𝑣 ∈ ℝ𝑛 , 𝑟𝑣 ∈ ℝ𝑛
3. ∀𝑣 𝑣2 ∈ ℝ𝑛 , 𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗ ⃗⃗⃗⃗1 + ⃗⃗⃗⃗
𝑣2 = ⃗⃗⃗⃗
𝑣2 + 𝑣
⃗⃗⃗⃗1
⃗ ∈ ℝ sehingga 0
4. ∃0 𝑛 ⃗ + 𝑣 = 𝑣 + ⃗0 = 𝑣
⃗
5. ∀𝑣 ∈ ℝ𝑛 , ∃(−𝑣 ) ∈ ℝ𝑛 sehingga 𝑣 + (−𝑣 ) = (−𝑣 ) + 𝑣 = 0
Bersama dengan aksioma di atas, maka suatu ruang vektor real dapat didefinisikan sebagai
himpunan vektor yang dilengkapi dengan beberapa aksioma untuk penjumlahan vektor dan
perkalian skalar dengan bilangan real. Perhatikan bahwa syarat 1 dan 2 bersama-sama
mendefinisikan Kombinasi Linear suatu vektor. Syarat 3 mendefinisikan sifat Komutatif dari ruang
vektor dalam operasi penjumlahan (Strang G., 2006).
E. Teori Himpunan
Definisi himpunan (set) adalah kumpulan objek objek yang berbeda (Munir R., 2012). Objek-
objek tersebut dikumpulkan di dalam suatu kurawal {} dengan klasifikasi tertentu yang terdefinisi
dengan baik. Jika dipunyai dua set 𝐴 dan 𝐵 dan setiap elemen 𝐴 merupakan elemen 𝐵, maka 𝐴
merupakan subset dari 𝐵 dinotasikan 𝐴 ⊂ 𝐵, jika tepat setiap elemen 𝐵 anggota 𝐴 maka dinotasikan
𝐴 ⊆ 𝐵 (Halmos P., 1965).
1. Kardinalitas
Definisi kardinalitas adalah sebuah himpunan dikatakan berhingga (finite set) jika terdapat 𝑛
elemen berbeda (distinct) yang dalam hal ini 𝑛 adalah bilangan bulat tak-negatif. Sebaliknya
sebaliknya himpunan tersebut dikatakan tak-berhingga (infinite set) (Munir R., 2012).
2. Perkalian Kartesian
Perkalian kartesian (Cartesian Product) dari himpunan 𝐴 dan 𝐵 adalah himpunan yang
elemennya semua pasangan berurutan (Ordered Pairs) yang dibentuk dari komponen pertama dari
himpunan 𝐴 dan komponen kedua dari himpunan 𝐵 (Munir R., 2012). Secara formal, Perkalian
Kartesian antara 𝐴 dan 𝐵 merupakan suatu set dinotasikan 𝐴 × 𝐵 dimana:
3. Pemetaan
Jika 𝑋 dan 𝑌 adalah himpunan, maka pemetaan didefinisikan sebagai suatu relasi 𝑓 antara 𝑋
ke 𝑌 sehingga 𝑑𝑜𝑚 𝑓 = 𝑋 dan ∀𝑥 ∈ 𝑋, ∃𝑦 ∈ 𝑌 sehingga (𝑥, 𝑦) ∈ 𝑓 atau dapat dituliskan 𝑓(𝑥) = 𝑦.
Simbol 𝑓: 𝑋 → 𝑌 digunakan untuk mendefinisikan “𝑓 memetakan 𝑋 ke 𝑌” (Halmos P., 1965).
Pemetaan 𝑓 dikatakan satu-ke-satu atau Injektif jika 𝑥 dan 𝑦 adalah anggota himpunan 𝑋, maka
𝑓(𝑥) ≠ 𝑓(𝑦) bilamana 𝑥 ≠ 𝑦. Jika 𝑓(𝑥) = 𝑓(𝑦) maka implikasinya adalah 𝑥 = 𝑦. Pemetaan 𝑓
dikatakan pada atau Surjektif jika setiap elemen himpunan 𝑌 merupakan bayangan dari satu atau
lebih elemen himpunan 𝑋. Pemetaan 𝑓 dikatakan koresponden satu-ke-satu atau Bijeksi jika ia
adalah fungsi satu-ke-satu dan juga fungsi pada (Munir R., 2012).
F. Teori Grup
Teori grup merupakan cabang dari Aljabar Abstrak yang berfokus pada studi terhadap struktur
aljabar, terutama Grup (Wikipedia). Grup didefinisikan sebagai suatu set dilengkapi dengan operasi
yang bersifat asosiatif, memiliki elemen identitas, dan elemen invers (Pinter C., 1990). Secara
formal, grup didefinisikan sebagai suatu set 𝐺 beserta operasi biner grup ∗ dimana:
∗∶𝐺×𝐺 ⟼𝐺
Secara khusus, 𝐺 merupakan grup Abelian apabila operasi ∗ bersifat Komutatif, dengan kata
lain ∀𝑔1 , 𝑔2 ∈ 𝐺, 𝑔1 ∗ 𝑔2 = 𝑔2 ,∗ 𝑔1 . (Pauling A., 2010). Misalkan terdapat 𝐻 ⊆ 𝐺 serta 𝐻 ≠ ∅
maka 𝐻 merupakan subgrup apabila memenuhi sifat-sifat sebagai berikut.
1. 𝑒 ∈ 𝐻
2. ∀ℎ1 , ℎ2 ∈ 𝐻 ℎ1 ∗ ℎ2 ∈ 𝐻
3. ∀ℎ ∈ 𝐻, ∃ℎ−1 ∈ 𝐻 sehingga ℎ ∗ ℎ−1 = ℎ−1 ∗ ℎ = 𝑒
Misalkan (𝐺,∗) suatu grup dan 𝑔 ∈ 𝐺. Definisikan 𝑔𝑛 operasi repetitif ∗ sebanyak 𝑛 kali
terhadap 𝑔, yaitu:
𝑔𝑛 = ⏟
𝑔 ∗ 𝑔 ∗ …∗ 𝑔
𝑛
sehingga orde 𝑔 didefinisikan sebagai 𝑜𝑟𝑑(𝑔) = 𝑛 dimana 𝑛 merupakan solusi dari 𝑔𝑛 = 𝑒. Maka
untuk grup 𝐺 yang finit atau |𝐺| ≠ ∞, ∃𝑛 ∈ ℕ sehingga 𝑔𝑛 = 𝑒, maka 𝑜𝑟𝑑(𝑔) = 𝑛 dan 𝑜𝑟𝑑(𝑔)
habis membagi |𝐺|. Tetapi untuk kasus dimana 𝐺 tidak finit, maka untuk sembarang 𝑔 ∈ 𝐺 tidak
terdapat solusi 𝑛 yang memenuhi 𝑔𝑛 = 𝑒 dengan kata lain, 𝑜𝑟𝑑(𝑔) = ∞ yang mana
mengindikasikan bahwa 𝐺 tidak finit.
2. Grup Siklik
Suatu grup 𝐺 dikatakan Siklik jika grup tersebut dapat dihasilkan oleh satu elemen 𝑔 ∈ 𝐺 atau
dinotasikan dengan 𝐺 = 〈𝑔〉. Jika 𝑔 mempunyai orde finit 𝑛, maka:
𝐺 = {𝑒, 𝑔, 𝑔2 , … , 𝑔𝑛−1 } ≈ 𝐶𝑛
𝐺 = {… , 𝑔−2 , 𝑔−1 , 𝑒, 𝑔, 𝑔2 , … } ≈ 𝐶∞
dimana 𝐶𝑛 menotasikan sembarang grup siklik berorde 𝑛 dan 𝐶∞ suatu grup siklik berorde ∞.
(Milne J., 2010).
3. Aksi Grup
Dipunyai (𝐺,∗) suatu grup dan 𝑆 suatu set, Aksi grup 𝐺 terhadap 𝑆 didefinisikan sebagai
suatu pemetaan:
𝑓: 𝐺 × 𝑆 ⟼ 𝑆
Sedemikian sehingga:
Ketika suatu aksi grup telah didefinisikan, maka kita dapat menuliskan 𝑓(𝑔, 𝑠) = 𝑔(𝑠),
sehingga sifat 1) menjadi 𝑓(𝑔1 ∗ 𝑔2 , 𝑠) = 𝑔1 (𝑔2 (𝑠)) dan sifat 2) menjadi 𝑓(𝑒, 𝑠) = 𝑒(𝑠)
(Pauling A., 2010).
4. Teorema Cayley
“Misalkan 𝐺 suatu grup, maka 𝐺 isomorfik terhadap subgrup dari ∑(𝐺). Khususnya jika |𝐺| =
𝑛 ∈ ℕ maka 𝐺 isomorfik terhadap subgrup dari 𝑆𝑛 ” (Pauling A., 2010).
G. Inferensi
Misalkan diberikan proposisi. Kita dapat menarik kesimpulan baru dari proposisi tersebut.
Proses penarikan kesimpulan dari beberapa proposisi disebut inferensi (inference). Didalam kalkulus
proposisi, terdapat sejumlah kaidah inferensi, beberapa diantaranya adalah sebagai berikut:
Kaidah ini didasarkan pada tautologi 𝑝 ∧ (𝑝 → 𝑞) → 𝑞, yang dalam hal ini, 𝑝 dan 𝑝 →
𝑞 adalah hipotesis, sedangkan 𝑞 adalah Konklusi. Kaidah Modus Ponen dapat ditulis dengan
cara:
𝑝→𝑞
∴ 𝑞
Simbol ∴ dibaca sebagai “jadi” atau “karena itu”. Modus ponen menyatakan bahwa jika
hipotesis p dan 𝑝 → 𝑞 benar, maka konklusi 𝑞 benar.
2. Modus Tollen
Kaidah ini didasarkan pada tautologi [~𝑞 ∧ (𝑝 → 𝑞)] → ~𝑝, Kaidah ini modus Tollen
ditulis dengan cara:
𝑝→𝑞
~𝑞
∴ ~𝑝
3. Silogisme Hipotesis
𝑝→𝑞
𝑞→𝑟
∴ 𝑝→𝑟
4. Aksioma
5. Teorema
Teorema adalah proposisi yang sudah terbukti benar. Bentuk khusus dari teorema
adalah lemma dan corollary. Lemma adalah teorema sederhana yang digunakan dalam
pembuktian teorema lain. Lemma biasanya tidak menarik namun berguna pada pembuktian
proposisi yang lebih kompleks, yang dalam hal ini pembuktian tersebut dapat lebih mudah
dimengerti bila menggunakan sederetan lemma, setiap lemma dibuktikan secara individual.
Corollary adalah teorema yang dapat dibentuk langsung dari teorema yang telah dibuktikan,
atau dapat dikatakan corollary adalah teorema yang mengikuti dari teorema lain (Munir R.,
2012).
BAB III
METODE PENELITIAN
Penelitian ini menggunakan metode penelitian kajian pustaka. Kajian pustaka merupakan
metode penelitian yang mengupas berbagai teori yang berhubungan dengan permasalahan dalam
penelitian. Oleh karena itu, kajian pustaka digunakan sebagai dasar pemecahan masalah yang penulis
gunakan dalam penulisan karya tulis ilmiah ini. Langkah-langkah dalam metode ini adalah: 1) Kajian
pustaka. 2) Perumusan masalah. 3) Pemecahan masalah. 4) Penarikan Kesimpulan.
Dalam tahap kajian pustaka dilakukan pengumpulan referensi meliputi teori grup, teori
himpunan, ruang vektor, transformasi linear, serta logika matematika. Selain itu, juga dilakukan
pengupasan teori yang dapat dijadikan sebagai suatu masalah, yaitu meliputi finitas ruang vektor,
eksistensi grup siklik pada ruang vektor, serta aksi grup terhadap ruang vektor dan vektor itu sendiri.
Dalam proses memperoleh jawaban dari masalah yang diangkat dalam penelitian ini dilakukan
langkah-langkah pemecahan masalah dengan menyelidiki struktur pada ruang vektor tersebut kemudian
mengaplikasikan konsep-konsep dari teori grup terhadap ruang vektor, terutama dalam mengkaji finitas
ruang vektor, eksistensi grup siklik serta hubungan antara sembarang grup dengan ruang vektor melalui
aksi grup.
𝑎 𝑑 𝑔
3
Misalkan dipunyai suatu ruang vektor ℝ dengan vektor basis [𝑏] , [ 𝑒 ] , [ℎ ] sehingga ruang
𝑐 𝑓 𝑖
𝑎 𝑑 𝑔
vektor ℝ3 dapat diekspresikan dalam bentuk matriks 𝐴 = [𝑏 𝑒 ℎ ] suatu matriks invertible.
𝑐 𝑓 𝑖
Didefinisikan ∑(𝐴) suatu grup permutasi pada 𝐴. Elemen-elemennya merupakan fungsi yang
melakukan permutasi pada vektor-vektor kolom dari matriks 𝐴, dinotasikan 𝜇 dimana 𝜇 ∈ ∑(𝐴)
serta tertutup dalam operasi komposisi permutasi. Misalkan dipunyai 𝜇𝑛 sehingga
𝑎 𝑑 𝑔 𝑔 𝑎 𝑑
𝜇𝑛 : [𝑏 𝑒 ℎ ] ⟼ [ℎ 𝑏 𝑒 ]. Perhatikan bahwa 𝜇𝑛 melakukan permutasi terhadap vektor-vektor
𝑐 𝑓 𝑖 𝑖 𝑐 𝑓
kolom dalam matriks 𝐴 sehingga kita dapat pula memandang 𝐴 sebagai suatu set vektor-vektor
𝑎 𝑑 𝑔 𝑎 𝑑 𝑔
kolom, dengan kata lain 𝐴 = {[𝑏] , [ 𝑒 ] , [ℎ ]} dimana [𝑏 ] , [ 𝑒 ] , [ℎ ] ∈ ℝ3. Orde dari grup 𝐴 adalah
𝑐 𝑓 𝑖 𝑐 𝑓 𝑖
|𝐴| = 3! = 6, dimana:
∀𝜇𝑛 ∈ ∑(𝐴), 𝑛 ≤ 6, 𝑛 ∈ ℕ ∶
𝑎 𝑑 𝑔 𝑎 𝑑 𝑔 𝑎 𝑑 𝑔 𝑎 𝑔 𝑑
𝜇1 : [𝑏 𝑒 ℎ ] ⟼ [𝑏 𝑒 ℎ] 𝜇4 : [𝑏 𝑒 ℎ ] ⟼ [𝑏 ℎ 𝑒]
𝑐 𝑓 𝑖 𝑐 𝑓 𝑖 𝑐 𝑓 𝑖 𝑐 𝑖 𝑓
𝑎 𝑑 𝑔 𝑑 𝑎 𝑔 𝑎 𝑑 𝑔 𝑔 𝑎 𝑑
𝜇2 : [𝑏 𝑒 ℎ] ⟼ [𝑒 𝑏 ℎ] 𝜇5 : [𝑏 𝑒 ℎ ] ⟼ [ℎ 𝑏 𝑒]
𝑐 𝑓 𝑖 𝑓 𝑐 𝑖 𝑐 𝑓 𝑖 𝑖 𝑐 𝑓
𝑎 𝑑 𝑔 𝑔 𝑑 𝑎 𝑎 𝑑 𝑔 𝑑 𝑔 𝑎
𝜇3 : [𝑏 𝑒 ℎ ] ⟼ [ℎ 𝑒 𝑏] 𝜇6 : [𝑏 𝑒 ℎ] ⟼ [𝑒 ℎ 𝑏]
𝑐 𝑓 𝑖 𝑖 𝑓 𝑐 𝑐 𝑓 𝑖 𝑓 𝑖 𝑐
nampak bahwa ∑(𝐴) merupakan sebuah pemetaan Σ: 𝐴 ⟼ 𝐴 sehingga dapat dikatakan bahwa ∑(𝐴)
merupakan Grup simetri terhadap 𝐴. Perhatikan bahwa 𝜇1 merupakan pemetaan Σ: 𝐴 ⟼ 𝐴 sehingga
𝜇1 dapat didefinisikan sebagai elemen identitas dari ∑(𝐴) dengan kata lain 𝑒∑(𝐴) = 𝜇1 . Perhatikan pula
bahwa dengan operasi komposisi, akan dihasilkan suatu elemen yang merupakan anggota dari ∑(𝐴)
pula. Sebagai contoh, 𝜇6 (𝜇4 (𝐴)) = 𝜇5 (𝐴) atau dapat ditulis 𝜇6 ∘ 𝜇4 = 𝜇5 . Ini menunjukkan bahwa
untuk sembarang 𝑛, 𝑚 ≤ 6, 𝑛, 𝑚 ∈ ℕ, 𝜇𝑛 ∘ 𝜇𝑚 ∈ ∑(𝐴) Dengan menggunakan Diagram Cayley, kita
dapat menentukan keseluruhan interaksi dari elemen-elemen ∑(𝐴) dalam operasi komposisi.
∘ 𝜇1 𝜇2 𝜇3 𝜇4 𝜇5 𝜇6
𝜇1 𝜇1 𝜇2 𝜇3 𝜇4 𝜇5 𝜇6
𝜇2 𝜇2 𝜇1 𝜇6 𝜇5 𝜇4 𝜇3
𝜇3 𝜇3 𝜇5 𝜇1 𝜇6 𝜇2 𝜇4
𝜇4 𝜇4 𝜇6 𝜇5 𝜇1 𝜇3 𝜇2
𝜇5 𝜇5 𝜇3 𝜇4 𝜇2 𝜇6 𝜇1
𝜇6 𝜇6 𝜇4 𝜇2 𝜇3 𝜇1 𝜇5
Dapat diketahui dari tabel tersebut bahwa ∑(𝐴) merupakan Grup Non-Abelian, sebab ∃𝑛, 𝑚 ∈
ℕ|𝜇𝑛 ∘ 𝜇𝑚 ≠ 𝜇𝑚 ∘ 𝜇𝑛 sebagai contoh 𝜇2 ∘ 𝜇3 ≠ 𝜇3 ∘ 𝜇2 , serta eksistensi elemen invers 𝜇𝑛 −1
sedemikian hingga 𝜇𝑛 ∘ 𝜇𝑛 −1 = 𝜇𝑛 −1 ∘ 𝜇𝑛 = 𝜇1 , sehingga ∑(𝐴) merupakan suatu grup.
𝜑: ∑(𝐴) × 𝐴 ⟼ 𝐴
𝜑(𝜇𝑛 , 𝐴) ⟼ 𝜇𝑛 (𝐴)
dimana,
1 𝜑(𝑒, 𝐴) = 𝐴
Karena sejatinya 𝜑 mendefinisikan aksi grup ∑(𝐴) terhadap 𝐴, maka kita dapat menotasikan aksi grup
∑(𝐴) sebagai:
𝜑𝜇𝑛 : 𝐴 ⟼ 𝐴
𝐴 ⟼ 𝜇𝑛 (𝐴), 𝜇𝑛 ∈ ∑(𝐴)
Preposisi: 𝝋𝝁𝒏 merupakan pemetaan bijektif.
Bukti:
𝜑𝜇𝑛 : 𝐴 ⟼ 𝐴
−1
𝜇𝑛 𝜇𝑚 (𝐴) ⟼ 𝜇𝑛 𝜇𝑛 −1 𝜇𝑚 (𝐴)
Dikarenakan aksi 𝜑∑(𝐴) merupakan pemetaan Bijektif, maka terdapat suatu Aksi Invers sehingga:
dengan terdefinisikannya grup ∑(𝐴) beserta aksinya terhadap 𝐴, maka terdapat suatu konsekuensi lebih
lanjut bahwa sembarang (𝐺,∗) dapat melakukan aksi terhadap 𝐴 melalui ∑(𝐴) (mengingat bahwa grup
𝐺 tidak selalu berupa grup permutasi). Dengan demikian, kita dapat mendefinisikan suatu pemetaan:
𝜑: 𝐺 ⟼ ∑(𝐴)
𝑔 ⟼ 𝜑𝑔
oleh karena 𝜑 mentransformasikan grup 𝐺 ke grup ∑(𝐴) maka jelas bahwa pemetaan 𝜑 haruslah
Homomorfisma.
Bukti: Kita perlu membuktikan bahwa untuk pemetaan 𝑓 antara sembarang grup (𝑇, ⋅) terhadap (𝐻, ⋄)
maka 𝑓 memenuhi 𝑓(𝑡 ⋅ ℎ) = 𝑓(𝑡) ⋄ 𝑓(ℎ), 𝑡 ∈ 𝑇, ℎ ∈ 𝐻. Misalkan dipunyai 𝑔1 , 𝑔2 ∈ (𝐺,∗), maka:
𝜑: 𝐺 ⟼ ∑(𝐴)
𝑔1 ∗ 𝑔2 ⟼ 𝜑𝑔1 ∗𝑔2
𝜑𝑔1 𝑔2 = 𝑔1 ∗ 𝑔2 (𝐴)
Tetapi 𝑔2 (𝐴) ∈ 𝐴 sehingga dapat ditulis
Perlu diingat bahwa 𝜑 (aksi Grup 𝐺) tidak selalu harus satu-satu (one-to-one). Aksi grup 𝐺
terhadap 𝐴 dikatakan faithful jika:
𝜑: 𝐺 ⟼ ∑(𝐴)
𝑔 ⟼ 𝜑𝑔
Sekarang kita dapat mempelajari Teorema Cayley, diberikan definisi-definisi yang kita punya
mengenai aksi grup 𝐺 terhadap ∑(𝐴) serta homomorfisma 𝜑. Teorema Cayley memberikan pernyataan
sebagai berikut.
Misalkan 𝐺 suatu grup finit dimana |𝐺| = 𝑛, maka 𝐺 isomorfik terhadap subgrup dari 𝑆𝑛 .
Analogi terhadap kasus yang kita punya ialah bahwa suatu grup 𝐺 dimana |𝐺| = 6, maka 𝐺 isomorfik
terhadap ∑(𝐴).
Bukti: Jelas bahwa |G| = |∑(𝐴)| dan karena 𝜑 homomorfisma maka kita hanya perlu membuktikan
bahwa 𝜑 merupakan aksi faithful. Untuk 𝑔, ℎ ∈ 𝐺, misalkan 𝜑𝑔 = 𝜑ℎ . Maka 𝑔(𝐴) = ℎ(𝐴) ⟹ 𝑔 =
ℎ. ∎
Misalkan dipunyai ℤ6 suatu grup bilangan bulat modulo 6 tertutup dalam operasi pertambahan
modulo 6, dimana ℤ6 = {0,1,2,3,4,5} dan |ℤ6 | = 6 maka ℤ6 dapat melakukan aksi terhadap 𝐴 dengan
homomorfisma 𝜑 dimana untuk z ∈ ℤ6 :
𝜑: ℤ6 ⟼ ∑(𝐴)
𝑧 ⟼ 𝜑𝜇𝑧+1
sehingga
ℤ6 juga isomorfik terhadap ∑(𝐴) karena ℤ6 = |∑(𝐴)|, serta untuk 𝑧1 , 𝑧2 ∈ ℤ6 maka 𝜑𝜇𝑧 =
1 +1
𝜑𝜇𝑧2+1 ⟹ 𝜇𝑧1 +1 (𝐴) = 𝜇𝑧1 +1 (𝐴). Kanselasi di kedua ruas memberikan 𝜇𝑧1 = 𝜇𝑧2 sehingga 𝑧1 = 𝑧2 . ∎
Homomorfisma 𝜑 menyebabkan ℤ6 dapat melakukan aksi yang bersifat sama dengan aksi
dari ∑(𝐴), yaitu melakukan permutasi terhadap vektor-vektor kolom dari matriks 𝐴.
II. Aksi Grup Terhadap Vektor Spesifik
𝑣1
Misalkan dipunyai vektor 𝑣 ∈ ℝ3 dimana 𝑣 = [𝑣2 ]. Kita definisikan 𝑉 himpunan seluruh
𝑣3
𝑣1 −𝑣1 −𝑣1 −𝑣1
𝑣 𝑣 −𝑣 −𝑣
refleksi yang memungkinkan dari vektor 𝑣 , yakni: 𝑉 = {[ 2 ] , [ 2 ] , [ 2 ] , … , [ 2 ]}. Dipunyai 𝜎
𝑣3 𝑣3 𝑣3 −𝑣3
suatu pemetaan refleksif terhadap suatu sumbu sedemikian hingga tidak mengubah nilai dari |𝑣 |.
𝑣1 −𝑣1
Misalkan sembarang 𝜎𝑚 memetakan 𝜎𝑚 : [𝑣2 ] ⟼ [ 𝑣2 ]. Dengan mendefinisikan semua 𝜎 yang
𝑣3 𝑣3
memungkinkan maka akan dipunyai suatu set, yaitu Φ = {𝜎1 , 𝜎2 𝜎3 , … , 𝜎8 } dimana |Φ| = 8. Kita dapat
merinci definisi dari tiap-tiap elemen dalam bentuk matriks:
𝜎𝑚 ∈ Φ, 𝑚 ≤ 8 𝑚 ∈ ℕ
1 0 0
𝜎1 = (0 1 0)
0 0 1
−1 0 0
𝜎2 = ( 0 1 0)
0 0 1
1 0 0
𝜎3 = (0 −1 0)
0 0 1
1 0 0
𝜎4 = (0 1 0)
0 0 −1
−1 0 0
𝜎5 = ( 0 −1 0)
0 0 1
−1 0 0
𝜎6 = ( 0 1 0 )
0 0 −1
1 0 0
𝜎7 = (0 −1 0 )
0 0 −1
−1 0 0
𝜎8 = ( 0 −1 0 )
0 0 −1
Didefinisikan operasi perkalian matriks × sehingga 𝜎𝑚 𝜎𝑛 ∈ Φ, maka Φ membentuk grup (Φ,×).
Bukti:
Ini juga sejalan dengan konsep transformasi linear dalam vektor, misal 𝐴 dan 𝐵 suatu matriks
transformasi terhadap 𝑣 maka 𝐴(𝐵𝑣 ) = (𝐴𝐵)𝑣 yang mana menggambarkan komposisi dari 2
transformasi menjadi suatu transformasi tunggal berupa matriks pula. Ini sejalan dengan konsep
ketertutupan dalam teori Grup. Kita tahu bahwa perkalian matriks bersifat non-Komutatif dimana 𝐴𝐵 ≠
𝐵𝐴, 𝐴, 𝐵 suatu matriks. Tetapi perhatikan bahwa setiap 𝜎 ∈ Φ merupakan matriks diagonal simetris
maka operasi × dalam grup Φ bersifat Komutatif.
𝑚 0 0 𝑛 0 0
Bukti: Misalkan dipunyai 𝜎𝑚 = ( 0 𝑚 0 ) dan 𝜎𝑛 (0 𝑛 0 ) dimana 𝜎𝑚 , 𝜎𝑛 ∈ Φ, 𝑚, 𝑛 ∈ ℝ.
0 0 𝑚 0 0 𝑛
𝑚𝑛 0 0
Dengan operasi × maka 𝜎𝑚 𝜎𝑛 = ( 0 𝑚𝑛 0 ), tetapi karena ℝ komutatif dalam perkalian maka
0 0 𝑚𝑛
𝑚𝑛 0 0 𝑛𝑚 0 0
( 0 𝑚𝑛 0 ) = ( 0 𝑛𝑚 0 ) = 𝜎𝑛 𝜎𝑚 sehingga 𝜎𝑚 𝜎𝑛 = 𝜎𝑛 𝜎𝑚 . ∎
0 0 𝑚𝑛 0 0 𝑛𝑚
Dengan begitu, Φ merupakan grup Abelian. Dengan menggunakan tabel Cayley, dapat didefinisikan
interaksi-interaksi elemen Φ dalam operasi yang telah ditentukan.
× 𝜎1 𝜎2 𝜎3 𝜎4 𝜎5 𝜎6 𝜎7 𝜎8
𝜎1 𝜎1 𝜎2 𝜎3 𝜎4 𝜎5 𝜎6 𝜎7 𝜎8
𝜎2 𝜎2 𝜎1 𝜎5 𝜎6 𝜎3 𝜎4 𝜎8 𝜎7
𝜎3 𝜎3 𝜎5 𝜎1 𝜎7 𝜎2 𝜎8 𝜎4 𝜎6
𝜎4 𝜎4 𝜎6 𝜎7 𝜎1 𝜎8 𝜎2 𝜎3 𝜎5
𝜎5 𝜎5 𝜎3 𝜎2 𝜎8 𝜎1 𝜎7 𝜎6 𝜎4
𝜎6 𝜎6 𝜎4 𝜎8 𝜎2 𝜎7 𝜎1 𝜎5 𝜎3
𝜎7 𝜎7 𝜎8 𝜎4 𝜎3 𝜎6 𝜎5 𝜎1 𝜎2
𝜎8 𝜎8 𝜎7 𝜎6 𝜎5 𝜎4 𝜎3 𝜎2 𝜎1
Elemen-elemen dalam grup ini dapat direpresentasikan sebagai set 𝑉 dalam Koordinat
Kartesius sebagai berikut.
Gambar 4.1 Representasi Grup 𝚽
Kita akan mendefinisikan pula aksi grup Φ terhadap 𝑣 dinotasikan dengan 𝜋 dimana:
𝜋𝜎 : 𝑉 ⟼ 𝑉
𝑣 ⟼ 𝜎𝑣 , 𝜎 ∈ Φ
𝜎𝑛 𝑣 = 𝜎𝑚 𝑣
kanselasi 𝑣 memberikan:
𝜎𝑛 = 𝜎𝑚
Dipunyai sembarang 𝑣 ∈ 𝑉, kita ingin menunjukkan bahwa 𝑣 merupakan hasil pemetaan dari
𝜋𝜎 yakni:
⃗⃗ )
𝑣 = 𝜋𝜎 (𝑤
untuk 𝑤
⃗⃗ ∈ 𝑉.
𝑣 = 𝜋𝜎 (𝑤⃗⃗ )
𝑣 = 𝜎𝑤⃗⃗
−1 −1
𝜎 𝑣 = 𝜎 𝜎𝑤 ⃗⃗
𝜎 −1 𝑣 = 𝑤 ⃗⃗
Sekarang substitusikan 𝑤
⃗⃗ ke pemetaan 𝜋𝜎 sehingga memberikan:
⃗⃗ ) = 𝜎𝜎 −1 𝑣
𝜋𝜎 (𝑤
𝜋𝜎 (𝑤⃗⃗ ) = 𝑣
terlihat bahwa untuk sembarang 𝑣 ∈ 𝑉 merupakan hasil dari pemetaan 𝜋𝜎 sehingga 𝜋𝜎 suatu
pemetaan Surjektif.
Karena 𝜋𝜎 bersifat Injektif dan Surjektif, maka 𝜋𝜎 merupakan pemetaan Bijektif. ∎
Dari sini kita dapat memperluas definisi dari 𝜋 untuk sembarang grup (𝐺,∗) sehingga 𝐺 dapat
melakukan aksi terhadap 𝑉. Konsekuensinya adalah 𝜋 harus didefinisikan sebagai suatu pemetaan
homomorfisma. Didefinisikan 𝜋 sebagai homomorfisma 𝐺 ke Φ dimana:
𝜋: 𝐺 ⟼ Φ
𝑔 ⟼ 𝜋𝑔
dimana 𝜋𝑔 = 𝑔𝑣
Dalam hal ini, pemetaan 𝜋 mentransformasikan grup 𝐺 ke grup Φ yang dapat melakukan aksi
secara langsung terhadap 𝑣 . Maka kita harus dapat membuktikan bahwa 𝜋 memang merupakan
homomorfisma. Misalkan terdapat elemen 𝑔1 , 𝑔2 ∈ 𝐺 dalam operasi ∗ maka:
𝜋: 𝐺 ⟼ Φ
𝑔1 ∗ 𝑔2 ⟼ 𝜋𝑔1 ∗𝑔2
dan
𝜋𝑔1 ∗𝑔2 = 𝑔1 ∗ 𝑔2 𝑣
Karena 𝑔2 𝑣 ∈ 𝑉 maka
𝑔1 ∗ 𝑔2 𝑣 = 𝑔1 (𝑔2 𝑣 )
= 𝑔1 𝑔2 𝑣
= 𝜋𝑔1 𝜋𝑔2
Sehingga terbukti 𝜋𝑔1 ∗𝑔2 = 𝜋𝑔1 𝜋𝑔2 yang mana merupakan syarat homomorfisma. ∎
Untuk kasus spesifik dimana |𝐺| = |Φ|, maka pemetaan 𝜋 dapat menjadi isomorfisma.
Bukti:
Karena merupakan homomorfisma, maka Φ merupakan hasil transformasi grup 𝐺 oleh pemetaan 𝜋 atau
dengan kata lain Φ merupakan hasil pemetaan dari 𝜋 maka ia Surjektif. Telah dibuktikan sebelumnya
bahwa 𝜋𝜎 bersifat injektif, maka 𝜋 suatu pemetaan Injektif pula. Akhirnya, terbukti bahwa 𝜋 suatu
pemetaan Bijektif. ∎
Dengan menggunakan definisi dari ruang vektor serta konsep orde Grup, kita dapat
mendeduksikan bahwa kardinalitas ruang vektor ℝ3 adalah tidak finit.
Bukti: Definisikan ruang vektor ℝ3 sebagai kombinasi linear dari 3 vektor basis 𝑣 ⃗⃗⃗⃗1 , 𝑣
⃗⃗⃗⃗2 , 𝑣
⃗⃗⃗⃗3 sehingga
ruang vektor tersebut didefinisikan sebagai 𝑎𝑣 ⃗⃗⃗⃗1 + 𝑏𝑣
⃗⃗⃗⃗2 + 𝑐𝑣
⃗⃗⃗⃗3 , untuk 𝑎, 𝑏, 𝑐 ∈ ℝ. Perhatikan bahwa
ruang vektor tersebut merupakan grup yang dilengkapi dengan struktur medan real. Tetapi untuk
sembarang 𝑟 ∈ ℝ dan 𝑛 ∈ ℕ, 𝑟𝑣 ⃗⃗⃗⃗𝑛 ∈ ℝ3 . Sehingga dalam hal ini, kita dapat berfokus pada struktur
grupnya saja, yaitu sifat operasi +, untuk menyelidiki finitas dari ruang vektor ℝ3 .
Suatu grup dikatakan finit (𝐺,∗) Misalkan dipunyai 𝑣 ∈ ℝ3, maka untuk membentuk grup yang
finit haruslah memenuhi:
𝑣 𝑘 = 𝑒|𝑘 ∈ ℕ
⏟+ 𝑣 + ⋯ = 0
𝑣
𝑘 𝑘𝑎𝑙𝑖
𝑘𝑣 = 0
jelas tidak mungkin 𝑘𝑣 = 0 untuk 𝑘 ≠ 0 sehingga 𝑜𝑟𝑑(𝑣 ) = ∞ ⟹ 𝑜𝑟𝑑(ℝ3 ) = ∞, maka ruang vektor
ℝ𝟑 tidak mungkin memiliki orde/kardinalitas yang finit. ∎
Konsekuensi lebih lanjut dari pernyataan tersebut adalah bahwa subset yang finit dari ruang
vektor ℝ3 tidak mungkin membentuk ruang vektor.
Bukti: Asumsikan bahwa terdapat subset finit 𝑆 ⊆ ℝ3 yang membentuk ruang vektor, maka untuk 𝑠 ∈
𝑆 haruslah memenuhi 𝑜𝑟𝑑(𝑠) = 𝑘 untuk 𝑘 ∈ ℕ. Kita tahu bahwa terdapat 𝑒 = ⃗0, 𝑒 ∈ ℝ3 . Maka jelas
⃗ = 0, 𝑘 ∈ ℕ memiliki ∞ penyelesaian untuk 𝑘 sehingga 𝑜𝑟𝑑(𝑒) = ∞, tetapi
𝑒 ∈ 𝑆, tetapi 𝑒 𝑘 = 0 ⟹ 𝑘0
ini bertentangan dengan asumsi awal sehingga terbukti. ∎
Maka didapat adalah bahwa Kardinalitas dari ruang vektor ℝ3 adalah tidak finit dan Subset
finit dari ruang vektor ℝ3 tidak membentuk grup.
Misalkan dipunyai sembarang grup (𝐺,∗), maka 𝐺 merupakan grup siklik jika untuk setiap
sembarang elemen 𝑔𝑛 ∈ 𝐺 dapat diekspresikan oleh satu elemen generator 𝑔𝑠 ∈ 𝐺 dalam operasi
repetitif ∗, dengan kata lain:
𝐺 = {𝑔𝑠 𝑘 |𝑘 ∈ ℤ}
Ruang vektor ℝ3 merupakan suatu grup dengan struktur perkalian skalar, namun Ruang vektor
ℝ bukan merupakan grup siklik, karena sebuah elemen 𝑣 ∈ ℝ3 tidak dapat mewakili keseluruhan
3
ruang vektor ℝ3 . Ia memerlukan 3 vektor basis agar bisa menjangkau seluruh ruang vektor.
Hal ini juga dapat dibuktikan dengan pendekatan pemetaan isomorfisma terhadap grup (ℤ, +)
karena (ℤ, +) merupakan grup siklik fundamental.
𝑎
3
Bukti: Dipunyai set ℝ = {[𝑏] |𝑎, 𝑏, 𝑐 ∈ ℝ} dalam operasi + serta grup siklik (ℤ, +), definisikan suatu
𝑐
pemetaan 𝑓:
𝑓: ℝ3 ⟼ ℤ
𝑎
[𝑏] ⟼ 𝑛𝑖𝑛𝑡(𝑎 + 𝑏 + 𝑐)
𝑐
Dimana 𝑛𝑖𝑛𝑡(𝑥) suatu fungsi pembulatan ke bilangan bulat terdekat. Akan dibuktikan pemetaan
tersebut tidak isomorfisma. Syarat suatu pemetaan isomorfisma adalah injektif, surjektif, dan memenuhi
𝑓(𝑣 + 𝑤 ⃗⃗ ) untuk pemetaan 𝑓(ℝ3 , +) ⟼ (ℤ, +) dan 𝑣 , 𝑤
⃗⃗ ) = 𝑓(𝑣 ) + 𝑓(𝑤 ⃗⃗ ∈ ℝ3.
Walaupun memenuhi syarat 1 dan 3, tetapi syarat 2 tidak terpenuhi sehingga ℝ3 tidak isomorfik dengan
(ℤ, +), maka ℝ3 tidak merupakan grup siklik. ∎
Meskipun ℝ3 bukan grup siklik, tidak selalu menjamin bahwa subgrup nya tidak siklik. Kami
menemukan bahwa terdapat suatu subgrup dari ℝ3 yang ternyata siklik dalam operasi +, yaitu grup
𝑣1
𝑣
yang dinotasikan dengan ℤℝ3 = {𝑐 [ 2 ] |𝑣1 , 𝑣2 , 𝑣3 ∈ ℝ, 𝑐 ∈ ℤ} dimana ℤℝ3 menotasikan grup multiple
𝑣3
bilangan bulat terhadap suatu vektor spesifik 𝑣 ∈ ℝ3 . Pertama, kita perlu membuktikan bahwa ℤℝ3
merupakan subgrup dari ℝ3 .
Bukti: Dipunyai grup (ℤℝ3 , +) dan misalkan dipunyai 𝑧 ∈ ℤℝ3 . Operasi repetitif terhadap menghasilkan
set {𝑧, 2𝑧, 3𝑧, … }. Elemen 𝑧 haruslah mempunyai elemen invers −𝑧 ∈ ℤℝ3 sehingga 𝑧 + (−𝑧) = 0.
Sehingga set tersebut membentuk grup ℤℝ3 = {… , −2𝑧, −𝑧, 0, 𝑧, 2𝑧, 3𝑧, … } = {𝑐𝑧, 𝑐 ∈ ℤ}. Terlihat
bahwa elemen 𝑧 dapat membentuk grup ℤℝ3 sendiri dengan operasi +, yang berarti bahwa ℤℝ3 = 〈𝑧〉,
untuk sembarang 𝑧 ∈ ℤℝ3 . ∎
Hal ini juga dapat ditunjukkan melalui sudut pandang koordinat Kartesian ℝ3 . Misalkan
dipunyai sembarang vektor 𝑣 ∈ ℝ3 .
Kemudian kita definisikan semua multiple bilangan bulat dari 𝑣 yakni sebagai berikut.
Lalu bagaimana struktur dari pertambahan dua subgrup siklik dengan vektor spesifik yang
berbeda? Misalkan dipunyai dua grup ℤ𝑣⃗ dan ℤ𝑝 berturut-berturut merupakan grup multiple bilangan
𝑣1 𝑝1
bulat terhadap vektor 𝑣 dan 𝑝 dimana 𝑣 = [𝑣2 ] , 𝑝 = [𝑝2 ] , 𝑣 , 𝑝 ∈ ℝ3 sehingga ℤ𝑣⃗ = {𝑐𝑣 , 𝑐 ∈ ℤ} dan
𝑣3 𝑝3
ℤ𝑝 = {𝑑𝑝, 𝑑 ∈ ℤ}. Misalkan dipunyai suatu set ℤ(𝑣⃗,𝑝) = ℤ𝑣⃗ + ℤ𝑝 sehingga ℤ(𝑣⃗,𝑝) = {𝑐𝑣 + 𝑑𝑝|𝑐, 𝑑 ∈
ℤ}. Kita ingin menyelidiki apakah ℤ(𝑣⃗,𝑝) membentuk grup dalam operasi +. Jelas ℤ(𝑣⃗,𝑝) membentuk
grup untuk 𝑣 = 0⃗ dan 𝑝 = ⃗0 sehingga kita asumsikan 𝑣 , 𝑝 ≠ ⃗0.
⃗ , i.e. 𝑒ℤ
Elemen identitas ℤ(𝑣⃗,𝑝) adalah 0 = ⃗0 dimana untuk 𝑥 ∈ ℤ(𝑣⃗,𝑝), 𝑥 + ⃗0 = ⃗0 + 𝑥 = 𝑥.
(𝑣 ⃗⃗ )
⃗ ,𝑝
Maka terbukti bahwa operasi petambahan antara dua sembarang grup ℤ𝑣⃗ dan ℤ𝑝 membentuk
suatu grup pula, dinotasikan ℤ(𝑣⃗,𝑝) karena merupakan grup multiple bilangan bulat yang melibatkan dua
vektor 𝑣 , 𝑝 ∈ ℝ3 . Perhatikan bahwa ℤ(𝑣⃗,𝑝) bersifat komutatif dalam operasi + sehingga ℤ(𝑣⃗,𝑝)
merupakan grup Abelian. Namun ℤ(𝑣⃗,𝑝) dibentuk oleh dua vektor spesifik 𝑣 dan 𝑝 sehingga jelas ℤ(𝑣⃗,𝑝)
tidak siklik.
BAB V
A. Kesimpulan
Dengan mengaplikasikan teori grup dalam mengkaji ruang vektor ℝ3 , didapatkan fakta-fakta
baru mengenai struktur ruang vektor ℝ3 tersendiri. Bahwa untuk sembarang grup dengan orde
tertentu dapat melakukan aksi terhadap ruang vektor ℝ3 melalui homomorfisma terhadap grup
refleksif dan permutasi yang telah didefinisikan. Kardinalitas ruang vektor ℝ3 beserta subruang-nya
tidak mungkin finit dilihat dari orde elemennya. Selain itu, meskipun ruang vektor ℝ3 tidak bersifat
siklik, terdapat subgrup yang siklik serta penjumlahan dari dua subgrup siklik yang berbeda
menghasilkan grup yang bersifat tidak siklik.
B. Saran
1. Pada penelitian ini, studi teori grup hanya dibatasi terhadap ruang vektor ℝ3 , maka disarankan
untuk penelitian selanjutnya dapat memperluas cakupan studi pada ruang vektor ℝ𝑛
2. Dalam penelitian ini, struktur ruang vektor ℝ3 yang dikaji hanya sebatas pada finitas ruang
vektor, eksistensi subgrup siklik serta aksi grup terhadap ruang vektor tersebut. Sehingga
diharapkan untuk penelitian selanjutnya dapat mengkaji aspek lainnya dari struktur ruang
vektor ℝ3
UCAPAN TERIMA KASIH
1. Bapak Drs. H. Shodiqun selaku kepala SMA 1 Kudus, yang telah memberikan kesempatan
dan dukungan kepada kami selama mengikuti kegiatan perlombaan
2. Ibu Indrianti Sukorini selaku pembimbing, yang membina dan membantu kami terutama
dalam penyusunan sistematika karya tulis ilmiah ini
3. Bapak Nyoto Harsoyo selaku guru Matematika SMA 1 Kudus, yang telah banyak memberi
masukan kepada kami terutama berkaitan dengan penulisan penyataan matematis dalam
karya ilmiah ini
4. Orangtua kami yang senantiasa memberi dukungan moral berupa motivasi dan doa selama
penulisan karya tulis ilmiah ini
5. Rekan-rekan kami yang tiada hentinya memberi semangat dan dukungan kepada kami
sehingga karya tulis ini dapat terselesaikan dengan baik
DAFTAR PUSTAKA
Paulin, Alexander. 2010. Introduction to Abstract Algebra (Math 113) (Module). United States of
America: University of California.
Setiawan, Adi. 2011. Aljabar Abstrak (Teori Grup dan Teori Ring). Salatiga: Tisara Grafika,.
Brubaker, Ben. 2006. The Very Basics of Groups, Rings, and Fields. University of Minnesota
Strang, Gilbert. 2006. Linear Algebra and Its Applications. United States of America: Thomson
Brooks/Cole
Halmos, Paul. 1965. Naïve Set Theory. Princeton: D. Van Nostrand Company, Inc.
Nugroho D., Veronica R.B., Mashuri. 2017. Struktur dan Sifat-sifat K-Aljabar. UNNES Journal of
Mathematics, 6 (1)
ANALISA INFORMASI DIMENSI TINGGI PADA BIOINFORMATIKA MEMAKAI
SUPPORT VECTOR MACHINE
1. Pusat Pengkajian & Penerapan Teknologi Informasi & Elektronika, BPP Teknologi, Gedung II Lt.21, Jalan M.H.
Thamrin No. 8, Jakarta
2. Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi, LIPI, Jalan Raya Bogor Km.46, Cibinong,
Kab.Bogor,
3. School of Life System Science & Technology, Chukyo University, Japan
1/8
linear classifier, dan selanjutnya dikembangkan
Berangkat dari ketersediaan data genome dalam agar dapat bekerja pada problem non-linear.
jumlah besar ini, terminologi biological- dengan memasukkan konsep kernel trick pada
datamining menjadi sangat populer. Datamining ruang kerja berdimensi tinggi. Perkembangan ini
didefinisikan sebagai proses otomatis mengekstrak memberikan rangsangan minat penelitian di bidang
suatu informasi dari sekumpulan data yang pattern recognition untuk investigasi potensi
berjumlah besar. Salah satu aplikasi dari penerapan kemampuan SVM secara teoritis maupun dari segi
datamining di bioinformatika ini adalah aplikasi. Dewasa ini SVM telah berhasil
pengembangan industri farmasi dan kedokteran. diaplikasikan dalam problema dunia nyata (real-
Informasi yang diekstrak ini dapat dimanfaatkan world problems), dan secara umum memberikan
dalam industri medis, misalnya menekan resiko solusi yang lebih baik dibandingkan metode
timbulnya efek samping dari terapi kanker. konvensional seperti misalnya artificial neural
network.
Tulisan ini membahas potensi metode support
vector machine yang sering dipakai dalam analisa 3. KONSEP SUPPORT VECTOR MACHINE
data dan datamining di bioinformatika. Teori SVM
dibahas pada bab-bab awal, dan contoh aplikasinya Konsep SVM dapat dijelaskan secara sederhana
dibahas pada bab 6. Data yang diolah diperoleh sebagai usaha mencari hyperplane terbaik yang
dari analisa microarray yang menghasilkan data berfungsi sebagai pemisah dua buah class pada
pada ruang dimensi tinggi. Bagian akhir tulisan ini input space. Gambar 1a memperlihatkan beberapa
berupa kesimpulan dari studi yang dilakukan. pattern yang merupakan anggota dari dua buah
class : +1 dan –1. Pattern yang tergabung pada
2. PATTERN RECOGNITION MEMAKAI class –1 disimbolkan dengan warna merah (kotak),
SVM sedangkan pattern pada class +1, disimbolkan
dengan warna kuning(lingkaran). Problem
Pattern Recognition merupakan salah satu bidang klasifikasi dapat diterjemahkan dengan usaha
dalam komputer sains, yang memetakan suatu data menemukan garis (hyperplane) yang memisahkan
ke dalam konsep tertentu yang telah didefinisikan antara kedua kelompok tersebut. Berbagai alternatif
sebelumnya. Konsep tertentu ini disebut class atau garis pemisah (discrimination boundaries)
category. Aplikasi pattern recognition sangat luas, ditunjukkan pada gambar 1-a.
di antaranya mengenali suara dalam sistem sekuriti,
membaca huruf dalam OCR, mengklasifikasikan (a)
penyakit secara otomatis berdasarkan hasil
diagnosa kondisi medis pasien dan sebagainya. Discrimination boundaries
Berbagai metode dikenal dalam pattern recognition,
seperti linear discrimination analysis, hidden
markov model hingga metode kecerdasan buatan
seperti artificial neural network. Salah satu metode
yang akhir-akhir ini banyak mendapat perhatian
sebagai state of the art dalam pattern recognition
adalah Support Vector Machine(SVM) [3][4].
Support Vector Machine (SVM) dikembangkan
oleh Boser, Guyon, Vapnik, dan pertama kali
dipresentasikan pada tahun 1992 di Annual Class −1 Class +1
Workshop on Computational Learning Theory.
Konsep dasar SVM sebenarnya merupakan
kombinasi harmonis dari teori-teori komputasi (b)
yang telah ada puluhan tahun sebelumnya, seperti
margin hyperplane (Duda & Hart tahun 1973, Margin
Cover tahun 1965, Vapnik 1964, dsb.), kernel
diperkenalkan oleh Aronszajn tahun 1950, dan
demikian juga dengan konsep-konsep pendukung
yang lain. Akan tetapi hingga tahun 1992, belum
pernah ada upaya merangkaikan komponen-
komponen tersebut [5][6].
2/8
Gambar 1– SVM berusaha menemukan hyperplane atau positif (α i ≥ 0) . Nilai optimal dari
terbaik yang memisahkan kedua class –1 dan
persamaan (6) dapat dihitung dengan
+1 r
meminimalkan L terhadap w dan b , dan
Hyperplane pemisah terbaik antara kedua class memaksimalkan L terhadap α i . Dengan
dapat ditemukan dengan mengukur margin memperhatikan sifat bahwa pada titik optimal
hyperplane tsb. dan mencari titik maksimalnya.
gradient L =0, persamaan (6) dapat dimodifikasi
Margin adalah jarak antara hyperplane tersebut
sebagai maksimalisasi problem yang hanya
dengan pattern terdekat dari masing-masing class.
Pattern yang paling dekat ini disebut sebagai mengandung saja α i , sebagaimana persamaan (7)
support vector. Garis solid pada gambar 1-b di bawah.
menunjukkan hyperplane yang terbaik, yaitu yang
terletak tepat pada tengah-tengah kedua class, Maximize:
sedangkan titik merah dan kuning yang berada l
1 l r r
dalam lingkaran hitam adalah support vector.
Usaha untuk mencari lokasi hyperplane ini
∑α i −
i =1
∑
2 i , j =1
α iα j y i y j x i . x j (7)
r
Data yang tersedia dinotasikan sebagai α i ≥ 0 (i = 1,2, L, l ) ∑α y i i =0 (8)
xi ∈ ℜ d sedangkan label masing-masing i =1
α i yang
dinotasikan yi ∈ {− 1,+1} untuk i = 1,2, L , l ,
Dari hasil dari perhitungan ini diperoleh
kebanyakan bernilai positif. Data yang berkorelasi
yang mana l adalah banyaknya data. Diasumsikan
dengan α i yang positif inilah yang disebut sebagai
kedua class –1 dan +1 dapat terpisah secara
sempurna oleh hyperplane berdimensi d , yang support vector.
didefinisikan
rr 4. SOFTMARGIN
w.x + b = 0 (1)
r
Pattern xi yang termasuk class –1 (sampel negatif) Penjelasan di atas berdasarkan asumsi bahwa
dapat dirumuskan sebagai pattern yang memenuhi kedua belah class dapat terpisah secara sempurna
pertidaksamaan oleh hyperplane. Akan tetapi, umumnya dua buah
rr class pada input space tidak dapat terpisah secara
w.xi + b ≤ −1 (2)
sempurna. Hal ini menyebabkan constraint pada
r
sedangkan pattern xi yang termasuk class +1 persamaan (5) tidak dapat terpenuhi, sehingga
(sampel positif) optimisasi tidak dapat dilakukan. Untuk mengatasi
rr masalah ini, SVM dirumuskan ulang dengan
w.xi + b ≥ +1 (3) memperkenalkan teknik softmargin. Dalam
Margin terbesar dapat ditemukan dengan softmargin, persamaan (5) dimodifikasi dengan
memaksimalkan nilai jarak antara hyperplane dan
r memasukkan slack variabel ξ i (ξ i > 0) sbb.
titik terdekatnya, yaitu 1 / w . Hal ini dapat r r
y i ( xi .w + b) ≥ 1 − ξ i , ∀i (9)
dirumuskan sebagai Quadratic Programming (QP)
Dengan demikian persamaan (4) diubah menjadi :
problem, yaitu mencari titik minimal persamaan
r 1 r 2 l
(4), dengan memperhatikan constraint persamaan
(5).
min
w
r τ ( w , ξ ) =
2
w + C ∑
i =1
ξi (10)
1 r 2
minr τ ( w) = w (4) Paramater C dipilih untuk mengontrol tradeoff
w 2 antara margin dan error klasifikasi ξ . Nilai C
r r
y i ( xi .w + b) − 1 ≥ 0, ∀i (5) yang besar berarti akan memberikan penalti yang
Problem ini dapat dipecahkan dengan berbagai lebih besar terhadap error klasifikasi tsb.
teknik komputasi, di antaranya Lagrange
Multiplier. 5. KERNEL TRICK DAN NON-LINEAR
CLASSIFICATION PADA SVM
r
L( w, b, α ) =
Pada umumnya masalah dalam domain dunia
1 r 2 l
r r
w − ∑ α i ( y i (( xi .w + b) − 1))
nyata (real world problem) jarang yang bersifat
linear separable. Kebanyakan bersifat non linear.
2 i =1
Untuk menyelesaikan problem non linear, SVM
(i = 1,2,L, l ) (6) dimodifikasi dengan memasukkan fungsi Kernel.
α i adalah Lagrange multipliers, yang bernilai nol
3/8
r
Dalam non linear SVM, pertama-tama data x
r Karena umumnya transformasi Φ ini tidak
dipetakan oleh fungsi Φ ( x ) ke ruang vektor yang
diketahui, dan sangat sulit untuk difahami secara
berdimensi lebih tinggi. Pada ruang vektor yang
mudah, maka perhitungan dot product tersebut
baru ini, hyperplane yang memisahkan kedua class
sesuai teori Mercer dapat digantikan dengan fungsi
tersebut dapat dikonstruksikan. Hal ini sejalan r r
dengan teori Cover yang menyatakan“Jika suatu kernel K ( xi , x j ) yang mendefinisikan secara
transformasi bersifat non linear dan dimensi dari implisit transformasi Φ .
feature space cukup tinggi, maka data pada input Hal ini disebut sebagai Kernel Trick, yang
space dapat dipetakan ke feature space yang baru, dirumuskan
r r r r
dimana pattern-pattern tersebut pada probabilitas K ( xi , x j ) = Φ ( xi ).Φ ( x j ) (12)
tinggi dapat dipisahkan secara linear”.
Kernel trick memberikan berbagai kemudahan,
Ilustrasi dari konsep ini dapat dilihat pada gambar 2. karena dalam proses pembelajaran SVM, untuk
Pada gambar 2a diperlihatkan data pada class menentukan support vector, kita hanya cukup
kuning dan data pada class merah yang berada pada mengetahui fungsi kernel yang dipakai, dan tidak
input space berdimensi dua tidak dapat dipisahkan perlu mengetahui wujud dari fungsi non linear Φ .
secara linear. Selanjutnya gambar 2b menunjukkan r
bahwa fungsi Φ memetakan tiap data pada input Selanjutnya hasil klasifikasi dari data x diperoleh
space tersebut ke ruang vektor baru yang dari persamaan berikut :
berdimensi lebih tinggi (dimensi 3), dimana kedua
r r r
class dapat dipisahkan secara linear oleh sebuah f (Φ ( x )) = w.Φ ( x ) + b (13)
hyperplane. Notasi matematika dari mapping ini n
r r
adalah sbb.
= ∑ α i yi Φ( x ).Φ( xi ) + b
r
i =1, xi ∈SV
(14)
Φ : ℜd → ℜq d <q (11) n
r r
= ∑ α y K ( x, x ) + b
r
i =1, xi ∈SV
i i i (15)
Pemetaan ini dilakukan dengan menjaga SV pada persamaan di atas dimaksudkan dengan
topologi data, dalam artian dua data yang berjarak subset dari training set yang terpilih sebagai
dekat pada input space akan berjarak dekat juga r
pada feature space, sebaliknya dua data yang support vector, dengan kata lain data xi yang
berjarak jauh pada input space akan juga berjarak berkorespondensi pada αi ≥ 0 .
jauh pada feature space.
Hyperplane
4/8
3. Bagaimana menentukan kandidat gen yang
6. APLIKASI SVM DALAM memiliki potensi kedokteran/farmasi ?
BIOINFORMATIKA
Bahasan dalam makalah ini difokuskan pada tema
6.1 Ruang vektor berdimensi tinggi pada data pertama, dengan mengevaluasi performa SVM
microarray dalam klasifikasikan ekspresi gen.Tema ini
tergolong tema pattern recognition yang sangat
Berbagai penelitian dilakukan untuk mengevaluasi sulit, karena memiliki karakteristik sbb.
potensi SVM dalam analisa data biologi, antara
lain: 1. Data observasi berdimensi tinggi : manusia
1. Analisa ekspresi gen [7] memiliki sekitar 31 ribu jenis gen, sehingga
2. Deteksi homologi protein [6] setiap pengukuran memberikan satu titik pada
3. Prediksi struktur protein [8] ruang vektor berdimensi sekitar 31 ribu
2. Noisy
Makalah ini mengambil contoh bahasan aplikasi 3. Imbalanced, dalam artian sampel class positif
SVM pada masalah pertama, yaitu analisa data seringkali tersedia dalam jumlah yang jauh
ekspresi gen, karena kesesuaiannya dengan lebih sedikit daripada sampel class negatif.
kemampuan SVM dalam mengolah informasi
berdimensi tinggi. Data biologi yang diolah dan Karakteristik ini menjadi latar belakang mengapa
dianalisa oleh SVM diperoleh dari eksperimen SVM mendapat perhatian besar dari kalangan
microarray yang memungkinkan pengamatan bioinformatika. Potensi SVM sebagaimana
ekspresi ribuan gen sekaligus, misalnya pada sel diuraikan pada halaman yang terdahulu
yang diambil dari penderita penyakit kanker. memberikan harapan untuk dapat menyelesaikan
Pemanfaatan microarray membuka kemungkinan problem dengan karakteristik tersebut.
untuk mengetahui kuantitas maupun kualitas
transkripsi satu gen, sehingga dapat 6.2 Aplikasi SVM pada analisa ekspresi gen
diidentifikasikan : gen-gen apa saja yang aktif memakai database Human Acute Leukemia
terhadap perlakuan tertentu, misalnya timbulnya
kanker. Informasi ini merupakan pertimbangan Data pada eksperimen ini berasal dari studi yang
penting bagi ahli medis untuk mengetahui dilakukan oleh Golub [10], dan tersedia online di
mekanisme timbulnya penyakit, dan menentukan internet. Data diambil dari 72 pasien penderita
terapi mana yang paling tepat bagi si pasien. myeloid leukimia (AML) dan acute lymphoblastic
leukimia (ALL). Data ini dibagi dalam dua
Proses dalam analisa micorarray secara sederhana kelompok: training set (27 ALL dan 11 AML), dan
dapat diuraikan sebagai berikut. Pertama-tama test set (20 ALL dan 14 AML). Tiap sampel terdiri
mRNA yang disolasi dari sampel dikembalikan dari vektor berdimensi 7129 yang berasal dari
dulu dalam bentuk DNA menggunakan reaksi ekspresi gen si pasien sebagai hasil analisa
reverse transcription. Selanjutnya melalui proses Affymetrix high-density oligonucleotide
hibridisasi, hanya DNA yang komplementer saja microarray.
yang akan berikatan dengan DNA di atas chip.
DNA yang telah diberi label warna berbeda ini Dua eksperimen dilakukan. Pertama-tama, prediksi
akan menunjukkan pattern yang unik. Dengan dilakukan berdasarkan seluruh informasi ekspresi
memanfaatkan teknologi pengolahan citra (image gen pasien, dengan kata lain input vektor terdiri
processing), pattern ini selanjutnya ditransfer ke dari 7129 dimensi. Selanjutnya, pada eksperimen
dalam ekspresi numerik untuk diolah dengan kedua, Feature Subset Selection (FSS) dilakukan
berbagai metode pattern recognition (dalam hal ini pada training set untuk menseleksi feature yang
SVM). signifikan, dengan metode Sequential Forward
Selection (SFS).
Dalam studi analisa ekspresi gen, ada tiga hal yang
merupakan bahasan menarik dari sudut pattern Experimen 1
recognition [9]: Pada eksperimen ini, tiga metode dipakai untuk
1. Mungkinkah dengan data ekspresi gen dari melakukan prediksi, masing-masing 1 Nearest
microarray, kita memprediksi suatu class, Neighbor Classifier, Multilayer Perceptron dengan
misalnya apakah seorang pasien tersebut hidden neuron 100, dan Support Vector Machine.
terkena kanker atau tidak, atau menentukan SVM dalam eksperimen ini memakai Kernel
status mutasi p53 pasien, dsb. Polynomial pada derajat 1.
2. Kalau hal tersebut memungkinkan untuk
dilaksanakan, berapakah tingkat akurasi yang Tiap feature menunjukkan rentang nilai yang
mungkin dicapai ? sangat bervariasi. Hal ini dapat menyebabkan
terlalu dominannya pengaruh feature tertentu yang
5/8
memiliki rentang nilai besar terhadap feature lain tertentu terhadap kombinasi gene tersebut dengan
yang memiliki rentang nilai jauh lebih kecil. Untuk yang telah terpilih sebelumnya. Algorithma
mengatasi hal tersebut, sebelumnya dilakukan Sequential Forward Selection dapat dijabarkan
normalisasi dengan mengurangkan data pada sebagai berikut. Misalnya sekumpulan feature telah
feature tertentu dengan rata-rata nilai pada feature diseleksi dari semesta pengukuran
tersebut dan dibagi dengan standard deviasi-nya. Y = { y j | j = 1,2,..., D} untuk membuat feature
Dengan cara demikian, dapat dihindarkan pengaruh
yang terlalu besar dari feature tertentu. set X k . Selanjutnya feature ke k + 1 dipilih dari
Y − X k , sedemikian hingga
xi − xi ave
xi ' = i = 1,2,...,7129 (16) J ( X k +1 ) = max J(X k ∪ y j )
σi
Tabel 1- Recognition Rate class Acute y ∈Y − X k (17)
Lymphoblastic leukimia (ALL) dan Acute Myeloid Dalam persamaan di atas J ( X k ) adalah nilai
Leukimia (AML) pada tiga jenis metode : 1
fitness dari subset X k yang diukur berdasarkan
Nearest Neigbour Classifier, Support Vector
Machine dan Multilayer Perceptron kriteria tertentu. Inisialisasi algoritma ini adalah
RR RR RR
X o = φ . Pada studi ini, kriteria evaluasi suatu
Method subset diukur berdasarkan leave one out 1 nearest
ALL AML TOTAL
1-NNClassf. 95% 64% 78% neighbour classification rate
SVM 85% 100% 92.2%
Sebagai hasilnya, saat algoritma ini dijalankan, dua
MLP 55% 57.1! 56.1%
buah gen terseleksi sebagai yang paling signifikan,
dan menghasilkan score classification rate 100%
Hasil eksperimen ini ditunjukkan pada Tabel 1. RR
(leaveone out 1 nearest neighbour) terhadap
Total merupakan geometrical mean dari RR ALL
training set. Kedua gen tersebut adalah No.7
dan RR AML. Geometrical Mean ini dipilih karena
(AFFX-BioDn-3_at) dan No. 4847 (X95735_at).
terdapat ketidaksetimbangan jumlah pattern
Distribusi data pada bidang yang dibentuk oleh
masing-masing class dalam test set (ALL : 20
kedua gen tersebut adalah sebagaimana
sample, AML: : 14 sample). Dari tabel di atas
ditunjukkan pada gambar 3. Gambar 3a
diketahui bahwa hasil terbaik dicapai oleh Support
menunjukkan bahwa data pada kedua class pada
Vector Machine. Jumlah support vector yang
training set dapat terpisah sempurna secara linier.
terpilih sebanyak 30 dari total 38. Tiga pattern yang
Gambar 3b menunjukkan bahwa pada data pada
gagal diklasifikasikan oleh SVM berasal dari
test set tidak dapat terpisah secara linier.
kategori Acute Lymphoblastic Leukimia.
Support Vector Machine dilatih dengan data pada
training set dan diperoleh 3 support vector, dengan
Experimen 2 classification rate 100% . Selanjutya saat
Pada eksperimen kedua, dilakukan Feature Subset diujicobakan terhadap data pada test set, diperoleh
Selection untuk memilih gene-gene yang signifikan. recognition rate 86.4%. Score masing-masing class
Algoritma yang dipakai adalah Sequential Forward adalah ALL: 95%, AML: 78.6%.
Selection, yaitu memilih satu persatu gene yang
paling signifikan diukur berdasarkan kriteria subset
Training set Test set
Linearly separable
Gambar 3– Distribusi data dalam training set (a) dan test set (b) pada bidang yang dibentuk oleh gen No.7 dan
gen No.4847
6/8
recognition. Kelebihan SVM dibandingkan metode
6.3 Diskusi yang lain terletak pada kemampuannya untuk
Dari eksperimen 1 dan eksperimen 2 di atas, menemukan hyperplane terbaik yang memisahkan
dirangkumkan beberapa hal sbb. dua buah class pada feature space yang ditunjang
1. Dalam percobaan diatas kami tetap memakai oleh strategi Structural Risk Minimization (SRM).
polynomial kernal derajat 1. Kami mencoba
juga kernel yang lain, akan tetapi tidak Pada paruh kedua dari makalah ini, dibahas aplikasi
memberikan hasil yang lebih baik SVM pada bioinformatika, khususnya analisa
dibandingkan kernel derajat 1. Diketahui ekspresi gen yang diperoleh dari eksperimen
bahwa kemampuan Support Vector Machine microarray terhadap pasien penderita penyakit
(SVM) sangat sensitif terhadap kernel yang kanker.
dipilih.
2. Secara umum, SVM menunjukkan hasil yang Walaupun eksperimen dengan data microarray
lebih baik daripada perceptron.maupun 1 secara statistik masih terdapat kelemahan, terutama
nearest neighbour classifier. Walaupun dari sudut keterbatasan data, dan mahalnya cost
demikian, dikarenakan jumlah sampel yang yang diperlukan untuk analisa, evaluasi SVM
relatif sedikit, hasil eksperimen itu belum merupakan suatu usaha yang sangat berharga untuk
dapat memberikan kesimpulan final bahwa mengklarifikasikan masalah yang timbul. Analisa
SVM superior terhadap dua metode yang lain. pada data skala kecil ini akan memudahkan bagi
3. Walaupun Feature Subset Selection telah kita untuk menemukan sisi-sisi lemah dari metode
dilakukan, tetapi tidak terlihat adanya yang dipakai. Seiring dengan kemajuan IT dan
peningkatan classification rate, sebaliknya bioteknologi modern yang akhir-akhir ini demikian
terlihat sedikit menurun. SFS dalam hal ini pesat, dunia ilmu pengetahuan akan semakin
tidak berhasil memberikan kontribusi positif terbanjiri dengan data biologi, sedangkan teknologi
terhadap classification rate, karena nilai informasi pun akan melaju dengan kencang.
maksimal J ( X k ) telah dicapai di periode Dalam situasi ini, dengan memanfaatkan teknologi
informasi secara tepat, diharapkan data biologi
awal ( k = 2 ), sehingga proses seleksi tersebut dapat diolah menjadi suatu informasi, dan
berhenti. Walaupun demikian, kedua gen yang seterusnya ditransformasikan sebagai suatu
terseleksi memiliki daya tarik untuk dianalisa pengetahuan yang dapat ditarik manfaatnya bagi
lebih lanjut korelasinya dengan kedua jenis kesehatan dan kesejahteraan umat manusia.
penyakit leukimia.
4. MLP bekerja dengan memetakan data kepada 8. REFERENSI
ruang vektor berdimensi yang lebih rendah
yang dibentuk oleh neuron pada hidden layer. 1- Moore's Law
Selanjutnya classification boundary dicari pada http://www.intel.com/research/silicon/mooresl
ruang vektor dimensi rendah tersebut. aw.htm
Terhadap pendekatan ini, SVM 2- Son of Moore’s Law
memperlihatkan cara kerja yang bertolak http://myweb.tiscali.co.uk/royalphil/rps/summa
belakang. Data dipetakan terhadap ruang ries/evolution.htm
vektor baru yang dibentuk oleh kernel, yang
berdimensi jauh lebih tinggi. Data pada ruang 3- Byun H., Lee S.W., “A Survey on Pattern
terbaru ini memiliki kemungkinan lebih mudah Recognition Applications of Support Vector
untuk dapat dipisahkan secara linear (Teori Machines”, International Journal of Pattern
Cover). Classification boundary pada ruang Recognition and Artificial Intelligence, Vol.17,
vektor baru tersebut dicari dengan metode No.3, 2003, pp.459-486
optimisasi tertentu. 4- Tsuda K., “Overview of Support Vector
5. Analisa teoretik dari tingkat generalisasi SVM Machine”, Journal of IEICE, Vol.83, No.6, 2000,
menunjukkan bahwa batas maksimal expected pp.460-466 (in Japanese)
error classification rate tidak dipengaruhi oleh 5- Vapnik V.N., “The Nature of Statistical Learning
dimensi dari data. Dengan demikian, Theory”, 2nd edition, Springer-Verlag, New York
pemakaian SVM pada dimensi tinggi, tidak Berlin Heidelberg, 1999
akan menyebabkan pengaruh negatif yang
6- Cristianini N., Taylor J.S., “An Introduction to
terjadi karena curse of dimensionality.
Support Vector Machines and Other Kernel-
Based Learning Methods”, Cambridge Press
7. KESIMPULAN
University, 2000
Makalah ini memperkenalkan teori dasar Support
Vector Machine (SVM), sebagai salah satu topik 7- Furey T.S, et al., “Support vector machine
yang dewasa ini banyak mendapat perhatian classification and validation of cancer tissue
sebagai state of the art dalam bidang pattern samples using microarray expression data”,
7/8
Bioinformatics, Vol.16, No.10, 2000, pp.906-
914
8- Ward J.J., et al., “Secondary structure
prediction with support vector machine”,
Bioinformatics, Vol.19, No.13, 2003, pp.1650-
1655
9- Maeda E., “Gene expression analysis and
feature selection”, IEICE Technical Report,
PRMU-2003-37, Vol.103, No.150, 2003,
pp.57-62 (in Japanese)
10- Golub T. et al., “Molecular classification of
cancer : class discovery and class prediction
by gene expression monitoring”, Science, Vol.
286, 1999, pp.531-537
8/8
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Abstrak
Abstrak: Game saat ini semakin modern dan semakin menarik,membuat kalangan umum semakin menyukainya dan
menikmati permainan game.Meskipun begitu game sangatlah erat pengaruhnya,jika penikmat game tidak dapat
mengontrol dirinya, akan membuat ketagihan bagi penikmat game tersebut. Saat ini telah banyak jenis game
bermunculan, walaupun telah banyak jenis game namun sampai saat ini game scrolling masih menjadi primadona
bagi penikmat game. Selama ini dalam game jenis scrolling terutama jenis shooter game hal yang paling vital adalah
pergerakan musuh atau penghalang. Dalam analisa beberapa game pergerakan penghalang kurang bagus. Untuk
inilah penelitian ini dilakukan adalah untuk memperbaiki metode pergerakan penghalang ini dengan menggunakan
metode sinus. Penelitian ini merupakan pengembangan dari penelitian sebelumnya yang telah dilakukan beberapa
peneliti yang selama ini hasil outputnya masih digunakan sebatas pada laptop atau PC, penelitian ini dilakukan
dengan model penelitian prosedural dengan melalui beberapa langkah pengumpulan data dan analisa data baik untuk
desain antarmuka game, aset game serta metode pergerakan sinus bagi penghalang. Selanjutnya akan dilakukan
implementasi konsep perancangan dan uji coba. Hasil dari penelitian ini adalah berupa aplikasi game yang terdiri dari
2 level dimana pada game ini menerapkan metode pergerakan sinus pada penghalang.
Key word : Pergerakan Gelombang Sinus, vektor 2 dimensi, Game
236
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
(1)
Dan
(2)
239
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Adapun target pada penelitian ini adalah merubah Desain karakter utama serta 2 karakter sebagai
gerakan penghalang menjadi lebih realistis seperti penghalang dapat dilihat pada gambar 11 Desain
ditunjukkan pada gambar 8 Pergerakan Sinus karakter penghalang
Setiap penghalang jenis ini keluar maka uji coba sebanyak 7 kali untuk uji coba gerakan
penghalang ini akan bergerak dengan lintasan lontaran peluru dengan pola sinus. Tahap uji coba
gelombang sinus di lapangan dilakukan meliputi tahap instalasi dan
operasional game yang dilakukan di Lab Komputer
di STT Atlas Nusantara Malang dengan
menggunakan 5 telepon pintar Android, uji coba
yang dilakukan yaitu proses uji coba menjalankan
aplikasi pada gadget berbasis android, berupa tahap
instalasi game pada perangkat telepon pintar,
selanjutnya tahap ujicoba hasil visualisasi metode
Gambar 13: Gerakan penghalang sinus pada penghalang yaitu pada level 1 dan level
2 serta visualisasi lontaran peluru dengan metode
b. Gerakan lontaran peluru dengan metode sinus. sinus pada level 2. Dari Hasil uji coba tahap 2
Pada level 2 terdapat penghalang yang didapatkan pada tahap instalasi sebesar 100%
pergerakannya vertikal, namun penghalang ini proses berjalan baik. Tahap visualisasi penghalang
melontarkan Peluru yang bergerak keluar level 1 dan level 2 juga tidak mengalami kendala,
secara pola sinus namun bergerak selanjutnya didapatkan visualisasi gerakan 100%. Untuk
secara horisontal. Disini peluru yang Lontaran peluru juga mendapatkan hasil yang
dilontarkan sebanyak 20 per penghalang sempurna untuk lontaran peluru yang menggunakan
dimana penerapan menggunakan metode sinus pola sinus.
sebanyak 2 fase.Adapun sintak koding dapat
dilihat pada listing (3)
4. Kesimpulan
Berdasarkan hasil penelitian yang dilakukan pada
visualisasi metode sinus pada game dapat ditarik
kesimpulan bahwa penerapan visualisasi metode
(3) sinus pada game dapat dilaksanakan dengan baik
dengan tingkat keberhasilan proses 100%, dimana
Tampilan Desain antarmuka game hasil ini didapatkan dari hasil uji coba luaran data
fungsi yang menghasilkan visualisasi gerakan
Game yang dirancang dalam penerapan metode gelombang sinus 100% hasil ini didapatkan melalui
sinus dalam game ini menggunakan antarmuka uji coba gerakan penghalang dan gerakan peluru
yang sederhana dengan acuan platform yang dilontarkan melalui penghalang yang bergerak
android,dapat dilihat pada Gambar 14. secara vertikal.
Daftar Pustaka
[1] Giancoli, Douglas P., Fisika Jilid 2 Edisi
5.Jakarta,Erlangga
[2] Sutopo, A.H.2002. Analisis dan Desain Berorientasi
Objek. Yogyakarta: J&J Learning
Gambar 14. Tampilan Hasil visualisasi Game [3] Tay, Vaughan. 2004. Multimedia : Making It Work Edisi
6. Yogyakarta : ANDI
[4] Cooper , Alan. About Face 3. The Essentials of Interaction
Tahap Uji Coba Game Penerapan Metode Sinus Design, ISBN 978-0470084113, www.newsrider.com,
USA, 2008
[5] Reilly, Designing Interface second edition, ISBN 978-1-
Tahap uji coba dari aplikasi ini dilakukan dengan 2 449-37390-4, Canada, 2010
tahap yaitu tahap uji coba internal berupa tahap
hasil visualisasi penerapan metode sinus pada
gerakan penghalang di LAB Universitas Negeri
Malang dan tahap uji coba lapangan dilakukan di
Lab Komputer STT Atlas Nusantara Malang. Pada
uji coba yang dilakukan di Lab Universitas Negeri
Malang, aplikasi diletakkan pada komputer di lab
Rendering Jurusan Seni Desain UM, proses uji
coba ini meliputi proses penerapan uji keberhasilan
visualisasi gerakan. Untuk gerakan penghalang
dilakukan sebanyak 10 kali ujicoba untuk
menghasilkan gerakan sinus untuk penghalang dan
241
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Abstrak
Abstrak: Game saat ini semakin modern dan semakin menarik,membuat kalangan umum semakin menyukainya dan
menikmati permainan game.Meskipun begitu game sangatlah erat pengaruhnya,jika penikmat game tidak dapat
mengontrol dirinya, akan membuat ketagihan bagi penikmat game tersebut. Saat ini telah banyak jenis game
bermunculan, walaupun telah banyak jenis game namun sampai saat ini game scrolling masih menjadi primadona
bagi penikmat game. Selama ini dalam game jenis scrolling terutama jenis shooter game hal yang paling vital adalah
pergerakan musuh atau penghalang. Dalam analisa beberapa game pergerakan penghalang kurang bagus. Untuk
inilah penelitian ini dilakukan adalah untuk memperbaiki metode pergerakan penghalang ini dengan menggunakan
metode sinus. Penelitian ini merupakan pengembangan dari penelitian sebelumnya yang telah dilakukan beberapa
peneliti yang selama ini hasil outputnya masih digunakan sebatas pada laptop atau PC, penelitian ini dilakukan
dengan model penelitian prosedural dengan melalui beberapa langkah pengumpulan data dan analisa data baik untuk
desain antarmuka game, aset game serta metode pergerakan sinus bagi penghalang. Selanjutnya akan dilakukan
implementasi konsep perancangan dan uji coba. Hasil dari penelitian ini adalah berupa aplikasi game yang terdiri dari
2 level dimana pada game ini menerapkan metode pergerakan sinus pada penghalang.
Key word : Pergerakan Gelombang Sinus, vektor 2 dimensi, Game
236
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
(1)
Dan
(2)
239
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Adapun target pada penelitian ini adalah merubah Desain karakter utama serta 2 karakter sebagai
gerakan penghalang menjadi lebih realistis seperti penghalang dapat dilihat pada gambar 11 Desain
ditunjukkan pada gambar 8 Pergerakan Sinus karakter penghalang
Setiap penghalang jenis ini keluar maka uji coba sebanyak 7 kali untuk uji coba gerakan
penghalang ini akan bergerak dengan lintasan lontaran peluru dengan pola sinus. Tahap uji coba
gelombang sinus di lapangan dilakukan meliputi tahap instalasi dan
operasional game yang dilakukan di Lab Komputer
di STT Atlas Nusantara Malang dengan
menggunakan 5 telepon pintar Android, uji coba
yang dilakukan yaitu proses uji coba menjalankan
aplikasi pada gadget berbasis android, berupa tahap
instalasi game pada perangkat telepon pintar,
selanjutnya tahap ujicoba hasil visualisasi metode
Gambar 13: Gerakan penghalang sinus pada penghalang yaitu pada level 1 dan level
2 serta visualisasi lontaran peluru dengan metode
b. Gerakan lontaran peluru dengan metode sinus. sinus pada level 2. Dari Hasil uji coba tahap 2
Pada level 2 terdapat penghalang yang didapatkan pada tahap instalasi sebesar 100%
pergerakannya vertikal, namun penghalang ini proses berjalan baik. Tahap visualisasi penghalang
melontarkan Peluru yang bergerak keluar level 1 dan level 2 juga tidak mengalami kendala,
secara pola sinus namun bergerak selanjutnya didapatkan visualisasi gerakan 100%. Untuk
secara horisontal. Disini peluru yang Lontaran peluru juga mendapatkan hasil yang
dilontarkan sebanyak 20 per penghalang sempurna untuk lontaran peluru yang menggunakan
dimana penerapan menggunakan metode sinus pola sinus.
sebanyak 2 fase.Adapun sintak koding dapat
dilihat pada listing (3)
4. Kesimpulan
Berdasarkan hasil penelitian yang dilakukan pada
visualisasi metode sinus pada game dapat ditarik
kesimpulan bahwa penerapan visualisasi metode
(3) sinus pada game dapat dilaksanakan dengan baik
dengan tingkat keberhasilan proses 100%, dimana
Tampilan Desain antarmuka game hasil ini didapatkan dari hasil uji coba luaran data
fungsi yang menghasilkan visualisasi gerakan
Game yang dirancang dalam penerapan metode gelombang sinus 100% hasil ini didapatkan melalui
sinus dalam game ini menggunakan antarmuka uji coba gerakan penghalang dan gerakan peluru
yang sederhana dengan acuan platform yang dilontarkan melalui penghalang yang bergerak
android,dapat dilihat pada Gambar 14. secara vertikal.
Daftar Pustaka
[1] Giancoli, Douglas P., Fisika Jilid 2 Edisi
5.Jakarta,Erlangga
[2] Sutopo, A.H.2002. Analisis dan Desain Berorientasi
Objek. Yogyakarta: J&J Learning
Gambar 14. Tampilan Hasil visualisasi Game [3] Tay, Vaughan. 2004. Multimedia : Making It Work Edisi
6. Yogyakarta : ANDI
[4] Cooper , Alan. About Face 3. The Essentials of Interaction
Tahap Uji Coba Game Penerapan Metode Sinus Design, ISBN 978-0470084113, www.newsrider.com,
USA, 2008
[5] Reilly, Designing Interface second edition, ISBN 978-1-
Tahap uji coba dari aplikasi ini dilakukan dengan 2 449-37390-4, Canada, 2010
tahap yaitu tahap uji coba internal berupa tahap
hasil visualisasi penerapan metode sinus pada
gerakan penghalang di LAB Universitas Negeri
Malang dan tahap uji coba lapangan dilakukan di
Lab Komputer STT Atlas Nusantara Malang. Pada
uji coba yang dilakukan di Lab Universitas Negeri
Malang, aplikasi diletakkan pada komputer di lab
Rendering Jurusan Seni Desain UM, proses uji
coba ini meliputi proses penerapan uji keberhasilan
visualisasi gerakan. Untuk gerakan penghalang
dilakukan sebanyak 10 kali ujicoba untuk
menghasilkan gerakan sinus untuk penghalang dan
241
PENUTUP
A. KESIMPULAN
Vektor adalah besaran yang mempunyai nilai dan arah. Sebuah vektor
digambarkan dengan anak panah (→) yang terdiri atas pangkal, panjang dan
arah anak panah.
Vektor terbagi atas vector satuan, vector nol, vector negatif, vector posisi, vector
ortogonal, vector basis, dan vector resultan.
Vektor dapat sangat bermanfaat dalam kehidupan sehari hari, yaitu sebagai GPS,
pembuatan grafis, permainan jungkat- jungkit dan layang-layang, dan masih
banyak lagi.
Dalam dunia manusia ini, memang tidak serta merta kita dapat mlihat fungsi dari vektor
tersebut. Namun, fungsi itu ada dan itulah sebabnya mata pelajaran/mata kuliah ini tetap
dipelajari. Fungsi-fungsi tersebut antara lain yaitu:
1. Sarana transportasi darat, laut, maupun udara masing-masing memiliki peluang yang sama
untuk terjadinya kecelakaan. Apabila kecelakaan teradi di tengah lautan lepas tentunya kapal
yang mengalami kerusakan hars dibawa ke pelabuhan terdekat untuk segera diperbaiki. Untuk
menarik kapal tersebut dibutuhkan dua buah kapal dengan dilengkapi kawat baja. Agar kapal
dapat sampai ke pelabuhan yan dituju dan posisi kapal selama perjalanan tetap stabil besar gaya
yang dibutuhkan oleh masing-masing kapal penarik dan sudut yang di bentuk oleh kawat baja
harus diperhitungkan dengan cermat.
navigasi harus seteliti dan seketat mungkin. Sebagai contoh kejadian yang menimpa pesawat
Adam Air pada bulan pebruari 2006 sewaktu menjalani penerbangan dari bandara Soekarno
Hatta menuju bandara Hasanudin di Makasar. Ketidaktelitian pihak otoritas penerbangan yang
mengijinkan pesawat Adam Air terbang dengan sistem navigasi yang tidak berfungsi
menyebabkan Pesawat Adam Air berputar-putar di udara tanpa tahu arah selama tiga jam,
sebelum mendarat darurat di bandara El Tari Nusa Tenggara Timur. Kesalahan akibat tidak
berfungsinya system navigasi adalah kesalahan yang fatal dalam dunia penerbangan. Sanksi
yang diberikan adalah dicabutnya ijin operasi bagi maskapai penerbangan yang melanggar.
Vektor menyatakan arah dan besar suatu besaran. Jurusan tiga angka, Analisi ruang, Navigasi
penerbangan dan pelayaran selalu menggunakan vektor untuk keperluan itu. Peralatan navigasi
membutuhkan perhitungan vektoris yang sudah dikalibrasikan dengan alat ukur sehingga
menghasilkan keluaran manual atau digital. Keluaran itu dapat dibaca pada pada alat ukur yang
menera besar dan arah secara bersamaan, sehingga bermanfaat bagi orang yang memantaunya.
sebelum membangun bangunan sebenarnya. Dalam progeam tersebut terdapat tiga sumbu,
sumbu X, sumbu Y dan sumbu Tegak (3 dimensional).
4. Ketika penerjun menjatuhkan diri dari kapal, tempat ia jatuh tidak tepat di bawah kapal,
tetapi jauh melenceng karena adanya dua vektor gaya yaitu gaya gravitasi dan gaya dorong
angin.
5. Saat perahu menyebrangi sungai, makan kecepatan perahu yang sebenarnya merupakan
kecepatan gerak perahu dan kecepatan air.
6. Dalam suatu kejadian seorang pemanah menarik anak panah dari busurnya, sebenarnya arah
gerak anak panah merupakan penjumlahan vektor gaya tarik tali dari kedua unjung busur
tersebut.
7. Metode vektor juga diaplikasikan terhadap seseorang yang sedang bermain layang-layang.
Sehingga arah layang-layang yang sedang terbang tidak lurus terhadap orang yang memegang
tali layangan. Dengan demikian orang tersebut dapat melihat layangan lebih jelas karena ada
pengaruh vektor.
(12)
B. Saran
Kami telah berusaha semaksimal mungkin supaya penyusunan
makalah ini dapat menghasilkan sebuah karya yang sempurna. Namun,
karena keterbatasan pengetahuan maupun pengalaman kami, kami
menyadari bahwa masih terdapat banyak kekurangan, baik dari segi
susunan kalimat maupun tata bahasanya. Oleh karena itu, dengan tangan
terbuka kami mengharapkan segala macam saran dan kritik yang
membangun dari pembaca demi terciptanya sebuah karya yang lebih
sempurna.