JURNAL VEKTOR

“Pengaplikasian vektor di kehidupan sehari-hari”

“Diajukan Untuk Memenuhi Tugas Ujian Akhir Semester (UAS)
Pada Mata Kuliah Aljabar Linier”
Dosen : Lussy Midani Rizki, S.Pd, M.Pd

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

UNIVERSITAS PAHLAWAN TUANKU TAMBUSAI

FAKULTAS SAINS DAN TEKNOLOGI
PROGRAM STUDI TEKNIK INDUSTRI
TAHUN PELAJARAN 2022/2023
View metadata, citation and similar papers at core.ac.uk brought to you by CORE
provided by E-Journal Universitas 17 Agustus 1945 Jakarta (UTA'45)

Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

Available online at JKTM Website :

http://journal.uta45jakarta.ac.id/index.php/jktm/index

JURNAL KAJIAN TEKNIK MESIN Vol.5 No.2

Jurnal Artikel

Analisis Simulasi Kinematik Mesin Gergaji Dengan Metode Bilangan

Kompleks
Rizky Arman1*, Yovial Mahyoedin1
1
Program studi Teknik Mesin, Fakultas Teknologi Industri, Universitas Bung Hatta
*
Email: risky.arm@gmail.com

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.

Keywords: mechanism, motion (position, velocity and acceleration), polygon method

1. PENDAHULUAN Oleh sebab karena penggambaran secara

Analisis kinematik pada umumnya
dilakukan dengan cara grafis, antara lain
dengan metoda polygon, yaitu dengan
melihat mekanisme tersebut dalam sesaat.
visual akan lebih mudah dimengerti. Akan
tetapi pemakaian metoda ini sangat terbatas
dan tidak dapat digunakan untuk
menganalisa dengan cepat dan teliti pada
berbagai kedudukan atau posisi.

134
 Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

Untuk mengatasi keterbatasan metoda singkat tentang metode analisis vektor

grafis ini, maka dicari alternatif lain untuk untuk analisis kinematika.
memecahkan analisis kinematik ini dengan
metoda matematis. Penyelesaian matematis 2.1 Metode Bilangan Kompleks
lebih cepat dan teliti dibandingkan dengan Sesuai dengan namanya metode ini
secara grafis, apalagi dengan telah menggunakan koordinat kompleks untuk
berkembangnya teknologi komputer saat analisis vektor. Untuk sebuah vektor seperti
ini. yang terdapat pada Gambar 2.1, maka
Tulisan tentang mekanisme mesin gergaji vektor tersebut dapat dinyatakan sebagai
ini memiliki tujuan untuk menentukan berikut:
rumusan pernyataan untuk posisi,
kecepatan dan percepatan dari pisau atau Posisi : r = r.eiθ
slider dalam mekanisme mesin gergaji Kecepatan : v = dr/dt
tersebut. Mekanisme yang dihasilkan Percepatan : a =dv/dt
diharapkan dapat menjadi suatu wacana
yang dapat diterapkan dalam kehidupan v = r.eiθ + r ω2 e i(θ+π/2)
manusia, baik sekedar alat permainan, a= r.eiθ + (2r ω2rα2) ei(θ+π/2) + ω22 ei(θ+π)
model maupun diterapkan untuk pembuatan dimana
kendaraan lain yang memiliki mekanisme ω: kecepatan sudut
yang serupa. Metode yang digunakan α: percepatan sudut.
dalam perancangan ini adalah metoda
sintesis. Dimana diperlukan dasar-dasar Im
kinematika, sistem gerak batang dan bahasa
r
pemograman komputer. Untuk lebih ω2 α2
mendapatkan gambaran yang lebih baik
tentang mekanisme tersebut maka θ2
digunakan software simulasi dan animasi.
Batasan yang digunakan dalam R
perancangan ini adalah mekanisme yang
Gambar 2.1 Vektor dalam koordinat kompleks
dianalisis merupakan mekanisme yang
sederhana dan perhitungan dilakukan 2.2 Metode Koordinat Kartesian
dengan software Matlab. Dengan metode ini kita menyatakan suatu
vektor dalam koordinat kartesian.
2. TINJAUAN PUSTAKA Sepertihalnya pada metode sebelumnya,
Gerak merupakan hal yang banyak dibahas hubungan posisi, kecepetan, dan percepatan
dalam jurusan teknik mesin. Oleh karena dapat diperoleh dengan menurunkannya
itu terdapat beberapa cabang ilmu yang terhadap waktu.(gambar 2.2)
mempelajarinya. Dalam mempelajari gerak
terdapat tiga besaran yang sering Vektor posisi : r = rxi + ry j,
diperlukan yaitu posisi, kecepatan, dan Kec. : r = r r + r dr/dt = r r + θ x r,
percepatan. Ketiganya erat hubungannya Perc.: r =r r + θ x r + θ x θ x r +2( θ x r r)
dengan besaran waktu.
y
Tiga besaran yang telah disebutkan di
atas merupakan besaran vektor. Oleh sebab r
ω2 α2
itu ketiganya dapat dinyatakan dalam suatu
θ2
vektor. Ada beberapa teori yang dapat
digunakan untuk analisis vektor. Metode- x
metode untuk analisis vektor selengkapnya Gambar 2.2 Vektor dalam koordinat kartesian
dapat dilihat dalam berbagai literatur
matematika. Berikut ini pemaparan secara

135
 Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

2.3 Metode Loop Vektor Pada analisis ini direncanakan putaran

piringan engkol adalah 40 rpm dengan cara
Prinsip dari metode ini adalah menganggap
melakukan pengukuran putaran dengan
bahwa dalam suatu loop vektor
tachometer. Putaran ini dihasilkan dari
penjumlahannya sama dengan nol. Sebagai
reduksi penggerak motor listrik yang
ilustrasi dapat dilihat pada Gambar 2.3.
memiliki putaran 2850 rpm. Dalam hal ini
Pada Gambar tersebut juga tampak bahwa
tidak dibahas mekanisme reduksi dari
arah panah sudut posisi dan arah vektor
penggerak tersebut.
sangat penting artinya. Oleh karena itu
θ3 Analisis lebih dititik beratkan pada
kekonsistenan dalam menggunakan tanda
penentuan posisi, kecepatan dan percepatan
sangat menentukan kebenaran analisis.
dari batang gergaji yang bergerak maju
θ2 mundur akibat putaran piringan engkol.
Tekanan untuk menghasilkan gerak makan
kearah bawah diasumsikan akibat
Gambar 2.3 Sebuah loop vektor pengaturan berat dudukan slider dan batang
gergaji, walaupun pada umumnya memiliki
mekanisme pergerakan sendiri yang didapat
Berbagai metode tersebut di atas dapat
dari putaran motor
digunakan untuk menganalisis suatu
mekanisme maupun merancang sesuatu
yang baru. Namun demikian perlu
diperhatikan kelebihan dan kekurangannya
agar dalam pemakaiannya efektif.
Selain metode analisis vektor, dalam
menangani berbagai persoalan sebaiknya
perlu juga dilakukan penyederhanaan
kasus-kasus kompleks menjadi beberapa
mekanisme dasar yang mudah diselesaikan.
Ada beberapa mekanisme dasar yang perlu
dimengerti sebelum mengerjakan analisis Gambar 3.1 Penampang 3-D Mesin Gergaji
untuk mekanisme yang kompleks.
Beberapa mekanisme dasar tersebut antara Batang gergaji
Dudukan slider
lain: benda kaku, mekanisme 4 batang,
mekanisme 2 batang dyad, mekanisme Disk engkol
peluncur osilasi dan mekanisme pandu
putar

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

oleh sebuah motor penggerak listrik dengan R

5
putaran tertentu yang selanjutnya R
3
θ
dihubungkan ke roda gigi dan sabuk, B
A 3

dimana pada akhirnya memutar piringan R

1
R
engkol dengan batang penghubung engkol 2 θ2 ω2

sehingga menghasilkan gerak maju mundur

pada batang gergaji. 1

136
 Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

theta2=(0:1:360)*pi/180; %sudut batang dua

theta3a=asin((r1-r5-
r2.*sin(theta2))./(r3));%sudut batang 3
rC
theta3b=pi-theta3a; %sudut batang 3
rp
rp=r1^2+r2^2-2*r1*r2*sin(theta2);
rA theta_p=asin((r1-r2*sin(theta2);
r5 r1
posisiC=((r2*cos(theta2))+(r3*cos(theta3b))
)+s0; %posisi titik C akibat input putaran
θ3
r3 batang 2
A
r2 %Analisis kecepatan dan percepatan
w2=input('putaran input = ');%kecepatan
θ2 ω2
sudut batang 2 (omega2)
w3=-
w2*((r2*cos(theta2))/(r3*cos(theta3b)));
Gambar 3.3 Mekanisme dan Hubungan Vektor %kecepatan sudut batang 3 (omega3)
Posisi Kecepatan
C=-r2*w2*sin(theta2)-(r3*w3*sin(theta3b));
a3=(r2*w2^2*sin(theta2))/(r3*cos(theta3b))+
Dari gambar 3.3 diatas dapat dinyatakan w3^2*sin(theta3b))/(cos(theta3b));
hubungan vektor posisi sebagai berikut, %percepatan sudut batang 3 (alpha3)
Percepatan
VC = = r2ω2 (ieiθ2 )+ r3ω3 (ieiθ3 ) C=(-r2*w2^2*cos(theta2))-
aC = = r2(iα2 – ω22 )eiθ2 + r3(iα3 – ω32 r3*((w3^2*cos(theta3b))+(a3*sin(theta3b)));
theta2*180/pi
)eiθ3 theta3*180/pi
dimana: rc= posisi C, posisiC
kecepatanC
VC = rc = kecepatan C, percepatanC
figure(2);plot(real(posisiC),imag(posisiC))
aC = rc = percepatan C ;
xlabel('real');
ylabel('imaginer');
Dengan memisahkan bagian riil dan title('lintasan posisi C');
imajiner didapat: grid on;
figure(3);plot(theta2*180/pi,theta3*180/pi)
;
= -r2ω2 sin θ2 – r3ω3 sin θ3 xlabel('theta2');
ylabel('theta3');
ω3 = - ω2= title('posisi theta3 versus theta2');
grid on;
VC = figure(4);plot(theta2*180/pi,kecepatanC);
xlabel('theta2');
= -r2 (ω22 cos θ2 + α2 sin θ2) – r3(ω32 ylabel('kecepatanC');
cos θ3 + α3 sin θ3) title('kecepatanC versus theta2');
grid on;
figure(5);plot(theta2*180/pi,percepatanC);
xlabel('theta2');
α3= ylabel('percepatanC');
title('percepatanC versus theta2');
grid on;
Dengan memasukkan harga α3 ke
persamaan diatas maka didapatkan AC = . 4. HASIL DAN PEMBAHASAN
Untuk ω2 konstan maka α2 = 0. Maka
perhitungan pada persamaan diatas akan Hasil dari program ini berupa grafik dan
lebih mudah. harga sudut, kecepatan dan percepatan
dapat dilihat trennya sesuai dengan input
3.2. Perhitungan Dengan putaran engkol pada mekanisme yang
Menggunakan Program Software diberikan. Dalam hal ini diberikan contoh
MatLab 5.3 (R11) input putaran engkol pada mekanisme
%satuan panjang dalam mm
sebesar 500 rpm. (seperti dilihat pada
r1=180; %panjang batang 1 Gambar 4.1 s/d 4.3)
r2=100; %panjang batang 2
r3=300; %panjang batang 3
r5=90; %panjang batang 5
s0=186.1818 %titik acuan=0, untuk posisiC

%kecepatan sudut batang 2 konstan = 40 rpm

%Analisis posisi

137
 Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

yang diatur oleh persamaan diferensial

1
lintasan posisi C orde dua dengan koefisien berubah
0.8
terhadap waktu. Sistem seperti itu dapat
0.6
menjadi tidak stabil pada berbagai pita
0.4
frekuensi karena parameter yang berubah
0.2
sehingga disebut sebagai ketidakstabilan
parametrik.
imaginer

-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)

Eksitasi dari engkol dapat

0 menghasilkan perilaku ketidakstabilan
pada frekuensi rendah sekalipun. Semakin
-1
besar μ maka semakin besar eksitasi
-2
parametriknya, sehingga mekanisme
cenderung makin tidak stabil.
-3
0 50 100 150 200 250 300 350 400
Perbandingan massa batang elastik
theta2 (deg) terhadap peluncur atau batang pengikut
Gambar 4.2 Percepatan titik C vs sudut theta2 berpengaruh terhadap kestabilan
185
posisi theta3 versus theta2
parametrik. Dengan meningkatnya harga ω
180 dan α, daerah stabil pada peta kestabilan
175
semakin luas.. Redaman membuat
170
mekanisme semakin stabil, sementara gaya
tarik cenderung memberikan luas
165
kestabilan yang lebih besar dibandingkan
theta3

160
dengan gaya tekan.
155

150 5. KESIMPULAN
145

140 Berdasarkan analisa yang dilakukan dan

0 50 100 150 200 250 300 350 400
theta2 simulasi sistem gergaji mesin yang telah
Gambar 4.3 Posisi theta3 vs theta2 dilakukan, maka dapat ditarik beberapa
kesimpulan diantaranya adalah
Mekanisme yang diputar pada perancangan dengan mekanisme sederhana
kecepatan tinggi cenderung mempunyai seperti yang telah dianalisa
batang yang ramping untuk mereduksi memungkinkan sistem bergerak seperti
efek inersia. Sebagai akibatnya, batang yang diinginkan, yaitu gerak maju mundur
akan bersifat elastis sehingga mekanisme pada batang gergaji. Selain itu penentuan
tidak dapat lagi dianalisis sebagai benda tetapan harga komponen hasil analisis
kaku. Disamping itu, adanya elastisitas harus disesuaikan dengan hasil
menimbulkan perilaku dinamik batang perhitungan manual karena hal ini

138
 Jurnal Kajian Teknik Mesin Vol.5 No.2 (2020) 134-139

berdampak terhadap hasil pemrograman 10.1051/matecconf/201824801008.

yang masuk akal dan hasil animasi yang [2] Bandes, A., 2008 , “Six tips For An
lebih riil. Kemudian yang perlu menjadi Effective Cbm Program", Machinery
perhatian juga adalah keterbatasan and Equipment, Technology
kemampuan pengaplikasian software juga Collection, p. 2008.
mempengaruhi keakuratan hasil [3] Bonel, Ronald M., Aplied Linkage
rancangan. Untuk mendapatkan gambaran Synthesis, Lexington, Kentucky, 1984.
yang lebih detail pada sistem gergaji mesin [4] Comlabs, Professional Matlab
ini sebaiknya dilakukan analisa yang lebih Programming, ITB, 2007.
kompleks pada mekanisme daya [5] Kreyzig E., Advanced Engineering
penggerak, reduksi putaran dari daya Mathematics, John Wiley & Sons,
penggerak dan gerak makan arah vertikal 1988.
dari sistem mesin gergaji tersebut. Untuk [6] S. S. Rao, Mechanical Vibrations,
hal tersebut sebaiknya dilakukan lagi Third Edit. Addison-Wesley, 1995.
dengan perangkat komputer yang lebih [7] Strum R.D. and Kirk D.E.,
kompleks. Contemporary Linear Systems Using
Matlab, PWS, 2004.
6. DAFTAR PUSTAKA [8] Suharto,Djoko, A., Analisis
Kinematika dengan Bantuan
[1] R. Arman, A. Isra Mahyuddin, W. Komputer, Jurusan Teknik Mesin ITB,
Marthiana, and I. Satria, 2005.
“Experimental Investigation of [9] Z. Jinfu, Q. Weiyang, and H. Xinsuo,
Vibration Response of a Flexible “Stability Analysis Of Elastic
Coupler In a Four Bar Mechanism Vibration Of Connecting Rod Of A
Due to Varying Crank Length and Slider-Crank Mechanism,” vol. 2, no.
Crank Speed,” in MATEC Web of 1, pp. 31–40, 2006.
Conferences, 2018, vol. 248, doi:

139
76

KONTROL KECEPATAN MOTOR INDUKSI TIGA FASA

MENGGUNAKAN TEGANGAN DAN FREKUENSI
DENGAN MODULASI VEKTOR RUANG

Dwi Sasmita Aji Pambudi1, M. Sarwoko2, Ekki Kurniawan3

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%.

Kata Kunci: motor induksi, Volt/Hertz, STM32F100, inverter, SVM

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%.

Keywords: induction motor, Volt/Hertz, STM32F100, inverter, SVM

1. Pendahuluan Tenaga Uap. Pengontrolan motor tersebut diharapkan

Motor induksi banyak diaplikasikan di berbagai
sektor mulai dari rumah tangga sampai industri.
Motor induksi banyak digunakan karena
karakteristiknya yang kokoh, handal, dan biaya
perawatannya murah. Di sisi lain, motor induksi juga
memiliki kekurangan yaitu sulit untuk dikontrol dan
memiliki arus mula yang biasanya enam kali dari arus
nominalnya.
Salah satu bentuk aplikasi motor induksi dalam
industri adalah penggunaan pada conveyor untuk
pengangkutan batu bara di Pembangkit Listrik
dapat mempermudah operator untuk mengatur
kecepatan motor dengan mengubah nilai parameter
tertentu pada tampilan grafis komputer.
Teknik pengontrolan motor induksi dapat
dilakukan dengan metode kontrol sakelar. Kontrol
skalar dilakukan dengan linierisasi model persamaan
non linier motor induksi saat beroperasi pada keadaan
mantap (steady state), yaitu dengan menjaga
perbandingan antara besarnya tegangan stator
(magnitude) terhadap frekuensi (ω) agar selalu
bernilai konstan [2] sehingga nilai fluks dan torsi
maksimum selalu konstan.

Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]

Pengaturan nilai parameter masukan kontrol
skalar, yaitu nilai frekuensi dan tegangan keluaran,
dilakukan di dalam inverter. Pengaturan tersebut
dilakukan dengan mengatur nilai tegangan masukan
inverter yang konstan dan mengatur lebar pulsa untuk
buka tutup gerbang tiap transistor IGBT dalam
inverter.
Pembangkitan pulsa PWM dilakukan dengan
menggunakan algoritma Space Vector Modulation
(SVM). Penggunaan algoritma tersebut memungkin-
kan untuk mengatur nilai frekuensi dan nilai
amplitudo tegangan referensi. Algoritma SVM
mampu mengurangi harmonik sinyal keluaran yang
tidak dapat dilakukan oleh filter.
Pada penelitian ini, digunakan motor induksi
tiga fasa yang dioperasikan dengan inverter sumber
catuan satu fasa, sehingga lebih fleksibel dan praktis
untuk digunakan dimanapun.
2. Landasan Teori
2.1. Kontrol Tegangan Stator dan Frekuensi
Jika perbandingan tegangan terhadap frekuensi
dijaga agar tetap konstan, fluks juga akan tetap
konstan. Besarnya torsi maksimum yang tidak
bergantung pada nilai frekuensi, dapat diatur agar
konstan. Akan tetapi, pada frekuensi tinggi, fluks
celah udara berkurang menjadi rendah pada
impedansi stator dan tegangan menjadi meningkat
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 rasio d dapat didefinisikan dari tegangan Vs
dan kecepatan dasar ωb, sebagai:
Vs
d (2)
b
melalui proses substitusi nilai dari persamaan (1) ke
dalam nilai torsi:
3RrVa2
Td
2
Rr
s b Rs Xs
s
maka, nilai slip untuk torsi maksimum adalah:
Rr
sm
2 2
Rs Xs Xr
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
77
Jika frekuensi dikurangi, maka β berkurang dan
slip untuk torsi maksimum meningkat. Untuk torsi
beban yang diberikan, kontrol kecepatan dapat
dilakukan berdasarkan persamaan (2) dengan
mengubah frekuensinya. Sehingga dengan
mengubah-ubah nilai tegangan dan frekuensi, torsi
dan kecepatan dapat dikontrol. Torsi dapat diatur
konstan untuk kecepatan berubah-ubah. Tegangan
pada nilai frekuensi variabel dapat diperoleh pada
inverter tiga fasa atau cycloconverter [3]. Bentuk
kurva karakteristik torsi-kecepatan ditunjukkan pada
Gambar 1.
2.2. Modulasi Vektor Ruang
Modulasi Ruang vektor atau Space Vector
Modulation (SVM) digunakan untuk mengontrol
tegangan keluaran quasi/square pada inverter tiga
fasa berdasarkan enam kombinasi kemungkinan
keadaan yang menghasilkan enam vektor tegangan
aktif dan dua vektor tegangan nol yang
mempresentasikan tegangan keluaran space vector.
Dalam pencatuan tegangan DC, modulasi ruang
vektor menghasilkan efisiensi yang lebih baik
dibandingkan dengan teknik modulasi lainnya [3].
Nilai space vector ditunjukkan pada Gambar 2.
Seperti pada Gambar 3, pada modulasi ruang vektor,
terdapat enam sektor yaitu V1(100), V2(110), V3(010),
V4(011), V5(001), V6(101), serta dua buah vektor nol
V7(111) dan V0(000).
dengan Kontrol Volt/Hertz
Gambar 2. Nilai dari Space Vector
2
Xs
1
(3)
2 2
Gambar 3. Kemungkinan Pensakelaran
pada Inverter Tiga Fasa
78

Untuk mengurangi harmonik pada sinyal
keluaran, maka urutan ruang keadaan harus
menghasilkan quarter-wave yang simetris pada
tegangan beban keluaran. Selain itu, untuk
mengurangi frekuensi pensakelaran, yaitu banyaknya
pensakelaran dalam satu siklus, maka dalam
urutannya, pensakelaran hanya terjadi pada satu
pasangan transistor saja dalam satu transisi dari satu
keadaan ke keadaan lainya. Sehingga urutan
pensakelaran yang memungkinkan adalah Vz, Vn,
Vn+1, dan Vz. Dengan Vz adalah pilihan alternatif
antara V0 dan V7 [3].
Parameter-parameter yang diperlukan untuk
menghasilkan keluaran inverter sinyal PWM adalah
Ta, Tb, T0. Vektor referensi dapat dinyatakan dalam
dua buah vektor V1, V2, dan vektor nol (V0 atau V7)
dalam artian V1 aktif dalam waktu T1 dan V2 aktif
dalam waktu T2 dan V0 atau V7 aktif dalam waktu Tz.
Dalam frekuensi pensakelaran yang tinggi, vektor
referensi Vr dapat diasumsikan konstan selama satu
periode pensakelaran [3]. Karena V1 dan V2 konstan
serta Vz = 0, maka vektor referensi dalam ruang
keadaan dapat dituliskan sebagai:
Vr Ts V1 T1 V2 T2 Vz Tz
Vektor diagram dari persamaan tersebut disajikan pada
Gambar 4.
Jika persamaan (4) dinyatakan dalam koordinat
ruang keadaan (Gambar 2), maka:
cos 2 cos 0
TsVref T1 Vdc
sin 3 sin 0
di mana fs adalah frekuensi pencuplikan (sampling), θ
adalah sudut antara Vr dan Vn, m adalah jumlah
sampling, am adalah nomor sampling, n adalah nomor
sektor, dan M adalah nilai indeks modulasi, 0 ≤ M ≤
1.
3. Perancangan dan Implementasi Sistem
3.1. Perancangan Perangkat Keras
Pada piranti keras terdapat tiga blok yang
membentuk sistem kontrol. Blok pertama merupakan
blok kontroler yang terdapat dalam mikrokontroler
STM32F100 pada STM32 Value Line Discovery [8].
Sedangkan blok kedua merupakan blok inverter
dengan sinyal masukan PWM. Blok ketiga
merupakan blok sensor untuk mengukur besarnya
tegangan sumber Vs, suhu heatsink dari inverter dan
kecepatan putaran motor induksi. Blok diagram dari
sistem kontrol motor induksi ditunjukkan pada
Gambar 5.
Blok kontroler memiliki fungsi sebagai pusat
pengendalian dari keseluruhan sistem, baik untuk
pembangkitan sinyal PWM, pembacaan data sensor,
(4) maupun komunikasi serial dengan komputer untuk
kontrol sistem atau pengamatan data.
Pada blok inverter tiga fasa, digunakan board
STEVAL-IHM027V1 [9] yang dapat mengontrol
motor AC tiga fasa 1 kW. STEVAL-IHM027V1
terdiri dari blok catu daya (rectifier), blok kontrol
sebagai pin masukan, dan blok daya inverter. Blok-
blok tersebut terhubung dengan konektor yang
terdapat pada board yang berfungsi sebagai masukan
atau keluaran sistem.

cos (5)
2 3
T2 Vdc Tz 0
3
sin
3

dengan nilai 0 ≤ θ ≤ π/3. Sehingga didapatkan hasil

T1, T2, dan T0, yaitu:

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:

1 3V fasa fasa Vref

Ts ; M ;
fs Vdc Vdc
2 am Gambar 5. Blok Diagram Sistem Kontrol
; 1 n 6
m Motor Induksi Tiga Fasa

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.

3.2. Perancangan Perangkat Lunak

3.2.1. Perancangan Sistem Kontroler

Kontrol kecepatan motor induksi dilakukan Gambar 6. Rotary Encoder Autonics

secara loop terbuka dengan nilai set point kecepatan E40S6-360-3-T-24
yang menjadi nilai referensi kecepatan putaran pada
motor. Diagram blok dari sistem kontrol kecepatan
pada motor induksi tiga fasa tersebut ditunjukkan
pada Gambar 8.

3.2.2. Perancangan Kontrol Skalar dan SVM

Besarnya nilai kecepatan motor ditentukan oleh

nilai tegangan dan nilai frekuensi yang dicatu ke
motor berdasarkan kontrol skalar (Volt/Hertz).
Penentuan nilai tegangan didasarkan pada nilai rasio
tegangan terhadap frekuensi sesuai persamaan (2).
Nilai tegangan motor adalah 220 V dan nilai Gambar 7. Implementasi Perangkat Keras
frekuensi motor adalah 50 Hz. Sedangkan nilai
kecepatan dasarnya ωb didapatkan dari persamaan
(2):

2 2 2 f Gambar 8. Diagram Blok Kontrol Volt/Hertz

b s
p p Mulai 1

2 2 50
100
2 Inisialisasi Timer,
Variabel dan
Penentuan
Ta, Tb, T0
Konstanta

Sehingga besarnya nilai rasio d adalah: Tidak

Set point Flag_IT_TIM Perbarui Nilai

Tidak 3

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

Nilai tegangan keluaran inverter yang

didapatkan kemudian dimasukkan ke dalam variabel
nilai indeks modulasi untuk menentukan 1

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
Gambar 10. Pola Pensakelaran SVM [4]
(a)
(b)
(c)
Gambar 11. Sinyal PWM High dan Low Tiap
Fasa pada Frekuensi 50 Hz: (a) untuk Fasa A, (b)
untuk Fasa B, dan (c) untuk Fasa C
Sinyal pulsa PWM untuk sakelar high dan low
saling berpasangan dan berkebalikan (inverted) yang
diatur mengaktifkan Output State dan Output N State
pada program. Selain itu, diperlukan waktu jeda
Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
(dead time) untuk pembangkitan pulsa high dan low
agar transistor high dan low bekerja secara bergantian
dan menghindari adanya hubungan singkat. Pola
pensakelaran dan pembangkitan pulsa PWM pada
tiap sektor [4] ditunjukkan oleh Gambar 10.
Pola pensakelaran dapat dilakukan dengan
menggabungkan pola waktu ON dan waktu OFF dari
pensakelaran tiap sektor. Pola waktu ON dan OFF
tersebut dihasilkan dengan membangkitkan pulsa
PWM berdasarkan siklus kerja (duty cycle).
Penentuan periode pulsa PWM dan besarnya siklus
kerja didasarkan pada nilai T1, T2, dan T0 sesuai
dengan persamaan (6), (7), dan (8). Nilai T1, T2, dan
T0 tersebut bergantung pada nilai frekuensi dan nilai
indeks modulasi yang diberikan.
Pada sistem yang dirancang, digunakan
frekuensi sampling 6000 Hz dan waktu sampling (Ts)
adalah 166,67 μs. Waktu sampling (Ts) pada pola
pensakelaran merupakan penjumlahan dari T1, T2, dan
T0, sehingga besarnya lebar periode PWM adalah dua
kali waktu sampling (Ts).
TPWM 2Ts 2 166, 67
333,33 μs
Sedangkan jumlah 333,33 µs sampling ditentukan
berdasarkan besarnya periode dari nilai frekuensi
masukan (Tin) dan nilai periode PWM (TPWM) yang
dituliskan menjadi:
Tin 1 fin 106
sampling
TPWM 333 μs 333 fin
Jumlah sampling menentukan jumlah terjadinya
interupsi Timer1. Untuk fin = 50 Hz, maka:
106 106
sampling 60 sampling
333 fin 333 50
yang dibagi ke dalam 6 sektor. Sehingga jumlah
sampling tiap sektor adalah 10 buah sampling.
Berdasarkan nilai variabel yang telah diketahui
sebelumnya, maka untuk mendapatkan nilai T 1, T2,
dan T0, digunakan algoritma perhitungan berikut ini:
Inisialisasi:
fin=0; Tin=0; Ts=0.000333;
k=1; l=1; z=0; sampling=0; Σsampling=0;
θ=0; T1=0; T2=0; T0=0;
Algoritma:
Perhitungan jumlah sampling tiap sektor :
Tin = 1/fin;
sampling= (Tin/Ts)*(1/6);
Σsampling=6*sampling;
while (k<=6)
{ while (l<=sampling)
{
z=(k-1)*sampling+l;
θ[z]=2*π*z/Σsampling;
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]);
l++;
} k++;l=1;
} k=1;l=1;
Akhir algortima
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

200 Pin 3VL I L cos

100 3(220)(0,90)(0, 78) (9)
0 0, 267 kW
10 15 20 25 30 35 40 45 50

Tegangan Keluaran Maka, arus yang mengalir ke motor adalah:

Gambar 12. Tegangan Keluaran – Frekuensi Pin 3 fasa

IL
3VL cos
(10)
0, 267 kW
2.900 0,90 A
3(220)(0, 78)
2.700

2.500 Sehingga arus nominal motor pada susunan delta:

10 15 20 25 30 35 40 45 50

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:

Pengujian dilakukan untuk mengetahui bentuk I mula 6I m 6(0,52) 3,12 A (12)

sinyal keluaran PWM dari mikrokontroler dengan
implementasi modulasi ruang vektor yang menjadi
sinyal masukan pada inverter. Terdapat dua buah
sinyal hasil keluaran PWM yang saling berkebalikan
(inverted) yang mengatur gerbang transistor high dan
transistor low. Kedua pasangan sinyal keluaran PWM
untuk fasa A, B, dan C, ditunjukkan oleh Gambar 11.
Sedangkan hasil pengukuran tegangan keluaran antar
fasa ke fasa dan nilai arus pada tiap fasa ditunjukkan
pada Tabel 1 dan 2.
Pada motor tiga fasa dengan susunan delta
(segitiga), tegangan fasa ke fasa sama dengan
tegangan fasa (kumparan) yang dapat dituliskan
Dari hasil perhitungan tersebut, dapat diketahui
bahwa arus mula motor sebesar 3,12 A tersebut dapat
ditekan menjadi ≈ 2,9 A. Sehingga, penggunaan
kontrol skalar dapat menahan lonjakan arus mula
motor saat motor mulai berjalan.
Sedangkan bentuk sinyal tegangan keluaran
antar fasa ke fasa dan arus pada motor pada salah satu
fasa yang dihasilkan, ditunjukkan oleh Gambar 14.
Besarnya harmonisa yang dihasilkan oleh motor
dapat diketahui pada spektrum FFT dari sinyal
tegangan dan nilai Total Harmonic Distortion (THD)
yang ditunjukkan Gambar 15.

Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
82

Tabel 3. Nilai Kecepatan Motor

Terhadap Nilai Set Point Kecepatan
Kecepatan (rpm) Error
Set Point Hasil Ukur (%)
600 594 1
700 704 0,57
800 800 0
1000 1022 2,2
1250 1284 2,72
1500 1504 0,27
1750 1830 4,57
2000 2108 5,4
(a) 2250 2264 0,62
2500 2450 2
Rata-rata % Nilai Error 1,935

Tabel 4. Nilai Frekuensi dan Nilai Indeks

Modulasi Terhadap Nilai Set Point Kecepatan
Set Point Nilai Keluaran Mikrokontroler
Kecepatan Frekuensi Indeks Modulasi
600 10.170750 0.203415
700 12.026726 0.240535
800 13.882703 0.277654
1000 17.594654 0.351893
(b) 1250 22.234594 0.444692
1500 26.874535 0.537491
1750 31.514477 0.630290
Gambar 14. Sinyal Keluaran Inverter pada Motor 2000 36.154419 0.723088
(a) Sinyal Tegangan Fasa- Fasa, dan (b) Sinyal 2250 40.794357 0.815887
2500 45.434299 0.908686
Arus Salah Satu Fasa Motor
Besarnya THD [5] dapat dihitung menggunakan
persamaan:

2
h=
Vh
THD % = 100%
h>1 V1

dengan Vh = tegangan harmonik, V1 = tegangan

fundamental, dan h = orde harmonik. Perhitungan
(a) nilai THD pada masing-masing pengukuran nilai
indeks modulasi, adalah:

a. THD pada indeks modulasi = 0,6:

2 2
6, 2 5, 2
THD % 100% 89,91%
9 9

b. THD pada indeks modulasi = 0,8:

(b) 2 2
6 5
THD % 100% 66,19%
11,8 11,8

c. THD pada indeks modulasi = 1,0:

2 2
4 3
THD % 100% 33,33%
15 15

(c) Berdasarkan hasil perhitungan nilai THD, dapat

diketahui bahwa semakin besar nilai indeks modulasi,
Gambar 15. Spektrum FFT pada Berbagai Nilai maka semakin kecil nilai THD. Sehingga, semakin
Indeks Modulasi: (a) M = 0,6, kecil nilai tegangan keluaran pada inverter, maka
(b) M = 0,8, dan (c) M =1,0 semakin besar harmonisa yang dihasilkan oleh motor.

Kontrol Kecepatan Motor Induksi Tiga Fasa Menggunakan Tegangan dan Frekuensi
dengan Modulasi Vektor Ruang [Dwi Sasmita Aji Pambudi]

Nilai tegangan yang kecil menyebabkan motor tidak
dapat bekerja secara optimal. Harmonisa yang
dihasilkan menyebabkan pemanasan tambahan pada
motor. Nilai THD juga menunjukkan seberapa baik
kualitas PWM yang dihasilkan. PWM dengan
kualitas baik, dicapai dengan nilai THD yang rendah
(mendekati 0%).
Pengujian sistem dilakukan pada variasi nilai set
point kecepatan. Nilai tersebut diubah ke dalam nilai
frekuensi dan nilai indeks modulasi untuk diterapkan
pada perhitungan algoritma. Nilai kecepatan yang
dihasilkan terhadap nilai set point kecepatan,
ditunjukkan pada Tabel 3.
Berdasarkan hasil pengukuran kecepatan motor
yang ditunjukkan oleh Tabel 3, dapat diketahui
bahwa rata-rata nilai error yang dihasilkan dari
implementasi sistem kontrol terbuka ini adalah
1,935%. Rata-rata nilai error yang kecil tersebut
menunjukkan bahwa sistem kontrol yang
diimplementasikan dapat berjalan dan berfungsi
dengan baik. Nilai frekuensi dan nilai indeks
modulasi yang diberikan pada sistem berdasarkan
nilai set point kecepatan, ditunjukkan oleh Tabel 4.
Nilai frekuensi dan nilai indeks modulasi
didapatkan dari persamaan yang dihasilkan dari
grafik frekuensi dan indeks modulasi terhadap
kecepatan, yang ditunjukkan oleh grafik pada
Gambar 16 dengan persamaan yang dihasilkan oleh
grafik adalah y = 269,4x + 52. Sehingga untuk
mendapatkan nilai frekuensi dapat menggunakan:
y 52
x 5
269, 4
Frekuensi vs. Kecepatan
3000
2000
1000
0
5 10 15 20 25 30
kec
(a)
Indeks Modulasi vs. Kecepatan
3000
2000
1000
0 dilakukan dengan cara:
0.1 0.2 0.3 0.4 0.5 0.6
(b)
Gambar 16. (a) Grafik Nilai Frekuensi Terhadap
Nilai Kecepatan, (b) Nilai Indeks Modulasi
Terhadap Nilai Kecepatan
Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika (TEKTRIKA)
Januari 2016 - Volume 1, Nomor 1
83
dengan nilai 5 merupakan faktor pengali nilai
frekuensi x. Dan, untuk menghitung nilai indeks
modulasi dapat menggunakan:
y 52
x 0,1
269, 4
Dengan nilai 0,1 merupakan faktor pengali nilai
indeks modulasi x. Variabel y merupakan nilai set
point kecepatan dan x merupakan nilai yang
diinginkan. Perhitungan tersebut ditujukan untuk
mendapatkan nilai kecepatan yang sama antara
kecepatan aktual motor dengan set point kecepatan
tanpa memperhitungkan faktor slip motor. Sehingga,
penentuan nilai frekuensi dan indeks modulasi
dengan pendekatan pada persamaan tersebut, dapat
berfungsi dengan baik, yang ditunjukkan oleh rata-
rata nilai error yang kecil, yaitu sebesar 1,935%.
5. Penutup
5.1. Kesimpulan
Dari hasil pengujian dan analisis yang telah
dilakukan, dapat diambil kesimpulan sebagai berikut:
a. Besarnya tegangan keluaran memiliki hubungan
yang linier dengan besarnya indeks modulasi.
Sedangkan kecepatan motor yang dihasilkan
sebanding dengan nilai frekuensi yang diberikan.
b. Kontrol skalar Volt/Hertz mampu menahan
lonjakan arus mula motor saat motor mulai
dijalankan secara langsung yaitu arus mula motor
sebesar 3,12 A dapat ditekan menjadi ≈ 2,9 A.
c. Nilai rata-rata error pada pengujian kecepatan
motor sesuai dengan faktor slip yaitu sebesar 6%.
Nilai error pengukuran yang berbeda-beda pada
tiap frekuensi, juga dipengaruhi oleh tegangan
y = 269.4x + 52
masukan inverter yang belum maksimal yaitu
303,5 Vdc / 214,61 Vac.
d. Semakin besar nilai indeks modulasi yang
diberikan, maka semakin kecil nilai THD.
Sehingga, semakin kecil nilai tegangan keluaran
pada inverter, maka semakin besar harmonisa
35 40 45 50 yang dihasilkan oleh motor dan motor tidak dapat
bekerja optimal.
Linear (kec)
e. Rata-rata nilai error yang dihasilkan dari
implementasi sistem kontrol terbuka adalah
1,935%. Rata-rata nilai error yang kecil tersebut
menunjukkan bahwa sistem kontrol yang
y = 269.4x + 52 diimplementasikan dapat berfungsi dengan baik.
5.2. Saran
Untuk pengembangan selanjutnya dan
penyempurnaan sistem secara keseluruhan, dapat
0.7 0.8 0.9 1
a. Dirancang kontrol loop tertutup yang disesuaikan
dengan aplikasi penggunaannya dan ditambahkan
algoritma kontrol lain seperti algoritma genetika
dan lainnya.
b. Untuk mempermudah pengguna dalam
memodifikasi nilai variabel kontrol, dapat dibuat
84

user interface yang dilengkapi dengan tampilan

sinyal tegangan dan arus.
c. Modul kontrol dibuat portable dan praktis,
sehingga dapat digunakan lebih mudah untuk
berbagai bentuk aplikasi penggunaan kontrol
motor induksi di dunia industri.

Daftar Pustaka

[1] Atmel AVR32723, “Sensor Field Oriented

Control for Brushless DC Motor with
AT32UC3B025”, Application Note Rev.
32126A-AVR32-06/09, Atmel Corporation,
2009.
[2] Kumar, K. Vinoth, S. Suresh Kumar, dan Kishore
Reddy, “Implementation of Scalar Control
Technique in SVPWM Swiched Three-Level
Inverter Fed Induction Motor Using DSP
Controller”, International Journal of Power
Electronics and Drive System (IJPEDS), vol. 1,
no. 2, ISSN: 2088-8694, pp. 83-93, Desember
2011.
[3] Rashid, Muhammad H., “Power Electronics
Circuit, Device, and Applications, 3rd ed.”,
United States of America: Pearson Prentice Hall,
2004.
[4] Sasi, Devisree dan Jisha Kuruvilla P., “Modelling
and Simulation of SVPWM Inverter Fed
Permanent Magnet Brushless DC Motor Drive”,
International Journal of Advanced Research in
Electrical, Electronics and Instrumentation
Engineering, vol. 2, issue 5, ISSN (Online): 2278-
8875, pp. 1947-1955, Mei 2013.
[5] Slamet, “Pembangkit Sinyal Pulse Width
Modulation (PWM) Tiga Phasa Menggunakan
Metode Space Vector Berbasis Microcontroller
ATMega 16”, Jurnal Rekayasa Elektrika, vol. 8,
no. 2, pp. 62-70, Oktober 2009.
[6] Slamet dan Feri Yusivar, “Perancangan
Rangkaian Kontrol Kecepatan Motor Induksi AC
Tiga Phasa Meggunakan Metode Space Vector
dan Kedali V/f Konstan Berbasis Microcontroller
AVR Tipe ATMega16”, in Proc. Seminar Ilmiah
Nasional Komputer dan Sistem Intelijen
(KOMMIT), ISSN: 1411-6286, Auditorium
Universitas Gunadarma, Depok, pp.307-312,
Agustus 20-21, 2008.
[7] STGIPS10K60A SLLIMMTM, “Small Low-Loss
Intelligent Molded Module) IPM, 3-Phase
Inverter – 10A, 600V Short-Circuit Rugged IGBT
Datasheet Rev. 9.78”, STMicroelectronics, 2012.
[8] UM0919, “STM32VLDISCOVERY STM32 Value
Line Discovery, User Manual Rev. 2”,
STMicroelectronics, 2011.
[9] UM0969, “3-Phase Motor Control
Demonstration Board Featuring IGBT Intelligent
Power Module STGIPS10K60A, User Manual
Rev. 2”, STMicroelectronics, 2012.

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

PENGEMBANGAN MEDIA VIDEO TUTORIAL BERBASIS ADOBE FLASH KOMPETENSI

GAYA DAN VEKTOR PRODI S-1 PTB UNIVERSITAS NEGERI SURABAYA

Muhammad Yuli Lukmawanto

Program Studi Sarjana Pendidikan Teknik Bangunan, Fakultas Teknik, Universitas Negeri Surabaya
e-mail: muhlukmawanto@mhs.unesa.ac.id

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
memicu dunia pendidikan untuk berinovasi. Salah satu
inovasi yang terus tercipta ialah perkembangan program
e-learning pada dunia pendidikan. Perkembangan e-
learning menjadikan awal terciptanya media pembelajaran
interaktif. Adobe flash merupakan sebuah software yang
berguna untuk membantu dalam pembuatan animasi yang
berupa gambar, video, teks serta suara. Pada
perkembangan zaman ini adobe flash tidak hanya
diopergunakan untuk mengedit atau membuat animasi
namun juga digunakan sebagai pembuatan media
pembelajaran interaktif yang menarik bagi penggunanya.
Dari hasil proses wawancara bersama salah satu
dosen pengajar mata kuliah Analisis Struktur Statis
Tertentu di Universitas Negeri Surabaya, beliau
mengatakan bawasannya pada mata kuliah ini hanya
menggunakan sumber belajar berupa buku dan media
pembelajaran berupa power point. Sebagai penunjang lain
yang dapat mempermudah belajar serta membuat
mahasiswa tertarik dengan mata kuliah ini maka
diperlukan media pembelajaran interaktif yang mampu
membuat mahasiswa lebih tertarik. Berdasarkan alasan
tersebut, penulis mengembangkan suatu media
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
Teknik Bangunan (S1 PTB) media ini dirancang memiliki
tampilan yang menarik sehingga mahasiswa lebih tertarik
dalam mengikuti proses pembelajaran serta media ini
mampu mempermudah pemahaman mahasiswa untuk
menyerap materi yang diajarkan.
Ada beberapa penelitian yang sejenis, antara lain: (1)
Menurut penelitian Putri (2018) Pengembangan
pembelajaran menggunakan video tutorial mata kuliah
Ilmu Ukur Tanah dikatakan layak digunakan sebagai
media pembelajaran dengan hasil analisis kelayakan
media video sebesar 75,36% yang masuk kekategori valid,
skor keterlaksanaan pembelajaran adalah 78,46% masuk
dalam kategori valid, prosentase respon mahasiswa
mengenai proses belajar mengajar menggunakan media
video tutorial mendapat respon yang baik dan menyatakan
setuju dilaksanakan dengan persentase 64,23%. (2)
Menurut penelitian oleh Afandi (2017) hasil penelitian
penggunaan video tutorial KD membuat kusen pintu dan
jendela mendapatkan kelayakan media pembelajaran
84,5% termasuk dalam kategori sangat valid,
keterlaksanaan dalam pembelajaran adalah 79,9% masuk
dalam kategori valid, serta mendapat rata-rata hasil belajar
sebanyak 83. (3) Hasil penelitian Adiagharini (2015)
mengenai perkembangan media pembelajaran berbasis
adobe flash keahlian Ilmu Bangunan Gedung
menunjukkan bahwa hasil validasi media mendapat
kategori layak dengan persentase sebesar 73%, hasil
belajar siswa setelah menggunakan media pembelajaran
menyatakan 85% siswa tuntas belajar. Sesuai latar
belakang yang sudah dijabarkan, kemudian penulis
memberikan judul “Pengembangan Media Video Tutorial
Menggunakan Adobe Flash pada RPS Analisis Struktur
Statis Tertentu pada Kompetensi Gaya dan Vektor pada
Kelas S1 PTB Tahun 2019 Universitas Negeri Surabaya”.
Rumus masalah yang diambil dalam penelitian ini
ialah: (1) bagaimana kelayakan media video tutorial
dengan software adobe flash pada RPS Analisis Struktur
Statis Tertentu pada kompetensi gaya dan vektor? (2)
Bagaimana respon Mahasiswa S1 PTB 2019 tentang
media yang dipakai dalam RPS Analisis Struktur Statis
Tertentu pada kompetensi gaya dan vektor? (3)
Bagaimana hasil uji coba media pembelajaran pada
Mahasiswa S1 PTB 2019 setelah melaksanakan proses
pembelajaran mengunakan video tutorial dengan adobe
flash di RPS Analisis Struktur Statis Tertentu pada
kompetensi gaya dan vektor?
Tujuan yang diambil pada penelitian ini ialah: (1)
Mengetahui kelayakan media video tutorial dengan adobe
flash di RPS Analisis Struktur Statis Tertentu pada
kompetensi gaya dan vektor. (2) Untuk mengetahui
respon mahasiswa S1 PTB 2019 megenai media video
tutorial dengan adobe flash sesuai RPS Analisis Struktur
Statis Tertentu pada kompetensi gaya dan vektor. (3)
Untuk mengetahui hasil uji coba mahasiswa S1 PTB 2019
setelah meneria media video tutorial menggunakan adobe
flash pada RPS Analisis Struktur Statis Tertentu pada
kompetensi gaya dan vektor.
Menurut Darmawan (2012:12) menyatakan bahwa
pengembangan ialah proses menerjemahkan datadata
desain kedalam bentuk fisik. Kawasan mengembangkan
suatu produk tidak harus pada perangkat keras, tetapi bisa
juga diterapkan pada perangkat lunak, bahan-bahan audio
dan visual, serta program atau paker yang merupakan
paduan berbagai bagian. Metode penelitian dan
pengembangan (Research and Development) ialah sebuah
metode penelitian yang dapat dipergunakan guna
mendapatkan sebuah produk tertentu serta dapat
mengetahui tingkat efektivitas dari produk tersebut
(Sugiyono, 2015:297). Langkah-langkah melakukan
metode Research and Development adalah sebagai
berikut: (1) Potensi dan masalah (2) Pengumpulan
informasi (3) Desain Produk (4) Validasi Desain (5)
Peraikan desain (6) Uji coba produk (7) Revisi produk (8)
Uji coba pemakaian (9) Revisi Produk (10) Pembuatan
produk masal.
Kata media berasal dari bahasa latin medius yang
secara harfiah berarti tengah, perantara atau pengentar.
Menurut Gerlach & Ely 1971 dalam Arsyad (2013:3)
menyatakan bahwa media apabila dipahami secara garis
besar adalah manusia, materi atau kejadian yang
membangun kondisi yang membuat siswa mampu
memperoleh pengetahuan, keterampilan atau sikap.
Macam-macam media yang dapat dikembangkan sebagai
media pembelajaran meliputi media grafis atau visual,
media audio, media berbasis komputer, dan interactive
video.
Menurut Arsyad (2013:25) memberikan kesimpulan
mengenai manfaat praktis penggunaan media
pembelajaran di dalam proses pembelajaran antara lain:
(1) Mempermudah mendapatkan informasi. (2) Mampu
mengarahkan perhatian siswa. (3) Dapat mengatasi indera,
ruang dan waktu. (4) Memberikan kesamaan pengalaman
kepada siswa.
Video adalah teknologi untuk menangkap,
memproses, mentrasmisikan dan menata ulang gambar
bergerak (Nasution, 2010:435). Sedangkan menurut
Arsyad (2013:94) Tutorial adalah seperangkat tayangan
baik statis maupun dinamis yang telah lebih dahulu
diprogramkan dengan bantuan komputer meniru sistem
tutor yang dilakukan guru atau instruktur, informasi atau
pesan berupa konsep disajikan dilayar komputer dengan
teks, gambar atau grafik. Keuntungan menggunakan video
menurut Arsyad (2013:50) adalah sebagai berikut: (1)
dapat melengkapi pengalaman-pengalaman dasar ketika
membaca, berdiskusi, berpraktik dan lain-lain. (2)
 Pengembangan Media Video Tutorial Berbasis Adobe Flash
Menggambarkan suatu proses secara tepat yang dapat
disajikan secara berulang-ulang. (3) Dapat ditunjukkan
kepada kelompok besar atau kelompok kecil. (4)
Disamping mendorong dan meningkatkan motivasi, video
menanamkan sikap dan segi-segi afektif lainnya.
Adobe Flash merupakan sebuah software komputer
yang dipergunakan guna mengedit atau membuat animasi
baik berbentuk simbol, karakter kartun, film, dan lain
sebagainya. Flash memiliki bahasa pemrograman khusus
yaitu Action Script bidsa dipergunakan untuk
menghasilkan aplikasi interaktif dan dinamis (Darmawan
dalam Zainul, 2012: 259-260).
Menurut Sudjana (2014:22) menyatakan bahwa hasil
belajar adalah kemampuan-kemampuan yang dimiliki
siswa setelah menerima pengalaman belajarnya.
Klasifikasi hasil belajar menurut Banyamin Bloom dalam
Sudjana (2014:22-23) yang secara garis besar
membaginya menjadi tiga bidang meliputi bidang
kognitif, bidang afektif dan bidang psikomotorik.
Sedangkan menurut Purwanto (2010:12), evaluasi atau
penilaian merupakan suatu proses yang sengaja
direncanakan untuk memperoleh informasi atau data,
berdasarkan data tersebut kemudian dicoba untuk
membuat suatu keputusan.
Menurut Kamus Besar Bahasa Indonesia (1997:746)
respon juga dapat diartikan sebagai tanggapan. Sikap yang
berubah merupakan gambaran bagaimana respon
seseorang terhadap suatu objek tertentu. Kemudian
responden ialah sesuatu yyang dapat memberikan
informasi atau data dengan cara menjawab seluruh
pertanyaan secara lengkap serta jelas (Riduwan, 2013:29).
Gaya dapat diartikan menjadi segala sesuatu yang
dapat menjadikan atau menyebabkan sebuah benda
mampu bergerak, baik dari diam menjadi bergerak, dari
cepat menjadi lambat, dan dari lambat menjadi cepat.
Sedangkan menurut pengertian mekanika teknik, gaya
dapat diartikan sebagai muatan yang bekerja pada suatu
konstruksi yang tidak dapat dilepaskan dari konstruksi itu
sendiri. Suatu gaya selalu mempunyai besaran, titik
tangkap, dan arah. Ssebuah struktur bangunan sangat
memungkinkan terdapat bermacam-macam susunan gaya,
berbagai kemungkinan macam-macam gaya seperti (1)
gaya kolinear ialah gaya yang bekerja pada satu garus
lurus, (2) gaya konkuren ialah gaya yang memiliki garis
kerja berpotongan pada suatu titik, (3) gaya nonkonkurer
ialah gaya yang mempunyai garis kerja saling
berpotongan, tetapi tidak pada satu titik., dan (4) gaya-
gaya sejajar adalah gaya-gaya yang garis kerjanya sejajar
satu sama lain (Murfihenni, 2013:32). Menyusun gaya
atau dengan istilah lain yaitu mencari resultan gaya, pada
prinsipnya gaya-gaya yang dipadu harus setara dengan
gaya resultannya.
3
METODE
Penelitian yang digunakan adalah penelitian
pengembangan atau Research and Development (R & D).
Menurut Sugiyono (2015:297), Research and
Development adalah suatu metode penelitian yang dapat
menghasilkan seuatu produk tertentu serta dapat
mengetahui tingkat keefektifannya. Tujuan penelitian ini
ialah menghasilkan suatu media video tutorial dan
menggetahui tingkat keefektifan media tersebut.
Penelitian Research and Development terdapat 10 langkah
prosedur penelitian namun dalam pelaksanaan penelitian
ini dibatasi sampai langka ke 6 yaitu uji coba produk.
Gambar 1. Prosedur Penelitian R & D
1. Potensi dan Masalah
Menurut Sugiono (2015:298-299) Potensi
ialah segala sesuatu bila dipergunakan bisa
mempunyai nilai tambah. Pada kelas S1-PTB 2019
Universitas Negeri Surabaya memiliki potensi dari
perlengkapan penunjang yang cukup memadahi dalam
melakukan proses pembelajaran. Masalah yang
didapat pada mahasiswa yaitu susahnya memahami
materi yang disajikan sehingga, dibutuhkan
pengembangan media dengan teknik Research and
Development yang akan mendapatkan suatu pola,
model, atau sistim penanganan yang efisien untuk
mengatasi masalah yang didapatkan.
Pengumpulan data tentang potensi serta masalah
pada penelitian ini didiperoleh berdasarkan wawancara
dengan dosen pengampu mata kuliah Analisis Struktur
Statis Tertentu.
2. Pengumpulan Data
Pengumpulan data dilaksanakan guna
mendapatkan informasi sebagai data perencanaan
pengembangan produk. Informasi didapat dari literatur
serta wawancara dengan dosen pengampu mata kuliah
Analisis Struktur Statis Tertentu di kelas S1-PTB
2019.
3. Desain Media
Pada tahap ini akan dilasanakan perecanaan
desain media Video Tutorial menggunakan langkah-
langkah sebagai berikut.
a. Membuat materi menguraikan serta
menggabungkan gaya
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
 Pengembangan Media Video Tutorial Berbasis Adobe Flash

Tabel 2. Kriteria Interpretasi ∑ ℎ : Jumlah Mahasiswa yang

Kategori Persentase mendapatkan nilai ≥ 75
Sangat layak 81% - 100% ∑ ℎ : Jumlah Mahasiswa Responden
Layak 61% - 80% Setelah mendapatkan persentase hasil belajar
Cukup layak 41% - 60% kemudian disesuaikan dengan kriteria interpretasi hasil
Tidak Layak 21% - 40% belajar pada Tabel 4.
Tabel 4. Kriteria Interpretasi Hasil Belajar Mahasiswa
Sangat Tidak Layak 0% - 20%
Penilaian Kualitatif Penilaian Kuantitatif
(Riduwan, 2013:41)
2. Analisis Respon Mahasiswa Sangat Tinggi 81% - 100%
Data analisis hasil respon mahasiswa terhadap Tinggi 61% - 80%
penggunaan media video tutorial menggunakan adobe Sedang 41% - 60%
flash pada Analisis Struktur Statis Tertentu didapatkan Rendah 21% - 40%
dari hasil angket respon yang telah di isi oleh Sangat Rendah 0% - 20%
mahasiswa S1 PTB 2019 Universitas Negeri Surabaya. (Sa’dun, 2015:82)
Respon mahasiswa terhadap media video tutorial
berbasis adobe flash ditampung dalam angket yang di Selain persentase ketuntasan hasil belajar juga
isi oleh mahasiswa. Sebelum disebarkan angket didapatkan nilai rata-rata keseluruhan mahasiswa yang
divalidasi terlebih dahulu oleh dosen ahli media dan dapat dihitung menggunakan rumus berikut.
∑
perangkat pembelajaran. Hasil angket respon = ∑
. . . (4)
mahasiswa yang sudah di isi oleh mahasiswa akan Keterangan:
dianalisis persentasenya sesuai rumus berikut: : Nilai Rata - Rata
∑
(%) =
. .
× 100% . . . (2) ∑ ℎ : Jumlah total nilai Mahasiswa
Keterangan: Responden
Σ.F : jumlah total jawaban responden ∑ ℎ : Jumlah Mahasiswa Responden
N : bobot skor tertinggi dalam angket
HASIL DAN PEMBAHASAN
I : jumlah pertanyaan dalam angket
R : jumlah responden Hasil Kelayakan Media dan Perangkat Pembelajaran
Kemudian hasil persentasenya dikategorikan Tahapan awal adalah memvalidasi media video
sesuai dengan kriterian interpretasi pada Tabel 3. tutorial beserta perangkat yang akan dipergunakan dalam
Tabel 3. Kriteria Interpretasi Skor Respon Mahasiswa penelitian. Angket validasi dinilai oleh 2 validator yaitu
Penilaian Penilaian dosen ahli media dan perangkat pembelajaran dari
Bobot Nilai Universitas Negeri Surabaya dan dosen mata kuliah
Kualitatif Kuantitatif
Sangat Baik 81% - 100% 5 Analisis Struktur Statis Tertentu di Universitas Negeri
Baik 61% - 80% 4 Surabaya.
Data yang dihasilkan dari penilaian validasi media
Cukup 41% - 60% 3
pembelajaran meliputi:
Kurang Baik 21% - 40% 2
1. Materi yang terdiri dari 3 indikator:
Sangat Kurang Baik 0% - 20% 1
2. Ilustrasi terdisi dari 2 indikator:
(Sa’dun, 2015:82)
3. Kualitas terdiri dari 2 indikator:
4. Daya tarik terdiri dari 2 indikator:
3. Analisis Hasil Belajar Mahasiswa
Data-data yang telah diperoleh dari proses
Analisis hasil belajar mahasiswa menggunakan
validasi yang diisi oleh para validator kemudian diolah
media pembelajaran video tutorial adobe flash dengan
dan dapat dilihat pada tabel berikut:
cara mahasiswa mengerjakan lembar tes yang
Tabel 5. Data Validasi Media Video Tutorial
diberikan oleh peneliti. Uji coba dikatakan berhasil
apabila 75% mahasiswa tuntas mencapai tujuan Skala Penilaian Σ Hasil
Kriteria Σ Nilai
pembelajaran. Mahasiswa dikatakan tuntas secara 1 2 3 4 5 Validator Rating
individual apabila mencapai nilai minimal 75. Materi
Persentase hasil belajar pada mahasiswa dihitung 1 0 0 0 0 2 2 10 100%
menggunakan rumus berikut: 2 0 0 0 1 1 2 9 90%
∑ 3 0 0 0 2 0 2 8 80%
(%) =
∑
× 100% . . . (3)
Jumlah rating 270%
Keterangan: % Ratarata Σ hasil rating/jumlah indikator 90%

5
Jurnal Kajian Pendidikan Teknik bangunan (JKPTB). Volume 7 Nomor 1 Tahun 2021
ISSN: 2252-5122
 Pengembangan Media Video Tutorial Berbasis Adobe Flash

Tabel 7. Hasil Validasi angket respon mahasiswa

Skala Penilaian Σ Hasil
Kriteria Σ Nilai
1 2 3 4 5 Validator Rating
Perwajahan
1 0 0 0 1 1 2 9 90%
2 0 0 0 1 1 2 9 90%
Jumlah rating 180%
% Ratarata Σ hasil rating/jumlah indikator 70%
Isi
3 0 0 0 1 1 2 9 90%
Jumlah rating 90%
% Ratarata Σ hasil rating/jumlah indikator 90% Gambar 5. Rata-rata Validasi Media dan Perangkat
Bahasa Pembelajaran
4 0 0 0 1 1 2 9 90%
5 0 0 1 0 1 2 8 80% Rata-rata hasil validasi dari media pembelajaran
Jumlah rating 170% yaitu 91% artinya media yang sudah dibuat memilikik
% Ratarata Σ hasil rating/jumlah indikator 85% tingkat kelayakan sangat layak, serta bisa dipergunakan
dalam penelitian. Hasil rata-rata dari validasi soal tes
mendapat persentase sebesar 67% yang artinya tes
kognitif memiliki tingkat kelayakan layak serta bisa
dipergunakan menjadi tes belajar pada penelitian.
Sedangkan hasil validasi angket respon siswa mendapat
persentase sebesar 88% dimana dari hasil yang didapat
berarti media ini masuk dalam kategori sangat layak
digunakan dalam penelitian. Maka dapat diketahui rata-
rata total hasil validasi dari media, soal tes dan angket
respon sebesar 82%. sehingga dikatakan perangkat sangat
layak digunakan dalam penelitian.

Hasil Angket Respon Mahasiswa

Jawaban dari angket yang telah diisi oleh mahasiswa
Gambar 4. Persentase Hasil Validasi Angket Respon mengenai pembelajaran dengan video tutorial
Mahasiswa menggunakan adobe flash pada mata kuliah Analisis
Struktur Statis Tertentu akan diolah menggunakan Rumus
Validasi angket respon mahasiswa berisikan 3 aspek 2. Berikut adalah data yang diperoleh dari penyebaran
penilaian yaitu perwajahan, isi dan bahasa berdasarkan angket respon mahasiswa:
hasil validasi diperoleh persentase masing-masing aspek Tabel 8. Data Angket Respon Mahasiswa
yaitu perwajahan sebesar 90%, isi sebesar 90% dan No. Frekuensi Jawaban Mahasiswa
bahasa sebesar 85%, sehingga dapat disimpulkan bahwa Skor
Pertanyaan STS(1) TS(2) N(3) S(4) ST(5)
semua aspek penilaian mendapatkan presentase yang 1 0 0 2 23 8 138
masuk dalam kriteria sangat layak sesuai kriteria 2 0 0 5 18 10 137
interpretasi karena termasuk kedalam persentase 81% - 3 0 0 5 20 8 135
100% seperti pada Tabel 2.
4 0 0 3 16 14 143
Berdasarkan data validasi media video tutorial, soal
5 0 0 9 13 11 134
tes dan angket respon yang telah diisi ahli media
6 0 1 4 17 11 137
pembelajaran dan dosen teknik sipil Universitas Negeri
7 0 0 13 15 5 124
Surabaya mendapatkan skor penilaian yang rata-ratanya
8 0 2 5 18 9 136
bisa dilihat Gambar 5 dibawah ini.
9 0 0 8 14 11 135
10 0 0 11 11 11 132
Jumlah 0 3 5 165 98 1351

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%
sesuai dengan hasil perhitungan dengan rumus 3.
Saran
Berdasarkan hasil penelitian ini, penulis
memberikan beberapa saran kepada peneliti selanjutnya,
yaitu:
1. Penggunaan media pembelajaran seperti video tutorial
menggunakan adobe flash dapat diterapkan pada mata
kuliah lain yang dapat menunjang pembelajaran
sehingga dapat memaksimalkan hasil belajar.
2. Adanya berbagai inovasi baru untuk membuat sebuah
media pembelajaran yang menarik dengan
memanfaatkan teknologi-teknologi terbaru sesuai
dengan kebutuhan.
UCAPAN TERIMA KASIH
Segala puji bagi Allah SWT, atas berkat rahmat dan
karunianya yang telah memberikan kekuatan, kesehatan,
dan kesabaran untukku dalam mengerjakan artikel ini.
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.
Murfihenni, Weni. 2013. Mekanika Teknik Semester 1.
Jakarta: Kementrian Pendidikan dan Kebudayaan
Republik Indonesia.
Nasution. 2010. Berbagai Pendekatan dalam Proses
Belajar dan Mengajar. Jakarta: Bumi Aksara.
Purwanto, Ngalim. 2010. Prinsip – Prinsip dan Teknik
Evaluasi Pengajaran. Bandung: Remaja Rosdakarya.
Putri, Alfia Dwi Septyaning. 2016. Penerapan Media
Pembelajaran Video Tutorial Total Station pada mata
Kuliah Pengukuran Sipat Datar dan Praktikum pada
Mahasiswa Pendidikan Teknik Bangunan Universitas
Negeri Surabaya. Skripsi tidak diterbitkan. Surabaya:
Universitas Negeri Surabaya.
Riduwan dan Sunarto. 2013. Pengantar Statiska untuk
Penelitian: Pendidikan, Sosial, Ekonomi,
Kommunikasi, dan Bisnis. Bandung: Alfabeta.
Sudjana, Nana. 2014. Metode Statistika. Bandung:
Tarsito.
Sugiyono. 2015. Metode penelitian Kuantitatif,
Kualitatmurfiif, dan R&D. Bandung: Alfabeta.

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
SATIN – Sains dan Teknologi Informasi
journal homepage : http://jurnal.stmik-amik-riau.ac.id
Model Ruang Vektor dalam Pencarian Rumah Tarikan Bank BTN
Pekanbaru dengan GIS Berbasis Android
Bayu Yuliansyah
STMIK Amik Riau
bayuyuliansyah@gmail.com
Abstract
The State Savings Bank or better known as BTN is
an Indonesian state-owned enterprise in the form of a
limited liability company and is engaged in financial
and banking services. This BTN has a special service
called KPR (Home Ownership Loans). A lot of bad
credit is caused by inability debtors to pay monthly
installments resulted in many houses being confiscated
and resold by BTN. Houses that are confiscated and
resold by BTN at a low price have a small amount of
interest, many people are eyeing the house at such a
low price. But unfortunately only a few people know
information about the sale of the house. The house
sales information is only put in the section of the
CCRU unit (Consumer Consultan Remedial Unit) at
the central BTN Pekanbaru, because information is
still difficult to obtain and must go to BTN first, for this
reason an Information Application for BTN Attractive
Home Sales is built using Android-based GIS using a
vector space model as a basis for loading search
operations for a number of information ranging from
giving document values to each query. and
classification and distribution of documents. The
results of this study are expected to make it easier for
the public to know information about the attraction
house and its location to be sold by BTN.
Keywords : BTN, GIS, Android,Vector Space
Model.
ISSN: 2527-9114
Hadi Asnal
STMIK Amik Riau
hadiasnal@stmik-amik-riau.ac.id
Abstrak
Bank Tabungan Negara atau yang lebih dikenal
dengan BTN merupakan badan usaha milik negara
indonesia yang berbentuk perseroan terbatas dan
bergerak di bidang jasa keuangan dan perbankan.BTN
ini memiliki layanan khusus bernama KPR (Kredit
Pemilikan Rumah).Banyak nya kredit macet yang
disebabkan oleh tidak mampunya debitur untuk
membayar cicilan perbulan mengakibatkan banyak nya
rumah yang disita dan dijual kembali oleh pihak BTN.
Rumah yang disita dan dijual kembali oleh pihak BTN
dengan harga yang murah memiliki peminat yang tidak
sedikit,banyak masyarakat yang mengincar rumah
dengan harga yang murah tersebut.Namun sayang nya
hanya sedikit orang yang mengetahui informasi
tentang penjualan rumah tersebut.Informasi penjualan
rumah tersebut hanya diletakkan di mading pada
bagian unit CCRU (Consumer Consultan Remedial
Unit) di BTN pusat Pekanbaru. Karena informasi yang
masih susah didapatkan dan harus ke BTN terlebih
dahulu,untuk itulah dibangun sebuah Aplikasi
Informasi Penjualan Rumah Tarikan BTN dengan
Menggunakan GIS Berbasis Android dengan
menggunakan model ruang vektor sebagai dasar untuk
memuat operasi pencarian sejumlah informasi mulai
dari memberi nilai dokumen pada tiap query, serta
klasisfikasi dan pembagian dokumen. Hasil penelitian
ini adalah berupa aplikasi informasi penjualan rumah
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.
Kata Kunci : Perbankan, BTN , Android, GIS.
Bayu Yuliansyah dan Hadi Asnal
Model Ruang Vektor dalam Pencarian Rumah Tarikan Bank BTN Pekanbaru dengan GIS Berbasis Android.
1. Pendahuluan
Perkembangan teknologi begitu sangat pesat
hampir di semua bidang. Dalam bidang penjualan dan
informasi juga dapat diterapkan, melalui teknologi kita
dapat mencari kebutuhan apa yang kita perlukan dan
dimana tempat untuk mendapatkannya.Perkembangan
teknologi semakin terus meningkat, ada beberapa hal
yang diakibatkan oleh perkembangan teknologi
misalnya perkembangan smartphone. Perkembangan
smartphone saat ini yang paling nyata
perkembangannya ini dilihat dari banyaknya pengguna
smartphone sekarang ini (Agus Prodo, 2014).
Bank Tabungan Negara atau yang lebih dikenal
BTN merupakan badan usaha milik negara indonesia
yang berbentuk perseroan terbaas dan bergerak di
bidang jasa keuangan perbankan. BTN memiliki
layanan khusus yang bernama KPR ( Kredit
Kepemilikan Rumah ). Banyak nya kredit macet yang
disebabkan oleh tidak mampunya debitur untuk
membayar cicilan perbulan mengakibatkan banyaknya
rumah yang disita atau disegel dan kemudian dijual
kembali oleh pihak BTN. Rumah yang disita dan dijual
kembali oleh pihak BTN dengan harga yang murah
memiliki peminat yang tidak sedikit, banyak
masyarakat yang mengincar rumah dengan harga
murah tersebut. Namun sayang nya hanya sedikit orang
yang mengetahui informasi tentang penjualan ruah
tersebut. Informasi penjualan rumah tersebut hanya
diletakkan di mading pada bagian CCRU (Consumer
Consultant Remedial Unit) di BTN Pusat Pekanbaru.
Masalah yang diuraikan diatas perlu adanya inovasi
yang dapat mengaplikasikan teknologi dalam mencari
informasi rumah yang ingin dibeli, khususnya rumah
dengan harga murah melalui tarikan bank. Melalui
aplikasi ini pembeli akan dapat mencari rumah tarikan
yang dekat dengan lokasinya, selain itu juga dapat
melihat dalam bentuk peta Kota Pekanbaru. Aplikasi
ini akan sangat membantu pembeli, khususnya pembeli
yang mencari rumah dengan harga relatif murah.
Selain itu pembeli juga dapat melihat jadwal
pelelangan dan mengikuti pelelangan terhadap rumah
yang sudah ditentukan sebelumnya melalui aplikasi
tersebut. Sistem pencarian rumah ini juga menerapkan
model ruang vektor sehingga akan memudahkan dalam
proses pencarian rumah tarikan dari Bank BTN
berdasarkan relevansi pencarian dari pengguna
aplikasi.
2. Landasan Teori
2.1 Aplikasi
Aplikasi adalah suatu program yang siap untuk
digunakan yang dibuat untuk melaksanankan suatu
fungsi bagi pengguna jasa aplikasi serta penggunaan
aplikasi lain yang dapat digunakan oleh suatu sasaran
yang akan dituju (Andi Juansyah, 2015). Biasanya
95
dibandingkan dengan perangkat lunak sistem yang
mengintegrasikan berbagai kemampuan komputer, tapi
tidak secara langsung menerapkan kemampuan
tersebut untuk mengerjakan suatu tugas yang
menguntungkan pengguna. Menurut Sri Widianti
(2013), Aplikasi merupakan sebuah software
(perangkat lunak) yang bertugas sebagai front end pada
sebuah sistem yang dipakai untuk mengelolah berbagai
macam data sehingga menjadi sebuah informasi yang
bermanfaat untuk penggunanya dan juga sistem yang
berkaitan. Sehingga kesimpulan yang dapat diambil
adalah aplikasi merupakan suatu perangkat lunak yang
dapat dijalan kan pada alat tertentu dan memberikan
informasi kepada penggunannya.
2.2 Informasi
Informasi menurut Turban et al merupakan data
yang telah diorganisir sehingga memberikan arti dan
nilai kepada penerimanya. Sedangkan menurut
Jogiyanto, Informasi adalah data yang diolah menjadi
bentuk yang lebih berguna dan lebih berarti bagi yang
menerimanya (Fanny Andalia, 2015). Dapat dikatakan
bahwa data merupakan bahan mentah, sedangkan
informasi adalah bahan jadi atau bahan yang telah siap
digunakan, Jadi, sumber dari informasi adalah data.
Data merupakan bentuk jamak dari bentuk tunggal
datum atau data-item. Data adalah kenyataan yang
menggambarkan suatu kejadian dan kesatuan nyata.
Kejadian (event) adalah sesuatu yang terjadi pada saat
tertentu. Di dalam dunia bisnis, kejadiankejadian nyata
adalah perubahan dari suatu nilai yang disebut dengan
transaksi. Indikator yang dapat digunakan untuk
mengukur kualitas informasi adalah relevance,
accurate, completeness, timeliness, dan
understandability dari informasi yang dihasilkan.
2.3 GIS
GIS adalah singkatan dari Geographic Information
System atau (SIG) Sistem Informasi Geografis. Pada
dasarnya, istilah Sistem Informasi Geografis (SIG)
merupakan gabungan dari tiga unsur pokok yaitu
sistem, informasi dan geografis. Dengan melihat unsur-
unsur tersebut, maka jelas SIG merupakan salah satu
sistem informasi yang menekankan pada unsur
“informasi geografis”. SIG terdiri dari data spasial dan
aspasial (Erna Kharistiani, 2013). Data SIG dapat
dibagi menjadi dua macam, yaitu data grafis dan data
atribut atau tabular. Data grafis adalah data yang
menggambarkan bentuk atau kenampakan objek di
permukaan bumi. Sedangkan data tabular adalah data
deskriptif yang menyatakan nilai dari data grafis
tersebut.
Secara garis besar, data grafis dibedakan menjadi
tiga macam yaitu data titik (point), garis (line) dan area
(region atau polygon). Data grafis Titik biasanya
digunakan untuk mewakili objek kota, bangunan,
96 SATIN - Sains dan Teknologi Informasi, Vol. 5, No. 1, Juni 2019

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.

2.4 Model Ruang Vektor

Gambaran dari serangkaian dokumen sebagai 3. Metode Penelitian
vektor-vektor dalam ruang vektor umum disebut
dengan model ruang vektor dan merupakan dasar untuk 3.1 Perhitungan Manual Model Ruang
operasi pencarian sejumlah informasi mulai dari Vektor.
memberi nilai dokumen pada query, serta klasisfikasi Pada perhitungan manual akan dijelaskan
dan pembagian dokumen (Irmawati, 2017). Model bagaimana cara kerja ruang vektor dalam melakukan
ruang vektor (vector space model) menyadari bobot- pencarian data perumahan tarikan.
bobot biner yang terlalu terbatas pada model Boolean, Dokumen 1 = Rumah Tipe 36 Panam
lalu menawarkan sebuah framework yang Dokumen 2 = Rumah Tipe 38 Rumbai
memungkinkan adanya partial matching (sesuai Dokumen 3 = Rumah Tipe 36 Kulim
sebagian) yang dapat dilakukan dengan menugaskan Queryyang dicari= rumah tipe 36 panam
bobot-bobot non-biner ke dalam index terms pada Jawab :
query dan dokumen. Pada model ruang vektor, setiap
dokumen di dalam database dan query Langkah 1 Steamming
pengguna direpresentasikan oleh suatu vektor multi- Hilangkan stopword dan stoplist (kata yang sering
dimensi. Dimensi sesuai dengan jumlah term dalam tampil dan berimbuhan)
dokumen yang terlibat. Pada model ini: Tabel 1. Steamming
- Vocabulary merupakan kumpulan semua term D1 D2 D3
berbeda yang tersisa dari dokumen setelah Rumah Rumah Rumah
preprocessing dan mengandung t term index.
Term-term ini membentuk suatu ruang vektor. Tipe Tipe Tipe
- Setiap term i di dalam dokumen atau query j, 36 38 36
diberikan suatu bobot (weight) bernilai real
wij. Panam Rumbai Kulim
- Dokumen dan query diekspresikan sebagai
vektor t dimensi dj = (w1,w2,…,wij) dan
terdapat n dokumen di dalam koleksi, yaitu j =
Langkah 2 Indexing
1, 2, ..., n.
Indexing adalah proses pembacaan kata dalam
Langkah-langkah dalam menggunakan metode
dokumen, memisahkan kata perkata yang kemudian
Vektor Space Model atau model ruang vektor akan diketahui jumlah kata dalam masing-masing
(Imelda Sukma Wulandari, 2013). dokumen. MenentukanNilai
1. Proses steamming atau pemotongan imbuhan
Tabel 2. Indexing
pada kata dan menghilangkan stopword (kata
Vocabulary Occurrences
yang sering muncul).
2. Proses indexing pada setiap kata hasil dari Dokumen Nilai
proses stemming. Proses indexing adalah Rumah 1:1 2:1 3:1
proses menghitung jumlah setiap kata pada
Tipe 1:1 2:1 3:1
dokumen.
3. Pembobotan Menentukan Tf (term 36 1:1 3:1
frekuensi) & Idf (normalisasi)
Bayu Yuliansyah dan Hadi Asnal
Model Ruang Vektor dalam Pencarian Rumah Tarikan Bank BTN Pekanbaru dengan GIS Berbasis Android.
97

38 2:1 Pembobotan Query Pencarian

Panam 1:1 𝑄1 =rumah 𝑄2 =tipe
𝑄3 =36 𝑄4 =Panam
Rumbai 2:1 0,5 𝑓𝑟𝑒𝑔 𝑖𝑞
Wiq = (0,5 + )× idf
𝑚𝑎𝑥.𝑓𝑟𝑒𝑔 𝑖𝑞
Kulim 3:1 0,5 .1
W(rumah) =( 0,5 + ) ×0
1
Langkah 3 = ( 0,5 + 0,5) × 0
Pembobotan Menentukan Tf (form frekuensi) & Idf =1×0
(normalisasi) 𝑤𝑖𝑞1 = 0
0,5 .1
idf(i) = Log (
𝑁
) W(Tipe) =( 0,5 + ) ×0
1
𝐷𝑓(𝑖)
= ( 0,5 + 0,5) × 0
Tabel 3. Pembobotan menentukan form frekuensi
=1×0
TF 𝑤𝑖𝑞2 = 0
t 0,5 .1
Term (i) D D D f d IDF W(36) =( 0,5 + ) × 0,176
1
1 2 3 i f = ( 0,5 + 0,5) × 0,176
𝟑 = 1 × 0,176
Idf = Log = Log 1 =
Rumah 1 1 1 3 3 𝟑
𝑤𝑖𝑞3 = 0,176
0 0,5 .1
𝟑 W(Panam) =( 0,5 + ) × 0,477
Idf = Log = Log 1 = 1
Tipe 1 1 1 3 3 𝟑 = ( 0,5 + 0,5) × 0,477
0
𝟑
= 1 × 0,477
36 1 0 1 2 2
Idf = Log
𝟐
= Log 1,5 𝑤𝑖𝑞4 = 0,47
= 0,176
𝟑
Idf = Log = Log 3 =
38 0 1 0 1 1 𝟏 Langkah 6
0,477
𝟑 Normalisasi bobot query √∑ 𝑤𝑖𝑞 2 =
Idf = Log = Log 3 = 2
Panam 1 0 0 1 1 𝟏 √(𝑤𝑖𝑞1 + 𝑤𝑖𝑞2 )
0,477
𝟑 Dokumen 1√∑ 𝑤𝑖𝑞 2 =
Idf = Log = Log 3 =
Rumbai 0 1 0 1 1 𝟏 √(0 + 0 + 0,176 + 0,477)2
0,477
𝟑 = √(0,653)2
Idf = Log = Log 3 =
Kulim 0 0 1 1 1 𝟏 = √0,426
0,477 = 0,65

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

cos = 0,22 0,030

cos =
0,137
0,477 𝑥 0,477
Panam (𝑞4 ,𝑑1 ) =cos = cos = 0,22
√0,4772 𝑥 0,65

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

cos = 0 Berdasarkan hasil dari perhitungan nilai relevansi

diatas, maka dokumen yang paling relavan dengan
0𝑥0 queri penggunan adalah Dokumen 1.Karena dokument
Tipe (𝑞2 ,𝑑2 ) =cos =
√02 𝑥 0,65 1 memiliki nilai yang lebih tinggi dibandingkan
dokumen lain.
cos = 0
0 𝑥 0,176 4. Hasil Penelitian
36 (𝑞3 ,𝑑2 ) =cos = 4.1. Lingkungan Implementasi
√02 𝑥 0,65
0
cos =
0
Implementasi sistem ini dilakukan dengan
spesifikasi perangkat keras dan lunak sebagai berikut:
cos = 0
1. Spesifikasi perangkat keras yang dipakai
0 𝑥 0,477 yaitu:
Panam (𝑞4 ,𝑑2 ) =cos = a. ProsessorIntel Core i3.
√02 𝑥 0,65
b. RAM 4 GB dan HardDisk 500 Gb
0 dengan ruang kosong minimal 50 GB
cos =
0 untuk penyimpanan program.
cos = 0 c. Minimal Android Kitkat
2. Spesifikasi perangkat lunak yang dipakai
yaitu:
C. Dokumen 3 a. Sistem Operasi Windows10.
0𝑥0
Rumah (𝑞1 ,𝑑3 ) =cos = b. Aplikasi browser seperti google
√02 𝑥 0,65
chrome dan mozila firefox.
cos = 0 c. Xammp Versi 3.2.2
d. Android Studio
0𝑥0
Tipe (𝑞2 ,𝑑3 ) =cos =
√02 𝑥 0,65
4.2 Hasil Implementasi Perangkat Lunak
cos = 0
Berikut ini penjelasan hasil implementasi perangkat
0,176 𝑥 0,176 lunak yang telah dibuat pada penelitian ini:
36 (𝑞3 ,𝑑1 ) =cos =
√0,1762 𝑥 0,65
Bayu Yuliansyah dan Hadi Asnal
Model Ruang Vektor dalam Pencarian Rumah Tarikan Bank BTN Pekanbaru dengan GIS Berbasis Android.
99

1 Halaman Splash Screen

Merupakan halaman awal yang tampil saat membuka
aplikasi

Gambar 3. Form Registrasi User

4 Tampilan Utama Aplikasi

Tampilan ini menampilkan informasi rumah
dengan menggunakan map.
Gambar 1. Splash Screen

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.

Gambar 4.Tampilan Utama Aplikasi

5 Tampilan Pencarian Rumah dan Hasil Pencarian

Rumah
Pada halaman ini menampilkan pencarian rumah
kemudian hasil dari pencarian rumah tersebut

Gambar 2. Form Login Admin

3 Form Registrasi User

Form ini berfungsi untuk registrasi agar mendapatkan
hak akses untuk login ke aplikasi
100 SATIN - Sains dan Teknologi Informasi, Vol. 5, No. 1, Juni 2019

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.

S. T. Informasi and C. Similarity, “Sistem Temu Kembali

Informasi Pada Dokumen Dengan Irmawati,” vol.
IX, no. 1, pp. 74–80, 2017.

J. Ilmiah, I. Komputa, E. Volume, A. Issn, and A. Juansyah,

“Pembangunan Aplikasi Child Tracker Berbasis
Assisted – Global Positioning System ( A-Gps )
Dengan Platform Android Jurnal Ilmiah Komputer
dan Informatika ( Komputa ),” 2015.

T. A. Fitri and M. N. Arsyad, “Rancangan Aplikasi

Pelayanan Kesehatan Berbasis Geographic
Information System ( GIS ) Versi Android di Kota
Pekanbaru,” vol. 3, no. 2, 2017.

A. Firman, H. F. Wowor, X. Najoan, J. Teknik, E. Fakultas,

and T. Unsrat, “Sistem Informasi Perpustakaan
Online Berbasis Web,” vol. 5, no. 2, 2016.

I. Al Fikri, D. Herumurti, and R. R. H, “Aplikasi Navigasi

Berbasis Perangkat Bergerak dengan Menggunakan
Platform Wikitude untuk Studi Kasus Lingkungan
ITS,” vol. 5, no. 1, pp. 48–51, 2016.

F. Andalia, E. B. Setiawan, J. Raya, L. Begalung, and J. D.

4.7 Bandung, “Pengembangan Sistem Informasi
Gambar 6. Tampilan Data Rumah. Pengolahan Data Padang Teknik Informatika –
Bayu Yuliansyah dan Hadi Asnal
Model Ruang Vektor dalam Pencarian Rumah Tarikan Bank BTN Pekanbaru dengan GIS Berbasis Android.
101

Universitas Komputer Indonesia Jurnal Ilmiah

Komputer dan Informatika ( KOMPUTA ) Jurnal
Ilmiah Komputer dan Informatika ( Komputa ).”
S. Akuntansi, D. I. Fakultas, and E. Pada, “No
Title.”

Wahyudi Wahyudi, “ Sistem Informasi Tugas Ahir

amenggunakan Model Ruang Vektor Studi Jurusan
Sistem Informasi, SNTIKI 2012 2085-9902.
PROSIDING ISSN: 2502-6526

M-7

MENENTUKAN JARAK PADA RUANG DIMENSI TIGA

DENGAN ANALISIS VEKTOR
Fiki Alghadari
Pendidikan Matematika STKIP Kusuma Negara Jakarta
alghar6450@gmail.com

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.

Keywords: Distance; Three-Dimensional; Vector.

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

memandang. Menemukan suatu jarak tertentu bisa lansung ditampilkan screen

layar dalam pandangan tiga dimensi yang sejuk di mata, bahkan telah didukung
dengan rotasi sehingga gambar dengan mudah untuk diputarbalikan. Tidak ada
lagi konstruksi garis-garis berpotongan yang semrawut seperti gambar
konvensional. Dengan matanya, siswa di kelas dibuat nyaman dan merasa
seperti sedang berada dalam ruang konstruksi jarak geometris.
Teknologi membantu konstruksi pemahaman siswa dengan tetap
melibatkan kemampuan spasial (Marunic & Glazar, 2013). Siswa tidak akan
menemukan kesulitan apabila mereka dengan baik memiliki kecerdasan
spasial. Siswa dituntun secara tidak lansung membayangkan kondisi ruang tiga
dimensi sehingga bayangan gambar dari screen layar tampilan aplikasi
komputer terekam dalam pikirannya. Efek teknologi telah mengintergasi
pikiran siswa dan bantuan teknologi merupakan bagian dari latihan
kemampuan spasial yang masih terus menjadi rekomendasi. Dengan kata lain,
berpikir spasial dapat ditingkatkan dan mudah dibentuk melalui metode latihan
karena efektif dilakukan (Uttal, et al., 2013; Marunic & Glazar, 2013).
Beberapa temuan hasil studi para ahli mengenai perbedaan antara
kemampuan spasial laki-laki dan perempuan (Yilmaz, 2009; Halpern, 2012;
Alghadari, 2016), sehingga perbedaan tersebut menjadi suatu pembahasan yang
menarik (Yilmaz, 2009). Siswa yang mengalami kesulitan spasial berakibat
pada pencapaian geometri, karena kemampuan spasial mempunyai peran dalam
perkembangan konseptualisasi ide geometri (Seng & Chan, 2000; Guzel &
Sener, 2009; Krismanto, 2008; Uttal, et al., 2013). Kelemahan hitung geometri
ruang merupakan akibat kurang sempurnanya kombinasi kemampuan
pendukung kemampuan spasial, karena kemampuan ini terbentuk dari
kombinasi kemampuan seperti memecahkan pertanyaan geometri, penggunaan
peta, dan representasi dalam ruang berdimensi (Yilmaz, 2009), sehingga
memerlukan pemahaman dan strategi tambahan (Krismanto, 2008). Kondisi ini
adalah peluang munculnya inovasi cara menentukan ukuran geometris pada
bangun ruang. Salah satunya adalah dengan konsep vektor.
Tujuan kajian ini adalah untuk mengetahui bagaimana menentukan
ukuran geometris pada bangun ruang dengan bantuan konsep vektor.
Perhitungan dengan konsep vektor adalah salah satu cara perhitungan yang bisa
membantu siswa bagi yang mengalami kesulitan spasial, namun bukan untuk
membantu meningkatkan kemampuan spasialnya. Menentukan jarak pada
bangun ruang dengan konsep vektor mengarahkan siswa pada latihan
kemampuan memecahkan masalah geometri. Dengan bantuan vektor, siswa
dapat menyelesaikan masalah jarak pada bangun ruang sehingga siswa tidak
bergelut pada kesulitan spasialnya, dan diharapkan pencapaian belajarnya tidak
terhambat, serta bisa menanggulangi perbedaan pencapaian geometri siswa
berdasarkan gender.

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 86

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.

3. HASIL DAN PEMBAHASAN

a. Definisi dan Konsep Vektor
Vektor adalah suatu kontribusi terbesar di bidang matematika yang
ditemukan Gibbs. Definisi vektor adalah besaran yang memiliki panjang
dan arah, sehingga vektor dikatakan sebagai ruas garis berarah. Walaupun
sama-sama lurus, tetapi vektor berbeda dengan garis. Penyajian vektor
dinyatakan dalam bentuk vektor baris ( r1 ), vektor basis ( r2 ), atau vektor
kolom ( r3 ) (Gibbs, 1901). Pada koordinat digambar seperti gambar 1.
z+

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

Pada gambar 1, titik O pada titik pangkal koordinat. Karena definisi

vektor adalah besaran yang memiliki panjang dan arah, maka vektor r
arahnya dari titik O ke titik A, sehingga vektor r dinyatakan dengan vektor

OA . Sedangkan besaran vektor merupakan panjang vektor, yaitu sepanjang
ruas garis dari titik O ke titik A. Beberapa konsep analisis vektor yang
dimanfatkan dalam hitung menentukan jarak geometris ruang tiga dimensi
adalah besaran vektor, jumlah vektor, vektor satuan, direct product, cross
product, proyeksi ortogonal, dan vektor normal bidang (Gibbs, 1901).
Penggunaan konsep vektor untuk menentukan suatu jarak spasial
karena bangun ruang dapat digambarkan di koordinat. Contoh, misalkan
diketahui kubus dengan panjang sisi 4 satuan, seperti pada gambar 2.

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 87

Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526
Z

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

Gambar 2. Kubus pada sumbu koordinat

Ukuran-ukuran geometris spasial adalah hubungan antara titik, garis,
dan bidang. Ukuran tersebut seperti jarak, besar sudut, serta sifat-sifat
lainnya (Krismanto, 2008). Kajian ini membahas masalah jarak.

b. Menghitung jarak titik A dengan titik G.

Salah satu unsur jarak geometris pada kubus adalah jarak antara dua
titik (Krismanto, 2008). Menghitung jarak antara titik dan titik, dalam
konsep vektor adalah menghitung panjang vektor atau besaran vektor.
Pada gambar 2, jarak titik A0,4,0 ke titik G4,0,4 adalah besaran
   
vektor AG . Vektor AG  OG  OA  4,4,4 , sehingga jaraknya
 
(dilambangkan AG ), adalah AG  42   42  42  4 3 satuan.

Jarak antara dua titik di bidang koordinat pada dasarnya adalah

aplikasi konsep teorema Pythagoras, dan pada vektor juga demikian.
Menghitung jarak antara dua titik cukup mengetahui vektor apa yang
merepresentasi jarak tersebut, dan kemudian hitung besaran vektornya.

c. Menghitung jarak titik O dengan garis AC.

Ukuran spasial kedua adalah jarak antara titik dan garis. Acuan tetap
sama seperti perhitungan cara konvensional atau berbantuan komputer,
bahwa definisi jarak antara titik dengan garis adalah jarak terpendek yang
ditarik dari titik serta tegak lurus terhadap garis (Krismanto, 2008).
Dengan analisis vektor, proyeksi ortogonal menjadi konsep perhitungan
jarak antara titik dan garis. Sebagai contoh, yaitu menghitung jarak titik O
dengan garis AC, seperti pada gambar 3 berikut.
O

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.

d. Menghitung jarak titik O dengan bidang BEG.

Menentukan jarak antara suatu titik (misal titik O) dengan suatu
bidang (bidang BEG dengan tiga titik sudutnya E 0,4,4 , B4,4,0 , dan
G4,0,4 ) yaitu pertama-tama mencari normal bidang. Normal bidang
merupakan suatu vektor hasil cross product dua buah vektor yang tidak

sejajar dan segaris, (dinotasikan n ), (Gibbs, 1901). Contohnya
  
EB  4,0,4 dan EG  4,4,0 , sehingga diperoleh n dari BEG.
  
EB  EG  n  4i  0 j  4k   4i  4 j  0k 
 16i  i   16i  j   0i  k   0 j  i   0 j  j   0 j  k 
 16k  i   16k  j   0k  k 
 160  16k  0 j   0 k   00  0i   16 j   16 i 
 00
 16k  16 j  16i
  1, 1, 1
 
n adalah vektor yang tegak lurus dengan vektor EB  4,0,4 dan
 
vektor EG  4,4,0 . Selain itu, n juga selalu tegak lurus dengan setiap
vektor atau titik yang dimuat bidang (Gibbs, 1901). Berikut ilustrasinya.

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 89

Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526

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.

e. Menghitung jarak garis AC dan garis HB.

Dua buah garis dikatakan memiliki jarak tertentu apabila termasuk
salah satu dari dua option yang ada, yaitu: kedua garis saling sejajar dan
tidak berimpit, atau kedua garis bersilangan dan tidak berpotongan.
Contohnya pada gambar 2, bahwa garis AC dan garis HB adalah dua garis
bersilangan dan tidak berpotongan, sehingga kedua garis itu memiliki jarak
terdekat.

B n
H


B
A H
r A
C
C
(a) (b)
Gambar 5. Garis HB dan garis AC dan Vektor yang tegak lurus

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 90

Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526

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
 

HB dan garis AC adalah r 

 AB  n 4 satuan.


n 6

Catatan penting bahwa jarak antara garis HB dan garis AC adalah

    
proyeksi skalar ortogonal AB , atau AH , atau BC , atau CH , pada n ,
karena keempat vektor tersebut terbentuk dari kombinasi dua titik yang
dilewati kedua garis seperti gambar 5(a). Empat vektor itu mewakilkan
jarak antara kedua garis, namun bukan jarak terdekat. Supaya menjadi

jarak terdekat, maka diproyeksikan pada n .

f. Menghitung jarak garis AC dengan bidang BEG.

Garis yang berimpit dan menembus bidang dikatakan tidak
mempunyai jarak. Terbentuknya jarak terdekat dari suatu garis ke suatu
bidang apabila garis tersebut sejajar dengan bidang (Krismanto, 2008).
Gambar 6 adalah ilustrasi garis sejajar bidang yang memiliki jarak
tertentu, contohnya pada kubus (gambar 2), diketahui bahwa garis AC
sejajar dengan bidang BEG.
C
A
n G

B P

E
Gambar 6. Garis AC sejajar bidang BEG dalam skema vektor

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 91

Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526

Jarak suatu garis terhadap suatu bidang ditentukan juga dengan

bantuan proyeksi skalar orthogonal seperti pada konsep jarak antara dua
garis yang sejajar. Pada pembahasan sebelumnya, telah dihitung bahwa
 
vektor normal bidang BEG adalah n   1, 1, 1 , dan vektor AC  4,4,0 ,
sehingga jarak antara garis AC dan bidang BEG ditentukan dengan
     
memproyeksikan CG , atau CB , atau CE , atau AG , atau AB , atau AE ,
 
pada n . Misalkan r adalah jarak tersebut, ditentukan dengan proyeksi
 
   AB  n 4
AB  4,0,0 pada n , dengan hasil hitung r  
 satuan.
n 3

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.

g. Menghitung jarak bidang ACH dan bidang BEG.

Jarak antara dua bidang merupakan jarak dua bidang yang sejajar
(Krismanto, 2008). Pada kubus, contoh dua bidang sejajar adalah bidang
ACH dan bidang BEG, sehingga apabila kedua bidang ini digambarkan
maka akan terlihat seperti berikut.
C

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

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 92

Universitas Muhammadiyah Surakarta, 18 Maret 2017
PROSIDING ISSN: 2502-6526

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

Halpern, D. F. (2013). Sex differences in cognitive abilities. USA: Psychology

press.
Krismanto, A. (2008). Pembelajaran Sudut dan Jarak Dalam Ruang Dimensi
Tiga. Yogyakarta: Departemen Pendidikan Nasional.
Marunic, G., & Glazar, V. (2013). Spatial ability through engineering graphics
education. International Journal of Technology and Design Education,
23(3), 703-715.
Seng, S., & Chan, B. (2000). Spatial Ability and Mathematical Performance:
Gender Differences in an Elementary School. Educational Resources
Information Center. ED438973.
Uttal, D. H., Miller, D. I., & Newcombe, N. S. (2013). Exploring and
enhancing spatial thinking links to achievement in science, technology,
engineering, and mathematics?. Current Directions in Psychological
Science, 22(5), 367-373.
Yilmaz, H. B. (2009). On the development and measurement of spatial ability.
International Electronic Journal of Elementary Education, 1(2), 83-96.

Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II) 94

Universitas Muhammadiyah Surakarta, 18 Maret 2017
160 Jurnal Ilmiah Edukasi & Sosial, Volume 8, Nomor 2, September 2017, hlm. 160–164

SIMULASI PERGERAKAN SUATU PARTIKEL

PADA SUATU KURVA RUANG MENGGUNAKAN MATLAB

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.

Kata Kunci: kecepatan, kurva, matlab, posisi, vektor

Vektor sebagai suatu besaran yang disertai arah dapat
ditemukan dalam kehidupan sehari-hari seperti
perpindahan suatu benda, kecepatan benda bergerak,
percepatan, dan sebagainya. Contoh untuk kece-
patan, seorang pengendara sepeda motor melaju
dengan kecepatan sebesar 70 km/jam ke arah utara.
Contoh vektor tersebut jika dituliskan dalam bentuk
 
matematika akan menjadi V  70v dengan V
menunjukkan vektor, 70 menunjukkan besar/nilai/
 bantuan suatu media yang sesuai untuk membantu
magnitude dari vektor V , sementara v merupakan
vektor satuan yang menunjukkan arah dari vektor
 
V . Vektor V tersebut dapat pula ditunjukkan secara
geometri dalam bidang koordinat, baik bidang koor-
dinat dua dimensi maupun bidang koordinat tiga
dimensi.
Contoh lain dari konsep vektor yaitu pergerakan
suatu partikel pada suatu kurva ruang dalam bidang
koordinat tiga dimensi. Secara analitis, vektor posisi
maupun vektor kecepatan dari pergerakan suatu
partikel pada suatu kurva ruang dalam koordinat tiga
dimensi dapat ditentukan. Namun, hal ini cukup sulit
saat akan ditunjukkan secara geometri. Apalagi jika
persamaan dari kurva ruang tersebut cukup rumit
untuk digambarkan secara manual.
Suatu vektor yang ditunjukkan secara geometri
akan lebih mudah dalam memahami konsep vektor
160
itu sendiri. Sehingga dalam menyelesaikan permasa-
lahan yang berkaitan dengan vektor tidak cukup
sampai pada penyelesaian secara analitis, tapi juga
diperlukan penyelesaian secara geometri. Penyele-
saian secara geometri bisa dilakukan secara manual
jika permasalahan yang akan dipecahkan memiliki
tingkat kerumitan yang rendah. Akan tetapi jika
melibatkan persamaan-persamaan yang cukup rumit
untuk dipecahkan secara manual, maka diperlukan
memecahkan masalah tersebut.
Berdasarkan uraian tersebut, pada artikel ini
ditunjukkan bentuk pemecahan masalah yang ber-
kaitan dengan vektor yaitu menunjukkan vektor
posisi dan vektor kecepatan dari pergerakan suatu
partikel pada suatu kurva ruang menggunakan
Matlab. Hal ini bertujuan untuk mengetahui letak
dari vektor posisi dan vektor kecepatan pada kurva
ruang tersebut dalam bentuk visual. Manfaat yang
dapat diharapkan nantinya, artikel ini dapat menjadi
acuan dalam melakukan penelitian selanjutnya yang
berkaitan dengan vektor serta yang memerlukan ada-
nya simulasi menggunakan software Matlab.
Menurut Hayt dan Buck (2006:2), vektor meru-
pakan suatu besaran yang memiliki magnitude dan
sebuah arah di dalam ruang. Vektor-vektor dapat
 Ningsih, Simulasi Pergerakan suatu Partikel 161

didefinisikan untuk ruang-ruang berdimensi n pada

penerapan-penerapan yang lebih lanjut. Gaya, kece-
patan, percepatan, dan sebuah garis lurus dari kutub Apabila vektor posisi diturunkan terhadap
positif ke kutub negatif sebuah baterai adalah contoh-
contoh besaran vektor. Masing-masing besaran ini t akan menghasilkan . Hal ini menunjukkan
dicirikan oleh sebuah magnitude dan sebuah arah.
Materi tentang vektor pada buku yang ditulis
bahwa adalah vektor kecepatan sepanjang
oleh Wrede dan Spiegel (2010:161), secara geometri
sebuah vektor dipandang sebagai sebuah segmen kurva dan disebut juga sebagai vektor singgung yang
garis lurus yang dimulai dari titik P, disebut menyinggung kurva pada suatu titik tertentu. Begitu
sebagai titik awal, ke titik Q, disebut sebagai titik juga dengan menunjukkan vektor
terminal. Suatu vektor bisa dinotasikan sebagai huruf
yang memiliki tanda panah diatasnya atau huruf percepatan sepanjang kurva.
Untuk mendapatkan vektor kecepatan, persa-
kapital yang tebal. Sehingga vektor bisa dino-
 maan (2) dapat diturunkan terhadap menjadi
tasikan sebagai A atau A , seperti yang ditunjukkan
oleh Gambar 1. Magnitude atau panjang dari suatu
 (3)
vektor dinotasikan sebagai , |A|, atau A .

Pada geometri diferensial suatu vektor, vektor

kecepatan pada persamaan (3) dapat dinyatakan
sebagai

Dengan T adalah vektor singgung satuan yang

menyinggung kurva.
Gambar 1 Sebuah vektor dan vektor B Sementara itu, Matlab merupakan suatu soft-
(Sumber: Wrede dan Spiegel (2010:161)) ware yang didesain dan dikembangkan oleh team
MathWork untuk engineers dan ilmuan dalam meme-
 cahkan permasalahan komputasi numerik. Hal ini
Suatu vektor posisi r pada bidang koordinat seperti yang dikatakan oleh Irawan (2012:12).
tegak lurus tiga dimensi merupakan suatu vektor Sementara menurut Sianipar (2013:1) Matlab me-
yang dimulai dari titik (0,0,0) ke titik (x, y, z). rupakan suatu paket perangkat lunak yang mampu
Sehingga dapat dituliskan melakukan analisa data, komputasi matematik,
 mengembangkan algoritma, melakukan simulasi dan
r  xi  yj  zk (1)
pemodelan, dan menghasilkan tampilan grafik dan
Dengan i, j, k berturut-turut sebagai vektor Graphical User Interface.
satuan dalam arah sumbu x, y, z. Selanjutnya besar/ Pemrograman Matlab bekerja atas dasar kom-
nilai/magnitude dari suatu vektor, misalkan dalam putasi Matriks. Sehingga dalam prakteknya, vektor
hal ini adalah vektor posisi, yaitu dapat dinyatakan sebagai suatu matriks, baik sebagai
matriks kolom maupun matriks baris. Selanjutnya
 untuk menampilkan suatu kurva atau grafik, Matlab
r  r  x2  y2  z2
menyediakan suatu fungsi plot (x,y) yang menam-
Jika vektor posisi tersebut merupakan suatu pilkan suatu grafik dalam koordinat dua dimensi.
vektor yang bergantung pada sebuah variabel t, Matlab bekerja dengan mengeksekusi statement yang
dengan t adalah waktu, maka persamaan (1) menjadi dikerjakan/diketikkan terlebih dahulu. Sehingga da-
lam prakteknya dalam pembuatan suatu pemrogram-
(2) an, hal yang menjadi dasar utama adalah algoritma
dari pemrograman tersebut. Sesuai dengan kegunaan
Kemudian jika berubah terhadap waktu maka Matlab seperti yang disampaikan oleh Sianipar
 (2013:2), algoritma yang sederhana dapat dikem-
titik terminal r menggambarkan sebuah kurva ruang
bangkan menjadi algoritma yang sesuai dengan per-
yang memiliki persamaan
masalahan yang ingin dipecahkan. Pengembangan
162 Jurnal Ilmiah Edukasi & Sosial, Volume 8, Nomor 2, September 2017, hlm. 160–164

kemampuan dalam pemrograman Matlab pun bisa a=0.01; %penentuan nilai

dilakukan dengan mengakses situs yang dikelola oleh increament
MathWork yaitu www.mathworks.com. t=0:a:5; %selang waktu t
t1=0; %sampel waktu
METODE tertentu
Metode yang digunakan untuk menyelesaikan %%
permasalahan yang telah diuraikan pada bagian se- %persamaan parametrik kurva ruang
belumnya yaitu studi pustaka. Hal ini dilakukan x=exp(-1*t);
dengan terlebih dahulu membuat suatu contoh perma- y=2*cos(3*t);
salahan berupa pergerakan suatu partikel pada suatu z=2*sin(3*t);
kurva yang dibentuk oleh persamaan x = e-t, y = 2 %%
cos 3t, z = 2 sin 3t dengan t adalah waktu. Dari %penentuan titik terminal saat
persamaan tersebut akan ditentukan vektor posisi dan waktu t1
vektor kecepatan secara analitis, kemudian ditunjuk- b=(t1/a)+1;
kan secara geometri menggunakan bantuan program c=t(b);
Matlab dengan mengambil beberapa sampel waktu x1=exp(-1*c);
t. y1=2*cos(3*c);
z1=2*sin(3*c);
HASIL DAN PEMBAHASAN %%
%penentuan vektor posisi dari
Pada bagian sebelumnya telah diambil contoh
partikel pada waktu t1
persamaan parametrik dari suatu kurva. Kemudian
X=0:x1/5:x1;
akan ditentukan vektor posisi dan vektor kecepatan
Y=(y1/x1).*X;
dari pergerakan suatu partikel pada kurva tersebut,
Z=(z1/y1).*Y;
baik secara analitik maupun secara geometri dengan
%%
bantuan program Matlab.
%penentuan vektor kecepatan
u = gradient(x);
Persamaan parametrik dari sebuah kurva diberikan
v = gradient(y);
oleh
w = gradient(z);
x = e-t, y = 2 cos 3t, z = 2 sin 3t scale = 10;
Sesuai dengan persamaan (2), vektor posisi dari %visualisasi vektor posisi,
sebuah partikel yang bergerak sepanjang kurva kurva, dan titik terminal
tersebut ditunjukkan oleh plot3(X,Y,Z,x,y,z,x1,y1,z1,’*r’,’LineWidth’,2)
hold on
(4) %visualisasi vektor kecepatan
pergerakan partikel pada waktu t1
Sementara itu, vektor kecepatannya ditunjukkan oleh quiver3(x(b),y(b),z(b),u(b),v(b),w(b),scale,’LineWidth’,2)

view([70 35])
grid on

= –e-ti - 6 sin 3t j + 6 cos 3t k (5) title(‘Simulasi Pergerakan Suatu

Partikel pada Kurva x=e^{-t},
Selanjutnya dengan menggunakan program y=2cos(3t),
Matlab akan ditunjukkan visualisasi dari kurva ruang z=2sin(3t)’,’FontWeight’,
diatas, vektor posisi dan vektor kecepatan pada suatu ‘bold’);
titik tertentu.
[legend_h,plot_h]=legend([‘Vektor
Berikut adalah source code nya posisi r=(‘,num2str(x1),’)
clear all; %perintah menghapus i’,’+(‘,...
semua variabel dari jendela num2str(y1),’)j’,’+(‘,num2str(z1)
workspace ,’)k’],[‘kurva’],[‘titik saat
clc; % menghapus riwayat t=’,...
pada command window
 Ningsih, Simulasi Pergerakan suatu Partikel 163

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’)

selanjutnya saat source code tersebut di running

maka akan menampilkan grafik seperti yang
ditunjukkan oleh Gambar 2.

Gambar 3 Grafik dari kurva ruang

x = e-t, y = 2 cos 3t, z = 2 sin 3t, vektor posisi,
vektor kecepatan pada saat t = 1

 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

Penentuan vektor posisi dan vektor kecepatan secara

analitis dengan beberapa sampel waktu .
 Saat t = 0
Substitusi nilai pada persamaan (4) dan (5)

Kemudian dilakukan simulasi pada Matlab.

Terlihat bahwa penyelesaian secara analitis dan

geometri mendapatkan hasil yang sama. Pada Gam-
bar 2 terlihat bahwa vektor kecepatan menyinggung
kurva ruang.

 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
Berdasarkan hasil penyelesaian secara analitik
dan secara geometri menggunakan bantuan program
Matlab, untuk beberapa sampel waktu t, diperoleh
hasil yang sama untuk komponen-komponen vektor
posisi dan vektor kecepatan. Selain itu, pada Gambar
2, 3, dan Gambar 4 dapat dilihat dengan jelas bahwa
vektor kecepatan menyinggung kurva ruang pada
titik-titik terminal vektor posisi saat t = 0, t = 1, dan
saat t = 2.
Disisi lain, vektor kecepatan dapat dinyatakan
dalam arah vektor singgung satuan T, yang arahnya
searah dengan vektor singgung atau vektor kece-
patan.
Untuk t = 0
Untuk t = 1
Untuk t = 2
KESIMPULAN DAN SARAN
Dari pembahasan diatas, kesimpulan yang dapat
diambil adalah penentuan vektor posisi dan vektor
kecepatan dari pergerakan suatu partikel pada suatu
kurva sebaiknya tidak hanya secara analitis, tapi juga
secara geometri dengan bantuan komputasi. Hal ini
bertujuan untuk mengetahui letak dari vektor posisi
dan vektor kecepatan pada bidang koordinat. Se-
hingga lebih memudahkan dalam memahami konsep
dasar dari vektor. Karena pada dasarnya hasil yang
diperoleh dari kedua cara tersebut adalah sama.
Selanjutnya dari kesimpulan tersebut, saran
yang dapat diberikan yaitu bisa dilakukan penelitian
lebih lanjut yang berkaitan dengan vektor seperti da-
lam bidang mekanika, fisika, dan geometri, serta
dilakukan interpretasinya menggunakan software
yang sesuai.
DAFTAR RUJUKAN
Hayt, W.H dan Buck, J.A. 2006. Engineering
Electromagnetics. Seventh Edition. McGraw-Hill,
New York.
Irawan, F.A. 2012. Buku Pintar Pemrograman MATLAB.
MediaKom: Yogyakarta.
Sianipar, R.H. 2013. Pemrograman Matlab dalam
Contoh dan Penerapan. Informatika, Bandung.
Wrede, R. dan Spiegel, M.R. 2010. Advance Calculus.
Third Edition. McGraw-Hill., New York.
http://www.mathworks.co
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

KLASIFIKASI USIA TANAMAN PADI DENGAN EKSTRAKSI

REFLEKTANSI SPEKTRUM WARNA DASAR (RGB) MENGGUNAKAN
VEKTOR POSISI KOORDINAT KARTESIAN

SKRIPSI

Oleh:
Miftahul Riskiyani
121810201014

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS JEMBER
2017
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

KLASIFIKASI USIA TANAMAN PADI DENGAN EKSTRAKSI

REFLEKTANSI SPEKTRUM WARNA DASAR (RGB) MENGGUNAKAN
VEKTOR POSISI KOORDINAT KARTESIAN

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

Saya yang bertanda tangan di bawah ini:

nama : Miftahul Riskiyani
NIM : 121810201014
Menyatakan dengan sesungguhnya bahwa skripsi yang berjudul “Klasifikasi Usia
Tanaman Padi dengan Ekstraksi Reflektansi Spektrum Warna Dasar (RGB)
Menggunakan Vektor Posisi Koordinat Kartesian” adalah benar-benar hasil karya
sendiri, kecuali kutipan-kutipan yang telah disebutkan sumbernya, belum pernah
diajukan pada institusi manapun, serta bukan karya jiplakan. Saya bertanggung jawab
keabsahan dari kebenaran isinya sesuai dengan sikap ilmiah yang harus dijunjung
tinggi.
Penelitian ini merupakan bagian dari penelitian bersama dosen dan mahasiswa
dan hanya dapat dipublikasikan dengan mencantumkan nama dosen pembimbing.
Demikian pernyataan ini saya buat dengan sebenarnya, tanpa ada tekanan dan
paksaan dari pihak manapun serta bersedia mendapat sanksi akademik jika ternyata
dikemudian hari pernyataan ini tidak benar.

Jember, 31 Mei 2017

Yang menyatakan,

Miftahul Riskiyani
NIM 121810201014

iv
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

SKRIPSI

KLASIFIKASI USIA TANAMAN PADI DENGAN EKSTRAKSI

REFLEKTANSI SPEKTRUM WARNA DASAR (RGB) MENGGUNAKAN
VEKTOR POSISI KOORDINAT KARTESIAN

Oleh
Miftahul Riskiyani
NIM 121810201014

Pembimbing:

Pembimbing Utama : Bowo Eko Cahyono, S.Si, M.Si, Ph.D.

Pembimbing Anggota: Agung Tjahjo Nugroho, S.Si., M.Phil., Ph.D.

v
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

PENGESAHAN

Skripsi berjudul “Klasifikasi Usia Tanaman Padi dengan Ekstraksi Reflektansi

Spektrum Warna Dasar (RGB) Menggunakan Vektor Posisi Koordinat Kartesian”
telah diuji dan disahkan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Jember pada:
hari :
tanggal :
tempat : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember

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

Anggota I, Anggota II,

Drs. Sujito, Ph.D

Endhah Purwandari, S.Si., M.Si
NIP 196102041987111001
NIP 198111112005012001

Mengesahkan
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Drs. Sujito, Ph.D

NIP 196102041987111001

vi
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

RINGKASAN

Klasifikasi Usia Tanaman Padi Dengan Ekstraksi Reflektansi Spektrum Warna

Dasar (RGB) Menggunakan Vektor Posisi Koordinat Kartesian; Miftahul
Riskiyani; 121810201014; 68 halaman; Jurusan Fisika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Jember.

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

ternormalisasi tanaman padi sehingga dengan hasil tersebut bisa mengetahui

klasifikasi usia tanaman padi.
Berdasarkan hasil proyeksi 2 dimensi didapatkan klasifikasi pada proyeksi
( ̂ ̂ bahwa semakin bertambah umur maka spektrum red semakin meningkat.
Selanjutnya pada klasifikasi pada proyeksi ( ̂ ̂ ) didapatkan bahwa semakin
meningkat umur padi maka spektrum blue semakin meningkat. Sedangkan klasifikasi
pada proyeksi ( ̂ ̂ ) menunjukkan bahwa semakin bertambahnya umur padi maka
spektrum warna green semakin meningkat namun ketika usia 60 hari spektrum warna
green semakin berkurang dikarenakan padi mulai tua sehingga semakin menguning.
Vektor posisi pada setiap kelompok usia terlihat terpisah dikarenakan
pengambilan data dengan selisih usia 10 hari . Pada setiap kelompok usia mempunyai
nilai RGB yang berbeda-beda dengan kelompok yang lain. Setiap klasifikasi usia
terlihat data-data mengelompok pada satu grup tertentu yang diwakili oleh rata-
ratanya pada setiap layer. Hasil klasifikasi menunjukkan terlihat perbedaan untuk
ketiga kelompok data. Pencacahan lebih detail dengan membagi tiap kelompok
menjadi 3 sub kelompok usia terlihat dengan baik.

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.

Jember, 31 Mei 2017 Penulis

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

2.8 Vektor Posisi Koordinat Kartesian ................................................................ 20

BAB 3. METODE PENELITIAN ........................................................................... 21
3.1 Tempat dan Waktu Penelitian ....................................................................... 21
3.2 Metode Akuisisi Data ...................................................................................... 22
3.3 Sampel Data ..................................................................................................... 22
3.4 Diagram Alir .................................................................................................... 23
3.5 Metode Analisa Data ....................................................................................... 24
3.5.1 Ekstraksi Data ............................................................................................ 24
3.5.2 Normalisasi Spektrum ................................................................................ 25
3.5.3 Klasifikasi Berdasarkan Vektor Posisi ....................................................... 26
BAB 4 HASIL DAN PEMBAHASAN ..................................................................... 29
BAB 5 PENUTUP ..................................................................................................... 40
5.1 Kesimpulan ..................................................................................................... 40
5.2 Saran ................................................................................................................. 40
DAFTAR PUSTAKA ............................................................................................... 41

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

1.1 Latar Belakang

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. Meskipun sebagai bahan makanan
pokok padi dapat digantikan atau disubstitusi oleh bahan makanan lainnya, namun
padi memiliki nilai tersendiri bagi orang yang biasa makan nasi dan tidak dapat
dengan mudah digantikan oleh bahan makanan yang lain (AAK, 1990).
Kabupaten Situbondo, merupakan salah satu penghasil padi. Sektor pertanian di
kabupaten Situbondo memberikan konstribusi terbesar diantara sektor produksi yang
lain seperti halnya perkebunan, perikanan laut, tambak, peternakan dan kehutanan.
Kriteria keberhasilan di sektor pertanian itu seharusnya dapat diukur dari perbaikan
tingkat pendapatan usaha tani, peningkatan produktivitas tenaga kerja, serta perbaikan
indikator makro seperti pengurangan angka kemiskinan dan pengangguran.
Berdasarkan data yang ada dari kantor desa Buduan, kecamatan Suboh,
kabupaten Situbondo 2012, selama lima tahun terakhir produksi padi mengalami
peningkatan. Produksi padi sawah dalam kg pada tahun 2008-2012 berturut-turut
adalah 708.750, 742.500, 712.500, 765.000 dan 817.500. Dari hasil tersebut dapat
dijelaskan bahwa produksi padi di desa Buduan kecamatan Suboh meningkat dari
tahun ke tahun, kecuali pada tahun 2010. Besar kecilnya produksi padi sawah
tergantung pada faktor-faktor antara lain benih (varietas), pupuk, pestisida, irigasi,
cara tanam dan tenaga kerja.
Dalam era teknologi dewasa ini kondisi tanaman pertanian seperti padi dapat
dipantau secara cepat dari udara. Metode yang digunakan bisa berupa pengamatan
melalui pesawat helikopter, drone (pesawat kontrol tanpa awak) dan satelit. Alat yang
digunakan untuk merekam data pengamatan menggunakan prinsip kerja seperti
kamera. Alat tersebut merekam cahaya yang dipantulkan (direfleksikan) oleh
tanaman (objek) yang diamati dalam bentuk citra digital.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 2

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

mengikuti kedalaman lapisan tanah. Dengan membandingkan hasil laboratorium

dengan teknik pengolahan citra, menunjukkan bahwa kedalaman 15 cm yang
memiliki kelembaban lebih tinggi memberikan nilai intensitas piksel yang lebih
rendah dibandingkan dengan tanah permukaan. Ketika gambar digital tanah
ditransformasikan ke HSV (USGS Munsell), warna ruang biasanya digunakan untuk
mewakili warna tanah, hasilnya menunjukkan bahwa intensitas piksel yang tidak
konsisten bagi setiap lapisan tanah. Untuk mengatasi masalah ini, RGB dan CIELUV
ruang warna yang digunakan. Ruang warna CIELUV lebih konsisten berarti intensitas
piksel untuk setiap lapisan tanah, berhasil ditunjukkan bahwa kadar air yang lebih
rendah akan memiliki nilai intensitas piksel yang lebih tinggi. Kesimpulannya dari
penelitian ini adalah Ruang warna RGB dan CIELUV dapat membedakan kedua
kedalaman tanah yang berarti bahwa kedua ruang warna bisa membedakan nilai
kelembaban tanah yang bahkan hanya pada kedalaman 15 cm.
Berdasarkan penelitian Merizawati (2008), Mizuma (2011) dan Hafizah (2011),
analisis RGB pada citra digital dapat digunakan untuk menganalisa beberapa
parameter yang berhubungan dengan tanaman seperti klorofil, kanopi, kelembaban
tanah. Selajutnya dalam penelitian tugas akhir ini peneliti akan menggunakan analisis
RGB untuk melakukan klasifikasi tanaman padi berdasarkan usia 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 ternormalisasi
tanaman padi sehingga dengan hasil tersebut bisa mengetahui klasifikasi usia
tanaman padi.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 5

1.2 Rumusan Masalah

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).

1.3 Batasan Masalah

Batasan Masalah dalam penelitian ini adalah:
1. Klasifikasi usia tanaman padi dibagi dalam 3 kelompok yaitu usia 10 – 30
hari, 50 – 70 hari, 80 – 100 hari.
2. Faktor – faktor lain yang mempengaruhi kondisi tanaman dianggap sama.
3. Ekstraksi reflektansi dilakukan pada spektrum warna dasar RGB.
4. Setiap data akan diplotkan dalam koordinat kartesian.

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk mengklasifikasikan usia tanaman padi
berdasarkan vektor posisi koordinat kartesian dari ekstraksi reflektansi spektrum
warna dasar Red, Green, and Blue (RGB).

1.5 Manfaat Penelitian

Manfaat penelitian dalam penelitian ini adalah:
1. Manfaat bagi penulis yaitu dapat menambah wawasan dan ilmu pengetahuan
baru tentang nilai reflektansi tanaman padi untuk melakukan klasifikasi usia
tanaman.
2. Manfaat untuk jurusan Fisika, FMIPA (Fakultas Matematika dan Ilmu
Pengetahuan Alam), UNEJ (Universitas Jember) dapat dijadikan sebagai
bahan referensi tentang karakteristik reflektansi tanaman padi.
3. Manfaat untuk masyarakat yaitu dapat melakukan klasifikasi tanaman padi
berdasarkan usia dalam area yang luas secara cepat.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

BAB 2. TINJAUAN PUSTAKA

Dalam melakukan penelitian klasifikasi usia tanaman padi kita perlu

melakukan tinjauan pustaka yang berkaitan dengan tanaman padi. Metode klasifikasi
yang dalam hal ini adalah ektraksi nilai reflektansi dari citra digital dan pemahaman
tentang representasi pada koordinat kartesian yang dinyatakan pada vektor posisi.
Bab ini membahas beberapa teori-teori penunjang yang akan mendukung pemahaman
dalam penelitian dan pembahasan terhadap hasil yang diperoleh pada bab selanjutnya.
Uraian selengkapnya diberikan dalam beberapa sub bab di bawah ini:

2.1 Tanaman Padi

Tanaman padi adalah tumbuhan yang sangat mudah ditemukan, terutama di
daerah pedesaan. Hamparan persawahan dipenuhi dengan tanaman padi. Padi
merupakan tanaman yang termasuk genus Oryza L. yang meliputi kurang lebih 25
spesies, tersebar di daerah tropis dan daerah subtropics, seperti Asia, Afrika, Amerika
dan Australia. Padi yang ada sekarang merupakan persilangan antara Oryza
officianalis dan Oryza sativa F. Spontane (AAK, 1990).

Gambar 2.1 Tanaman padi (AAK, 1990).

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 7

2.2 Klasifikasi Tanaman Padi

Tanaman padi merupakan tanaman semusim, termasuk golongan rumput-
rumputan dengan klasifikasi sebagai berikut:
- Genus : Oryza Linn
- Famili : Gramineae (Poaceae)
- Species : Ada 25 species, dua di antaranya ialah:
 Oryza sativa L
 Oryza glaberina steund
Sedangkan subspecies Oryza sativa L, dua di antaranya ialah:
- Indica (padi bulu)
- Sinica (padi cere) dahulu dikenal Japonica
Menurut kuwada mengatakan dalam buku AAK (1990) tanaman padi (Oryza
sativa L) mempunyai jumlah kromosom 2n adalah 24. Sedangkan species Oryza
yang lain ialah Oryza glaberima steund, Oryza officinalis wall dan Oryza
longistaminata Chev juga mempunyai jumlah kromosom 2n adalah 24. Menurut D.
Joy dan E. J. Wibberley dalam buku AAK, 1990 tanaman padi yang mempunyai
nama botani Oryza sativa dengan nama lokal padi (paddy), dapat dibedakan dalam
dua tipe, yaitu padi kering yang tumbuh di dataran tinggi dan padi sawah yang
memerlukan air menggenang. Padi yang dibudidayakan hingga sekarang ini telah
banyak mengalami perubahan. Perubahan yang terjadi, bukan hanya bentuk luar atau
morfologisnya, tetapi segi fisiologisnya juga berubah.
Perubahan morfologis ini meliputi daun, jumlah daun menjadi lebih banyak.
Daun berubah menjadi lebih panjang, lebih besar dan lebih tebal. Anakan bertambah
banyak, mulai terbentuk sesuai dengan jumlah dan perkembangan anakan, cabang
mulai menjadi lebih banyak. Perubahan fisiologis padi antara lain: laju pertumbuhan
tanaman menjadi lebih cepat, demikian pula laju pertumbuhan bibitnya; dormansi biji
menjadi lebih pendek (AAK, 1990).
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 8

2.3 Estimasi Umur Tanaman Padi Sawah Menggunakan Enhanced Vegetation

Index (EVI) Dari Citra Terra MODIS.
Berdasarkan usia panen, secara umum tanaman padi dikategorikan dalam umur
genjah (sekitar 110 hari) dan (lebih dari 120 hari). Padi varietas lokal pada umumnya
berumur dalam, sedangkan padi verietas unggul berumur genjah. Secara rinci, umur
tanaman padi tersebut dapat diklasifikasikan sebagai berikut:
 Dalam : >151 HSS (Hari Setelah Sebar)
 Sedang : 125 – 150 HSS (Hari Setelah Sebar)
 Genjah : 105 – 124 HSS (Hari Setelah Sebar)
 Sangat Genjah: 90 – 104 HSS (Hari Setelah Sebar)
 Ultra Genjah : <90 HSS (Hari Setelah Sebar)
Domiri (2005) telah melakukan penelitian untuk menduga umur tanaman padi
sawah dengan menggunakan sensor MODIS. Berdasarkan penelitian tersebut, profil
pertumbuhan padi dari awal tanam hingga panen dan fase berat dapat dibuat
berdasarkan hasil ekstraksi nilai rata-rata EVI 8 harian selama pertumbuhan tanaman
padi. Pola pertumbuhan tanaman padi pada umumnya berbentuk lonceng agak
simetris. Pertumbuhan vegetatif tampak diikuti dengan kenaikan nilai EVI hingga
mencapai nilai maksimum antara 55 - 65 HST (Hasil Setelah Tanam). Fase
pertumbuhan vegetatif tampak terbagi tiga, yaitu vegetatif awal antara 0 - 20 HST
(Hari Setelah Tanam) yang masih didominasi oleh penggenangan air dengan
kenaikan nilai EVI sekitar 0.15 dan nilai EVI < 0.2, vegetatif dipercepat antara 20-45
HST (Hari Setelah Tanam) dengan kenaikan nilai EVI sekitar 0.42 dengan slop tajam,
fase vegetatif diperlambat antara 45 - 60 HST (Hari Setelah Tanam) dengan kenaikan
EVI sekitar 0.12, karena mulai pembentukan. Sedangkan fase perkembangan
generatif tampak terbagi 2, yaitu masa pembentukan biji antara 60 - 80 HST (Hari
Setelah Tanam) dengan penurunan nilai EVI sekitar 0.25, masa pematangan antara
umur 80-105 HST (Hari Setelah Tanam) dengan penurunan nilai EVI sekitar 0.3.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 9

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

- Padi sudah menguning, demikian pula daun benderanya.

- Tangkai kelihatan menunduk.
- Gabah sudah berisi dan keras.
Panen pada musim hujan menyebabkan penyusutan panen yang lebih besar
dibandingkan dengan panen pada musim kemarau dan kematangan gabah pada umur
yang sama dipengaruhi oleh perbedaan cuaca. Bila panen padi dilakukan terlalu jauh
sebelum saat optimum, akan didapatkan gabah yang berkualitas rendah, sebab banyak
mengandung butir hijau dan butir kapur, sehingga tidak tahan lama dalam
penyimpanan. Jika padi digiling, akan didapatkan cukup banyak beras yang pecah.
Pemanenan yang terlambat akan memperbesar jumlah hasil yang hilang. Kehilangan
hasil ini disebabkan oleh kerontokan, serangan hama termasuk burung dan tikus, dan
pecahnya beras sesudah digiling (AAK, 1990).

2.5 Radiasi Matahari

Energi radiasi yang tersedia untuk fotosintesis di bumi berasal dari matahari.
Setiap energi yang digunakan oleh manusia, secara langsung atau mungkin tidak
langsung, berasal dari radiasi matahari, kecuali energi atom dan mungkin juga energi
panas bumi. Untuk pertumbuhan dan perkembangan tanaman budidaya, matahari
merupakan satu-satunya sumber energi.
Pada tahun 1873, J.C Maxwell secara teori menjabarkan kemungkinan adanya
gelombang elektromagnetik di alam yang menjalar dengan kecepatan sebesar
kecepatan cahaya. Kemudian secara eksperimen Heinrich Hertz pada tahun 1888,
dengan memakai osilasi dipol listrik, berhasil memperoleh gelombang
elektromagnetik, yakni gelombang mikro, yang ternyata dapat dipantulkan, dibiaskan,
difokuskan dengan lensa dan seterusnya sebagaimana lazimnya cahaya. Sejak itu,
cahaya diyakini sebagai gelombang elektromagnetik transversal. Yang dimaksud
dengan gelombang elektromagnetik ialah gelombang medan listrik dan kuat medan
magnet di setiap titik yang dilalui gelombang elektromagnetik itu berubah-ubah
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 11

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.

Gambar 2.2 Spektrum Warna (Nybakken, 1988)

Warna-warni utama dari spektrum sinar tampak pada tabel di bawah:

Tabel 2.1 Warna serta panjang gelombang spektrum cahaya
Warna Panjang gelombangnya
Ungu 380 – 450 nm
Biru 450 – 500 nm
Hijau 500 – 570 nm
Kuning 570 – 590 nm
Jingga 590 – 600 nm
Merah 600 – 700 nm
Sumber: Sutanto, 1987.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 14

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)

Di mana E merupakan energi foton (kuantum), h merupakan tetapan Planck (662 x

10-7 erg/detik), c merupakan kecepatan cahaya (3 x 1010 cm/detik), dan 𝜆 merupakan
panjang gelombang. Reaksi cahaya dalam fotosintesis merupakan akibat langsung
penyerapan foton oleh moleku-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 di bawah 390 nm foton (bila diserap oleh
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 17

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.

Gambar 2.4. Energi foton yang panjang gelombangnya berbeda-beda.

Garis-garis putus menunjukkan batas bawah dan batas atas panjang gelombang yang
dapat menyebabkan fotosintesis (Franklin et al, 1991).

2.6 Interaksi Cahaya dengan Materi

Reflektansi dapat terjadi secara:
 Spekular (regular) : cahaya yang dipantulkan dari permukaan halus (seperti
cermin). Sudut datang sama dengan sudut refleksi.
 Difusi : cahaya yang dipantulkan dari permukaan kasar yang cenderung
memantulkan cahaya ke segala arah.

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.

2.7 Model Warna RGB

Citra analog tidak tidak bisa diproses langsung oleh komputer. Citra analog
harus diubah menjadi citra digital (pencitraan) agar komputer bisa memprosesnya.
Proses mengubah citra analog dengan menjadi citra digital disebut digitalisasi citra.
Ada dua hal yang harus dilakukan pada digitalisasi citra, yaitu digitalisasi spasial
yang disebut juga sebagai sampling dan digitalisasi intensitas yang sering disebut
sebagai kuantisasi. Citra yang dihasilkan dari peralatan digital sudah terdapat sistem
samplinh dan kuantisasi, sedangkan peralatan analog tidak dilengkapi kedua sistem
tersebut. Kedua sistem inilah yang bertugas memotong-motong citra menjadi x kolom
dan y baris (proses sampling), sekaligus menentukan besar intensitas yang terdapat
pada titik tersebut (proses kuantisasi) sehingga menghasilkan resolusi citra yang
diinginkan.
RGB adalah satu model warna yang terdiri dari merah, hijau,dan biru,
digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar,
misalkan merah, dapat diberi rentang-nilai. Monitor komputer, nilai rentangnya
paling kecil adalah 0 dan paling besar adalah 255. Pilihan skala 255 ini didasarkan
pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer.
Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 adalah
16.777.216 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 19

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

Gambar 2.6 Kubik warna untuk model warna RGB

(Sumber: Sianipar, 2013).
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 20

2.8 Vektor Posisi Koordinat Kartesian

Sistem koordinat kartesian merupakan sistem koordinat yang paling sering
digunakan. Sistem koordinat kartesian 3 dimensi berguna untuk menyatakan posisi
suatu objek dalam ruang sedangkan sistem koordinar 2 dimensi untuk menyatakan
posisi objek pada bidang (permukaan) datar tertentu. Dalam sistem koordinat
kartesian posisi suatu titik atau objek dideskripsikan dalam 3 koordinat yaitu x, y, z.
Vektor suatu posisi objek yang terletak pada koordinat kartesian (x,y,z) dalam sistem
koordinat kartesian dinyatakan dengan
r = xi + xj +zk (2. 4)
Vektor-vektor satuan dalam sistem koordinat kartesian adalah i, j, k yang masing-
masing merupakan vektor satuan dalam arah x, y, z.
Satuan vektor pada bidang dinyatakan dalam dua komponen, yaitu komponen
yang sejajar dengan sumbu x, yang dinyatakan dengan i dan komponen yang sejajar
sumbu y, yang dinyatakan dengan j. Sebagai ilustrasi, perhatikan dua buah ̂ dan ̂
pada bidang koordinat kartesian. ̂ adalah garis dengan titik pangkal A (1,1) dan titik
terminal B (3,2). ̂ adalah garis dengan titik pangkal C (0,1) dan titik terminal D (1,6)

Gambar 2.7 Vektor pada bidang koordinat kartesian

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember

BAB 3. METODE PENELITIAN

Metode penelitian merupakan suatu kegiatan ilmiah yang dilakukan dengan

teknik yang teliti dan sistematik guna untuk memudahkan penelitian dalam
memecahkan suatu permasalahan sehingga mencapai tujuan yang ditentukan.
Penelitian yang dilakukan untuk mencapai tujuan tersebut dibagi dalam uraian yaitu
tempat dan waktu penelitian, metode akuisisi data, sampel data, metode analisa data.
Metode analisa data dapat digunakan untuk menganalisis hasil atau data yang
diperoleh saat penelitian. Metode analisa data dibagi menjadi ekstraksi RGB,
normalisasi spektrum dan klasifikasi berdasarkan vektor posisi.

3.1 Tempat dan Waktu Penelitian

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. Peneliti memilih daerah tersebut karena dekat dengan lokasi rumah,
sehingga memudahkan peneliti dalam memantau perkembangan padi dan
memudahkan dalam pengambilan data. Letak lokasi penelitian ditunjukkan oleh
daerah yang ditandai dengan lingkaran seperti pada peta gambar 3.1. Penelitian ini
dimulai pada bulan Oktober 2016 sampai Januari 2017.

Gambar 3.1 Peta Daerah Penelitian

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 22

3.2 Metode Akuisisi Data

Pada metode akuisisi data tentang klasifikasi usia tanaman padi dengan ektraksi
reflektansi spektrum warna dasar Red, Green and Blue (RGB) menggunakan vektor
posisi koordinat kartesian yang dilakukan adalah persiapan peralatan, pengambilan
data dan pengolahan data. Peralatan yang diperlukan dalam penelitian ini adalah
kamera digital dan kertas putih. Kamera digital digunakan sebagai alat untuk
mengambil gambar dari objek dan selanjutnya disimpan dalam memori yang bisa
diakses dalam komputer untuk pengolahan lebih lanjut. Kamera menangkap cahaya
yang direfleksikan oleh objek dan dirubah ke dalam citra digital. Digital number dari
setiap piksel dari citra digital merepresentasikan intensitas cahaya yang di refleksikan
dari objek. Ketika benda berwarna hijau maka yang tertangkap adalah intensitas
cahaya hijau. Hasil yang diperoleh dari kamera berupa foto berbentuk JPEG yang
kemudian dikonversikan menjadi nilai-nilai dalam RGB.
Pengambilan data yang dilakukan adalah pengambilan data gambar tanaman
padi di lapangan dengan menggunakan kamera digital. Pengambilan data tersebut
digunakan untuk pengukuran reflektansi cahaya. Dari data yang diperoleh, ekstraksi
warna dasar RGB dilakukan pada citra atau gambar tanaman padi yang diamati dalam
setiap usia padi. Penelitian ini menggunakan kertas putih sebagai acuan normalisasi
karena kertas putih jika dikenai cahaya akan memantulkan semua cahaya yang
diterima, sehingga nilai RGB akan maksimum. Nilai-nilai yang didapatkan setelah
citra digital diektrak yaitu nilai Dr (Red dari padi), Dg (green dari padi), Db (blue dari
padi) dan Normalisasi dari kertas (Kr, Kg, Kb).

3.3 Sampel Data

Penelitian yang dilakukan adalah pengambilan gambar tanaman padi
berdasarkan klasifikasi usia tanaman padi. Klasifikasi usia tanaman padi dibagi dalam
3 kelompok yaitu usia 10-30 hari, 50-70 hari dan 80-100 hari. Dalam setiap kelompok
usia tanaman padi pada lokasi yang sama dan terbagi ke dalam 10 petak seperti
ilustrasi pada gambar 3.2.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 23

Gambar 3.2 Ilustrasi

Gambar diambil dengan menggunakan kamera digital jenis DSRL Nikon

D700, dengan posisi tegak lurus terhadap tanaman padi (arah normal dari bidang
tanah). Selanjutnya data dari setiap gambar yang diambil, dicatat dalam setiap tabel
yang berisi kelompok usia, usia HSS (Hari Setelah Sebar), lokasi/petak, nama file.
Dalam setiap kelompok usia diambil data pada 3 usia HSS yang berbeda, misalkan
pada kelompok usia 10 hari – 30 hari diambil data dari tanaman padi yang berusia 10
hari, 20 hari, dan 30 hari. Jadi dalam penelitian ini akan mengambil (memproses) 90
gambar dengan uraian 3 kelompok x 3 usia HSS x 10 petak yaitu 90 gambar.

3.4 Diagram Alir

Skema diagram alir ditunjukkan pada gambar 3.3 berikut ini:

Merancang cara pengambilan data

Pengambilan gambar (foto digital)

Croping gambar padi dan kertas

Ekstraksi nilai reflektansi

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 24

Normalisasi nilai reflektansi padi

terhadap kertas

Ploting vektor posisi dalam 3 dimensi

Analisis data

Kesimpulan

Selesai

Gambar 3.3 Diagram Alir

3.5 Metode Analisa Data

Metode analisa dapat terbagi menjadi tiga yaitu:
3.5.1 Ekstraksi RGB
Data gambar yang diperoleh dari hasil pemotretan dapat dibuka dan diolah
menggunakan software MATLAB. Nilai intensitas sinar merah, hijau dan biru
diketahui dengan melihat nilai yang tertera pada gambar yang telah diolah seperti
gambar 3.2. Data yang disajikan pada matlab berupa nilai sinar merah, hijau dan biru
serta level intensitas berkisar antara 0-255, seperti gambar di bawah ini:

Layer Merah (R)

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 25

Layer hijau (G)

Layer Biru (B)

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.

3.5.2 Normalisasi Spektrum

Normalisasi spektrum menggunakan kertas putih karena kertas berwarna putih
jika mengenai cahaya akan memantulkan semua cahaya yang diterima, sehingga nilai
RGB akan maksimum. Cara menghitung normalisasi spektrum yaitu:
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 26

( ( ))

( ( ))

( ( ))

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

3.5.3 Klasifikasi berdasarkan vektor posisi

Dalam kontek klasifikasi normalisasi yang semula berupa besaran skalar
dinyatakan dalam vektor arah dengan melakukan operasi dot product dengan sebuah
unit vektor. Perlakuan ini diperlukan agar klasifikasi bisa dinyatakan dalam koordinat
kartesian seperti persamaan (3.4).
Klasifikasi berdasarkan vektor posisi yaitu:
a. Klasifikasi plotting data dengan vektor posisi 3 dimensi
̂ Spektrum pada arah r, dinyatakan dalam vektor
̂ ̂ Pergeseran spektrum red
̂ Spektrum pada arah g, dinyatakan dalam vektor
̂ ̂ Pergeseran spektrum green
̂ Spektrum pada arah b, dinyatakan dalam vektor
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 27

̂ ̂ Pergeseran spektrum blue

Posisi tiap individu akan diplotkan dalam vektor
̂ ̂ ̂ ̂ (3.4)
Keterangan:
̂ ̅ unit vektor pada spektrum red
̂ ̅ unit vektor pada spektrum green
̂ ̅ unit vektor pada spektrum blue

b. Klasifikasi pada proyeksi ( ̂ ̂ )

𝑒̂𝑏

𝑒̂𝑟
Gambar 3.5 proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )

c. Klasifikasi pada proyeksi ( ̂ ̂ )

𝑒̂𝑏

𝑒̂𝑔

Gambar 3.6 proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )

 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 28

d. Klasifikasi pada proyeksi ( ̂ ̂ )

𝑒̂𝑔

𝑒̂𝑟

Gambar 3.3 proyeksi 3D ke bidang 2D dan membentuk ( ̂ ̂ )

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

AAK. 1990. Budidaya Tanaman Padi. Yogyakarta: Kanisius.

Basset, dkk. 1994. Vogel Text Book Of Kuantitatif Chemical Analisys Fifth Edition.
London: The School Of Phemes Politechnics.

Domiri Dede Dirgahayu. 2005. Model Pertumbuhan Tanaman Padi Menggunakan

Data Modis Untuk Pendugaan Umur Padi Sawah. Skripsi. Lembaga
Penerbangan dan Antariksa Nasional. Jakarta.

Ekajati, Murdaka, B, dan Priyambodo, Tri Kuntoro. 2010. Fisika Dasar Listrik
Magnet, Optika, Fisika Modern. Yogyakarta: Andi.

Franklin P, Gardner R, Brent. 1991. Fisiologi Tanaman Budaya. Jakarta: Universitas

Indonesia Press.

Giancoli, Douglas, C. 2001. Fisika Edisi Kelima Jilid 2. Jakarta:Erlangga.

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.

Khopkar, S. M. 1990. Konsep Dasar Kimia Analitik. Jakarta: UI Press.

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.

Mizunuma, Toshie.,Koyanagi Tomokazu., Mencuccini Maurizio., Nasahara Kenlo

N., Wingate Lisa & Grace John. 2011. The comparison of several colour
indices for the photographic recording of canopy phenology of Fagus crenata
Blume in eastern Japan. Plant Ecology & Diserversity. Vol. 4 (1): 67–77.

Nybakken, J.W. 1988. Suatu Pendekatan Ekologis. Jakarta: PT. Gramedia

Rehder, J. B. 1985. On the Nature Of Multispectral Remote Sensing, In: The

Surveilland Science – Remote Sensing Of The Environment, R.H Holt: ed.
Newyork: John Wiley and Sons.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 43

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.

Sutanto. 1987. Penginderaan Jauh Jilid 2. Yogyakarta: Gadjah Mada University

Press.

Tipler, Paul A. 2001. Fisika Untuk Sain dan Teknik Edisi Ke-3 Jilid-2. Jakarta:
Erlangga.

Wibowo. R. 2001. Mewujudkan Visi Agribisnis Berdaya Saing Melalui

Pembangunan Wilayah yang Selaras dengan Alam Orasi Ilmu Guru Besar dan
Ilmu Ekonomi Pertanian. Skripsi. Jember: Fakultas Pertanian Universitas
Jember.
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 44

Lampiran A
Klasifikasi pengelompokan padi usia 10 hari – 30 hari yang sudah dicropping

Gambar A.1 Gambar A.2

Gambar A.3 Gambar A.4

Gambar A.5 Gambar A.6

Gambar A.7 Gambar A.8

Gambar A.9 Gambar A.10

Gambar A1-A10 Klasifikasi pengelompokan padi usia 10 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 45

Gambar A.11 Gambar A.12

Gambar A.13 Gambar A.14

Gambar A.15 Gambar A.16

Gambar A.17 Gambar A.18

Gambar A.19 Gambar A.20

Gambar A11-A20 Klasifikasi pengelompokan padi usia 20 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 46

Gambar A.21 Gambar A.22

Gambar A.23 Gambar A.24

Gambar A.25 Gambar A.26

Gambar A.27 Gambar A.28

Gambar A.29 Gambar A.30

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 B.1 Gambar B.2

Gambar B.3 Gambar B.4

Gambar B.5 Gambar B.6

Gambar B.7 Gambar B.8

Gambar B.9 Gambar B.10

Gambar B1-B10 Klasifikasi pengelompokan padi usia 50 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 48

Gambar B.11 Gambar B.12

Gambar B.13 Gambar B.14

Gambar B.15 Gambar B.16

Gambar B.17 Gambar B.18

Gambar B.19 Gambar B.20

Gambar B11-B20 Klasifikasi pengelompokan padi usia 60 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 49

Gambar B.21 Gambar B.22

Gambar B.23 Gambar B.24

Gambar B.25 Gambar B.26

Gambar B.27 Gambar B.28

Gambar B.29 Gambar B.30

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.1 Gambar C.2

Gambar C.4
Gambar C.3

Gambar C.6
Gambar C.5

Gambar C.8
Gambar C.7

Gambar C.9 Gambar C.10

Gambar C1-C10 Klasifikasi pengelompokan padi usia 80 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 51

Gambar C.11 Gambar C.12

Gambar C.13 Gambar C.14

Gambar C.15 Gambar C.16

Gambar C.17 Gambar C.18

Gambar C.19 Gambar C.20

Gambar C11-C20 Klasifikasi pengelompokan padi usia 90 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 52

Gambar C.21 Gambar C.22

Gambar C.23 Gambar C.24

Gambar C.25 Gambar C.26

Gambar C.27 Gambar C.28

Gambar C.29 Gambar C.30

Gambar C21-C30 Klasifikasi pengelompokan padi usia 100 hari yang sudah di
croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 53

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 D3 Nilai normalisasi RGB pada padi usia 10 hari

FileName Nilai R Nilai G Nilai B
BEC_7794.jpg 0.318 0.428 0.125
BEC_7795.jpg 0.329 0.450 0.131
BEC_7796.jpg 0.323 0.465 0.138
BEC_7797.jpg 0.336 0.462 0.154
BEC_7798.jpg 0.337 0.433 0.121
BEC_7799.jpg 0.348 0.463 0.128
BEC_7800.jpg 0.339 0.454 0.156
BEC_7801.jpg 0.327 0.445 0.145
BEC_7802.jpg 0.331 0.432 0.137
BEC_7803.jpg 0.326 0.448 0.136
Rata-Rata 0.331 0.448 0.137
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 54

Tabel D4 Nilai ekstraksi RGB tanaman padi pada usia 20 hari

FileName Nilai R Nilai G Nilai B
BEC_7807.jpg 99.521 127.710 45.769
BEC_7808.jpg 98.362 121.240 41.718
BEC_7809.jpg 99.087 127.518 41.475
BEC_7810.jpg 97.267 122.254 44.957
BEC_7811.jpg 98.157 129.773 42.005
BEC_7812.jpg 98.987 127.864 41.975
BEC_7813.jpg 99.944 121.827 43.716
BEC_7814.jpg 99.511 126.821 45.701
BEC_7815.jpg 97.701 125.479 41.289
BEC_7816.jpg 98.740 123.262 44.805

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 D6 Nilai normalisasi RGB padi pada usia 20 hari

FileName Nilai R Nilai G Nilai B
BEC_7807.jpg 0.3903 0.500 0.179
BEC_7808.jpg 0.385 0.475 0.163
BEC_7809.jpg 0.388 0.500 0.162
BEC_7810.jpg 0.381 0.479 0.176
BEC_7811.jpg 0.386 0.511 0.164
BEC_7812.jpg 0.388 0.501 0.164
BEC_7813.jpg 0.392 0.477 0.171
BEC_7814.jpg 0.390 0.497 0.179
BEC_7815.jpg 0.383 0.492 0.161
BEC_7816.jpg 0.387 0.483 0.175
Rata-Rata 0.387 0.491 0.169
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 55

Tabel D7 Nilai ekstraksi RGB tanaman padi pada usia 30 hari

FileName Nilai R Nilai G Nilai B
BEC_7862.jpg 109.551 141.406 58.818
BEC_7864.jpg 109.059 143.309 53.767
BEC_7866.jpg 108.032 144.717 55.280
BEC_7867.jpg 113.478 142.263 56.811
BEC_7868.jpg 107.643 140.376 54.682
BEC_7869.jpg 114.458 141.098 55.296
BEC_7870.jpg 109.672 141.567 59.273
BEC_7871.jpg 112.764 142.179 52.915
BEC_7872.jpg 108.426 140.635 53.581
BEC_7876.jpg 112.041 140.896 55.352

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

Tabel D9 Nilai normalisasi RGB pada padi usia 30 hari

FileName Nilai R Nilai G Nilai B
BEC_7862.jpg 0.429 0.554 0.230
BEC_7864.jpg 0.427 0.562 0.210
BEC_7866.jpg 0.423 0.567 0.216
BEC_7867.jpg 0.445 0.557 0.222
BEC_7868.jpg 0.422 0.550 0.214
BEC_7869.jpg 0.448 0.553 0.216
BEC_7870.jpg 0.430 0.555 0.232
BEC_7871.jpg 0.442 0.557 0.207
BEC_7872.jpg 0.425 0.551 0.210
BEC_7876.jpg 0.439 0.552 0.217
Rata-Rata 0.433 0.556 0.217
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 56

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 E3 Nilai normalisasi RGB padi pada usia 50 hari

FileName Nilai R Nilai G Nilai B
BEC_8410.jpg 0.476 0.617 0.275
BEC_8418.jpg 0.473 0.607 0.271
BEC_8419.jpg 0.481 0.609 0.269
BEC_8420.jpg 0.467 0.607 0.278
BEC_8422.jpg 0.469 0.602 0.279
BEC_8423.jpg 0.463 0.604 0.273
BEC_8425.jpg 0.462 0.615 0.280
BEC_8427.jpg 0.467 0.605 0.270
BEC_8428.jpg 0.463 0.607 0.270
BEC_8433.jpg 0.468 0.611 0.267
Rata-Rata 0.469 0.607 0.273
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 57

Tabel E4 Nilai ekstraksi RGB tanaman padi pada usia 60 hari

FileName Nilai R Nilai G Nilai B
BEC_8336.jpg 129.766 112.291 72.680
BEC_8337.jpg 126.087 113.129 76.491
BEC_8346.jpg 128.336 115.806 78.636
BEC_8349.jpg 129.037 111.589 79.302
BEC_8357.jpg 127.949 111.683 74.014
BEC_8359.jpg 127.090 110.621 77.439
BEC_8365.jpg 126.128 114.098 78.357
BEC_8369.jpg 125.828 118.680 79.288
BEC_8373.jpg 125.638 113.231 74.296
BEC_8374.jpg 127.177 119.718 78.769

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 E6 Nilai normalisasi RGB padi pada usia 60 hari

FileName Nilai R Nilai G Nilai B
BEC_8336.jpg 0.508 0.440 0.285
BEC_8337.jpg 0.494 0.443 0.300
BEC_8346.jpg 0.503 0.454 0.308
BEC_8349.jpg 0.506 0.437 0.311
BEC_8357.jpg 0.501 0.438 0.290
BEC_8359.jpg 0.498 0.433 0.303
BEC_8365.jpg 0.495 0.447 0.307
BEC_8369.jpg 0.493 0.465 0.310
BEC_8373.jpg 0.493 0.44 0.291
BEC_8374.jpg 0.498 0.469 0.308
Rata-Rata 0.499 0.447 0.301
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 58

Tabel E7 Nilai ekstraksi RGB tanaman padi pada usia 70 hari

FileName Nilai R Nilai G Nilai B
BEC_7925.jpg 132.426 102.384 84.738
BEC_7926.jpg 130.217 100.220 88.474
BEC_7927.jpg 137.350 106.822 83.560
BEC_7928.jpg 137.283 106.986 85.674
BEC_7929.jpg 130.567 102.147 87.151
BEC_7930.jpg 137.340 101.969 85.490
BEC_7931.jpg 132.103 100.604 81.612
BEC_7932.jpg 130.251 104.412 87.711
BEC_7933.jpg 136.728 105.598 87.458
BEC_7934.jpg 136.508 106.368 84.736

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

Tabel E9 Nilai normalisasi RGB padi pada usia 70 hari

FileName Nilai R Nilai G Nilai B
BEC_7925.jpg 0.519 0.401 0.332
BEC_7926.jpg 0.510 0.393 0.347
BEC_7927.jpg 0.538 0.418 0.327
BEC_7928.jpg 0.538 0.419 0.336
BEC_7929.jpg 0.512 0.400 0.341
BEC_7930.jpg 0.538 0.399 0.335
BEC_7931.jpg 0.518 0.394 0.320
BEC_7932.jpg 0.510 0.409 0.344
BEC_7933.jpg 0.536 0.414 0.343
BEC_7934.jpg 0.535 0.417 0.332
Rata-Rata 0.525 0.406 0.335
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 59

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 F3 Nilai normalisasi RGB padi pada usia 80 hari

FileName Nilai R Nilai G Nilai B
BEC_7903.jpg 0.586 0.373 0.351
BEC_7904.jpg 0.564 0.370 0.361
BEC_7905.jpg 0.557 0.358 0.349
BEC_7906.jpg 0.558 0.390 0.365
BEC_7907.jpg 0.572 0.391 0.365
BEC_7908.jpg 0.567 0.356 0.346
BEC_7909.jpg 0.554 0.378 0.357
BEC_7910.jpg 0.583 0.358 0.351
BEC_7911.jpg 0.555 0.360 0.151
BEC_7912.jpg 0.586 0.360 0.350
Rata-Rata 0.568 0.369 0.355
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 60

Tabel F4 Nilai ekstraksi RGB tanaman padi pada usia 90 hari

FileName Nilai R Nilai G Nilai B
BEC_7987.jpg 153.856 80.542 91.840
BEC_7988.jpg 156.275 81.617 92.359
BEC_7989.jpg 151.022 78.252 97.538
BEC_7990.jpg 152.931 81.697 94.228
BEC_7991.jpg 150.756 79.061 91.030
BEC_7992.jpg 156.704 76.746 98.188
BEC_7994.jpg 155.600 77.704 92.635
BEC_7995.jpg 156.725 84.833 90.478
BEC_7996.jpg 153.850 78.071 94.550
BEC_7997.jpg 153.655 81.123 93.904

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 F6 Nilai normalisasi RGB padi pada usia 90 hari

FileName Nilai R Nilai G Nilai B
BEC_7987.jpg 0.603 0.315 0.360
BEC_7988.jpg 0.613 0.320 0.362
BEC_7989.jpg 0.592 0.306 0.382
BEC_7990.jpg 0.599 0.320 0.369
BEC_7991.jpg 0.591 0.310 0.357
BEC_7992.jpg 0.614 0.301 0.385
BEC_7994.jpg 0.610 0.304 0.363
BEC_7995.jpg 0.615 0.332 0.354
BEC_7996.jpg 0.603 0.306 0.370
BEC_7997.jpg 0.602 0.318 0.368
Rata-Rata 0.604 0.313 0.367
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 61

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

Tabel F9 Nilai normalisasi RGB padi pada usia 100 hari

FileName Nilai R Nilai G Nilai B
BEC_7888.jpg 0.619 0.237 0.395
BEC_7892.jpg 0.627 0.249 0.412
BEC_7893.jpg 0.620 0.265 0.404
BEC_7894.jpg 0.628 0.243 0.419
BEC_7895.jpg 0.626 0.249 0.423
BEC_7896.jpg 0.622 0.264 0.427
BEC_7897.jpg 0.632 0.243 0.423
BEC_7898.jpg 0.638 0.249 0.427
BEC_7899.jpg 0.638 0.249 0.426
BEC_7900.jpg 0.624 0.240 0.397
Rata-Rata 0.627 0.249 0.415
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 62

Lampiran G
Validasi klasifikasi pengelompokan padi usia 10 hari yang sudah di croping

Gambar G.1 Gambar G.2

Gambar G.3 Gambar G.4

Gambar G.5 Gambar G.6

Gambar G.7 Gambar G.8

Gambar G.9 Gambar G.10

Gambar G1-G10 Klasifikasi pengelompokan padi usia 10 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 63

Validasi data ekstraksi nilai RGB kelompok usia 10 hari

Tabel K1 Nilai ekstraksi RGB tanaman padi pada usia 10 hari
FileName (padi) Nilai R Nilai G Nilai B
IMG_20170325_144641_HDR.jpg 81.048 117.108 23.201
IMG_20170325_144708_HDR.jpg 81.804 113.365 23.795
IMG_20170325_144724_HDR.jpg 79.690 111.805 23.266
IMG_20170325_144738_HDR.jpg 79.102 115.888 25.176
IMG_20170325_144751_HDR.jpg 78.172 110.757 21.333
IMG_20170325_144804_HDR.jpg 86.713 117.067 24.278
IMG_20170325_144815_HDR.jpg 79.807 117.952 24.269
IMG_20170325_144827_HDR.jpg 78.975 109.448 27.959
IMG_20170325_144840_HDR.jpg 82.533 120.332 24.791
IMG_20170325_144851_HDR.jpg 81.325 117.660 19.443

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

Tabel K3 Nilai normalisasi RGB padi pada usia 10 hari

Normalisasi Nilai R Nilai G Nilai B

IMG_20170325_144641_HDR.jpg 0.317 0.459 0.091
IMG_20170325_144708_HDR.jpg 0.320 0.444 0.093
IMG_20170325_144724_HDR.jpg 0.312 0.438 0.091
IMG_20170325_144738_HDR.jpg 0.310 0.454 0.098
IMG_20170325_144751_HDR.jpg 0.306 0.434 0.083
IMG_20170325_144804_HDR.jpg 0.340 0.459 0.095
IMG_20170325_144815_HDR.jpg 0.313 0.462 0.095
IMG_20170325_144827_HDR.jpg 0.309 0.429 0.109
IMG_20170325_144840_HDR.jpg 0.323 0.471 0.097
IMG_20170325_144851_HDR.jpg 0.318 0.461 0.076
Rata-Rata 0.316 0.451 0.092
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 64

Lampiran H
Validasi klasifikasi pengelompokan padi usia 50 hari yang sudah di croping

Gambar H.1 Gambar H.2

Gambar H.3 Gambar H.4

Gambar H.5 Gambar H.6

Gambar H.7 Gambar H.8

Gambar H.9 Gambar H.10

Gambar H1-H10 Klasifikasi pengelompokan padi usia 50 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 65

Validasi data ekstraksi nilai RGB kelompok usia 50 hari

Tabel L1 Nilai ekstraksi RGB tanaman padi pada usia 50 hari
FileName Nilai R Nilai G Nilai B
BSC_0744.jpg 120.039 159.467 65.836
BSC_0745.jpg 122.465 157.620 65.843
BSC_0746.jpg 123.770 154.012 69.119
BSC_0747.jpg 120.453 152.149 68.362
BSC_0748.jpg 121.381 159.652 67.557
BSC_0749.jpg 119.533 158.762 69.951
BSC_0750.jpg 121.576 151.136 68.210
BSC_0751.jpg 119.333 155.330 69.460
BSC_0752.jpg 119.977 154.292 68.711
BSC_0753.jpg 123.263 153.590 68.894

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

Tabel L3 Nilai normalisasi RGB padi pada usia 50 hari

Normalisasi Nilai R Nilai G Nilai B
BSC_0744.jpg 0.470 0.625 0.258
BSC_0745.jpg 0.480 0.618 0.258
BSC_0746.jpg 0.485 0.604 0.271
BSC_0747.jpg 0.472 0.596 0.268
BSC_0748.jpg 0.476 0.626 0.264
BSC_0749.jpg 0.468 0.622 0.274
BSC_0750.jpg 0.476 0.592 0.267
BSC_0751.jpg 0.468 0.609 0.272
BSC_0752.jpg 0.470 0.605 0.269
BSC_0753.jpg 0.483 0.602 0.270
Rata-Rata 0.474 0.609 0.267
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 66

Lampiran I
Validasi klasifikasi pengelompokan padi usia 70 hari yang sudah di croping

Gambar I.1 Gambar I.2

Gambar I.3 Gambar I.4

Gambar I.5 Gambar I.6

Gambar I.7 Gambar I.8

Gambar I.9 Gambar I.10

Gambar H1-H10 Klasifikasi pengelompokan padi usia 70 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 67

Validasi data ekstraksi nilai RGB kelompok usia 70 hari

Tabel M1 Nilai ekstraksi RGB tanaman padi pada usia 70 hari
FileName Nilai R Nilai G Nilai B
BSC_0761.jpg 139.824 100.829 87.804
BSC_0762.jpg 138.606 107.755 85.256
BSC_0763.jpg 134.793 102.991 85.737
BSC_0764.jpg 138.554 103.936 89.444
BSC_0765.jpg 135.062 100.470 85.130
BSC_0766.jpg 138.677 102.928 82.756
BSC_0767.jpg 138.521 101.572 85.557
BSC_0768.jpg 133.731 106.792 85.424
BSC_0769.jpg 138.401 108.618 89.061
BSC_0770.jpg 132.236 109.269 85.453

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

Tabel M3 Nilai normalisasi RGB padi pada usia 70 hari

Normalisasi Nilai R Nilai G Nilai B
BSC_0761.jpg 0.548 0.395 0.344
BSC_0762.jpg 0.543 0.422 0.334
BSC_0763.jpg 0.528 0.403 0.336
BSC_0764.jpg 0.543 0.407 0.350
BSC_0765.jpg 0.529 0.394 0.333
BSC_0766.jpg 0.543 0.403 0.324
BSC_0767.jpg 0.543 0.398 0.335
BSC_0768.jpg 0.524 0.418 0.335
BSC_0769.jpg 0.542 0.426 0.349
BSC_0770.jpg 0.518 0.428 0.335
Rata-Rata 0.536 0.409 0.337
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 68

Lampiran J
Validasi klasifikasi pengelompokan padi usia 100 hari yang sudah di croping

Gambar J.1 Gambar J.2

Gambar J.3 Gambar J.4

Gambar J.5 Gambar J.6

Gambar J.7 Gambar J.8

Gambar J.9 Gambar J.10

Gambar J1-J10 Klasifikasi pengelompokan padi usia 100 hari yang sudah di croping
 Digital
Digital Repository
Repository Universitas
Universitas Jember
Jember 69

Validasi data ekstraksi nilai RGB kelompok usia 100 hari

Tabel N1 Nilai ekstraksi RGB tanaman padi pada usia 100 hari
FileName Nilai R Nilai G Nilai B
BSC_0772.jpg 159.921 63.830 103.879
BSC_0773.jpg 158.640 62.469 106.192
BSC_0774.jpg 165.610 66.683 106.451
BSC_0775.jpg 164.788 65.882 104.216
BSC_0776.jpg 161.563 63.169 108.487
BSC_0777.jpg 161.635 62.837 105.496
BSC_0778.jpg 158.096 61.912 109.714
BSC_0779.jpg 160.315 62.602 107.485
BSC_0780.jpg 163.745 64.026 108.702
BSC_0781.jpg 158.434 60.321 109.448

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

Tabel N3 Nilai normalisasi RGB padi pada usia 100 hari

Normalisasi Nilai R Nilai G Nilai B
BSC_0772.jpg 0.627 0.250 0.407
BSC_0773.jpg 0.622 0.245 0.416
BSC_0774.jpg 0.649 0.261 0.17
BSC_0775.jpg 0.646 0.258 0.408
BSC_0776.jpg 0.633 0.247 0.425
BSC_0777.jpg 0.633 0.246 0.413
BSC_0778.jpg 0.620 0.242 0.430
BSC_0779.jpg 0.628 0.245 0.421
BSC_0780.jpg 0.642 0.251 0.426
BSC_0781.jpg 0.621 0.236 0.429
Rata-Rata 0.632 0.248 0.394
Accelerat ing t he world's research.

PENERAPAN TEORI GRUP DALAM

MENGKAJI STRUKTUR RUANG
VEKTOR ^3
Dimas N Al Ghifari

Olimpiade Penelitian Siswa Indonesia (OPSI)

Cite this paper Downloaded from Academia.edu 

Get the citation in MLA, APA, or Chicago styles

Related papers Download a PDF Pack of t he best relat ed papers 

Draft Aljabar Linier Lanjut

Muhammad Andyk Maulana

Enos Lolang Aljabar Abst rak

Idhul Rahman

aljabar
Subiono M.s, Nia Yuliant i
 LAPORAN HASIL PENELITIAN

PENERAPAN TEORI GRUP DALAM MENGKAJI

STRUKTUR RUANG VEKTOR ℝ𝟑

TIM PENELITI

DIMAS NAUFAL AL GHIFARI

HAMMAM ABDIRRAZZAQ ATS TSAQIF

Bidang Lomba Penelitian :

(MST)
SMA 1 Kudus

Kudus, Jawa Tengah

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.

Kata kunci: Ruang vektor, grup siklik, aksi grup, homomorfisma

 BAB I

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

Jika 𝐴 suatu matriks 𝑚 × 𝑛, transpose dari 𝐴 dinotasikan 𝐴𝑇 (terkadang 𝐴′ atau 𝐴∗ )

merupakan matriks 𝑛 × 𝑚 dengan (𝐴𝑇 )𝑖𝑗 = 𝐴𝑗𝑖 . Penerapan transpose matriks sebanyak dua
kali memberikan (𝐴𝑇 )𝑇 = 𝐴 (Boyd S & Vanderberghe L, 2018).

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

Misalkan terdapat matriks 𝐴. Matriks 𝐴 disebut matriks simetri jika 𝐴𝑇 = 𝐴.

Dengan kata lain, elemen pada matriks 𝐴 yang letaknya simetris terhadap diagonal utama
2 0 0
bernilai sama, yaitu 𝑎𝑖𝑗 = 𝑎𝑗𝑖 dimana 𝑖 ≠ 𝑗. Contoh matriks simetri adalah [0 6 0]
0 0 1
D. Ruang Vektor

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:

𝐴 × 𝐵 = {(𝑎, 𝑏)|𝑎 ∈ 𝐴 𝑑𝑎𝑛 𝑏 ∈ 𝐵}

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

Sehingga untuk sembarang 𝑔1 , 𝑔2 ∈ 𝐺, ∗ (𝑔1 , 𝑔2 ) = 𝑔1 ∗ 𝑔2 ∈ 𝐺. Operasi ∗ juga harus memenuhi

sifat-sifat berikut.

1. (Asosiativitas): 𝑔1 ∗ (𝑔2 ∗ 𝑔3 ) = (𝑔1 ∗ 𝑔2 ) ∗ 𝑔3 ∀𝑔1 , 𝑔2 , 𝑔3 ∈ 𝐺

2. (Eksistensi elemen identitas): ∃𝑒 ∈ 𝐺 sehingga 𝑔 ∗ 𝑒 = 𝑒 ∗ 𝑔 = 𝑔 ∀𝑔 ∈ 𝐺
3. (Eksistensi elemen invers): ∀𝑔 ∈ 𝐺, ∃𝑔−1 ∈ 𝐺 sehingga 𝑔 ∗ 𝑔−1 = 𝑔−1 ∗ 𝑔 = 𝑒

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

1. Orde dan Finitas Grup

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

tetapi, untuk orde 𝑔 tidak finit maka:

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:

1) ∀𝑔1 , 𝑔2 ∈ 𝐺, 𝑠 ∈ 𝑆, 𝑓(𝑔1 ∗ 𝑔2 , 𝑠) = 𝑓(𝑔1 , 𝑓(𝑔2 , 𝑠))

2) 𝑓(𝑒, 𝑠) = 𝑠

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:

1. Modus Ponen atau Laws of Detachment

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

Kaidah ini didasarkan pada tautologi [(𝑝 → 𝑞) ∧ (𝑞 → 𝑟)] → (𝑝 → 𝑟). Kaidah

silogisme ditulis dengan cara:

𝑝→𝑞

𝑞→𝑟

∴ 𝑝→𝑟

4. Aksioma

Aksioma adalah proposisi yang diasumsikan benar. Aksioma tidak memerlukan

pembuktian kebenaran lagi.

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.

Pemilihan dan perumusan masalah diperlukan untuk membatasi permasalahan sehingga

diperoleh bahan kajian yang jelas. Sehingga akan lebih mudah untuk menentukan langkah dalam
memecahkan masalah tersebut. Dalam hal ini ruang lingkup masalah hanya dibatasi pada teori grup;
konsep dasar vektor, matriks, dan himpunan; serta metode pembuktian dari teorema-teorema yang
dipunyai.

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.

Alur Kerja Penelitan ini dapat diilustrasikan dalam diagram berikut.

Gambar 3.1 Diagram Alur Kerja Penelitian

 BAB IV
HASIL PENELITIAN

I. Aksi Grup Permutasi Terhadap Ruang Vektor ℝ𝟑

1. Grup Permutasi ∑(𝐴)

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

Tabel 4.1: Tabel Cayley untuk grup ∑(𝑨)

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.

2. Aksi Grup ∑(𝐴) terhadap 𝐴

Aksi Grup ∑(𝐴) terhadap 𝐴 didefinisikan sebagai suatu pemetaan:

𝜑: ∑(𝐴) × 𝐴 ⟼ 𝐴
𝜑(𝜇𝑛 , 𝐴) ⟼ 𝜇𝑛 (𝐴)

dimana,

1 𝜑(𝑒, 𝐴) = 𝐴

2. 𝜇𝑛 , 𝜇𝑚 ∈ ∑(𝐴), 𝜑(𝜇𝑛 ∘ 𝜇𝑚 , 𝐴) = 𝜑(𝜇𝑛 , 𝜑(𝜇𝑚 , 𝐴)) = 𝜑𝜇𝑛 𝜑𝜇𝑚

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:

 Misalkan dipunyai 𝜑𝜇𝑛 dan 𝜑𝜇𝑚 sehingga 𝜑𝜇𝑛 = 𝜑𝜇𝑚 , maka:

𝜑𝜇𝑛 = 𝜑𝜇𝑚
𝜇𝑛 (𝐴) = 𝜇𝑚 (𝐴)
𝜇𝑛 = 𝜇𝑚
Sehingga 𝜑𝜇𝑛 merupakan pemetaan Injektif.
 Dipunyai sembarang 𝜇𝑚 (𝐴) ∈ 𝐴 dan 𝜇𝑛 −1 , 𝜇𝑛 , 𝜇𝑚 ∈ ∑(𝐴), maka berlaku ekspresi berikut:

𝜑𝜇𝑛 : 𝐴 ⟼ 𝐴
−1
𝜇𝑛 𝜇𝑚 (𝐴) ⟼ 𝜇𝑛 𝜇𝑛 −1 𝜇𝑚 (𝐴)

Ingat bahwa 𝜇𝑛 𝜇𝑛 −1 = 𝑒 sehingga:

𝜇𝑛 −1 𝜇𝑚 (𝐴) ⟼ 𝑒𝜇𝑚 (𝐴)
𝜇𝑛 −1 𝜇𝑚 (𝐴) ⟼ 𝜇𝑚 (𝐴)
Setiap elemen kodomain 𝜇𝑚 (𝐴) ∈ 𝐴 merupakan hasil pemetaan dari 𝜑𝜇𝑛 , untuk sembarang
𝜇𝑛 ∈ ∑(𝐴) dimana elemen domainnya adalah 𝜇𝑛 −1 𝜇𝑚 (𝐴) ∈ 𝐴. Sehingga 𝜑𝜇𝑛 merupakan
pemetaan Surjektif.
 Karena 𝜑𝜇𝑛 pemetaan Injektif dan dan Surjektif, maka 𝜑𝜇𝑛 merupakan pemetaan Bijektif. ∎

Dikarenakan aksi 𝜑∑(𝐴) merupakan pemetaan Bijektif, maka terdapat suatu Aksi Invers sehingga:

∀𝜇𝑛 ∈ ∑(𝐴), ∃𝜇𝑛 −1 ∈ ∑(𝐴):

𝜑∑(𝐴) : 𝐴 ⟼ 𝐴
𝜇𝑛 (𝐴) ⟼ 𝜇𝑛 −1 𝜇𝑛 (𝐴)
𝜇𝑛 (𝐴) ⟼ 𝐴

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

Karena 𝜑𝜇𝑛 : 𝐴 ⟼ 𝐴 maka

𝜑𝑔1 𝑔2 = 𝑔1 ∗ 𝑔2 (𝐴)
Tetapi 𝑔2 (𝐴) ∈ 𝐴 sehingga dapat ditulis

𝜑𝑔1 𝑔2 = 𝑔1 (𝑔2 (𝐴))

= 𝜑𝑔1 𝜑𝑔2

Sehingga 𝑔1 ∗ 𝑔2 = 𝜑𝑔1 𝜑𝑔2 . ∎

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

merupakan pemetaan Injektif.

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

𝜑(𝑒ℤ6 ) = 𝑒∑(𝐴) ⟹ 𝜑(0) = 𝜑𝜇1

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:

1. Eksistensi elemen identitas, yaitu 𝑒Φ = 𝜎1 dimana 𝑒Φ 𝜎𝑚 = 𝜎𝑚 𝑒Φ = 𝜎𝑚 , 𝜎𝑚 ∈ Φ.

2. Karena setiap 𝜎𝑚 ∈ Φ merupakan matriks invertible, maka terdapat 𝜎𝑚 −1 sehingga 𝜎𝑚 𝜎𝑚 −1 =
𝜎𝑚 −1 𝜎𝑚 = 𝑒Φ
3. Karena perkalian matriks bersifat asosiatif, maka jelas operasi pada Φ bersifat asosiatif pula. ∎

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

Tabel 4.2: Tabel Cayley untuk grup Φ

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

Akan dibuktikan bahwa 𝜋 merupakan pemetaan bijektif.

 Misalkan dipunyai 𝜋𝜎𝑛 dan 𝜋𝜎𝑚 sehingga 𝜋𝜎𝑛 = 𝜋𝜎𝑚 , maka:

𝜎𝑛 𝑣 = 𝜎𝑚 𝑣

kanselasi 𝑣 memberikan:

𝜎𝑛 = 𝜎𝑚

Maka 𝜋𝜎 suatu pemetaan Injektif

 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. ∎

III. Finitas Ruang Vektor ℝ𝟑

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.

IV. Subgrup siklik dalam ruang vektor ℝ𝟑

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}

atau dapat ditulis

𝐺 = 〈𝑔𝑠 〉

jika terdapat subgrup 𝐻 ⊆ 𝐺, maka 𝐻 merupakan subgrup yang siklik.

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.

1. Dipunyai sembarang 𝑧 ∈ ℤ, jelas 𝑧 ∈ ℝ dan 𝑛𝑖𝑛𝑡(𝑧) = 𝑧 berlaku, maka 𝑓 Surjektif

2. Misalkan 𝑟1 = 𝑎 + 𝑏 + 𝑐 dan 𝑟2 = 𝑞 + 𝑟 + 𝑠 dimana 𝑟1 , 𝑟2 ∈ ℝ sehingga 𝑓(𝑟1 ) = 𝑓(𝑟2 ). Maka
terdapat 𝑟 ′ = |𝑛𝑖𝑛𝑡(𝑥) − 𝑥| sehingga 𝑟1′ = |𝑛𝑖𝑛𝑡(𝑎 + 𝑏 + 𝑐) − (𝑎 + 𝑏 + 𝑐)| dan 𝑟2′ =
|𝑛𝑖𝑛𝑡(𝑞 + 𝑟 + 𝑠) − (𝑞 + 𝑟 + 𝑠)|, maka 𝑟1′ , 𝑟2′ ∈ (0 , 0.5) atau 𝑟1′ , 𝑟2′ ∈ [0.5, 1). Ini
menunjukkan bahwa 𝑓 bukan pemetaan Injektif.
𝑎 𝑞
⃗⃗ ∈ ℝ3:
⃗⃗ = [ 𝑟 ], 𝑣 , 𝑤
3. Untuk 𝑣 = [𝑏 ], 𝑤
𝑐 𝑠
⃗⃗ ) = 𝑛𝑖𝑛𝑡(𝑎 + 𝑏 + 𝑐 + 𝑞 + 𝑟 + 𝑠)
𝑓(𝑣 + 𝑤
= 𝑛𝑖𝑛𝑡(𝑎 + 𝑏 + 𝑐) + 𝑛𝑖𝑛𝑡(𝑞 + 𝑟 + 𝑠)
= 𝑓(𝑣 ) + 𝑓(𝑤⃗⃗ )

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: Karena ℤℝ3 multiple dari 𝑣 ∈ ℝ3 maka jelas ℤℝ3 ⊂ ℝ3 .

𝑣1
 𝑣
Elemen identitas dari ℤℝ3 terjadi saat 𝑐 = 0 sehingga 0 ⋅ [ 2 ] = 0⃗ = 𝑒ℝ3 . Maka 𝑒ℝ3 ∈ ℤℝ3
𝑣3
𝑣1 𝑣1 𝑣1 𝑣1 𝑣1
 𝑣 𝑣 𝑣 𝑣 𝑣
Dipunyai 𝑐 [ 2 ] dan 𝑑 [ 2 ] dimana 𝑐, 𝑑 ∈ ℤ maka 𝑐 [ 2 ] + 𝑑 [ 2 ] = (𝑐 + 𝑑) [ 2 ] sehingga
𝑣3 𝑣3 𝑣3 𝑣3 𝑣3
𝑣1 𝑣1 𝑣1 𝑣1
𝑐 [𝑣2 ] + 𝑑 [𝑣2 ] ∈ ℤℝ3 . Mengingat ℤℝ3 ⊂ ℝ3 , maka 𝑐 [𝑣2 ] + 𝑑 [𝑣2 ] ∈ ℝ3
𝑣3 𝑣3 𝑣3 𝑣3
𝑣1 𝑣1 𝑣1 𝑣1 𝑣1
 ⃗ . Tetapi (−𝑐) [𝑣2 ] multiple dari
∀𝑐 [𝑣2 ] ∈ ℤℝ3 , ∃(−𝑐) [𝑣2 ] sehingga 𝑐 [𝑣2 ] + (−𝑐) [𝑣2 ] = 0
𝑣3 𝑣3 𝑣3 𝑣3 𝑣3
𝑣1 𝑣1
𝑣 ∈ ℝ3 maka (−𝑐) [𝑣2 ] ∈ ℤℝ3 dan jelas (−𝑐) [𝑣2 ] ∈ ℝ3. ∎
𝑣3 𝑣3
𝑣1
Sekarang kita ingin membuktikan bahwa ℤℝ3 merupakan grup siklik, yaitu ℤℝ3 𝑣
= 〈𝑐 [ 2 ]〉 untuk
𝑣3
𝑣1
𝑐 [𝑣2 ] ∈ ℤℝ3 .
𝑣3

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 .

Gambar 4.2 Suatu vektor ⃗𝒗

Kemudian kita definisikan semua multiple bilangan bulat dari 𝑣 yakni sebagai berikut.

Gambar 4.3 Multiple bilangan bulat vektor ⃗𝒗

Ekspresikan representasi vektor-vektor tersebut dalam bentuk himpunan memberikan {… , −2𝑣, ⃗⃗⃗ −
𝑣 , 0, 𝑣 , 2𝑣 , … } yang mana merupakan definisi dari ℤ𝑣⃗ . Perhatikan bahwa 𝑣 beserta elemen inversnya
−𝑣 membentuk grup ℤ𝑣⃗ dalam operasi + sehingga ia memang merupakan grup Siklik dalam operasi +.

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

Tetapi ⃗0 = 𝑐𝑣 + 𝑑𝑝 ⟺ 𝑐 = 0 dan 𝑑 = 0, sehingga 𝑒ℤ(𝑣⃗,𝑝⃗⃗) ∈ ℤ(𝑣⃗,𝑝)

 Misalkan 𝑧1 = 𝑐𝑣 + 𝑑𝑝 dan 𝑧2 = 𝑎𝑣 + 𝑏𝑝 dimana 𝑎, 𝑏, 𝑐, 𝑑 ∈ ℤ, maka 𝑧1 + 𝑧2 = 𝑐𝑣 + 𝑑𝑝 +
𝑎𝑣 + 𝑏𝑝 = (𝑐 + 𝑎)𝑣 + (𝑑 + 𝑏)𝑝. Jelas (𝑐 + 𝑎)𝑣 + (𝑑 + 𝑏)𝑝 ∈ ℤ(𝑣⃗,𝑝) sehingga 𝑧1 + 𝑧2 ∈
ℤ(𝑣⃗,𝑝)
 ⃗ =
Dipunyai 𝑧 = 𝑐𝑣 + 𝑑𝑝, 𝑐, 𝑑 ∈ ℤ maka ∀𝑧 ∈ ℤ(𝑣⃗,𝑝) , ∃(−𝑧) ∈ ℤ(𝑣⃗,𝑝) sehingga 𝑧 + (−𝑧) = 0
𝑒ℤ(𝑣⃗,𝑝⃗⃗) . ∎

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

KESIMPULAN DAN SARAN

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

Kami menyampaikan ucapan terima kasih yang sebesar-besarnya kepada:

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

Feldman Joel. 2011. Vectors and Geometry. University of British Columbia.

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

Pinter, Charles. 1990. A Book of Abstract Algebra. New York: McGraw-Hill

Milne, James S. Group Theory. Version 3.13. Copyright (2013)

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.

Boyd S, Vandenberghe L. 2018. Introduction to Applied Linear Algebra. Cambridge: Cambridge

University Press

Munir, Rinaldi. 2010. Matematika Diskrit. Bandung: Informatika

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

Anto Satriyo Nugroho1) 3), Dwi Handoko1) dan Arief B. Witarto2)

Email : asnugroho@ieee.org, dwih@inn.bppt.go.id, witarto@yahoo.com

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

ABSTRACT Bioinformatika timbul dari kebutuhan akan metode

Bioinformatika timbul dari kebutuhan akan metode
untuk mengolah data-data biologi yang dewasa ini
sangat pesat bertambah. Berbagai penemuan di
bidang bioteknologi modern memacu pertumbuhan
ketersediaan data, yang pada gilirannya
memerlukan support dari teknologi informasi untuk
mengubah data tersebut menjadi suatu informasi,
dan selanjutnya menjadi suatu pengetahuan yang
bermanfaat bagi kemanusiaan. Salah satu metode
pattern recognition yang dipakai adalah Support
Vector Machine (SVM). Metode ini pertama kali
diperkenalkan oleh Vapnik pada tahun 1992
sebagai rangkaian harmonis konsep-konsep
unggulan dalam bidang pattern recognition.
Sebagai salah satu metode pattern recognition, usia
SVM terbilang masih relatif muda. Walaupun
demikian, evaluasi kemampuannya dalam berbagai
aplikasi menempatkannya sebagai state of the art
dalam pattern recognition. Tulisan ini membahas
teori dasar SVM dan aplikasinya dalam
bioinformatika, khususnya pada analisa ekspresi
gen dimensi tinggi yang diperoleh dari analisa
microarray.
Keywords: pattern recognition, support vector
machine, bioinformatika
1. PENDAHULUAN
Bioinformatika merupakan salah satu topik yang
sedang hangat dibicarakan dewasa ini. Sebagai
suatu disiplin ilmu, bioinformatika melibatkan dua
aspek, yaitu aspek teknologi informasi (TI) dan
aspek biologi. Aplikasi dari bioinformatika ini
meliputi berbagai bidang, antara lain bidang
farmasi, kedokteran dan pertanian.
Paper ini dipublikasikan di Proc. of National
Conference on Information & Communication
Technology (ICT) for Indonesia/e-Indonesia
Initiatives-II 2005, pp.427-435
untuk mengolah data-data biologi yang dewasa ini
sangat pesat bertambah. Berbagai penemuan di
bidang bioteknologi modern memacu pertumbuhan
ketersediaan data, yang pada gilirannya
memerlukan support dari teknologi informasi untuk
mengubah data tersebut menjadi suatu informasi,
dan selanjutnya menjadi suatu pengetahuan yang
bermanfaat bagi kemanusiaan.
Berkaitan dengan arus data yang deras mengalir ini,
sangat menarik untuk mencermati perbandingan
perkembangan pesat semikonduktor dan genetika.
Di bidang komputer, dikenal Moore's law yang
memprediksi bahwa setiap 18 bulan, jumlah
transistor per satuan area pada IC, selalu berlipat
dua. Dengan kata lain, kemampuan komputer akan
berlipat jadi dua kali setiap 18 bulan. Pengamatan
Gordon Moore ini dikeluarkan tahun 1965, dan
secara ajaib selalu terbukti berlaku, setidaknya
selama dua dekade ini. Hal ini menjadi motivasi
dan misi Intel Corporation untuk selalu
memenuhi tuntutan dari ramalan Moore [1].
Analog dengan Moore's law, di dunia biologi,
dikenal juga ramalan menarik dari Prof. R.
Dawkins (Oxford University), yang mencoba
menarik korelasi antara jumlah nucleotide-base
yang bisa dibaca dengan dana ￡ 1000, terhadap
waktu. Pada tahun 1965, diperlukan ￡1 untuk
membaca 1 huruf pada RNA bakteri. Tahun 1975,
￡10 untuk satu huruf pada virus code. Pada 1985,
membaca 1 huruf pada nematode memerlukan ￡1,
dan pada tahun 2000 diperlukan 0.10 ￡ untuk
membaca 1 huruf pada human genome project.
Kalau ramalan ini benar, maka pada tahun 2012
diprediksi dengan ￡ 1000 dapat dianalisa E.coli
yang terdiri dari 200 ribu bases. Sedangkan pada
tahun 2050, diperlukan ￡ 1000 untuk membaca
seluruh nucleotide base pairs manusia. Prediksi ini
dikenal sebagai "Son of Moore's law for genetics",
menggambarkan perkembangan yang pesat di
dunia bioteknologi [2].

1/8

Berangkat dari ketersediaan data genome dalam
jumlah besar ini, terminologi biological-
datamining menjadi sangat populer. Datamining
didefinisikan sebagai proses otomatis mengekstrak
suatu informasi dari sekumpulan data yang
berjumlah besar. Salah satu aplikasi dari penerapan
datamining di bioinformatika ini adalah
pengembangan industri farmasi dan kedokteran.
Informasi yang diekstrak ini dapat dimanfaatkan
dalam industri medis, misalnya menekan resiko
timbulnya efek samping dari terapi kanker.
Tulisan ini membahas potensi metode support
vector machine yang sering dipakai dalam analisa
data dan datamining di bioinformatika. Teori SVM
dibahas pada bab-bab awal, dan contoh aplikasinya
dibahas pada bab 6. Data yang diolah diperoleh
dari analisa microarray yang menghasilkan data
pada ruang dimensi tinggi. Bagian akhir tulisan ini
berupa kesimpulan dari studi yang dilakukan.
2. PATTERN RECOGNITION MEMAKAI
SVM
Pattern Recognition merupakan salah satu bidang
dalam komputer sains, yang memetakan suatu data
ke dalam konsep tertentu yang telah didefinisikan
sebelumnya. Konsep tertentu ini disebut class atau
category. Aplikasi pattern recognition sangat luas,
di antaranya mengenali suara dalam sistem sekuriti,
membaca huruf dalam OCR, mengklasifikasikan
penyakit secara otomatis berdasarkan hasil
diagnosa kondisi medis pasien dan sebagainya.
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
Workshop on Computational Learning Theory.
Konsep dasar SVM sebenarnya merupakan
kombinasi harmonis dari teori-teori komputasi
yang telah ada puluhan tahun sebelumnya, seperti
margin hyperplane (Duda & Hart tahun 1973,
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].
linear classifier, dan selanjutnya dikembangkan
agar dapat bekerja pada problem non-linear.
dengan memasukkan konsep kernel trick pada
ruang kerja berdimensi tinggi. Perkembangan ini
memberikan rangsangan minat penelitian di bidang
pattern recognition untuk investigasi potensi
kemampuan SVM secara teoritis maupun dari segi
aplikasi. Dewasa ini SVM telah berhasil
diaplikasikan dalam problema dunia nyata (real-
world problems), dan secara umum memberikan
solusi yang lebih baik dibandingkan metode
konvensional seperti misalnya artificial neural
network.
3. KONSEP SUPPORT VECTOR MACHINE
Konsep SVM dapat dijelaskan secara sederhana
sebagai usaha mencari hyperplane terbaik yang
berfungsi sebagai pemisah dua buah class pada
input space. Gambar 1a memperlihatkan beberapa
pattern yang merupakan anggota dari dua buah
class : +1 dan –1. Pattern yang tergabung pada
class –1 disimbolkan dengan warna merah (kotak),
sedangkan pattern pada class +1, disimbolkan
dengan warna kuning(lingkaran). Problem
klasifikasi dapat diterjemahkan dengan usaha
menemukan garis (hyperplane) yang memisahkan
antara kedua kelompok tersebut. Berbagai alternatif
garis pemisah (discrimination boundaries)
ditunjukkan pada gambar 1-a.
(a)
Discrimination boundaries
Class −1 Class +1
(b)
Margin

Berbeda dengan strategi neural network yang

berusaha mencari hyperplane pemisah antar class,
SVM berusaha menemukan hyperplane yang Class −1 Class +1
terbaik pada input space. Prinsip dasar SVM adalah

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)

merupakan inti dari proses pembelajaran pada Subject to:

SVM. l

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
topologi data, dalam artian dua data yang berjarak
dekat pada input space akan berjarak dekat juga
pada feature space, sebaliknya dua data yang
berjarak jauh pada input space akan juga berjarak
jauh pada feature space.
SV pada persamaan di atas dimaksudkan dengan
subset dari training set yang terpilih sebagai
r
support vector, dengan kata lain data xi yang
berkorespondensi pada αi ≥ 0 .

Selanjutnya proses pembelajaran pada SVM dalam

menemukan titik-titik support vector, hanya
bergantung pada dot product dari data yang sudah
ditransformasikan pada ruang baru yang
r r
berdimensi lebih tinggi, yaitu Φ ( xi ).Φ ( x j ) .

Hyperplane

Input Space X High-dimensional Feature Space

Φ( X )
Gambar 2– Fungsi Φ memetakan data ke ruang vektor yang berdimensi lebih tinggi, sehingga kedua class
dapat dipisahkan secara linear oleh sebuah hyperplane

4/8

6. APLIKASI SVM DALAM
BIOINFORMATIKA
6.1 Ruang vektor berdimensi tinggi pada data
microarray
Berbagai penelitian dilakukan untuk mengevaluasi
potensi SVM dalam analisa data biologi, antara
lain:
1. Analisa ekspresi gen [7]
2. Deteksi homologi protein [6]
3. Prediksi struktur protein [8]
Makalah ini mengambil contoh bahasan aplikasi
SVM pada masalah pertama, yaitu analisa data
ekspresi gen, karena kesesuaiannya dengan
kemampuan SVM dalam mengolah informasi
berdimensi tinggi. Data biologi yang diolah dan
dianalisa oleh SVM diperoleh dari eksperimen
microarray yang memungkinkan pengamatan
ekspresi ribuan gen sekaligus, misalnya pada sel
yang diambil dari penderita penyakit kanker.
Pemanfaatan microarray membuka kemungkinan
untuk mengetahui kuantitas maupun kualitas
transkripsi satu gen, sehingga dapat
diidentifikasikan : gen-gen apa saja yang aktif
terhadap perlakuan tertentu, misalnya timbulnya
kanker. Informasi ini merupakan pertimbangan
penting bagi ahli medis untuk mengetahui
mekanisme timbulnya penyakit, dan menentukan
terapi mana yang paling tepat bagi si pasien.
Proses dalam analisa micorarray secara sederhana
dapat diuraikan sebagai berikut. Pertama-tama
mRNA yang disolasi dari sampel dikembalikan
dulu dalam bentuk DNA menggunakan reaksi
reverse transcription. Selanjutnya melalui proses
hibridisasi, hanya DNA yang komplementer saja
yang akan berikatan dengan DNA di atas chip.
DNA yang telah diberi label warna berbeda ini
akan menunjukkan pattern yang unik. Dengan
memanfaatkan teknologi pengolahan citra (image
processing), pattern ini selanjutnya ditransfer ke
dalam ekspresi numerik untuk diolah dengan
berbagai metode pattern recognition (dalam hal ini
SVM).
Dalam studi analisa ekspresi gen, ada tiga hal yang
merupakan bahasan menarik dari sudut pattern
recognition [9]:
1. Mungkinkah dengan data ekspresi gen dari
microarray, kita memprediksi suatu class,
misalnya apakah seorang pasien tersebut
terkena kanker atau tidak, atau menentukan
status mutasi p53 pasien, dsb.
2. Kalau hal tersebut memungkinkan untuk
dilaksanakan, berapakah tingkat akurasi yang
mungkin dicapai ?
5/8
3. Bagaimana menentukan kandidat gen yang
memiliki potensi kedokteran/farmasi ?
Bahasan dalam makalah ini difokuskan pada tema
pertama, dengan mengevaluasi performa SVM
dalam klasifikasikan ekspresi gen.Tema ini
tergolong tema pattern recognition yang sangat
sulit, karena memiliki karakteristik sbb.
1. Data observasi berdimensi tinggi : manusia
memiliki sekitar 31 ribu jenis gen, sehingga
setiap pengukuran memberikan satu titik pada
ruang vektor berdimensi sekitar 31 ribu
2. Noisy
3. Imbalanced, dalam artian sampel class positif
seringkali tersedia dalam jumlah yang jauh
lebih sedikit daripada sampel class negatif.
Karakteristik ini menjadi latar belakang mengapa
SVM mendapat perhatian besar dari kalangan
bioinformatika. Potensi SVM sebagaimana
diuraikan pada halaman yang terdahulu
memberikan harapan untuk dapat menyelesaikan
problem dengan karakteristik tersebut.
6.2 Aplikasi SVM pada analisa ekspresi gen
memakai database Human Acute Leukemia
Data pada eksperimen ini berasal dari studi yang
dilakukan oleh Golub [10], dan tersedia online di
internet. Data diambil dari 72 pasien penderita
myeloid leukimia (AML) dan acute lymphoblastic
leukimia (ALL). Data ini dibagi dalam dua
kelompok: training set (27 ALL dan 11 AML), dan
test set (20 ALL dan 14 AML). Tiap sampel terdiri
dari vektor berdimensi 7129 yang berasal dari
ekspresi gen si pasien sebagai hasil analisa
Affymetrix high-density oligonucleotide
microarray.
Dua eksperimen dilakukan. Pertama-tama, prediksi
dilakukan berdasarkan seluruh informasi ekspresi
gen pasien, dengan kata lain input vektor terdiri
dari 7129 dimensi. Selanjutnya, pada eksperimen
kedua, Feature Subset Selection (FSS) dilakukan
pada training set untuk menseleksi feature yang
signifikan, dengan metode Sequential Forward
Selection (SFS).
Experimen 1
Pada eksperimen ini, tiga metode dipakai untuk
melakukan prediksi, masing-masing 1 Nearest
Neighbor Classifier, Multilayer Perceptron dengan
hidden neuron 100, dan Support Vector Machine.
SVM dalam eksperimen ini memakai Kernel
Polynomial pada derajat 1.
Tiap feature menunjukkan rentang nilai yang
sangat bervariasi. Hal ini dapat menyebabkan
terlalu dominannya pengaruh feature tertentu yang
memiliki rentang nilai besar terhadap feature lain
yang memiliki rentang nilai jauh lebih kecil. Untuk
mengatasi hal tersebut, sebelumnya dilakukan
normalisasi dengan mengurangkan data pada
feature tertentu dengan rata-rata nilai pada feature
tersebut dan dibagi dengan standard deviasi-nya.
Dengan cara demikian, dapat dihindarkan pengaruh
yang terlalu besar dari feature tertentu.
xi − xi ave
xi ' = i = 1,2,...,7129
σi
Tabel 1- Recognition Rate class Acute
Lymphoblastic leukimia (ALL) dan Acute Myeloid
Leukimia (AML) pada tiga jenis metode : 1
Nearest Neigbour Classifier, Support Vector
Machine dan Multilayer Perceptron
RR RR RR
Method
ALL AML TOTAL
1-NNClassf. 95% 64% 78%
SVM 85% 100% 92.2%
MLP 55% 57.1! 56.1%
Hasil eksperimen ini ditunjukkan pada Tabel 1. RR
Total merupakan geometrical mean dari RR ALL
dan RR AML. Geometrical Mean ini dipilih karena
terdapat ketidaksetimbangan jumlah pattern
masing-masing class dalam test set (ALL : 20
sample, AML: : 14 sample). Dari tabel di atas
diketahui bahwa hasil terbaik dicapai oleh Support
Vector Machine. Jumlah support vector yang
terpilih sebanyak 30 dari total 38. Tiga pattern yang
gagal diklasifikasikan oleh SVM berasal dari
kategori Acute Lymphoblastic Leukimia.
Experimen 2
Pada eksperimen kedua, dilakukan Feature Subset
Selection untuk memilih gene-gene yang signifikan.
Algoritma yang dipakai adalah Sequential Forward
Selection, yaitu memilih satu persatu gene yang
paling signifikan diukur berdasarkan kriteria subset
Training set
tertentu terhadap kombinasi gene tersebut dengan
yang telah terpilih sebelumnya. Algorithma
Sequential Forward Selection dapat dijabarkan
sebagai berikut. Misalnya sekumpulan feature telah
diseleksi dari semesta pengukuran
Y = { y j | j = 1,2,..., D} untuk membuat feature
set X k . Selanjutnya feature ke k + 1 dipilih dari
Y − X k , sedemikian hingga
(16) J ( X k +1 ) = max J(X k ∪ y j )
y ∈Y − X k (17)
Dalam persamaan di atas J ( X k ) adalah nilai
fitness dari subset X k yang diukur berdasarkan
kriteria tertentu. Inisialisasi algoritma ini adalah
X o = φ . Pada studi ini, kriteria evaluasi suatu
subset diukur berdasarkan leave one out 1 nearest
neighbour classification rate
Sebagai hasilnya, saat algoritma ini dijalankan, dua
buah gen terseleksi sebagai yang paling signifikan,
dan menghasilkan score classification rate 100%
(leaveone out 1 nearest neighbour) terhadap
training set. Kedua gen tersebut adalah No.7
(AFFX-BioDn-3_at) dan No. 4847 (X95735_at).
Distribusi data pada bidang yang dibentuk oleh
kedua gen tersebut adalah sebagaimana
ditunjukkan pada gambar 3. Gambar 3a
menunjukkan bahwa data pada kedua class pada
training set dapat terpisah sempurna secara linier.
Gambar 3b menunjukkan bahwa pada data pada
test set tidak dapat terpisah secara linier.
Support Vector Machine dilatih dengan data pada
training set dan diperoleh 3 support vector, dengan
classification rate 100% . Selanjutya saat
diujicobakan terhadap data pada test set, diperoleh
recognition rate 86.4%. Score masing-masing class
adalah ALL: 95%, AML: 78.6%.
Test set

Gene No.4847 Gene No.4847

AML (Green) AML (Green)

Linearly separable

Gene No.7 Gene No.7

ALL (Red) ALL (Red)

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

6.3 Diskusi
Dari eksperimen 1 dan eksperimen 2 di atas,
dirangkumkan beberapa hal sbb.
1. Dalam percobaan diatas kami tetap memakai
polynomial kernal derajat 1. Kami mencoba
juga kernel yang lain, akan tetapi tidak
memberikan hasil yang lebih baik
dibandingkan kernel derajat 1. Diketahui
bahwa kemampuan Support Vector Machine
(SVM) sangat sensitif terhadap kernel yang
dipilih.
2. Secara umum, SVM menunjukkan hasil yang
lebih baik daripada perceptron.maupun 1
nearest neighbour classifier. Walaupun
demikian, dikarenakan jumlah sampel yang
relatif sedikit, hasil eksperimen itu belum
dapat memberikan kesimpulan final bahwa
SVM superior terhadap dua metode yang lain.
3. Walaupun Feature Subset Selection telah
dilakukan, tetapi tidak terlihat adanya
peningkatan classification rate, sebaliknya
terlihat sedikit menurun. SFS dalam hal ini
tidak berhasil memberikan kontribusi positif
terhadap classification rate, karena nilai
maksimal J ( X k ) telah dicapai di periode
awal ( k = 2 ), sehingga proses seleksi
berhenti. Walaupun demikian, kedua gen yang
terseleksi memiliki daya tarik untuk dianalisa
lebih lanjut korelasinya dengan kedua jenis
penyakit leukimia.
4. MLP bekerja dengan memetakan data kepada
ruang vektor berdimensi yang lebih rendah
yang dibentuk oleh neuron pada hidden layer.
Selanjutnya classification boundary dicari pada
ruang vektor dimensi rendah tersebut.
Terhadap pendekatan ini, SVM
memperlihatkan cara kerja yang bertolak
belakang. Data dipetakan terhadap ruang
vektor baru yang dibentuk oleh kernel, yang
berdimensi jauh lebih tinggi. Data pada ruang
terbaru ini memiliki kemungkinan lebih mudah
untuk dapat dipisahkan secara linear (Teori
Cover). Classification boundary pada ruang
vektor baru tersebut dicari dengan metode
optimisasi tertentu.
5. Analisa teoretik dari tingkat generalisasi SVM
menunjukkan bahwa batas maksimal expected
error classification rate tidak dipengaruhi oleh
dimensi dari data. Dengan demikian,
pemakaian SVM pada dimensi tinggi, tidak
akan menyebabkan pengaruh negatif yang
terjadi karena curse of dimensionality.
7. KESIMPULAN
Makalah ini memperkenalkan teori dasar Support
Vector Machine (SVM), sebagai salah satu topik
yang dewasa ini banyak mendapat perhatian
sebagai state of the art dalam bidang pattern
7/8
recognition. Kelebihan SVM dibandingkan metode
yang lain terletak pada kemampuannya untuk
menemukan hyperplane terbaik yang memisahkan
dua buah class pada feature space yang ditunjang
oleh strategi Structural Risk Minimization (SRM).
Pada paruh kedua dari makalah ini, dibahas aplikasi
SVM pada bioinformatika, khususnya analisa
ekspresi gen yang diperoleh dari eksperimen
microarray terhadap pasien penderita penyakit
kanker.
Walaupun eksperimen dengan data microarray
secara statistik masih terdapat kelemahan, terutama
dari sudut keterbatasan data, dan mahalnya cost
yang diperlukan untuk analisa, evaluasi SVM
merupakan suatu usaha yang sangat berharga untuk
mengklarifikasikan masalah yang timbul. Analisa
pada data skala kecil ini akan memudahkan bagi
kita untuk menemukan sisi-sisi lemah dari metode
yang dipakai. Seiring dengan kemajuan IT dan
bioteknologi modern yang akhir-akhir ini demikian
pesat, dunia ilmu pengetahuan akan semakin
terbanjiri dengan data biologi, sedangkan teknologi
informasi pun akan melaju dengan kencang.
Dalam situasi ini, dengan memanfaatkan teknologi
informasi secara tepat, diharapkan data biologi
tersebut dapat diolah menjadi suatu informasi, dan
seterusnya ditransformasikan sebagai suatu
pengetahuan yang dapat ditarik manfaatnya bagi
kesehatan dan kesejahteraan umat manusia.
8. REFERENSI
1- Moore's Law
http://www.intel.com/research/silicon/mooresl
aw.htm
2- Son of Moore’s Law
http://myweb.tiscali.co.uk/royalphil/rps/summa
ries/evolution.htm
3- Byun H., Lee S.W., “A Survey on Pattern
Recognition Applications of Support Vector
Machines”, International Journal of Pattern
Recognition and Artificial Intelligence, Vol.17,
No.3, 2003, pp.459-486
4- Tsuda K., “Overview of Support Vector
Machine”, Journal of IEICE, Vol.83, No.6, 2000,
pp.460-466 (in Japanese)
5- Vapnik V.N., “The Nature of Statistical Learning
Theory”, 2nd edition, Springer-Verlag, New York
Berlin Heidelberg, 1999
6- Cristianini N., Taylor J.S., “An Introduction to
Support Vector Machines and Other Kernel-
Based Learning Methods”, Cambridge Press
University, 2000
7- Furey T.S, et al., “Support vector machine
classification and validation of cancer tissue
samples using microarray expression data”,
 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

METODE PERGERAKAN GELOMBANG SINUS PADA KONSEP SHOOTER

SCROLLING GAME 2 DIMENSI BERBASIS ANDROID

Andy Pramono, S.Kom, M.T.1,

**Betty Dewi Puspasari, S.Kom, M.T.2
(1) Universitas Negeri Malang, Jurusan Seni Desain (hp: 08123480921, Email: radensugih2716@yahoo.com)
(2) STT Atlas Nusantara Malang, Program Studi Teknik Informatika (hp : 08125298115, Email:
prasari1611@yahoo.com)

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

Dengan memperhatikan hal tersebut maka

1. Pendahuluan penelitian ini dilakukan untuk merancang suatu
game shooter dengan jenis scrolling yang
Latar Belakang menerapkan metode pergerakan sinus pada
penghalang dan peluru penghalang berbasis
Game saat ini semakin modern dan semakin handphone android. Diharapkan dari hasil
menarik,membuat kalangan umum semakin penelitian ini dapat digunakan oleh para
menyukainya dan menikmati permainan pengembang game agar dapat menghasilkan game
game.Meskipun begitu game sangatlah erat yang lebih realis dan yang lebih menarik.
pengaruhnya,jika penikmat game tidak dapat
mengontrol dirinya, akan membuat ketagihan bagi
Vektor 2 Dimensi
penikmat game tersebut. Dan dalam segi positifnya
permainan game dapat membantu kehidupan Vektor adalah besaran yang memiliki nilai
manusia,seperti menghilangkan strees, atau dan arah. Kecepatan, percepatan,gaya, tekanan,
kejenuhan.Jadi game pada saat ini berpengaruh momentum dan sebagainya adalah contoh-contoh
besar pada kehidupan manusia, yang besaran vektor. Penulisan vektor dengan vektor
mengakibatkan game bisa menghipnotis para satuan mempermudah pengertian tentang arah
kalangan penikmat game yang bisa membuat vektor itu.Beberapa vektor dapat dijumlahkan
ketagihan dan bahkan menyenangkan.
maupun dikalikan. Pada bab ini Kamu akan
Perkembangan teknologi saat ini sangat memperdalam tentang vektor sebagai besaran yang
berpengaruh terhadap perkembangan game, memiliki nilai dan arah. Meliputi vektor dua
perkembangannya cenderung semakin pesat. dimensi dan vektor tiga dimensi.
Berbagai macam jenis game pun mulai Orang mengukur jarak adalah menghitung
bermunculan dari mulai yang sederhana sampai
seluruh lintasan gerak yang ditempuh, sedangkan
game yang mempunyai grafik yang membuat mengukur perpindahan berarti mengukur panjang
berdecak kagum ketika memainkannya. Namun dari titik awal ke arah titik akhir lintasan. Jadi kalau
walaupun telah banyak jenis game yang muncul
seorang siswa berlari dari suatu sudut mengelilingi
saat ini, jenis game 2 dimensi jenis scrolling masih lapangan sepak bola satu kali putaran, berarti Ia
memiliki peminat yang tinggi. Ini dibuktikan menempuh jarak keliling lapangan sepak bola itu,
dengan masih banyaknya jenis game ini tetapi dikatakan perpindahannya nol. Contoh
bermunculan di playstore. Dalam game jenis besaran skalar lainnya adalah panjang, massa,
scrolling fungsi penghalang sangat berperan dalam waktu, suhu, kelajuan. perlajuan, usaha, daya
implementasi suatu game karena jenis game sedangkan contoh besaran vektor diantaranya
scrolling daya tarik selain desain aset adalah perpindahan, kecepatan, percepatan, gaya,
pergerakan penghalang dari game. Memperhatikan momentum dan sebagainya. Gambar 1 merupakan
hal tersebut ada beberapa hal yang dirasa kurang besaran vektor diantaranya kecepatan angin,
menarik pada pergerakan penghalang maupun
kecepatan arus air laut yang menggerakkan kapal
serangan penghalang kepada pengguna. Adapun laut, kecepatan pesawat tempur.
jenis pergerakan ini seperti linier, maju mundur, zig
zag dan mengikuti peta. Memperhatikan hal
tersebut untuk pergerakan zig zag dan mengikuti
peta ada kalanya pergerakan ini dirasa kurang
mengikuti logika pergerakan, karena pergerakan
linier maju tidak akan menghasilkan pergerakan zig
zag pada gerakan asli. Pergerakan linier dengan
berbelok pasti akan membentuk gerakan melingkar
tidak pergerakan belok tajam. Hal inilah yang
mendasari penelitian ini untuk memberikan
alternatif gerakan yang lebih realistis untuk
diterapkan pada game scrolling.
Saat ini penggunaan perangkat komputer dan Gambar 1.Besaran Vektor pada Kecepatan
gadget di Indonesia sudah sangat tinggi baik di Pesawat Tempur.
level profesional, pendidik maupun pelajar.
Analisis lembaga Riset AC Nielsen, menyebutkan
bahwa jumlah pengguna ponsel di Indonesia cukup
tinggi. Mencapai 236,8 juta pelanggan seluler.
Dimana 29% dari jumlah pengguna ponsel tersebut
ada remaja usia remaja. Diperoleh 21 Agustus
2013, dari http://inet.detik.com/posisi-indonesia-di-
percaturan-teknologi-dunia
237
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Gambar 2. Vektor 2 Dimensi
Sebuah vektor dapat digambarkan berupa
anak panah atau ruas garis berarah.Panjang anak
panah atau ruas garis menyatakan nilai atau besar
vektor, sedangkan arah anak, panah menyatakan
arah vektor.Notasi besaran vektor dapat dinyatakan
dengan huruf besar atau huruf kecil yang diberi
tanda panah di atasnya. Misalnya: vektor ab atau
|AB| [3]
Gelombang Sinus
Fungsi matematika yang berbentuk osilasi halus
berulang. Fungsi ini sering muncul dalam ilmu
matematika, fisika, pengolahan sinyal, dan teknik
listrik, dan berbagai bidang lain. Bentuk paling
sederhana dari fungsi ini terhadap waktu (t) [1].
Gambar 3. Gelombang Sinus
Gelombang sinus sangat penting dalam bidang
fisika karena gelombang ini mempertahankan
bentuknya ketika ditambahkan kepada gelombang
sinus berfrekuensi sama yang lain walaupun
fasenya berbeda. Gelombang ini merupakan satu-
satunya fungsi periodik yang memiliki sifat ini.
Sifat ini menjadikan gelombang ini bagian penting
dalam Analisis Fourier.
Gelombang sinus merupakan gelombang yang
berbentuk fungsi sinus seperti yang digunakan
dalam fungsi trigonometri. Dalam elektronika
gelombang sinus memegang peranan besar
dalam menguji dan menganalisa rangkaian. Pada
gambar di bawah ini ditunjukkan gelombang
sinus secara jelas: a. Amplitudo adalah tingginya
puncak gelombang sinus. Amplitudo rms dapat
ditulis:
238
(1)
Dan
(2)
b. Fase, Kadang- kadang gelombang sinus dibagi-
bagi dalam sudut fasanya( dalam derajat). Bila dua
buah gelombang sinus mempunyai frekuensi yang
sama dan terjadi pada saat yang
sama, maka kedua gelombang tersebut dikatakan
sefasa (in phase):
Sebaliknya, bila kedua gelombang tersebut terjadi
pada waktu yang berbeda, maka dikatakan
kedua gelombang tersebut sefasa (out of phase).
Bila ini terjadi, perbedaan fasa tersebut dinyatakan
dalam sudut fasa. Pada gambar B di atas beda sudut
fasa kedua gelombang tersebut =
900. Bentuk sinusoidal yang terendam (damped
sine) merupakan kasus khusus yang dapat anda
dapatkan pada sirkuit yang berisolasi namun
semakin mengecil bersama waktu.
Gambar 4. Gelombang sinus dengan amplitudo
berbeda
Sistem Operasi Android
Pengertian Android sendiri adalah sistem operasi
berbasis Linux yang dipergunakan sebagai
pengelola sumber daya perangkat keras, baik untuk
ponsel, smartphone dan juga PC tablet. Secara
umum Android adalah platform yang terbuka bagi
para pengembang untuk menciptakan aplikasi
mereka sendiri untuk digunakan oleh berbagai
piranti bergerak.
Semenjak kehadirannya pada 9 Maret 2009,
Android telah hadir dengan versi 1.1, yaitu sistem
operasi yang sudah dilengkapi dengan pembaruan
estetis pada apalikasinya, seperti jam alrm, voice
search, pengiriman pesan dengan Gmail, dan
pemberitahuan email.
Hingga tahun 2012, Android telah berkembang
dengan pesat. Dalam kurun 3 tahun Android telah
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016

diproduksi dalam versi, dan versi terakhir yang

diproduksi disebut sebagai Android versi 4.1 atau
Android Jelly Bean.

Karakteristik Media Interaktif berbasis Gambar 5. Model Perancangan

Android
Media interaktif mobile sebagai media
penyampaian informasi atau pesan memiliki
beberapa karakteristik sebagai berikut: (1) Teks
:teks berfungsi sebagai penjelas tambahan di dalam
Media interaktif mobile ini. Di dalam Media
interaktif mobile ini teks cenderung berskala
medium tapi tidak dalam jumlah banyak, karena
teks tidaklah karakteristik yang mendominasi
Media interaktif mobile,(2) Ilustrasi: secara umum
grafik berarti gambar garis, yang merupakan
komponen penting dalam perancangan Media
interaktif mobile. Salah satu cara untuk
menyampaikan informasi secara cepat dan tepat
adalah menggunakan kata-kata dan gambar. Maka
daripada itu, ilustrasi merupakan hal penting untuk
menarik pengguna menggunakan Media interaktif
mobile ini.,(3) Animasi:animasi adalah
menggerakan obyek 2D yang bergerak agar terlihat
hidup seperti berjalan, berbicara, melompat dan lain
sebagainya. Membuat animasi berarti menggerakan
gambar seperti kartun, tulisan dan lain sebagainya
[2]. Di dalam perancangan animasi terdapat frame-
frame atau tahapan per second untuk menggerakan
gambar. setiap frame nya mewakili setiap
pergerakan, fungsi frame tersebut untuk
memberikan suatu gerakan yang halus dan tidak
kaku.,(4) Suara:dalam hal ini suara yang
dibutuhkan adalah suara yang mengiringi Media
interaktif mobile, dan efek tombol untuk menarik
perhatian pengguna., (5) Hubungan
Interaktif:hubungan interaktif dalam konteks ini
adalah terjadinya timbal balik kontak yang
dilakukan, reaksi akibat tercapainya tujuan media
yang interaktif. Seperti contoh pengguna menekan
tombol untuk melink halaman selanjutnya dan
menekan tombol lain untuk memasuki halaman
berikutnya. Alternative link diperlukan bila
pengguna menunjuk pada suatu obyek atau button
supaya dapat mengakses program tertentu.
Interactive link diperlukan untuk menggabungkan
beberapa elemen multimedia sehingga menjadi
informasi yang terpadu [2].
2. Metodologi
Metode Penelitian
Adapun pada perancangan ini diawali dengan
pengumpulan data yang meliputi data pustaka dan
observasi. Dalam tahap pengumpulan data ini ada
beberapa data seperti jenis game dan data gerakan
game yang didapatkan sebagai sumber data untuk
membangun aplikasi game shooter scrolling
berbasis android ini. Disamping itu melakukan
observasi mengenai jenis gerakan pada bidang lurus
terutama gerakan model gelombang sinus yang
didapatkan dari beberapa sumber referensi. Pada
tahap selanjutnya analisis data dimana dilakukan
kajian penerapan gelombang sinus pada pergerakan
penghalang pada game. Setelah melalui proses
kajian langkah selanjutnya tahap implementasi
melalui membangun desain game shooter dengan
jenis scrolling berserta desain aset dan antarmuka
game. Pada tahap selanjutnya membangun
algoritma penerapan gelombang sinus untuk
penghalang game dengan penerapan vektor 2
dimensi. Selanjutnya dilanjutkan visualisasi data
pada aset game kemudian dilanjutkan dengan
ujicoba.
Berikut ini disajikan diagram alur struktur sistem
media pembelajaran berbasis telepon genggam
Android.
Gambar 6. Diagram Alir Penerapan
Gelombang Sinus pada Game
3. Pembahasan
Adapun data awal pada pergerakan penghalang
pada tahap pengumpulan data didapatkan berupa
data gerakan berupa zig zag seperti ditunjukkan
pada gambar 7 Gerakan awal penghalang.

Adapun konsep perancangan dari game

interaktif mobile bahasa jawa ini menggunakan
model prosedural seperti yang tergambar pada
gambar 5 model perancangan. Gambar 7. Gerakan awal penghalang

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

Gambar 8. Pergerakan Sinus

Gambar 10. Desain karakter utama
Tahapan selanjutnya adalah menyusun desain
game, dalam game ini menyusun konsep dalam 2
level dengan penerapan konsep sinus yang berbeda.
Desain level 1 dengan konsep penghalang yang
bergerak dengan pola gerakan sinus. Desain level 2 Gambar 11. Desain karakter penghalang
dengan konsep penghalang yang bergerak dengan
pola gerakan sinus juga peluru dari penghalang
yang bergerak dengan pola sinus. Untuk lebih
jelasnya dapat dilihat pada Tabel 1.

Tabel 1. Skenario Game

Level Desain Level
Level 1 Jumlah Nyawa : 3
Penghalang Jenis : 2
Jumlah Penghalang : 50 random
Konsep penghalang :
- Linier lurus
- Sinus (penghalang bergerak Gambar 12. Desain Layout dan background
dengan pola sinus)
Level 2 Jumlah Nyawa : 3
Penghalang Jenis : 2 Pada desain background game ini memiliki desain
Jumlah Penghalang : 100 random latar belakang berupa langit biru yang diatur
Konsep penghalang : dengan 2 model yaitu model 1 yaitu latar belakang
- Linier horisontal pada level 1 dengan desain latar belakang langit
biru pada saat siang hari dan model 2 yaitu latar
- Sinus
belakang pada level 1 dengan desain latar belakang
- Vertikal, peluru sinus langit biru pada saat sore menjelang petang hari.
Disekitar latar belakang terdapat animasi berupa
awan putih sebanyak 3 buah yaitu awan1, awan2
Adapun aksi gerakan dapat digambarkan sebagai dan awan3. Desain gerakan awan diatur dengan
berikut fungsi timer dengan kriteria seperti ditunjukkan
pada Tabel 2.

Tabel 2. Listing Gerakan Background Awan

Penerapan Metode Sinus

Gambar 9. Diagram gerakan kontrol pengguna
Penerapan metode sinus ini diimplementasikan
Desain Aset Game kedalam 2 model yaitu implementasi pada gerakan
penghalang dan implementasi pada lontaran peluru.
Pada game implementasi gelombang sinus ini a. Gerakan penghalang dengan metode sinus
didesain 4 karakter yaitu 2 karakter sebagai jagoan
bagi pengguna seperti dapat dilihat pada gambar 10
240
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Setiap penghalang jenis ini keluar maka
penghalang ini akan bergerak dengan lintasan
gelombang sinus
Gambar 13: Gerakan penghalang
b. Gerakan lontaran peluru dengan metode sinus.
Pada level 2 terdapat penghalang yang
pergerakannya vertikal, namun penghalang ini
melontarkan Peluru yang bergerak keluar
secara pola sinus namun bergerak selanjutnya
secara horisontal. Disini peluru yang
dilontarkan sebanyak 20 per penghalang
dimana penerapan menggunakan metode sinus
sebanyak 2 fase.Adapun sintak koding dapat
dilihat pada listing (3)
(3)
Tampilan Desain antarmuka game
Game yang dirancang dalam penerapan metode
sinus dalam game ini menggunakan antarmuka
yang sederhana dengan acuan platform
android,dapat dilihat pada Gambar 14.
Gambar 14. Tampilan Hasil visualisasi Game
Tahap Uji Coba Game Penerapan Metode Sinus
Tahap uji coba dari aplikasi ini dilakukan dengan 2
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
uji coba sebanyak 7 kali untuk uji coba gerakan
lontaran peluru dengan pola sinus. Tahap uji coba
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
sinus pada penghalang yaitu pada level 1 dan level
2 serta visualisasi lontaran peluru dengan metode
sinus pada level 2. Dari Hasil uji coba tahap 2
didapatkan pada tahap instalasi sebesar 100%
proses berjalan baik. Tahap visualisasi penghalang
level 1 dan level 2 juga tidak mengalami kendala,
didapatkan visualisasi gerakan 100%. Untuk
Lontaran peluru juga mendapatkan hasil yang
sempurna untuk lontaran peluru yang menggunakan
pola sinus.
4. Kesimpulan
Berdasarkan hasil penelitian yang dilakukan pada
visualisasi metode sinus pada game dapat ditarik
kesimpulan bahwa penerapan visualisasi metode
sinus pada game dapat dilaksanakan dengan baik
dengan tingkat keberhasilan proses 100%, dimana
hasil ini didapatkan dari hasil uji coba luaran data
fungsi yang menghasilkan visualisasi gerakan
gelombang sinus 100% hasil ini didapatkan melalui
uji coba gerakan penghalang dan gerakan peluru
yang dilontarkan melalui penghalang yang bergerak
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
[3] Tay, Vaughan. 2004. Multimedia : Making It Work Edisi
6. Yogyakarta : ANDI
[4] Cooper , Alan. About Face 3. The Essentials of Interaction
Design, ISBN 978-0470084113, www.newsrider.com,
USA, 2008
[5] Reilly, Designing Interface second edition, ISBN 978-1-
449-37390-4, Canada, 2010
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016

METODE PERGERAKAN GELOMBANG SINUS PADA KONSEP SHOOTER

SCROLLING GAME 2 DIMENSI BERBASIS ANDROID

Andy Pramono, S.Kom, M.T.1,

**Betty Dewi Puspasari, S.Kom, M.T.2
(1) Universitas Negeri Malang, Jurusan Seni Desain (hp: 08123480921, Email: radensugih2716@yahoo.com)
(2) STT Atlas Nusantara Malang, Program Studi Teknik Informatika (hp : 08125298115, Email:
prasari1611@yahoo.com)

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

Dengan memperhatikan hal tersebut maka

1. Pendahuluan penelitian ini dilakukan untuk merancang suatu
game shooter dengan jenis scrolling yang
Latar Belakang menerapkan metode pergerakan sinus pada
penghalang dan peluru penghalang berbasis
Game saat ini semakin modern dan semakin handphone android. Diharapkan dari hasil
menarik,membuat kalangan umum semakin penelitian ini dapat digunakan oleh para
menyukainya dan menikmati permainan pengembang game agar dapat menghasilkan game
game.Meskipun begitu game sangatlah erat yang lebih realis dan yang lebih menarik.
pengaruhnya,jika penikmat game tidak dapat
mengontrol dirinya, akan membuat ketagihan bagi
Vektor 2 Dimensi
penikmat game tersebut. Dan dalam segi positifnya
permainan game dapat membantu kehidupan Vektor adalah besaran yang memiliki nilai
manusia,seperti menghilangkan strees, atau dan arah. Kecepatan, percepatan,gaya, tekanan,
kejenuhan.Jadi game pada saat ini berpengaruh momentum dan sebagainya adalah contoh-contoh
besar pada kehidupan manusia, yang besaran vektor. Penulisan vektor dengan vektor
mengakibatkan game bisa menghipnotis para satuan mempermudah pengertian tentang arah
kalangan penikmat game yang bisa membuat vektor itu.Beberapa vektor dapat dijumlahkan
ketagihan dan bahkan menyenangkan.
maupun dikalikan. Pada bab ini Kamu akan
Perkembangan teknologi saat ini sangat memperdalam tentang vektor sebagai besaran yang
berpengaruh terhadap perkembangan game, memiliki nilai dan arah. Meliputi vektor dua
perkembangannya cenderung semakin pesat. dimensi dan vektor tiga dimensi.
Berbagai macam jenis game pun mulai Orang mengukur jarak adalah menghitung
bermunculan dari mulai yang sederhana sampai
seluruh lintasan gerak yang ditempuh, sedangkan
game yang mempunyai grafik yang membuat mengukur perpindahan berarti mengukur panjang
berdecak kagum ketika memainkannya. Namun dari titik awal ke arah titik akhir lintasan. Jadi kalau
walaupun telah banyak jenis game yang muncul
seorang siswa berlari dari suatu sudut mengelilingi
saat ini, jenis game 2 dimensi jenis scrolling masih lapangan sepak bola satu kali putaran, berarti Ia
memiliki peminat yang tinggi. Ini dibuktikan menempuh jarak keliling lapangan sepak bola itu,
dengan masih banyaknya jenis game ini tetapi dikatakan perpindahannya nol. Contoh
bermunculan di playstore. Dalam game jenis besaran skalar lainnya adalah panjang, massa,
scrolling fungsi penghalang sangat berperan dalam waktu, suhu, kelajuan. perlajuan, usaha, daya
implementasi suatu game karena jenis game sedangkan contoh besaran vektor diantaranya
scrolling daya tarik selain desain aset adalah perpindahan, kecepatan, percepatan, gaya,
pergerakan penghalang dari game. Memperhatikan momentum dan sebagainya. Gambar 1 merupakan
hal tersebut ada beberapa hal yang dirasa kurang besaran vektor diantaranya kecepatan angin,
menarik pada pergerakan penghalang maupun
kecepatan arus air laut yang menggerakkan kapal
serangan penghalang kepada pengguna. Adapun laut, kecepatan pesawat tempur.
jenis pergerakan ini seperti linier, maju mundur, zig
zag dan mengikuti peta. Memperhatikan hal
tersebut untuk pergerakan zig zag dan mengikuti
peta ada kalanya pergerakan ini dirasa kurang
mengikuti logika pergerakan, karena pergerakan
linier maju tidak akan menghasilkan pergerakan zig
zag pada gerakan asli. Pergerakan linier dengan
berbelok pasti akan membentuk gerakan melingkar
tidak pergerakan belok tajam. Hal inilah yang
mendasari penelitian ini untuk memberikan
alternatif gerakan yang lebih realistis untuk
diterapkan pada game scrolling.
Saat ini penggunaan perangkat komputer dan Gambar 1.Besaran Vektor pada Kecepatan
gadget di Indonesia sudah sangat tinggi baik di Pesawat Tempur.
level profesional, pendidik maupun pelajar.
Analisis lembaga Riset AC Nielsen, menyebutkan
bahwa jumlah pengguna ponsel di Indonesia cukup
tinggi. Mencapai 236,8 juta pelanggan seluler.
Dimana 29% dari jumlah pengguna ponsel tersebut
ada remaja usia remaja. Diperoleh 21 Agustus
2013, dari http://inet.detik.com/posisi-indonesia-di-
percaturan-teknologi-dunia
237
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Gambar 2. Vektor 2 Dimensi
Sebuah vektor dapat digambarkan berupa
anak panah atau ruas garis berarah.Panjang anak
panah atau ruas garis menyatakan nilai atau besar
vektor, sedangkan arah anak, panah menyatakan
arah vektor.Notasi besaran vektor dapat dinyatakan
dengan huruf besar atau huruf kecil yang diberi
tanda panah di atasnya. Misalnya: vektor ab atau
|AB| [3]
Gelombang Sinus
Fungsi matematika yang berbentuk osilasi halus
berulang. Fungsi ini sering muncul dalam ilmu
matematika, fisika, pengolahan sinyal, dan teknik
listrik, dan berbagai bidang lain. Bentuk paling
sederhana dari fungsi ini terhadap waktu (t) [1].
Gambar 3. Gelombang Sinus
Gelombang sinus sangat penting dalam bidang
fisika karena gelombang ini mempertahankan
bentuknya ketika ditambahkan kepada gelombang
sinus berfrekuensi sama yang lain walaupun
fasenya berbeda. Gelombang ini merupakan satu-
satunya fungsi periodik yang memiliki sifat ini.
Sifat ini menjadikan gelombang ini bagian penting
dalam Analisis Fourier.
Gelombang sinus merupakan gelombang yang
berbentuk fungsi sinus seperti yang digunakan
dalam fungsi trigonometri. Dalam elektronika
gelombang sinus memegang peranan besar
dalam menguji dan menganalisa rangkaian. Pada
gambar di bawah ini ditunjukkan gelombang
sinus secara jelas: a. Amplitudo adalah tingginya
puncak gelombang sinus. Amplitudo rms dapat
ditulis:
238
(1)
Dan
(2)
b. Fase, Kadang- kadang gelombang sinus dibagi-
bagi dalam sudut fasanya( dalam derajat). Bila dua
buah gelombang sinus mempunyai frekuensi yang
sama dan terjadi pada saat yang
sama, maka kedua gelombang tersebut dikatakan
sefasa (in phase):
Sebaliknya, bila kedua gelombang tersebut terjadi
pada waktu yang berbeda, maka dikatakan
kedua gelombang tersebut sefasa (out of phase).
Bila ini terjadi, perbedaan fasa tersebut dinyatakan
dalam sudut fasa. Pada gambar B di atas beda sudut
fasa kedua gelombang tersebut =
900. Bentuk sinusoidal yang terendam (damped
sine) merupakan kasus khusus yang dapat anda
dapatkan pada sirkuit yang berisolasi namun
semakin mengecil bersama waktu.
Gambar 4. Gelombang sinus dengan amplitudo
berbeda
Sistem Operasi Android
Pengertian Android sendiri adalah sistem operasi
berbasis Linux yang dipergunakan sebagai
pengelola sumber daya perangkat keras, baik untuk
ponsel, smartphone dan juga PC tablet. Secara
umum Android adalah platform yang terbuka bagi
para pengembang untuk menciptakan aplikasi
mereka sendiri untuk digunakan oleh berbagai
piranti bergerak.
Semenjak kehadirannya pada 9 Maret 2009,
Android telah hadir dengan versi 1.1, yaitu sistem
operasi yang sudah dilengkapi dengan pembaruan
estetis pada apalikasinya, seperti jam alrm, voice
search, pengiriman pesan dengan Gmail, dan
pemberitahuan email.
Hingga tahun 2012, Android telah berkembang
dengan pesat. Dalam kurun 3 tahun Android telah
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016

diproduksi dalam versi, dan versi terakhir yang

diproduksi disebut sebagai Android versi 4.1 atau
Android Jelly Bean.

Karakteristik Media Interaktif berbasis Gambar 5. Model Perancangan

Android
Media interaktif mobile sebagai media
penyampaian informasi atau pesan memiliki
beberapa karakteristik sebagai berikut: (1) Teks
:teks berfungsi sebagai penjelas tambahan di dalam
Media interaktif mobile ini. Di dalam Media
interaktif mobile ini teks cenderung berskala
medium tapi tidak dalam jumlah banyak, karena
teks tidaklah karakteristik yang mendominasi
Media interaktif mobile,(2) Ilustrasi: secara umum
grafik berarti gambar garis, yang merupakan
komponen penting dalam perancangan Media
interaktif mobile. Salah satu cara untuk
menyampaikan informasi secara cepat dan tepat
adalah menggunakan kata-kata dan gambar. Maka
daripada itu, ilustrasi merupakan hal penting untuk
menarik pengguna menggunakan Media interaktif
mobile ini.,(3) Animasi:animasi adalah
menggerakan obyek 2D yang bergerak agar terlihat
hidup seperti berjalan, berbicara, melompat dan lain
sebagainya. Membuat animasi berarti menggerakan
gambar seperti kartun, tulisan dan lain sebagainya
[2]. Di dalam perancangan animasi terdapat frame-
frame atau tahapan per second untuk menggerakan
gambar. setiap frame nya mewakili setiap
pergerakan, fungsi frame tersebut untuk
memberikan suatu gerakan yang halus dan tidak
kaku.,(4) Suara:dalam hal ini suara yang
dibutuhkan adalah suara yang mengiringi Media
interaktif mobile, dan efek tombol untuk menarik
perhatian pengguna., (5) Hubungan
Interaktif:hubungan interaktif dalam konteks ini
adalah terjadinya timbal balik kontak yang
dilakukan, reaksi akibat tercapainya tujuan media
yang interaktif. Seperti contoh pengguna menekan
tombol untuk melink halaman selanjutnya dan
menekan tombol lain untuk memasuki halaman
berikutnya. Alternative link diperlukan bila
pengguna menunjuk pada suatu obyek atau button
supaya dapat mengakses program tertentu.
Interactive link diperlukan untuk menggabungkan
beberapa elemen multimedia sehingga menjadi
informasi yang terpadu [2].
2. Metodologi
Metode Penelitian
Adapun pada perancangan ini diawali dengan
pengumpulan data yang meliputi data pustaka dan
observasi. Dalam tahap pengumpulan data ini ada
beberapa data seperti jenis game dan data gerakan
game yang didapatkan sebagai sumber data untuk
membangun aplikasi game shooter scrolling
berbasis android ini. Disamping itu melakukan
observasi mengenai jenis gerakan pada bidang lurus
terutama gerakan model gelombang sinus yang
didapatkan dari beberapa sumber referensi. Pada
tahap selanjutnya analisis data dimana dilakukan
kajian penerapan gelombang sinus pada pergerakan
penghalang pada game. Setelah melalui proses
kajian langkah selanjutnya tahap implementasi
melalui membangun desain game shooter dengan
jenis scrolling berserta desain aset dan antarmuka
game. Pada tahap selanjutnya membangun
algoritma penerapan gelombang sinus untuk
penghalang game dengan penerapan vektor 2
dimensi. Selanjutnya dilanjutkan visualisasi data
pada aset game kemudian dilanjutkan dengan
ujicoba.
Berikut ini disajikan diagram alur struktur sistem
media pembelajaran berbasis telepon genggam
Android.
Gambar 6. Diagram Alir Penerapan
Gelombang Sinus pada Game
3. Pembahasan
Adapun data awal pada pergerakan penghalang
pada tahap pengumpulan data didapatkan berupa
data gerakan berupa zig zag seperti ditunjukkan
pada gambar 7 Gerakan awal penghalang.

Adapun konsep perancangan dari game

interaktif mobile bahasa jawa ini menggunakan
model prosedural seperti yang tergambar pada
gambar 5 model perancangan. Gambar 7. Gerakan awal penghalang

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

Gambar 8. Pergerakan Sinus

Gambar 10. Desain karakter utama
Tahapan selanjutnya adalah menyusun desain
game, dalam game ini menyusun konsep dalam 2
level dengan penerapan konsep sinus yang berbeda.
Desain level 1 dengan konsep penghalang yang
bergerak dengan pola gerakan sinus. Desain level 2 Gambar 11. Desain karakter penghalang
dengan konsep penghalang yang bergerak dengan
pola gerakan sinus juga peluru dari penghalang
yang bergerak dengan pola sinus. Untuk lebih
jelasnya dapat dilihat pada Tabel 1.

Tabel 1. Skenario Game

Level Desain Level
Level 1 Jumlah Nyawa : 3
Penghalang Jenis : 2
Jumlah Penghalang : 50 random
Konsep penghalang :
- Linier lurus
- Sinus (penghalang bergerak Gambar 12. Desain Layout dan background
dengan pola sinus)
Level 2 Jumlah Nyawa : 3
Penghalang Jenis : 2 Pada desain background game ini memiliki desain
Jumlah Penghalang : 100 random latar belakang berupa langit biru yang diatur
Konsep penghalang : dengan 2 model yaitu model 1 yaitu latar belakang
- Linier horisontal pada level 1 dengan desain latar belakang langit
biru pada saat siang hari dan model 2 yaitu latar
- Sinus
belakang pada level 1 dengan desain latar belakang
- Vertikal, peluru sinus langit biru pada saat sore menjelang petang hari.
Disekitar latar belakang terdapat animasi berupa
awan putih sebanyak 3 buah yaitu awan1, awan2
Adapun aksi gerakan dapat digambarkan sebagai dan awan3. Desain gerakan awan diatur dengan
berikut fungsi timer dengan kriteria seperti ditunjukkan
pada Tabel 2.

Tabel 2. Listing Gerakan Background Awan

Penerapan Metode Sinus

Gambar 9. Diagram gerakan kontrol pengguna
Penerapan metode sinus ini diimplementasikan
Desain Aset Game kedalam 2 model yaitu implementasi pada gerakan
penghalang dan implementasi pada lontaran peluru.
Pada game implementasi gelombang sinus ini a. Gerakan penghalang dengan metode sinus
didesain 4 karakter yaitu 2 karakter sebagai jagoan
bagi pengguna seperti dapat dilihat pada gambar 10
240
Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, 28-29 Oktober 2016
Setiap penghalang jenis ini keluar maka
penghalang ini akan bergerak dengan lintasan
gelombang sinus
Gambar 13: Gerakan penghalang
b. Gerakan lontaran peluru dengan metode sinus.
Pada level 2 terdapat penghalang yang
pergerakannya vertikal, namun penghalang ini
melontarkan Peluru yang bergerak keluar
secara pola sinus namun bergerak selanjutnya
secara horisontal. Disini peluru yang
dilontarkan sebanyak 20 per penghalang
dimana penerapan menggunakan metode sinus
sebanyak 2 fase.Adapun sintak koding dapat
dilihat pada listing (3)
(3)
Tampilan Desain antarmuka game
Game yang dirancang dalam penerapan metode
sinus dalam game ini menggunakan antarmuka
yang sederhana dengan acuan platform
android,dapat dilihat pada Gambar 14.
Gambar 14. Tampilan Hasil visualisasi Game
Tahap Uji Coba Game Penerapan Metode Sinus
Tahap uji coba dari aplikasi ini dilakukan dengan 2
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
uji coba sebanyak 7 kali untuk uji coba gerakan
lontaran peluru dengan pola sinus. Tahap uji coba
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
sinus pada penghalang yaitu pada level 1 dan level
2 serta visualisasi lontaran peluru dengan metode
sinus pada level 2. Dari Hasil uji coba tahap 2
didapatkan pada tahap instalasi sebesar 100%
proses berjalan baik. Tahap visualisasi penghalang
level 1 dan level 2 juga tidak mengalami kendala,
didapatkan visualisasi gerakan 100%. Untuk
Lontaran peluru juga mendapatkan hasil yang
sempurna untuk lontaran peluru yang menggunakan
pola sinus.
4. Kesimpulan
Berdasarkan hasil penelitian yang dilakukan pada
visualisasi metode sinus pada game dapat ditarik
kesimpulan bahwa penerapan visualisasi metode
sinus pada game dapat dilaksanakan dengan baik
dengan tingkat keberhasilan proses 100%, dimana
hasil ini didapatkan dari hasil uji coba luaran data
fungsi yang menghasilkan visualisasi gerakan
gelombang sinus 100% hasil ini didapatkan melalui
uji coba gerakan penghalang dan gerakan peluru
yang dilontarkan melalui penghalang yang bergerak
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
[3] Tay, Vaughan. 2004. Multimedia : Making It Work Edisi
6. Yogyakarta : ANDI
[4] Cooper , Alan. About Face 3. The Essentials of Interaction
Design, ISBN 978-0470084113, www.newsrider.com,
USA, 2008
[5] Reilly, Designing Interface second edition, ISBN 978-1-
449-37390-4, Canada, 2010
 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)

9. Seorang pilot pada pesawat terbang menggunakan komputer navigasi.

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.