PROSIDING (SNATIKA) 2013 SEMINAR NASIONAL TEKNIK INFORMATIKA. Penerbit : Jurusan Teknik Elektro Fakultas Teknik Universitas Hasanuddin

PROSIDING

SEMINAR NASIONAL TEKNIK INFORMATIKA

(SNATIKA) 2013

....IT FOR A BRIGHTER FUTURE....

Penerbit : Jurusan Teknik Elektro Fakultas Teknik Universitas Hasanuddin www.unhas.ac.id/elektro/snatika

ISBN : 978-602-8509-20-6

i

PROSIDING Seminar Nasional Teknik Informatika (SNaTIKa) 2013 ISBN : 978-602-8509-20-6

Penyelenggara : Program Studi S1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Hasanuddin Editor : Tim Editor SNaTIKa 2013 Penerbit : Jurusan Teknik Elektro – UNHAS Jl. Perintis Kemerdekaan KM. 10 Makassar, 90245, Indonesia Telp : (0411) 588111 / 5043366 Fax : (0411) 590124 Email : [email protected] Copyright  SNaTIKa2013 i

Kata Pengantar Seminar Nasional Teknik Informatika (SNaTIKa) 2013 merupakan seminar Teknik Informatika pertama yang diadakan oleh Program Studi Teknik Informatika Universitas Hasanuddin. Seminar ini dilaksanakan pada tanggal 6 September 2013 di Makassar dan bertujuan sebagai wadah penyampaian informasi (ide-ide), diskusi kemajuan terbaru hasil-hasil penelitian dari berbagai kalangan dalam bidang Informatika.

Topik pada seminar ini meliputi soft computing, artificial intelligence, multimedia technology, software engineering, visualization and graphic computer dan bidang lainnya yang terkait.

Harapan kami, prosiding ini dapat membantu komunitas peneliti dalam bidang Teknik Informatika

dan memberikan sumbangsih yang berarti

untuk perkembangan IT masa depan.

Terimakasih kami haturkan kepada semua pihak yang telah bekerja dan memberikan perhatian atas penyelenggaraan seminar dan penyusunan prosiding ini. Semoga kegiatan ini menjadi kegiatan rutin yang kami selenggarakan dan senantiasa berjalan lancar dan sukses.

Makassar, 5 September 2013

Ketua Panitia, Dr. Indrabayu, ST, MT, MBus.Sys

ii

DAFTAR ISI Halaman Judul

i

Kata Pengantar

ii

Daftar Isi

iii

Analisis Penggunaan Teknologi Informasi dalam Perspektif CRM, EIS dan DSS N. Tri Suswanto Saptadi, Hans Christian Marwi

1

Sistem Informasi Seminar Online di Universitas Hasanuddin Andi Asnita Noviyanti, Muhardi, Santi, Abdul Rahman M, Abdul Rachman S, Hendra Surasa

9

Analisis Manajemen Perawatan Mesin Industri dengan Menggunakan Jaringan Syaraf Tiruan Feed Forward Back Propagation (Studi Kasus : PT. Semen Bosowa Maros) Ansar Suyuti, Zulkifli Tahir, Fauzy Alhari, Mardiah R

15

Perancangan Program Aplikasi Mesin Penerjemah Otomatis Bahasa Alami menggunakan Metode Inter-language Link Elyas Palantei, Mukarramah Yusuf, Hardiansyah, Moch. Fadly Riansyah

21

Optimasi Rute Transportasi Sebagai Sarana Bantuan Turis Dengan Algoritma Simulated Annealing Rosjanti, Zahir Zainuddin, Syafaruddin

29

Analisis Unsur Plagiarisme pada Karya Tulis Ilmiah dengan Menggunakan Algoritma Text Mining Melalui Metode Pendekatan Semantik Muhaimin Hading, Pratiwi Hamdhana AM, Rhiza S Sadjad, Mukarramah Yusuf

29

Perancangan Aplikasi Server Berbasis Virtualisasi Elly Warni, Farhan Machfudz, Andry Heriady, Amil A Ilham

35

Aplikasi Informasi dan Peta Lokasi Penginapan Di Kota Makassar Berbasis Android Santi, Ardimansyah

39

iii

Sistem Jaringan Nirkabel Dual-Sensor untuk Monitoring Data Medik Pasien Amil A. Ilham, A.T. Parawangsa, Hasradin, E. Palantei

43

Pengembangan Sistem Informasi Akreditasi Muhammad Takdir Muslihi

49

Rancang Bangun Sistem Manajemen Informasi Perpustakaan Self-Service Berbasis Library 2.0 Julio Dzulfiqar, Mukarramah Yusuf, Zahir Zainuddin M, Fachmy Yusuf

55

Sistem Deteksi Kebocoran pada Jaringan Pipa menggunakan Analisis Tekanan dengan Metode Adaptive Spline Threshold Autoregression (ASTAR) A.Ejah Umraeni Salam, Muh.Tola, Mary Selintung, Farouk Maricar, Indrabayu, Arliyanti Nurdin, Muthmainna

59

Implementasi dan Realisasi Supply Chain Management untuk Mempercepat Proses Inventori dalam Lingkungan Pervasive Studi Kasus : Pembelian Obat Secara Online via Mobile Phone Ida Rachmaniar Sahali, Intan Sari Areni, Budianingsih, Dedi Setiawan, Fahmi

65

Implementasi Aplikasi Pelayanan Informasi Kesehatan Ibu dan Anak Berbasis Data Center Studi Kasus Puskesmas Kota Makassar Salama Manjang, Zahir Zainuddin, Suci Rahmadani R

71

Monitoring Waktu Kerja Mesin Induksi Berbasis Web pada Skala Lab Nikita A. E. Sajangbati, Faizal Arya Samman, Salama Mandjang

77

Pengaturan Pembangkitan Tenaga Listrik dari Baterai sesuai Kondisi Beban Secara Optimal Johan Pongoh, Faizal Arya Samman, Muhammad Tola

83

Sistem Pengukur Kecepatan Awal dan Sudut Bola Pada Simulasi Golf Abdul Azis Rahmansyah, Ilham, Zahir Zainuddin, Faisal Arya Samman

87

Deteksi Illegal Logging dengan menggunakan Metode Wavelet Neural Network Aninditya Nurul, Syafruddin Syarif, Indrabayu

93

iv

ANFIS untuk Prediksi Hujan Harian Sitti Wetenriajeng Sidehabi, Indrabayu

99

Model Optimasi Sumber Daya Air PLTA Bakaru Dalam Mengantisipasi Perkembangan Beban Pada Sistem Kelistrikan Sulselbar Sri Mawar Said, Salama Manjang, M. Wihardi Tjaronge, Muh. Arsyad Thaha

103

Integrasi Laboratorium Virtual (LaVir) Pada Mata Pelajaran Elektronika Digital Sapto Haryoko, Lu’mu , Hendra Jaya , Mustamin

107

v

Analisis Penggunaan Teknologi Informasi dalam Perspektif CRM, EIS DAN DSS N. Tri Suswanto Saptadi1, dan Hans Christian Marwi2 

Abstrak - Rumah Sakit sebagai salah satu fasilitas publik diharapkan dapat memberikan layanan kesehatan dan informasi secara optimal kepada masyarakat. Perkembangan pesat TI telah merubah tata cara manusia bersikap dan berperilaku. Kemajuan teknologi yang tumbuh pesat secara eksponensial ini telah menghasilkan sejumlah situasi perubahan tata kelola di lingkungan rumah sakit. Penelitian berfokus pada penambahan fungsi layanan dalam upaya menciptakan daya saing. Berdasarkan hasil analisis penggunaan teknologi informasi, diperoleh gambaran dalam draft blue print mengenai penambahan fungsi layanan dalam bentuk Customer Relationalship Management, Executive Information System dan Decision Support System untuk meningkatkan profitabilitas dan akuntabilitas. Metode yang digunakan menggunakan pendekatan terstruktur berdasarkan System Development Life Cycle (SDLC) berupa analisa kebutuhan, dan pemodelan sistem terhadap proses bisnis yang berbasis pada database system. Hasil yang berupa pemodelan dan prototipe terhadap fungsi layanan informasi rumah sakit.

Kata Kunci - fungsi layanan, pemodelan dan prototipe, daya sain.

I.

PENDAHULUAN

Rumah Sakit sebagai salah satu fasilitas publik diharapkan dapat memberikan layanan informasi secara optimal kepada masyarakat. Penggunaan ehospital (rumah sakit yang berbasiskan teknologi informasi) akan membuat masyarakat dengan mudah melakukan transaksi dan proses administrasi. Standar, prosedur dan evaluasi kerja yang dilakukan secara komprehensif dan berkesinambungan perlu mengacu pada salah satu standar internasional seperti COBIT Framework yang akan dapat menciptakan ehospital yang efektif [41]. Perkembangan Teknologi Informasi (TI) telah mempengaruhi manajemen rumah sakit Stella Maris Makassar dalam membangun tata kelola yang lebih baik secara transparan dan akuntabel sehingga dapat meningkatkan profitabilitas dan pemberdayaan sumberdaya secara optimal. Pemanfaatan TI juga 1

N. Tri Suswanto Saptadi, Teknik Informatika, FTI, Universitas Atma Jaya Makassar, Jalan Tanjung Alang, Makassar ([email protected]) 2 Hans Christian Marwi, Teknik Informatika, FTI, Universitas Atma Jaya Makassar, Jalan Tanjung Alang, Makassar ([email protected])

Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

merupakan faktor yang dapat membantu kegiatan pelayanan, penjualan dan pemasaran rumah sakit [14]. Hasil pengukuran kinerja layanan informasi rumah sakit dengan menggunakan standar internasional COBIT Framework telah memberikan gambaran mengenai tata kelola TI [31] [33]. Berdasarkan penyusunan draft blue print yang telah didiskusikan kepada pihak manajemen rumah sakit [33], diperoleh gambaran mengenai kebutuhan akan layanan fungsi terhadap layanan informasi yang ditujukan bagi pemangku kepentingan (stakeholders) seperti manajemen, tenaga medis, administrasi, pasien, pemilik, pemerintah, penyalur jasa dan masyarakat. Beberapa kebutuhan layanan fungsi tersebut berupa Customer Relationalship Management (CRM) [28], Executive Information System (EIS) [37] dan Decision Support Systems (DSS) [38] yang berguna untuk meningkatkan profitabilitas, akuntabilitas dan realibilitas. CRM merupakan salah satu metode untuk mengembangkan strategi bisnis yang berpusat pada pelanggan, yang memiliki tujuan yaitu menggunakan hubungan dengan pelanggan untuk meningkatkan keuntungan perusahaan, menggunakan informasi untuk memberikan pelayanan yang memuaskan, dan mendukung proses penjualan berulang kepada pelanggan [5]. EIS menyediakan informasi yang mudah diakses dan bersifat interaktif, tanpa mengharuskan eksekutif menjadi ahli analisis. DSS dapat membantu pengambil keputusan dengan menyediakan informasi, model, atau perangkat untuk menganalisa informasi [20]. Tujuan khusus penelitian yang diharapkan dapat dicapai adalah menciptakan hubungan secara harmonis terhadap layanan bagi pelanggan, membangun sistem informasi bagi layanan manajemen dan kemudahan dalam proses pengambilan keputusan bagi manajemen. Penambahan fungsi layanan informasi yang menjadi urgensi dalam penelitian dilakukan dengan cara menyempurnakan keberadaan tata kelola TI di rumah sakit yang berdasarkan standar internasional COBIT Framework [8]. Secara teknis, penambahan ini perlu ditinjau dari arsitektur aplikasi dengan penggunaan perangkat lunak dan keras yang telah 1

dirancang pada penelitian terdahulu. Penentuan perangkat lunak tidak terlepas dari jenis layanan yang diberikan untuk pihak manajemen, tenaga medis, administrasi dan pasien. Proses bisnis yang terjadi perlu diselaraskan pada tujuan pengelolaan rumah sakit yang telah didefinisikan dalam draft blue print [33]. Penyempurnaan tata kelola TI diharapkan akan dapat: (1) memberikan peningkatan kualitas, fungsionalitas, dan kemudahan menggunakan; (2) mempercepat waktu; dan (3) secara berkelanjutan memperbaiki tingkat layanan terhadap semua harapan melalui pemenuhan realisasi biaya yang relatif rendah dan penggunaan sumberdaya yang efektif. Penambahan fungsi layanan informasi untuk menciptakan daya saing layanan informasi bagi stakeholders [33]. Hasil penelitian berupa suatu model atau prototipe terhadap fungsi layanan informasi rumah sakit yang dapat dikembangkan secara berkala menyesuaikan dengan keadaan dan perkembangan kebutuhan sistem dan permasalahan yang tengah dihadapi untuk menghasilkan solusi efektif secara sistematis. II.

METODE PENELITIAN

Penelitian yang dilakukan menggunakan metode yang terdiri dari analisa kebutuhan dan pemodelan sistem berdasarkan hasil penyusunan draft blue print. Metodologi yang digunakan berisi bahan penelitian, pemodelan software aplikasi, pendekatan analisis dan perancangan. a.

Bahan Penelitian Bahan penelitian yang menjadi sumber data terdiri dari jenis data dan sumber data. 1. Jenis Data meliputi data kualitatif yaitu data yang diperoleh berupa keterangan narasumber berupa informasi tata kelola TI yang berhubungan dengan CRM, EIS dan DSS. Data kuantitatif yaitu data berupa angka-angka dan dapat dihitung misalnya laporan perkembangan jumlah pasien, unit komputer dan pengguna komputer. 2. Sumber data meliputi data primer yang terdiri dari: a. Review Documentation, yaitu meninjau dokumen yang telah ada pada rumah sakit; b. Observasi, yaitu dengan mengadakan pengamatan dan penelitian secara langsung terhadap obyek yang diteliti guna melengkapi data yang diperlukan;

2

c. Wawancara, yaitu mengadakan wawancara dengan stakeholders. untuk mendapatkan informasi yang lebih luas. Untuk data sekunder yang diperlukan berupa data yang diperoleh dari kajian pustaka seperti bukubuku teks, jurnal, majalah, internet, bahan praktikum kuliah, hasil-hasil penelitian terdahulu, serta data dari rumah sakit yang meliputi dokumentasi penerapan teknologi informasi. 2. 2. Pemodelan Software Aplikasi Pemodelan ini bertujuan untuk menyelaraskan antara rencana induk dengan keberadaan SIM rumah sakit. Untuk mendukung dalam pelaksanaan tersebut dibutuhkan keterkaitan antara TI, regulasi, standard operating procedure (SOP), dan best practice.

Teknologi Informasi 1. Trend Teknologi 2. Informasi 3. Aplikasi 4. Organisasi 5. Layanan Fungsi

Regulasi dan Standard Operating Procedure (SOP) 1. Organisasi Kerja Fungsional 2. Dokumen dan Perundangundangan 3. Kesiapan dan Ketersediaan SDM 4. Pelaksanaan Monitoring dan Evaluasi

Best Practice 1. Legacy System 2. Kemampuan Konsultan 3. Pelaku Pelaksana 4. Dunia Luar

Rencana Induk RS Blue Print

Optimalisasi Sistem dan Prosedur Operasi

SIM Rumah Sakit

Integrasi Sistem Operasional Organisasi Ringkasan Informasi Eksekutif Distribusi Informasi

Gambar 1 Pemodelan Software Aplikasi

2. 3. Pendekatan Analisis dan Perancangan Untuk memastikan pelaksanaan pengembangan dalam penggunaan TI dan keberadaan sistem informasi manajemen rumah sakit, diperlukan metodologi. Pendekatan metodologi dimulai dari proses survei dan analisis, perancangan, pengujian, implementasi, pengembangan, pelatihan dan pembekalan, serta pendampingan. Gambar 2 menunjukkan pendekatan metodologi yang diterapkan.


ISBN : 978-602-8509-20-6

Survei dan Analisis: 1. Daftar Data, Prosedur, Asumsi, Kendala 2. Analisa Biaya dan Manfaat 3. Analisis Resiko 4. Daftar Kebutuhan Informasi

Perancangan: 1. Infrastruktur 2. Business Process Reengineering 3. Open System 4. Client/Server 5. RDBMS 6. Algoritma 7. Website 8. Account Email

PENDEKATAN METODOLOGI

Pengujian: 1. Functionalit y 2. Performance 3. Quality

Pendampingan: 1. Onsite dan Offsite 2. Penanganan Perubahan 3. Waktu Tanggap Pelatihan dan Pembekalan: 1. Ceramah/Perkuliahan 2. Diskusi dan Tanya Jawab 3. Workshop/training

Implementasi: 1. Data Mart 2. Data Warehouse 3. Data Mining 4. Pendukung TI

Pengembangan: 1. Inception Phase 2. Elaboration Phase 3. Contraction Phase 4. Transition Phase

Gambar 2 Pendekatan Metodologi

2. 4. Skenario Layanan Fungsi CRM, EIS dan DSS CRM mengelola data customer berupa layanan dan tarif, pengelolaan promosi jasa dan event, pengelolaan agent, call center dan pengaduan, knowledge based (artikel, literatur, dan sebagainya), pengumuman (broadcast) dan SMS center. Untuk meningkatkan layanan terhadap ketersediaan informasi bagi EIS dibutuhkan ketersediaan informasi yang mudah diakses dan bersifat interaktif, tanpa mengharuskan eksekutif menjadi ahli analisis. EIS berisi decision support/manajerial report, indikator pelayanan dan visualisasi data/grafik. DSS membantu dalam proses pengambilan keputusan dengan menyediakan informasi, model, atau perangkat untuk menganalisa informasi.

CRM Data Customer

SIM RS

berada pada bagian humas dan pemasaran. Setelah itu dilakukan observasi dengan cara mengadakan pengamatan dan penelitian secara langsung terhadap obyek yang diteliti guna melengkapi data yang diperlukan. Data yang telah diperoleh kemudian dikomunikasikan dengan cara mengadakan wawancara langsung terhadap para stakeholders untuk mendapatkan informasi yang lebih luas sehingga diperoleh laporan suatu analisa terhadap kebutuhan. Berdasarkan hasil wawancara (data primer) yang dilakukan terhadap wakil direktur umum dan SDM Bapak Yos Immanuel Jong, SKM., MARS., dan sekretaris direktur Ibu Rosa diperoleh informasi mengenai struktur organisasi yang ada dalam bidang umum dan SDM. Wawancara juga dilakukan terhadap bidang umum, SDM dan Diklat serta humas dan pemasaran. Gambar 4 menggambarkan kedudukan para responden yang digambarkan dalam bagan struktur organisasi bidang umum dan SDM. Penelitian yang dilakukan di rumah sakit berfokus pada bagian humas dan pemasaran untuk meningkatkan peran secara fungsional. Prosedur koordinasi berdasarkan garis komunikasi yang terdapat dalam struktur organisasi rumah sakit.

WADIR UMUM & SDM Yos Immanuel Jong, SKM., MARS

Bagian Umum Jemmy Runtuwena

EI S

Bagian SDM dan Diklat Grestin S. Rangga, M.Psi.

Bagian Humas dan Pemasaran Evivana B. Soekardi

Gambar 4 Bagan Struktur Umum dan SDM

Customer Database

DSS Informas i

Gambar 3 Skenarion Pemodelan Fungsi Terintegrasi

III. HASIL DAN PEMBAHASAN 3. 1. Survei dan Analisa Kebutuhan Tahap awal dalam mengumpulkan data di mulai dengan cara melakukan survei ke lokasi penelitian yaitu RS Stella Maris Makassar. Untuk memperoleh data yang dibutuhkan dalam penelitian perlu dilakukan review documentation dengan cara meninjau dokumen yang telah ada pada rumah sakit seperti dokumen struktur organisasi rumah sakit. Data yang berhubungan dalam membangun CRM Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Tugas pokok humas dan pemasaran adalah (1) Peningkatan jumlah kunjungan pelayanan di rumah sakit, baik melalui upaya akuisisi pelanggan baru maupun retensi pelanggan. (2) Pengembangan media pemasaran rumah sakit, seperti: website, leaflet pelayanan, buku profil, video profil, dan paket souvenir. (3) Pengembangan jaringan kerjasama dan pengelolaan dokumen perjanjian kerjasama (MOU) dengan pihak eksternal, baik dalam hal pelayanan kesehatan dan publikasi media massa. (4) Peningkatan brand awarness rumah sakit, baik melalui kegiatan sosial dan upaya publikasi lainnya. (5) Penyediaan kebutuhan informasi dan penanganan keluhan pelanggan terkait pelayanan rumah sakit. Untuk melaksanakan peran layanan fungsi humas dan pemasaran diperlukan suatu data dan prosedur 3

kerja. Tujuannya adalah untuk menyediakan suatu sarana dan hubungan kerja dalam suatu organisasi umum dan SDM. Tugas pokok yang diharapkan dapat dibangun dan diasumsikan melalui suatu mekanisme atau model tata kelola TI berdasar fungsi layanan (CRM, EIS, dan DSS) yang meliputi: (1) Rekapitulasi jumlah kunjungan pelayanan, (2) Pengembangan media pemasaran, (3) Jaringan kerjasama melalui dokumen perjanjian kerjasama (MOU), (4) Pelaksanaan kegiatan sosial dan publikasi, (5) Penanganan keluhan pelanggan terkait pelayanan. Berdasarkan kuesioner yang dibuat oleh bagian pemasaran dan humas yang kemudian diberikan kepada pasien, dapatlah dikategorikan pertanyaan (kelompok) sebagai berikut: 1. Pertimbangan utama pasien untuk dirawat di rumah sakit Stella Maris. 2. Ketersediaan sarana meliputi: parkiran, ruang tunggu, kebersihan kamar perawat, kebersihan tempat khusus (OK, ICU, VK), kebersihan toilet unit perawatan, sarana informasi (nama dan petunjuk arah ruangan/papan pengumuman), dan fasilitas kamar perawat. 3. Pelayanan meliputi: melalui telepon, petugas parkir, security/satpam, registrasi dan administrasi, dokter, perawatan dan bidan, laboratorium, farmasi, dan petugas kebersihan. 4. Kebijakan manajemen meliputi: waktu kunjungan pasien rawat inap, perlengkapan yang dibawa atau tidak bisa dibawa, kualitas makanan. 5. Umpan balik meliputi: penilaian tentang pelayanan, sarana, kesan selama dirawat, saran terhadap peningkatan pelayanan, dan layanan alternatif jika rumah sakit penuh. Berbagai kendala yang tengah dihadapi dikarenakan baru terbentuknya struktur organisasi yang baru (1 Juni 2013) dan pemisahan ruang lingkup kerja yang sebelumnya dibawah koordinasi wakil direktur medis, saat ini sudah beralih kepada wakil direktur umum dan SDM.

dalam bidang kesehatan. Kepuasan layanan bagi pasien (pelanggan) Persentase terhadap jumlah pasien rawat inap maupun jalan Jumlah kunjungan pasien ke penunjang medis seperti laboratorium, fisioterapi, radiologi. Jumlah kertas resep yang diterima baik yang masuk dan keluar seperti: IGD, rawat jalan, dokter luar rumah sakit Cara pembayaran terhadap perawatan dan kunjungan seperti: pribadi, asuransi, jamkesmas Penyampaian materi dan menyaluran media promosi kepada pelanggan melalui pertimbangan pimpinan Kegiatan sosial dan kesehatan di masyarakat Upaya strategis terkait dengan pengambilan terhadap tren Jumlah Pasien seperti sedikit (karena tidak puas), sudah lama dan ada kunjungan ke perusahaan Menentukan media promosi harus disampaikan ke pimpinan seperti selebaran Menentukan jenis produk pada souvenir, leaflet, buku profil, website Menentukan kegiatan sosial seperti kunjungan ke nelayan (penyuluhan) Secara keseluruhan terdapat proses persetujuan anggaran yang diusulkan secara periodik setiap Juni yang dikumpulkan ke sekretariat

8 9 10

11

12

13

14 15

16

17 18 19

1 2

3 4 5 6 7

4

Layanan informasi kesehatan bagi pelanggan. Umpan balik (Feedback) terhadap layanan yang telah diberikan kepada pasien. Penawaran jasa konsultasi dokter bagi pelanggan Layanan penunjang medis Penawaran MOU baik baru, memperpanjang dan revisi Informasi kegiatan sosial dan kesehatan kepada masyarakat Menjalin hubungan dan kerjasama

Pasien

Pemasaran

Humas

Askes

E

D

R

I

S







 



 

 













  



















Hub Yoseph









Hub Elisabeth

Theresia Elisabeth

Yoseph Dapur UGD

S

Hub Loket 1 Loket 1-4

Switch EDP

Hub Pantri Poli

Hub In Health

Hub Bernadeth 2

Bernadeth 1 Hub Rekam Medik

Bernadeth 3 Bernadeth 2

Sarana Hub Jamkesmas

Client RM 1-4 Hemodialis Hub Laboratorium

Hub Keuangan

Hub Gaji

Hub Loket 2 In Health 1-2 Loket 5-7





Server Database Fisioteraphy Akuntansi

Santa Maria 3

S





Client EDP

Kamar

C

M





Personal Client EDP Medical Radiologi Checkup

Santa Maria 2

Aktivitas



3. 2. Perancangan Framework adalah sebuah kerangka kerja yang aman dan dapat dikembangkan lebih lanjut untuk menjalankan proses bisnis. Secara infrastruktur topologi jaringan intranet di rumah sakit dibentuk pada gambar 5. Pengelolaan infrastuktur dilakukan oleh bagian EDP oleh Bapak Petrus Lumintang. Untuk mengintegrasikan hubungan bagian Pemasaran dan Humas diperlukan suatu model desain yang dapat menghubungan ketiga fungsi layanan yang meliputi CRM IES dan DSS.

Tabel 1 Pemetaan Aktivitas dan Model CRM, EIS dan DSS No



Farmasi 1-4

Hub Farmasi 2

Hub Farmasi 1

Jamkesmas 1-3

Clinet 1-3 Client 1-3

Farmasi 5-6

Gambar 5 Topologi Jaringan Intranet


ISBN : 978-602-8509-20-6

Berikut model desain umum framework CRM Sistem Informasi Customer Relationship Management Rumah Sakit yang berhubungan dengan Pelanggan. INTEGRATIN G PEMASARAN DAN HUMAS

CUSTOMER LIFECYCLE Awareness Acquisition Growth Rerentation Advocacy

Advertising Website E-mail Call Center Sosial Media Sales Event Public Relations

Database Pemasara n dan Humas

Model data flow diagram pada proses sistem pengelolaan humas dan pemasaran terdiri dari entitas pelanggan, percetakan, produsen, wadir umum dan sdm, bagian pemasaran dan humas terdapat pada gambar 9. Hubungan yang terjadi adalah keterkaitan proses antara masing-masing entitas berdasarkan aliran data yang saling berhubungan seperti data registrasi, info layanan, keluhan pelanggan, penawaran, pesanan, info biaya, waktu pengerjaan, kegiatan, penjadwalan, proposal, konsultasi, informasi kerjasama, pelaporan.

pelaporan info layanan

Gambar 6 Model Desain CRM

Penggambaran proses bisnis yang terjadi dalam lingkup medis meliputi hubungan antara pelanggan dengan manajemen rumah sakit yang diwakili oleh bagian pemasaran dan humas. Pelanggan

Eksternal

Logistik

Permintaa n info biaya, waktu pengerjaa n Pesanan, ketentuan

Tatap Muka

Bagian Skills Pemasaran & Humas

Media Tertentu

Phone

Penawara n produk

Culture

Knowledg e

Collaboration

Proses Pemasaran Humas Service Layanan Pelanggan Gambar 7 Proses Bisnis dalam Lingkungan Pemasaran dan Humas

Internal

Untuk mendukung proses ketersediaan informasi bagi manajemen rumah sakit diperlukan suatu desain EIS yang menjabarkan bagaimana proses CRM dapat memberikan kontribusi bagi penyajian informasi manajemen yang bersumber dari layanan SIM RS. Gambar 8 merupakan hasil rekayasa ulang proses bisnis untuk EIS.

Model pengambilan keputusan terhadap pemilihan percetakan/pelanggan dan produk promosi didasarkan pada kebutuhan bagian pemasaran dan humas. Secara rutin aktifitas di bagian ini selalu merencanakan dalam pemilihan percetakan/pelanggan dan produk promosi. Gambar 10 dan 11 menunjukkan bagaimana pola pengambilan keputusan dibentuk dalam strultur Analytic Hierarchy Process (AHP). Sasaran

Percetakan/Pelanggan

Kriteria Pengalaman

Model

Desain

Biaya

Domisili

Executive Information System

CRM Informas i internal dan eksternal

Bagian Pemasaran

Gambar 9 Diagram Konteks

dan Umpan Balik

Agenda rapat

Sekretaria t

Permasalahan e-Mail & Web

Bagian Humas

kegiatan, penjadwalan, proposal

Pengalaman Customer (Experience)

Saluran Sarana CRM

Konsultasi, informasi, kerjasama

Sistem Informasi Humas dan Pemasaran

distribu si

Percetaka n

Kontak Person

Cust. Serv

Wadir Umum dan SDM

registrasi , keluhan

Pelangga n

SIM

RS

Informasi: Pasien: kepuasan, penunjang medis, resep, kunjungan Pemasaran: materi dan menyaluran media promosi Humas: kesehatan dan sosial masyarakat

Alternatif Perusahaan A

DSS

Pemilihan Percetakan dan Produk Promosi

Perusahaan B

Perusahaan C

Gambar 10 Pola AHP Pemilihan Percetakan/pelanggan dalam DSS

Gambar 8 Keterkaitan CRM dengan EIS dalam SIM RS


ISBN : 978-602-8509-20-6

5

Sasaran

Produk Promosi

Kriteria Biaya

Waktu

Kualitas

pengembangan sistem informasi manajemen di rumah sakit sehingga dapat meningkatkan layanan fungsi informasi berbasis tata kelola TI yang berguna untuk meningkatkan profitabilitas, akuntabilitas dan realibilitas khususnya bagian pemasaran dan humas. V. SARAN

Alternatif Websit e

Leafl et

Call Cente r

Buku Profil

Video Profil

Paket Souveni r

Gambar 11 Pola AHP Pemilihan Produk Promosi dalam DSS

Untuk membangun kebutuhan layanan informasi yang memadai, diperlukan desain database yang tepat. Salah satu contoh pengembangan model ER-Diagram pada layanan bagian pemasaran dan humas adalah manajemen data promosi dan percetakan. Perangkat lunak yang digunakan adalah DBDesigner/DbWrench. Gambar 12 berikut merupakan desain database.

Diharapkan penelitian pada tahap berikut bertujuan untuk menciptakan sistem yang terintegrasi dengan rumah sakit lain di kota Makassar dengan memanfaatkan konsep sistem cloud computing. Hasil yang diharapkan berupa desain sistem terintegrasi dengan rumah sakit lain di kota Makassar sehingga memungkinkan terjadinya share data seperti informasi history rekam media pasien dari kecil hingga saat ini, pemberdayaan tenaga medis secara terstruktur dan pemberdayaan peralatan medis yang dimiliki dengan teknologi yang digunakan secara bersama. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Direktorat Penelitian dan Pengabdian kepada Masyarakat yang telah memberi dukungan financial dan Direktur Rumah Sakit Stella Maris dalam memberikan data dan informasi terhadap penelitian ini. DAFTAR PUSTAKA

Gambar 12 ER-Diagram Pemasaran dan Humas

Perancangan yang telah dilakukan diharapkan memberikan dampak yang positif bagi perencanaan rumah sakit dalam blue print tata kelola TI. Supaya menjadi efektif dalam kinerjanya, diperlukan ketersediaan sdm yang kompeten dan memiliki suatu kualifikasi di bidang TI. Rencana pengembangan TI sebaiknya dibuat berdasarkan kebutuhan layanan informasi, terutama layanan bagi percetakan, pelanggan, produk promosi dan hubungan dengan instansi eksternal. IV.

KESIMPULAN

Pembentukan model atau prototipe yang telah dihasilkan dapat menjadi rujukan dalam 6

[1] Alijoyo, F, Antonius. 2003. IT Governance. Forum for Corporate Governance in Indonesia (FCGI). Indonesia. [2] Atmojo, Tri Y, 2007. Pelayanan Public dan Konsep tentang Kepuasan Pelanggan. http://triatmojo.wordpress.com/2007/01/15/pelayananpublik-dan-konsep-tentang-kepuasan-pelanggan/. Diakses tanggal 12 Februari 2007. [3] Azwar, Saifudin. 2003. Metode Penelitian. Pustaka Pelajar. Yogyakarta. [4] Azwar, Saifudin. 2006. Reliabilitas dan Validitas. Pustaka Pelajar. Yogyakarta. [5] Bunardi, Jimmy. 2011. Sistem Informasi Customer Relationship Management Rumah Sakit Santo Borromeus. Unikom. Bandung. [6] CIO. 2006. CIO. http://www.cio.com. Diakses tanggal 28 Agustus 2006 [7] COBIT Steering Committee and the IT Governance Institute. 2000. Implementation Toolset. IT Governance Institute. USA. [8] COBIT Steering Committee and the IT Governance Institute. 2004. COBIT 4,0. IT Governance Institute. USA. [9] Dodd, H, Charley. 2004. Managing Business and Profesional Communication. Pearson Education, Inc. USA. [10] Ebizzasia. 2006. eBizzAsia Mei-Juni 2004. http://www.ebizzasia.com. Diakses tanggal 20 November 2006. [11] Edwin E; Tozer. 1996. Strategic IS / IT Planning. ButterworthHeinemann. USA. [12] Ezcobit. 2006. COBIT online tutorial. http://www.ezcobit.com. Diakses tanggal 7 Juni 2006. [13] Hadi, Sutrisno. 1993. Metodologi Research, Jilid I, Cetakan Ke-24. Yogyakarta: Andi Offset. [14] Hartono. 2010. Rancang Bangun Electronic Customer Relationship Management (E-Crm) Sebagai Sistem Informasi Layanan Pelanggan Pada Rumah Sakit Mata “Dr. Yap” Yogyakarta. Skripsi. STMIK Amikom Yogyakarta.


ISBN : 978-602-8509-20-6

[15] Instruksi Presiden RI No. 3 Tahun 2003. mengenai Kebijakan dan Strategi Nasional Pengembangan E-Government. [16] Isaca. 2006. COBIT. http://www.isaca.org. Diakses tanggal 27 Juni 2006. [17] IT Governance Institute. 2003. Boar Briefing on IT Governance second edition. IT Governance Institute. USA. [18] ITGI. 1998. COBIT Student Book in Academia USA. http://www.itgi.org and http://www.isaca.org. Diakses tanggal 28 April 2006. [19] Jack, J, Champlain. 2002. Auditing Information System. John Wiley & Sons. Inc. New Jersey. Canada. [20] Kadir, Abdul. 2008. Pengenalan Sistem Informasi. Andi. Yogyakarta. [21] Majalah e-Indonesia. 2006. e-Hospital. Vol, I. No 10 / Edisi Maret hal, 16-21. [22] Majalah e-Indonesia. 2006. e-Hospital. Vol, I. No 12 / Edisi Juni hal, 33. [23] Michael, J, Earl. 1989. Management Strategies for Information Technology. Prentice Hall Europe. USA. [24] Nazir, Mohammad. 1999. Metode Penelitian. Ghalia Indonesia. Jakarta. [25] Payne, Adrian. 2005. Customer Relationship Management. Wikipedia, the free encyclopedia. [26] Rangkuti, Freddy. 2003. Measuring Customer Satisfaction. PT, Gramedia Pustaka Indonesia. Jakarta. [27] Riduwan. 2005. Skala Pengukuran Variabel-variabel Penelitian. Bandung: Alfabeta. [28] Tama, B.A. 2009. Implementasi Teknik Data Mining di dalam Konsep Customer Relationship Management (CRM). Konferensi Nasional Sistem dan Informatika 2009, Bali, November 14, 2009. KNS&I09-011. [29] Salmeron, Jose L. and Herrero, Ines. An AHP-based methodology to rank critical success factors of executive information systems. Computer Standards & Interfaces, Volume 28, Issue 1, July 2005, pp. 1-12. [30] Salmeron, Jose L. EIS Evolution in Large Spanish Businesses. Information & Management Volume 40, Issue 1, 2002, pp. 41-50 [31] Saptadi Tri Suswanto. 2007. Pengukuran Layanan Teknologi Informasi. Jurnal Pembangunan Wilayah dan Masyarakat, Volume 6, No. 1 Juli-Desember 2006 ISSN : 1412-1484. [32] Saptadi Tri Suswanto. 2011. Pengambilan Keputusan Strategis Penggunaan Sistem Informasi dengan Metode Analytical Hierarchy Process (AHP), Prosiding Fortei, Edisi 8-9 Desember 2011 ISSN 978-602-8509-16-9, Unhas. [33] Saptadi Tri Suswanto, 2012. Analisis Penggunaan Teknologi Informasi pada Rumah Sakit Stella Maris, Prosiding SNIf ISSN: 2088-9747, Edisi 19 Oktober 2012, STMIK Potensi Utama Medan, Sumatera Utara. [34] Stone, Merlin and Neil Woodcock. 2001. Defining CRM and Assessing its Quality, in Successful Customer Relationship Marketing. Brian Foss and Merlin Stone. eds. London: Kogan Page, 3–20. [35] Swa. 2007. IT Strategic Plan. http://www.swa.co.id. Diakses tanggal 12 Januari 2007 [36] TeamQuest’s Perspective. 2004. Aligning IT with Business Priorities. TeamQuest Corporation. [37] Thierauf, Robert J. Executive Information System: A Guide for Senior Management and MIS Professionals. Quorum Books, 1991 [38] Turban, E; & Aronson, Jay; E. 1998. Decision Support Systems And Intelligent Systems. Prentice-Hall International, Inc. USA. [39] Turban; McLean; Wetherbe. 1999. Information Technology For Management. John Wiley & Sons, Inc. USA. [40] Wikipedia. 2010. COBIT. http://en.wikipedia.org. Diakses tanggal 5 Mei 2010. [41] Wiryomartani. 2004. Model Audit Sistem Informasi pada Perencanaan dan Implementasi Sistem studi kasus Sistem Informasi Rumah Sakit Borromeus. http://if.lib.itb.ac.id/go.php. Diakses tanggal 12 Juni 2006. [42] Xu, M., Walton, J. 2005. Gaining Customer Knowledge Through Analytical CRM, Industrial Management and Data System, Vol.105 No.7. pp 955-977


ISBN : 978-602-8509-20-6

7

Halaman ini sengaja dikosongkan

8


ISBN : 978-602-8509-20-6

Sistem Informasi Seminar Online di Universitas Hasanuddin Andi Asnita Novyanti1, Muhardi2, Santi2, Abdul Rahman M3, Abdul Rahman S4, Hendra Surasa5 1 Kementerian Perhubungan PIP Makassar 2 STMIK Dipanegara Makassar 3 Universitas Muslim Indonesia Makassar 4 AMIK RIZKY Makassar 5 STMIK Kharisma Makassar

Abstrak-Keterbatasan waktu dalam mencari info seminar, dan kurangnya fasilitas untuk mempromosikan seminar yang akan diselenggarakan seringkali menyebabkan berkurangnya jumlah peserta seminar. Sebenarnya sudah ada sistem informasi seminar online di UNHAS (http://conference.unhas.ac.id/), namun masih menggunakan bahasa inggris, belum menyimpan informasi seminar selama 1 tahun dan tampilannya masih sangat sederhana. Hal ini tentunya dapat menjadi masalah karena masih banyak orang Indonesia yang belum familiar dengan bahasa inggris. Dilatarbelakangi oleh permasalahan di atas, maka penulis berinisiatif untuk membuat suatu sistem informasi seminar online yang dapat menyimpan dan menampilkan informasi seminar di UNHAS selama 1 tahun. Dengan adanya sistem informasi ini yang tampilannya jauh lebih menarik dan user friendly diharapkan informasi seminar di UNHAS dapat disimpan dan dipromosikan dengan baik. Selain itu sistem ini juga diharapkan dapat memberi kemudahan bagi siapa saja yang sedang mencari informasi seminar di UNHAS tanpa harus terkendala dengan masalah bahasa. Kata kunci - Sistem Informasi, Seminar, Web

I.

PENDAHULUAN

tentunya dapat menjadi masalah karena masih banyak orang Indonesia yang belum familiar dengan bahasa inggris. Oleh karena itu dibutuhkan suatu sistem informasi seminar online di UNHAS yang berbahasa Indonesia dan dapat menyimpan data seminar yang terkomputerisasi serta dapat diakses secara online. Sistem ini memungkinkan pengunjung untuk mengakses fasilitas informasi seminar selama 1 tahun. Jika dibandingkan dengan sistem yang sudah ada sebelumnya, sistem ini juga dibuat lebih menarik dan user friendly agar dapat menjadi sarana promosi seminar yang lebih baik. 1.2 Batasan Masalah Melihat banyaknya permasalahan yang dapat dibahas dalam sistem ini, maka penulis membatasi masalah dalam hal: 1. Sistem yang akan dibuat dibatasi pada seminar yang berkaitan dengan ilmu teknik elektro, seperti: teknik informatika, teknik energi, teknik telekomunikasi, dan teknik energi. 2. Sistem ini hanya menampilkan informasi yang meliputi: topik, judul, jadwal, tempat, lokasi, waktu dan penyelenggara seminar.

1.1 Latar Belakang Masalah Mencari informasi seminar di UNHAS ternyata bukanlah hal yang mudah. Hal ini disebabkan oleh terbatasnya waktu untuk mencari informasi seminar. Selain itu kurangnya fasilitator terutama media elektronik bagi pihak penyelenggara dalam mempromosikan seminar yang akan diselenggarakan juga menjadi kendala yang perlu diatasi. Sebenarnya sudah ada sistem informasi seminar online di UNHAS (http://conference.unhas.ac.id/), namun masih menggunakan bahasa inggris belum menyimpan informasi seminar selama 1 tahun dan tampilannya masih sangat sederhana. Hal ini

1.3 Tujuan Penelitian Adapun tujuan penelitian ini adalah : 1. Memberikan kemudahan kepada siapa saja yang berkeinginan untuk mencari informasi seminar di UNHAS, terutama bagi yang ingin mengikuti seminar sesuai dengan minatnya. 2. Memudahkan dan mengefisienkan proses promosi seminar bagi pihak penyelenggara.


9

ISBN : 978-602-8509-20-6

1.4 Manfaat Penelitian Hasil penelitian ini diharapkan dapat bermanfaat baik secara teoritis maupun secara praktis. Adapun manfaat yang diharapkan adalah :

1. Bagi UNHAS, hasil penelitian ini dapat dijadikan sebagai contoh sistem informasi seminar online. 2. Bagi masyarakat, sebagai referensi tambahan dalam bidang analisa dan perancangan sistem. II.

TINJAUAN PUSTAKA

2.1. Sistem Informasi Suatu sistem adalah suatu kesatuan yang terdiri dari dua atau lebih komponen atau subsistem yang berinteraksi untuk mencapai suatu tujuan. (Jogiyanto, 2005 : 683).

transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategis di dalam suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan yang dapat diakses melalui jaringan internet atau via website. Suatu sistem informasi online dapat dibangun melalui empat tahap. Keempat tahap itu adalah spesisfikasi kebutuhan, evaluasi alternatif, desain, dan implementasi. Untuk menguji kelayakan penggunaan sistem maka langkah pembuatannya dapat ditambah dengan tahap pengujian yang termasuk dalam tahap terakhir. III. METODOLOGI

Gambar 1. Bentuk dasar suatu sistem (Jogianto, 2005) Sistem informasi dapat didefinisikan sebagai suatu sistem di dalam suatu organisasi yang merupakan kombinasi dari orang-orang, fasilitas, teknologi, media, prosedur-prosedur dan pengendalian yang ditujukan untuk mendapat jalur komunikasi penting, memproses tipe transaksi rutin tertentu, memberi sinyal kepada manajemen dan yang lainnya terhadap kejadian-kejadian internal dan eksternal yang penting dan menyediakan suatu dasar informasi untuk pengambilan keputusan yang cerdik. (Jogiyanto, 2005 : 697). 2.2. Basis Data Menurut Fathansyah (1999:2) basis data terdiri dari 2 kata, yaitu Basis dan Data. Basis kurang lebih dapat diartikan sebagai markas atau gudang, tempat bersarang atau berkumpul. Sedangkan Data adalah representasi fakta dunia nyata yang mewakili suatu objek seperti manusia (pegawai, mahasiswa, dll), barang, hewan, peristiwa, konsep, keadaan dan sebagainya yang direkam dalam bentuk angka, huruf, simbol, teks gambar, bunyi atau kombinasinya. Jadi basis data dapat diartikan sebagai kumpulan data yang direkam dalam bentuk angka, huruf, simbol, dan sebagainya. 2.3. Sistem Informasi Online Sistem informasi online dapat diartikan sebagai suatu sistem di dalam organisasi yang mempertemukan kebutuhan pengelolaan 10

Penelitian ini dilakukan di kota Makassar. Alat yang digunakan dalam penelitian ini adalah laptop dengan sistem operasi Windows, serta software JQuery, dan Macromedia. Data yang diperlukan adalah informasi seminar. Perancangan sistem ini menggunakan metode Waterfall, model ini memberikan pendekatanpendekatan yang sistematis dan berurutan bagi pengembang aplikasi [7]. Tahapan-tahapan dari perancangan aplikasi antara lain: 1. Pengumpulan Data, yaitu mengumpulkan semua data-data yang dibutuhkan dalam perancangan sistem. 2. Analisis sistem, yaitu menganalisa kebutuhan sistem berupa ruang lingkup informasi, fungsifungsi yang dibutuhkan, kualitas, serta kinerja sistem yang ingin dihasilkan. 3. Desain sistem, mencakup perancangan sistem berdasarkan hasil analisis yang telah dilakukan sebelumnya. Proses ini berfokus pada perancangan sistem dalam bentuk pemodelan UML. 4. Penulisan Kode Program, tahap penulisan kode program sistem dengan menggunakan bahasa pemrograman PHP dan database MySQL. 5. Pengujian Aplikasi, yaitu melakukan pengujian terhadap kinerja setiap fungsi yang digunakan. 6. Penerapan, tahapan ini bisa dikatakan final dalam perancangan sebuah aplikasi dan dapat digunakan oleh user. IV. ANALISA DAN PERANCANGAN Sebelum tahap implementasi, perlu dilakukan tahap analisa dan perancangan sistem terlebih dahulu. Hal ini untuk memudahkan dalam Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

menjabarkan kebutuhan atau persyaratan desain dari sistem yang akan dibuat.

dan

4.1. Analisis Kebutuhan Fungsional Analisis kebutuhan fungsional terbagi atas input dan output. Data yang diinput adalah datadata yang berkaitan dengan seminar yang akan diselenggarakan. Misalnya: bidang ilmu, topik seminar, judul, waktu dan tempat pelaksanaan, biaya kontribusi, fasilitas dan pemateri/narasumber. Output dari sistem adalah informasi seminar yang dipilih dan jumlah peserta yang berminat ikut seminar. 4.2. Kebutuhan Kualitas Kebutuhan kualitas sistem ditentukan berdasarkan delapan hal. Pertama, response time, dimana dalam keadaan jaringan bagus, sistem dapat merespon dalam hitungan 5 detik. Kedua, throughput, dimana sistem dapat menampilkan minimal 2 halaman info jadwal seminar untuk tiap menitnya. Ketiga, resource usage, dimana sistem hanya membutuhkan kapasitas 500 MB penyewaan di webserver. Keempat, reliability yaitu dalam 5 bulan penggunaan sistem hanya mengalami sekali failure. Berikutnya adalah availability. Dimana sistem tetap dapat diakses selama 24 jam setiap hari. Keenam adalah recovery from failure. Dimana jika terjadi failure dikarenakan jaringan kurang baik, maka data mengenai informasi seminar akan tetap tersimpan. Selanjutnya ialah allowance for maintainability and enhancement. Jika sistem ini akan dikembangkan lebih jauh, maka dapat dilakukan dengan menambahkan kategori untuk memudahkan user atau pengunjung mendapatkan informasi. Dan terakhir ialah allowance for reusability. 40% dari baris kode dibuat untuk dapat digunakan kembali sekiranya pada pengembangan selanjutnya dilakukan upgrade ke PHP dan MySQL yang lebih baru. 4.3. Kebutuhan Platform Kebutuhan platform sistem meliputi computing platform dan teknologi yang digunakan. Ditinjau dari segi computing platform, sistem ini dapat bekerja pada minimal sistem operasi Windows XP ke atas dan Linux. Dengan kapasitas RAM minimal 1 GB. Serta free Harddisk 200 MB. Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Ditinjau dari sisi teknologi yang digunakan, software yang digunakan untuk membangun sistem adalah software yang mendukung bahasa pemrograman PHP 5.3 dan untuk basis datanya adalah MySQL 5. 4.4. Perancangan Sistem Bagian ini akan menjelaskan secara rinci tentang sistem informasi seminar di UNHAS Makassar yang pemodelan objeknya dalam bentuk Unified Modelling Language (UML). UML (Unified Modelling Language) adalah sebuah bahasa yang berdasarkan grafik/gambar untuk memvisualisasi, menspesifikasikan, membangun, dan pendokumentasian dari sebuah sistem pengembangan software berbasis ObjectOriented. UML sendiri juga memberikan standar penulisan sebuah sistem blue print, yang meliputi konsep bisnis proses, penulisan kelaskelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem software. UML terdiri atas beberapa diagram yang dikelompokkan menurut aspek atau sudut pandang tertentu. Namun yang ditampilkan di paper ini hanya: diagram use case, diagram class, diagram sequence, diagram communication, dan diagram state. 4.4.1. Pemodelan use case diagram

Gambar 2. Use case diagram

11

4.4.2. Class diagram 4.4.6. Activity diagram

Gambar 3. Class diagram Gambar 7. Activity diagram 4.4.3. Sequence diagram V.

IMPLEMENTASI DAN PENGUJIAN

Sistem ini dibuat dengan menggunakan JQuery yang berbasis PHP dan mySQL. Coding untuk menampilkan menu utama yang ada di sistem ini adalah sebagai berikut: Gambar 4. Sequence Diagram Melihat Info Seminar 4.4.4. Communication diagram 2: JnsSeminar :getJenisSeminar

1: requestToView(aVisitor) <>

:GUI

:DataInfoSeminar 3: hasInfoSeminar <<parameter>>

aVisitor:V isitor

:DataSeminar 6:addtoViewList <<parameter>>

4: view

:View 5: viewToInfoSeminar <<parameter>>

Gambar 5. Communication diagram 4.4.5. State diagram Link Info Seminar/kategori

Listing berikut ini untuk menampilkan arsip informasi seminar selama 1 tahun.

After click Halaman Informasi Seminar After click

Home

Gambar 6. State diagram

12


ISBN : 978-602-8509-20-6

Karena listing program ini sangat panjang maka penulis hanya menampilkan listing di atas yang dianggap paling penting. untuk lebih jelasnya tampilan web dapat dilihat di bawah ini:

5.4. Halaman Berita

5.1. Halaman Home Gambar 11. Halaman Berita 5.5. Halaman Download

Gambar 12. Halaman Download 5.6. Halaman Galeri Foto

Gambar 8. Halaman Home Gambar 13. Halaman Galeri Foto 5.2. Halaman Profil 5.7. Halaman Hubungi Kami

Gambar 9. Halaman Profil 5.3. Halaman Agenda

Gambar 14. Halaman Hubungi Kami Gambar 10. Halaman Agenda


ISBN : 978-602-8509-20-6

5.8. Pengujian Metode uji coba black box memfokuskan pada keperluan fungsional dari software. Karena itu uji coba black box memungkinkan pengembang software untuk membuat himpunan kondisi input yang akan melatih seluruh syarat-syarat fungsional suatu program. 13

Uji coba black box berusaha untuk menemukan kesalahan-kesalahan berikut ini: Tabel 1. Pengujian Black Box

Berdasarkan hasil pengujian dengan metode black box maka, sistem dikatakan sudah dapat memberikan output sesuai dengan tujuan pembuatan sistem, maka dapat disimpulkan bahwa perangkat lunak yang dirancang sudah berjalan dengan sukses.

VI.

PENUTUP

6.1. Kesimpulan 1. Dengan adanya sistem informasi seminar online ini, pemilik web, pengunjung dan penyelenggara dapat dengan mudah mengakses informasi seminar kapan pun dan dimanapun dia berada. 2. Sistem yang diusulkan mampu memenuhi kebutuhan pelanggan yang membutuhkan sistem penyimpanan informasi seminar.

14

6.2. Saran 1. Sistem ini diharapkan ke depannya dapat dikembangkan lebih lanjut agar pengunjung dapat mencari informasi yang bersifat ambigu. 2. Sistem ini diharapkan dapat dilengkapi dengan fasilitas chatting dan media komunikasi lainnya yang akan mempermudah user untuk berkomunikasi dengan admin sistem atau pihak penyelenggara. DAFTAR PUSTAKA [1] Anonim. “Analisa dan Perancangan Sistem.” STMIK Budidarma, 2011. [2] Ridwan. “Rancangan Sistem Informasi Penyewaan Lapangan Pada My Futsal Menggunakan VB. NET.” Mercu Buana. [3] Munawar. “Pemodelan Visual dengan UML.” Yogyakarta : Graha Ilmu, 2005. [4] Jogiyanto. “Pendekatan Prosedur Sistem Informasi.” Jakarta : Graha Ilmu, 2005. [5] Sutopo, Ariesto Hadi. “Analisis Sistem Informasi.” Jakarta : Salemba Empat, 2002 : 242. [6] Tauri. “Analisa dan Perancangan Sistem Pengolahan Data.” Jakarta. PT. Elex Media Komputindo. 1990. [7] Roger.R. Pressman. “Rekayasa Perangkat Lunak (Terjemahan),” Andi Offset, Yogyakarta, 2012.


ISBN : 978-602-8509-20-6

Analisis Manajemen Perawatan Mesin Industri dengan Menggunakan Jaringan Saraf Tiruan Feed ForwardBack Propagation (Studi Kasus PT. Semen Bosowa Maros) Ansar Suyuti1, Zulkifli Tahir2, Fauzi Alhari2, Mardhiyyah Rafrin2 1

Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar Program Studi Teknik Informatika Universitas Hasanuddin, Makassar

2

Abstrak - Pemeliharaan merupakan fungsi yang penting dalam suatu pabrik sebagai suatu usaha menggunakan fasilitas/peralatan produksi agar kontinuitas produksi dapat terjamin dan menciptakan suatu keadaan operasi produksi yang memuaskan sesuai dengan rencana. Oleh karena itu proses manajemen pemeliharaan mesin-mesin perlu diperhatikan dalam suatu proses produksi. Dengan menggunakan model Decision Making Grid (DMG), pengambilan keputusan terbaik dalam proses pemeliharaan mesin-mesin industri dapat dilakukan berdasarkan kriteria downtime dan frekuensi kerusakan mesin. Tujuan dari penelitian ini adalah untuk membuat dan menganalisa sistem cerdas pembuat keputusan strategi pemeliharaan mesin industry dengan menggunakan model DMG dan Jaringan saraf tiruan feed forward-backpropagation. Penelitian ini memanfaatkan data downtime dan frekuensi kerusakan PT. Semen Bosowa Maros sejak tahun 2007 hingga tahun 2012. Jaringan saraf tiruan yang dibentuk berjumlah 100 buah dengan parameter yang berbeda-beda seperti dimensi hidden layer, learning rate serta maksimal epoch. Setelah diuji, Tingkat akurasi terbaik yang diperoleh dari jaringan tersebut adalah sebesar 93.07% jika dilakukan validasi menggunakan data pelatihan dan 92.59% ketika menggunakan data pengujian.

Kata kunci – Jaringan Saraf Tiruan, Feed forward backpropagation, Decision Making Grid

diperlukan sebuah sistem cerdas pengambil keputusan dalam memilih strategi pemeliharaan mesin yang tepat. Analisis pengambilan keputusan yang akan digunakan adalah metode Decision Making Grid (DMG). Keputusan yang telah dibuat oleh DMG akan dianalisa menggunakan Jaringan Saraf Tiruan (Artificial Neural Network). Jaringan sarafaf tiruan mampu membuat keputusan pada data baru berdasarkan data masa lalu yang telah dipelajari [1]. Tujuan penelitian ini adalah untuk membuat sistem cerdas manajemen perawatan mesin yang menghasilkan output berupa solusi terbaik untuk perawatan mesin dengan menggunakan Jaringan Saraf Tiruan feed forwardback propagation. Dan untuk menganalisis hasil program pengambilan keputusan metode JST feed forward-back propagation untuk perawatan mesin-mesin industri sesuai dengan model DMG. Adapun batasan masalah penelitian ini adalah data yang diolah berupa waktu kerusakan (downtime) dan frekuensi kerusakan setiap tahun.

II. METODE PENELITIAN A. Decision Making Grid (DMG)

I. PENDAHULUAN Perawatan pabrik merupakan hal yang sangat mahal bila penanganannya tidak tepat. Tindakan perawatan terhadap suatu pabrik yang dilakukan hanya berdasarkan kondisi kerusakan mesin dan fasilitas di pabrik yang ditentukan oleh badan pembuat kebijakan di lingkungan pabrik. Tindakan perawatan terhadap suatu pabrik yang dilakukan hanya berdasarkan kondisi kerusakan mesin dan fasilitas di pabrik yang ditentukan oleh badan pembuat kebijakan di lingkungan pabrik. Jika tindakan ini dikombinasikan dengan manajemen perawatan yang terabaikan, maka hal ini akan memperpendek masa berguna (useful life) dari mesin-mesin pabrik dan mugkin juga akan menambah biaya lainnya seperti biaya kerusakan (downtime cost) dan berbagai kerugian yang timbul akibat dampak yang mungkin ditimbulkan oleh kerusakan sistem (Priyanta, 2000). Dengan demikian Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Penelitian ini diawali dengan pengambilan data dari PT. Semen Bosowa Maros. Data tersebut berupa total downtime dan frekuensi kerusakan mesin setiap tahun. Data tersebut kemudian dipetakan sesuai dengan kriteria downtime dan frekuensi dalam DMG. DMG bertindak sebagai peta yang memetakan kerusakan mesin berdasarkan pembuatan keputusan [2]. Tujuannya adalah untuk mengimplementasikan strategi pemeliharaan yang tepat pada proses manajemen pemeliharaan mesin industri. Referensi [3] mengusulkan model DMG sebagai penempatan performansi dari mesin yang bermasalah berdasarkan multi kriteria. Kemudian referensi mendefinisikan DMG dalam diagram dua dimensi. Dimensi pertama adalah downtime dengan kriteria low, medium dan high. Dimesi kedua adalah frekuensi mesin

15

rusak, juga dengan kriteria low, medium dan high. Metodologi ini diimplementasikan sebagai berikut: 1. Analisa kriteria: Membuat analisis Pareto untuk setiap kriteria; 2. Mendefiniskan keputusan: Mendefinisikan kriteria di dalam matriks; dan 3. Pengambilan keputusan: Mengidentifikasi pengerjaan yang akan diimplementasikan [3]. Data merupakan syarat utama dalam menganalisis dan pengambilan keputusan untuk menjaga sistem dalam keadaan yang optimum atau sistem dalam keadaan yang dinginkan. Data tersebut dibagi kedalam tiga kriteria yaitu high, low, dan medium berdasarkan jumlah downtime dan total frekuensi [4]. Pengelompokan kriteria tersebut menggunakan persamaan di bawah ini. Misalan x adalah frekuensi kerusakan mesin. 𝑥 −𝑥 Kemudian 𝑘 = 𝑚𝑎𝑥 𝑚𝑖𝑛 , maka intervalnya bisa 3 ditentukan sebagai berikut: ℎ𝑖𝑔ℎ𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑐𝑦 = [𝑥𝑚𝑎𝑥, 𝑥𝑚𝑎𝑥 − 𝑘] 𝑚𝑒𝑑𝑖𝑢𝑚𝑓𝑟𝑒𝑞𝑢𝑛𝑐𝑦 = [𝑥𝑚𝑎𝑥 − 𝑘, 𝑥𝑚𝑎𝑥 − 2𝑘] 𝑙𝑜𝑤𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑐𝑦 = [𝑥𝑚𝑎𝑥 − 2𝑘, 𝑥𝑚𝑖𝑛 ]

Frekuensi

Low Medium High

Low OTF FTM2 SLU

Downtime Medium FTM1 FTM3 FTM5

High CBM FTM4 DOM

Gambar 1. Pemetaan strategi pemeliharaan model DMG.

Berdasarkan gambar 1 di atas, setiap bagian memiliki strategi pemeliharaan masing-masing. Berikut ini penjelasannya.  Operate to Failure (OTF) OTF (Operate to Failure) merupakan cara perbaikan yang digunakan jika kerusakan alat atau mesin tidak mengganggu rencana produksi dan

16





(2)

Referensi [5] juga mengembangkan kedua variabel data frekuensi dan downtime ke dalam matrik dua dimensi dengan dua langkah seperti berikut: 1. Kedua kriteria dari setiap mesin di kategorikan mengunakan persamaan (1) dan (2) kemudian di masukkan ke dalam matriks dua dimensi, dan 2. Ketika telah dimasukkan ke dalam matriks, keputusan pemeliharaan dibuat dengan memperhatikan matriks dua dimensi dengan strategi pemeliharaan untuk setiap criteria. Kriteria



(1)

Hal yang sama juga berlaku pada downtime mesin. 𝑦 −𝑦 Misalkan y adalah downtime. Kemudian 𝑙 = 𝑚𝑎𝑥 𝑚𝑖𝑛, 3 maka intervalnya bisa ditentukan sebagai berikut: ℎ𝑖𝑔ℎ𝑑𝑜𝑤𝑛𝑡𝑖𝑚𝑒 = [𝑦𝑚𝑎𝑥, 𝑦𝑚𝑎𝑥 − 𝑙] 𝑚𝑒𝑑𝑖𝑢𝑚𝑑𝑜𝑤𝑛𝑡𝑖𝑚𝑒 = [𝑦𝑚𝑎𝑥 − 𝑙, 𝑦𝑚𝑎𝑥 − 2𝑙] 𝑙𝑜𝑤𝑑𝑜𝑤𝑛𝑡𝑖𝑚𝑒 = [𝑦𝑚𝑎𝑥 − 2𝑙, 𝑦𝑚𝑖𝑛 ]

tersedia sumber daya yang cukup untuk melaksanakan perbaikan. Strategi ini digunakan sebagai perencanaan pemeliharaan pada mesin yang memiliki frekuensi kerusakan sedikit dan dengan downtime yang cukup singkat. Karena waktu perbaikan singkat dan frekuensi yang sedikit, mesinmesin biasanya terus dioperasikan dan akan diperbaiki jika telah mengalami kerusakan.



Fixed Time Maintenance (FTM) Pemeliharaan yang dilakukan pada interval waktu yang teratur dan merupakan siklus dari pengoperasian alat dikenal dengan Fixed Time Management (FTM). Agar FTM berjalan lancar, proses produksi yang sedang berjalan harus dihentikan untuk sementara waktu. FTM hanya akan efektif jika kerusakan yang terjadi tergantung pada waktu penggunaan mesin. Skill Level Upagrede (SLU) Perawatan mesin selalu rusak tapi tidak bisa diperbaiki secepatnya dapat dilakukan dengan meningkatkan kemampuan operator mesin tersebut karena mesin tersebut. Memiliki frekuensi tinggi dan memiliki periode downtime yang terbatas. Condition-Based Maintenance (CBM) Strategi CBM digunakan untuk memeriksa kondisi peralatan dengan mengukur satu atau beberapa parameter tertentu yang dapat digunakan untuk mengetahui hal-hal yang dibutuhkan dalam melakukan pemeliharaan. Pemantauan Kondisi didefinisikan sebagai perbandingan pengukuran parameter yang sesuai yang merespon perubahan kondisi subsistem, sistem, atau komponen sistem secara teratur. Indikasi perubahan parameter tersebut dapat digunakan untuk memantau dan menilai kecenderungan kerusakan yang mungkin terjadi di masa yang akan datang. Strategi ini dapat diimplementasikan pada mesin yang jarang mengalami kerusakan namun dalam sekali kerusakan, membutuhkan downtime yang terlalu lama. Design Out Maintenance (DOM) Jika biaya pemeliharaan mesin sangat tinggi, maka strategi pemeliharaan yang paling efektif adalah strategi DOM. Strategi ini berbeda dari strategi lainnya. DOM bertujuan untuk mendesain ulang atau mengganti beberapa peralatan atau bagian pada mesin yang memiliki biaya perawatan paling tinggi atau yang memiliki frekuensi dan dowtime kerusakan paling tinggi [6].

B. Pelatihan Jaringan Saraf Tiruan Back Propagation Jaringan saraf tiruan digunakan untuk memprediksi keputusan terbaik yang mungkin diambil dalam manejemen pemeliharaan mesin industri berdasarkan metode decision making grid. Jaringan saraf tiruan terdiri dua tahap, yaitu tahap pelatihan dan tahap pengujian.


ISBN : 978-602-8509-20-6

Tahap pelatihan merupakan langkah bagaimana suatu jaringan saraf itu berlatih, yaitu dengan cara melakukan perubahan bobot (sambungan antar lapisan yang membentuk jaringan melalui masing-masing unitnya). Metode Back Propagaion yang digunakan terdiri dari tiga tahap dalam pelatihan jaringan, yaitu tahap perambatan maju (forward propagation), tahap perambatan balik, dan tahap perubahan bobot dan bias [7][8]. Ada Sedangkan pemecahan masalah baru akan dilakukan jika proses pelatihan tersebut selesai, fase tersebut adalah fase mapping atau proses pengujian/testing. a.

b.

Input Input yang digunakan dalam pembuatan program ini ada dua, yaitu frekuensi dan downtime yang telah diambil dari data kerusakan khusus area cement mill PT. semen bosowa maros yang terdiri dari 164 komponen mesin sejak tahun 2007 hingga tahun 2011. Sedangkan untuk data tahun 2012 akan digunakan pada tahap pengujian untuk mengetahui keakuratan hasil dari sistem yang telah dibuat. Target Target pada jaringan saraf tiruan tersebut merupakan kode untuk solusi perbaikan kerusakan mesin berdasarkan Decision Making Grid. Berikut ini nama strategi pemeliharaan beserta kodenya dalam bentuk angka. TABEL 1. KODE ANGKA STRATEGI PEMELIHARAAN Strategi Pemeliharaan OTF FTM1 CBM FTM2 FTM3 FTM4 SLU FTM5 DOM

c.

d.

Kode 1 2 3 4 5 6 7 8 9

Normalisasi data Output dari layer akan melalui sebuah fungsi aktifasi seperti fungsi aktifasi [8]. Pada program jaringan saraf tiruan ini digunakan fungsi aktifasi sigmoid biner. Dengan demikian output dari jaringan saraf tiruan ini akan menghasilkan nilai dengan jangkauan 0 sampai 1. Oleh karena itu, dilakukan proses normalisasi data sebelum data tersebut dimasukkan ke proses pelatihan jaringan saraf tiruan. Jumlah layer Untuk menentukan jumlah layer tersembunyi yang tepat, akan dilakukan pengujian dimulai dari satu layer tersembunyi. Jika belum optimal, maka


ISBN : 978-602-8509-20-6

jumlah layer tersembunyi tersebut akan ditingkatkan lagi. e. Fungsi aktivasi Fungsi aktivasi adalah fungsi sigmoid biner yang memiliki range 0 sampai 1 [8]. f. Dimensi hidden layer Pada proses ini digunakan dimensi hidden layer yang digunakan berbeda-beda untuk membandingkan dimensi hidden layer mana yang terbaik antara 10, 20, 30, 40, dan 50 unit hidden layer. g. Laju pelatihan Laju pelatihan yang digunakan adalah 0.1, 0.01, 0.001, dan 0.0001 h. Maksimal epoch Maksimal epoch yang digunakan dalam proses pelatihan ini yaitu 1000, 2000, 3000, 4000, 5000 epoch. i. Maksimal Mean Squared Error (MSE) Parameter maksimal Mean Squared Error (MSE) yang digunakan adalah 0,0001. Maksimal MSE ini dianggap sudah cukup kecil untuk proses pelatihan ini. Maksimal MSE ini digunakan terhadap nilai keluaran Jaringan saraf tiruan yang belum dinormalisasikan ke jangkauan nilai pada data yang sebenarnya. Dengan demikian, pada proses pelatihan ini dimasukkan data masukan dan data target yang sama namun dengan parameter dimensi hidden layer, laju pembelajaran, dan maksimal epoch yang berbeda-beda.

III. HASIL PENELITIAN Setelah data diolah dan dianalisis, tahap selanjutnya adalah pemetaan komponen mesin dalam matriks DMG sebagai acuan untuk pengambilan keputusan manajemen perawatan mesin tersebut. Dengan menggunakan batasan kriteria yang telah dihitung sebelumnya, mesin dikelompokkan dan diselesaikan menggukana strategi yang telah ditentukan dalam DMG seperti pada gambar 1. Berdasarkan hasil keputusan DMG, sebagian besar mesin pada semen bosowa berada pada kriteria frekuensi dan downtime rendah yaitu sebesar 77.03% mesin diselesaikan dengan menggunakan strategi OTF. Sementara itu, 1.93% dipetakan ke dalam strategi FTM1, 0.51% mesin dipetakan ke dalam strategi CBM, 4.57% mesin dipetakan ke dalam strategi FTM2, 3.66% mesin dipetakan ke dalam strategi FTM3, 2.03% mesin dipetakan ke dalam strategi FTM4, 1.12% mesin dipetakan ke dalam strategi SLU, 2.64% mesin dipetakan ke dalam strategi FTM5, dan 6.60% mesin dipetakan ke dalam strategi DOM. Jaringan saraf tiruan dilatih untuk mendapatkan bobot antara unit yang terbaik yang dapat digunakan pada proses validasi. Pada proses ini, apabila output menghasilkan nilai yang tidak tepat, maka bobot akan diperbaiki agar galat dapat diperkecil sehingga selanjutnya jaringan akan menghasilkan nilai yang lebih mendekati nilai yang tepat.

17

Pada proses pelatihan ini digunakan data masukan dan data target yang sama namun dengan parameter dimensi hidden layer, laju pembelajaran, dan epoch maksimum yang berbeda-beda. Jumlah jaringan saraf tiruan yang dibentuk dan dilatih adalah sebanyak 100 buah. Besar laju pelatihan pada proses pelatihan jaringan saraf tiruan mempengaruhi kecepatan dan ketepatan perubahan bobot sinapsis antara neuron jaringan saraf tiruan. Laju pelatihan 0.0001 membuat bobot sinaptis jaringan saraf tiruan yang dilatih mengalami perubahan yang kecil sehingga perbaikan bobot sinapis sangat lambat sehingga pada akhirnya justru membuat keakuratan nilai keluaran jaringan saraf tiruan menjadi besar. Sedangkan laju pelatihan 0.1 membuat perubahan bobot terlalu besar sehingga pola nilai keluaran jaringan saraf tiruan menjadi rusak dan pada akhirnya mengurangi keakuratannya. Laju pelatihan yang paling tepat pada penelitian ini adalah 0.01. Laju pelatihan ini membuat perubahan bobot tidak terlalu lambat dan merusak pola nilai keluaran jaringan saraf tiruan. MSE yang didapatkan pada tahap ini dihitung berdasarkan nilai hasil keluaran dari jaringan saraf tiruan yang dibandingkan dengan nilai target. Rumus MSE yang digunakan yaitu: 1

𝑀𝑆𝐸 = ∑𝑛𝑡=1(𝑋𝑡 − 𝑌𝑡 )2 𝑛

(3)

Keterangan: MSE= Mean Squared Error N = Jumlah data X = Output jaringan saraf tiruan Y = Target Setelah melatih 100 buah jaringan saraf tiruan, dapat diperoleh nilai MSE terkecil adalah 0.7618. MSE tersebut diperoleh dari jaringan saraf tiruan dengan parameter learning rate 0.01, jumlah dimensi hidden layer adalah 10, dan maksimal epoch adalah 5.000. Pada tahap ini jaringan saraf tiruan yang telah dibentuk dan dilatih selanjutnya dilakukan proses validasi dengan menggunakan data yang digunakan dalam pelatihan yaitu frekuensi dan downtime kerusakan mesin tahun 2007-2011. Hasil validasi dari jaringan saraf tiruan selanjutnya dibandingkan dengan data target dan dihitung keakuratannya. Acuan ketepatan keputusan yang dihasilkan oleh jaringan saraf tiruan adalah keputusan yang dihasilkan dengan menggunakan DMG. Rumus yang digunakan untuk menghitung keakuratan adalah rumus dibawah ini: 1 𝐴 −𝐹 𝑀 = ∑𝑛𝑡=1 (1 − | 𝑡 𝑡 |) 100 (4) 𝑛

yang dibentuk dengan parameter epoch maksimum 5000, jumlah unit hidden layer 50, dan laju pelatihan 0.01. Hal tersebut tidak lepas dari keakuratan keputusan yang diambil oleh jaringan saraf tiruan tersebut. Jaringan saraf tiruan tersebut memiliki keakuratan sebesar 93.07% ketika dilakukan validasi dengan data pelatihan dan keakuratan sebesar 92.59% ketika dilakukan pengujian.

IV. PEMBAHASAN Gambar 2 hingga gambar 7 berikut ini menggambarkan perbandingan antara pengambilan keputusan dengan menggunakan jaringan saraf tiruan yang terbaik dan pengambilan keputusan dengan DMG setiap tahun dari tahun 2007 sampai tahun 2012. Data masukan adalah data frekuensi dan downtime kerusakan mesin. Setiap tahun terdapat 164 pasang data frekuensi dan downtime. . Sumbu X merupakan ID mesin yang nilai frekuensi dan downtimenya menjadi input pada proses validasi. Sedangkan sumbu Y merupakan nilai keputusan yang dikeluarkan oleh jaringan saraf tiruan yang selanjutnya dikodekan ulang mejadi keputusan perawatan mesin industri. Garis berwarna merah merupakan gambaran keputusan yang diambil dengan menggunakan DMG, sedangkan garis berwarna biru merupakan gambaran keputusan yang diambil dengan jaringan saraf tiruan terbaik.

Gambar 2. Diagram perbandingan pengambilan keputusan manajemen perawatan mesin tahun 2007 antara JST dan DMG.

𝐴𝑡

Keterangan: M = Keakuratan n = Jumlah data A = Data acuan ketepatan F = Data hasil validasi Berdasarkan hasil pelatihan, disimpulkan bahwa jaringan saraf tiruan terbaik adalah jaringan saraf tiruan

18


ISBN : 978-602-8509-20-6


Gambar 6.Diagram perbandingan pengambilan keputusan manajemen perawatan mesin tahun 2011 antara JST dan DMG.



Dari hasil diatas terlihat bahwa hasil pengambilan keputusan dengan menggunakan jaringan saraf tiruan relatif sama dengan hasil pengambilan keputusan dengan DMG. Namun meskipun terlihat kemiripan, ada beberapa keputusan yang tidak tepat. Kesalahan keputusan yang diambil tersebut disebabkan oleh beberapa faktor. Faktor utama yang menjadi penyebab adalah kurang baiknya sebaran data masukan pelatihan.

V. KESIMPULAN 1. Gambar 5 Diagram perbandingan pengambilan keputusan manajemen perawatan mesin tahun 2010 antara JST dan DMG.

2.

3.


ISBN : 978-602-8509-20-6

Berdasarkan hasil keputusan DMG, sebagian besar mesin pada semen bosowa berada pada riteria kriteria frekuensi dan downtime rendah sebesar 77.03% mesin dipetakan dan diselesaikan dengan menggunakan strategi OTF. Laju pelatihan mempengaruhi kecepatan dan ketepatan perubahan bobot sinaptis. Laju pelatihan yang paling tepat pada penelitian ini adalah 0.01. Jaringan saraf tiruan yang terbaik sistem cerdas pemeliharaan mesin industry adalah jaringan yang dibentuk dengan parameter epoch maksimum sebesar 5000, jumlah unit hidden layer 50, dan laju pelatihan sebesar 0.01. Jaringan saraf tiruan tersebut memiliki keakuratan sebesar 93.07% ketika dilakukan validasi

19

dengan data pelatihan dan keakuratan sebesar 92.59% ketika dilakukan pengujian. DAFTAR PUSTAKA [1] Kiki & Sri Kusumadewi. Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi. 2004 [2] Labib, A.W. “World-class maintenance using a computerized maintenance management system”. Journal of Quality in Maintenance Engineering. Vol. 4, No. 1, pp. 66-75. 1998. [3] Labib, A.W. A Decision Analysis Model for Maintenance Policy Selection Using a CMMS, Journal of Quality in Maintenance Engineering, Emerald, 2004, pp. 191-202. [4] Burhanuddin, M. A., Ahmad, A. R., Desa, M. I. & Prabuwono, A. S. An Improved Decision Making Grid Model to Identify Maintenance Strategies, International Conference on Plant Equipment and Reliability, Technical University of Petronas, 2008, pp. 81-86.

20

[5] Tahir, Zulkifli, 2010. A Hybrid Maintenance Management Model indecision Support System For Small and Medium Food Processing Industries, Universiti Teknikal Malaysia Melaka, 2011. [6] PCMS Engineering, Condition Based Maintenance. Tersedia: http://www.pcmseng.co.uk/ (Diakses pada: 24 Januari 2012) [7] Sutojo, T., Mulyanto, Edy., & Suhartono, Vincent.. Kecerdasan Buatan. Yogyakarta : ANDI, 2011. bab 6, hal 360-374. [8] Siang, Jong Jek. Jaringan Saraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta : ANDI, 2004. [9] Coreder, A. Teknik Manajemen Pemeliharaan. Jakarta: Erlangga, 1992 [10] Burhanuddin, dkk. Maintesnance Decision Making Model Using Multiple Criteria Analysis For Small and Medium Industries. University Technology Malaysia, 2007. [11] Sudradjat, Ating. Pedoman Praktis Manajemen Praktis Perawatan Mesin Industri. Bandung : Refika Aditama, 2011.


ISBN : 978-602-8509-20-6

Perancangan Program Aplikasi Mesin Penerjemah Otomatis Bahasa Alami Menggunakan Metode Interlanguage Link Elyas Palantei1, Mukarramah Yusuf2, Hardiansyah2, Moch. Fadly Riansyah2 1 Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar 2 Program Studi Teknik Informatika Universitas Hasanuddin, Makassar

Abstrak - Dalam beberapa tahun terakhir, banyak penelitian yang telah dilakukan dalam hal pengekstraksian otomatis kamus dua bahasa. Pengekstraksian kamus dari sejumlah teks korpora dua bahasa dalam jumlah besar merupakan bidang penelitian yang berkembang. Namun, pendekatan tersebut menghadapi beberapa masalah seperti bahasa yang sangat jauh berbeda dan tidak tersedianya teks korpora pada domain-domain tertentu yang cukup besar dan akurat yang mengakibatkan rendahnya cakupan terjemahan kamus. Oleh karena itu, penelitian ini bertujuan untuk merancang program aplikasi mesin penerjemah otomatis bahasa alami menggunakan metode interlanguage link. Perancangan aplikasi ini menggunakan hasil parsing struktur link artikel Wikipedia. Pada proses parsing, ada beberapa tahap yang dilakukan yaitu pencarian judul artikel, mencari jenis bahasa artikel, dan melakukan pencarian terjemahan berdasarkan jenis bahasa awal yang telah ditentukan pada saat mencari jenis bahasa artikel. Dari 2.083 jumlah file .html yang didownload secara acak menggunakan bantuan web grabber, terdapat 1.174 yang berhasil terekstrak. Secara terjemahan, hasil ekstraksi Wikipedia, terjemahannya telah benar 96,63%. Kata Kunci - Interlanguage Link; Wikipedia; Domain; Parsing; Web grabber

I. PENDAHULUAN Kamus dua bahasa diperlukan di banyak ranah penelitian, misalnya untuk meningkatkan kamus-kamus yang telah ada dengan istilah-istilah teknis, sebagai seed (bibit) kamus untuk meningkatkan hasil terjemahan mesin pada cross-language information retrieval (CLIR) atau juga untuk proses belajar mengajar kedua bahasa. Namun, pembuatan kamus dua bahasa secara manual sangat tidak efisien ketika pengetahuan tentang linguistik sangat mahal, dan masih merupakan hal baru, atau mencakup tentang istilah-istilah domain tertentu yang sangat khusus. Saat ini, banyak dokumen-dokumen machinereadable dalam berbagai bahasa telah dibuat setiap harinya dan sering diterbitkan ke internet untuk diakses oleh orang-orang. Hal itu mengarahkan ke dalam ide pembuatan kamus dua bahasa otomatis menggunakan sumber tersebut, sehingga dapat mengurangi beban penyusunan kamus manual. Pada penelitian saat ini terdapat beberapa pendekatan, salah satunya adalah dengan menggunakan korpora paralel, kumpulan teks dua bahasa yang terdiri dari teks dalam satu bahasa dan terjemahannya ke dalam bahasa lain.


ISBN : 978-602-8509-20-6

Dalam beberapa tahun terakhir, banyak penelitian yang telah dilakukan dalam hal pengekstraksian otomatis kamus dua bahasa. Pengekstraksian kamus dari sejumlah teks korpora dua bahasa dalam jumlah besar merupakan bidang penelitian yang berkembang. Namun, pendekatan tersebut menghadapi beberapa masalah seperti bahasa yang sangat jauh berbeda dan tidak tersedianya teks korpora pada domain-domain tertentu yang cukup besar dan akurat yang mengakibatkan rendahnya cakupan terjemahan kamus. Di Indonesia pun kamus terjemah telah berkembang, baik oleh pribadi, lembaga swasta, maupun lembaga resmi seperti Lembaga Ilmu Pengetahuan Indonesia (LIPI). Namun, usaha pembuatan kamus secara otomatis di Indonesia belum banyak berkembang. Kamus penerjemah secara otomatis yang sering dijumpai adalah translate.google.co.id. dengan mengadopsi cara kerja dari translate.google.com. Sementara itu, untuk pengembangan kamus dengan domain tertentu di Indonesia masih sulit untuk dijumpai. Kamus yang tersedia saat ini belum ada usaha-usaha untuk mengartikan kata istilah tertentu. Dibutuhkan banyak usaha manusia untuk menerjemahkan istilah-istilah tertentu. Dalam rangka menyediakan sebuah kamus berakurasi tinggi dan bercakupan luas, dilakukan ekstraksi link pada istilah-istilah dua bahasa dari ensiklopedia berbagai bahasa seperti Wikipedia[1]. Wikipedia adalah sumber daya yang sangat menjanjikan sebagai ensiklopedia yang terus berkembang dan telah berisi lebih dari lima juta artikel dalam beberapa ratus bahasa dan berbagai macam topik. Usaha pembuatan kamus yang telah ada yaitu kamus dua bahasa InggrisJapanese. Dimana dalam pembangunan kamus tersebut dilakukan pengektraksian pada struktur link Wikipedia [2] . II. MESIN PENERJEMAH OTOMATIS MENGGUNAKAN METODE INTERLANGUAGE LINK Kami mengekstrak istilah-istilah dua bahasa dengan menganalisis struktur link dari Wikipedia. Wikipedia mempunyai banyak link antar artikel, tidak hanya dalam satu bahasa tetapi juga artikel dengan berbagai bahasa. Berbeda dengan teks biasa dalam bilingual corpora, link Wikipedia mengandung beberapa informasi semantik. Singkatnya, sebuah interlanguage link biasanya mengindikasikan bahwa satu judul artikel merupakan terjemahan dari judul artikel dalam bahasa

21

lain. Hal tersebut dapat mengurangi kesulitan dalam pembuatan kamus yang disebabkan oleh masalah natural language processing. Metode Interlanguage link Sebuah Interlanguage link pada Wikipedia merupakan link antar 2 artikel dalam bahasa yang berbeda. Kami berasumsi bahwa dalam kebanyakan kasus, judul dari kedua artikel dihubungkan oleh sebuah interlanguage link yang merupakan terjemahan dari satu sama lain. Oleh karena itu, kami menganalisis interlanguage link dalam Wikipedia untuk membuat baseline kamus. Proses Parsing Pada proses parsing dilakukan analisis (parsing) sebuah file .html yang diambil dari Wikipedia.org dan tahap-tahap yang dilakukan sebagai berikut: 1. Mencari file .html pada folder yang telah ditentukan pada saat melakukan pen-download-an dengan menggunakan bantuan web grabber. 2. Membaca setiap file bertipe .html yang ada dalam folder. Program hanya akan membaca file bertipe .html pada folder yang telah ditentukan dan melakukan parsing atau analisis disetiap html yang telah di-download tadi. 3. Pada tahap awal parsing dilakukan pencarian judul artikel. Judul artikel akan ditemukan ketika melakukan parsing pada kata yang diapit oleh id “firstHeading”. Hal ini dimaksudkan untuk mendapatkan kata-kata yang berguna untuk memperkaya kosakata kemudian disimpan ke dalam database agar aplikasi kamus dapat menerjemahkan berbagai kata. 4. Tahap kedua parsing adalah mencari jenis bahasa artikel. Pada tahap ini dilakukan pencarian jenis bahasa artikel yang bertujuan untuk mengkategorikan jenis bahasa artikel yang nantinya akan mempermudah pengelompokan jenis bahasa pada database, dalam hal ini jenis bahasa Indonesia dan bahasa Inggris. Pencarian jenis bahasa awal pada artikel dapat dilakukan dengan mengambil kata yang diapit oleh attribute ‘lang’. 5. Tahap ketiga parsing adalah melakukan pencarian terjemahan berdasarkan jenis bahasa awal yang telah ditentukan pada tahap kedua. Jika pada tahap kedua parsing telah ditemukan jenis bahasa Indonesia pada judul artikel, maka selanjutnya program akan mencari terjemahan judul artikel dalam bahasa Inggris. Proses selanjutnya adalah dengan melakukan pencarian terjemahan judul dari bahasa awal berdasarkan class-nya, jika bahasa awalnya adalah lang= ‘en’ maka dilakukan pencarian terjemahan pada bahasa tagname dengan class “interwiki-id” dan begitu juga sebaliknya, jika bahasa awal dari judul artikel merupakan lang= ‘id’ maka pencarian terjemahan bahasa dilakukan pada tagname dengan class “interwiki-en”.

22

6.

Pada tahap akhir parsing adalah pencarian arti dari judul artikel Wikipedia. Pencarian arti dari sebuah judul artikel Wikipedia yang sesuai dengan bahasa awal pada tag “a” dengan attribute “title”. III.

HASIL

Interface yang akan langsung digunakan oleh pengguna untuk menerjemahkan.

Gambar 3 3.1 Hasil Ekstraksi Dari 2.083 jumlah file .html yang di-download secara acak menggunakan bantuan web grabber, terdapat 1.174 yang berhasil terekstrak. Setelah melakukan ekstraksi pada struktur link Wikipedia diperoleh presisi sebagai berikut : 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑡𝑎 𝐵𝑒𝑛𝑎𝑟 𝑝𝑟𝑒𝑠𝑖𝑠𝑖 = 𝑋 100% 𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙 𝐾𝑎𝑡𝑎 837 = 𝑋 100% 1.174 presisi = 96,63% Jumlah kata benar diperiksa dengan cara manual dengan mencocokkan kata hasil ekstraksi. Hasil ekstraksi bahasa Indonesia dicocokkan terjemahannya dengan hasil ekstraksi bahasa Inggris. Kata hasil ekstraksi dikatakan benar apabila terjemahannya telah sesuai dengan Kamus Indonesia-Inggris[3]. Beberapa pengkategorian hasil ekstraksi: 1. Frasa. 2. Nama tokoh-tokoh terkenal. 3. Organisasi, Singkatan, atau Pakta. 4. Tempat, negara, atau kota. 5. Kata-kata. 6. Tanggal, dan peristiwa penting.


ISBN : 978-602-8509-20-6

Berikut beberapa contoh kata hasil ekstraksi sesuai dengan pengkategoriannya: 1. Frasa. Tabel 3.1 Frasa Bahasa Inggris Bahasa Indonesia List of active Indonesia Daftar kapal perang TNINavy namaBandar udara di List of airports in AL Daftar Indonesia Indonesia 2. Nama tokoh terkenal. Tabel 3.2 Nama Tokoh Terkenal Bahasa Inggris Bahasa Indonesia Abraham Lincoln Abraham Lincoln Albert Einstein Albert Einstein 3.

Organisasi, Singkatan, atau Pakta Tabel 3.3 Organisasi, Singkatan, atau Pakta Bahasa Inggris Bahasa Indonesia BBC BBC NATO Pakta Pertahanan Atlantik Utara 4. Nama Negara dan Kota. Tabel 3.4 Nama Negara dan Kota Bahasa Inggris Bahasa Indonesia France Perancis Rome Roma 5.

Kata.

Tabel 3.5 Kata Bahasa Inggris Bahasa Indonesia Art Seni Law Hukum

6. Tanggal dan peristiwa penting Misalnya : Tabel 3.6 Tanggal dan Peristiwa penting Bahasa Inggris Bahasa Indonesia 1945 August 17

1945 Agustus 17

Menurut kami, kategori Tabel 3.1 Frasa, Tabel 3.2 Nama Tokoh Terkenal, Tabel 3.3 Organisasi, Singkatan, atau Pakta dan Tabel 3.6 Tanggal dan Peristiwa Penting kurang tepat sebagai isi kamus. Sementara kategori Tabel 3.4 Nama Negara dan Kota dan Tabel 3.5 Kata tepat untuk menjadi isi kamus.

Tabel 3.7 Istilah-istilah pada Domain Matematika Bahasa Inggris Trigonometry Cylinder (geometry) Set theory Squircle Partial Derivative

Bahasa Indonesia Trigonometri Tabung (geometri) Teori himpunan Persegi bulat Turunan Parsial

Berdasarkan hasil yang telah ada pada sub bab 3.1 secara terjemahan, hasil ekstraksi Wikipedia telah benar 96,63% yang dicocokkan secara manual dengan kamus Indonesia-Inggris[3]. Kata yang terjemahannya salah seperti free content yang diartikan isi bebas. Ini disebabkan karena kata “free” disini diartikan sebagai “bebas” dimana dalam hal ini bebas dan dijinkan untuk mengubah suatu karya. Agar supaya kata yang terjemahannya salah tidak tampil pada aplikasi kamus, diperlukan penelitian lebih lanjut. Dari 2.083 file .hmtl yang di-download, yang berhasil terekstraksi ada 1.174. Hal ini disebabkan karena ada artikel Wikipedia berbahasa Indonesia yang belum memiliki terjemahan ke bahasa Inggris, begitupun sebaliknya beberapa artikel Wikipedia berbahasa Inggris belum memiliki terjemahan bahasa Indonesia. Sehingga jumlah kosa kata yang tersedia pada kamus kurang kaya. Berdasarkan tabel 3.7. Istilah-Istilah pada Domain Matematika, dapat dilakukan pembangunan kamus untuk istilah-istilah pada domain matematika. Untuk kamus online yang telah banyak beredar seperti kamus.net, sederetkata.com, translate.google.com, dan bing.com belum dapat mengartikan dengan baik istilahistilah matematika. IV.

KESIMPULAN

Berdasarkan analisis yang telah dibahas, secara terjemahan, hasil ekstraksi Wikipedia, terjemahannya telah benar 96,63% yang di cocokkan secara manual dengan kamus Indonesia-InggrisBerdasarkan analisis yang telah dibahas di atas, menurut kami Wikipedia dapat digunakan untuk membangun sebuah kamus. Pada metode yang diterapkan oleh Erdmann dalam pembuatan kamus Inggris-Jepang, ternyata dapat juga diterapkan untuk pembuatan kamus Indonesia-Inggris. Dalam untuk istilah domain tertentu, metode Erdmann[1][2] dapat juga digunakan dalam pembuatan kamus untuk istilah domain tertententu seperti matematika.

Untuk kamus istilah domain tertentu, berikut beberapa contoh hasil ekstraksi istilah-istilah pada domain matematika :


ISBN : 978-602-8509-20-6

23

DAFTAR PUSTAKA [1]

[2]

[3]

24

Maike Erdmann, Kotaro Nakayama, “Database Systems for Advanced Application: A Bilingual Dictionary Extracted from the Wikipedia Link Structure”, Springer-Verlag Berlin Heidelberg, 2008. Maike Erdmann, Kotaro Nakayama, “Database Systems for Advanced Application: An Approach for Extracting Bilingual Terminology from Wikipedia”, Springer-Verlag Berlin Heidelberg, 2008. John M. Echols, Hasan Shadily, ”Kamus Indonesia – Inggris (An Indonesia – English Dictionary). Gramedia Pustaka Utama, 1992.


ISBN : 978-602-8509-20-6

Optimasi Rute Transportasi Sebagai Sarana Bantuan Turis Dengan Algoritma Simulated Annealing Rosjanti1, Zahir Zainuddin2, Syafaruddin2 1 SMA YPPK Yos Sudarso Merauke, Papua Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar

2

Abstrak — Seiring dengan perkembangan teknologi

informasi yang semakin pesat, maka sekarang ini sangat dibutuhkan suatu pelayanan yang sudah terintegrasi dalam bidang transportasi baik transportasi darat, laut dan udara. Penelitian ini bertujuan untuk membuat suatu desain dengan merancang sebuah sistem aplikasi bagi pelaku perjalanan agar dapat menentukan rute transportasi dengan biaya tiket yang termurah dari seluruh moda transportasi yang melayani rute yang diinginkan si pelaku perjalanan. Penelitian ini merupakan penelitian historis dengan menggunakan metode eksperimental yaitu dengan melakukan perancangan dan pembuatan model sistem. Pengumpulan data dilakukan dengan melakukan studi pustaka (library research) dan pengumpulan data lapangan (field research) dan pembuatan aplikasi berdasarkan hasil analisis dari algoritma simulated annealing. Algroritma simulated annealing digunakan untuk proses pencarian biaya tiket termurah dari seluruh moda transportasi yang digunakan . Hasil dari penelitian ini adalah mendapatkan informasi biaya tiket termurah dari seluruh moda transportasi yang melayani rute kota tujuan sesuai tanggal dan jam keberangkatan. Dari hasil tersebut dapatlah disimpulkan bahwa algoritma simulated annealing sangat efektif digunakan sebagai algoritma optimasi biaya. Kata kunci - optimasi rute, simulated annealing

I. PENDAHULUAN Sebagai negara kepulauan yang luas maka moda transportasi baik transportasi darat, laut maupun udara merupakan suatu pilihan yang tidak dapat dielakkan oleh turis atau pelaku perjalanan yang akan melakukan suatu perjalanan ke suatu tempat yang sudah ditentukan oleh mereka sendiri. Alasan yang menjadi pertimbangan untuk penanganan sistem transportasi adalah dengan semakin banyaknya infrastruktur transportasi dibangun, banyak rute-rute baru yang dapat dilalui dan banyaknya moda transportasi baik yang dikelola oleh pemerintah maupun oleh pihak swasta saat ini, lahirlah masalah-masalah baru seperti moda transportasi mana yang memberikan biaya Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

perjalanan yang murah serta moda transportasi apa saja yang melayani rute yang diinginkan oleh turis, hal inilah yang mengharuskan turis berpikir cerdas. Oleh karena itu dibutuhkan analisis yang cerdas bagaimana memilih moda transportasi yang akan digunakan dengan melihat rute yang akan dijalani hingga sampai ke tujuan dengan melihat dari segi biaya dan waktu perjalanan. Sistem transportasi sebagai sarana bantuan turis mempunyai karakteristik yang berbeda dengan sistem transportasi yang ada sekarang ini dalam hal pelayanan. Sistem transportasi sekarang ini bekerja secara terpisah dimana PELNI hanya memberikan informasi berupa namaa kapal laut, rute yang akan dilalui, waktu tempuh serta biaya begitu dengan pelayanan di Bandara. Untuk transportasi darat antar kota khusunya di kota Makassar semuanya dikelola oleh pihak swasta sehingga mempersulit para turis karena untuk memilih moda harus pergi atau menelpon ke loket pendaftaran yang tempatnya saling berjauhan. Inilah yang menjadi pertimbangan untuk membuat suatu sistem yang mengintegrasikan seluruh moda transportai dalam satu sistem sehingga turis lebih mudah untuk memilih rute yang akan digunakan, sarana angkutan serta biaya perjalanan. Berawal dari kasus ini dikembangkan metode-metode pemecahan masalah transportasi yang diharapkan dapat memberikan pemecahan yang optimal. Berbagai pendekatan dan algoritma ditawarkan untuk menyelesaikan masalah optimasi transportasi, salah satunya adalah dengan algoritma simulated annealing[6]. Algoritma ini dikatakan sebagai metode pencarian yang handal dan dikenal akan kemampuannya untuk menemukan solusi yang optimal aatau paling tidak mendekati optimal. Dengan demikian diharapkan hasil penelitian ini nantinya akan didapatkan suatu sistem transportasi yang efektif, handal dan memmegang peranan penting sebagai sarana bantuan turis yang membantu mereka dengan membuat keputusan yang lebih baik dalam memilih rute. Tujuan dari penelitian ini adalah untuk mengintegrasikan moda transportasi yang optimal dengan menggunakan simulated annealing sebagai pembuat keputusan yang lebih baik dalam memilih rute dan moda transportasi.

II. METODOLOGI Penelitian ini menghasilkan suatu informasi tentang biaya tiket perjalanan yang paling murah berdasarkan 25

batasan nilai cost yang diinput oleh turis. Biaya yang murah dari semua moda transportasi yang ada Jenis penelitian ini adalah penelitian historis dengan menggunakan metode eksperimental yaitu dengan melakukan perancangan dan pembuatan model sistem. Secara umum penelitian yang dilakukan adalah merancang suatu aplikasi menggunakan teknologi web dan proses pencarian biaya menggunakan algoritma simulated annealing untuk mendapatkan biaya tiket yang termurah. Pada penelit ian ini proses pencarian biaya dengan algoritmasimulaated annealing dengan di awali penginputan data semua moda transportasi yang melayani rute antar kota di Pulau Sulawesi. Kemudian semua daata ini diolah dengan menggunakan algoritma simulated annealing menghasilkan output biaya tiket termurah dari semua moda transportasi yang datanya sudah diinput. Adapun rancangan penelitian menggunakan metode Unified Modelling Language (UML) adalah sebuah “bahasa” yang telah menjadi standar untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. Dengan UML dapat dibuat model untuk semua jenis aplikasi perangkat lunak yang nantinya aplikasi tersebut mampu berjalan pada perangkat keras, sistem operasi dan jaringan apapun (multi platform) serta dapat ditulis dalam bahasa program apapun [9]. Metode Pengumpulan Data Pengumpulan data dilakukan dengan metode studi pustaka (library research) dan metode pengumpulan data lapangan (field research). Penelitian ini di lakukan di Dinas Perhubungan Komunikasi dan Informatika Pemerintah Propinsi Sulawesi Selatan, website dari masing-masing maskapai penerbangan dan website dari PT PELNI. Metode Analisis Data Data yang akan di jadikan input adalah data dari masing-masing moda transportasi yaitu berupa data nama maskapai penerbangan, nama kapal laut, nama Perusahaan Otobus (PO), tanggal dan jam keberangkatan, jam tiba, waktu tempuh dan harga tiket. Data-data ini nantinya akan diinput ke dalam suatu sistem perangkat lunak database. Selanjutnya data tersebut diolah menggunakan sistem perangkat lunak dengan teknologi web menggunakan algoritma simulated annealing yaitu menghasilkan biaya tiket termurah dari setiap moda transportasi. Optimasi Rute Optimisasi ialah suatu proses untuk mencapai hasil yang ideal atau optimal. Secara umum, penyelesaian masalah optimasi rute transportasi dapat dilakukan dengan dua metode yaitu metode konvensional dan metode heuristik[5]. Metode konvensional diterapkan dengan perhitungan matematis biasa contohnya algoritma Djikstra, algoritma Floyd-Warshall dan algoritma Bellman-Ford. Sedangkan metode heuristik berdasarkan perhitungan kecerdasan buatan contohnya algoritma genetika, algoritma semut, logik fuzzy, jaringan syaraf tiruan, simulated annealing dan pencarian tabu.[7]. Algoritma Simulated Annealing 26

Algoritma Simulated Annealing mensimulasikan proses annealing pada pembuatan materi yang terbuat dari butir kristal (glassy) atau logam. Tujuan dari proses ini adalah menghasilkan struktur kristal yang baik dengan menggunakan energi seminimal mungkin[8]. Suatu benda padat dipanaskan hingga mencair pada tingkat temperatur tertentu. Pada temperatur ini setiap atom dapat bergerak dengan bebas, dengan penurunan temparaturr secara perlahan maka atom-atom akan memiliki srtuktur kristal yang baik dengan nilai energi yang rendah[3]. Adapun flowchart dari Simulated Annealing dapat dilihat pada Gambar 1 di bawah ini[2] : Mulai

Membangkitkan state awal (S)

Hitung Energi E

Update state (S’)

Hitung Enegi E’

Bangkitkan bil acak p=[0,1]

Tidak

p<e¯⁽ ᴱ¯ᴱ'⁾⁄ᴷᵀ Ya

S←S’ E←E’

Selesai

Gambar 1. Flowchart Simulated Annealing Penjelasan dari flowchart : 1) Diberikan nilai temperatur dari T, proses dilakukan berulang-ulang dengan iterasi maksimal adalah N iterasi. 2) Membangkitkan state awal S. State awal diperoleh dengan membangkitkan bilangan acak. Pada pembangkitan state ini harus dijamin syarat-syarat bahwa setiap titik harus ada dan tidak boleh ada yang sama. 3) Menghitung energi dari state awal E 4) Update state S’ dari state awal dengan : a. Langkah pertama memilih dua bilangan r1 dan r2 secara acak dengan nilai [1,N]. b. Langkah ke dua adalah membalik nilai state, artinya untuk nilai state posisi r1 sampai posisi r2 dibalik. Misalkan state awal adalah 1 4 2 3 6 5 7, terpilih r1 = 3 dan r2 = 5, maka : 1 4 2 3 6 5 7 state sebelum update 1 4 6 3 2 5 7 state setelah update 5) Menghitung energi dari state setelah di update 6) Membangkitkan bilangan p secara acak [0,1] 7) Persamaan untuk state yang diterima :


ISBN : 978-602-8509-20-6

p = exp(

)

dimana : p adalah probabilitas penerimaan perubahan fungsi suhu ΔE adalah selisih energi saat ini dan energi sebelumnya, yaitu ΔE = E – E’ K adalah konstanta Boltzman T adalah analogi dari temperatur (suhu) yang digunakan sebagai fungsi kontrol. 8) Proses kembali ke langkah 4 diulangi sampai iterasi mencapai jumlah maksimal.

mencari kemungkinan biaya-biaya yang termurah dari seluruh moda transportasi, seperti ditampilkan pada Gambar 4.

III. HASIL Berdasarkan hasil analisis sebelumnya maka didapatkan rancangan sistem yang akan dibangun seperti terlihat pada Gambar 2.

Gambar 4. Hasil Proses Pencarian Tiket

Data Transportasi Laut

Data Transportasi Udara

Simulated Annealing

IV. PEMBAHASAN

Database

Data Transportasi Darat User Interface Proses Database

Gambar 2. Rancangan Database

Kemudian dibangunlah terlihat pada Gambar 3.

sebuah

aplikasi

seperti

Gambar 3. Tampilan Halaman Depan Terdapat data yang harus dimasukkan adalah kota asal, kota tujuan, tanggal dan jam keberangkatan dan biaya ( batasan nilai cost), seperti terlihat pada Gambar 3. Misalnya diinput kota asal Makassar, kota tujuan Kendari, tanggal 2013-08-30(tahun, bulan, tanggal), biaya diinput 1000000, setelah semua diisi lalu klik Search. Maka proses pencarian dengan menggunakan algoritma Simulated Annealing sedang bekerja. Proses ini akan Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Penelitian ini menunjukkan bahwa proses pencarian biaya tiket termurah dengan menggunakan algoritma simulated annealing dapat menghasilkan output biaya tiket termurah dari setiap moda transportasi. Dengan memasukkan nilai batasan cost (biaya yang diinginkan oleh turis), memilih kota tujuan, jam dan tanggal keberangkatan selanjutnya mengklik search maka proses pencarian dengan algoritma simulated annealing dimulai. Sistem akan terus mencari biaya yang termurah. Misalnya diinput kota asal Makassar, kota tujuan Kendari, tanggal 2013-03-30(tahun, bulan, tanggal), jam keberangkatan 12.00, biaya diinput 1000000, setelah semua diisi lalu klik Search. Maka proses pencarian dengan menggunakan algoritma Simulated Annealing sedang bekerja. Proses ini akan mencari kemungkinan biaya-biaya yang termurah dari seluruh moda transportasi tanpa melewati atau sama dengan batas biaya cost yang diinput yaitu 1000000 dan jam 12.00 . Sistem akan terus mencari dengan beberapa iterasi tergantung dari banyaknya data yang berada di database. Semakin kecil ruang solusi maka semakin cepat mendapatkan hasil yang diinginkan. Setelah sistem mendapatkan hasil biaya yang termurah, maka sistem akan berhenti dan akan menampilkan harganya dan juga jam keberangkatan dengan range waktu input 2 jam untuk masing-masing moda transportasi yaitu transportasi laut, udara dan darat. Dari hasil pencarian terdapat dua moda yang sesuai kriteria pencarian yaitu transportasi darat dan transportasi udara. Untuk transportasi darat ada dua PO yang memenuhi kriteria biaya dan untuk transportasi udara ada

27

empat penerbangan yang memenuhi kriteria biaya yang diinginkan oleh turis. Untuk transportasi laut tidak ada.

Penelitian Terkait Dalam penelitian [4] menyimpulkan bahwa algoritma simulated annealing sangat efektif digunakan untuk optimasi jarak pada kasus Travelling Salesman Problem (TSP) dimana fungsi jarak yang diperhitungkan dengan algoritma simulated annealing sehingga menghasilkan jarak yang terpendek yang akan dilewati oleh TSP. Begitu juga dengan hasil penelitian [3] menggunakan algoritma simulated annealing untuk menghitung jarak terpendek yang akan mendistribusikan suatu produk. Dengan membuat jarak pendek maka biaya yang dikeluarkan untuk mendistribusikan suatu produk akan semakin kecil. Menurut [1] yang membuat suatu penelitian dengan metode adjacency untuk optimasi rute jalan berbasi web, menyatakan bahwa node-node yang merepresentasikan daerah atau tempat disimbolkan dengan indeks baris dan kolom dari sebuah matrix. Tapi rute-rute ini khusus untuk rute yang dilayani oleh angkutan umum, sehingga hasil dari penelitian ini memberikan informasi rute yang terpendek dengan nomor angkutan umum serta biaya dari angkutan umum ini. Tapi metode ini agak sedikit rumit karena setiap rute yang dilewati harus dketahui jarak antar node sehingga memerlukan perhitungan matematis.

DAFTAR PUSTAKA [1]

[2]

[3]

[4]

[5]

[6] [7]

[8]

[9]

Deni Ramdan, Galih Hermawan, ”Pemanfaatan Metode Adjacency Matrix Untuk Optimasi Rute Jalan Berbasis Web”, Jurnal Komputer dan Informatika (KOMPUTA), Edisi I Volume 1, Maret 2012, Program Studi Teknik Informatika, Fakultas Teknik Komputer Universitas Komputer Indonesia, Bandung. Dian Savitri,” Uji Kinerja Dan Simulasi Penentuan Jarak Terpendek dengan Simulated Annealing Pada Suhu Tetap dan Suhu Berubah”, Jurnal Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2009, ISBN 978 – 979-18342-1-6, Jurusan Teknik Sipil Fakultas Teknik Unesa. Eri Wirdianto, Jonrinaldi, Betris Surya, 2007, “ Penerapan Algoritma Simulated Annealing Pada Penjadwalan Distribusi Produk” Jurnal Optimasi Sistem Industri, Vol 7 No. 1, Oktober 2007 7 – 20, Jurusan Teknik Industri Fakultas Teknik, Universitas Andalas. Jose Rizal, 2007, “Optimasi Pada Travelling Salesman Problem (TSP) dengan Pendekatan Simulasi Annealing” Jurnal Gradien Vol.3 No. 2 Juli 2007 : 286 – 290, Bengkulu. Ifatul Faizah, 2010, “Rancang Bangun Perangkat LunakPenentuan Rute Perjalanan Wisata di Malang Menggunakan Algoritma Djikstra”, Skripsi, Universitas Islam Maulana Malik Ibrahim, Malang Suyanto, 2010,” Algoritma Optimasi Deterministik atau Probabilistik,” Graha Ilmu, Yogyakarta Susanto, 2011, “ Penjadualan Mata Kuliah Menggunakan Algoritma Simulated Annealing”, Tesis Program Pascasarjana Universitas Hasanuddin, Makassar. S.Kirkpatrick and C.D. Gelaat and M.P. Vecchi, 1983, “Optimization “, Science, Vol.220, Number 4598, pages 671680 Yuni Sugiarti, 2013, “Analisis dan Perancangan UML (Unified Modelling Language) Generated VB. 6”, Penerbit Graha Ilmu Yogyakarta

V. KESIMPULAN DAN SARAN Dengan menerapkan algoritma simulated annealing pada data transportasi dapat menghasilkan sebuah proses pencarian yang menghasilkan output biaya tiket yang termurah dari setiap moda transportasi. Dengan melakukan beberapa iterasi maka proses pencarian dapat ditemukan. Dengan demikian diharapkan hasil penelitian ini nantinya dapat menjadi salah satu bahan acuan bagi turis atau pelaku perjalanan dalam pengambilan keputusan untuk menggunakan moda transportasi dalam melakukan perjalaanan ke suatu tempat tujuan. Agar mendapatkan hasil yang lebih baik, saran yang dapat diberikan berkaitan dengan penelitian ini untuk pengembangan selanjutnya adalah dengan melakukan penelitian di suatu kota yang mempunyai moda transportasi yang lebih banyak lagi sehingga ruang solusi semakin luas. Dan disarankan juga ruang solusi mempunyai nilai atau biaya yang bervariasi. Karena jika nilai atau biaya sama maka hasilnya tidak optimal karena iterasinya sedikit. Semakin banyak iterasi maka solusi yang didapatkan akan seoptimal mungkin.

28


ISBN : 978-602-8509-20-6

Analisis Unsur Plagiarisme pada Karya Tulis Ilmiah dengan Menggunakan Algoritma Text Mining Melalui Metode Pendekatan Semantik Muhaimin Hading1, Pratiwi Hamdhana AM1, Rhiza S Sadjad2, Mukarramah Yusuf1 1

Program Studi Teknik Informatika Universitas Hasanuddin, Makassar 2 Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar

Abstrak - Plagiarisme merupakan suatu tindakan dimana para pelakunya melakukan penjiplakan atas hasil karya orang lain, baik itu berupa benda ataupun karya tulis. Plagiarisme sendiri sudah menjadi bagian dari tindak pidana yang mutlak di mata hukum. Di kalangan pelajar/mahasiswa, plagiarisme merupakan tindakan yang sudah sangat sering dijumpai, khususnya pada dokumen teks. Berbagai upaya dilakukan untuk mencegah terjadinya hal tersebut, salah satunya yakni mendeteksi unsur plagiarisme dari sebuah karya tulis yang dianggap memiliki kemiripan/indikasi kesamaan dengan karyakarya tulis sebelumnya, melalui sebuah sistem yang menggunakan algoritma Text Mining dengan metode pendekatan semantik. Sistem ini dibuat dengan tujuan untuk membantu menganalisis dan mendeteksi kemiripan beberapa dokumen yang dicurigai mengandung unsur plagiarisme dengan menampilkan derajat kemiripan dari setiap dokumen tersebut. Sistem yang dibuat ini merupakan pondasi dasar yang kelak dapat dikembangkan untuk membuat aplikasi yang lebih detail dalam menilai dan mendeteksi unsur plagiarisme pada karya tulis.

Kata kunci - Plagiarisme, Algoritma Text Mining, Karya Tulis, Semantik

I.

Namun ada beberapa hal yang kurang dari penelitian tersebut yaitu penelitian tersebut hanya dapat membandingkan dua buah dokumen dalam sekali proses dan hanya memberikan nilai positif kepada kata yang sama, artinya penelitian tersebut menghitung jumlah kata yang sama antar dokumen, padahal terkadang ada dokumen yang memiliki jumlah kata yang sama sekitar 50% tetapi jika diteliti lebih jauh dan dimaknai sebenarnya dokumen-dokumen tersebut berbeda. Oleh karena itulah, kami kemudian berinisiatif untuk mengkaji lebih lanjut mengenai pendeteksi plagiarisme tersebut, dengan melakukan beberapa penelitian yang lebih detail khususnya dalam perbandingan kata, yang tidak hanya membandingkan jumlah katanya, melainkan juga meneliti lebih dalam makna kata dan kalimat yang terkandung melalui metode pendekatan semantik. Selain itu dapat mendeteksi 3 dokumen atau lebih. Tujuan utama dari penelitian ini adalah Membangun Suatu Sistem Aplikasi Yang Dapat Menganalisis Unsur Plagiarisme Pada Karya Tulis Ilmiah Dengan Menggunakan Algoritma Text Mining Melalui Metode Pendekatan Semantik.

Pendahuluan

Plagiarismeadalah pengakuan terhadap karya orang lain baik berupa tulisan, ide ataupun gagasan sebagai hasil karya sendiri tanpa menyebutkan referensinya [8,5]. Pada dasarnya plagiarisme tidak hanya menyangkut masalah tentang pengakuan hak cipta atau karya orang lain tetapi juga sebagai pembohongan publik dengan mengatakan bahwa karya tersebut merupakan karya aslinya. Kejujuran adalah etika dalam melakukan segala sesuatu, begitupun dalam melakukan sebuah penelitian atau penulisan karya ilmiah. karena kebohongan dapat berakibat fatal bagi para peneliti, institusi akademis ataupun organisasi yang mensponsori penelitian tersebut [2,6]. Beberapa penelitian terkait mengenai sistem pendeteksi plagiarisme telah dilakukan sebelumnya, salah satunya oleh Audi Novanta, mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara, Medan. Audi Novanta melakukan penelitian untuk membuat aplikasi pendeteksi plagiarisme dengan menggunakan algoritma SmithWaterman secara terkomputerisasi [5]. Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

II.

Sistem Analisis Unsur Plagiarisme

Cara kerja sistem analisis unsur plagiarisme dapat dilihat pada Gambar 1 dimana skema tersebut merupakan proses pendeteksian tanpa semantik. Sedangkan, proses semantik yang dimaksud dalam penelitian ini adalah dengan membentuk kata benda majemuk. Kata benda majemuk terbentuk dengan bantuan tagging terhadap kata-kata dalam dokumendokumen tersebut. Penelitian part-of-speech tagger dalam bahasa Indonesia telah dilakukan oleh Alfan dan Purwarianti [7]. Tagging kemudian membentuk benda majemuk yang akan membentuk token baru yang terdiri dari beberapa kata. Token perkata akan memiliki makna yang berbeda dengan token yang terbentuk dari kata benda majemuk. Pendekatan semantik dengan kata benda majemuk menggunakan aturan-aturan sebagai berikut : Jika dalam dokumen yang telah di “tag” terdapat susunan kata seperti di bawah ini dan berlaku sebaliknya secara acak maka di bentuk sebuah token baru yang berupa gabungan dari beberapa kata yang

29

memiliki makna yang berbeda jika hanya token satu kata.

Gambar1.Skema Perhitungan TF-IDF& Vector Space Model (Non Semantik)

Minimal terdapat dua aturan tagging dibawah ini yang bertemu atau bedekatan.  NNP+NNG+NN+VBT  NN+NNP+NNG+NN  NNG+NN+JJ  RB+JJ Jika tidak memenuhi aturan-aturan diatas maka, maka kata tersebut tetap menjadi satu token (satu kata). Jika aturan-aturan tersebut terpenuhi, ,maka secara otomatis akan terbentuk frase atau kata benda majemuk. Contoh token kata benda majemuk yang terbentuk :  Indonesia/NNP merupakan/VBT negara/NN  memiliki/VBT pola/NN curah/NN hujan/NN  Kota/NN Makassar/NN  pola/NN hujan/NN monsoon/NN  kondisi/NN geografis/JJ  Indonesia/NNP berbeda-beda/JJ  tugas/NN akhir/JJ  lebih/RB baik/JJ  terlebih/RB dahulu/JJ Keluaran system berupa nilai bobot (w) dokumendokumen terhadap query. Nilai bobot diperoleh dari perhitungan TF-IDF.

𝑖𝑑𝑓𝑗 = 𝑙𝑜𝑔 (

𝐷

𝑑𝑓𝑗

Gambar 2. Flowchart penggabungan beberapa kata menjadi token (pembentukan kata benda majemuk)

Dimana : 𝑤𝑖𝑗 = adalah bobot term 𝑡𝑗 terhadap dokumen 𝑑𝑖 𝑡𝑓𝑖𝑗 = adalah kemunculan term 𝑡𝑗 terhadap dokumen 𝑑𝑖 D = Jumlah semua dokumen dfj =adalah jumlah dokumen yang mengandung term tj[1, 3, 4] Jika hanya menggunakan nilai W, hasil yang diproreleh terkadang cukup sulit untuk mendeteksinya oleh karenanya dibutuhkan perhitungan sudut cosinus query terhadap dokumen. Perhitungan tersebut menggunakan rumus vector space model. Hasilnya berupa besar sudut kemiripan dokumen-dokumen terhadap query. Indikasi pengukuran tingkat plagiarisme adalah antara 0 0– 900(derajat)

)

(1) 𝑤𝑖𝑗 = 𝑡𝑓𝑖𝑗 × 𝑖𝑑𝑓𝑗 (2)

03


ISBN : 978-602-8509-20-6



Q

Dokumen-dokumen yang metode Neural Network

menggunakan

d1 𝜃1

𝜃2

Tabel. 1 Sampel Skripsi

d2

𝜃3

Dokumen

d3 t

A

Gambar3. Model vector space [4]

cosSim(𝑑𝑗 , 𝑞) =

𝑑⃗𝑗 × 𝑞⃗ = |𝑑⃗𝑗 | × |𝑞⃗|

∑𝑡𝑖=1(𝑤𝑖𝑗 × 𝑤𝑖𝑞 ) √∑𝑡𝑖=1 𝑤𝑖𝑗2 × ∑𝑡𝑖=1 𝑤𝑖𝑗2

B

Dimana : t = kata di dalam dokumen d = dokumen q = query [1, 3, 4 ] C

III.

Pengujian Sistem

Kami melakukan pengujian terhadap dokumendokumen yang tertera pada Tabel 1. Sampel dokumen-dokumen di atas adalah skripsi dari mahasiswa-mahasiswa jurusan Teknik Elektro Universitas Hasanuddin untuk menyelesaikan program Srata-1. Sampel yang di pilih adalah dokumen yang hampir memiliki tema yang sama yaitu skripsi yang bertujuan untuk prediksi curah hujan di wilayah makassar. Skripsi tersebut juga di tinjau dari metode yang di gunakan, ada yang menggunakan metode AI(SVM, ANFIS dan Neural Network) dan Statistik (ASTAR). Selanjutnya sampel tersebut klasifikasikan ke dalam beberapa jenis pengujian, yakni : 1. Umum Di mana keseluruhan skripsi akan dibandingkan secara bersama-sama, dengan memilih salah satu judul sebagai query. 2. Tujuan Sama, Metode Berbeda Membandingkan dokumen-dokumen yang memiliki tujuan yang sama namun diproses dengan cara yang berbeda, dalam kasus ini terdapat 2 bagian :  Dokumen-dokumen dengan judul “Prediksi Curah Hujan di Kota Makassar...”  Dokumen-dokumen dengan judul “Prediksi Nilai Tukar Valuta Asing...” dan dengan judul “Deteksi Illegalloging…” 3. Tujuan Berbeda, Metode Sama Membandingkan dokumen-dokumen yang menggunakan metode yang sama namun untuk tujuan yang berbeda, dalam hal ini terdapat tiga bagian :  Dokumen-dokumen yang menggunakan metode ASTAR dan ANFIS  Dokumen-dokumen yang menggunakan metode SVM dan ANFIS Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

D

E

F

G

Tujuan Prediksi Curah Hujan di Wilayah Makassar Prediksi Curah Hujan di Wilayah Makassar Prediksi Curah Hujan di Wilayah Makassar Prediksi Curah Hujan di Wilayah Makassar Prediksi Curah Hujan di Wilayah Makassar Prediksi Nilai Tukar Valuta Asing Prediksi Nilai Tukar Valuta Asing Deteksi Illegal Logging

H

IV.

Metode Adaptive Neuro Fuzzy Inferensi System (ANFIS) Adaptive Spline Threshold Autoregression (ASTAR) Genetic Algorithm – Neural Netwrok

Penulis Mirna Andriani dan Khusnul Khatimah Mansur Gunawan Tari Mangopo dan Yosef Rudolf Lisu Michael Palinggi T dan Andarias Eno

Radial Basis Function Neural Network

Sutan Faizal Lubis dan Ika Safitri Ismail

Support Vector MachineFuzzy Logic

Andita Dani Ahmad dan Andi Triska Maulana

Adaptive Spline Threshold Autoregression (ASTAR)

Sofyan Tandungan dan Andika A. Hakim

Support Vector Machine (SVM)

Helfi Febe Wijaya dan Dewi Lestari

Wavelet Neural – Network

Aninditya Nurul Jafar dan Mustafa Mathar

Hasil Pengujian Sistem

Berikut adalah hasil pengujian berdasarkan klasifikasi dokumen-dokumen di atas, hasil yang di peroleh berupa nilai weight term (W) tiap dokumen, dan besar sudut antara query dan dokumen-dokumen pembanding. Untuk hasil besar sudut (Vektor space/VS) pengukuran tingkat plagiarisme adalah antara 00– 900(derajat), dengan penjelasan singkat bahwa jika nilai yang di peroleh : a. 00 = Memiliki unsur plagiarisme 100% b. 00<x> 450= Memiliki unsur plagiarisme ± 50% c. 450<x>900=Memiliki unsur plagiarisme antara

31

d.

49%-1% 900 = Memiliki unsur plagiarisme kurang dari 1%

Setiap pengujian dipilh satu dokumen sebagai query. Hasil tersebut nantinya yang akan menjukkan seberapa mirip dokumen-dokumen tersebut terhadap dokumen yang menjadi query. Hasilnya juga membandingkan antara sistem yang tidak menggunakan semantik (≠ S) dan sistem yang menggunakan semantik (S) (menjadikan kata benda majemuk/ frase sebagai token). Hal ini dilakukan untuk mengetahui sebarapa besar perbedaan antara tidak semantik dan semantik, dengan parameter dan rumus perhitungan yang sama yaitu perhitungan weigth term (W) dan besar sudut (VS), perbedaan hanya terdapat pada token yang terbentuk. Berikut contoh hasil pengujian sistem : 1. Umum Menjadikan dokumen F sebagai query, dan dokumen A, B, C, D, E, G, dan H menjadi dokumen pembandingnya. Tabel. 2 Hasil pengujian Umum

Hasil Dokumen

G H A B C D E

Weight (W) (≠ S) S 774.574 490.191 153.952 97.822 133.527 54.573 752.328 622.863 231.025 148.054 206.376 131.504 306.025 144.644

Besar Sudut (VS) (≠ S) S 47.339 55.3667 89.4316 89.3995 89.1981 89.2266 63.1392 69.3389 89.2805 88.7872 88.4725 88.6905 89.0323 88.9531

Dari tabel 2 di atas dapat dilihat bahwa dengan perhitungan W tanpa semantik menunjukkan dokumen G memiliki nilai terberat kemiripannya terhadap dokumen F yaitu 774.574 dan menurut perhitungan sudut vektor space tanpa semantik di peroleh nilai 47.3390. Nilai ini menunjukkan bahwa dokumen G mendekati nilai 50% kemiripan (450). Hal ini dikarenakan kedua dokumen tersebut bertema sama yakni “nilai tukar valuta asing”, sehingga kemungkinan besar pengetahuan-pengetahuan dasar mengenai nilai tukar valuta asing berasal dari sumber yang sama, namun setelah pengujian dengan sistem semantik, bobot yang di hasilkan menurun 284.383, dan besar susut yang di hasilkan meningkat ± 80, atau dengan kata lain nilai kedua dokumen dianggap tidak begitu mirip jika dianalisi lebih lanjut. Tetapi, karena nilainya masih berkisar di antara ± 500, maka tidak ada salahnya kedua dokumen ini diberi perhatian lebih untuk dianalisis lebih lanjut baik membandingkan secara manual atau dengan sistem yang jauh lebih baik ke depannya. Hal lainnya yang perlu diperhatikan lebih adalah dokumen B. Hal ini dikarenakan metode yang digunakan dokumen B sama dengan motode dokumen F yakni “ASTAR” sehingga sistem mendeteksi adanya kemiripan yang signifikan di bandingkan dokumen-

03

dokumen lainnya. 2. Tujuan Sama, Metode Berbeda Dokumen-dokumen dengan judul “Prediksi Curah Hujan di Kota Makassar...” . Terdapat lima dokumen (A-E). Dokumen yang dijadikan query adalah dokumen D, dokumen A, B, C dan E menjadi dokumen pembandingnya. Tabel. 3 Hasil pengujian Skripsi Hujan

Hasil Dokumen

E A B C

Weight (W) (≠ S) S 296.928 144.513 156.772 82.6438 179.685 115.461 226.167 163.063

Besar Sudut (VS) (≠ S) S 85.692 85.4993 77.7107 87.4819 86.7259 87.3489 81.6003 76.7693

Dari tabel 3 di atas dapat dilihat bahwa dengan perhitungan W tanpa semantik menunjukkan dokumen A yang sebelumnya di katakan memiliki tingkat kesamaan tertinggi terhadap dokumen D di bandingkan dokumen lainnya. Tetapi setelah dilakukan pengujian pada sistem semantik, hasilnya berubah menjadi dokumen C yang memiliki tingkat kemiripan tertinggi di bandingkan tiga dokumen lainnya. Hal ini dikarenakan dokumen D dan C memiliki kesamaan metode dan tujuan, yaitu metode tentang neural network dan hujan. Hasil yang diperoleh menujukkan nilai 76.76980, nilai tersebut hanya kurang ±140dari 900. Dokumen-dokumen dengan judul “Prediksi Nilai Tukar Valuta Asing...” dan dengan judul “Deteksi Illegalloging…” . Dokumen F menjadi query dan dokumen G dan H menjadi pembandingnya. Tabel. 4 Hasil pengujian Skripsi Nilai Tukar Valuta Asing

Hasil Dokumen

G H

Weight (W) (≠ S) S 396.965 226.675 85.4925 56.3029

Besar Sudut (VS) (≠ S) S 41.869 58.249 88.2702 87.6033

Dari tabel 4, dapat dilihat dokumen G sebelumnya dikatakan memiliki unsur kemiripan sebab nilai yang diperoleh dibawah 450dan bobotnya berbeda jauh dengan dokumen H. Tetapi setelah dilakukan proses semantik, sistem mengatakan perubahan yang cukup berbeda, bahkan melewati angkat 500, yang membuktikan bahwa dokumen tersebut berbeda, tetapi tetap harus dilakukan penelitian lebih lanjut. Hal ini dikarenakan kedua dokumen tersebut membahas tentang “nilai tukar valuta asing” sedangkan dokumen H membahas tentang deteksi illegalogging. 3.

Metode Sama, Tujuan Berbeda Dokumen-dokumen yang menggunakan metode ASTAR di bandingkan dengan metode ANFIS. Dokumen B menjadi query dan dokumen A dan F menjadi pembandinya.


ISBN : 978-602-8509-20-6

Tabel. 5 Hasil pengujian Skripsi Nilai Tukar Valuta Asing

Hasil Dokumen

F A

Weight (W) (≠ S) S 368.761 279.957 290.795 134.862

Besar Sudut (VS) (≠ S) S 72.1092 72.7663 65.8415 67.2773

Dari tabel 5 di atas, dapat diketahui bahwa dokumen B memiliki unsur kesamaan dengan kedua dokumen yang menjadi pembandingnya yaitu dokumen F dan A, karena nilai yang diperoleh juga tidak begitu jauh berbeda. Perlu diberikan perhatian terhadap ketiga dokumen tersebut. Hal ini dikarenakan dokumen B dan A membahasa tentang hujan, sedangkan dokumen B dan F memiliki metode yang sama yaitu ASTAR. Dokumen-dokumen yang menggunakan metode SVM dengan metode ANFIS. Dokumen E menjadi query dan dokumen A dan G menjadi pembandingnya. Tabel. 6 Hasil pengujian Skripsi Nilai Tukar Valuta Asing

Hasil Dokumen

G A

Weight (W) (≠ S) S 384.716 305.845 306.147 163.158

Besar Sudut (VS) (≠ S) S 70.6195 65.0236 68.6656 72.8713

Dari tabel 6 diatas, dapat dokumen G yang di uji pada program tidak semantik memiliki nilai yang lebih tinggi dibandingkan dengan pengujian dengan semantik, hal ini menunjukkan bahwa dokumen tersebut memilik unsur kemiripan, walaupun hanya berbeda ±50dari sebelumnya. Karena dokumen E dan G menggunakan metode yang sama yaitu SVM. Berbeda halnya dengan dokumen A yang memberikan hasil perubahan sudut yang lebih mendekati tidak mirip (900), walaupun sama-sama membahas tentang prediksi curah hujan. Dokumen-dokumen yang menggunakan metode Neural Network. Dokumen D menjadi query dan dokumen C dan H yang menjadi pembandingnya. Tabel. 7 Hasil pengujian Skripsi Nilai Tukar Valuta Asing

Hasil Dokumen

C H

Weight (W) (≠ S) S 417.227 173.092 121.315 70.1399

Besar Sudut (VS) (≠ S) S 38.5807 66.0852 88.9831 87.0442

Berdasarkan data dalam tabel 7 di atas, dapat dilihat bahawa dokumen D dan C memiliki tingkat kemiripan yang sangat tinggi ketika di uji pada sistem tidak semantik, tetapi terjadi pula perubahan yang cukup besar sekita ±300setelah diuji pada sistem semantik. Sekalipun nilai yang dihasilkan cukup berbeda, kedua dokumen tersebut tetap harus diperhatikan lebih jauh karena kedua dokumen tersebut membahas tentang prediksi curah hujan di wilayah makassar dengan metode yang hampir sama yaitu Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Genetic Algorithm – Neural Netwrok dan Radial Basis Function Neural Network.

V.

Penutup

Dari penelitian yang telah kami lakukan untuk mendeteksi unsur plagiarisme terhadap dokumendokumen tersebut dengan membandingkan hasil sitem semantik dan sistem tidak semantik dapat diketahui bahwa dokumen-dokumen dengan tujuan yang sama tetapi menggunakan metode yang berbeda, tidak memiliki tingkat kemiripan yang signifikan. Sedangkan dokumen-dokumen yang memiliki metode yang sama namun tujuan berbeda cenderung menghasilkan angka kemiripan yang tinggi ketika dianalisis dengan menggunakan metode non semantik, namun akan berkurang ketika dianalisis lebih lanjut dengan metode semantik. Namun,hasil yang diperoleh dari penelitian ini tidak lantas menunjukkan dan menilai dokumendokumen yang nilainya cenderung tinggi telah melakukan tindaka plagiarisme, hanya saja dengan angka-angka yang ditunjukkan, maka dengan mudah dapat diketahui dokumen mana saja yang butuh perhatian lebih dan analisis lebih lanjut apakah memang dokumen-dokumen tersebut mirip ataukah tidak sama sekali. Sistem ini masih perlu dikembangkan lebih lanjut, sehingga kelak mampu memberikan hasil yang lebih baik dalam menganalisis dan membandingkan dokumen-dokumen dan tidak hanya terbatas pada karya tulis ilmiah saja, namun juga dokumen lainnya. Penelitian lebih lanjut dan lebih mendalam dalam menganalisis kemiripan dokumen perlu dilakukan ke depannya, baik itu pengembangan dalam pemaknaan kata pada metode semantik ataukah menemukan metode-metode lainnya yang jauh lebih baik dalam menganalisis dokumen. Bahkan jika memungkinkan sistem yang dihasilkan kelak akan mampu secara langsung dan detail mendeteksi apakah dokumen tersebut melakukan plagiarisme atau tidak sama sekali.

Daftar Pustaka [1] Ao,Sio-Long; Oscar Castillo, Xu Huang (ed.). 2011. Intelligent Control and Computer Engineering. New York : Spinger [2] Daymon,Christine dan Immy Holloway. 2002. “Metode-Metode Riset Kualitatif dalam Public Relation dan Marketing Communications. Terjemahan oleh Cahya Wiratama.2008.Yogyakarta : Bentang [3] Feldman, Ronen dan James. 2007. “The Text Mining Handbook : Advanced Approaches in Analyzing Unstructured Data. New York : Cambridge University Press

33

[4] John,Elder(ed.).2012. “Pratical Text Mining and Statistical Analysis for Non-Structured Text Data Applications. Oxford : Academic Press [5] Novanta, Audi. 2009. “Pendeteksi Plagiarisme pada Dokumen Text dengan Menggunakan Algoritma Smith-Waterman”. Skripsi Medan : Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara [6] Sare, Yuni dan Petrus Citra. 2011. Antropologi SMA/MA XII. Jakarta : Grasindo [7] Wicaksono, Alfan Farizki dan Ayu Purwarianti. “HMM Based Part-of-Speech Tagger for Bahasa Indoensia. Proceedings of 4th International MALINDO (Malay and Indonesian Language) Workshop, 2nd . August 2010 [8] Winaryo, Yunita; Totok Suhardiyanto;Ezra M Choesin. 2004. “Karya Tulis Ilmiah : Sosial Menyiapkan, Menulis dan Mencermatinya. Jakarta : Yayasan Obor Indonesia

03


ISBN : 978-602-8509-20-6

Perancangan Aplikasi Server Berbasis Virtualisasi Elly Warny, Farhan Machfudz, Andry Heriady, Amil A Ilham Program Studi Teknik Informatika Universitas Hasanuddin Makassar Abstrak - Perkembangan teknologi informasi dewasa ini mengarah pada teknologi cloud computing (komputasi awan). Cloud Computing adalah standar kemampuan IT seperti perangkat lunak, platform aplikasi, atau infrasturktur, yang disediakan dengan cara swalayan dan bayar-per-pemakaian. penelitian ini ini akan menggunakan metode perancangan suatu aplikasi server yang dapat dijalankan di dua buah sistem operasi yang berbeda dalam sebuah physical machine, dan membandingkan kinerja cpu usage dan memory usage antara physical machine yang tervirtualisasi dengan physical machine yang non virtualisasi. perancangan aplikasi server dapat diimplementasikan dengan baik ke dalam sebuah physical machine yang tervirtualisasi dan sebuah physical machine yang tidak tervirtualisasi serta perbandingan antara physical machine yang tervirtualisasi dan physical machine non virtualisasi menjelaskan bahwa physical machine yang tervirtualisasi memiliki kinerja yang lebih baik dibandingkan physical machine yang tidak tervitualisasi Kata kunci - physical machine; virtualisasi; aplikasi server

I.

PENDAHULUAN

Virtualisasi merupakan teknik pengelolaan sistem dan sumber daya secara fungsional, dengan menyembunyikan karakteristik fisik dari sumber daya. Virtual Server adalah teknologi server side tentang sistem operasi dan software yang memungkinkan sebuah mesin dengan kapasitas besar dibagi ke beberapa mesin virtual. Tiap mesin virtual ini melayani sistem operasi dan software secara independen dan dengan konfigurasi yang cepat. Konsep virtualisasi ini memungkinkan beberapa server berjalan di atas satu mesin. Keuntungan utamanya yaitu pengurangan biaya administrasi yang diperlukan. Selain itu keuntungan yang dapat diperoleh juga antara lain terjadinya kesinambungan jalannya organisasi/perusahaan, fleksibilitas, kesederhanaan, konsolidasi server, dan recovery yang cepat. Virtualisasi dapat diimplementasikan ke dalam berbagai bentuk, antara lain : 1. Network Virtualization 2. Memory Virtualization 3. Grid Computing 4. Aplication Virtualization 5. Storage Virtualization 6. Platform Virtualization

II. METODOLOGI PENELITIAN


ISBN : 978-602-8509-20-6

A. Analisis Kondisi Awal Sistem Saat ini, pengembangan teknologi virtualisasi sedang digemari dalam bidang teknologi dan informasi. Dengan virtualisasi, maka banyak keuntungan yang dapat diperoleh. Oleh sebab itu, banyak orang yang tertarik dengan virtulisasi ini. Karena apabila virtualisasi ini dikembangkan dengan baik, bukan tidak mungkin kita akan memperoleh keuntungan yang sangat besar. Sistem virtualisasi yang dibangun dalam skripsi ini adalah dengan menggunakan aplikasi proxmox untuk membangun dua buah virtual mesin yang berbeda dan masing-masing berperan penting dalam pengelolaan data dan pengaliran informasi, sehingga tersusun suatu layanan sistem virtualisasi yang sistematis dan hemat sumber daya. Selanjutnya dibangun pula sistem serupa, namun di lingkungan non-virtualisasi. Kemudian kedua sistem ini diuji penggunaan CPU serta memory usage-nya menggunakan aplikasi buatan berbahasa Java. Dengan adanya pengujian CPU dan Memory Usage di kedua lingkungan tersebut (Virtualisasi dan Non-Virtualisasi), akan mengetahui perbedaan kinerja perangkat keras yang tervirtualisasi dengan perangkat keras non virtualisasi. B. Rancangan Menu Sistem 1.

Diagram Sistem mesin virtualisasi CLOUD Mail Server

Web Server Client A

Linux

Ms Windows XP

Ubuntu Virtual Machine

Virtual Machine Client B

Proxmox Physical Machine Gambar 1. Diagram Sistem Physical Machine Virtualisasi

Perancangan dan pembangunan sistem didasari seperti yang terlihat pada Gambar 1 di atas. Gambar tersebut merupakan gambar diagram sistem dari physical machine yang telah tervirtualisasi. Di atas physical machine tersebut dibuat sebuah aplikasi virtualisasi yaitu proxmox. Dengan bantuan proxmox tersebut kemudian dibangun

35

dua buah virtual machine. Masing-masing virtual machine tersebut diberikan operasi yang berbeda. Salah satu virtual machine diberikan sistem operasi Linux (OpenVZ), dan virtual machine yang lain diberikan sisem operasi Windows XP (KVM). Masing-masing sistem operasi mempunyai peranan yang berbeda. Sistem operasi Linux berfungsi sebagai mail server dan sistem operasi Windows XP berfungsi sebagai web server. 2.

A. Tahap pertama – Virtualisasi Idle

Diagram SIstem Mesin non virtualisasi Non-Virtualisasi Client A Gambar 3 Virtualisasi Idle. 3. Mail Server

HASIL

B. Tahap kedua – Virtualisasi Send Message

Web Server

Client B

Ms Windows XP

Physical machine

Gambar 2 Diagram sistem Physical Machine non virtualisasi

Sistem virtualisasi yang telah dirancang dan dibangun sebelumnya, kemudian akan diukur kinerjanya. Oleh karena itu dibuatlah sistem yang serupa tetapi dengan metode yang berbeda yakni dengan metode nonvirtualisasi. Seperti yang tampak pada Gambar 2 gambar tersebut merupakan diagram sistem dari physical machine yang Non-Virtualisasi. Di atas physical machine yang dijalankan oleh sistem operasi Windows 7, dibangun mail server dan web server di dalamnya. Perbedaan yang tampak dari dengan metode virtualisasi dan metode nonvirtualisasi ini yaitu dari letak mail server dan webservernya. Di mana pada metode virtualisasi kedua aplikasi server ini terpisah sedangkan pada nonvirtualisasi kedua aplikasi server ini jalan bersamaan di atas sistem operasi yang sama.

Gambar 4. Virtualisasi Send Message

C. Tahap ketiga – Non Virtualisasi Idle

Gambar 5. Non Virtualisasi Idle

D. Tahap keempat – NonVirtualisasi Send Message III. HASIL

Setelah sistem telah dirancang dan terbangun, dilakukan pengukuran kinerja CPU dan memory usage pada masing-masing lingkungan mesin (virtualisasi dan non virtualiasai) dengan menjalankan script Java. Pengujian dilakukan dengan empat tahap sebagai berikut. Script Java dijalankan langsung pada CLI (Command Line Interface) sistem operasi yang ingin diukur kinerja CPU dan memory usage-nya dengan perintah “java –jar Test.java”

63

Gambar 6. NonVirtualisasi Send Message


ISBN : 978-602-8509-20-6

DAFTAR PUSTAKA

E. Pembahasan Dari grafik hasil yang telah diperoleh di atas dapat diketahui bahwa di lingkungan virtualisasi rata-rata penggunaan CPU dan memory lebih sedikit dibandingkan dengan penggunaannya di lingkungan non virtualisasi. Hal ini dapat disebabkan oleh berbagai macam faktor yang dapat dianalisis. Dalam hal penggunaan CPU misalnya, pada lingkungan non virtualisasi penggunaan CPU cenderung terlihat lebih tinggi dibandingkan penggunaan CPU di lingkungan virtualisasi dikarenakan adanya aplikasi lain di background yang sedang berjalan bersamaan dengan aplikasi-aplikasi lainnya. Hal ini tentunya menimbulkan pembagian sumber daya sehingga grafik yang dihasilkan menunjukkan adanya penggunaan CPU yang lebih besar dibandingkan dengan penggunaan CPU di lingkungan non virtualisasi. Dalam hal penggunaan memory. Perbedaan grafik yang ditunjukkan jika dibandingkan penggunaan memory yang awalnya dalam keadaan sigap (Idle) lalu kemudian diberikan load testing yang membebani mesin terdapat perbedaan yang dihasilkan antara penggunaan memory di lingkungan virtualisasi dan di lingkungan non virtualisasi. Pada lingkungan virtualisasi, perubahannya tidak signifikan sedangkan pada lingkungan Non virtualisasi perubahan grafik yang terlihat cukup siginifikan.

IV.

[1] (skripsi) Hatta Puspanda Optimalisasi Utilisasi Server Menggunakan Virtualisasi Server, 2011 [2] (journal) Camagos F, Gabriel G and Benoit L, Virtualization of Linux servers, 2008 [3] Nanang Sadikin. Teknologi Virtualisasi Menggunakan Virtual PC. Penerbit Andi : Yogyakarta, 2012 [4] (journal) Adams K. and Agesen O, A Comparison of Software and Hardware Tehniques for x86 Virtualization, 2008

[5] Dyan Katikasari, Analisa Perbandingan Metode Kvm dengan OpenVZ pada Mesin Virtual Private Server di PT.Lintas Data Prima Yogyakarta, 2012

KESIMPULAN

Setelah melakukan pengujian secara langsung maka dapat disimpulkan bahwa penelitian ini telah berhasil dalam merancang aplikasi server. Dalam hal penggunaan CPU misalnya, pada lingkungan non virtualisasi penggunaan CPU cenderung terlihat lebih tinggi dibandingkan penggunaan CPU di lingkungan virtualisasi dikarenakan adanya aplikasi lain di background yang sedang berjalan bersamaan dengan aplikasi-aplikasi lainnya. Hal ini tentunya menimbulkan pembagian sumber daya sehingga grafik yang dihasilkan menunjukkan adanya penggunaan CPU yang lebih besar dibandingkan dengan penggunaan CPU di lingkungan non virtualisasi..


ISBN : 978-602-8509-20-6

37


63


ISBN : 978-602-8509-20-6

Aplikasi Informasi dan Peta Lokasi Penginapan Di Kota Makassar Berbasis Android Santi1, Ardimansyah2 2

1 Jurusan Sistem Informasi, STMIK Dipanegara, Makassar Jurusan Teknik Informatika, STMIK Dipanegara, Makassar

Abstrak—Di kota Makassar ini tersebar begitu banyak penginapan seperti wisma dan hotel. Ketika mencari lokasi penginapan tersebut terkadang sangat menyulitkan dan membutuhkan waktu yang lama untuk sampai ke tujuan, mengingat banyaknya jalur yang mungkin ditawarkan oleh setiap orang yang ditanya. Aplikasi Informasi dan Peta Lokasi Penginapan yang memanfaatkan teknologi Location Based Service (LBS) yang dirancang untuk mobile device/smart phone dan dibangun di atas platform android, dengan menggunakan IDE Eclipse dan Google API V.2 dapat memberikan informasi kepada pengguna tentang lokasi penginapan beserta rute jalan yang harus dilalui. Dengan adanya aplikasi ini, maka pengguna/masyarakat dapat mencari dan memilih penginapan secara efektif dan efisien. Kata Kunci— Location Based Service (LBS)

I. PENDAHULUAN Penginapan merupakan salah satu tempat yang paling sering dicari seseorang, baik ketika sedang berada di kota lain atau sedang ada kegiatan seperti pelatihan, seminar atau resepsi pernikahan. Di kota Makassar ini ada banyak penginapan yang tersebar mulai dari bentuk wisma sampai hotel yang berbintang. Ketika mencari lokasi penginapan dan rute menuju lokasi penginapan tersebut, selama ini masyarakat melakukannya dengan bertanya kepada orang lain. Hal ini tentu saja sangat menyulitkan dan membutuhkan waktu yang lama untuk sampai ke tujuan, mengingat banyaknya jalur yang mungkin ditawarkan oleh setiap orang yang ditanya. Sistem Location Based Service (LBS) mampu mendeteksi letak pengguna berada sehingga dapat memberikan layanan sesuai dengan letak pengguna tersebut [1]. Sedangkan smart phone android yang memiliki prosesor berkecepatan tinggi, memiliki kemampuan multi-tasking, home screen informatif sehingga notifikasi dapat dipantau dari home screen dan dengan pemanfaatan koneksi internet, maka semakin memudahkan pengaksesan informasi [2]. Berdasarkan uraian latar belakang permasalahan di atas, maka tujuan penelitian ini adalah sebagai berikut: 1. Merancang suatu aplikasi mobile dengan menggunakan teknologi Location Based Service (LBS) di platform android. 2. Membuat sistem untuk mengambil data objek penginapan di kota Makassar berdasarkan koordinat mobile device yang ditampilkan dari Global Positioning System (GPS) dan peta yang dapat digunakan adalah google maps API. 3. Membuat petunjuk arah jalan dengan menggunakan google maps direction. Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Manfaat penelitian adalah sebagai berikut: 1. Bagi masyarakat, menjadi petunjuk dalam mencari lokasi penginapan beserta dengan informasi yang berhubungan dengan penginapan tersebut. 2. Bagi akademisi, menjadi referensi untuk melakukan pengembangan aplikasi yang menggunakan teknologi Location Based Service (LBS) di platform android. II. METODOLOGI Penelitian ini dilakukan di kota Makassar. Alat yang digunakan dalam penelitian ini adalah smart phone dengan sistem operasi Android, Java Development Kit (JDK), Sun Development Kit (SDK), Integrated Development Environment (IDE) Android yang berupa eclipse, dan Android SDK Emulator. Data yang diperlukan adalah lokasi-lokasi penginapan seperti wisma dan hotel. Perancangan aplikasi mobile ini menggunakan metode Waterfall, model ini memberikan pendekatanpendekatan yang sistematis dan berurutan bagi pengembang aplikasi [3]. Tahapan-tahapan dari perancangan aplikasi antara lain: 1. Pengumpulan Data, yaitu mengumpulkan semua datadata yang dibutuhkan dalam perancangan aplikasi. 2. Analisis Aplikasi, yaitu menganalisa kebutuhan aplikasi berupa ruang lingkup informasi, fungsi-fungsi yang dibutuhkan, kinerja aplikasi yang ingin dihasilkan serta antarmuka yang diharapkan. 3. Desain Aplikasi, mencakup perancangan aplikasi berdasarkan hasil analisis yang telah dilakukan sebelumnya. Proses ini berfokus pada struktur data, arsitektur aplikasi, representasi interface, dan detail (algoritma) prosedural. 4. Penulisan Kode Program, tahap penulisan kode program aplikasi dengan menggunakan bahasa pemrograman Java Eclipse dan database MySQL. 5. Pengujian Aplikasi, yaitu melakukan pengujian terhadap kinerja setiap fungsi yang digunakan. 6. Penerapan, tahapan ini bisa dikatakan final dalam perancangan sebuah aplikasi dan dapat digunakan oleh user.

39

III. Hasil A. Desain Aplikasi

Gambar. 3. Informasi Penginapan

B. Referensi Gambar. 1. Posisi Device/User

Tampilan posisi device/user adalah tampilan dimana posisi awal user pada saat menjalankan aplikasi ini, pada Gambar. 1. posisi user adalah marker yang berwarna biru. Sedangkan marker yang berwarna hijau adalah lokasi penginapan.

Gambar. 2. Peta Jalur Lokasi Penginapan yang Dipilih

Ketika user memilih salah satu lokasi, seperti yang terlihat pada Gambar. 2., maka aplikasi akan menampilkan jalur yang harus dilalui user dan informasi yang berkaitan dengan penginapan yang dipilih tersebut. Informasi penginapan ini dapat dilihat pada Gambar. 3.

04

Smart phone atau ponsel cerdas merupakan salah satu wujud realisasi ubiquitous computing (ubicomp) dimana teknologi tersebut memungkinkan proses komputasi dapat terintegrasi dengan berbagai aktifitas kesehariaan manusia dengan jangkauannya yang tidak dibatasi dalam satu wilayah atau suatu scope area[2]. Salah satu dari sistem operasi untuk smart phone yang paling banyak digunakan oleh masyarakat adalah android. Android ini berbasis linux yang mencakup sistem operasi, middleware dan aplikasi serta menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka[4]. Pada Android terdapat sebuah perangkat yang merupakan emulator untuk menjalankan program aplikasi yang disebut Android Virtual Device (AVD) [5]. AVD ini nantinya yang kita jadikan sebagai tempat test dan menjalankan aplikasi android yang telah kita buat, AVD ini berjalan di Virtual Machine. Aplikasi yang dirancang ini juga memanfaatkan teknologi Location Based service (LBS) yang merupakan salah satu bagian dari implementasi mobile Geographic Information System (GIS) yang lebih cenderung memberikan fungsi terapan sehari-hari seperti menampilkan direktori kota, navigasi kendaraan, pencarian alamat serta jejaring sosial dibanding fungsionalitas pada teknologi GIS populer untuk Field Based GIS [1]. Location Based Service (LBS) dan Geographic Information System (GIS) yakni pada penanganan data yang terkait posisi (Reference Positional) dan fungsi analisis spasial (layanan LBS) yang mampu memberikan jawaban pertanyaan-pertanyaan berikut : 1. Dimana posisi saya sekarang ? 2. Apa yang terdekat dari posisi saya ? 3. Bagaimana saya bisa menuju ke suatu tempat ?


ISBN : 978-602-8509-20-6

IV. PEMBAHASAN A. Rancangan Aplikasi Secara Umum Aplikasi dirancang menggunakan Unified Modeling Language (UML) yang merupakan salah satu alat bantu yang sangat handal di dunia pengembangan sistem yang berorientasi objek. Hal ini dikarenakan UML menyediakan bahasa pemodelan visual yang memungkinkan bagi pengembang sistem untuk membuat cetak biru atas visi mereka dalam bentuk yang baku, mudah dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi (sharing) dan mengkomunikasikan rancangan mereka dengan yang lain [6]. Rancangan aplikasi ini terdiri dari tiga aktor, yaitu 1) user selaku pengguna aplikasi, 2) peta yang akan menampilkan posisi dimana user berada dan jalur-jalur menuju lokasi penginapan yang terdekat dari lokasi user tersebut, 3) informasi penginapan yang menampilkan informasi detail tentang penginapan beserta jarak tempuh dari lokasi user. Untuk lebih jelasnya dapat dilihat pada Gambar. 4.

B. Rancangan Aplikasi Secara Rinci Aplikasi Informasi dan Peta Lokasi Penginapan Di Kota Makassar Berbasis Android adalah Aplikasi untuk mencari lokasi penginapan yang ada di kota makassar seperti wisma dan hotel. Pencarian lokasi pada aplikasi ini menggunakan Google Map Api, aplikasi berbasis android ini dibuat pada editor eclipse Integrated Development Environment (IDE). Untuk menggunakan Google Maps terdapat mekanisme pendaftaran yang disediakan oleh Google untuk mendapatkan id (API Key v.2). Proses pendaftaran juga memerlukan kunci yang akan di-generate otomatis ketika komputer diinstal SDK android. Langkah yang perlu dilakukan : 1. Generate Certificate Fingerprint dengan mengetikkan perintah berikut pada command prompt : keytool –v list- alias androiddebugkey –keystore -storepass android –keypass android. Letak file debug.keystore terletak pada C:\Documents and Setting\debug.keystore.

Gambar. 6. Meng-Generate Certificate Fingerprint

Gambar. 4. Use Case Diagram Aplikasi

2. Dengan Certificate Fingerprint ini masuk ke halaman https://code.google.com/apis/console/ untuk mendapatkan API key v.2 klik API Accsess lalu klik create new android key kemudian masukkan Certificate Fingerprint pada My Certificate SHA1 Fingerprint, kemudian pilih Create.

Gambar. 5. Class Diagram Aplikasi

Gambar. 2. menunjukkan hubungan antar class dalam aplikasi yang dirancang dan bagaimana class-class tersebut saling berkolaborasi untuk mencapai suatu tujuan.

Gambar. 7. Meng-generate API key

Gambar. 8. Api Key Maps V.2


ISBN : 978-602-8509-20-6

41

Informasi mengenai penginapan sekarang akan disampaikan kepada pengguna baik sebagai daftar teks (disusun berdasarkan jarak) atau ditampilkan dalam peta. Setelah itu pengguna dapat meminta informasi lebih lanjut tentang penginapan (misalnya fasilitas dan harga), yang mengaktifkan jenis layanan berbeda. Akhirnya jika pengguna memilih restaurant tertentu dia bisa meminta rute ke penginapan tersebut. V. KESIMPULAN

Gambar. 9. Cara Kerja LBS

Referensi [1] menjelaskan bahwa untuk menggambarkan cara kerja Location Based Service (LBS) yang akan mencarikan informasi mengenai lokasi penginapan yang berada di sekitar posisi kita sekarang. 1. Anggaplah sekarang fungsi pencarian telah diaktifkan, posisi pengguna sebenarnya dari perangkat mobile diperoleh dari positioning service. Hal ini dapat dilakukan baik oleh perangkat menggunakan Global Positioning System (GPS) sendiri atau layanan posisi jaringan yang berasal dari provider (Cell Tower). Setelah itu perangkat mobile pengguna mengirimkan permintaan informasi, yang berisi tujuan untuk mencari dan mengirimkan posisi melalui jaringan komunikasi ke gateway telekomunikasi. 2. Gateway memiliki tugas untuk bertukar pesan di antara jaringan komunikasi selular dan internet. Oleh karena itu, dia tahu alamat web dari beberapa aplikasi server dan rute permintaan ke spesifik server tertentu. Gateway akan menyimpan juga informasi tentang perangkat mobile yang telah meminta informasi. 3. Aplikasi server membaca permintaan dan mengaktifkan layanan yang terkait. Dalam kasus ini layanan pencarian. 4. Sekarang, service menganalisis lagi pesan dan memutuskan mana informasi tambahan selain dari kriteria pencarian dan posisi pengguna diperlukan untuk menjawab permintaan pengguna. Dalam kasus ini service akan menemukan bahwa pengguna membutuhkan informasi tentang penginapan dari database yellow pages pada wilayah tertentu dan kemudian service tersebut akan meminta penyedia data untuk memberikan data tersebut. 5. Selanjutnya service akan menemukan bahwa informasi tentang jalan, jarak dan cara yang diperlukan untuk memeriksa apakah penginapan dapat dicapai. 6. Setelah sekarang semua informasi service akan melakukan buffer spasial dan query routing untuk mendapatkan beberapa restaurant terdekat. Setelah menghitung daftar penginapan, hasil dikirim kembali ke pengguna melalui internet, gateway dan jaringan mobile.

04

Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan, maka dapat ditarik suatu kesimpulan sebagai berikut: 1. Aplikasi yang telah dirancang merupakan sebuah aplikasi yang menggunakan teknologi Location Based Services (LBS) pada perangkat mobile dengan platform Android. 2. Dengan aplikasi Location Based Services (LBS) ini dapat memberikan akses kemudahan informasi mengenai lokasi penginapan seperti hotel dan wisma yang ada di kota Makassar kepada user beserta dengan peta dan rute jalan menuju lokasi tersebut. 3. Dengan adanya aplikasi Location Based Services (LBS) ini, user/pengguna dapat mengakses informasi terutama rute menuju lokasi penginapan yang terintegrasi dengan Google Maps Direction.

REFERENSI Riyanto, “Sistem Informasi Geografis Berbasis Mobile,” Gave Media, Yogyakarta, 2011. [2] Jazi Eko Istiyanto, “Pemrograman Smart Phone Menggunakan SDK Android dan Hacking Android,” Graha Ilmu, 2013. [3] Roger.R. Pressman. “Rekayasa Perangkat Lunak (Terjemahan),” Andi Offset, Yogyakarta, 2012. [4] Safaat H, Nazruddin, “Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis android”. Informatika Bandung, 2012. [5] Arifianto Teguh, “Membuat Interface Aplikasi Android Lebih Keren dengan LWUIT,” Andi Offset, Yogyakarta, 2011. [6] Nugroho Adi, “Rekayasa Perangkat Lunak dengan Menggunakan UML dan Java,” Andi Offset, yogyakarta., 2010. [7] Prabowo Pudjo Widodo dan Herlawati, “Menggunakan UML,” Informatika, Bandung, 2011. [8] Wiranto Herry Utomo, “Pemodelan Basis Data Berorientasi Objek,” Penerbit Andi, Yogyakarta, 2010. [9] Setiawan Dee, “Membuat Aplikasi Database dengan Java dan Mysql ,” Wahana Komputer, Yogyakarta , 2008. [10] Nurlayla, “Pembuatan Aplikasi LBS Rute Stasiun Kereta Api Terdekat di Jabotabek Berbasis Android,” Jurnal Ilmiah Universitas Gunadarma, Depok, 2012. [1]


ISBN : 978-602-8509-20-6

Sistem Jaringan Nirkabel Dual-Sensor untuk Monitoring Data Medik Pasien Amil A. Ilham1, A. T. Parawangsa1, Hasradin1, E. Palantei2 1

Program Studi Teknik Informatika Universitas Hasanuddin, Makassar 2 Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar

Abstrak — Riset tentang penggunaan sistem jaringan nirkabel untuk monitoring tanda-tanda vital kesehatan manusia terus mengalami perkembangan. Salah satu penelitian sebelumnya menghasilkan aplikasi jaringan sensor nirkabel untuk monitoring denyut nadi. Aplikasi yang dihasilkan berupa penggunaan jaringan nirkabel untuk memantau denyut nadi manusia, aplikasi ini menggunakan sensor tunggal (single sensor) dengan menggunakan jaringan Xbee sebagai media pengirim data. Dari uraian tersebut, dibutuhkan penelitian lanjutan dengan orientasi riset pada pemakaian lebih dari satu sensor (dualsensor) serta penggunaan jaringan nirkabel yang berbeda yaitu jaringan bluetooth untuk mengirim data dari perangkat sensor ke smartphone android sebagai perangkat penerima. Hasil pengujian throughput dan data loss menunjukkan bahwa bluetooth mempunyai stabilitas yang baik dalam melakukan pengiriman data tanpa data loss dalam jangkauan maksimal 9,5 meter dalam ruang terbuka dengan throughput 0,97 kbps dan maksimal 17 meter dalam ruang tertutup dengan throughput yang sama yaitu 0,97 kbps. Kata kunci — android, arduino, bluetooth, dual-sensor, smartphone.

I. PENDAHULUAN Dewasa ini kemajuan teknologi informasi dan komunikasi (ICT) yang sangat signifikan menciptakan berbagai layanan kemudahan dan keakuratan bagi pemenuhan kebutuhan manusia yang semakin kompleks di hampir semua sektor kehidupan. Salah satu teknologi ICT dengan profil pertumbuhan yang positif adalah teknologi berbasis wireless (nirkabel) dengan jangkauan penerapan yang sangat luas termasuk di bidang kesehatan. Penerapan teknologi wireless (nirkabel) dalam bidang kesehatan kemudian dikenal dengan istilah telemedis (telemedicine). Pengeksploitasian teknologi wireless memungkinkan terciptanya sistem pelayanan kesehatan yang lebih praktis, efektif, dan efisien contohnya tenaga medis dapat memantau kondisi data medik pasien dalam ruang yang berbeda tanpa memerlukan waktu yang lama[1]. Kepraktisan ini akan menjadikan pelayanan kesehatan tidak hanya akan terpusat pada perawatan dan pemeriksaan di rumah sakit dan setiap dokter atau tenaga medis dapat melakukan pemantauan kondisi data medik beberapa pasien dalam satu waktu yang sama meski dalam ruang yang berbeda. Perkembangan riset tentang penggunaan sistem jaringan sensor nirkabel untuk monitoring kesehatan manusia terus berkembang seperti yang telah dilakukan oleh Rusmin Nuryadin dan Iqra Aswad (2012)[2] pada penelitian Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

sebelumnya yang menghasilkan aplikasi jaringan sensor nirkabel untuk monitoring denyut nadi. Aplikasi yang dihasilkan berupa penggunaan jaringan nirkabel untuk memantau denyut nadi manusia, aplikasi ini menggunakan sensor tunggal (single sensor) dengan menggunakan jaringan Xbee sebagai media pengiriman data. Dari uraian tersebut maka dibutuhkan sebuah penelitian lanjutan dengan orientasi pada sistem pemantau data medik pasien dengan menggunakan dua sensor (dualsensor) dan penggunaan jaringan nirkabel yang berbeda (bluetooth). Riset tentang sistem pemantau data medik pasien menggunakan dual-sensor ini dimaksudkan untuk menjawab kebutuhan pemantauan kesehatan manusia dari berbagai parameter kesehatan seperti detak jantung, suhu tubuh, tekanan darah dan lain sebagainya secara bersamaan dalam satu waktu yang sama sehingga penangan medis secara menyuluruh terhadap pasien dapat dilakukan dengan efektif dan efesien oleh dokter dan tenaga medis. Selain itu, sistem monitoring data medik pasien pada penelitian ini juga akan mengorganisir data-data dari berbagai sensor yang berbeda ke dalam basis data yang dinamis dan fleksibel sehingga rekam medis pasien akan tersimpan dengan aman dan sewaktu-waktu dapat digunakan untuk penangan medis berkelanjutan. II. LANDASAN TEORI A. Arduino Uno Arduino Uno merupakan board berbasis mikrokontroler pada Atmega328. ATmega sendiri adalah merk dari komponen utama dalam papan Arduino berupa mikrokontroler 8 bit yang dibuat oleh perusahaan Atmel Corporation[3]. B. Seeed Bluetooth Shield Seeed Bluetooth Shield merupakan salah satu modul bluetooth yang terintegrasi dengan Serial Bluetooth Module dan dikembangkan untuk dapat digunakan pada aplikasi mikrokontroler khususnya pada arduino untuk komunikasi serial nirkabel secara transparan[4]. C. Bluetooth SPP Protocol Pro Bluetooth SPP Protocol Pro adalah perangkat lunak yang berfungsi sebagai alat komunikasi client pada bluetooth (bluetooth slave mode). Dengan menggunakan Bluetooth SPP Protocol Pro komunikasi data

43

antarperangkat bluetooth dapat terbangun serta dapat menghubungkan antara Bluetooth MCU dan PC serial port.[5]

III. PERANCANGAN SISTEM A. Metode Perancangan Sistem

D. Denyut Jantung Heart-rate atau Pulse-rate adalah angka dari bunyi detak ganda yang terjadi dalam hitungan satu menit [6]. Bagian pertama dari bunyi detak ganda ini (S-1) adalah hentakan dari pompaan darah terhadap dinding jantung setelah kontraksi dari ventrikel (sistol) dan penutupan katup atrioventrikular (AV valves—mitral dan tricuspid). Bagian kedua (S-2) dari bunyi detakan ganda adalah lompatan balik darah terhadap katup semilunar (dikatakan semilunar karena bentuknya mirip bulan setengah lingkaran). Kedua bunyi tersebut diperjelas menggunakan stetoskop dengan istilah “lub-dub”. F. Suhu Tubuh Manusia Suhu tubuh sangat mudah sekali berubah dan dipengaruhi oleh banyak faktor, baik faktor eksternal maupun faktor internal[7]. Perubahan suhu tubuh sangat erat kaitannya dengan produksi panas yang berlebihan, produksi panas maksimal maupun pengeluaran panas yang berlebihan.

Gambar 1. Rancangan Sistem

Sensor suhu LM35 merupakan komponen elektronika yang berfungsi untuk mengubah besaran fisis yang berupa suhu menjadi besaran elektris tegangan. Sensor suhu LM35 memiliki parameter bahwa setiap kenaikan 1ºC tegangan keluarannya naik sebesar 10mV dengan batas maksimal keluaran sensor adalah 1,5 V pada suhu 150°C.[9]

Secara garis besar sistem ini terdiri dari dua perangkat yaitu perangkat pengirim dan perangkat penerima. Perangkat pengirim terdiri dari rangkaian komponen mikrokontroler (Arduino Uno), bluetooth shield, dan perangkat sensor. Perangkat sensor ini akan digunakan pada subjek (pasien) untuk mendeteksi suhu dan denyut jantung. Hasil pembacaan sensor berupa nilai suhu dan jumlah denyut per menit (beat per minute (BPM)) kemudian akan dikirim ke perangkat penerima menggunakan jaringan bluetooth. Perangkat penerima berupa smartphone android yang berfungsi untuk menerima dan menampilkan data suhu dan BPM dari subjek (pasien) yang dikirim oleh perangkat pengirim, untuk menampilkan nilai suhu dan BPM yang diterima digunakan aplikasi bluetooth spp protocol pro. Aplikasi ini juga berfungsi menyimpan data suhu dan BPM yang diterima selama selang waktu tertentu ke dalam media penyimpanan smartphone dalam bentuk file berformat text (.txt) yang kemudian akan diunggah ke web server sehingga data medik pasien hasil pembacaan sensor dapat diakses kapan dan di mana saja menggunakan jaringan internet.

H. Sistem Operasi Android

B. Perangkat Pengirim

Android adalah adalah sistem operasi untuk telepon seluler yang merupakan modifikasi dari kernel Linux. Pada awalnya sistem operasi ini dikembangkan oleh sebuah perusahaan bernama Android Inc. Dari sinilah awal mula nama Android muncul. Android Inc. adalah sebuah perusahaan start-up kecil yang berlokasi di Palo Alto, California, Amerika Serikat yang didirikan oleh Andy Rubin, Rich Milner, Nick Sears dan Chris White pada tahun 2003[10].

Perangkat pengirim terdiri dari rangkaian mikrokontroler, pulse sensor, sensor suhu LM35, bluetooth shield, breadboard, layar LCD, diode 1N914, resistor 18 kOhm, dan potensiometer dengan sumber daya berupa power bank yang dihubungkan menggunakan kabel USB. Perancangan perangkat pengirim dilakukan dengan membuat rangkaian antarkomponen yang dihubungkan dengan menggunakan kabel jumper.

44


E. Pulse Sensor Pulse sensor adalah sensor detakan jantung yang dirancang untuk Arduino dengan sistem plug and play. Sensor ini dapat digunakan di berbagai bidang oleh pelajar, seniman, atlet, designer dan pengembang teknologi mobile yang ingin menggabungkan sistem denyut jantung kedalam sebuah proyek berbasis teknologi mobile. Pulse sensor nantinya akan dipasang di ujung jari atau di cuping telinga. Pulse sensor akan mengirimkan data analog ke Arduino untuk memantau secara real-time detakan-detakan yang terjadi di ujung sensornya.[8] G. Sensor Suhu LM-35

ISBN : 978-602-8509-20-6

Gambar 5. Tampilan Bluetooth SPP Pro pada Smartphone Android

IV. PENGUJIAN EKSPERIMENTAL DAN ANALISIS KINERJA Gambar 2. Skema Rangkaian Perangkat Pengirim

Gambar 3. Rangkaian Perangkat Pengirim

C. Perangkat Penerima Aplikasi yang digunakan pada perangkat penerima (smartphone android) adalah bluetooth protocol yaitu bluetooth spp protocol pro yang disediakan secara free (gratis) pada app store Android. Aplikasi bluetooth spp protocol pro diinstal pada perangkat penerima (smartphone android) dengan versi OS Android 4.1.2. Aplikasi bluetooth spp protocol pro berfungsi untuk membangun koneksi dengan perangkat pengirim kemudian menerima dan menampilkan data suhu dan BPM yang dikirim oleh perangkat pengirim selama selang waktu tertentu. Ketika dijalankan, aplikasi ini secara otomatis akan mengaktifkan perangkat bluetooth pada smartphone dan melakukan scanning pada bluetooth device yang tersedia.

A. Analisis Kinerja Sensor Denyut Jantung dan Sensor Suhu Data Beat Per Minute (BPM) diukur dengan dua metode yaitu metode pengukuran langsung dan pengukuran sensor. Pengukuran langsung dilaksanakan oleh tenaga medis sesuai prosedur medis yang berlaku dalam menentukan nilai BPM yaitu dengan menghitung jumlah denyut nadi subjek selama satu menit. Pada metode kedua, pengukuran BPM menggunakan perangkat sensor yang dipasangkan pada ujung jari subjek (pasien) selama 1 menit kemudian data hasil pengukuran dikirim ke perangkat penerima (smartphone android) untuk ditampilkan dan disimpan dalam file teks (.txt) . Nilai BPM yang dihasilkan oleh perangkat sensor merupakan nilai BPM rata-rata hasil pengukuran sensor yang diterima oleh smartphone android selama selang waktu 1 menit. Untuk mendapatkan perbandingan hasil pengukuran BPM antara pengukuran langsung dan pengukuran sensor maka dilakukan uji coba pengukuran BPM dengan dua metode pengukuran pada 5 orang sampel dengan hasil sebagai berikut : TABEL I HASIL PENGUKURAN BPM MENGGUNAKAN PENGUKURAN LANGSUNG DAN PENGUKURAN SENSOR .

Subjek Sampel 1 Sampel 2 Sampel 3 Sampel 4 Sampel 5

Nilai BPM Pengukuran Pengukuran Langsung Sensor 74 74 57 54 91 87 83 80 86 83

Gambar 4. Smartphone Android


ISBN : 978-602-8509-20-6

45

menunjukkan akurasi perhitungan sensor suhu LM35 yang tinggi dalam melakukan pengukuran suhu tubuh sehingga membuktikan bahwa sensor suhu LM35 dapat digunakan secara akurat dalam mengukur suhu tubuh subjek dalam rangka monitoring data medik pasien. B. Analisis Perbandingan Data pada Perangkat Pengirim dan Perangkat Penerima

Gambar 6. Grafik Perbandingan Hasil Pengukuran Nilai BPM Menggunakan Pengukuran Langsung dan Pengukuran Sensor.

Grafik pada gambar 6 menunjukkan selisih yang relatif kecil antara hasil pengukuran langsung dengan pengukuran sensor. Hal ini menunjukkan tingkat akurasi yang tinggi dari perangkat pulse sensor untuk menghitung nilai BPM subjek (pasien). Data suhu diukur dengan dua metode yaitu menggunakan termometer digital dan menggunakan sensor suhu LM35. Pengukuran menggunakan termometer digital dilakukan selama ±1 menit hingga mencapai titik kestabillan pengukuran yang ditandai dengan bunyi beep. Pengukuran menggunakan sensor suhu dilakukan selama 15 detik kemudian data hasil pengukuran dikirim ke prangkat penerima (smartphone android) untuk ditampilkan dan disimpan dalam file teks (.txt). Hasil pengukuran suhu 5 sampel menggunakan termometer digital dan pengukuran sensor sebagai berikut : TABEL II HASIL PENGUKURAN SUHU MENGGUNAKAN TERMOMETER DIGITAL DAN PENGUKURAN SENSOR SUHU.

Subjek Sampel 1 Sampel 2 Sampel 3 Sampel 4 Sampel 5

Nilai Suhu Pengukuran Pengukuran Termometer Sensor 36.4 oC 35.9 oC 36.2 oC 35.6 oC o 36.1 C 35.9 oC o 36.2 C 36 oC o 36.3 C 36.4 oC

Proses pembandingan data pada perangkat pengirim dan perangkat penerima dilakukan dengan menggunakan LCD (liquid crystal display) sebagai interface perangkat pengirim. Data yang ditampilkan oleh LCD akan dibandingkan dengan data yang diterima oleh perangkat penerima pada smartphone android untuk membuktikan bahwa data yang ditampilkan pada smartphone android sama dengan data yang dikirim oleh perangkat pengirim.

Gambar 8. Tampilan Data BPM, Suhu, dan timer pada LCD

Data BPM dan suhu yang ditampilkan pada LCD merupakan nilai yang dikirim ke perangkat penerima, sedangkan nilai yang ditampilkan setelah nilai suhu (ditunjukkan oleh angka 108 pada gambar) merupakan penanda waktu (timer) dalam satuan detik yang nilainya tidak dikirim ke perangkat penerima. Hasil pengujian data yang ditampilkan pada LCD dan data yang diterima oleh perangkat penerima (smartphone android) selama 15 detik sebagai berikut : TABEL III HASIL PENGUJIAN KECOCOKAN DATA PADA PERANGKAT PENGIRIM DAN PERANGKAT PENERIMA

Data Ke-

Gambar 7. Grafik Perbandingan Hasil Pengukuran Suhu Menggunakan Termometer Digital dan Pengukuran Sensor

1 2 3 4 5 6 7 8 9 10

Data yang Ditampilkan pada LCD BPM Suhu (oC) 81 30 86 35 86 33 87 29 87 35 87 35 88 33 88 32 90 35 91 32

Data yang Diterima Smartphone Android BPM 81 86 86 87 87 87 88 88 90 91

Suhu (oC) 30 35 33 29 35 35 33 32 35 32

Dari data pengukuran suhu menggunakan termometer digital dan pengukuran sensor didapatkan rata-rata selisih pengukuran termometer digital dan pengukuran sensor dari lima sampel adalah 0.32 oC, rata-rata selisih perhitungan antara pengukuran termometer digital dan pengukuran sensor yang berada di bawah 0.5 oC

C. Analisis Kinerja Bluetooth terhadap Jarak

44


Pengujian kinerja bluetooth dilakukan untuk mengukur tingkat optimalisasi penggunaan jaringan bluetooth sebagai media pengirim data hasil pembacaan sensor dari perangkat pengirim ke smartphone android (perangkat penerima). Pengujian kinerja bluetooth terdiri

ISBN : 978-602-8509-20-6

dua pengujian yaitu pengujian throughput dan pengujian data loss. Pengujian dilakukan menggunakan software sscom.exe dengan melakukan pengiriman file berukuran 60 kB berisi 60.000 data dari perangkat pengirim (transmitter) ke perangkat penerima (receiver) pada kondisi ruang terbuka dan ruang tertutup. Pengujian throughput dan data loss menggunakan rumus perhitungan berikut : Gambar 12. Grafik perbandingan data loss berdasarkan jarak pengiriman dalam ruang tertutup.

Hasil pengujian throughput dan data loss berdasarkan jarak pengiriman pada ruang terbuka disajikan dalam grafik berikut :

Gambar 9. Grafik perbandingan throughput berdasarkan jarak pengiriman dalam ruang terbuka.

Gambar 10. Grafik perbandingan data loss berdasarkan jarak pengiriman dalam ruang terbuka.

Hasil pengujian throughput dan data loss berdasarkan jarak pengiriman pada ruang tertutup disajikan dalam grafik berikut :

Gambar 11. Grafik perbandingan throughput berdasarkan jarak pengiriman dalam ruang tertutup.


ISBN : 978-602-8509-20-6

Hasil pengujian throughput dan data loss dalam ruang tertutup dan ruang terbuka menghasilkan titik rekomendasi jarak maksimum pengiriman data optimum menggunakan jaringan bluetooth yaitu pada titik 9,5 meter pada pengiriman data di ruang terbuka dan titik 17 meter dalam ruang tertutup. Pengiriman data pada jarak 9,5 meter di ruang terbuka merupakan jarak terjauh yang menghasilkan data loss 0% dengan throughput 0,97% yang berarti semua data yang dikirim pada jarak 0 – 9,5 meter dari perangkat pengirim akan diterima secara utuh oleh perangkat penerima tanpa ada data yang hilang ( data loss) sedangkan pengiriman data di atas jarak tersebut (>9,5 meter) menghasilkan data loss ≠0% yang berarti data yang diterima oleh perangkat penerima tidak utuh (terdapat data yang hilang/data loss) sehingga nilai throughput akan berkurang mengakibatkan informasi tidak sampai dengan sempurna. Sedangkan pada ruang tertutup jarak maksimal pengiriman data yang optimal di mana data loss 0% dengan throughput 0,97% adalah pada jarak pengiriman data 17 meter. Pengiriman data di atas jarak 17 meter pada ruang tertutup menghasilkan data loss ≠0% yang berarti data yang diterima oleh perangkat penerima tidak utuh (terdapat data yang hilang/data loss) sehingga nilai throughput akan berkurang. Oleh karena itu jarak jangkauan bluetooth optimal digunakan sebagai media pengirim informasi data medik pasien (suhu dan BPM) hasil pengukuran sensor dari perangkat pengirim ke smartphone android (perangkat penerima) adalah 0 – 9,5 meter pada pengiriman data di ruang terbuka dan 0 – 17 meter pada pengiriman data di ruang tertutup. D. Web Interface

Gambar 13. Halaman untuk mengunggah (upload) data medis pasien

47

DAFTAR ACUAN

Gambar 14. Tampilan user interface menampilkan data suhu dan BPM dalam bentuk visualisasi grafik.

Gambar 13 menunjukkan aplikasi berbasis web untuk mengunggah file berisi data medis hasil pembacaan sensor dalam bentuk file teks (.txt) ke web server untuk diolah secara matematis. Gambar 14 menunjukkan tampilan user interface berbasis web yang menampilkan data suhu, suhu rata-rata, BPM, dan BPM rata-rata berdasarkan file data medis (dalam format .txt) yang diunggah ke dalam sistem. Data BPM dan suhu ditampilkan dalam bentuk visualisasi grafik untuk mempermudah dokter atau tenaga medis dalam menganalisis dan mendiagnosis kondisi kesehatan pasien.

[1] M. Niswar, A. A. Ilham, Zaenab M., Indrabayu, A. Suyuti, Rhiza S., Sadjad, T. Waris, Ady W. P., And Zulkiﬂi T., “Aplikasi Jaringan Sensor Nirkabel Untuk Monitoring Medis Di Daerah Bencana,” 2012 Prosiding InSINas 2012, November 2012. [2] A. Iqra and R. Nuryadin, “Aplikasi Jaringan Sensor Nirkabel untuk Monitoring Denyut Nadi”, Universitas Hasanuddin, Makassar, 2012. [3] Djuandi, Feri. 2011. Pengenalan Arduino. www.tokobuku.com diakses tanggal 24 April 2013. [4] Bluetooth Shield – Wiki, http://seeedstudio.com diakses tanggal 19 April 2013. [5] http://www.play.google.com/store/apps diakses tanggal 24 April 2013. [6] J. V. Stewart, “Vital Signs and Resuscitation”, Landes Bioscience ,Texas USA, 2003. [7] T. Anas, “Tanda-tanda Vital Suhu Tubuh”, EGC Emergency Arcan Buku Kedokteran, Jakarta, 2006. [8] Rajasa F., Moh. Fajar, Ya’umar, dan Suyanto, “Rancang Bangun Prototipe Monitoring Suhu Tubuh Manusia Berbasis O.S Android Menggunakan Koneksi Bluetooth,” Jurnal Teknik POMITS vol. 2, no. 1. Surabaya : Institut Teknologi Sepuluh Nopember, 2013. [9] Andry, “Android A sampai Z”, PT Prima Infosarana Media, Jakarta, 2011.

V. KESIMPULAN 1. Arduino Uno dapat digunakan sebagai media pemrosesan data yang dikirim oleh sensor detak jantung dan sensor suhu serta Seeed Bluetooth Shield dapat digunakan sebagai media pengiriman data dari Arduino Uno ke smartphone. 2. Untuk menampilkan informasi yang telah diproses oleh arduino dan dikirimkan oleh Seeed Bluetooth Shield di smartphone dapat menggunakan perangkat lunak Bluetooth SPP Protocol Pro. Informasi yang ditampilkan oleh Bluetooth SPP Protocol Pro kemudian disimpan dan dikirim ke server untuk ditampilkan melalui web interface. 3. Untuk menyimpan informasi dari beberapa sensor ke dalam database sebagai rekam medik pasien, dapat menggunakan pemrograman php yang telah diintegrasikan dengan MySQL sebagai database. 4. Jarak maksimum pengiriman data dari perangkat pengirim ke perangkat penerima menggunakan jaringan bluetooth tanpa data loss adalah 9,5 meter untuk pengiriman data dalam ruang terbuka dan maksimal 17 meter untuk pengiriman data dalam ruang tertutup dengan throughput masing-masing 0,97 kBps.

44


ISBN : 978-602-8509-20-6

Pengembangan Sistem Informasi Akreditasi Muhammad Takdir Muslihi, Adrianto Dimas Hutomy Program Studi Teknik Informatika Universitas Hasanudin Makassar AbstrakPerancangan sistem informasi akreditasi bertujuan untuk mengembangkan sistem informasi akreditasi dari metode pengisian dokumen borang akreditasi secara manual menjadi metode pengisian dokumen borang akreditasi yang terkomputerisasi dan otomatis atau metode yang berbasis web.Sistem informasi akreditasi dapat memudahkan penginputan data-data yang dapat memudahkan pengolahan data dokumen borang yang harus harus diisi untuk mendapatkan akreditasi suatu program studi. Sistem informasi akreditasi menggunakan login admin yang sesuai dengan kode program studi. Kata kunci - Akreditasi, Borang, User, database

I. PENDAHULUAN Sistem informasi akreditasi adalah adalah sebuah sistem yang dapat digunakan untuk pengawasan terhadap mutu program studi secara cepat, tepat dan akurat. Sistem yang berjalan sekarang masih belum memenuhi kondisi tersebut. Kelemahan yang terjadi pada sistem yang sedang berjalan adalah seperti pengaksesan data / informasi tentang nama institusi pendidikan sering mengalami kesulitan dan memerlukan waktu yang lama karena harus membuka langsung lembar per lembar di file arsip. File yang dicari kadang tidak lengkap dan bahkan ada file yang hilang. Hal ini disebabkan karena data belum tersimpan dalam basis data. Selain itu informasi untuk akreditasi belum lengkap untuk kebutuhan akreditasi belum menampilkan masa berlaku akreditasi Dengan adanya sistem informasi berbasis web, mahasiswa, dosen maupun pegawai dapat mengakses informasi kapan saja dan dimana saja. Hal ini dapat memperlancar segala kepengurusan mengenai akademik perkuliahan serta penggunaannya akan lebih akurat.

II. METODOLOGI Sistem informasi akreditasi yang berjalan di Fakultas Teknik Universitas Hasanuddin saat ini masih dilakukan secara manual yaitu melakukan penginputan borang akreditasi dengan menggunakan Microsoft Word. Cara ini sangat tidak efisien mengingat dalam borang akreditasi terdapat banyak tabel yang harus diisi dan hal ini akan memakan waktu yang lama apabila harus membuat semua tabel yang ada secara manual. Pengaksesan data untuk mencari informasi tentang nama institusi, strata akreditasi, nilai akreditasi, waktu penetapan strata akreditasi dan waktu penetapan ijin penyelenggaraan pendidikan sering mengalami kesulitan dan memerlukan waktu yang lama karena harus membuka arsip file satu-persatu. File yang dicari kadang tidak


ISBN : 978-602-8509-20-6

lengkap dan bahkan ada file yang hilang. Hal ini disebabkan karena data belum tersimpan dalam basis data. Pengembangan sistem dan pembangunan aplikasi dilakukan tahap demi tahap, sebagai berikut : a. Tahap Pengumpulan Data dan Studi Literatur Pada tahap ini dilakukan pengambilan data di kantor Program Studi Sarjana Fakultas Teknik Universitas Hasanuddin. Data-data yang dikumpulkan berupa buku borang akreditasi jurusan Elektro dan prodi Informatika, buku borang fakultas Teknik, serta buku evaluasi diri program studi dengan tujuan melakukan analisa tentang sistem akreditasi yang sedang berjalan. Studi literatur dilakukan dengan mencari referensi berupa jurnal, buku, karya tulis, tugas akhir, atau berupa penelitian yang membahas tentang sistem informasi akreditasi serta aplikasi yang dapat digunakan dalam pembuatan sistem tersebut demi membantu mencapai tujuan dari penelitian yang sedang dilakukan. b. Tahap Analisis Sistem  Requirement System a. XAMPP 1.7.3 (MySQL 5.1.44, PHP 5.3.1, Apache) b. Web Browser (Mozilla, Chrome) c. Notepad ++  Analisis Proses Proses-proses yang dapat dilakukan pada sistem yakni : a. Proses login untuk administrator. b. Proses pengolahan borang fakultas meliputi preview seluruh isi borang fakultas dan menu preview untuk melihat hasil inputan. c. Proses pengolahan dan preview identitas pengisi borang fakultas digunakan untuk menambah, mengedit, atau menghapus data identitas fakultas dan pengisian data pengisi borang, serta menu preview untuk melihat hasil inputan. d. Proses pengolahan dan preview standar fakultas digunakan untuk menambah, mengedit, atau menghapus data uraian visi, misi, tujuan, sasaran dan strategi pencapaian, dan sosialisasi serta menu preview untuk melihat hasil inputan. e. Proses pengolahan borang program studi meliputi preview seluruh isi borang dan menu preview untuk melihat hasil inputan. f. Proses pengolahan dan preview identitas pengisi borang program studi digunakan untuk menambah, mengedit, atau menghapus data identitas fakultas dan pengisian data pengisi borang, serta menu preview untuk melihat hasil inputan. g. Proses pengolahan dan preview standar program studi digunakan untuk menambah, mengedit, atau menghapus data uraian dan data tabel mengenai visi, misi, tujuan, sasaran dan strategi pencapaian, serta menu preview untuk melihat hasil inputan. h. Terdapat juga menu preview untuk melihat hasil inputan

49

i.

Proses Borang Program Studi

Borang Akreditasi (hardcopy)

dit as

i

Laporan

ta

ak

re

Data dosen

La

Da

r fo In

po

ra n

m as ia

La

kr

Proses Borang Fakultas

Data akreditasi

ta a

Info

kr e

dit as

ra

n

i

Da

po

s ita

Administrator

ed

Proses pengolahan evaluasi diri meliputi preview seluruh isi borang evaluasi dan menu preview untuk melihat hasil inputan. j. Proses pengolahan data master digunakan untuk mengolah hak akses yang akan digunakan oleh administrator. k. Proses pengolahan data administrator digunakan untuk menambah , mengedit ataupun menghapus administrator. l. Proses pengolahan data fakultas meliputi daftar administrator memiliki hak untuk mengakses menu borang fakultas. m. Proses pengolahan data program studi meliputi daftar administrator memiliki hak untuk mengakses menu borang program studi.

rm

a si

akre

i Proses Evaluasi Diri

dita

si

Informasi akreditasi

Website Akreditasi

Gambar 3 DFD Tingkat 1 Pada Gambar 3 dapat dilihat bahwa administrator memasukan data - data akreditasi kedalam borang program studi, borang fakultas, dan evaluasi diri untuk menghasilkan laporan berupa borang akreditasi dan website akreditasi. Proses Identitas

c. Tahap Desain dan Perancangan Sistem  Entity Relational Diagram (ERD)

ntit as ta

1 ar nd

sta

stan da sta

nd

ar

r5

Proses Standar 5 6

Memiliki

Uraian

Memiliki

Fakultas

Memiliki

Jumlah _ruang

Nidn

Id_fakultas

Id_uraian

Memiliki

Nama_fakultas

Soal_uraian

menjadi

Memiliki

Dosen Id_prodi

Jumlah_mahasiswa

Status

Alamat

Faks

Nidn

Jabatan

Nama

Tugas_belajar

Prestasi Id

Sertifikat Pendidikan dosen

Memiliki Id

Bidang_keahlian Pendidikan

Gambar 1 Bentuk ERD Sistem

1.

2.

3.

n

Seminar

Tgl_lahir

Gelar

Gambar 4 DFD Tingkat 2

No_sk Pejabat Nama_fakultas

Kegiatan_ dosen

Pertemuan

Proses Standar 7

.

Informasi_fakultas

Telepon

Id_prodi

Pertemuan

Website Akreditasi

Secara garis besar hubungan pada Gambar diatas menyatakan bahwa: Satu fakultas memiliki banyak standar fakultas, banyak program studi, banyak sarana dan prasarana, serta memiliki satu informasi fakultas. Informasi fakultas terdiri dari id, nama fakultas, pejabat, alamat fakultas, no sk fakultas, faks, dan telepon. Satu program studi memiliki banyak dosen, banyak mata kuliah, banyak ruangan, dan memiliki satu profil kemahasiswaan.

Gambar 4 memaparkan administrator akan mengisi data identitas, data standar 1, standar 2, sandar 3, standar 4, standar 5, standar 6, dan standar 7 kemudian diproses lalu data-data tersebut akan digabung untuk menghasilkan laporan borang akreditasi da website akreditasi. Proses borang program studi juga dapat mengirimkan data ke borang fakultas berupa datadata dosen.

Data Standar 1 Data Standar 1 Standar 1

1. Simpan data

Data Standar 1

Database Akreditasi

Data Standar 1

Data Standar 1

Program studi

Id

Pembimbing_ akademik

si

sta

7

Memiliki

Id

rdita

Poin_uraian

Id_fakultas

Memiliki

Ruang

i ak

Jenjang

Id_prodi

luas

as

Proses Standar 6

Nama_prodi

Isi_uraian

Jenis

rm

Da

ar

Memiliki

Info

ta

nd

Prasarana

Pilhan Mata_kuliah

r5 anda a st Dat 6 ar nd sta ta Da

sta

Nama_mk

Id_prodi

Data standar 4

nd

ta

penyelenggara

Borang Akreditasi (HardCopy)

Proses Penggabungan Data

ar7

ta

Proses Standar 4

ra

Proses Standar 3 3

po

ta

ndar

la

Da

Da

Id_fakultas

2

1

Da

Da

Jenis

Bobot_sks

ar

Data standar 4 Data

Memiliki

nd

ar

Sarana Investasi

Memiliki

D ata sta nd ar 2 Dat a st anda r3 nd

Administrator

Nilai Sumber

ta

sta

sta Data

Id

Kode

sta

Da

Id_prodi Profil_kemaha siswaan

semester

ta

Isi

Standar_fakultas

Bobot_tugas

Da

Jenis

Id

titas

Id_fakultas

Jumlah_lulusan

en

Calon_mabareguler

Total_mahasiswa

Proses Standar 2

ide

Tahun_akademik

Jumlah_mahasiswabaru

a id Dat

Daya_tampung

Proses Standar 1

3. Perhitungan standar 1

Data hasil perhitungan


 Data Flow Diagram (DFD) Data Akreditasi Administrator

Sistem informasi Akreditasi

Laporan

Laporan standar 1

Website standar 1

Borang Akreditasi (hardcopy)

Gambar 5 DFD Tingkat 3 Proses 1

Informasi Akreditasi Website Akreditasi

Gambar 2 DFD Tingkat Konteks Dari data flow diagram diatas dapat dipaparkan bahwa untuk penilaian akreditasi diawali dengan mengisi data-data akreditasi oleh administrator kemudian data tersebut diolah oleh sistem informasi akreditasi kemudian kemudian menghasilkan keluaran berupa laporan borang akreditasi dan informasi akreditasi berupa website.

05

2. Manajemen Database Akreditasi

Gambar diatas data standar 1 yang diinput akan tersimpan di database akreditasi. Dalam database akreditasi data standar 1 akan diolah dalam manajemen database atau dilakukan perhitungan standar 1 yang kemudian data hasil perhitungannya akan diolah menjadi output berupa laporan standar 1 dan website standar 1.


ISBN : 978-602-8509-20-6

Data hasil edit

2.1 Edit

Standar 1

Database Akreditasi

Data Standar 1

mengakses halaman admin. Aplikasi ini terdapat operator yang memiliki hak akses yang berbeda-beda tergantung level operator yang dimiliki antara lain admin, operator program studi, dan operator fakultas. Menu yang ada pada halaman admin sebagai berikut :

Data hasil delete 2.2 Delete

Gambar 6 DFD Tingkat 3 Proses 2 Gambar 3.12 memaparkan data standar 1 diolah melalui proses edit dan delete yang kemudian hasilnya akan disimpan di database akreditasi.

Database Akreditasi

Data Standar 1

3.1 Perhitungan data standar 1


3.2 Data hasil perhitungan Menampilkan Hasil perhitungan

Laporan Standar 1

Gambar 7 Tampilan Beranda pada operator admin Data hasil perhitungan

Website standar 1

a.

Gambar 6 DFD Tingkat 3 Proses 2 Gambar 3.13 memaparkan data standar 1 di database dihitung datanya kemudian hasil perhitungan tersebut diproses untuk ditampilkan dalam bentuk laporang standar 1 dan website standar 1.

d. Tahap Implementasi dan Evaluasi Sistem Tahap implementasi sistem yang dilakukan adalah sebagai berikut : a. Sistem Informasi Akreditasi dibuat di localhost dalam keadaan offline. b. Menguji sistem serta proses-prosesnya. Pengujian sistem dilakukan untuk mengetahui tingkat akurasi sistem. Pada tahap ini pengujian dilakukan menggunakan metode pengujian prangkat lunak yakni pengujian fungsional dan pengujian proses. Setelah proses pengujian dilakukan, diadakan evaluasi terhadap sistem untuk mengetahui kekurangan dan kelebihan pada sistem tersebut.

b.

Home Home merupakan halaman awal tampilan sistem informasi akreditasi. tidak ada pekerjaan yang dapat dilakukan disini, karena hanya merupakan tampilan yang berisi informasi awal. Fakultas Menu Fakultas merupakan halaman tampilan sistem informasi akreditasi yang berhubungan dengan datadata informasi fakultas.

(1) Identitas Halaman identitas berfungsi untuk menginput data identitas program studi dan pengisi borang program studi sekaligus menampilkan data yang telah tersimpan dalam database.

III. HASIL Pada Sistem informasi akreditasi dibuat dengan tujuan dapat melakukan proses pengisian data borang akreditasi suatu program studi secara online kemudian data tersebut disimpan dalam database. Setelah itu sistem akan mengambil data-data yang ada dalam database untuk pembuatan sebuah laporan borang akreditasi. Sistem dapat melakukan proses pembuatan berbagai macam laporan borang sebagai berikut : 1. Buku 3B-Borang Fakultas-Sekolah Tinggi 2. Pedoman Evaluasi Diri 3. Buku 3A-Borang Akreditasi Sarjana 4. Buku 3A-Borang Akreditasi PS S2 5. Buku 3A-Borang Akreditasi PS S3

Gambar 9 input identitas Fakultas

(2) Menu Standar Menu standar berfungsi untuk menginput data yang mengacu pada borang 3A dan 3B. Data yang diinput adalah mengenai hal-hal yang berhubungan dengan tujuan fakultas dan program studi.

Saat memulai aplikasi, akan ditampilkan halaman login dimana operator harus memasukkan username dan password. Verifikasi data admin harus dilakukan untuk dapat


ISBN : 978-602-8509-20-6

51

4.3 Pengujian Fungsional Sistem Pengujian sistem dilakukan dengan cara menguji fungsional sistem informasi akreditasi. Hasil pengujian diperlihatkan pada tabel dibawah ini : Tabel 1 : Hasil Pengujian Fungsional Sistem No

Gambar 10 Halaman Text Editor

1

Dalam sistem informasi akreditasi penginputan data yang berformat teks dilengkapi dengan plugin “tinymci” sebuah plugin javascript

2

e.

05

Hasil

Keterangan



Berhasil menampilkan halaman login



Berhasil login dan user telah masuk ke halaman utama sistem (Menu Home)

3

Menampilkan pilihan Menu sistem



Berhasil menampilkan pilihanpilihan Menu beserta Sub Menu yang ada pada sistem.

Ada beberapa menu yang didalamnya terdapat fungsi Chart yang menampilkan grafik batang yang mengambi data secara otomatis dari data yang telah diinput.

4

Menampilkan isi halaman menu pada sistem



Berhasil menampilkan halaman tiap menu yang berupa tampilan daftar, input data atau informasi akreditasi.

5

Menampilkan pengolahan pembuatan data baru



Berhasil menampilkan halaman penginputan data baru dengan menggunakan jquery.

6

Menyimpan data



Berhasil menyimpan data ke dalam database sistem

7

Mengubah data



Berhasil menyimpan hasil perubahan data ke dalam database sistem

8

Menghapus data



Berhasil menghapus database sistem.

9

Menampilkan text editor untuk mendukung penulisan



Berhasil menampilkan text editor dan berfungsi dengan baik.

10

Menampilkan chart sebagai informasi tambahan



Berhasil menampilkan chart sebagai informasi tambahan yang sesuai dengan tabel yang telah diisi.

11

Menampilkan tabel



Berhasil menampilkan halaman yang mempunyai tabel

12

Mencetak Laporan borang akreditasi



Berhasil mencetak laporan mengenai borang akreditasi, laporan yang dicetak telah memiliki format penulisan borang.

Program Studi Halaman Program Studi merupakan halaman tampilan sistem informasi akreditasi yang berhubungan dengan data-data informasi program studi. Pada halaman ini terdapat 9 menu.

(3) Menu Upload File Menu ini berfungsi untuk mengupload data berupa dokumen gambar dan teks, untuk kelengkapan data borang.

d.

Menampilkan halaman Login Setelah login masuk ke halaman utama

.Tampilan halaman dimana di dalamnya terdapat data yang berformat tabel memiliki fungsi tambah data, edit dan delete.

Gambar 11 Fungsi Chart c.

Test Factor

Evaluasi Diri Menu Evaluasi Diri berfungsi untuk menginput data yang mengacu pada Borang Evaluasi Diri program studi..

data

dalam

Data Master Menu Master berfungsi untuk menginput data yang username dan password operator sistem. Selain itu terdapat menu input data program studi dan fakultas. Menu ini hanya dapat diakses oleh Operator dengan status Super Administrator.


ISBN : 978-602-8509-20-6

IV. PEMBAHASAN Borang akreditasi pada sistem yang terdahulu tidak menggunakan sebuah aplikasi yang memiliki database dan terotomatisasi yang dapat memudahkan proses pengisian borang tetapi menggunakan sistem yang konvensional, dimana masih dibuat secara manual oleh pengisi borang. Pengisian borang dilakukan dengan cara mengetik surat pada Microsoft Word mulai dari awal hingga akhir sehingga besar kemungkinan dapat menyebabkan data hilang atau tidak aman. Kelemahan yang terjadi pada sistem yang sedang berjalan adalah seperti pengaksesan data atau informasi tentang nama institusi, strata akreditasi, nilai akreditasi, waktu penetapan strata akreditasi dan waktu penetapan ijin penyelenggaraan pendidikan sering mengalami kesulitan dan memerlukan waktu yang lama karena harus membuka langsung lembar per lembar di file arsip. File yang dicari kadang tidak lengkap dan bahkan ada file yang hilang. Hal ini disebabkan karena data belum tersimpan dalam basis data. Selain itu informasi untuk akreditasi belum lengkap untuk kebutuhan akreditasi belum menampilkan masa berlaku akreditasi

DAFTAR PUSTAKA [1] [2]

[3] [4]

[5] [6] [7] [8]

[9]

Kadir, Abdul. 2003 “Pengantar Sistem Informasi”. Penerbit Andi. Yogyakarta. Kadir, Abdul. 2009 a. Dasar Perancangan & Implementasi Database Relational. Penerbit Andi : Yogyakarta Pressman, Roger S., Ph.D. 2002. Rekayasa Perangkat Lunak. Edisi Pertama. Penerbit Andi : Yogyakarta Whitehorn, Mark dan Bill Markly. 2003. Seluk Beluk Database Relasional Edisi Kedua. Penerbit Erlangga : Jakarta Astamal, Rio. 2005. Mastering Kode HTML [diakses pada tanggal 11 Oktober 2012] Desrizal. 2010. Panduan Lengkap PHP Ajax jQuery. [diakses pada tanggal 13 Oktober 2012] Dwiartara, Loka. 2010. Menyelam & Menaklukan Samudra PHP [diakses pada tanggal 6 Oktober 2012] Hasyim, Nur. 2003. HTML (Hypertext Markup Language) dan CSS (Cascading Style Sheet) [diakses pada tanggal 17 Oktober 2012] Hasanuddin,M.Cs. 2012. Sosialisasi Akreditasi [diakses pada tanggal 9 Oktober 2012]

Pada aplikasi Sistem Informasi Akreditasi, untuk melakukan pengisian pada borang dapat dilakukan dengan lebih efektif dan efisien. Pengisian borang lebih teratur dan data yang telah diisi akan tersimpan aman di database tanpa harus takut data akan hilang. Sistem informasi akreditasi juga memberikan kemudahan dalam mengakses borang karena terkomputerisasi dan otomatis serta menggunakan metode yang berbasis web. sehingga dapat diakses kapan saja dan dimana saja. V. KESIMPULAN 1.

2.

3.

4.

Sistem informasi akreditasi dapat melakukan penginputan pada buku IIIA Borang Prodi S1, S2, S3. buku IIIB Borang Fakultas, dan buku Evaluasi diri Prodi. Sistem informasi akreditasi mampu menampilkan data - data output mengenai akreditasi program studi seperti visi misi, sistem tata pamong, data mahasiswa, data himpunan alumni, data dosen, data mata kuliah, data kurikulum, data alokasi dana, data sarana prasarana, dan data mengenai penelitian, haki, artikel ilmilah, serta kegiatan pengabdian kepada masyarakat. Sistem informasi akreditasi mampu memisahkan hak akses user berdasarkan perbedaan identitas yang telah ditentukan dan berdasarkan level akses seperti operator level prodi hanya dapat melakukan penginputan data program studi dan evaluasi diri, operator level fakultas hanya dapat melakukan penginputan data fakultas , dan administrator sebagai pemegang kunci password login untuk semua operator yang ada. Sistem informasi akreditasi mampu melakukan otomatisasi penginputan data-data dosen tetap pada Borang Fakultas apabila data dosen Borang Prodi telah terisi terlebih dahulu dengan cara menghubungkan database.


ISBN : 978-602-8509-20-6

53


05


ISBN : 978-602-8509-20-6

Rancang Bangun Sistem Manajemen Informasi Perpustakaan Self-Service Berbasis Library 2.0 Julio Dzulfiqar, Mukarramah Yusuf, Zahir Zainuddin, M. Fachmy Yusuf Program Studi Teknik Informatika Universitas Hasanuddin Makassar Abstrak-Perancangan Sistem Manajemen Informasi Perpustakaan Self-Service berbasis Library 2.0 bertujuan untuk mengembangkan sebuah sistem manajemen informasi perpustakaan yang terotomatisasi, terorganisasi, mudah digunakan, berbasis pada konsep self-service (dimana peminjam dapat melakukan peminjaman sendiri tanpa memerlukan bantuan Admin perpustakaan), dan menyediakan layanan online dalam bentuk sistem booking buku. Sistem ini akan memudahkan Admin dalam penginputan, pengaturan, pengolahan, serta pencetakan data-data yang berhubungan dengan keanggotaan, koleksi buku, serta data peminjaman dan pengembalian dalam perpustakaan. Sedangkan bagi anggota, sistem ini akan memberi kemudahan dalam melakukan peminjaman buku dan pengurusan Surat Keterangan Bebas Pustaka. Kata kunci - Perpustakaan, Sistem Manajemen Informasi, Self-service, Library 2.0. I.

PENDAHULUAN

Buku adalah jendela ilmu [1]. Demikian sebuah kata mutiara yang selalu ditanamkan dalam benak kita, mulai dari masa sekolah bahkan hingga saat beranjak dewasa. Bahkan di zaman teknologi yang sangat canggih seperti sekarang ini, di mana informasi dapat ditemukan hanya dengan beberapa sentuhan keyboard saja, buku tetap mampu bertahan sebagai satu sumber ilmu yang pasti dan terpercaya. Perpustakaan merupakan salah satu tempat utama para pengejar ilmu untuk mencari buku. Tujuan dari perpustakaan sendiri, khususnya perpustakaan perguruan tinggi adalah memberikan layanan informasi untuk kegiatan belajar, penelitian, dan pengabdian masyarakat dalam rangka melaksanakan Tri Dharma Perguruan Tinggi [2]. Tentunya, untuk memberikan kemudahan bagi peminjam dalam mencari buku yang mengandung informasi yang diinginkan, diperlukan sistem manajemen yang bagus. Terutama di perpustakaan, dimana buku dapat dipinjam tanpa perlu membayar sedikitpun. Jika tidak ada sistem yang mendata dengan baik alur keluarmasuknya buku, maka bukan tidak mungkin buku-buku yang ada di sebuah perpustakaan tidak kembali tepat waktu, rusak, atau bahkan hilang. Program Studi Informatika Jurusan Elektro Fakultas Teknik Universitas Hasanuddin kini telah memiliki bukuSeminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

buku yang siap untuk dipinjamkan ke pihak yang membutuhkan, baik itu mahasiswa atau dosen. Bisa dikatakan, Program Studi Informatika telah memiliki perpustakaan. Namun, dikarenakan belum adanya sistem informasi yang siap untuk menangani alur peminjaman dan pengembalian buku, maka akan selalu ada kekhawatiran kehilangan buku saat peminjaman. Berdasar pada permasalahan diatas, penelitian ini dibuat untuk merancang sebuah sistem manajemen informasi untuk perpustakaan Program Studi Informatika Jurusan Elektro Fakultas Teknik Universitas Hasanuddin. Namun hanya sekedar sistem manajemen informasi perpustakaan biasa saja tidaklah cukup. Seiring berubahnya teknologi, perpustakaan pun bergerak mengikuti perubahan. Model perpustakaan tradisional yang berbasis pada Library 1.0 dimana layanan hanya bersifat satu arah mulai ditinggalkan [3]. Model terbaru yang mulai dikembangkan oleh perpustakaanperpustakaan di seluruh dunia adalah model perpustakaan berbasis pada Library 2.0, dimana layanan bersifat dua arah dan berorientasi user. Model ini memliki beberapa prinsip utama, dua diantaranya adalah Online Public Access Catalog (OPAC) dan fitur dimana user dapat melakukan modifikasi terhadap data yang ada pada sistem secara langsung [4]. Kedua prinsip dari model Library 2.0 inilah yang digunakan sebagai basis pengembangan Sistem Informasi Perpustakaan dalam penelitian ini. Dengan adanya Sistem Informasi Perpustakaan yang berbasis pada Library 2.0, akan memberi kemudahan bagi petugas perpustakaan dalam mendata alur keluarmasuknya buku. Sistem ini juga akan memudahkan bagi peminjam dalam meminjam, mengembalikan mencari tahu akan buku yang diinginkan dan apa buku tersedia, serta fungsi-fungsi lainnya yang akan tersedia pada sistem. Dengan latar belakang tersebut, dirancanglah suatu sistem dalam sebuah penelitian dengan judul “Rancang Bangun Sistem Manajemen Informasi Perpustakaan Self-Service Berbasis Library 2.0”. II. METODOLOGI PENELITIAN

A. Gambaran Umum Sistem Sistem Manajemen Informasi Perpustakaan SelfService Berbasis Library 2.0 dibuat dengan tujuan: 1) Pengguna perpustakaan dapat melakukan proses peminjaman sendiri tanpa memerlukan bantuan dari pengurus perpustakaan;

55

2) Pengguna perpustakaan dapat memesan buku untuk peminjaman dari lokasi manapun melalui sistem booking melalui web, dan; 3) Pengurus perpustakaan dapat mengatur, mendokumentasi, dan mengorganisir data-data yang berhubungan dengan perpustakaan dengan lebih mudah, cepat, rapi, dan terotomatisasi. Sistem Manajemen Informasi Perpustakaan ini terbagi atas tiga bagian, yakni Sistem Admin, Sistem Peminjaman, dan Sistem Booking. Sistem ini dibangun dengan model Library 2.0 sebagai konsep intinya, jadi data-data yang diinputkan ke dalam sistem akan disimpan dalam database online. Sistem menggunakan database online dikarenakan salah satu prinsip utama dari Library 2.0, yaitu fitur Online Public Access Catalog (OPAC) dan prinsip utama lainnya dmiana user dapat melakukan modifikasi terhadap data yang ada pada sistem secara langsung (tentunya dengan batasan yang telah ditentukan). Fitur OPAC diimplementasikan melalui sistem Booking, sedangkan untuk prinsip utama yang kedua diimplementasikan dalam Sistem Peminjaman Self-Service B. Rancangan Menu Sistem Jumlah menu pada Sistem Admin merupakan yang paling banyak diantara ketiga sistem yang dibuat, hal ini dikarenakan Sistem Admin-lah yang memiliki akses terhadap semua fitur-fitur yang tersedia pada Sistem, termasuk didalamnya fitur peminjaman, pengembalian, penambahan anggota, pengeditan data buku, pencetakan laporan-laporan, dan fitur lainnya. Sedangkan untuk Sistem Peminjaman, sesuai namanya, hanya memiliki akses terhadap fitur peminjaman. Untuk mengetahui lebih jelas bagaimana susunan menu pada kedua sistem tersebut, dapat dilihat pada Gambar 1 pada bagian lain halaman ini.

Gambar 1. Alur Menu Pada Sistem Admin dan Sistem Peminjaman

C. Entity Relational Diagram (ERD)

Gambar 2. Bentuk ERD Sistem

Secara garis besar hubungan pada Gambar 3.2 pada halaman sebelumnya menyatakan bahwa :

65


ISBN : 978-602-8509-20-6

a. Informasi User terdiri dari ID, Nama, Alamat, Jenis kelamin, Tempat/tanggal lahir, dan pekerjaan. b. ID pada user memiliki kode yang unik pada setiap user atau anggotanya. c. Informasi Buku Primer terdiri dari Kode buku, Judul buku, Tag buku, Nama pengarang, dan Nama penerbit. d. Informasi Buku Sekunder terdiri dari Jumlah stok, Resensi buku, dan Rak lokasi buku. e. Kode buku merupakan barcode pada buku berbeda-beda pada setiap buku. f. Informasi yang disimpan untuk peminjaman dan pengembalian buku adalah Tanggal Buku Dipinjam, Tanggal buku harus dikembalikan, Tanggal buku dikembalikan, dan Denda peminjaman. g. Informasi Booking / Reservasi terdiri atas Tanggal booking dilakukan dan Status booking, serta memakai informasi ID dari informasi user dan memakai informasi Kode dan Judul buku dari informasi buku. III. HASIL

Gambar 5. Tampilan Form Validasi Surat Keterangan Bebas Pustaka

Gambar 6. Tampilan Form Login User Pada Sistem Peminjaman

A. Tampilan Interface Sistem Berikut adalah beberapa tampilan interface dari sistem Admin, sistem Peminjaman, dan sistem Booking.

Gambar 7. Tampilan Index (/login.php) Web Booking

B. Pendapat User Gambar 3. Tampilan Form Login Admin

Gambar 4. Tampilan Salah Satu Form Print


ISBN : 978-602-8509-20-6

Setelah sistem telah terselesaikan, kami melakukan pengujian terhadap sistem dengan cara mengujicobakan sistem secara langsung kepada mahasiswa. Setelah mahasiswa mencoba sistem, kami mengambil feedback dari para mahasiswa tersebut melalui metode kuesioner. dimana mahasiswa dapat memberikan pendapat dan juga feedback atas sistem yang telah mereka coba. Hasilnya, 90% dari responden menyatakan bahwa sistem berjalan dengan lancar, mudah dimengerti dalam pemakaiannya, dan bermanfaat serta tidak memakan banyak waktu dalam proses peminjaman dan pengembalian buku.

57

IV. KESIMPULAN

Setelah melakukan pengujian secara langsung dan mencatat pendapat-pendapat dari user yang telah melakukan ujicoba, maka dapat disimpulkan bahwa penelitian ini telah berhasil dalam membuat sebuah sistem manajemen informasi yang bersifat user-friendly dalam melakukan tugas-tugas seperti yang ditunjukkan dalam modifikasi/pengeditan data, peringatan batas peminjaman buku, resevasi buku melalui web, kalkulasi denda peminjaman, validasi untuk pencetakan surat keterangan bebas pustaka, dan fitur-fitur lainnya. Hal lain yang berhasil dicapai dalam penelitian ini adalah sistem yang dibuat dapat menerapkan prinsip dan teknologi Library 2.0 dengan cara mengimplementasikan dua fitur Library 2.0, yakni Online Public Access Catalogue (OPAC) dalam bentuk sistem booking dan layanan dimana user dapat melakukan modifikasi terhadap data yang ada pada sistem secara langsung dalam bentuk Sistem Peminjaman SelfService.

DAFTAR PUSTAKA

[1] Henry Ward Beecher, Proverbs from the Plymouth Pulpit, Charles Burnet and Co., New York: D. Appleton and Co., 1887. [2] Drs. Supriyanto, F.A. Wiranto dan R. M. Sri Suryaningsih, Perpustakaan Menjawab Tantangan Jaman, Semarang: Penerbit Universitas Katolik Soegijapranata, 1997. [3] (Article) Tone Eli Moseid. Library 1.0 – Library 2.0 – Library 3.0 [Online]. Available : http://slq.nu/?article=library-1-0-library-20-library-3-0/ [4] (Library Journal) Michael E. Casey and Laura C. Savastinuk. (2006, September). Service For The Next-Generation Library. Journal [Online]. Available: http://lj.libraryjournal.com/2010/05/technology/librar y-2-0/

65


ISBN : 978-602-8509-20-6

Sistem Deteksi Kebocoran pada Jaringan Pipa Menggunakan Analisis Tekanan dengan Metode Adaptive Spline Threshold Autoregression (ASTAR) A.Ejah Umraeni Salam1, Muh.Tola2, Mary Selintung3, Farouk Maricar4, Indrabayu5, Arliyanti Nurdin5, Muthmainna5 1

Mahasiswa Program Doktor Teknik Sipil, Universitas Hasanuddin Makassar 2 Program Studi Teknik Elektro, Universitas Hasanuddin Makassar 34 Jurusan Teknik Sipil, Universitas Hasanuddin Makassar 5 Program Studi Teknik Informatika, Universitas Hasanuddin Makassar

Abstrak— Tingkat kebocoran pipa air PDAM setiap tahunnya meningkat akibat beberapa faktor seperti faktor pipa yang sudah tua dan kurangnya perawatan pipa. Hal ini mengakibatkan kerugian baik dari pihak PDAM maupun masyarakat. Meskipun demikian, penanganan cepat dalam mengatasi kebocoran pipa masih sulit dilakukan akibat tidak adanya peralatan ataupun metode yang memadai dan efektif. Dalam penelitian ini akan dibuat pendeteksi kebocoran pipa secara komputerisasi menggunakan analisis tekanan sebagai penentu adanya kebocoran di suatu pipa. Sebagai bahan penelitian, digunakan sistem jaringan pipa pada Perumahan Taman Khayangan Makassar yang dibuat menggunakan software EPANET 2.0. Data Sistem jaringan pipa tersebut diperoleh dari data PDAM Makassar. Deteksi kebocoran pipa dalam penelitian ini menggunakan metode ASTAR untuk membuat model deteksi. Dan untuk variabel prediktornya menggunakan data tekanan dari sistem jaringan pipa Perumahan Taman Khayangan Makassar. Output dari sistem deteksi kebocoran ini berupa model yang mendeteksi besar kebocoran serta letak kebocoran pada pipa maupun junction/ sambungan pipa. Hasil menunjukkan bahwa metode ASTAR telah menghasilkan model deteksi yang dapat digunakan dalam mendeteksi kebocoran pipa terbukti dengan nilai rata – rata RMSE model besar kebocoran yang dihasilkan berkisar 0,001 dan nilai rata – rata RMSE model letak kebocoran yang dihasilkan berkisar 0,009. Dengan menerapkan sistem deteksi kebocoran menggunakan metode ASTAR, dapat diperoleh informasi yang akurat mengenai besar dan letak titik kebocoran yang terjadi sehingga masalah kebocoran dapat cepat ditangani. Keywords— Adaptive Spline Threshold Autoregression (ASTAR); EPANET; Kebocoran pipa; RMSE.

I. PENDAHULUAN

Air merupakan kebutuhan utama dalam hidup manusia sehingga diperlukan pengelolaan dan pendistribusian yang baik terhadap sumber daya ini. Sistem distribusi membawa air yang telah diolah dari instalasi pengolahan menuju pemukiman, perkantoran dan industri yang mengkonsumsi air. Untuk mendistribusikan air kepada konsumen dengan kuantitas, kualitas dan tekanan yang cukup memerlukan sistem perpipaan yang baik. Namun dalam proses pendistribusiannya terkadang terjadi masalah kehilangan air akibat kebocoran pipa. Ada banyak metode yang dapat digunakan untuk mendeteksi kebocoran. Secara garis besar metode Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

pendeteksian kebocoran terbagi dua yaitu metode akustik dan non-akustik (Maxford, John, dkk 2011). Teknik akustik adalah teknik dengan menggunakan alat portable digunakan untuk mendeteksi gelombang suara yang timbul sepanjang pipa yang mengindikasikan adanya titik lubang kebocoran pada pipa. Teknik ini mampu mendeteksi lokasi fitting yang berada di bawah permukaan tanah. Namun teknik ini memiliki beberapa kelemahan di antaranya yaitu sangat mudah terdistorsi dengan kebisingan sekitar seperti suara kebisingan lalu lintas, gelombang suara sangat bergantung dengan material pipa yang digunakan, ukuran dan kondisi tanah menentukan kekuatan sinyal, sulit mendeteksi sinyal dari pipa plastik, serta diperlukan tenaga terampil yang berpengalaman (Fuchs and Riehle, 1991). Teknik non-akustik dapat dilakukan dengan cara menginjeksikan tracing substances yakni gas helium (He) ke dalam pipa yang mengalirkan air. Dan apabila terdapat pipa yang pecah atau bocor, maka air dan gas heliumnya akan keluar dari pipa. Teknik ini membutuhkan biaya yang besar serta dapat meningkatkan resiko kontaminasi air dalam saluran pipa sehingga jarang digunakan secara luas. Efek dari kebocoran pipa menyebabkan terjadinya perubahan tekanan pada setiap junction /titik persimpangan dalam jaringan pipa air. Sehingga dimungkinkan untuk melakukan analisis secara komputerisasi terhadap pola perubahan tekanan tersebut untuk mendeteksi kebocoran. Dalam penelitian ini akan dilakukan pemodelan deteksi kebocoran dengan menggunakan metode statistik Adaptive Splines Threshold Autoregression (ASTAR). ASTAR merupakan pemodelan berdasarkan algoritma Multivariate Adaptive Regression Spline (MARS) yang merupakan sebuah pendekatan untuk memodelkan regresi nonparametik multivariat yang dicetuskan pertama kali oleh Friedman (1991). Diharapkan dengan menggunakan metode ASTAR diperoleh model untuk mendeteksi kebocoran dengan hasil yang akurat.

59

60

II. METODOLOGI

A Pengumpulan Data 1.Jenis Data Data yang digunakan dalam penelitian ini berupa data tekanan pada setiap junction/ persimpangan pipa yang terdapat pada jaringan pipa PDAM Perumahan Taman Khayangan Makassar. Data tersebut adalah data tekanan pada saat terjadi kebocoran, baik pada junction/ titik persimpangan maupun kebocoran yang terjadi pada saluran pipa. Data tekanan ini digunakan untuk memprediksi letak dan besar kebocoran yang terjadi pada jaringan pipa dengan menerapkan metode statistik ASTAR (Adaptive Splines Threshold Autoregression). Untuk memperoleh model dengan hasil prediksi yang akurat, ASTAR memerlukan ratusan bahkan ribuan set data training. Oleh karena itu tidak memungkinkan untuk menggunakan data kebocoran pipa aktual yang terjadi di lapangan sebagai data training. Sehingga data tekanan yang digunakan adalah data yang diperoleh dari hasil simulasi kebocoran dengan menggunakan software EPANET 2.0. Software EPANET 2.0 merupakan sebuah software untuk sistem hidrolik yang telah digunakan oleh PDAM untuk memonitoring jaringan pipa. 2.Teknik Pengambilan Data Sebelum melakukan simulasi kebocoran, terlebih dahulu dilakukan pembangunan sistem jaringan perpipaan menggunakan EPANET 2.0. Sistem jaringan perpipaan dibangun dengan memasukkan data-data berupa besar debit air yang mengalir dari reservoir, panjang dan diameter pipa, tingkat kekasaran/ roughness setiap pipa, serta besar elevasi dan demand/ kebutuhan air rata-rata pada setiap junction. Data tersebut merupakan data untuk sistem jaringan perpipaan yang terdapat pada Perumahan Taman Khayangan Kota Makassar yang diperoleh dari PDAM Kota Makassar. Mulai

Pengumpulan Data Sistem Jaringan Perpipaan PDAM Perumahan Taman Khayangan Kota Makassar

Pembuatan Simulasi Kebocoran menggunakan software EPANET 2.0

Pengolahan data tekanan pada jaringan pipa hasil simulasi kebocoran ke dalam Microsoft Excel

Stop

Gambar.2 Sistem Jaringan Pipa Perumahan Taman Khayangan Makassar dengan menggunakan software EPANET 2.0

Meskipun EPANET pada umunya digunakan untuk pemodelan sistem jaringan perpipaan dan kualitas air, namun properties emitter pada EPANET yang didesain untuk pemodelan fire hydrants/ sprinklers dapat digunakan untuk memodelkan kebocoran. Setelah sistem jaringan perpipaan telah selesai, maka dilakukan simulasi kebocoran dengan menggunakan software EPANET 2.0. Simulasi kebocoran dilakukan dengan mengubah koefisien emitter pada junction yang akan dijadikan sebagai titik kebocoran. Emitters adalah peralatan yang berkaitan dengan junction yang merupakan model dari aliran yang melalui nozzle atau orifice yang dilepaskan ke udara bebas. Fungsi emitter pada EPANET adalah sebagai berikut: EC = Q/ P P exp

(1)

Di mana EC adalah koefisien emitter, Q adalah debit air, P adalah tekanan fluida, P exp adalah eksponen tekanan. Sehingga koefisien emitter merupakan debit per unit tekanan dengan satuan liter per detik per meter tekanan (L s-1 m-1). Untuk head nozzle dan sprinkler P exp sebanding dengan 0,5( Mashford, J, et.all. 2009). Koefisien emitter yang digunakan untuk simulasi kebocoran adalah dari 0.005 sampai 0.3 dengan selang 0.005. Besar tekanan rata-rata pada jaringan pipa adalah 3,739158 m. Sehingga untuk koefisien emitter 0.005 menghasilkan kebocoran sebesar 0.01 L/s. Besar kebocoran yang disimulasikan berkisar antara 0.01 hingga 0.6 L/s. Simulasi kebocoran yang dibuat sebanyak 44 set kasus kebocoran pada junction dan 623 set kasus kebocoran pada pipa dengan setiap titik kebocoran berjarak 4 meter dengan koefisien emitter dari 0.005 – 0.3. Jadi secara keseluruhan terdapat 40.020 data kebocoran untuk besar dan letak kebocoran yang beragam. Data ini digunakan sebagai data training dalam pembuatan model ASTAR.

Gambar 1 Tahapan Pengumpulan Data

06


ISBN : 978-602-8509-20-6

B. Pemodelan Astar Flowchar Prediksi Besar dan Letak Kebocoran Dengan Metode Astar dapat digambarkan sebagai berikut : mulai

Pengumpulan dan Pengolahan Data

Menentukan variabel respon (Y) dan variabel prediktor (X)

Menentukan maksimum basis fungsi dan maksimum jumlah interaksi

friendly dibuat dengan menggunakan fasilitas GUI pada software MATLAB. Melalui interface ini user akan mudah memasukkan data tekanan yang akan dideteksi dan melihat hasil prediksi berupa besar kebocoran dalam L/s dan letak kebocoran yang digambarkan pada peta lokasi sehingga user akan lebih mudah mengetahui titik kebocoran yang terjadi. Model ASTAR memprediksi besar koefisien emitter sehingga untuk mengetahui besar kebocoran (L/s) yang terjadi digunakan persamaan (1). Hasil dari prediksi letak kebocoran menggunakan model ASTAR berupa jarak titik kebocoran (m) dari junction. Untuk menggambarkan posisi titik kebocoran pada peta lokasi diperlukan penentuan koordinat x dan koordinat y. Berikut gambar penentuan koordinat x dan y untuk setiap junction.

Proses forward dan backward stepwise

Mendapatkan subregion, jumlah fungsi basis dan titik knot-knot berdasarkan forward dan backward

Menduga koefisien basis fungsi

Model ASTAR (model prediksi emitter, dan model prediksi letak kebocoran)

Validasi hasil prediksi

Gambar 4. Koordinat tiap junction pada jaringan pipa

Hasil prediksi letak kebocoran berupa jarak dalam satuan meter akan diubah ke dalam bentuk koordinat sesuai dengan penentuan koordinat tiap junction pada jaringan pipa.

RMSE<0.1 Tidak Ya Selesai

III. HASIL DAN PEMBAHASAN

Gambar 3. Flowchart Pembentukan Model ASTAR

Jaringan pipa air yang digunakan pada penelitian ini terdiri dari 44 junction / titik persimpangan pipa. Efek dari kebocoran menyebabkan pola perubahan data tekanan yang berbeda untuk setiap pipa. Sehingga masing-masing pipa akan memiliki model untuk memprediksi besar koefisien emitter dan model untuk memprediksi letak kebocoran berupa jarak kebocoran (m) dari junction. Kedua model tersebut tidak berlaku umum. Model pada pipa A tidak dapat digunakan untuk mendeteksi kebocoran yang terjadi pada pipa B dan pipa lainnya. C.Interface Sistem Deteksi Menggunakan Guide Matlab

Kebocoran

Dengan

Model ASTAR untuk deteksi kebocoran akan lebih mudah digunakan jika melalui sebuah interface/ tampilan GUI. Oleh karena itu, tampilan GUI sederhana yang user Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

A. Analisis Model Adaptive Spline Threshold Autoregression (Astar) Data yang digunakan dalam penelitian ini adalah data tekanan pada junction saat terjadi kebocoran dengan besar kebocoran berkisar antara 0.01-0.6 L/s. Untuk mendeteksi letak kebocoran dengan rentang besar kebocoran tersebut maka digunakan dua model ASTAR, yaitu model untuk memprediksi besar koefisien emitter dan model untuk memprediksi letak kebocoran yang terjadi. Model ASTAR menghubungkan variabel respon dan variabel prediktor. Variabel respon dalam pemodelan koefisien emitter adalah besar koefisien emitter (0.005 0.3) sedangkan variabel prediktornya adalah tekanan pada setiap junction dengan jumlah 44 variabel. Berdasarkan teori yang dikemukakan oleh Friedman (1991) jumlah basis fungsi (BF) nilainya adalah 2 sampai 4 kali dari

61

62

variabel prediktor dan maksimum interaksi (MI) nilainya adalah 1, 2, atau 3 dengan asumsi bahwa interaksi yang lebih dari 3 akan menghasilkan model yang semakin kompleks. Berdasarkan trial dan error terhadap kombinasi BF dan MI untuk mendapatkan nilai GCV minimum, maka diperoleh jumlah BF = 88 dan MI= 3. Kombinasi tersebut menghasilkan model ASTAR yang terbaik untuk memprediksi besar koefisien emitter. Sebagai contoh, diprediksi besar kebocoran yang terjadi pada pipa yang menghubungkan junction 13 dan 2. Model yang terbentuk sebagai berikut: Ye = 0.12 -18.7*BF1 +18*BF2 Dimana: BF1 = max(0, x1 -3.86) BF2 = max(0, 3.86 -x1) Untuk mendeteksi letak kebocoran, hasil prediksi koefisien emitter dimasukkan sebagai variabel prediktor untuk pemodelan letak kebocoran. Sehingga jumlah variabel prediktornya adalah 45 variabel, 44 variabel prediktor berupa tekanan tiap junction ditambah 1 variabel berupa koefisien emitter. Model untuk memprediksi letak kebocoran menggunakan kombinasi jumlah BF = 90 dan MI = 3. Model yang terbentuk sebagai berikut: Yl = 21.8 +6.22e+004*BF1 -3.98e+004*BF2 +8.57e+004*BF3 +3.92e+007*BF4 +3.49e+007*BF5 3.41e+007*BF6 -8.81e+008*BF7 +1.58e+010*BF8 +1.52e+009*BF9 +1.49e+009*BF10 -1.48e+009*BF11 +1.79e+007*BF12 -1.79e+007*BF13 -1.06e+006*BF14 +1.07e+006*BF15 -1.11e+006*BF16 +6.63e+007*BF17 6.34e+009*BF18 +1.58e+009*BF19 -1.93e+007*BF20 +1.93e+007*BF21 -4.84e+007*BF22 +9.71e+006*BF23 +1.81e+006*BF24 -1.81e+006*BF25 -2.38e+009*BF26 7.06e+009*BF27 +3.32e+007*BF28 -1.15e+008*BF29 +3.18e+008*BF30 +2.36e+009*BF31 -2.49e+009*BF32 1.57e+009*BF33 +1.55e+009*BF34 Dimana: BF1 = max(0, x11 -3.83) BF2 = max(0, 3.83 -x11) BF3 = max(0, 3.86 -x1) BF4 = BF1 * max(0, 3.86 -x1) BF5 = max(0, x1 -3.86) * max(0, x10 -3.84) BF6 = max(0, x1 -3.86) * max(0, 3.84 -x10) BF7 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 3.84 x14) BF8 = BF5 * max(0, x2 -3.8) BF9 = BF5 * max(0, 3.8 -x2)

BF20 = BF3 * max(0, x17 -3.82) BF21 = BF3 * max(0, 3.82 -x17) BF22 = BF12 * max(0, x13 -3.84) BF23 = BF12 * max(0, 3.84 -x13) BF24 = max(0, x1 -3.86) * max(0, x45 -0.0243) BF25 = max(0, x1 -3.86) * max(0, 0.0243 -x45) BF26 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, x45 0.0147) BF27 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 0.0147 -x45) BF28 = BF12 * max(0, x17 -3.84) BF29 = BF5 * max(0, x45 -0.0348) BF30 = BF5 * max(0, 0.0348 -x45) BF31 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, x45 0.0348) BF32 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 0.0348 -x45) BF33 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, x20 3.83) BF34 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 3.83 x20)

Model di atas diperoleh melalui tahap forward dan backward phase dalam pembentukan model ASTAR. Pada tahap forward phase diperoleh jumlah basis fungsi maksimum. Selanjutnya pada tahap backward phase, basis fungsi tidak konstan yang memiliki kontribusi terkecil terhadap variabel respon (Y) akan dihilangkan. Sehingga diperoleh hasil akhir 34 basis fungsi yang meliputi 20 interaksi level pertama dan 14 level kedua. Serta diperoleh 10 variabel prediktor yang memiliki pengaruh signifikan terhadap variabel respon yaitu X1, X2, X10, X11, X13, X14, X17, X20, X26, dan X45. B. Analisis Hasil Prediksi Model Adaptive Spline Threshold Autoregression (Astar)

Berdasarkan model yang diperoleh kemudian dilakukan prediksi terhadap masing-masing nilai variabel respon (Y). Model koefisien emitter digunakan untuk memprediksi besar koefisien emitter sedangkan model letak kebocoran digunakan untuk memprediksi jarak titik kebocoran dari junction. Dibawah ini merupakan grafik perbedaan hasil prediksi dengan data aktual untuk pemodelan koefisien emitter dan letak kebocoran pada pipa antara junction 132.

BF10 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, x26 -3.8)

BF11 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 3.8 x26) BF12 = max(0, x1 -3.86) * max(0, x11 -3.84) BF13 = max(0, x1 -3.86) * max(0, 3.84 -x11) BF14 = BF2 * max(0, x45 -0.24) BF15 = BF2 * max(0, 0.24 -x45) BF16 = BF1 * max(0, x45 -0.0147) BF17 = BF1 * max(0, 0.0147 -x45) BF18 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, x10 3.85) BF19 = max(0, x11 -3.83) * max(0, x1 -3.86) * max(0, 3.85 x10)

06

Gambar 5. Grafik perbedaan hasil prediksi dengan data aktual untuk pemodelan koefisien emitter pada pipa antara junction 13-2.


ISBN : 978-602-8509-20-6

kebocoran dengan koefisien emitter 0.5 memiliki pola perubahan variabel prediktor terhadap variabel respon yang jauh berbeda dari pola perubahan data training. Sehingga dapat disimpulkan bahwa model hanya dapat menghasilkan prediksi letak kebocoran yang akurat pada data kebocoran yang berada sekitar rentang koefisien emitter 0.005-0.3 atau besar kebocoran 0.01 – 0.6 L/s yang merupakan data training pemodelan. C. Validasi Keakuratan Prediksi Gambar 6 Grafik perbedaan hasil prediksi dengan data aktual untuk pemodelan letak kebocoran pada pipa antara junction 13-2.

Kedua grafik di atas menunjukkan selisih hasil prediksi dengan data aktual sangat kecil. Dapat dilihat dari hasil plot prediksi dan aktual yang hampir berhimpit. Kedua model di atas kemudian digunakan untuk memprediksi sejumlah data uji dengan kombinasi besar dan letak kebocoran yang berbeda dari data training yang digunakan dalam pemodelan. Hal ini dilakukan untuk mengetahui kehandalan dari model dalam mendeteksi kebocoran.

Validasi merupakan proses yang dilakukan untuk melihat kehandalan model dalam melakukan prediksi. Besar kesalahan (error) hasil prediksi dari model yang terbentuk dapat diketahui dengan menggunakan perhitungan RMSE (Root Mean Square Error). Besarnya nilai error menunjukkan besar perbedaan antara hasil prediksi dengan data aktual. Semakin kecil nilai RMSE maka semakin akurat prediksi yang dihasilkan. Berikut ini perhitungan RMSE yang akan digunakan untuk proses validasi pada penelitian ini :

TABEL 1. PERBANDINGAN HASIL PREDIKSI DAN DATA ACTUAL MENGGUNAKAN DATA UJI DAN LETAK KEBOCORAN YANG BERBEDA DARI DATA TRAINING Aktual Koefisien Emitter

RMSE 

1 N  ( yt  yˆ t ) 2 N t h y max  y min

Prediksi Jarak junc 2

dari

Ket.

Koefisien Emitter

0.111

Jarak dari junc 2 1

0.111553741

1.261256259

0.123

1

0.123657669

0.804965646

yt yˆ t

0.305

1

0.306221516

1.434789416

y max

0.232

3

0.232374251

2.952982485

y min

0.058

3

0.057604825

2.763670392

0.189

3

0.189161527

2.900000274

0.312

3

0.31324944

3.475282219

0.5

13

0.506499336

20.71777

0.302

27

0.301968721

26.96018895

0.222

27

0.221489978

27.12205791

0.173

27

0.172690956

27.09300597

Dari tabel di atas dapat dilihat bahwa koefisien emitter 0.5 dapat diprediksi dengan akurat. Hal ini disebabkan pola perubahan perilaku variabel prediktor terhadap variabel respon untuk setiap besar kebocoran pada pemodelan koefisien emitter menunjukkan perilaku berkala. Sedangkan hasil prediksi jarak untuk data dengan koefisien emitter 0.5 jauh berbeda dari data aktual. Jarak kebocoran 13 m dari junc 2 diprediksi 20.72 m. Selisih hasil prediksi dengan aktual sebesar 6.28 m. Berbeda dengan pemodelan koefisien emitter, pada pemodelan letak kebocoran pola perubahan perilaku variabel prediktor terhadap variabel responnya tidak menunjukkan perilaku berkala. Untuk deret data tekanan junction pada Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

N

= =

banyaknya jumlah data nilai aktual

=

nilai prediksi

= =

nilai max dari nilai aktual nilai min dari nilai actual

Hasil RMSE rata-rata untuk pemodelan koefisien emitter adalah 0.001 dan RMSE rata-rata untuk pemodelan letak kebocoran adalah 0.009. Kedua nilai RMSE tersebut menunjukkan bahwa model dapat memprediksi hasil yang akurat. D. Interface Sistem Deteksi Kebocoran Pipa Air Melalui interface GUI, user akan lebih mudah menggunakan model ASTAR yang telah ada untuk mendeteksi kebocoran. Dengan menggunakan tombol yang ada pada tampilan GUI, user akan mudah memasukkan data tekanan yang akan dideteksi dan melihat hasilnya secara langsung berupa besar kebocoran dalam L/s dan letak kebocoran yang digambarkan pada peta lokasi. Berikut hasil dari pembuatan interface sistem deteksi kebocoran pipa air dengan menggunakan GUIDE MATLAB R2012b.

63

64

sehingga mempersempit wilayah observasi lapangan saat mendeteksi kebocoran. 2. Hasil RMSE rata-rata untuk pemodelan koefisien emitter adalah 0.001 dan RMSE rata-rata untuk pemodelan letak kebocoran adalah 0.009. Kedua nilai RMSE tersebut menunjukkan bahwa model ASTAR yang dibuat dapat mendeteksi kebocoran dengan hasil yang akurat. 3. Model ASTAR yang terbentuk memiliki keterbatasan yakni hanya dapat memberikan hasil deteksi yang baik pada data kebocoran yang berada pada rentang sekitar 0.01-0.6 L/s. Gambar 7 Tampilan GUI Sistem Deteksi Kebocoran Pipa Air dengan menggunakan GUIDE MATLAB

Terdapat dua tombol, tombol “Masukan data” digunakan untuk memasukkan data tekanan setiap junction untuk dideteksi dan tombol “Deteksi” untuk melihat hasil prediksi besar dan letak kebocoran. Field “Keterangan” akan menampilkan hasil prediksi dan pada peta lokasi akan muncul penanda berupa titik berwarna merah yang berkedip pada titik kebocoran. Berikut langkah-langkah penggunaan interface GUI. 1. Klik tombol “Masukan data”. Setelah mengklik tombol tersebut, secara otomatis akan membuka file Ms. Excel. Masukan data pada tabel yang tersedia kemudian save dan close file Excel. 2. Klik tombol “Deteksi”.

lokasi titik kebocoran

Gambar 8.Tampilan GUI hasil deteksi

Gambar 8 menampilkan hasil deteksi setelah menerapkan model ASTAR terhadap deret data tekanan junction yang dimasukkan. Pada field keterangan akan muncul hasil prediksi berupa jarak (m) dari junction dan besar kebocoran (L/s). Hasil prediksi koefisien emitter dikonversi ke dalam satuan debit (L/s) menggunakan persamaan (1) yang terdapat pada Bab 3. Titik merah pada peta lokasi menandakan letak kebocoran pada jaringan pipa. IV. KESIMPULAN Dari penelitian ini, maka dapat disimpulkan bahwa : 1. Sistem deteksi kebocoran menggunakan metode ASTAR dapat memberikan informasi yang akurat mengenai besar dan letak titik kebocoran yang terjadi

06

DAFTAR PUSTAKA [1] Andriani, Rina. 2009. Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline. Skripsi. Jurusan Statistika FMIPA-ITS. Surabaya. [2] Amin, M.B. 2011. Komputasi Analisis Hidraulika Jaringan Pipa Air Minum. Makalah Seminar Nasional Kebumian 2011. Universitas Sriwijaya, Sumatera Selatan. [3] Djamal, I., Ali,F., Nugroho,R., Kretarto,A., dan Utami,R, (2009), Penurunan Kehilangan Air Pengalaman Jakarta Setelah Kerjasama Pelayanan Air Minum Pemerintah-Swasta 19982008 : Jakarta : Badan Regulator PAM Jakarta [4] Febriyanti, A., dkk.. 2012. Penerapan Metode Multivariate Adaptive Regression Spline (Mars) Untuk Mengidentifikasi Komponen Yang Berpengaruh Terhadap Peringkat Akreditasi Sekolah (Kasus Sma/Ma Di Propinsi Sumatera Barat). Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 44–53, ISSN : 23032910. Jurusan Matematika FMIPA UNAND, Padang. [5] Friedman, J.H. 1991. Multivariate Adaptive Regression Splines. The Annals of Statistics 19 : 1 – 67 [6] Fuchs, H.V. and Riehle, R. 1991. Ten years of experience with leak detection by acoustic signal analysis. App. Acoust. 33(1), 1-19. [7] Lewis, PA.W and J.C. Stevens. 1991. Nonlinear Modelling of Times Series Using Multivariate Adaptive Regression Splines. Journal of the American Statistical Association. Vol. 86. No. 416. pp. 864-877. [8] Maxford, John, dkk. 2009. An Application of Pattern Recognition for the Location and Sizing of Leaks in Pipe Networks. Urban Water Security Research Alliance [9] Priambudi, Aditya Kresna. 2006. Regresi Spline Berganda Untuk Peramalan Suhu dan Kelembaban. Skripsi. Institut Pertanian Bogor, Bogor. [10]Sutikno. 2002. Pengunaan Regresi Splines Adaptif Berganda untuk Peramalan Indeks ENSO dan Hujan Bulanan. Tesis. Institut Pertanian Bogor, Bogor. [11]Sutikno, dkk. 2010. Prakiraan Cuaca dengan Metode Autoregressive Integrated Moving Average, Neural Network, dan Adaptive Splines Threshold Autoregression di Stasiun Juanda Surabaya. Jurnal Sains Dirgantara Vol. No. 1 Desember 2010 :43-61 [12]Ulpah, Maria. 2008. Perbandingan Model Aditif Terampat dan Regresi Spline Adaptif Berganda (Studi Kasus: Pemodelan Indeks Prestasi Kumulatif Mahasiswa IPB dan STAIN Purwokerto). Institut Pertanian Bogor, Bogor [13] Mashford,J et all.(2009).An approach to leak detection in pipe networks using analysis of monitored pressure values by support vector machine. 2009 Third International Conference on Network and System Security.IEEE Computer Society,pp. 534 -539. [14]Rossman, L.A., EPANET 2 User’s Manual, U.S. Environment Protection Agency, Cincinatti, Ohio, U.S.A., 2000.


ISBN : 978-602-8509-20-6

Implementasi dan Realisasi Supply Chain Management untuk Mempercepat Proses Inventori dalam Lingkungan Pervasive Studi Kasus : Pembelian Obat Secara Online via Mobile Phone Ida Rachmaniar Sahali1, Intan Sari Areni2, Budianingsih3, Dedi Setiawan4, Fahmi5 1,2 Program Studi Teknik Elektro, Universitas Hasanuddin, Makassar Program Studi Teknik Informatika, Politeknik Negeri Pontianak, Pontianak 4,5 Jurusan Teknik Elektro, STEI Insitut Teknologi Bandung, Bandung

3

Abstract—Supply Chain Management ditujukan untuk mendukung kinerja bisnis jangka panjang dan supply chain secara keseluruhan. Pada paper ini akan dipaparkan sebuah metode dan implementasi sederhana yang berkaitan dengan proses inventori supply chain dalam lingkungan pervasive. Teknologi RFID, spesifik untuk arsitektur EPC Global Network digunakan sebagai salah satu kunci untuk realisasi dengan memanfaatkan Android handset sebagai media penunjang transaksi. Hasil yang diperoleh dari penelitian ini adalah cepatnya penyediaan stock obat dari sisi perusahaan dan mudahnya proses transaksi bisnis dalam kondisi dan lingkungan pervasive dari sisi pelanggan. Keywords—Supply Chain Management, RFID, EPC Global Network, pervasive, distribusi obat

I. PENDAHULUAN Sebuah perusahaan konsultan informasi dan teknologi Amerika Serikat, Gartner, yang secara khusus menyediakan informasi dan prediksi untuk konsumsi Chief Information CIO atau Senior IT leader di banyak instansi melaporkan bahwa salah satu teknologi yang patut dijadikan investasi adalah aplikasi dalam hal Mobile Web[1]. Singkatnya, Gartner menyebutkan bahwa pada tahun 2011 lebih dari 85% handset yang dijual di pasaran sudah dilengkapi dengan browser. Untuk pasar smartphone di Eropa dan Jepang diperkirakan 60% handset dilengkapi fitur web browser yang dapat mengubah HTML biasa menjadi lebih kaya fitur dan fasilitas. Resolusi layar yang semakin bagus di handset akan mendorong banyak user internet lebih banyak melakukan akses web melalui mobile web browser. Jenis aplikasi B2C akan menjadi jenis aplikasi yang lebih sering ditemukan dalam tahun 2012 dan akan menjadi bagian sebuah portofolio teknologi perusahaan bisnis B2C [1]. Sementara di bidang supply chain management, beberapa praktisi menyebutkan bahwa bisnis dalam supply chain akan mengalami beberapa hal berikut [2]: 1. Steve Christensen (Chairman/CEO, Babbeware Inc) menyampaikan bahwa SCM akan menghadapi perubahan yang tetap dalam masalah regulasi, kompetisi, product lines. Suppliers, employee dan pelanggan akan melakukan kolaborasi untuk meningkatkan profit. 2. Peter Van Engelen (Project Manager dan Management Consultant, Strategic Supply Chain Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Management) menyampaikan bahwa rata-rata perusahaan akan melakukan implementasi strategis SCM untuk menunjang kebutuhan akan kecepatan “time-to-market”, meningkatkan efisiensi dan mengurangi biaya. Sebagai salah satu perusahaan retail terkemuka di dunia Wal Mart sudah melakukan realisasi RFID dalam supply chain [3]. Wal Mart dalam banyak literatur dan sumber sering dijadikan sebagai referensi tentang implementasi RFID dalam supply chain. Hal ini dikarenakan kondisi supply chain wal mart yang melibatkan banyak supplier dan retailer cukup ideal untuk kajian dan studi. Report dari BRIDGE[4] mengemukakan meskipun teknologi RFID menjadi popular pada kalangan peneliti yang mencoba melakukan adopsi. Tiga hal signifikan yang diberikan oleh implementasi RFID saat ini adalah sebagai berikut; Satu, RFID tergolong baru dalam implementasi di banyak proses. Kedua, RFID memungkinkan terjadinya proses perancangan ulang teknologi yang sudah ada khususnya dalam hal supply chain. Ketiga, karena RFID adalah sebagai salah satu produk dari teknologi jaringan, maka nilai kegunaannya akan dapat dirasakan jika banyak pengguna yang mulai menggunakan.

Gambar 1. Sejarah implementasi RFID (“Hype Cycle for Retail Technologies”) [4]

65

Penelitian ini bertujuan untuk merealisasikan salah satu model dari proses supply chain yaitu inventory untuk stock control, merealisasikan kondisi pervasive yang mungkin dalam proses supply chain, dan membuat sebuah aplikasi mobile yang digunakan untuk menunjang proses supply chain dengan kondisi dan lingkungan pervasive. II. LANDASAN TEORI

Gambar 2. Total RFID Market 2004- 2010 dalam (Mios. US Dollar)[4]

Gambar 3. Beberapa alasan menggunakan atau mengimplementasikan RFID [4]

Adanya beberapa fakta yang dipaparkan sebelumnya yang menjadikan motivasi untuk membuat sebuah aplikasi yang bersifat mobile (mobile application) dengan menggabungkan fungsionalitas supply chain sebagai proses bisnis yang akan menjadi tujuan utamanya. RFID sebagai salah satu teknologi yang memiliki kelebihan daripada barcode dalam hal non-line of sight scanning (tidak membutuhkan orientasi sudut tertentu untuk membaca sebuah tag) dijadikan sebuah pilihan karena dukungan perangkat lunak dan forum yang cukup dikenal luar kalangan akademisi (MIT Auto ID Lab maupun ETH Zurich) sebagai contohnya fosstrak[6] dengan arsitektur pendukung EPC Global Network. Batasan masalah penelitian pada perancangan sistem ini antara lain; 1. Representasi dari perangkat RFID (scanner atau tag reader) menggunakan mekanisme update data di database. 2. Jaringan infrastruktur diasumsikan terhubung dengan internet dengan kehandalan yang cukup untuk melakukan proses bisnis supply chain. 3. Proses supply chain yang menjadi fokus adalah inventory management khususnya untuk stock kontrol.

66

A. Supply Chain Management Menurut Mentzer, supply chain management adalah proses sistematis, koordinasi strategis dari fungsi-fungsi bisnis tradisional dan taktik yang meliputi banyak proses bisnis dalam sebuah perusahaan dalam supply chain. Yang bertujuan untuk meningkatkan kinerja bisnis jangka panjang bagi masing-masing perusahaan yang menerapkannya dan bagi supply chain secara keseluruhan. Dengan arti yang lebih fokus pada pelanggan, Hines, mendefinisikan supply chain sebagai bentuk strategi untuk sebuah sistem yang terhubung dalam sebuah rantai, bekerja sama dengan efisien untuk menciptakan kepuasan pelanggan pada proses delivery pada pelanggan. Sebagai konsekuensi logisnya harga atau biaya harus lebih murah dengan mengurangi biaya yang tidak efisien dan memperhatikan sepenuhnya pada peningkatan nilai dari produk itu sendiri. Terjadi peningkatan efisiensi, semakin kecilnya kendala dan perhitungan pada kinerja yang fokus pada efisiensi keseluruhan dari sistem dan kualitas distribusi yang bertambah. Menurut Hines, sistem supply chain harus bersifat responsive atas kebutuhan yang diminta oleh pelanggan. Adapun sebuah supply chain sederhana terdiri dari pelanggan atau konsumen yang membeli barang atau jasa dari pengecer di toko atau melalui saluran lain, seperti situs e-commerce. Pengecer menyimpan stok barang dan dilengkapi dengan alat untuk memberikan layanan dari grosir atau distributor. Distributor umumnya membeli barang dalam jumlah besar dari produsen. Dan produsen mendapatkan bahan baku dari pemasok. Ilustrasi sederhananya diperlihatkan pada Gambar 4 berikut.

Gambar 4. Rantai Supply Barang Sederhana [4]

Sebuah supply chain memiliki satu atau lebih entitas. Skenario yang mungkin adalah beberapa tingkatan pemasok, produsen, dan distributor. Bahan dasar sebuah produk bergerak dari pemasok awal dalam rantai kepada pelanggan, nilai dan biaya ditambahkan pada setiap node ketika bergerak ke pengecer. Semakin dekat ke pengecer, rantai pasokan akan menjadi lebih kompleks, produk yang berbeda bersumber dari banyak mitra bisnis yang berbeda. Sebagai contoh adalah Wal-Mart yang menjual ribuan produk dari banyak pemasok secara langsung. Proses bisnis dalam supply chain berusaha untuk membuat rantai pasokan lebih efisien dengan meningkatkan ketersediaan informasi di seluruh rantai Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

pasokan. Sebagai misal ketersediaan data tentang harga, promosi, dan iklan produk di sisi pengecer. Pada setiap node dalam rantai pasokan, perkiraan dan penjualan aktual dari node berikutnya diakumulasikan sedemikian hingga perencanaan dapat dilakukan untuk meningkatkan response. Perkiraan jumlah produk yang harus dibuat, jumlah dan apa saja yang dibeli dari node sebelumnya B. Teknologi RFID Radio Frequency Identification (RFID) adalah gelombang radio yang digunakan untuk mengidentifikasi barang-barang secara otomatis dan real time. RFID berkembang sebagai teknologi utama untuk melacak barang dan aset di seluruh dunia. Terdapat 3 tantangan bagi perusahaan yang ingin menggunakan teknologi RFID, yaitu : 1. Pemilihan perangkat keras RFID seperti kartu, readers dan antenna, penempatan kartu RFID pada produk, penempatan dan pengkonfigurasian readers dan antenna di toko, warehouse dan lokasi-lokasi lainnya 2. Infrastruktur perangkat lunak, pengambilan dan pengolahan data dari RFID readers, pengintegrasian data ke sistem, dan berbagi data dengan rekan bisnis 3. Keterlibatan proses bisnis : pendukung granularity lebih halus, data produk yang lebih real-time, proses otomasi eksekusi rantai suplai, dan mengembangkan bisnis baru proses untuk pemanfaatan teknologi RFID Adapun komponen dari RFID adalah: 1. Kartu. Kartu atau transponder merupakan komponen aktif/pasif yang berfungsi untuk melakukan transmisi sinyal yang berupa nomor ID sederhana. Menyimpan dan mengalirkan data kartu atau aliran data kompleks berupa tanggal produksi, nomor lot, nomor seri 2. Reader Readers atau interrogators digunakan untuk mengidentifikasi semua kartu yang berada dalam suatu area. Konfigurasi tergantung dari lokasi, lingkungan, dan area jangkauan yang dibutuhkan 3. Perangkat lunak pendukung Informasi yang ditransmisikan dari dapat diinterpretasikan dengan cara membaca data langsung dari reader atau melalui antarmuka menggunakan perangkat lunak C. EPC Global Network Salah satu kekuatan pendorong teknologi RFID adalah munculnya konsep Electronic Product Code (EPC). Pada tahun 1998 peneliti dari Massachusetts Institute of Technology (MIT) mengusulkan pendekatan bertingkat untuk identifikasi objek otomatis dalam memecahkan masalah interoperabilitas antar sistem, mengurangi perangkat keras yang berhubungan, menurunkan biaya perangkat lunak. MIT Auto-ID Center menyadari bahwa kunci untuk teknologi RFID biaya Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

rendah adalah fokus pada pengurangan fungsi kartu dengan menyimpan ID unik, disebut Electronic Product Code (EPC), yang bertindak sebagai plat, yang merujuk ke informasi tambahan dari kartu yang disimpan dalam basis data Pada tahun 2003, penelitian dan kekayaan intelektual dari MIT Auto-ID Center dialihkan kepada perusahaan patungan antara EAN International dan UCC, organisasi baru ini sekarang disebut EPCglobal. Ini adalah sebuah organisasi nirlaba yang mendorong adopsi global dan implementasi dari Jaringan EPCglobal di sektor industri. EPCglobal mengembangkan dan mengawasi standar untuk jaringan Electronic Product Code (EPC).

Gambar 5. EPC Global Network (Verisign. Whitepapers. EPCglobal Network: Enhancing The Supply Chain)

III. HASIL PENELITIAN Penelitian ini memfokuskan pada analisa dan perancangan sistem sebelum diimplementasikan. A. Deskripsi Sistem Sistem yang akan dirancang adalah sebuah sistem aplikasi pendukung supply chain management, dengan fokus utama adalah untuk mempercepat respon inventori dari retailer ke supplier. Diharapkan jika jumlah produk di retailer berkurang, supplier dapat memberikan tanggapan dengan restocking produk yang sudah ada. Detail karakteristik utama sistem yang dirancang sebagai berikut: 1. Implementasi dalam sistem model client- server 2. Menggunakan model arsitektur EPC Global Network sebagai referensi. 3. Melibatkan 3 subsistem yang penting dalam supply chain, yaitu Enterprise Resource Planing (ERP) yang berfungsi sebagai sistem informasi manajemen pemasok, pencatat produksi, mengatur distribusi stock retailer. Retailer subsistem yang berfungsi sebagai front-end atau penyedia informasi produk atau jasa yang akan diakses oleh pelanggan melalui mobile phone. Client subsistem yang fokus pada manajemen user interface yang sesuai dengan mobile phone environment.

67

4.

5.

6. 7.

Interkoneksi antar subsistem (ERP dan Retailer) direalisasikan dengan web service dengan mengadaptasi arsitektur EPC Global Network. Interkoneksi antar subsistem (Retailer dan Client) direalisasikan dengan spesifik user interface. Bagian supply chain yang menjadi fokus adalah masalah inventori. Jenis obat yang didistribusikan adalah obat generik (obat sakit kepala, obat sakit perut, antibiotik)

B. SPESIFIKASI ERP Fungsionalitas ERP data obat yang digunakan dalam Supply Chain Management antara lain memasukkan data setiap produk yang dibuat oleh perusahaan obat, mencatat semua data retailer tempat distribusi obat, mencatat semua produk obat yang masuk dan keluar manufaktur, melakukan monitoring stock untuk setiap periode tertentu di setiap retailer, melakukan proses update berupa notifikasi jika stok jumlah obat di retailer mencapai batas tertentu. Fungsionalitas minimal ERP diatas akan diimplementasikan dalam ilustrasi sebagai berikut: 1. Apotek A adalah distributor toko obat (retailer), demikian juga dengan Apotek B 2. Kedua apotek tersebut telah terdaftar sebagai retailer di perusahaan manufaktur obat ABC 3. Sistem informasi ERP di Perusahaan obat ABC memiliki prosedur khusus dalam produksi dan distribusi obatnya. Secara garis besar skema hierarki produksinya dapat dijelaskan dengan gambar berikut :

Gambar 6. Skema Hierarki Proses Supply Chain Sederhana Perusahaan Obat ABC

4.

5.

Setiap periodik masing-masing retailer melakukan proses sinkronisasi data untuk melakukan update stock inventori obat. Setiap periodik juga produksi obat dilakukan berdasarkan informasi dan data dari inventori

C. SPESIFIKASI RETAILER Model retailer yang akan digunakan adalah representasi dari sebuah toko online yang melayani kebutuhan pelanggan sebuah toko obat untuk mempermudah melakukan pemesanan obat. Sebuah transaksi oleh pelanggan dengan mobile phone dapat dilakukan dari tempat mana saja, kemudian pengambilan obat dapat dilakukan selang waktu kemudian. Beberapa spesifikasi teknis yang akan dilakukan adalah sebagai berikut: 1. Staf retailer melakukan proses entry atau update data obat yang akan dijual, lengkap dengan atribut penting lainnya seperti harga obat, stock obat, indikasi dan komposisi jenis obat 2. Staf retailer akan melakukan pemeriksaan setiap order yang masuk ke toko dengan login ke dalam web aplikasi yang sudah tersedia 3. Pelanggan membeli obat dengan melakukan order dari web browser alamat portal 4. Pemesanan dilakukan melalui shopping chart sederhana, pelanggan memilih produk yang dibeli dengan memasukkan jumlah kuantitas dan mengirim form pemesanan 5. Pelanggan harus dalam kondisi login untuk melakukan setiap proses transaksi 6. Pelanggan akan menerima barang setelah staf retailer melakukan konfirmasi dan menerima uang tunai dari pelanggan 7. Barang yang telah dibeli mengurangi stock inventori di toko 8. Barang yang telah dibeli dengan jumlah tertentu akan di informasikan kepada pihak pemasok obat bahwa jumlah obat akan habis 9. Transaksi dari pelanggan selesai. Transaksi dari retailer ke pemasok selesai D. SPESIFIKASI WEB SERVICE Model aplikasi untuk transfer data menggunakan web service dengan menganggap sebuah komponen menjadi subscriber dan komponen lain menjadi publisher. Sistem ERP dan sistem informasi data retailer dianggap sebagai 2 buah sistem terpisah yang masing-masing berkomunikasi melalui layanan yang didefinisikan oleh masing-masing sistem. Secara rinci fungsinya melakukan proses sebagai berikut: 1. Melakukan update status stok setiap periode 5 detik 2. Memberikan informasi tentang lokasi obat jika pada suatu ketika obat yang dicari pelanggan tidak ditemukan pada sistem informasi apotek A,

Gambar 7. Skema Relasional Database ERP

66


ISBN : 978-602-8509-20-6

sementara data obat yang dimaksud sebenarnya berada di apotek B

Untuk tampilan halaman pencarian produk dan alamat produk di retailer adalah sebagai berikut

E. SPESIFIKASI CLIENT Definisi client dalam implementasi supply chain ini adalah mobile phone yang memiliki fasilitas untuk membuka browser dan mampu melakukan transaksi melalui port 80. Jadi untuk sebarang jenis vendor mobile phone baik iPhone, Android Phone, ataupun iPad, sistem yang dirancang dapat diakses hanya menggunakan default web browser yang ada. F.

IMPLEMENTASI

1. Arsitektur Sistem Secara keseluruhan model arsitektur digambarkan dalam model sebagai berikut, dengan masing-masing komputer retailer dan komputer penyedia produk (ERP) saling berinteraksi. Spesifikasi client yang dapat digunakan untuk akses adalah semua jenis mobile phone atau smartphone yang mendukung opera mini browser atau sejenisnya. Pada dasarnya user menggunakan mobile phone untuk membuka alamat portal kemudian melakukan transaksi. Sedangkan operasional untuk menjalankan program di sisi server adalah komputer komoditas dengan Ubuntu atau Debian sebagai sistem operasi didalamnya.

Gambar 8. Arsitektur Model Sistem

2. Sistem ERP Untuk ERP, yang diimplementasikan baru sistem monitor inventori. Yang ditampilkan adalah data jumlah stok barang di retailer untuk masing-masing produk dan produsen dari produk tersebut. Berikut ini adalah screenshoot dari tampilan data inventori:

Gambar. 10. Halaman tampilan untuk pencarian produk dan detail link produk di ERP

3. Sistem Retailer Untuk implementasi Retailer memanfaatkan fitur yang sudah ada dari Magento[5]. Magento adalah sebuah platform open-source untuk sebuah situs web yang berbasis pada penjualan elektronik secara online (online eCommerce atau shopping cart). Dirancang menggunakan object-oriented PHP Framework yang dapat digunakan untuk membangun sebuah aplikasi web yang modern dan dinamis dengan berbagai fitur e-Commerce yang biasa digunakan dalam sebuah website penjualan online Kelebihan menggunakan Magento adalah kemampuan untuk mengelola beberapa situs web dan toko yang dibuat hanya dari satu back-end. Hal ini memungkinkan pemilik toko untuk mengelola toko pada URL yang berbeda, dengan tampilan produk yang sama dalam bahasa yang berbeda pada URL yang sama, bersama dengan berbagai setup lainnya. Dengan beberapa kelebihan yang dimiliki, salah satu langkah yang digunakan adalah mengumpulkan beberapa data obat dari situs www.dechacare.com. Melakukan proses download gambar obat dan deskripsi obat sebagai bahan untuk mengisi konten dari toko online yang dijadikan sebagai retailer. Gambar berikut dipaparkan beberapa fitur utama yang dapat digunakan untuk melakukan proses inventori dan transaksi di magento

Gambar 9. Tampilan aplikasi di ERP sederhana Gambar. 11. Fungsi Magento yang digunakan untuk fungsi Retailer


ISBN : 978-602-8509-20-6

69

Untuk memenuhi kebutuhan dari sistem yang akan dirancang, gambar atau screenshot berikut yang sudah direalisasikan untuk keperluan mobile. Semua gambar dan deskripsi dari [7] disimpan semuanya ke dalam server retailer. Setelah itu dilakukan proses update layout untuk setiap produk-produk yang ada agar sesuai dengan tampilan di layar mobile phone. Jadi realisasi sesungguhnya, aplikasi yang dibuat tidak menggunakan aplikasi asal dari vendor mobile phone. Aplikasi yang direalisasikan menggunakan standard CSS, Javascript dan HTML biasa untuk memberikan tampilan yang mendukung di mobile phone.

4. Sistem Web Service Mekanisme yang dilakukan dalam interaksi dan komunikasi sebenarnya adalah sebuah mekanisme sinkronisasi data inventori. Berikut adalah tampilan web service untuk melakukan proses interaksi.

Gambar 15. Testing Web Service untuk aplikasi mobile

Gambar. 12. Halaman depan dari aplikasi retail dari Opera Mobile browser

Jadi pada realisasinya web service ini ada 3 komponen, yaitu Fungsi untuk mendapatkan semua data obat dari pusat (sistem ERP), Fungsi untuk melakukan update dan notifikasi ketika terjadi pengurangan stock inventori di retail, Fungsi untuk melakukan pencarian lokasi data berada jika pada suatu saat data yang dibutuhkan tidak terdapat pada salah satu retail, tetapi berada di lokasi retail lain.

IV. KESIMPULAN

Gambar. 13. Halaman depan dari produk per kategori

Dari realisasi perancangan aplikasi pendukung supply chain management dengan memanfaatkan kondisi dan lingkungan pervasive ada beberapa hal yang perlu diperhatikan dan diperbaiki: 1. Aplikasi dashboard untuk administrasi di sisi retail sebaiknya menggunakan layout mobile 2. Transaksi data antar retail atau dari retail ke ERP sebaiknya menggunakan enkripsi agar proses lebih aman dan terjaga 3. Proses yang perlu ditingkatkan selain stock kontrol dalam supply chain perlu direalisasikan untuk menambah fungsionalitas dan kinerja supply chain. DAFTAR PUSTAKA

Gambar 14. Halaman Menu Login

07

[1] http://www.gartner.com/it/page.jsp?id=1328113. [2] http://www.fokus.com/questions/operations/supply-chainmanagement-what-are-biggest-trends-2011/ [3] http://www.msnbc.msn.com/id/4873013/ns/technology_and science-tech_and_gadgets/ [4] Patrick Smith, Florian Michahelles. 2008. Economic Impact of RFID Report. ETH Zurich. Building Radio Frequency Identification for The Global Environment. BRIDGE. [5] http://budi.akmi-baturaja.ac.id/magento-oscommerce.html. [6] http://www.fosstrak.org/ [7] www.dechacare.com


ISBN : 978-602-8509-20-6

Implementasi Aplikasi Pelayanan Informasi Kesehatan Ibu dan Anak Berbasis Data Center Studi Kasus Puskesmas Kota Makassar Salama Manjang1, Zahir Zainuddin2, Suci Rahmadani R3 1 Program Studi Teknik Elektro, Universitas Hasanuddin Makassar Program Studi Teknik Informatika, Universitas Hasanuddin Makassar 3 Prodi S2 Teknik Elektro, Universitas Hasanuddin Makassar

2

Abstrak—Penelitian ini bertujuan mengembangkan

sistem informasi pelayanan kesehatan ibu dan anak yang memberikan kebebasan akses terhadap pasien. Aplikasi ini mendesain administrator pada puskesmas yang dapat memonitoring basis data, input, output, dan antarmuka sesuai kebutuhan pengguna, guna mendukung sistem informasi pelayanan Kesehatan Ibu dan Anak di Puskesmas. Selain itu, aplikasi ini juga mendesain administrator di dinas kesehatan yang memberikan hak akses secara penuh sehingga memudahkan pengguna dengan memanfaatkan sistem yang langsung terkoneksi ke jaringan. Administrator dinas kesehatan dapat mengatur akses terhadap puskesmas dan tidak berinteraksi langsung dengan pengguna. Metode penelitian ini menggunakan sistem angket (kuesioner) untuk menguji apakah sistem telah memenuhi kebutuhan pengguna atau belum. Hasil Penelitian menunjukkan bahwa mayoritas responden menganggap bahwa aplikasi ini sudah sesuai dengan yang diharapkan serta mampu memudahkan admin dalam melakukan manajemen server. Namun, sebagian responden juga masih menganggap perlunya penambahan fungsi-fungsi (utilitas) untuk manajemen server dalam aplikasi ini. Kata kunci — Aplikasi, Kesehatan ibu dan anak, puskesmas.

I. PENDAHULUAN Kesehatan ibu dan anak (KIA) yang merupakan salah satu prioritas utama pembangunan kesehatan di kota Makassar. Program ini bertanggung jawab terhadap pelayanan kesehatan bagi ibu hamil, ibu melahirkan dan bayi. Salah satu tujuan program kesehatan ibu dan anak ini adalah memberikan informasi tentang ketersediaan puskesmas yang berada pada wilayah kota Makassar, membuat rancangan administrator pada puskesmas yang dapat memonitoring interface sesuai kebutuhan pengguna dan mendesain administrator pada Dinas kesehatan yang memberikan hak akses secara penuh sehingga memberikan kemudahan dengan memanfaatkan sistem yang langsung berintegrasi ke jaringan. Manajemen pelayanan kesehatan di seluruh tingkat fasilitas pelayanan memerlukan informasi yang maksimal sehingga bisa melakukan fungsi manajemennya, dimana Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

salah satu fungsi tersebut adalah monitoring dan evaluasi. Kegiatan ini bergantung pada sistem informasi yang berjalan dimana salah satu aktifitas sistem tersebut adalah pencatatan dan pelaporan. Sistem monitoring dan evaluasi adalah faktor yang sangat penting dalam pelaksanaan fungsi manajemen KIA yang meliputi pengumpulan (input), pengolahan (Process), dan penyajian (Output) data diperoleh informasi. Rumusan masalah dari penelitian ini adalah : 1. Kebutuhan pasien akan ketersediaan informasi mengenai kesehatan ibu dan anak masih terbatas. 2. Puskesmas melakukan interaksi dengan pasien secara manual dan kemampuan terbatas dalam hal pengelolaan data dan belum memanfaatkan kelebihan kemampuan komputer untuk pengolahan, penyimpanan dan keamanan data program KIA serta kepentingan pembuatan basis data. 3. Sistem yang tidak terintegritas menyebabkan Dinas kesehatan menunggu laporan dan evaluasi dari puskesmas, keterlambatan laporan dan terdapat formform atau item yang kosong menyebabkan data menjadi tidak valid. Fungsi dari penelitian ini adalah bagaimana membuat operasional dan manajemen lebih mudah, karena sistem yang terkoneksi untuk setiap puskesmas yang ada di kota Makassar. Berdasarkan latar belakang tersebut akan dirancang sebuah aplikasi yang memberikan ketersediaan data dan informasi yang relevan sesuai kebutuhan puskesmas dan pasien. Dengan adanya aplikasi ini selain dapat menghemat biaya pengadaan server untuk jangka panjang, membuat operasional dan manajemen lebih mudah, dimungkinkan karena sistem yang terkoneksi dapat dimonitor dan diatur dengan mudah, juga dapat memudahkan pertukaran informasi tanpa terbatas ruang dan waktu. II. METODOLOGI Pada sistem yang sementara berjalan Dinas kesehatan menunggu laporan dan evaluasi dari puskesmas, keterlambatan laporan dan terdapat form-form atau item yang kosong menyebabkan data menjadi tidak valid. Dengan adanya aplikasi ini maka Dinas kesehatan sebagai admin pada lapisan server yang memiliki hak akses dalam memberikan autentikasi username dan password untuk semua puskesmas yang ada di kota Makassar. Sehingga pada saat puskesmas melakukan penginputan maka secara otomatis data tersebut akan langsung menjadi laporan

71

yang dapat langsung diakses oleh administrator dinas kesehatan. Arsitektur aplikasi dapat dilihat pada gambar 1 berikut ini.

3) Activity diagram pada gambar 4 menguraikan berbagai alur aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alur berawal, decision yang mungkin terjadi, dan bagaimana program aplikasi berakhir. Pasien

Login Ke User

Admin Puskesmas Login Puskesmas

Admin Dinkes Login Dinkes

Profil Puskesmas Jenis Perawatan

Gambar 1. Arsitektur Aplikasi “KIA”

Umumnya dalam melakukan perancangan sistem, digunakan diagram UML untuk menggambarkan desain dari sistem yang akan dirancang. Berikut ini beberapa diagram yang akan menjelaskan tentang sistem yang akan dibuat : 1) Use-case diagram dapat digunakan selama proses analisis untuk menangkap requirement sistem dan untuk memahami bagaimana sistem seharusnya bekerja. Gambar 2 merupakan desain use cass diagram untuk program aplikasi “KIA”.

Gambar 2. Use Case Diagram untuk Aplikasi “KIA”

2) Class menggambarkan keadaan (atribut/properti) suatu sistem, Class diagram pada gambar 3 menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi). Aplikasi “KIA” +openConnection() +postData() +getData()

Pasien +openConnection() +postData() +getData()

Admin Puskesmas +Login() +Manajemen_Instances() +Manajemen_Images() +Manajemen_Hardware() +RealMS()

Admin Dinkes +Start() +Stop() +Create() +Delete()

Pemeriksaan pasien

Autentifikasi Pengguna

Informasi KIA

Laporan

Gambar 4. Activity Diagram untuk Aplikasi “KIA”

Analisis data dalam penelitian ini dilakukan secara deskriptif kualitatif. Prinsip pokok teknik analisis kualitatif adalah mengolah data dan menganalisis data yang terkumpul menjadi data yang terkumpul menjadi data sistematik, teratur, terstruktur, dan mempunyai makna. Prosedur analisis data kualitatif dibagi dalam lima langkah yaitu : 1) Mengorganisasi data. Caranya dengan membaca berulang kali data yang ada sehingga peneliti dapat menemukan data sesuai dengan penelitiannya dan membuang data yang tidak sesuai. 2) Membuat kategori, menentukan tema, dan pola. Langkah yang kedua ini menentukan kategori yang merupakan proses yang cukup rumit karena peneliti harus mengelompokkan data yang ada kedalam suatu kategori dengan tema masing-masing sehingga pola keteraturan data menjadi terlihat secara jelas. 3) Menguji hipotesa yang muncul menggunakan data yang ada. Setelah proses pembuatan kategori maka peneliti melakukan pengujian, kemungkinan berkembangnya suatu hipotesa dan mengujinya dengan menggunakan data yang tersedia. 4) Mencari eksplanasi alternative data. Proses berikutnya adalah memberikan keterangan yang masuk akal dan menerangkan data tersebut berdasarkan pada hubungan logika yang terkandung dalam data tersebut.

Gambar 3. Class Diagram untuk Aplikasi “KIA”

27


ISBN : 978-602-8509-20-6

5) Menulis laporan. Penulisan laporan merupakan bagian analisis kualitatif yang tidak terpisahkan. Dalam laporan ini peneliti harus mampu menuliskan kata, frase dan kalimat serta pengertian secara tepat yang dapat digunakan untuk mendeskripsikan data dan hasil analisisnya.

kesehatan ibu dan anak yang digunakan untuk penyedia informasi di tunjukkan pada gambar 5.

Pengujian kinerja sistem berdasarkan survey terhadap pengguna menggunakan kuesioner sebagai indikator untuk menguji apakah sistem telah memenuhi kebutuhan pengguna atau belum. III. HASIL A. Gambar dan Tabel Untuk mengetahui apakah sistem telah memenuhi kebutuhan dari pengguna aplikasi dalam hal ini administrator jaringan, dibutuhkan suatu indikator untuk mengetahuinya, pada pengujian kali ini digunakan sistem angket (kuesioner) untuk menguji apakah sistem telah memenuhi kebutuhan pengguna atau belum. Hasil kuesioner diperoleh dari penelitian yang dilakukan di Puskesmas Minasa Upa Makassar, dengan melibatkan dokter, bidan, perawat, petugas registrasi dan pasien. Jumlah responden dalam pengisian kuesioner pengujian kinerja aplikasi “KIA” ini berjumlah 30 (tiga puluh) orang, dengan perbedaan profesi. Berikut tabel 1 jumlah responden yang dikelompokkan berdasarkan profesi yang menggunakan aplikasi “KIA”. TABEL 1 DISTRIBUSI FREKUENSI UNTUK PENGGUNA APLIKASI KIA Profesi pengguna

Gambar 5. Desain Aplikasi program “KIA”

Sangat Membantu

9% 0% 26% 65%

Cukup Membantu Kurang Membantu Tidak Membantu

Gambar 6. Grafik Hasil Kuesioner berdasarkan survey responden terhadap program “KIA”

Gambar 6 menunjukkan grafik hasil kuesioner, sebanyak 26% responden menjawab aplikasi ini sangat membantu dalam menjalankan tugasnya, 65% dan sedangkan sisanya 9% aplikasi ini kurang membantu.

Jumlah

Persentase

Dokter

2

6,6

Petugas Registrasi

2

6,6

Bidan

8

26,7

B. Referensi

Perawat

3

10,0

Pasien

15

50,0

Total Responden

30

100

Apliasi ini dirancang dengan menggunakan bahasa pemrograman PHP dan Mysql sebagai aplikasi database. Pada tampilan awal user dapat melihat gaya dialog berupa Question and answer yaitu pertanyaan atas username dan password, sehingga pasien diberikan pilihan untuk verefikasi login atau hanya melihat layanan aplikasi kesehatan ibu dan anak. Adapun rancangan program

Beberapa penelitian terkait diantaranya pengembangan sistem informasi pelayanan kesehatan ibu dan bayi untuk mendukung evaluasi program kesehatan ibu dan anak di Puskesmas Kabupaten Lamongan Kegiatan sistem informasi berbasis komputer pada pelayanan kesehatan ibu dan bayi di Puskesmas Kabupaten Lamongan terdapat permasalahan yaitu berupa masukan (input) melalui kegiatan pengumpulan data yang dicatat dalam lebih dari satu register dan pada proses belum menggunakan manajemen basis data serta luaran (output) berupa informasi laporan bulanan yang dilaporkan tidak tepat waktu [6]. Penelitian serupa juga telah membahas konsep yang muncul dari awan komputasi berbasis Pasien Centric Medis Sistem Informasi, kerangka kerja yang akan memungkinkan berbagai pengguna berwenang untuk aman mengakses catatan pasien dari berbagai Organisasi Pengiriman Perawatan (CDOs) seperti rumah sakit, pusat


73

Tabel 1 menunjukkan hasil kuesioner yang dilakukan di Puskesmas Minasa Upa dengan jumlah 30 responden. Responden terdiri atas 2 orang dokter (6,6%), 2 orang petugas registrasi (6,6%), 8 orang bidan (26,7%), 3 orang perawat (10,0%), dan 15 orang pasien (50,0%) responden.

ISBN : 978-602-8509-20-6

perawatan primer, dokter, laboratorium, radiologi, dan lain-lain, dari lokasi manapun. Sistem harus mengintegrasikan semua catatan pasien termasuk gambar seperti CT-SCANS dan MRI'S yang dapat dengan mudah diakses dari lokasi manapun dan ditinjau oleh pengguna yang berwenang. Desain yang dibuat dapat penyimpanan dan transmisi catatan medis dilakukan dalam lingkungan yang benar-benar aman dan dengan standar integritas data yang tinggi, melindungi privasi pasien dan mematuhi semua peraturan Asuransi Kesehatan Portabilitas dan Akuntabilitas Act (HIPAA) [1]. Perancangan untuk aplikasi ini menggunakan aplikasi web yang pada dasarnya memerlukan aktifitas-aktifitas teknis dan nonteknis yang didalamnya mencakup beberapa hal yang penting yaitu: penetapan tampilan aplikasi-aplikasi web, pembuatan rancangan estetika antar muka pengguna, pendefinisian struktur arsitektur aplikasi web secara keseluruhan, pengembangan isi dan fungsionalitas yang berada dalam arsitektur aplikasi web, dan perencanaan navigasi yang ada didalam suatu aplikasi web [8]. C. Singkatan dan Akronim KIA CDOs CT-scans HIPAA MRI’S UML

: Kesehatan Ibu dan Anak : Care Delivery Organizations : Computerized Tomography Scanner : Health Insurance Portability and Accountability Act : Magnetic Resonance Imaging : Unified Modelling Language

D. Persamaan Mengacu dari penelitian yang telah ada sebelumnya terkait dengan kesehatan ibu dan anak, hasil dari penelitian sebelumnya belum pernah ada yang dapat menghubungkan beberapa puskesmas yang ada di kota Makassar. Sedangkan pada penelitian ini adalah bagaimana membuat operasional dan manajemen lebih mudah, karena sistem yang terkoneksi untuk setiap puskesmas yang ada di kota Makassar dalam satu dapat dimonitor dan diatur dengan mudah, membantu dalam pengembangan sistem informasi manajemen kesehatan khususnya pelayanan kesehatan ibu dan bayi di Puskesmas, dan membuat desain administrator pada Dinas kesehatan yang memberikan hak akses secara penuh sehingga memberikan kemudahan dengan memanfaatkan sistem yang langsung beringrasi ke jaringan. E. Rekomendasi Lainnya

evaluasi adalah faktor yang sangat penting dalam pelaksanaan fungsi manajemen KIA yang meliputi pengumpulan (input), pengolahan (process) , dan penyajian (output) data diperoleh informasi : Pengumpulan data dilakukan dengan mencatat data kegiatan yang bersumber dari puskesmas [5]. Arsitektur aplikasi Web pada dasarnya mendeskripsikan suatu infrastruktur yang memungkinkan sistem atau aplikasi yang berbasis Web untuk mencapai sasaran-sasaran bisnisnya. Arsitektur aplikasi web menyarankan arsitektur perancangan 3 lapisan yang bertujuan memisahkan antarmuka dari mekanisme navigasi dan dari perilaku-perilaku yang dimiliki oleh aplikasi [9]. Pengukuran deskripsi pada dasarnya memaparkan secara numerik ukuran tendensi sentral, dispersi, dan distribusi suatu data [10]. IV. PEMBAHASAN Sasaran utama dari aplikasi kesehatan ibu dan anak adalah dapat membantu user dalam memperoleh informasi dan menentukan pilihan terhadap layanan yang diberikan oleh puskesmas sesuai dengan kebutuhan pasien. Administrator puskesmas dapat mengolah laporan dengan lebih mudah dan kondusif jika dibandingkan dengan cara manual yang telah digunakan saat ini. Serta administrator dinas kesehatan memperoleh kemudahan dalam mendapatkan laporan di tiap-tiap puskesmas sehingga untuk mengevaluasi kinerja dari puskesmas yang ada dikota Makassar dapat lebih cepat. Dalam konotasi teknis, ketersediaan pada aplikasi dasarnya merupakan pengukuran atas persentase waktu yang tersedia bagi aplikasi-aplikasi web untuk dapat digunakan dengan baik oleh para penggunanya. Para pengguna akhir pada umumnya berharap agar aplikasiaplikasi web dapat selalu tersedia. Jika suatu aplikasi web tidak bisa memenuhi kriteria tersebut, maka aplikasi itu seringkali tidak dapat diterima oleh para pengguna akhir. Meski demikian, ”waktu penggunaan aplikasi web oleh para pengguna akhir” bukan satu-satunya indikator. Aplikasi-aplikasi web yang terbatas penggunaannya hanya pada suatu perambah (browser) atau terbatas peggunaannya hanya pada satu platform tertentu, akan berakibat aplikasi-aplikasi web tersebut memiliki ketersediannya yang rendah pada kombinasi perambah/platform yang berbeda. Jika hal ini terjadi, seringkali pengguna akan meninggalkan aplikasi-aplikasi tersebut. V. KESIMPULAN

Manajemen pelayanan kesehatan di seluruh tingkat fasilitas pelayanan memerlukan informasi yang cukup sehingga bisa melakukan fungsi manajemennya, dimana salah satu fungsi tersebut adalah monitoring dan evaluasi. Kegiatan ini bergantung pada sistem informasi yang berjalan dimana salah satu aktifitas sistem tersebut adalah pencatatan dan pelaporan [4]. Sistem monitoring dan

Setelah me-review seluruh hasil kuesioner, bisa ditarik kesimpulan bahwa mayoritas responden menganggap bahwa aplikasi ini sudah sesuai dengan yang diharapkan serta mampu memudahkan admin dan user dalam memperoleh informasi tentang kesehatan ibu dan anak. Namun, sebagian responden juga masih menganggap perlunya penambahan fungsi-fungsi (utilitas)

27


ISBN : 978-602-8509-20-6

berupa ketersediaan ruang rawat inap, misalnya jumlah kamar yang tidak digunakan, dan yang sementara digunakan, sehingga pasien mendapatkan informasi tentang kapasitas ruangan yang dapat digunakan pada saat itu, informasi rincian biaya untuk setiap asuransi kesehatan, dan informasi berupa jadwal imunisasi bayi untuk pengembangan aplikasi ini. Hal ini tentunya menjadi masukan untuk pengembangan aplikasi ini kedepannya. Hasil kuesioner ini bahkan bisa dijadikan acuan dalam melakukan pengembangan aplikasi “KIA“ ataupun malah menciptakan aplikasi yang jauh lebih baik. REFERENSI Ankur, dkk. (2010). A Cloud Computing Based Patient Centric Medical Information System. Department of Computer Science and Engineering. FAU, Boca Raton, FL., USA. DOI:10.1007/978-1-4419-6524-0_24 (diakses tanggal 19 Februari 2013). [2] Fatansyah. (2012). Basis Data. Bandung : Penerbit Informatika. [3] Henriyadi. (2008). Data Center dan Implementasinya Pada Perpustakaan. Bogor : Pusat Perpustakaan dan Penyebaran Teknologi Pertanian. [4] Jogiyanto, HM. (2008). Metodologi Penelitian Sistem Informasi. Yogyakarta : Penerbit Andi. [5] Joko, Puji Hartono. (2004). Analisis Proses Perencanaan Kebutuhan Obat Publik untuk Pelayanan Kesehatan Dasar (PKD) di Puskesmas se Wilayah Kerja Dinas Kesehatan Kota Tasikmalaya. http://repository.ipb.ac.id/handle/123456789/146 11, (diakses 15 April 2013) [6] Nasir Mochamad. (2008). Pengembangan Sistem informasi pelayanan kesehatan ibu dan bayi untuk mendukung evaluasi program kesehatan ibu dan anak di Puskesmas Kabupaten Lamongan. Semarang : Universitas Diponegoro [7] Purbo, W. Onno (2011). Petunjuk Praktis Data center Mengunakan Open Source. Jakarta: Penerbit Andi [8] Pressman, Roger. (2005). Rekayasa Perangkat Lunak. Yogyakarta : Penerbit Andi. [9] Pressman, Roger. (2011). Rekayasa Perangkat Lunak. Yogyakarta : Penerbit Andi. [10]Trihendradi. (2012). Step by Step SPSS 20. Yogyakarta : Penerbit Andi. [1]


ISBN : 978-602-8509-20-6

75


27


ISBN : 978-602-8509-20-6

Monitoring Waktu Kerja Mesin Induksi Berbasis Web pada Skala Lab Nikita A. E. Sajangbati1, Faizal Arya Samman2, Salama Mandjang3 1 Jurusan Teknik Elektro, Politeknik Negeri Manado, Sulawesi Utara Program Studi Teknik Elektro, Fakultas Teknik, Universitas Hasanuddin, Makassar, Sulawesi Selatan

2,3

Abstract— Permasalahan pada perusahaan penghancur batu yang ada saat ini adalah pengawasan kerja dari mesinmesin produksi dalam hal ini mesin induksi. Pengawasan ini penting untuk menentukan secara adil dan tepat biaya sewa yang harus dibayar oleh penyewa kepada pemilik mesin. Motor induksi adalah tipe motor yang banyak dipakai, Pengawasan kerja yang ada saat ini mengandalkan manusia dengan segala keterbatasannya. Pada penelitian ini digunakan pendekatan metode studi literature (library research) dan studi lapangan (field research) untuk perancangan sistem. Pengembangan sistem dilakukan pada skala lab dan dilakukan tahap demi tahap berdasarkan proses kerja sistem. Adapun tahapan penelitian meliputi yang pertama identifikasi masalah, kedua adalah tahapan perencanaan tujuan penelitian yang telah ditetapkan, ketiga adalah tahapan pelaksanaan dan pembuatan alat Man Machine Interface (MMI), membangun arsitektur sistem, pembuatan program serta tahapan pengujian dan evaluasi. Hasil yang diharapkan dari penelitian ini adalah dihasilkannya prototipe sistem monitoring dan kontrol kerja mesin induksi yang mengintegrasikan informasi waktu kerja nyata serta jumlah jam kerja per hari, bulan dan tahun. Berdasarkan survey, sistem yang telah dibuat dalam hal ini hardware dan software memenuhi kepuasan klient. Kata Kunci— Monitoring , Mesin Induski, Monitoring Kerja Mesin, Web

I. PENDAHULUAN Sejalan dengan perkembangan ilmu pengetahuan dan teknologi saat ini, khususnya dalam bidang informasi semakin berperan dalam kehidupan manusia sehari-hari. Manfaat dari penggunaan komputer dalam sistem kontrol bagi manusia antara lain: performansi dari sistem dinamik menjadi lebih baik, kualitas dan jumlah produksi semakin tinggi serta biaya produksi lebih murah. Perusahan kecil maupun perusahan besar sangat membutuhkan teknologi informasi untuk membantu dalam pengambilan keputusan, dimana setiap pekerjaan dapat dilakukan dengan cepat dan akurat dibanding dilakukan secara manual. MMI (Man-Machine Interface) di antaranya merupakan antar muka antara manusia dan mesin-mesin yang menjalankan proses industri yang kompleks. MMI merupakan bagian utama dari sistem-sistem teknologi kendali proses (Process Control Technology) yang menjalankan sistem pengendalian secara otomatis pada dunia industri manufaktur sekaligus sebagai alat monitoring. Pada desain ini akan dibangun MMI Client _Server yang akan menghubungkan pengguna / manusia dengan mesin induksi. Hal yang menjadi pusat perhatian pada rancang bangun ini adalah monitoring jumlah arus Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

kerja dan akusisi data pada motor induksi (Jimenez, 2006). Arus Motor berbeban akan dimonitor oleh suatu perangkat microcontroller ATMega8535 dan dihubungkan ke PC utama server melalui RS-232 Port (John Park, 2003). Selanjutnya PC utama dihubungkan dengan beberapa PC lainnya (client) dengan TCP/IP sehingga PC lainnya dapat memonitoring jumlah arus motor berbeban. Unit mikrocontroller, motor induksi, sensor arus berbeban yang telah terpadu dalam suatu sistem akan sangat membantu dalam memonitoring (Sulayman dkk, 2011). Adapun penelitian ini membuat program MMI bagi user agar dapat mensensor arus motor induksi berbeban menyimpan data melalui sebuah mikrokontroller. MMI juga dibuat untuk memonitor jumlah jam arus motor induksi berbeban (jumlah jam kerja motor), dan untuk menghubungkan server dengan client agar dapat mengakses data dan memonitoring dengan otorisasi. Tujuan penelitian ini adalah menganalisis implementasi program dengan mengakuisisi kecepatan data yang disimpan lalu dikirim dari server ke client hingga dapat dimonitor melalui program-program MMI yang telah dibuat. Pada ahkirnya untuk menguji tingkat kepuasan client, maka angket kepada client melalui berbagai pertanyaan (Wu S, 2005). Gambar 1 memperlihatkan gambaran umum sistem yang akan dibangun.

Gambar 1. Diagram sistem.

77

Gambar 3. Skematika rangkaian mikrokontroler dan rangkaian sensor CT untuk mengukur arus motor induksi.

MOTOR INDUKSI

SENSOR ARUS

LCD 2*16

OP AMP PENGUATAN 3.3 KALI

MIKROKONTROLER AT MEGA 8535

RS 232 SERIAL COMUNICATION

Gambar 2. Pengukuran kerja mesin berdasarkan pengukuran arus motor. Gambar inset menunjukkan sensor CT.

II. METODE PENELITIAN Jenis penelitian ini adalah bersifat eksperimental dengan cara merancang, membuat alat, membuat program dan mengaplikasikan dengan berbasis web untuk mengetahui sejauh mana waktu kerja dari suatu motor induksi berbeban yang dapat dimonitor (Gadea,2010). Metodologi penelitian menggambarkan tentang cara pengumpulan data yang diperlukan untuk menjawab permasalahan yang ada (Pressman,2010). Pertama penentuan dan analisis spesifikasi selanjutnya mendisain sistem dan perangkat lunak kemudian mengimplementasi dan uji coba unit-unit pada akhirnya mengintegrasi dan uji coba sistem. Penelitian ini melalui beberapa tahapan yang diuraikan sebagai berikut: Pertama mengumpulkan beberapa referensi-referensi literatur sebagai acuan penelitian dalam bentuk buku teks, jurnal, paper/artikel

87

ilmiah, hasil penelitian sebelumnya yang saling terkait serta metode dan data yang digunakan. Kemudian dalam penelitian ini akan dibuat rancangan alat MMI (Man Machine Interface) dalam mendeteksi arus motor berbeban induksi seakurat mungkin (Dun, 2006). Program MMI juga dibuat untuk menghubungkan server dengan client agar dapat mengirim data jumlah jam arus berbeban dan dapat tampil dimonitor Lihat Gambar 4. Pada akhirnya analisis implementasi program dengan mengaquisisi kecepatan data real time yang disimpan lalu dikirim melalui server ke client hingga tampil dimonitor melalui pengujian-pengujian sistem dan evaluasi interface terhadap program-program yang telah dibuat (M. Branch,2007). III. HASIL PENELITIAN A. Hasil Rancangan Sistem Sistem yang dirancang adalah sebuah sistem sensor yang mampu membaca arus/tegangan motor sehingga sebuah sistem mikrokontroler dapat mengirimkan data ke sebuah web yang telah dirancang. Gambar 2 dan Gambar 3 memperlihatkan masing-masing diagram skematik dari rangkaian sensor dan digram kotak dari proses pengukuran arus motor listrik untuk selanjutnya dikirm ke server melalui komunikasi port RS232.


ISBN : 978-602-8509-20-6

B. Pengujian Kinerja Sistem Tujuan dari pengujian sistem adalah mengukur dan menguji keberhasilan dari aplikasi yang sudah dibuat. Pengujian sistem dilakukan dua tahap pengujian sistem yaitu pengujian blackbox dan grafik kepuasan pengguna. Skenario 1: Pengujian 8 client dengan kecepatan jaringan Upload 250 Kbps dan download 1.03 Mbps. Pengujian dilakukan dengan spesifikasi Komputer yang sama. Gambar 5 memperlihatkan website dari yang telah dikembangkan. Pada bagian menu internal website, user yang terdaftar untuk dapat mengakses web dapat melihat rentang waktu kerja dari mesin listrik.

Banyaknya user adalah jumlah user yang menggunakan aplikasi pada waktu yang bersamaan. Waktu response adalah Interval waktu yang dihitung dari waktu pengiriman pesan sampai waktu penerimaan pesan. Error rate adalah besar kesalahan yang terjadi pada waktu pengiriman data. Pengujian dilakukan dengan Kecepatan Upload 250 Kbps dan download 1.03 Mbps. Bertambahnya user hampir tidak mempengaruhi waktu respon pengiriman data, sampai user yang online mencapai 8 user. Respon monitoring yang dikirim dari server ke client berhasil.

Gambar 5. Grafik pengaruh jumlah user terhadap kecepatan data.

Skenario 2: Pengujian 8 client dengan kecepatan jaringan Upload 79 Kbps dan download 136 Kbps. Pengujian dilakukan dengan spesifikasi Komputer yang sama. Perhatikan Gambar 6. Data mempengaruhi waktu respon pengiriman, sampai user yang online mencapai 8 user dengan kecepatan komunikasi terjadi kenaikan dari rata-rata 2.51 detik.

Gambar 6. Grafik pengaruh jumlah user terhadap kecepatan data.

Gambar 4. Tampilan MMI monitoring kerja mesin induksi.


ISBN : 978-602-8509-20-6

C. Evaluasi Tanggapan Klient atas Hasil Rancangan Metode yang digunakan dalam evaluasi interface adalah Metode pengumpulan data dengan kuesioner, dimaksudkan adalah untuk mengukur apakah sistem dapat memenuhi kebutuhan klien, maka untuk mengukur hal itu

79

dibutuhkan angket adapun daftar pertanyaan yang menjadi kuisioner dijelaskan sebagai berikut. Kuisioner disebar ke 10 orang user di sebuah perusahan klient. Pertanyaan 1: Apakah sistem ini sesuai digunakan di Industri ini? Jawaban: Enam puluh (60%) responden menjawab sesuai, tiga puluh (30%) responden menjawab cukup sesuai, sepuluh (10%) responden menjawab kurang sesuai. Gambar 7 memperlihatkan bahwa 60% menyatakan sesuai dan dapat disimpulkan bahwa sistem ini dapat diaplikasikan pada industri. Pertanyaan 2: Dari sisi antar muka/interface apakah sistem ini mudah digunakan? Jawaban: Tujuh puluh (70%) responden menjawab mudah digunakan, dua puluh (20%) responden menjawab cukup mudah, sepuluh (10%) responden menjawab kurang, Nol responden menjawab sulit. Gambar 8 memperlihatkan bahwa 70% menjawab cukup mudah. Ini berarti menyatakan 20% aplikasi ini dapat di gunakan. Pertanyaan 3: Apakah sistem monitoring berjalan sesuai dengan aplikasi sistem? Jawaban: (40%) Responden menjawab sesuai, (40%) Responden menjawab cukup sesuai (10%) Responden menjawab kurang sesuai, (10%) Responden menjawab tidak sesuai. Hasil pertanyaan 3 memperlihatkan bahwa 40% menjawab sesuai. Ini berarti aplikasi yang dibangun dapat menjawab masalah. Pertanyaan 4: Apakah model antarmuka dengan monitoring sudah sesuai? Jawaban: (40% ) Responden menjawab sesuai, (30%) Responden menjawab cukup sesuai, (20%) Responden menjawab kurang sesuai, (10% )Responden menjawab tidak sesuai. Hasil pertanyaan 4 memperlihatkan hampir terjadi keseimbangan pendapat ini berarti bahwa system yang dibangun masih perlu beberapa pengembangan disesuaikan dengan kebutuhan.

Gambar 7. Hasi survei pertanyaan 1

IV. PEMBAHASAN Model sistem akan menghasilkan output informasi jumlah jam kerja mesin induksi per hari, bulan dan tahun, dengan menampilkan data real time dan dapat diakses melalui web. Sistem bekerja berdasarkan dua komponen utama pendukung sistem yaitu data base yang tersimpan pada server data base dan sensor pendeteksi arus (simulasi) yang akan terpasang pada motor induksi . Proses kontrol monitoring dilakukan oleh user / klien yang dalam hal ini pemilik perusahaan. Pada proses antar muka sistem MMI ada beberapa pilihan yang mendukung proses kerja sistem. Secara singkat proses ini adalah sebagai proses desain MMI, proses monitoring, proses kontrol, dan proses report. Pihak admin akan menangani proses desain, kontrol dan report, sedangkan user atau client akan berhubungan dengan proses monitoring.perancangan sistem dimulai dari input saat tombol start motor ditekan dan sensor mendeteksi arus. Selanjutnya dari sinyal yang keluar dari sensor arus masuk ke rangkaian penguat dan diteruskan ke mikrokontroler kemudian data yang diperoleh ditampilkan pada LCD dan dikirim keserial RS 232. Dimana sinyal dari sensor arus merupakan sinyal yang masih berupa tegangan induksi dan dibutuhkan penguatan sebesar 3,3 kali untuk dapat menyempurnakan sinyal sensor arus (Anonim, 2008), untuk lebih memudahkan dalam proses kalibrasi pada programan ADC pada mikrokontroler, setelah arus sudah terkalibrasi data akan ditampikan pada LCD, selanjutnya dengan menggunakan Code Vision AVR data yang dikonversi oleh ADC dikirim oleh mikrokontroler ke port D menggunakan komunikasi serial RS 232, kemudian data dideteksi oleh port com , port PC. Software akusisi data pada sisi server menggunakan visual basic (vb) 6.0 (A. Abtokhi, 2012). Selanjutnya data dikirim ke data base menggunakan perangkat lunak ODBC (OLE data base connection) Mysql 3.5.1. Data arus yang diterima oleh VB 6.0 digunakan sebagai acuan untuk memulai dan mengakhiri waktu kerja motor induksi . Selanjutnya data siap diakses oleh klien melalui web browser. Komunikasi melalui web browser dari klien berdasarkan permintaan (request) klien melalui port lebih besar dari 1024 category registered port ke port 80 (HTTP) pada server, lalu server mengambil data sesuai mermintaan klien pada data basenya selanjutnya memberikan balasan (replay) melalui port 80 ke port asal klien peminta yang pada akhirnya data tersebut ditampilkan dihalaman web browser klien.

Gambar 8. Hasil survei pertanyaan 2.

78


ISBN : 978-602-8509-20-6

V. KESIMPULAN DAN SARAN Berdasarkan hasil penelitian sebagaimana telah diuraikan pada bab sebelumnya, maka dapat disimpulkan bahwa hasil pembuatan program MMI untuk mensensor arus motor induksi tiga phasa merupakan data input pada mikrokontroler yang selanjutnya dengan menggunakan Code Vision AVR data dikonversi oleh ADC dan dikirim ke PC melalui serial RS 232 dimana dalam proses penyimpanan data base melalui software akusisi data pada sisi server PC menggunakan Visual Basic 6.0 menggunakan perangkat lunak ODBC (Mysql), selanjutnya dengan VB 6.0 data arus yang diterima merupakan acuan untuk memulai waktu kerja motor dan mengakhiri serta menghitung selisih waktu real time serta menampilkannya melalui monitor. Untuk hasil pengujian implementasi program dengan mengakusisi kecepatan data mulai dari sensor arus sampai penyimpanan database sampai ditampilan monitor. Waktu respon pengiriman sinyal untuk kecepatan jaringan upload 250 Kbps dan download 1.03 Mbps rata-rata 1.67 detik. Sedangkan untuk kecepatan upload 250 Kbps dan download 1.03 Mbps rata-rata 2.51 detik. Ini berarti cukup baik kecepatan jaringan sangat mempengaruhi komunika data dan sistem yang dibangun masih dapat dikembangkan. DAFTAR PUSTAKA A. ABTOKHI, (2012) “Sistem Akuisisi Data Berbasis Komputer PC pada Untai Uji Termo hidrolika”, Sigma Epsilon, No. 7, Nopember 1997. Measurement Computing Corporation, “Data Acqusition Handbook” Published in United States of America. Anonim, (2008). Sensor danTranducer, [http://www.elearningjogja.org], (29 Januari 2009 11.55 PM). Dun, William C. (2006). Introduction to instrumentation, sensors, and process control, Artech House sensors library. 685 Canton street Norwood, MA 02062, Gadea, C. Ionescu, B.and Ionescu, D (2010).”Collaborative web-based architecture for real-time monitoring of sensor data” Environmental Energy and Structural Monitoring Systems (EESMS), 2010 IEEE Workshop on: 9-9 Sept. Page(s):52 – 58 Taranto Canada. Jimenez, Pedro. and Vera, Luiz. (2006). “Motor Starting Study for Large Motor”. Case: VALCOR PDVSA Project, Venezue`la: IEEE PES Transmission and Distribution Conference and Exposition Latin Amerika John Park, Steve Mac kay (2003). “Practical Data Acquisition for Instrumentation and Control Systems” Oxfort Burlington UK, M. Branch and B. Bradley (2007). "Real-time web-based system monitoring," Industry Applications Magazine, IEEE, vol. 13, no. 2, pp. 12 -16, March-April Pressman, R. S. (2010). Software Engineering: A Practitioner's Approach, Seventh Edition. New York: McGraw-Hill. Sulayman, U.and Alouani, A.T (2011). ”Smart grid monitoring using local area sensor network. Real-time data acquisition, analysis and management “Southeastcon, 2011 Proceedings of IEEE USA. Wu S.; Kotak D.; Fleetwood M.; Tomato H. (2005): Distributed data acquisition and monitoring system for an integrated energy application. Systems, Man and Cybernetics, IEEE International Conference on, vol.3, 10-12 Oct. 2005 pp.2590-2594.


ISBN : 978-602-8509-20-6

81


78


ISBN : 978-602-8509-20-6

Pengaturan Pembangkitan Tenaga Listrik dari Baterai sesuai Kondisi Beban Secara Optimal Johan Pongoh1, Faizal Arya Samman2, Muhammad Tola3 1 Jurusan Teknik Elektro, Politeknik Negeri Manado, Sulawesi Utara Jurusan Teknik Elektro, Universitas Hasanuddin, Makassar, Sulawesi Selatan

2,3

Abstract—Pemasokan energi listrik secara berkesinambungan pada beban yang berubah-ubah dilakukan untuk mengantisipasi lonjakan beban puncak dan menjamin keseimbangan kerja pembangkit daya. Penelitian ini bertujuan untuk mengendalikan proses pengisian dan penggunaan baterai secara berkesinambungan agar pembangkitan dan penggunaan daya listrik dapat diatur secara seimbang dan optimal. Metode yang digunakan adalah perancangan dan pembuatan peralatan untuk menentukan optimalisasi dari sumber daya yang akan diaktifkan berdasarkan kebutuhan beban. Pengujian sistem dilakukan pada variasi beban induktif dan resistif. Hasil penelitian menunjukkan bahwa sistem dapat mengatur kondisi beban yang berubah-ubah. Adapun pemakaian beban dibangkitkan oleh baterai sebagai penyimpan energi listrik yang bekerja secara paralel atau secara bergantian sesuai dengan kapasitas dari baterai itu sendiri. Pada pengujian beban resistif, dengan menggunakan beban lampu pijar 60 watt besarnya arus terukur adalah sebesar 0,3 ampere dan daya listrik terukur sebesar 68 watt, pada beban pemanas nasi arus terukur sebesar 1,42 ampere dan daya listrik terukur sebesar 315 watt. Pada pengujian beban induktif untuk beban mesin bor 75 watt, arus terukur sebesar 0,5 ampere dan daya listrik yang terukur sebesat 100 watt. Dapat disimpulkan bahwa dengan menggunakan beban resistif, arus akan berubah secara linier terhadap setiap perubahan beban.

2010), energi angin , energi gelombang dan perbedaan suhu air laut. Penelitian ini akan membahas sistem cerdas pengaturan beban sebagai kontrol utama untuk pembangkit listrik tenaga hibrid dan prospeknya di masa depan dengan penekanan pada material. Jadi pengembangan teknologi ini dapat dijalankan bersama-sama dengan pengembangan divais-divais semikonduktor lainnya untuk aplikasi mikroelektronika. Pemasokan energi listrik secara kontinyu pada beban yang berubah-ubah adalah merupakan bagian sangat penting yang perlu diperhatikan. Dengan menyediakan beberapa sumber daya yang dipekerjakan secara paralel dilakukan untuk mengantisipasi lonjakan beban puncak, namun tidaklah efisien apabila penyuplai daya tambahan tersebut bekerja untuk suplai yang tidak maksimal dengan daya yang disalurkan sangat kecil dari daya yang dibangkitkan. Penelitian yang terkait yaitu pengontrolan beban secara elektronik pada generator sinkron 1 fasa menghasilkan frekuensi yang stabil yaitu 50 hz, dengan beban total generator (beban konsumen dan beban komplemen) cenderung tetap yaitu 160W±5% (Permana, 2010) dan sinyal digital telah berhasil dibentuk dan ditransmisikan melalui jaringan listrik dengan memakai modulasi frequency shift keying (Sudaryanto, 2010).

Keywords— Sistem cerdas, pengaturan kondisi beban

I. PENDAHULUAN Karena berbagai persoalan teknis, tenaga listrik hanya dibangkitkan pada tempat tertentu. Sedangkan pemakai tenaga listrik atau pelanggan tenaga listrik tersebar diberbagai tempat, maka penyampaian tenaga listrik dari tempat dibangkitkan sampai ke tempat pelanggan memerlukan berbagai penanganan teknis. Tenaga listrik dibangkitkan dalam pusat-pusat listrik seperti PLTS, PLTA, PLTU, PLTG, PLTP dan PLTD kemudian disalurkan melalui saluran transmisi setelah terlebih dahulu dinaikkan tegangannya oleh transformator penaik tegangan (step-up transformer) yang ada di pusat listrik. (Kadir. 2004). Masalah energi tampaknya akan tetap menjadi topik yang hangat sepanjang peradaban umat manusia. Upaya mencari sumber energi alternatif sebagai pengganti bahan bakar fosil masih tetap ramai dibicarakan (Agung, 2010). Ada beberapa energi alam sebagai energi alternatif yang bersih, tidak berpolusi, aman dan dengan persediaan yang tidak terbatas. Diantaranya adalah energi surya (Suriadi, Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Gambar 1. Sistem pengaturan kondisi beban

Berdasarkan latar belakang masalah yang dikemukakan di atas maka permasalahan yang dapat dirumuskan adalah bagaimana mengendalikan kondisi pengisian baterai secara kontinyu dan bagaimana melakukan pengaturan beban secara cerdas dan otomatis dalam mengatur keseimbangan kerja pembangkit daya secara efisien dan optimal terhadap beban yang berubah-ubah. Penelitian ini bertujuan untuk mengendalikan pengisian baterai secara kontinyu dan mendapatkan kinerja optimal

83

sistem dengan mengaktifkan sumber pembangkit daya secara efisien sesuai dengan kebutuhan daya beban secara cerdas dan otomatis. II. METODE PENELITIAN Penelitian ini dilakukan di Laboratorium Sistem Tenaga Listrik Politekmik Negeri Manado. Metode penelitian perancangan dan pembuatan sistem cerdas pengaturan kondisi beban, untuk menentukan optimalisasi dari sumber baterai yang akan diaktifkan berdasarkan kebutuhan beban. Metode analisis data berdasarkan hasil pengujian skenario 1 untuk beban resistif menggunakan lampu 60Watt, 120Watt, 160Watt, pemanas 40Watt, pemanas 300Watt, skenario 2 untuk beban induktif menggunakan mesin bor 75Watt. A. Klasifikasi Desain Sistem Sistem ini disebut juga dengan Pengatur daya beban, dimana selain berdiri sendiri dapat juga digabungkan (hybrid) dengan listrik PLN ( grid connected) atau dengan sumber listrik yang lain (Hanjoko dkk 2012). Jenis sistem dapat diklasifikasikan menjadi dua yaitu tanpa baterai dan yang menggunakan baterai. Pada penelitian ini membahas sistem PLTS yang menggunakan baterai sebagai penyimpan energi listrik (storage sistem). Gambar 1 memperlihatkan sistem cerdas pengaturan kondisi beban (Budiharto, 2004).

Driver Relay

Baterai

Keypad Sensor Arus CT

Tranduser

Penyearah

ADC

Sensor Tegangan

Kontroler 8535

LCD

melakukan pengisian ke baterai. Flow chart sistem diperlihatkan pada Gambar 3 (Sujadi, 2005). Proses kontrol pengaturan kondisi beban diatur dengan melihat kapasitas beban yang akan dicatu. Sistem akan mengatur proses suplai sumbar ke beban jika kapasitas beban bertambah. Kapasitas baterai adalah masingmasing 5 ampere yang terhubung paralel ke beban, ini berarti sumber memiliki kapasitas total 20 ampere.

III. HASIL PENELITIAN Tabel 1 memperlihatkan data hasil pengujian beban resistif, dimana dari hasil pengujian yang dilakukan untuk beban: lampu pijar 60 watt besarnya arus yang dikonsumsi adalah 0,28 ampere dengan besarnya daya listrik yang terukur adalah 61,6 watt dan jumlah baterai yang diaktifkan sistem secara otomatis sebanyak 2 buah. Untuk lampu pijar 120 watt besarnya arus yang dikonsumsi adalah 0,55 ampere dengan besarnya daya listrik yang terukur adalah 121 watt dan jumlah baterai yang diaktifkan sistem secara otomatis sebanyak 3 buah. Untuk lampu pijar 160 watt besarnya arus yang dikonsumsi adalah 0,73 ampere dengan besarnya daya listrik yang terukur adalah 160,6 watt dan jumlah baterai yang diaktifkan sistem secara otomatis sebanyak 4 buah. Untuk pemanas nasi 40 watt besarnya arus yang dikonsumsi adalah 0,19 ampere dengan besarnya daya listrik yang terukur adalah 41,8 watt dan jumlah baterai yang diaktifkan sistem secara otomatis sebanyak 1 buah. Untuk pemanas nasi 300 watt besarnya arus yang dikonsumsi adalah 1,37 ampere dengan besarnya daya listrik yang terukur adalah 301,4 watt dan jumlah baterai yang diaktifkan sistem secara otomatis sebanyak 4 buah. Tabel 1.

Jenis Beban Resistif Inverter

Hasil pengujian beban resistif

Driver Relay

Arus

Daya Terukur

(Ampere)

(Watt)

Baterai

Lampu Pijar 60 W

0,28

61,6





Lampu Pijar 120 W

0,55

121







Lampu Pijar 160 W

0,73

160,6









Pemanas Nasi 40 W

0,19

41,8



Pemanas Nasi 300 W

1,37

301,4









Kontaktor

Beban

Gambar 2. Diagram Blok Sistem

B. Perancangan Sistem Aplikasi pengontrolan yang dikembangkan dalam penulisan ini adalah membuat suatu sistem pengontrolan cerdas yang dapat melakukan pengontrolan secara otomatis terhadap besarnya daya listrik yang harus diberikan ke beban sesuai dengan besarnya beban listrik yang digunakan. Adapun disain diagram blok sistem yang akan dibuat diperlihatkan pada Gambar 2 (Nuraharjo, 2011; Kadir, 2004).

L1

L2

L3

L4

C. Flow chart sistem kontrol Proses kontrol pengisian baterai disimulasikan empat buah pembangkit, masing-masing pembangkit akan

Tabel 2 memperlihatkan data hasil pengujian beban induktif yang berupa mesin bor dengan daya sebesar 75 watt, besarnya arus yang dikonsumsi mesin bor sebelum dibebani (sebelum melakukan pengeboran pada bidang kayu) adalah 0,35 ampere dan besarnya daya listrik yang terukur adalah 77 watt, sistem secara otomatis mengaktifkan 2 buah baterai. Pada saat mesin bor dibebani (pada saat melakukan pengeboran pada bidang kayu) adalah 0,46 ampere dan besarnya daya listrik yang terukur adalah 101,2 watt, sistem secara otomatis mengaktifkan 3 buah baterai.

48


ISBN : 978-602-8509-20-6

Start

Set daya baterai pada 45 Watt

Baca kondisi beban

Baca kondisi bateray

IF Bat. 1 < 12,5 volt

Y

IF 0 < beban < 45 w

Pengisian baterai 1

Y

Baterai 1 on

T

T

IF Bat. 1 > 13,5 volt

Y

IF 45 < beban < 90 w

Pengisian baterai 1 off

Y

Baterai 1 dan 2 on

T

T


Y

IF 90 < beban < 135 w

Pengisian baterai 2

Y

Baterai 1, 2 dan 3 on

T

T


Y

IF 135 < beban < 180 w


Y

Baterai 1, 2, 3 dan 4 on

T

T


Y

Tampilan LCD - pengisian baretai - Daya dan arus beban

Pengisian baterai 3

T


Y


Start

T


Y

Pengisian baterai 4

T


Y


Gambar 3. Flow Chart Sistem Pengaturan Beban.

Tabel 2. Hasil pengujian beban induktif Jenis Beban Induktif

Mesin Bor 75 W saat tanpa beban Mesin Bor 75 W saat saat dibebani

Arus

Daya Terukur

(Ampere)

(Watt)

L1

Baterai L2

0,35

77





0,46

101,2





L3

L4



IV. PEMBAHASAN Penelitian ini menemukan bahwa aspek yang mempengaruhi efisiensi pembangkit-pembangkit daya tergantung dari besarnya beban yang terdeteksi. Dari hasil penelitian yang dilakukan, pada saat daya

yang digunakan terindikasi sebesar 60 watt (menggunakan beban lampu pijar), secara otomatis sistem mengaktifkan 2 buah pembangkit daya (baterai), dengan waktu respon untuk mengaktifan pembangkit daya selama 0,0023 detik. Untuk beban lampu pijar 120 watt pembangkit daya yang aktif sebanyak 3 buah dengan waktu respon mengaktifan pembangkit daya selama 0,0022 detik. Untu beban lampu pijar 160 watt pembangkit daya yang aktif sebanyak 4 buah dengan waktu respon mengaktifan pembangkit daya selama 0,0022 detik. Untuk beban pemanas nasi 40 watt pembangkit daya yang aktif sebanyak 1 buah dengan waktu respon mengaktifan pembangkit daya selama 0,002 detik. Untuk beban pemanas nasi 300 watt pembangkit daya yang aktif sebanyak 4 buah dengan waktu respon

mengaktifan pembangkit daya selama 0,0023 detik. Untuk beban mesin bor 75 watt: pada saat belum dibebani pembangkit daya yang aktif sebanyak 1 buah dengan waktu respon mengaktifan pembangkit daya selama 0,002 detik, sedangkan pada saat dibebani pembangkit daya yang aktif sebanyak 3 buah dengan waktu respon mengaktifan pembangkit daya selama 0,0022 detik. Untuk mengetahui perbandingan antara arus yang dikonsumsi oleh beban listrik yang terpasang dapat ditentukan dengan persamaan: Daya listrik (P) = Tegangan sumber PLN (volt) x Arus beban (ampere) (Setiono, 2009), maka untuk beban lampu pijar 60 watt dengan arus terukur sebesar 0,28 ampere, besarnya daya listrik: P = 220 volt x 0,28 ampere = 61,6 watt, untuk beban lampu pijar 120 watt dengan arus terukur sebesar 0,55 ampere, besarnya daya listrik: P = 220 volt x 0,55 ampere = 121 watt, untuk beban lampu pijar 160 watt dengan arus terukur sebesar 0,73 ampere, besarnya daya listrik: P = 220 volt x 0,73 ampere = 160,6 watt, untuk beban pemanas nasi 40 watt dengan arus terukur sebesar 0,19 ampere, besarnya daya listrik: P = 220 volt x 0,19 ampere = 44 watt, untuk beban pemanas nasi 300 watt dengan arus terukur sebesar 1,37 ampere, besarnya daya listrik: P = 220 volt x 1,37 ampere = 301,4 watt, untuk beban mesin bor 75 watt pada saat belum dibebani, arus terukur sebesar 0,35 ampere, besarnya daya listrik: P = 220 volt x 0,35 ampere = 77 watt dan untuk beban mesin bor 75 watt pada saat dibebani, arus terukur sebesar 0,46 ampere, besarnya daya listrik: P = 220 volt x 0,46 ampere = 101,2 watt.

0.35 Ampere dan daya terukur sebesar 77 watt pada saat belum dibebani. Untuk mendapatkan kinerja optimal system maka dilakukan pengujian respon sistem yang diukur mulai dari sensor mendeteksi arus hingga sistem mengeksekusi driver relai. Hasil pengujian diperoleh respon sistem terhadap output relai adalah rata –rata 0.0021 sekon. Untuk pengujian beban kapasitif yang kecil tidak akan diperoleh hasil pengukuran yang akurat maka disarankan untuk diperlukan penelitian lebih lanjut untuk simulasi beban dengan kapasitas besar. Semakin banyak hasil pengujian dari beban terukur akan memperkuat analisa respon sistem.

DAFTAR PUSTAKA Agung Achmad Imam, (2010). Pemanfaatan Sumber Energi Alternatif Dan Potensinya Dalam Mendukung Kelistrikan Nasional. Jurnal Teknik Universitas Negeri Surabaya, volume 11 no.2. Budiharto W, (2004). Interfacing Komputer Dan Mikrokontroler. Elex Media Komputindo, Jakarta Handjoko P. dan Satwiko S., (2012). Pengukuran Arus dan Tegangan pada Sistem Pembangkit Listrik Hybrid (Tenaga Angin dan Tenaga Matahari) Menggunakan Atmega 8535. Jurnal Ilmu Fisika Indonesia Volume 1 Nomor 1. Kadir, Abdul, Prof, Ir., 2004, Energi: Suatu Perkembangan, Listrik Pedesaan di Indonesia, UI Press, Jakarta. Nuraharjo Eddy, (2011). Analisis Model Akuisisi Data Terhadap Piranti ADC. Jurnal dinamika informatika, volume 3 no. 2. Permana Inggih Surya, (2010). Rancang Bangun Pengontrolan Beban Secara Elektronik Pada Pembangkit Listrik. Jurnal PENSITS. Sujadi, MT, (2005), Teori dan Aplikasi Mikrokontroler, Cetakan Pertama, Graha Ilmu, Yogyakarta. Suriadi dan Mahdi Syukri, (2010). Perancangan Listrik Tenaga Surya (PLTS) Terpadu Menggunakan Software PVSYST Pada Kompleks Perumahan Di Banda Aceh. Jurnal rekayasa Elektronika Universitas Syiah Kuala. volume 9 no. 2. Setiono Andi dan Suharto (2009). Prototipe Aplikasi kWh Meter Digital Menggunakan Atmega8535 Untuk Ruang Lingkup Kamar. Jurnal ilmu pengetahuan dan teknologi TELAAH, volume 26. Sudaryanto R. dan Basuki Hari Sutrio, (2010). Pengiriman Data Pengendali Beban Listrik Jinjingan Menggunakan PLC (Power Line Carrier)Berbasis Mikrokontroler AT89C51. Jurnal Informatika LIPI.

Gambar 4. Model Fisik sistem pengendali beban

V. KESIMPULAN DAN SARAN Dari hasil pengujian sistem maka dapat disimpulkan untuk mengontrol dan mengevaluasi besaran beban yang berubah-ubah, melalui pengujian suplai beban dengan kondisi beban yang berbeda maka arus pada beban resistif berubah secara linier setiap kenaikan beban dengan kapasitas yang sama. Untuk beban induktif dengan beban spesifikasi mesin bor 75 watt menghasilkan arus terukur

48


ISBN : 978-602-8509-20-6

Sistem Pengukur Kecepatan Awal dan Sudut Bola Pada Simulasi Golf Abdul Azis Rahmansyah, Ilham, Zahir Zainuddin, Faisal Arya Samman. Program Studi Teknik Elektro Universitas Hasanuddin Makassar

Abstrak—Sistem Pengukur Kecepatan Awal dan Sudut Bola Pada simulasi Golf, yang menjadi pondasi sederhana untuk membuat simulator golf. Dalam penyelesaian sistem pengukur ini digunakan photosensor sebagai indikator dan beberapa mikrokontroller ATmega8535 sebagai pengolah atau pengendali. Komunikasi SPI dapat digunakan sebagai penghubung antara mikrokontroller, sehingga untuk menghitung kecepatan awal digunakan photosensor awal dan photosensor akhir sebagai indikator kecepatan dengan Time 0,001 s sebagai Timer. Data dari mikrokontroller di kirim ke PC untuk diolah oleh visual basic sehingga di peroleh sudut pukulan. Pengujian keseluruhan sistem dilakukan 28 kali pengambilan data dengan posisi sudut yang berbedabeda. Sistem mampu mengukur kecepatan hingga 13.3 m/s, dengan selang waktu 103 milidetik dari sensor awal ke sensor akhir. Sistem bekerja dengan persentase kesalahan antara 0 % - 13 %. Dengan ratarata persentase kesalahan dari semua data yang telah diperoleh adalah 4,3 %.

dikemas dalam satu chip yang siap pakai, sehingga kita dapat memprogram isi ROM sesuai aturan penggunaan oleh pabrik yang membuatnya. ATmega8535 adalah Mikrokontroller 8-bit berteknologi CMOS yang berdaya rendah berbasis AVR dengan arsitektur RISC. Dengan keuntungan eksekusi instruksi rata-rata satu siklus clock dengan pendekatan 1 MIPS (Million Instruction Per Second) memberikan perancangan sistem dengan konsumsi daya optimal versus kecepatan proses.

Gambar 1 Konfigurasi Pin ATmega8535 B. Photodioda

Kata kunci—ATmega8535, Photosensor, simulator golf, SPI, timer, Visual Basic.

I.

PENDAHULUAN

Sistem tersebut merupakan serangkaian komponen elektronika berbentuk prototype untuk menghitung kecepatan awal dari bola golf yang di pukul serta arah yang akan dituju dari bola golf yang di pukul. Dengan memanfaatkan photosensor sebagai indikator, serta MultiMikrokontroller sebagai pengolah hasil dari photosensor. Data yang diperoleh dari mikrokontroller akan di kirim ke PC melalui USB Converter Light (FT232). Bahasa pemrograman yang akan digunakan adalah bahasa pemograman C untuk mikrokontroller dan sebuah software yang dibuat dari visual basic yang akan menampilkan kecepatan serta sudut dan dapat disimpan dalam bentuk database. II. DASAR TEORI

Photodioda adalah dioda yang bekerja berdasarkan intensitas cahaya, jika photodioda terkena cahaya maka photodioda bekerja seperti dioda pada umumnya. C. Serial Peripheral Interface (SPI)

SPI atau Serial Peripheral Interface ialah modul komunikasi serial sinkron berkecepatan tinggi yang digunakan untuk mempertukarkan data antar-AVR atau antara AVR dengan peralatan lain. Modul SPI ATmega8535 memiliki kemampuan sebagai berikut: 1. Full Duplex sinkron melalui tiga kawat: MOSI, MISO, dan SCK 2. Dapat dikonfigurasi sebagai master atau sebagai slave 3. Pengiriman datanya bisa dimulai dari LSB atau MSB 4. Tersedia tujuh bit pengatur kecepatan clock 5. Terdapat flag interupsi penanda data telah dikirim/diterima 6. Terdapat flag pendeteksi terjadinya tabrakan penulisan data 7. Dapat membangunkan AVR dalam mode idle

A. Mikrokontroller ATmega8535

Mikrokontroller adalah sebuah sistem mikroprosesor di dalamnya sudah terdapat CPU, ROM, RAM, I/O. Clock dan Peralatan internal lainnya yang sudah saling terhubung dan terorganisasi dengan baik oleh pabrik pembuatnya dan Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

87

Gambar 4 Tampilan EDI Visual Basic Gambar 2 Konfigurasi Slave Independent

Pada konfigurasi ini, pemilihan slave independen untuk masing-masing slave Karena pin MISO dihubungkan secara bersamaan maka pengiriman data dapat dipilih berdasarkan pin SS yang diaktifkan. D. Komunikasi Serial (FT232)

Pada perancangan ini, komunikasi serial yang digunakan berupa Mini USB adapter Arduino yang menggunakan chip FTDI USB to Serial (FT232). Chip ini bekerja mengkonversi USB ke Serial dan banyak digunakan juga sebagai chip kabel converter USB ke Serial Port. Layaknya kabel converter, alat ini juga terlebih dahulu harus menginstal driver dari chip FTDI ini dan membutuhkan female conector mini usb untuk menghubungkannya ke PC.

III. PERANCANGAN SISTEM Adapun sistem kerja dari keseluruhan sistem ini secara umum yaitu pada saat photosensor awal akan memulai mengaktifkan timer, maka photosensor akhir akan menghentikan timer yang telah di setting, sehingga kecepatan dapat di ukur. Data yang ada di slave akan dikirim melalui komunikasi SPI yang akan dikirim ke master. Kemudian Mikrokontroller akan memproses data yang telah di terima dari slave dan akan dikirim PC untuk di tampilkan di Software GUI.

E. Gerak Parabola (PELURU)

Gerak parabola adalah gerak yang membentuk sudut tertentu terhadap bidang horizontal. Pada gerak parabola, gesekan diabaikan, dan gaya yang bekerja hanya gaya berat/percepatan gravitasi.

Gambar 5 Bagan kotak Kerja Sistem Secara Umum A. Pembuatan Hardware

Gambar 3 Gerak Parabola

Untuk menentukan jarak terjauh digunakan persamaan : 𝑋𝑚𝑎𝑥 =

𝑉𝑜 2 ×sin2∝ 𝑔

(1)

Keterangan : Xmax = Jarak Terjauh (m) Vo = Kecepatan Awal (m/s) α = Sudut gerak Parabola g = Gaya gravitasi Bumi (9.8 m/s2)

Pembuatan rangka alat terdiri atas rangka dasar yang terbuat dari almunium dan papan injakan serta papan pembatas photosensor. Rangka alat Pengukur kecepatan dan arah bola golf ini berukuran 150 × 130 cm × 200 cm. Papan pembatas photodioda dibuat dari bahan dasar alumunium berukuran 130 cm × 9 cm × 2 cm untuk horizontal dan 80 cm x 9 cm x 2 cm. Semua desain tersebut kemudian diintegrasikan menjadi sebuah prototype lengkap. Desainnya tampak pada gambar dibawah ini:

F. Visual Basic

Visual basic atau sering disingkat VB adalah perangkat lunak untuk menyusun program aplikasi yang bekerja dalam lingkungan sistem operasi windows. Seperti program berbasis windows lainnya, Visual basic terdiri dari banyak windows. Ketika akan memulai Visual basic sekumpulan windows yang paling berkaitan inilah yang disebut dengan Integrated Development Environtment (IDE).

88

Gambar 6 Rangka Alat Lengkap

B. Perancangan Software ATmega8535 Perancangan Untuk pemrograman Mikrokontroller ATmega8535 ini menggunakan software CodeVision AVR. Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Pada Mikrokontroller slave dilakukan inisialisasi untuk 3 PORT sebagai input photosensor, yakni : PORTA,PORTC,PORTD sedangkan untuk PORTB digunakan sebagai komunikasi data SPI dan sebagai interupsi sensor akhir yang dikirim ke master. Pada perancangan program master dilakukan inisialisasi dimana PORTA sebagai input interupsi sensor akhir. PORTC sebagai output Select Slave. PORTD sebagai komunikasi serial yang terhubung ke FT232 untuk tampilan pada tampilan Interface. PORTB sebagai komunikasi antar mikrokontroller dengan komunikasi SPI. PORTB juga sebagai input photosensor awal. Proses perhitungan kecepatan awal akan dilakukan jika timer telah diketahui dan posisi H dan V telah dikirim dari mikrokontroller slave. Untuk perhitungan sudut bola Pertama-tama dilakukan pengukuran jarak horizontal Penentuan jarak horizontal merupakan pengukuran yang paling pertama untuk menentukan jarak dari photosensor awal ke photosensor akhir. Nilai 135 adalah jarak dari photosensor awal ke photosensor akhir pada tegak lurus vertikal dan horizontal dalam satuan cm. sedangkan untuk nilai H diperoleh dari photosensor horizontal yang aktif. Pembacaan nilai H adalah berurut dari 0 sampai 120 cm sehingga jarak maksimum akan di bagi dua dengan persamaan jika H > 60 maka : Hk = H − 60 (2) Dan jika H < 60, maka : Hk = 60 − H (3) XH = √1352 + Hk 2

Untuk membuat interface (antarmuka) yang menampilkan pengukur kecepatan pada simulasi golf pada komputer maka dibutuhkan sebuah pemrograman visual yang berorientasi objek. Pada proyek ini digunakan pemrograman Visual Basic 6.0 untuk membuat tampilan antarmuka dari pengukur kecepatan yang dapat disimpan dalam database. Rancangan antar muka pada komputer terdiri satu tampilan form. Pada tampilan ini terdapat 3 pokok program yakni : 1.

Program komunikasi serial Port Menu tampilan ini terdiri dari komponen-komponen visual antara lain komponen Label, TextBox, ComboBox, datagrid, Adodc, Mscomm dan CommandButton. Form ini menampilkan pilihan port yang akan mencari secara otomatis. Agar data dapat terbaca dari mikrokontroler ke komputer ataupun sebaliknya maka terlebih dahulu perangkat harus dikoneksikan.

2.

Program tampilan pengukuran serta perhitungan sudut Pada subprogram pembacaan data mikrokontroler dan perhitungan sudut terdapat 7 Label dan 2 Command Button. Label tersebut yakni “Waktu”, “Kecepatan”, “Posisi H”, “Posisi V”, “Sudut H”, “Sudut V” dan “Status SPI” yang akan menampilkan hasil pengiriman data dari mikrokontroller. Untuk “Status SPI” akan menampilkan status komunikasi SPI antara mikrokontroler dimana terdapat 2 status yakni “SPI CLEAR” dan “SPI NOT CLEAR”. 2 Command Button yaitu “Simpan” dan “Hapus”. SIMPAN dipilih untuk menginput data yang telah diterima kedalam database, HAPUS dipilih untuk mengosongkan data yang diterima dari mikrokontroler.

Gambar 8 Tampilan belum terkoneksi dan saat terkoneksi

(4)

dan selanjutnya akan di ukur posisi sudut vetikal:

Gambar 7 Perhitungan sudut

Nilai V diperoleh dari photosensor vertikal yang aktif dengan nilai V maksimum adalah 72 cm. Penentuan jarak vertikal menggunakan persamaan phytagoras berikut : XV = √XH2 + V 2 (5) Sehingga diperoleh jarak untuk 2 sudut yakni sudut Vertikal dan horizontal. Dengan menggabungkan persamaan 2.1 dan 2.5, sehingga diperoleh persamaan berikut : XH = Vo × cos ∝ × t (6) Untuk menentukan kecepatan awal bola digunakan persamaan berikut : XH XH XV Vo = = XH = (7) cos ∝ ×t t XV

×t

Karena satuan kecepatan yang akan diperoleh adalah dm/s sedangkan timer yang digunakan adalah millisecond maka jarak vertikal akan dikalikan 1000 untuk menyeimbangkan perhitungan sehingga persamaan seperti berikut : Vo =

XV×1000 t

Gambar 7 Tampilan subprogram pengukuran saat tidak terdapat data

Gambar 8 Tampilan subprogram pengukuran saat terdapat data

3.

Program database Data dapat disimpan dengan menekan tombol ”Simpan” maka data akan disimpan pada database. Pada database ini terdapat sebuah tombol button untuk menghapus data yang ada pada database yakni tombol ”Clear”

(8)

C. Perancangan Software Tampilan Interface


ISBN : 978-602-8509-20-6

89

Gambar 9 Tampilan subprogram untuk database

Untuk tampilan secara keseluruhan dapat dilihat pada gambar berikut:

masih berada pada titik awal dan ketika bola telah meninggalkan bola akan menjadi acuan perhitungan timer. Sesaat bola telah meninggalkan sensor awal, timer yang telah di atur akan memulai menghitung dengan hitungan milidetik. Timer akan terus menghitung hingga sensor akhir mendapat respon bola yang telah di pukul, sehingga di peroleh waktu yang di gunakan untuk menghitung kecepatan. Data yang di peroleh selanjutnya akan di tampilkan interface menggunakan komunikasi USART dengan perantara USB Converter mini (FT232). Data yang ditampilkan interface dapat dilihat gambar berikut ini.

Gambar 10 Tampilan Interface

Gambar 12 Tampilan interface Pada Komputer

Dalam melakukan validasi kecepatan menggunakan persamaan 2.16 gerak parabola, yakni : 𝑋𝑚𝑎𝑥 =

𝑉𝑜 2 × sin2 ∝ 𝑋𝑚𝑎𝑥 × 𝑔 → 𝑉𝑜 2 = 𝑔 sin 2 ∝ 𝑋𝑚𝑎𝑥 × 𝑔 → 𝑉𝑜 = √ sin 2 ∝

Keterangan : Xmax = Jarak bola golf saat menyentuh tanah kembali (cm) g = Grafitasi bumi dengan nilai 9.8 m/s α = Sudut yang diperoleh dari perhitungan vertikal terhadap jarak sensor awal ke sensor akhir Sudut dapat diperoleh dengan persamaan tangen yakni : 𝑝𝑜𝑠𝑖𝑠𝑖 𝑣𝑒𝑟𝑡𝑖𝑘𝑎𝑙 𝑗𝑎𝑟𝑎𝑘 𝑠𝑒𝑛𝑠𝑜𝑟 𝑎𝑤𝑎𝑙 𝑘𝑒 𝑠𝑒𝑛𝑠𝑜𝑟 𝑎𝑘ℎ𝑖𝑟 𝑝𝑜𝑠𝑖𝑠𝑖 𝑣𝑒𝑟𝑡𝑖𝑘𝑎𝑙 ∝= 𝑎𝑟𝑐𝑡𝑎𝑛 ( ) 𝑗𝑎𝑟𝑎𝑘 𝑠𝑒𝑛𝑠𝑜𝑟 𝑎𝑤𝑎𝑙 𝑘𝑒 𝑠𝑒𝑛𝑠𝑜𝑟 𝑎𝑘ℎ𝑖𝑟 𝑡𝑎𝑛 ∝=

Gambar 11 Flowchar tampilan Inteface

IV. PENGUJIAN SISTEM A. Pengujian Sistem

Pengujian dilakukan dengan menghubungkan prototype pengukur kecepatan dan posisi bola dengan komputer (PC) menggunakan kabel serial mini usb. Data dapat di peroleh apabila sensor awal dan sensor akhir bekerja sesuai kondisi yang telah di tentukan. Saat bola

09

Keterangan : o Posisi vertikal diperoleh dari sensor vertikal pada sistem (cm) o Jarak sensor awal ke sensor akhir (cm) Sedangkan untuk menghitung persentase kesalahan menggunakan rumus sebagai berikut : 𝑃𝐾 = |

𝑆𝑒𝑙𝑖𝑠𝑖ℎ 𝑎𝑛𝑡𝑎𝑟𝑎 𝐷𝑎𝑡𝑎 𝑀𝑎𝑛𝑢𝑎𝑙 𝑑𝑎𝑛 𝐻𝑦𝑝𝑒𝑟𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑙 | × 100% 𝐷𝑎𝑡𝑎 𝑀𝑎𝑛𝑢𝑎𝑙

Adapun data yang diperoleh saat pengujian ada 30 data dan di tampilkan pada tampilan interface pada tabel di bawah ini : Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

TABEL I HASIL PENGUJIAN POSISI SENSOR

Tampilan Interface Posisi H (cm) Posisi V (cm) 46 51 82 38 12 9 35 54 64 18 60 8 74 66 34 54 8 42 98 46 110 70 34 63 76 42 54 4 78 8 98 13 102 34 113 28 119 76 2 44

Validasi Posisi Posisi H (cm) Posisi V (cm) 45 50 82 36 12 10 35 54 63 18 60 8 73 66 34 54 7 42 99 46 109 71 33 62 75 41 54 4 78 7 97 13 101 34 112 28 119 75 3 44 TABEL II

HASIL PENGUJIAN PENGUKUR KECEPATAN

Data 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Waktu Alat Pengukuran (s) Kecepatan 206 699 cm/s 252 563 cm/s 209 708 cm/s 176 795 cm/s 154 928 cm/s 163 889 cm/s 103 1330 cm/s 154 967 cm/s 150 1026 cm/s 153 954 cm/s 175 851 cm/s 156 974 cm/s 159 930 cm/s 129 1124 cm/s 149 1073 cm/s 128 1156 cm/s 152 1026 cm/s 150 986 cm/s 149 1006 cm/s 136 1095 cm/s 156 942 cm/s 149 1013 cm/s 158 962 cm/s 152 967 cm/s 173 872 cm/s 146 1020 cm/s 159 974 cm/s 155 974 cm/s

Validasi Alat Pengukuran Kecepatan 755 cm/s 639 cm/s 768 cm/s 845 cm/s 928 cm/s 856 cm/s 1311 cm/s 965 cm/s 932 cm/s 922 cm/s 859 cm/s 947 cm/s 923 cm/s 1052 cm/s 1001 cm/s 1095 cm/s 978 cm/s 942 cm/s 975 cm/s 1012 cm/s 919 cm/s 936 cm/s 922 cm/s 915 cm/s 812 cm/s 977 cm/s 954 cm/s 954 cm/s

P.K 8 13 8 6 0 3 1 0 9 3 0 2 0 6 6 5 4 4 3 7 2 7 4 5 6 4 2 2

*P.K = Persentase Kesalahan (%)

kali pengambilan data untuk pengukuran kecepatan dengan posisi sudut yang berbeda-beda. Sistem mampu mengukur kecepatan hingga 13.3 m/s, dengan selang waktu 103 milidetik dari sensor awal ke sensor akhir. Sistem bekerja dengan persentase kesalahan antara 0 % 13 %. Dari penelitian terdapat perbedaan antara pengujian sistem dengan perhitungan manual dimana perbedaan kecepatan yang dihasilkan rata-rata berbeda 1 dm/s. Dengan rata-rata persentase kesalahan dari keseluruhan data yang telah diperoleh adalah 4,3 %. V.

KESIMPULAN

Dari hasil pengujian dikaitkan dengan permasalahan dan tujuan yang dilakukan secara umum, maka dapat diambil kesimpulan sebagai berikut : 1. Dengan menggunakan Mikrokontroller ATmega8535 dan juga sistem yang dibuat sedemikian rupa, maka sensor photodioda sebagai sensor awal dan sensor akhir dengan prinsip saklar dapat dijadikan input interupsi bagi Mikrokontroller sehingga Mikrokontroller dapat mengukur kecepatan awal serta posisi bola. 2. Dengan menggunakan komunikasi SPI, komunikasi antara Mikrokontroller master dan beberapa Mikrokontroller slave dapat berfungsi tanpa adanya data yang saling timpa dengan kecepatan tinggi. 3. Dengan menggunakan rangkaian komunikasi serial UART, Mikrokontroller ATmega8535 telah berhasil menampilkan data pada Tampilan Interface yakni data waktu, posisi H, Posisi V, sudut H, sudut V, dan Kecepatan Awal..

DAFTAR PUSTAKA [1] [2] [3] [4] [5]

[6] [7] [8]

Arduino 2006, “Mini USB Adapter”. Viewed 26 November 2012, . Atmel Corporation 2009, “ATmega8535”. Viewed 26 November 2012, . Heryanto, MA & P., WA 2008, Pemrograman Bahasa C untuk Mikrokontroller ATmega8535, Yogyakarta : Penerbit Andi Iswanto, 2010, Pelatihan Microkontroler ATmega8535, Yogyakarta : Universitas Muhammadiyah Yogyakarta Nurcahyo, Sidik. 2012. Aplikasi dan Teknik Pemrograman Mikrokontroller AVR Atmel. Yogyakarta : Penerbit ANDI Yogyakarta Suhata, 2005, VB sebagai Pusat Kendali Elektronik, Jakarta : PT Gramedia Winoto, A 2008, Mikrokontroller AVR ATmega8/32/16/8535, Penerbit Informatika, Cirebon. Mathematic. 2008, ”math.h library”. Viewed 3 Februari 2013

B. ANALISIS SISTEM KESELURUHAN

Hasil pengukuran dan pengujian alat memperlihatkan bahwa supply tegangan untuk setiap kondisi bekerja pada level normal. Sensor dan proses pengiriman data pada komputer bekerja sesuai dengan sistem yang diinginkan. Pengujian keseluruhan sistem dilakukan 20 kali pengambilan data untuk posisi photosensor aktif dan 28 Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

91


09


ISBN : 978-602-8509-20-6

Deteksi Illegal Logging dengan Menggunakan Metode Wavelet Neural Network Aninditya Nurul, Syafruddin Syarief, Indrabayu Program Studi Teknik Elektro Fakultas Teknik Universitas Hasanuddin Makassar

Abstract—Pada tahap pengolahan gambar, menggunakan segmentasi konvensional, di mana hanya lapisan merah diekstrak dari sebuah gambar RGB. Sebuah gambar sampel dipotong berdasarkan kondisi, yang merupakan daerah pohon dan daerah non-pohon. Hasil foto yang dipotong diekstraksi dengan segmentasi konvensional. Segmentasi konvensional menggunakan pola 25 nilai lapisan merah, pola yang dipilih melalui trial and error tahap. Pada sistem ini, ada 2.100 merah pola lapisan untuk daerah pohon dan 2000 merah pola lapisan untuk non-pohon daerah atau sisa-sisa pembalakan liar. Sampel gambar yang digunakan untuk tes, diambil dari hutan lindung di Kampar, Riau dengan ukuran 750 mx 560 m. Wilayah ini dipilih karena ketersediaan citra di daerah ini pada Google Earth. Hasil pengujian menunjukkan akurasi untuk mendeteksi pembalakan liar bersama model backpropagation Neural Network mencapai 100 %. Kata kunci—Illegal Logging, Backpropogation, Neural Network, I. PENDAHULUAN Pengolahan citra saat ini mempunyai aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain di bidang biomedis, astronomi, arkeologi, arsip citra dan dokumen, bidang industri, dan pengindraan jauh. Wavalet merupakan Alat bantu matematis yang mampu melakukan dekomposisi terhadap sebuah fungsi secara terhirarkhi. Wavelet dapat digunakan untuk menggambarkan sebuah model atau citra asli ke dalam suatu fungsi matematis tanpa memperhatikan bentuk dari model merupakan citra, kurva, atau sebuah bidang. Jaringan Syaraf Tiruan (Neural Network) yang biasa disingkat JST adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem syaraf biologi, sama seperti otak yang memprosessuatu informasi dimana terdiri dari unit-unit pemroses terkecil yang disebut neuron.

dan akan memerlukan waktu yang sangat lama untuk melakukan pelatihan. Metoda segmentasi konvensional ini dilakukan dengan cara membagi citra menjadi kelompok-kelompok yang lebih kecil, sehingga diharapkan untuk pengolahan datanya dapat dilakukan lebih cepat.

Gambar I. Ilustrasi Segmentasi Konvensional

Salah satu kelemahan pada metoda segmentasi konvensional ini adalah pemilihan berapa jumlah segmen yang dilakukan. Apabila jumlah segmen terlalu banyak maka proses pengolahan datanya akan menjadi lebih lama, sedangkan jika jumlah segmen terlalu sedikit maka data yang diperoleh tidak sesuai dengan representasi citra yang sebenarnya. B. Wavelet Transformasi wavelet merupakan sebuah fungsi konversi yang dapat membagi fungsi atau sinyal de dalam komponen frekuensi atau skala yang berbeda, dan selanjutnya dapat dipelajari setiap komponennya tersebut dengan resolusi tertentu sesuai dengan skalanya. 1. Dekomposisi Citra Pada Transformasi Wavelet Pada tahap ini dilakukan proses dekomposisi data yang dimulai dengan melakukan dekomposisi terhadap baris dari data yang diikuti dengan operasi dekomposisi terhadap kolom pada koefisien data keluaran dari tahap pertama sehingga di peroleh koefisien discrete wavelet transform 2-D (DWT2).

II. DASAR TEORI A.

Segmentasi Konvensional

Segmentasi citra dilakukan untuk mengusahakan masukan pada Neural Network secara efisien dan efektif. Karena jika data citra yaitu per pixel langsung dimasukkan sebagai masukan Neural Network untuk diklasifikasi, maka jumlahnya akan menjadi sangat besar Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Gambar II. Transformasi Wavelet Dekomposisi

2. Rekonsturksi Citra Pada Transformasi Wavelet

93

Dengan menggunakan koefisien DWT2, maka dapat dilakukan proses inverse discrete wavelet transform 2-D (IDWT2) untuk merekontruksi menjadi sinyal asal. DWT2 menganalisis sinyal pada frekuensi berbeda dengan resolusi berbeda melalui dekomposisi sinyal menjadi detail informasi dan taksiran kasar. DWT2 bekerja pada dua kumpulan fungsi yang disebut fungsi penskalaan dan fungsi wavalet yang masing-masing berhubungan dengan lowpass filter dan highpass filter.

Pada tahap pembuatan sistem, Wavelet-Neural Networkyang akan dipakai sebagai pendeteksi B.

Alur dan Arsitektur Sistem

Alur dan arsitektur sistem yang dibuat dibagi menjadi 3 tahapan yaitu : 1) Tahap Pre-processing Tahap pertama dalam pembuatan sistem ini, yaitu tahap pre-processing diawali dengan pengambilan citra hutan di daerah kabupaten Lahat,Sumatra Selatan . Hasil dari pengambilan citra tersebut kemudian di klasifikasikan menjadi daerah tertebang dan daerah pepohonan, yang akan disegmentasikan dan kemudian di save menjadi data latih untuk Wavelet-Neural Network. Flowchart untuk tahap ini, seperti pada gambar 2. Mulai

Gambar III. Transformasi Wavelet Rekonstruksi

III.

PEMBAHASAN

A. Deskripsi Umum Sistem Sistem deteksi yang dilakukan adalah deteksi secara Real Time. Sampel citra hutan yang diperoleh dari Google Earth Plus merupakan daerah hutan lindung di kabupaten Lahat, Sumatera Selatan. Pemilihan wilayah ini karena ketersediannya di Google Earth Plus, dimana tidak semua wilayah memiliki lebih dari satu citra tahun. Selain itu, kualitas citra pada wilayah ini cukup baik seperti tidak terdapat banyak awan pada citra dan selisih waktu ketiga data tidak terlalu jauh dibanding citra di wilayah lain. Kesemua sampel citra memiliki ukuran wilayah 480 m × 240 m. Ukuran ini digunakan sebagai masukan untuk pengujian sistem karena dengan menggunakan ukuran ini daerah hutan masih dapat terlihat jelas dan karena setiap gambar memiliki resolusi 1152 pixel x 576 pixel sehingga untuk setiap pixel mewakili 0,18 m2 dari gambar, dengan begitu perubahan yang terjadi dapat teridentifikasi dengan lebih baik. Sampel citra yang ada akan melalui tahapan preprocessing, dan kemudian menggunakan metode Wavelet-Neural Network Backpropagation untuk pendeteksian penebangan liar. Sistem akan membandingkan parameter fitur layer filtering Red dari RGB sampel citra data uji dengan parameter fitur layer filtering Red dari RGB sampel citra data latih. Dengan demikian dapat diketahui apakah terjadi penebangan liar atau tidak pada daerah tersebut. Alur pembuatan sistem deteksi penebangan liar (Illegal Logging) ini terbagi menjadi tahap preprocessing, tahap pembuatan Wavelet-Neural Network, dan tahap pengujian sistem. Tahap pre-processing merupakan tahap pengambilan dan pembuatan data latih.

49

Sampel Citra Hutan Pengambilan sampel daerah tertebang dan daerah pepohonan Segmentasi Save data latih dan data target Selesai

Gambar IV. Flowchart Preprocessing

Seperti terlihat pada gambar IV, dengan menggunakan software Google Earth dilakukan pengambilan citra daerah hutan lindung yang diidentifikasi mengalami illegal logging.Citra tersebut akan digunakan sebagai data latih untuk sistem yang akan digunakan. Pengambilan citra untuk data latih melalui proses croping dengan ukuran 128 × 128 pixel dan diklasifikasikan menjadi data latih untuk daerah tertebang dan data latih untuk pepohonan. Satu pola yang diambil terdiri dari 64 pixel dimana tiap-tiap pixel memiliki 3 layer yaitu Red, Green, Blue (RGB), namun pada sistem ini hanya layerRed yang paling mudah dikelola saat proses Wavelet-Neural Network.

Gambar V. Proses PengambilanData Latih Dengan Menggunakan Segmentasi Konvensional

Agar data dapat dikenali oleh jaringan dan dapat diproses maka data harus diubah terlebih dahulu dalam bentuk matriks atau numerik. Untuk data latih daerah tertebang dan daerah pepohonan akan tersimpan dalam Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

format file .mat. Pada pembuatan data target, akan dilakukan load pada data latih yang telah tersimpan sebelumnya untuk diberi nilai target sesuai dengan kelasnya yaitu: ♦ Target diberi nilai 1 untuk data latih daerah tertebang ♦ Target diberi nilai 0 untuk data latih daerah pepohonan

daerah tersebut mengalami illegal logging atau tidak.Flowchart tahap ini tampak pada gambar VII. Mulai

Load Citra

2) Tahap Pembuatan Sistem Proses Wavelet Dekomposisi

Flowchart untuk tahap pembuatan system tampak pada gambar VI, dimana diawali dengan load data latih dari tahap sebelumnya, kemudian dilakukan setting parameter-parameter neruralnetwork. Selanjutnya sistem dilatih hingga diperoleh keluaran jaringan dengan error yang paling mendekati error yang ditargetkan.

Load Jaringan Saraf Tiruan

Proses Wavelet Rekonstruksi

Mulai Output

Load Data Latih Analisis Proses Wavelet untuk Dekomposisi

Setting Target 1 untuk Ilegal Logging, 0 untuk Non Ilegal logging

Setting Parameter Neural Network

Training

Save Jaringan

Selesai

Gambar VI. Flowchart Pembuatan Sistem

Pada tahap setting parameter Neural Network, fungsi aktivasi dari unit masukanke layar tersembunyi adalah sigmoid bipolar dan sigmoid biner kemudian dari layar tersembunyi ke keluaran adalah fungsi identitas.Langkah pertama yangharus dilakukan untuk memprogram Backpropagation dengan matlab adalah inisialisai jaringan, Inisialisasi dilakukan dengan memberi perintah init. Selanjutnya normalisasi, tujuan utama normalisasi agar terjadi sinkronisasi data, disamping itu juga untuk memudahkan dalam proses komputasi. 3) Tahap Pengujian Sistem Untuk mengetahui kemampuan sistem Neural Network yang telah dibuat, dilakukan tahap pengujian sistem. Tahap ini diawali dengan menginputkan citra yang akan diuji dengan sistem yang telah dibuat. Output dari sistem kemudian di analisa untuk ditentukan apakah Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Selesai

Gambar VII. Flowchart Pengujian Sistem

Pada gambar VII, untuk mengetahui keakuratan jaringan wavelet-Neural Network dilakukan pengujian sistem dengan perintah sim. Keseluruhan gambar akan dipecah menjadi sub pixel atau segmen dimana satu segmen terdiri dari 64pixel (sesuai dengan jumlah pixel pada segmen data latih). Segmen-segmen tersebut akan dikenali atau dideteksi oleh wavelet-Neural Network untuk penentuan daerah tertebang atau daerah pepohonan. Hasil deteksi oleh Neural Network dapat diketahui dengan pemberian mark (warna merah), pada gambar output. Daerah yang ditandai dengan warna merah merupakan daerah tertebang. Dalam penentuan apakah daerah tersebut mengalami illegal logging atau tidak, dilakukan deteksi untuk citra pertama dan citra kedua atau citra kedua dan citra ketiga. Selisih antara luas daerah yang dimark (daerah tertebang) pada data kedua dengan luas daerah yang dimark pada data pertama, akan menghasilkan nilai seperti:  Hasil pengurangan yang bernilai positif (+1) maka Illegal Logging, yang mengidentifikasikan bahwa luas daerah pepohonan pada data awal berkurang pada data akhir.  Hasil pengurangan yang bernilai nol (0) maka tidak terjadi Illegal Logging, yang mengidentifikasikan bahwa luas daerah pepohonan pada data awal dan data akhir tetap samaatau tidak mengalami perubahan. Untuk mengetahui luasan daerah Illegal Logging, terlebih dahulu dilakukan perhitungan luas kawasan hutan pada citra. Jadi untuk citra masukan dengan

95

ukuran 480 m × 240 m, maka luas kawasan yang diamati yaitu: 480 m × 240 m = 115.200 m2 Kemudian dilakukan perhitungan cakupan luasan per pixel pada gambar, dimana: Luas cakupan perpixel =

Luas kawasan pada Citra (m2 ) Jumlah pixel pada citra(pixel)

(1)

Jadi untuk citra masukan dengan resolusi 1152 × 576 pixel, diperoleh : Luas cakupan per pixel =

115.200m2

Gambar X. Sistem Pengujian

1152×576 (pixel) 2

115.200m 663.552(pixel) m2 Luas cakupan perpixel = 0.1736

Luas daerah illegal logging = selisih jumlah pixel daerah tertebang x jumlah pixel dalam satu segmen x luas cakupan per pixel

Luas cakupan per pixel =

pixel

Untuk memperoleh digunakan :

luas

daerah

Illegal

Logging

Luas daerah illegal logging = selisih jumlah pixel daerah tertebang x jumlah pixel dalam satu segmen x luas cakupan per pixel Sehingga di peroleh persamaan berikut : 𝑠𝑒𝑙𝑖𝑠𝑖ℎ 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑖𝑥𝑒𝑙 𝑑𝑎𝑒𝑟𝑎ℎ 𝑡𝑒𝑟𝑡𝑒𝑏𝑎𝑛𝑔 × 64 × 0.8 𝑚2 = ⋯ 𝑚2

(2)

IV. PENGUJIAN DAN ANALISA Pengujian dilakukan dengan 10 Data sampel citra yang masing-masing data mempunyai 3 gambar yakni gambar tahun 2006, gambar tahun 2007 dan gambar tahun 2009 dari lokasi-lokasi yang berbeda tetapi masih dalam wilayah hutan lindung Lahat, Sumatera Selatan. Ukuran citra uji yang digunakan yaitu 480 m × 240 m. Pada pengujian ini, sampel data latih yang dipakai sebanyak 1536 pola segmen untuk daerah non illegal logging dan 1536 pola segmen untuk daerah illegal logging.Jumlah data uji dengan penebangan sebanyak 3 pasang sampel citra dengan penebangan dan data uji tanpa penebangan sebanyak 3 pasang sampel.

Gambar XI. Salah Satu Contoh Input &Output Sistem

Pendeteksian penebangan liar dengan sistem ini dapat mendeteksi penebangan minimal dengan luas 12 m2, batasan luasan ini karena sistem dilatih hanya untuk mengenali pola yang terdiri dari 64 pixel, dimana 1 pixel pada gambar sebanding dengan 0.18 m2 skala sebenarnya, jadi terdapat hubungan antara minimal luas area yang dapat dideteksi dengan resolusi spasial citra yang dipakai. Semakin besar resolusi spasial yang dipakai, luas area yang dapat dideteksi semakin besar, sebaliknya, semakin kecil resolusi spasial yang dipakai, luas area yang dapat dideteksi juga semakin kecil.Walaupun begitu, pendeteksian dengan resolusi spasial yang besar, dapat mengurangi. Keberhasilan dari program ini adalah 100 % dari 10 data yang di uji. Gambar IX. Sistem Pembuat Datalatih

49


ISBN : 978-602-8509-20-6

V. KESIMPULAN Berdasarkan pada penelitian yang telah dilakukan mengenai pendeteksian penebangan liar atau pembalakan liar (illegal logging) dengan menggunakan metode Wavelet Neural Network, maka dapat ditarik beberapa kesimpulan yaitu: 1. Metode Wavelet-Neural Network dapat digunakan untuk mengidentifikasi laju perubahan luas illegal logging dengan nilai keakuratan mencapai 100% dengan asumsi penebangan dibawah 1000 m2 bukan illegal logging 2. Pendeteksian laju perubahan luas illegal logging dengan sistem ini dapat mendeteksi penebangan minimal dengan luas 18 m2, karena skala yang dipakai untuk 1 pixel pada gambar sama dengan 0,1736 m2 pada skala sebenarnya. 3. Metode wavelet-Neural Network dapat digunakan untuk mendeteksi laju perubahan luas illegal logging , pada ( tahun 2006-2007 ) laju perubahan luas illegal logging sebesar 24975,4 m2 dan pada ( tahun 2007-2009 ) laju perubahan luas illegal logging sebesar 5483,52 m2

[16.] Yusita dan rahmadaniah Erna. 2011. “Prediksi Curah Di Wilayah Makassar Menggunakan Metode Wavelet-Neural Network”. Jurusan Teknik Elektro Unhas, Tugas Akhir [17.] Rifad dan ZulkarnainJamid.2012. “Sistem Deteksi Citra Illegal Logging Menggunakan Proses Matching Dengan Metode Discrete Cosine Transform”. Jurusan Teknik Elektro Unhas, Tugas Akhir [18.] Pingkan dan Trimurti Feminina. 2011. “Pemanfaatan Neuro fuzzy Untuk Deteksi Dini Illegal Logging”. Jurusan Teknik Elektro Unhas, Tugas Akhir

DAFTAR PUSTAKA [1.]

[2.] [3.] [4.] [5.]

[6.]

[7.]

[8.] [9.]

[10.]

[11.] [12.]

[13.] [14.]

[15.]

http://dpd.go.id/2011/01/kesimpulan-rdpu-komite-ii-membahasruu-tentang-pencegahan-dan-pemberantasan-pembalakan-liar/ diakses pada tanggal 21 Februari 2012 Iqbal, Muhammad. 2009. Dasar Pengolahan Citra Menggunakan Matlab. Institut Pertanian Bogor. Sela, Enny Itje, danAgus Harjoko. 2011. Deteksi dan Identifikasi Objek Abnormal. Yogyakarta GonzalesC.,Rafael, dan Richard Woods E. 2002. Digital Image Processing Second Edition. New Jersey:Prentice Hall Purnomo, MauridhiHery dan Kurniawan, Agus. 2006. Supervised Neural Networks dan Aplikasinya. Yogyakarta : Graha Ilmu Anonim.AWS(Automatic Weather Station).29 Mei 2012.http://www.klimatologibanjarbaru.com/artikel/2008/12/aw s-automatic-weather-station/ Jek Siang, Jong. 2009. Jaringan Syaraf Tiruan &Pemrogramannya Menggunakan MATLAB. Yogyakarta : Penerbit Andi Hermawan, Arief. 2006. Jaringan Syaraf Tiruan Teori dan Aplikasi. Yogyakarta : Penerbit Andi Kiki, Sri Kusumadewi. Analisis Jaringan Syaraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi. Muhammad Arief Rahman Hakim. 2010. Wood Parket Classification based on GDLM testure Analysis With Backpropagation Method. Gunadarma Universty Matlab help, Neural Network toolbox, mathworks inc. Sutarno.2010. “Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Wajah”.Fakultas Ilmu Komputer, Universitas Sriwijaya Deden.“Pemrosesan Citra Menggunakan Transformasi Wavelet” http://elib.unikom.ac.id/download.php?id=14396 Silvia dan Silvia Engeline. 2000. “Kompresi Citra Menggunakan Transformasi Wavelet Konvensional”. Jurusan Teknik Elektro Unhas, Tugas Akhir Rivanto dan Dionisius.2012. “Pendeteksian Illegal Logging Dengan Neural Network Metode Backpropagation”. Jurusan Teknik Elektro Unhas, Tugas Akhir


ISBN : 978-602-8509-20-6

97


49


ISBN : 978-602-8509-20-6

ANFIS untuk Prediksi Curah Hujan Harian Sitti Wetenriajeng Sidehabi1, Indrabayu2 1 Teknik Elektro, Akademi Teknik Industri Makassar Teknik Elektro, Prodi Informatika, Universitas Hasanuddin Makassar

2

Abstrak—Identifikasi model curah hujan menggunakan ANFIS dengan 2 input. Input yang digunakan adalah unsurunsur iklim yang mempunyai korelasi kuat dengan curah hujan. Model curah hujan hasil identifikasi ANFIS diuji dan dievaluasi nilai RMSE-nya. Model curah hujan yang diperoleh kemudian digunakan untuk memprediksi curah hujan di kota Makassar tahun 2011. RMSE (Root Mean Square Errror) rata-rata hasil prediksi tahun 2009 dan 2010 masing-masing sebesar 0.097 dan 0.086. Validasi curah hujan tahun 2009 dengan metode ANFIS dengan input mencapai 77.53%.Validasi curah hujan 2010 dengan metode ANFIS dengan data input checking menggunakan neural network mencapai 59.72%. Kata kunci—ANFIS, prediksi hujan

Sehingga perhitungan untuk memprediksi curah hujan tersebut hanya dapat digunakan di area ZOM 287. Pembagian daerah di Sulawesi berdasarkan nomor ZOM dapat dilihat pada lampiran 2. Dari data harian meteorologi BMKG dengan periode 2001-2010, ditemukan beberapa data yang kosong. Khususnya pada periode tahun 2001-2003 yang disebabkan oleh perekaman data konvensional. Untuk itu data preprocessing menjadi hal yang krusial agar sistem ini dapat mencapai keakurasian yang diinginkan. Selain itu pemilihan-pemilahan data serta pengklasifikasiannya ke dalam waktu periode tertentu juga menjadi hal penting untuk mencapai sistem prediksi yang akurat.

I. PENDAHULUAN Sebagai negara tropis dengan intensitas hujan yang sangat tinggi, tentu saja hal ini menjadi salah satu poin penting dalam membuat rancangan sistem telekomunikasi. Tingkat fluktuasi unsur cuaca merupakan salah satu hal penting yang sulit untuk diprediksi. Banyak penelitian yang telah dilakukan untuk memprediksi fluktuasi unsur cuaca. Berbagai metode peramalan telah berkembang seiring dengan permasalahan yang ditimbulkan. Pada penelitian sebelumnya yaitu “Prediksi Curah Hujan Kota Makassar dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System)[1] menggunakan metode ANFIS time series dengan menggunakan masing-masing satu varibel input dan output . Hasil prediksi metode ini memberikan tingkat akurasi curah hujan yang rendah. Dalam penelitian ini akan ditingkatkan hasil validasi hujan dari penelitian sebelumnya sekaligus mengunakan multivariabel.

Gambar 1. Curah hujan rata-rata kota Makassar 20012009

Data yang akan digunakan adalah data observasi harian dari enam variabel cuaca di Kota Makassar. Data ini didapatkan melalui BMKG Wilayah IV Makassar. Stasiun pengamatan yang diambil adalah Makassar Hasanuddin yang terletak di kompleks Bandara Sultan Hasanuddin dengan periode data yaitu dari tahun 20012010. Data latih yang digunakan untuk memprediksi curah hujan merupakan data dari Kota Makassar dengan area ZOM 287 yang memiliki karakteristik hujan tertentu.

Setelah mendapatkan sistem yang mendapatkan hasil validasi yang terbaik (mendekati 100 %) maka sistem tersebut yang berpotensi untuk memprediksi curah hujan. Untuk dapat memprediksi curah hujan tahun 2009 dan 2010 diperlukan teknik neural network untuk memprediksi variable checking input dari parameter meteorologi. Langkah-langkahnya dapat terlihat pada gambar 2. Dalam penelitian ini, data yang digunakan dibagi ke dalam dua kelompok, yaitu data training dan data checking. Data-data tersebut dibuat dalam bentuk matriks. Pada proses perancangan prediksi curah hujan menggunakan metode ANFIS, data training dan data checking disusun dalam bentuk matrik N x M, di mana N adalah jumlah baris yang tergantung pada panjang data, sedangkan M adalah jumlah kolom (M -1 kolom untuk vektor input yang akan ditraining dan kolom terakhir


99

II. METODOLOGI

ISBN : 978-602-8509-20-6

untuk vektor output). Selanjutnya dilakukan proses normalisasi yaitu dengan membagi masing-masing variabel input dan output dengan nilai variabel input dan output tertinggi selama pengukuran. Normalisasi dilakukan untuk mengurangi fluktuasi dan menghilangkan frekuensi tinggi.

Gambar 2. Metodologi ANFIS untuk Prediksi Curah Hujan A. Pengaturan Parameter Awal Pelatihan dan Pengujian ANFIS a.

Epoch Epoch dapat diartikan sebagai tahap arah pembelajaran maju-mundur yang terjadi dalam jaringan adaptif. Misal satu tahap arah pembelajaran maju-mundur dinamakan satu epoch. Program pelatihan dijalankan dengan epoch sesuai target error yang diinginkan. b. Fungsi Keanggotaan Fungsi keanggotaan Fuzzy input (premis) yang dipilih secara konvensional. Jenis fungsi keanggotaan pada penelitian ini adalah gaussian sebagai variabel input karena bentuk gaussmf cocok untuk data-data alami seperti data cuaca. c. Step Size Step Size atau ukuran langkah. Pengaturan step size adalah nilai 0.01. Step size sendiri dapat memberikan informasi langkah pelatihan dan pengujian disetiap epoch. Bila step size berubah akan menunjukkan perubahan kecepatan konvergensi dan identik dengan alur proses pelatihan/pembelajaran (learning rate). Secara pengamatan dapat memberikan efek terhadap perbaikan parameter dan epoch.

Prediksi melalui pemrograman fungsi matlab pada dasarnya melakukan perintah inisialisasi sistem Fuzzynya. Persamaan yang biasa digunakan adalah GENFIS1, fungsi ini menghasilkan FIS tipe Sugeno dengan metode grid partition. ANFIS Sugeno merupakan model terbaik untuk analisis numerik dibanding model logika samar lainnya, karena dalam proses pembelajarannya (training) didasarkan pada upaya memperkecil nilai kesalahan dari output-nya. Adapun sintax selengkapnya adalah sebagai berikut: InputFismat=genfis1(TrainData, NumMfs, MfType) TrainData, NumMFs dan MfType merupakan parameter yang dapat diisi sesuai dengan keinginan, seperti data yang dilatih, jumlah fungsi kenggotaannya (MFs) dan tipe Mfsnya. Fungsi GENFIS1 menghasilkan output linear. Fungsi ANFIS pada pemrograman ini menggunakan algoritma pembelajaran hybrid untuk mengidentifikasi parameter-parameter fungsi keanggotaan untuk satu keluaran FIS tipe Sugeno. Validasi data yang telah dilakukan pelatihan diperoleh dari pemanggilan fungsi EVALFIS. Fungsi ini akan memperlihatkan performa perhitungan Fuzzy inference. 4. Evaluasi Model ANFIS Akhir pelatihan dan pengujian data yang telah mengalami beberapa epoch proses selalu menunjukkan ciri khas tanda-tanda bila pemrograman selesai melakukan langkah-langkah proses. Prediksi ANFIS dengan data observasi akan direprentasikan dalam bentuk grafik dan linguistik. Reprentasi model-model tersebut dapat membantu analisis dan pengamatan untuk mengambil asumsi kerja ANFIS. 5. Root Mean Square Error (RMSE) Untuk mengevaluasi hasil percobaan dalam ANFIS ini digunakan pengukuran kesalahan (error) peramalan atau prediksi. RMSE digunakan untuk mengevaluasi hasil prediksi ANFIS terhadap data observasi BMKG untuk melihat seberapa akurat hasil prediksi ANFIS. III. RESULTS

3. Pelatihan dan Pengujian Data Pada ANFIS

A. ANALISIS KORELASI VARIABEL INPUT TERHADAP CURAH HUJAN Sebelum menentukan input yang dipakai untuk memprediksi curah hujan pada sistem ANFIS dilakukan perhitungan korelasi variabel-variabel input terhadap curah hujan untuk mengetahui seberapa besar pengaruh variabel-variabel tersebut terhadap terjadinya hujan. Dari data BMKG didapatkan korelasi dari ketiga variabel masukan (temperatur, kelembaban, dan angin) diperoleh nilai korelasi masing-masing, yaitu 0.409 untuk kelembaban, -0.285 untuk temperatur, 0.003 untuk untuk kecepatan angin, -0.001 untuk tekanan dan 0.069 untuk penyinaran. Semakin nilai korelasi mendekati satu atau minus satu, maka semakin tinggi hubungan korelasi antara variabel

011


ISBN : 978-602-8509-20-6

masukan dan keluaran. Karena itu, variabel masukan yang akan digunakan dalam penelitian ini adalah temperatur dan kelembaban.

Tabel 2. Persentase keakuratan 2010 Hujan No.

B.

ANALISIS PENENTUAN INPUT CHECKING MENGGUNAKAN NEURAL NETWORK

Pada perancangan prediksi hujan tahun 2011 dengan menggunakan metode ANFIS, terlebih dahulu ditentukan variabel input checking dengan menggunakan neural network. Variabel input checking yaitu temperatur dan kelembaban tahun 2010 akan diprediksi dengan metode neural network kemudian akan dijadikan input checking pada metode ANFIS untuk mendapatkan curah hujan, setelah itu dilakukan pencocokan data guna menghitung keakuratan sistem. R M S E

ANFIS

Cerah Ringan

Sedang

Lebat

Sangat Lebat

1

Observasi

224

78

47

14

2

2

Prediksi

226

92

39

2

6

Jumlah benar (hari)

218 hari

Jumlah salah (hari)

147 hari

Keakuratan (%)

59.72%

Tabel 3. Perbandingan RMSE 2009

Jan

Feb

Mar

Apr

Mei

Jun

Jul

Agt

Sep

Okt

Nov

Des

0.25

0.36

0.27

0.51

0.25

0.9

0.86

0.0

0.14

0.25

0.55

0.41

Tabel 1 menunjukkan perbandingan ketepatan kondisi dengan keadaan sebenarnya pada sistem ANFIS tahun 2009 dengan jumlah hari benar sebanyak 283 hari dan tingkat keakuratan mencapai 77.53%. Tingkat keakuratan pada sistem ini menunjukkan sistem ini layak digunakan untuk memprediksi cuaca keesokan harinya. IV. DISKUSI

Gambar 3. Iniliasialisasi dan Finalisasi keanggotaan input Pada tabel 1 dan 2 diperlihatkan hasil keakuratan dari prediksi ANFIS ditinjau dari presentase maupun RMSE. Tabel 1. Validasi Hasil Prediksi Hujan Sistem ANFIS Observasi Tahun 2009 Hujan No.

ANFIS

Cerah Ringan

Sedang

Lebat

Sangat Lebat

1

Observasi

278

39

31

15

2

2

Prediksi

226

93

38

3

4

Jumlah benar (hari) Jumlah salah (hari) Keakuratan (%)

283 hari 82 hari 77.53%


ISBN : 978-602-8509-20-6

Kesalahan prediksi dari sistem ANFIS disebabkan karena data yang digunakan merupakan data harian. Jika data yang digunakan adalah data perjam, maka dapat mengurangi kesalahan prediksi. Selain itu perubahan curah hujan tahun ke tahun tidak memiliki pola yang sama. Jika dibandingkan hasil validasi tahun 2009 yang mencapai 77.53% dan hasil yang diperoleh dari prediksi ANFIS yang hanya mencapai 59.72%, hal ini disebabkan karena iklim pada tahun 2010 mengalami kondisi cuaca ekstrim yaitu penyimpangan iklim yang memicu terjadinya hujan pada musim kemarau (La Nina). La Nina adalah gejala gangguan iklim yang diakibatkan suhu permukaan laut Samudera Pasifik dibandingkan dengan daerah sekitarnya. Akibat dari La Nina adalah hujan turun lebih banyak di Samudera Pasifik sebelah barat Australia dan Indonesia.

V. KESIMPULAN

1. RMSE (Root Mean Square Error) rata-rata hasil prediksi tahun 2009 dan 2010 masing-masing sebesar 0.339 dan 0.991. Hasil ini merupakan evaluasi hasil prediksi ANFIS terhadap data observasi BMKG untuk menunjukkan keakuratan sistem ANFIS. 2. Validasi curah hujan tahun 2009 dengan metode ANFIS mencapai 77.53%. Sementara validasi curah hujan 2010 dengan metode ANFIS dengan data input checking

101

menggunakan neural network mencapai 59.72%. Ketidaktepatan prediksi hujan tahun 2010 disebabkan cuaca ekstrim yaitu tingginya intensitas hujan pada musim kemarau. DAFTAR PUSTAKA [1] Jusriana, A. Prediksi Curah Hujan Kota Makassar dengan Metode ANFIS. Universitas Negeri Makassar. 2009 [2] Fikha Christine dan Febriyati. Prediksi Curah Hujan Tahun 2011 di Wolayah Makassar Menggunakan Metode Neural Network-Fuzzy Logic, Tugas Akhir, Teknik Elektro 2012. [3] Kusumadewi, Sri dan Sri Hartati. Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf. 2010.

011


ISBN : 978-602-8509-20-6

Model Optimasi Sumber Daya Air PLTA Bakaru Dalam Mengantisipasi Perkembangan Beban Pada Sistem Kelistrikan Sulselbar Sri Mawar Said1, Salama Manjang2, M.Wihardi Tjaronge3, Muh. Arsyad Thaha3 1 Mahasiswa Program Doktor Teknik Sipil Universitas Hasanuddin, Makassar 2 Dosen Program Studi Teknik Elektro Universitas Hasanuddin, Makassar 3 Dosen Teknik Sipil Universitas Hasanuddin, Makassar

Abstrak - Optimasi sumber daya air diperlukan untuk mengetahui seberapa besar kemampuan sumber daya air yang ada pada waduk dari suatu pembangkit listrik tenaga air dapat dimanfaatkan. Sumber daya air dari suatu pembangkit listrik tenaga air sangat dipengaruhi oleh curah hujan yang terjadi pada daerah aliran sungai yang mendukung sumber daya air suatu PLTA. Metode yang digunakan yang berhubungan dengan potensi sumber daya air adalah ARIMA dan SVM, metode yang berhubungan dengan perkembangan beban adalah ASTAR dan metode yang berhubungan dengan Optimasi adalah WASP. Kata kunci - optimasi sumber daya air, ARIMA, SVM, ASTAR, WASP

I. Pendahuluan Sumber daya air telah diatur dalam undang-undang Republik Indonesia No.7 tahun 2004, pada pasal 34 ayat (1), yaitu pengembangan sumber daya air untuk keperluan ketenagaan dapat dilakukan untuk memenuhi keperluan sendiri dan untuk diusahakan lebih lanjut. Ketentuan mengenai pengembangan sumber daya air untuk ketenagaan diatur lebih lanjut dengan peraturan pemerintah[1]. Pengembangan sumber daya air untuk ketenagaan adalah penggunaan potensi sumber daya air untuk keperluan pembangkit listrik tenaga air (PLTA). Suatu PLTA umumnya dibangun pada suatu sungai yang mempunyai terjunan air sehingga terdapat perbedaan ketinggian air antara bagian hulu sungai dengan bagian hilirnya. Semakin besar beda ketinggiannya maka akan semakin besar energi listrik yang dapat dibangkitkan oleh PLTA tersebut. Agar terdapat perbedaan ketinggian yang lebih besar pada suatu PLTA biasanya dibuat waduk dengan cara membendung aliran sungai sehingga elevasinya naik, waduk juga berfungsi untuk menampung dan menyimpan air agar dapat dimanfaatkan pada musim kemarau bilamana aliran air di sungai tidak cukup untuk mengoperasikan PLTA. Aliran air sungai yang masuk ke dalam waduk, disamping membawa air juga membawa material lainnya seperti lumpur, pasir (sedimen) sebagai hasil erosi di daerah pengaliran sungai di hulu waduk. Hasil penelitian LPPM Unhas bekerjasama dengan PT. PLN Sektor Bakaru, menyatakan bahwa telah terjadi pendangkalan waduk akibat sedimentasi pada PLTA Bakaru yang terletak di Desa Ullusaddang, Kecamatan Lembang, Kabupaten Pinrang, Propinsi Sulawesi Selatan, rata-rata sebesar 423.800 m3 pertahun. Volume sedimen yang mengendap di waduk Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

sebanyak 6.333.400 m3 atau sekitar 91,5 persen dari volume waduk.[2] PLTA Bakaru adalah pembangkit listrik yang energinya digunakan untuk mensuplai kebutuhan energi pada sistem kelistrikan Sulawesi Selatan dan Sulawesi Barat (Sistem Sulselbar). PLTA ini berkapasitas 2 x 63 MW dengan kapasitas waduk 6.919.900 m3 dan diperkirakan dapat digunakan selama 50 tahun. Namun pada saat ini kemampuan PLTA dalam memproduksi energi mengalami penurunan dari tahun ke tahun, disebabkan karena waduk tidak mampu menyimpan volume air yang maksimal untuk kebutuhan PLTA. Berdasarkan permasalahan tersebut di atas, penulis tertarik untuk meneliti sumber daya air yang mensuplai waduk PLTA yaitu dengan membuat model optimasi sumber daya air pada PLTA, sehingga dapat diketahui dampak dari produksi PLTA terhadap perkembangan beban pada sistem kelistrikan Sulselbar. II. Tinjauan Pustaka Pembangkit Listrik Tenaga Air (PLTA) adalah salah satu pembangkit yang memanfaatkan energi terbarukan berupa aliran air untuk diubah menjadi energi listrik. Keunggulan dari pembangkit ini adalah responnya yang cepat sehingga sangat sesuai untuk kondisi beban puncak maupun saat terjadi gangguan di jaringan. 2.1 Kapasitas Pembangkit Daya listrik yang dapat dibangkitkan pada suatu pembangkit listrik tenaga air (PLTA) ditentukan oleh ketinggian (h) dimana air jatuh dan laju aliran airnya. Ketinggian (h) menentukan besarnya energi potensial (EP) pada pembangkit (EP = m x g x h). Laju aliran air adalah volume dari air (m3) yang melalui penampang kanal air per detiknya (q m3/sec.). Secara teoritis besar daya (P kW) yang tersedia dapat ditulis sebagai: P = 9.81 q h Energi listrik yang dapat dibangkitkan oleh PLTA ditentukan oleh volume air yang masuk ke dalam waduk (resevoir). Air yang masuk ke dalam waduk disamping mengalirkan air juga membawa meterial-material lain yang akan mengendap di dalam waduk, sehingga dengan berjalannya waktu, volume air yang dapat disimpan di dalam waduk menjadi berkurang, hal ini akan berdampak pada pengoperasian pembangkit. 2.2 Sumber Daya Air Sumber daya air dalam waduk umumnya berasal dari daerah aliran sungai (DAS) atau biasa disebut Daerah Pengaliran Sungai (DPS) yaitu suatu kawasan yang

103

dibatasi oleh pemisah topografis, yang menerima, menampung, menyimpan, dan mengalirkan air ke anak sungai dan sungai utama yang bermuara ke danau atau laut. Sumber air pada DAS ditentukan oleh karakteristik daerah aliran sungai, dengan unsur-unsur berupa topografi, morfologi, sifat batuan dan tataguna lahan. Respon DAS akan mengalami parubahan jika karakteristiknya mengalami perubahan. Informasi masalah perubahan tersebut sangat penting dalam upaya pemanfaatan sumber daya air untuk PLTA. a. Curah hujan Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap dan tidak mengalir. Curah hujan 1 (satu) millimeter artinya dalam luasan satu meter persegi pada tempat yang datar tertampung air setinggi satu milimeter atau tertampung air sebanyak satu liter. Intensitas curah hujan adalah banyaknya curah hujan persatuan waktu tertentu, yang dapat dideteksi oleh radar cuaca berdasarkan seberapa besar pancaran energi radar yang dipantulkan oleh butiranbutiran di dalam awan dan digambarkan dengan produk refflectifity yang memiliki besaran decibel (dBZ). b. Topografi Topografi umumnya menyuguhkan relief permukaan suatu lahan yang dikelompokkan atau ditentukan berdasarkan perbedaan ketinggian (amplitude) dari permukaan bumi (bidang datar) suatu bentuk bentang lahan (landform). Secara kualitatif topografi dinyatakan sebagai betang lahan dan secara kuantitatif dinyatakan dalam satuan kelas lereng (persen atau derajat), arah lereng, panjang lereng dan bentuk lereng.(3) Keadaan relief suatu daerah akan mempengaruhi tebal atau tipisnya lapisan tanah. Daerah yang memiliki topografi miring dan berbukit akan mempunyai lapisan tanah yang tipis karena tererosi sedangkan daerah yang topografinya datar mempunyai lapisan tanah yang tebal karena terjadi sedimentasi. Jadi penggambaran topografi dari suatu daerah tangkapan air PLTA dapat menggambarkan kondisi jumlah air hujan yang dapat diserap atau disimpan oleh massa tanah, kedalaman air tanah, besarnya erosi yang terjadi dan arah pergerakan air yang membawa bahan-bahan terlarut dari tempat yang tinggi ketempat yang rendah. c. Sifat batuan Setiap batuan memiliki sifat dari ciri khusus seperti meliputi bentuk, warna, kekerasan, kasar atau halus dan mengkilap atau tidaknya permukaan batuan. Hal ini disebabkan bahan-bahan yang terkandung dalam batuan berbeda-beda. Berdasarkan proses terbentuknya, terdapat tiga jenis batuan yaitu batuan beku (batuan magma atau vulkanik), batuan endapan (batuan sedimen) dan batuan malihan (batuan metamorf). Secara alamiah batuan di atas bumi akan mengalami

401

proses. Proses ini terjadi karena adanya gaya-gaya alam baik secara fisik maupun secara kimiawi yang menyebabkan terjadinya pemecahan, penghancuran dan pentrasformasian batuan dan mineral-mineral penyusunannya menjadi material lepas (regolit). Proses terjadinya pelapukan dapat digolongkan dalam 3 jenis pelapukan yaitu: pelapukan fisik, kimia da biologis. Batuan yang mengalami pelapukan fisik maupun pelapukan kimiawi akan berubah menjadi bahan induk tanah dan dengan berjalannya waktu akan berubah menjadi tanah. d. Tata guna lahan Tataguna lahan (land use) adalah suatu upaya dalam merencanakan penggunaan lahan dalam suatu kawasan yang meliputi pembagian wilayah untuk pengkhususan fungsi-fungsi tertentu, misalnya fungsi pemukiman, perdagangan, industri dan lain-lain. Penggunaan lahan adalah suatu bentuk intervensi manusia baik permanen maupun berupa sebuah siklus dalam rangka memenuhi kebutuhan hidup baik material maupun spritual dari alam kompleks maupun sumber daya buatan secara bersama-sama disebut lahan (Vink, 1975). Penggunaan lahan dibatasi oleh faktor yang dipengaruhi oleh manusia dan alam. Faktor seperti vegetasi, air dan tanah merupakan faktor yang responsif terhadap intervensi manusia bahkan terkadang dapat menyebabkan terjadinya degradasi (Vink, 1975). Perubahan penggunaan lahan merupakan alih fungsi atau mutasi lahan secara umum menyangkut transformasi dalam pengalokasian sumber daya lahan dari suatu pengguna ke pengguna lain (Tjahyati, 1997). Perubahan penggunaan lahan tidak mungkin dihindari karena pertumbuhan jumlah penduduk yang cepat menyebabkan perbandingan antara jumlah penduduk dengan lahan pertanian tidak seimbang (Asdak, 2004). Dengan demikian menyebabkan pemilikan lahan pertanian menjadi semakin sempit sehingga mulai merambah hutan dan lahan tidak produktif lainnya sebagai lahan pertanian. Perubahan penggunaan lahan akan mengubah karakteristik aliran sungai, jumlah aliran permukaan, kualitas air dan sifat hidrologi daerah yang bersangkutan (Leopold & Dunne dalam Sudadi et al., 1991). III.

Metode Penelitian

3.1 Prediksi Curah Hujan Prediksi curah hujan dilakukan dengan menggunakan data curah hujan mulai tahun 1990 sampai dengan tahun 2012, data ini berasal dari hasil pengukuran beberapa stasiun yang berada dibawah koordinasi badan Meteorologi, Klimatologi dan Geofisika (BMKG). Data curah hujan merupakan data time series, salah satu contoh data curah hujan pada salah stasiun, digambarkan pada gambar 1.


ISBN : 978-602-8509-20-6

jumlah penduduk mulai tahun 2004 sampai dengan tahun 2011, sumber data dari PT. PLN Wilayah Sulawesi Selatan dan Barat.

Time Series Plot of Rainfall Data (mm) 800 700

Rainfall Data (mm)

600 500

Mulai

400 300

Pengambilan dan pengolahan data

200 100

Menentukan variabel respon (Y) dan variabel prediktor (x)

0 1

28

56

84

112

140 Index

168

196

224

252

Menentukan maksimum basis fungsi

Gambar 1. Data curah hujan Proses forward dan backward stepwise Mendapatkan subregion, jumlah fungsi basis dan titik knot

Metode yang digunakan untuk menprediksi curah hujan adalah metode ARIMA (Autoregressive Intergrated Moving Average) dikembangkan secara intensif oleh George Box dan Gwilyen Jenkins. Proses prediksi curah hujan digambarkan pada gambar 2.

Mendapatkan model Astar Prediksi Konsumsi Energi Validasi hasil prediksi Tidak

Mulai

RMSE < 1 Ya

Data curah hujan

Selesai

Gambar 3. Flow chart prediksi konsumsi energi dengan model ASTAR

Menganalisis ACF, PACF dan Difference

3.4 Optimasi Sumber Daya Air Apakah data stasioner

Tidak

Ya Menentukan ACF dan PACF

Menentukan model ARIMA

Prediksi Curah Hujan

Selesai

Gambar 2. Flow chart prediksi curah hujandengan model ARIMA 3.2 Prediksi Debit Air Prediksi debit air dilakukan dengan menggunakan data curah hujan, topografi, sifat batuan dan tata guna lahan sebagai variabel input. Metode yang digunakan adalah metode SVM (Support vector Machine).

Optimasi sumber daya PLTA Bakaru dilakukan dengan memperhitungan jumlah debit air yang ada pada waduk, dengan menggunakan metode WASP dapat diketahui kemampuan dan keandalan suatu PLTA menyuplai energy pada system kelistrikan sulselrabar. 3.5 Hasil yang Diharapkan Penelitian ini diharapkan akan menghasilkan hal-hal sebagai berikut: 1. Menghasilkan model optimasi sumber daya air PLTA Bakaru. 2. Menghasilkan status keandalan dan kestabilan potensi sumber daya air PLTA Bakaru dalam mengantisipasi perkembangan beban pada sistem kelistrikan Sulselbar. 3. Memberikan solusi untuk mencapai tingkat keandalan dan kestabilan sistem kelistrikan Sulselbar sesuai dengan standard yang telah ditentukan. Daftar Pustaka

3.3 Prediksi Konsumsi Energi Prediksi konsumsi energy listrik dilakukan dengan menggunakan metode ASTAR (Adaptive Splines Thershold Autoregression). Sutino dan Boer (2004). Metode Astar adalah analisis deret waktu non linear yang berdasarkan algorima regresi splines adaptif berganda atau sering dikenal sebagai Multiple Adaptive Regression Splines (MARS). Data yang digunakan untuk memprediksi konsumsi energi adalah jumlah pelanggan, daya tersambung dan Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

1.

2.

Pemerintah RI, “Undang-undang Republik Indonesia Nomor 7 tahun 2004, Tentang Sumber Daya Air”, www.bpkp.go.id/uu/filedownload/2/39/213.bpkp diakses 7 Pebruari 2013. Abdul wahid, “Model Perkembangan Laju Sedimentasi di waduk Bakaru Akibat Erosi yang Terjadi di Hulu Sub DAS Mamasa Propinsi Sulawesi Selatan”, Jurnal Smartek, volume 7. N0.

105

3. 4.

5.

6.

7.

Pebruari 2009: 1-12, http://jurnal.untad.ac.id/jurnal/index.php/SMARTE K/article/view/576, diakses 7 Pebruari 2013. Sriani k. Laliyo, “Pengertian Topografi”, pengertian topografi.htm, diakses 22 mei 2013. Bagoes Rahmat W, “Peramalan Curah Hujan di kabupaten Ngawi menggunakan Metode Arima Box-Jenkins” http://digilib.its.ac.id/public/ITSpaper-23642-1309030041-Presentation.pdf, diakses 10 Juni 2013 Wahyudi Sugianto, “Peramalan Beban Listrik di PT. PLN APJ Surabaya Selatan Menggunakan Metode Arima Box-Jenkins”, http://digilib.its.ac.id/public/ITS-paper-236321309030065-Presentation.pdf, diakses 10 Juni 2013 Umi Rosyiidah dkk, “Pemodelan Arima dalam Peramalan Penumpang Kerata Api pada Daerah Operasi IX Jember. http://www.scribd.com/doc/110734128/ , diakses 21 Juni 2013. Sutikno, dkk. 2010. Prakiraan Cuaca dengan Metode Autoregressive Integrated Moving Average, Neural Network, dan Adaptive Splines Threshold Autoregression di Stasiun Juanda Surabaya. Jurusan Statistika FMIPA ITS. http://jurnal.lapan.go.id/index.php/jurnal_sains diakses pada tanggal 2 Maret 2013.

401


ISBN : 978-602-8509-20-6

Integrasi Laboratorium Virtual (LaVir) Pada Mata Pelajaran Elektronika Digital Sapto Haryoko1, Lu’mu2 , Hendra Jaya3 , Mustamin4 1,2,3,4

Jurusan Pendidikan Teknik Elektronika, Universitas Negeri Makassar, Makassar

Abstract— Laboratorium virtual dikembangkan menggunakan langkah-langkah yang dimulai dari analisis kebutuhan mengenai kelengkapan peralatan praktikum yang ada di SMK, dan dengan memperhatikan aspek-aspek metodologis laboratorium virtual. Integrasi metodologi virtual dilakukan melalui arsitektur yang meliputi studio room, user interface, simulation modelling, interactive tools, visual representation, virtual workspace, dan authoring tools. Laboratorium Virtual yang dikembangkan bersifat aplikatif, komunikatif, interaktif, dan mampu mengembangkan keterampilan berfikir kritis. Keefektifan penggunaan laboratorium virtual menunjukkan rerata skor keseluruhan hasil penilaian dinilai sangat baik.

Kegiatan praktikum merupakan salah satu faktor yang penting dalam menunjang keberhasilan siswa dalam mengikuti proses kegiatan belajar mengajar. Beberapa mata pelajaran praktikum selain harus mengetahui konsep dasar dan teori-teori penunjangnya, juga harus melakukan eksperimen/percobaan di laboratorium untuk memahami tentang suatu konsep tertentu atau teori-teori dasar yang telah dipelajarinya agar mempunyai tingkat pemahaman yang lebih luas. Untuk melaksanakan suatu kegiatan praktikum maka diperlukan beberapa faktor diantaranya ruang laboratorium yang bermacam-macam sesuai dengan bidang praktikum, dan fasilitas peralatan serta bahanbahan yang cukup memadai. Menurut Kozma [1] laboratorium digunakan untuk kegiatan pengajaran yang memerlukan praktek keterampilan tertentu dan/atau pengalaman-pengalaman langsung bagi pebelajar. Pengajaran dilaboratorium pada dasarnya merupakan suatu tipe pembelajaran pengalaman ter struktur (structured experiental learning). Hal ini diterapkan apabila suatu bentuk pengalaman langsung menggunakan tangan (hands-on) dikehendaki atau esensial untuk belajar keterampilan khusus dan memperoleh pengalaman tertentu. Dengan berkembangnya apresiasi terhadap bentuk pembelajaran pengalaman (experiental forms of learning), praktek laboratorium digunakan lebih intensif dan luas dalam pengajaran di SMK. Oleh karena itu, laboratorium

pengajaran sangat erat kaitannya dengan tujuan kurikulum dan performansi yang dikehendaki [2]. Dengan kata lain bahwa pada bidang pendidikan dan pengajaran laboratorium berfungsi untuk memberikan keterampilan dan pengalaman spesifik sesuai dengan kurikulum yang diterapkan. Seharusnya dalam proses pembelajaran siswa tidak boleh pasif, tetapi harus aktif dan kreatif dalam pembelajaran dan praktikum. Siswa dapat mengembangkan pemahamannya sendiri, sehingga potensi dan kemampuan siswa dapat tergali dan berkembang. Hal ini sesuai dengan paham konstruktivisme, artinya pengetahuan dibangun oleh manusia sedikit demi sedikit, yang hasilnya diperluas melalui konteks yang terbatas/sempit dan tidak apa adanya [3]. Melalui paham konstruktivisme, siswa diharapkan dapat membangun pemahaman sendiri dari pengalaman/pengetahuan terdahulu [4]. Kegiatan praktikum merupakan salah satu faktor yang penting dalam menunjang keberhasilan siswa dalam mengikuti proses kegiatan belajar mengajar serta dapat meningkatkan keterampilan siswa. Beberapa mata pelajaran produktif dan kejuruan selain harus mengetahui konsep dasar dan teori-teori penunjangnya, juga harus dilakukan praktikum di laboratorium untuk memahami tentang konsep tersebut atau teori-teori dasar yang telah dipelajari oleh siswa agar mempunyai tingkat pemahaman yang lebih luas. Sehingga, untuk melaksanakan suatu kegiatan praktikum diperlukan beberapa faktor di antaranya ruang laboratorium yang bermacam-macam sesuai dengan bidang praktikum, dan fasilitas peralatan serta bahan-bahan yang cukup memadai. Fasilitas praktek merupakan hal yang utama dan penting untuk melaksanakan pembelajaran praktikum. [2] mengemukakan bahwa “accupational education fasility requirement depend on two factor: the first, the time devoted to specialized laboratory learning, second the degree of multipurpose use for instructional area”. Kebutuhan fasilitas pendidikan bergantung pada dua faktor yaitu pengabdian waktu belajar di laboratorium dan tingkat penggunaan waktu pembelajaran. Kompleksitas teknologi meringankan kemampuan siswa untuk memahami dan mengerti isi dan inti mata pelajaran praktikum. Hal ini disebabkan oleh fakta bahwa lingkungan komputasi dan pengembangan aplikasi merupakan alat pengajaran efektif yang mampu meningkatkan kemampuan belajar siswa [5]. Beberapa uraian hasil penelitian sebelumnya dapat diambil kesimpulan bahwa model virtual berbasis komputer


107

Kata Kunci — Elektronika Digital, Laboratorium Virtual

I. PENDAHULUAN

ISBN : 978-602-8509-20-6

sangat efektif digunakan karena dapat meningkatkan penguasaan konsep dan keterampilan siswa dalam proses praktikum, penerapannya sangat baik untuk pendidikan keteknikan sehingga sangat efektif untuk dijadikan sebagai virtual experiment (kegiatan praktek yang bersifat maya). Disamping itu sifatnya yang lebih praktis, pengadaannya lebih murah dan mudah, lebih aman digunakan tidak berbahaya, dan secara operasional dalam hal perawatan, pemeliharaan serta instalasinya yang tidak terlalu sulit menjadikan sistem ini lebih unggul dibandingkan dengan praktek pada laboratorium konvensional. Berkaitan dengan pelaksanaan kegiatan praktikum pada laboratorium konvensional, telah dilakukan prapenelitian yang meliputi kegiatan observasi dan wawancara terhadap pihak-pihak yang terkait langsung, dilaksanakan pada beberapa SMK di Makassar diperoleh bahwa terdapat beberapa kendala/permasalahan dalam pelaksanaan kegiatan praktek disekolah utamanya mengenai kelengkapan fasilitas peralatan yang ada di sekolah yang hanya sekitar 30% yang memenuhi kebutuhan praktek [6], ini berarti bahwa fasilitas peralatan disekolah masih sangat minim. Minimnya sarana peralatan praktek disekolah berdasarkan hasil wawancara dengan guru pengampu mata pelajaran adalah karena minimnya anggaran baik untuk pengadaan alat maupun anggaran biaya pemeliharaan dan perawatan peralatan sehingga alat yang rusak tidak dapat diperbaiki untuk memenuhi kelengkapan peralatan laboratorium. Kendala yang lain adalah faktor kemampuan SDM yang masih terbatas dikalangan guru, keterbatasan waktu yang tersedia juga turut mempengaruhi kendala dalam kegiatan praktikum di sekolah. Untuk itu beberapa kendala dalam pelaksanaan kegiatan praktikum di SMK, laboratorium virtual menjadi sarana yang sangat dibutuhkan oleh siswa SMK, dengan demikian perlu dikembangkan sebuah laboratorium virtual yang menarik dan menjadi solusi terhadap keterbatasan praktikum pada laboratorium konvensional. Terlebih lagi dari hasil survey melalui penyebaran angket di beberapa SMK di Makassar diperoleh bahwa sekitar 70% siswa sangat setuju untuk melakukan kegiatan praktikum melalui laboratorium virtual pada mata pelajaran produktif utamanya pada elektronika digital. Berdasarkan beberapa uraian diatas, maka penulis akan melakukan penelitian dan mengembangkan suatu laboratorium praktikum dengan memanfaatkan komputer sebagai sarana virtual secara virtual..

menggunakan virtual virtual dan pada kelas kontrol diberi perlakuan pembelajaran konvensional. Selanjutnya dalam penelitian [8] yang berjudul “the effects of an interactive computer based simulation prior to performing a laboratory inguiry–based experiment on students conseptual understanding of phisics“ diperoleh bahwa dengan pembelajaran virtual berbasis komputer mahasiswa dapat membuat ramalan, penjelasan, dan pemahaman konsep lebih baik dibandingkan dengan mahasiswa yang praktikum secara manual. Modeling and simulation concepts in engineering education [9] : virtual tools. Berdasarkan hasil penelitian tersebut diperoleh bahwa model virtual sangat efektif digunakan terutama untuk virtual experiment pada pendidikan keteknikan dan memperlihatkan suatu hal yang positif untuk digunakan dan dikembangkan. Selanjutnya dalam penelitian [10] menambahkan bahwa laboratorium virtual merupakan suatu model yang berbasis komputer dan virtual sebagai bentuk baru dari teknologi pembelajaran yang menghilangkan tatap muka antara pengguna dengan kegiatan di laboratorium riil. Beberapa uraian hasil penelitian sebelumnya dapat diambil kesimpulan bahwa model virtual berbasis komputer sangat efektif digunakan karena dapat meningkatkan penguasaan konsep dan keterampilan siswa dalam proses praktikum, penerapannya sangat baik untuk pendidikan keteknikan sehingga sangat efektif untuk dijadikan sebagai virtual experiment (kegiatan praktek yang bersifat maya). Disamping itu sifatnya yang lebih praktis, pengadaannya lebih murah dan mudah, lebih aman digunakan tidak berbahaya, dan secara operasional dalam hal perawatan, pemeliharaan serta instalasinya yang tidak terlalu sulit menjadikan sistem ini lebih unggul dibandingkan dengan praktek pada laboratorium konvensional. Model Virtual Pada proses pengembangan model simulasi [11] terdapat tahapan yang perlu diperhatikan diantaranya: 1) conseptual model, yakni deskripsi terhadap model yang dikembangkan; 2) computer model, yakni model virtual yang akan diterapkan pada komputer; 3) Solutions and/or understanding, diperoleh dari hasil eksperimen; 4) an improvement in the real world: diperoleh dari hasil implementasi suatu solusi atau pemahaman yang diperoleh.

II. METODOLOGI Dalam penelitiannya [7] menemukan bahwa pembelajaran menggunakan virtual komputer interaktif dapat meningkatkan penguasaan konsep rangkaian listrik arus searah dan keterampilan proses sains siswa. penelitian dilakukan pada kelas eksperimen dan kelas kontrol diberi perlakukan yang berbeda. Dimana pada kelas eksperimen diberi perlakuan pembelajaran Gambar 1. Model Virtual Laboratorium Virtual

801


ISBN : 978-602-8509-20-6

Pengembangan Laboratorium Virtual ini mempertimbangkan beberapa hal, yaitu: 1) audiens. Pengguna aplikasi ini adalah siswa SMK yang sedang mangambil mata pelajaran elektronika digital; 2) peralatan output. Karena materi pembelajaran akan digunakan oleh siswa secara mandiri, maka diperlukan format yang sesuai untuk penggunaan interaktif, yaitu screen komputer; 3) gambar. Tampilan disertai gambar 3D, seperti latar belakang dan ilustrasi yang perlu dibuat menggunakan software grafik 2D dan 3D; 4) audio. Aplikasi ini tidak menggunakan rekaman audio khusus, tetapi audio yang direkam sebagai kesatuan dengan video; 5) video. Video yang digunakan dalam aplikasi ini adalah video yang menampilkan prinsip kerja atau proses kerja suatu sistem yang akan lebih mudah dipahami dan dijelaskan dibandingkan dengan menggunakan teks; 6) animasi. Animasi yang ditampilkan berbentuk 3D sesuai dengan ruang lingkup materi praktikum yang dipraktekkan; 7) virtual. Kegiatan praktikum memerlukan sebuah proses yakni memilih komponen, merangkai komponen, dan melakukan pengujian terhadap komponen melalui alat ukur. Semua proses yang terjadi divirtualkan sesuai dengan keadaan riil; 8) tools interaktif. Aplikasi ini memerlukan alat interaktif yakni berupa tombol untuk berpindah ke tampilan tertentu; 9) virtual. Komponen dan ruangan yang di desain dalam bentuk 3D dibuat sama dengan keadaan riil baik dari segi pewarnaan, bentuk dan perspektifnya. Sehingga akan membawa siswa kedalam suasana praktikum laboratorium yang mirip nyata. Model komputer dapat dibentuk melalui pemrograman dengan menggunakan authoring language yang merupakan konversi hasil coding. Bahasa pemrograman yang digunakan merupakan bawaan dari Macromedia Flash Prof.8 hingga menghasilkan produk dalam bentuk CDInteraktif. Melalui tahapan ini user dapat berinteraksi dengan komputer melalui tampilan virtual pada sebuah layar monitor komputer. Pada tahap ini tidak lain adalah proses ujicoba terhadap model komputer yang telah dikembangkan dalam virtual yang selanjutnya akan diimplementasikan kedalam dunia nyata. Sehingga pada saat menjalankan virtual ini sama seperti pada saat menjalankan peralatan yang sesungguhnya.

learning environment dan human computer interactive. Kegiatan LaVir dalam penelitian ini dengan memanfaatkan alat-alat laboratorium seperti alat ukur dan komponen yang divisualisasikan secara 3-Dimensi didesain secara interaktif, yang dioperasikan dengan komputer dan dapat menvirtualkan kegiatan di laboratorium Elektronika Digital melalui memodifikasi rangkaian logic (modify), membangun rangkaian (construct), memasukkan nilai komponen (inject), memasang rangkaian (instalation), melakukan pengukuran komponen (measure) dan selanjutnya adalah evaluasi (evaluation) terhadap rangkaian yang telah dibuat. Tampilan Laboratorium Virtual didesain seakan-akan pengguna berada pada laboratorium sebenarnya. Secara lengkap diagram aktivitas virtual lab dalam laboratorium virtual disajikan pada Gambar 2. Work-room Video Tutorial

Virtual Lab. Activities Activiti es Modify

Construct

Inject

Arsitektur and III. Instalation

User Interface

Evaluate

Virtual Simulation Modelling

Measure

Interactive Tools

RESULTS

Virtual Building Animasi 3D

Visual Representati on Virtual Workspace

Authoring Tools

Gambar 2. Diagram Aktivitas Virtual Lab dalam Laboratorium Virtual

Integrasi Laboratorium Virtual Hasil dari tahap desain selanjutnya diwujudkan dalam perangkat lunak melalui pemrograman. Laboratorium virtual ini di publish dalam bentuk windows projector (.exe) yang dapat berfungsi dikomputer mana saja. Pada Gambar 3 dan 4 diperlihatkan tampilan worksheet laboratorium virtual.

III. HASIL PENELITIAN Kegiatan Desain Tampilan Laboratorium Virtual (LaVir) Media laboratorium virtual menggunakan model yang diadopsi Robinson [11]. Produk dibuat dengan menggunakan perangkat lunak utama yakni macromedia flash, swift 3D, dan 3Ds Max menghasilkan media LaVir. Lab-Virtual Elektronika Digital disajikan dengan jumlah materi praktikum sebanyak 13 percobaan (AND, OR, NOT, NAND, NOR, EX-OR, dan EX-NOR) hingga pada percobaan DECODER & ENCODER. Model virtual menghasilkan sebuah aktivitas dalam laboratorium selanjutnya dinamakan virtual laboratory activities sebagai bagian proses dari pendekatan virtual Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

Gambar 3. Halaman worksheet Laboratorium Virtual (memberikan pembinaan karakter

109

(a)

(b)

(c)

(d)

(e)

(f)

Gambar 4. (a) Pengukuran dengan osiloskop; (b) pemilihan alat dan bahan ; (c) Menggambar grafik; (d) virtual rangkaian; (e) Tes/Latihan; (f) Identifikasi komponen

IV. PEMBAHASAN Keefektifan dan Kepraktisan Penggunaan LaVir Dalam Pengajaran Pada proses pengajaran melalui LaVir diperoleh hasil yang sangat efektif, hal ini diperoleh melalui penilaian dari 5 orang guru yang mengajarkan mata pelajaran praktikum elektronika digital. Hasil penilaian disajikan pada Tabel 1. TABEL 1 PENILAIAN KEEFEKTIFAN DALAM PENGAJARAN MELALUI LAVIR Rerata KOMPONEN YANG DINILAI Skor Kategori

Indikator Keefektifan 1. Tercapainya peningkatan unjuk kerja (kompetensi siswa) 2. Siswa memperlihatkan aktivitas praktek yang meningkat 3. Peningkatan unjuk kerja peserta didik untuk penuntasan materi 4. Respon langsung peserta didik terhadap pertanyaan balikan 5. Mengajukan pertanyaan langsung atau tanggapan dengan mengangkat tangan Rerata Skor Keseluruhan

880

4,2

Baik

4,8

Sangat Baik

4,8

Sangat Baik

4,6

Sangat Baik

4,4

Baik

4,56

Sangat Baik

Keefektifan mengajar praktek melalui LaVirdiberikan beberapa indikator penilaian mengenai tercapainya peningkatan kerja (kompetensi siswa) diperoleh rerata skor 4,2 atau berada dalam kategori baik. Penilaian terhadap peningkatan aktivitas siswa diperoleh rerata skor 4,8 atau berada dalam kategori sangat baik. Penilaian terhadap peningkatan unjuk kerja peserta didik untuk penuntasan materi diperoleh skor 4,8 atau dalam kategori sangat baik. Selanjutnya penilaian terhadap respon langsung peserta didik terhadap pertanyaan balikan yang diberikan selama proses praktikum diperoleh rerata skor 4,6 atau berada dalam kategori sangat baik. Terakhir penilaian terhadap respon siswa dengan mengajukan pertanyaan atau tanggapan dengan mengangkat tangan diperoleh skor 4,4 atau berada dalam kategori baik. Dengan demikian rerata keseluruhan keefektifan menggunakan LaVirdiperoleh rerata skor 4,56 atau berada dalam kategori sangat baik. Hal ini berarti bahwa proses pengajaran mata pelajaran praktek dengan menggunakan LAVIRmemenuhi syarat efektifitas yang sangat baik. Selanjutnya pengajaran dengan menggunakan LaVirpenelitian ini telah memenuhi syarat praktis melalui beberapa indikator penilaian seperti yang disajikan pada Tabel 2, diperoleh rerata skor keseluruhan aspek 4,9 dalam kategori sangat baik. Indikator-indikator yang menyatakan kepraktisan dijabarkan dengan empat indikator penilaian sebagai berikut: Pertama, siswa dapat melaksanakan dan menyelesaikan praktikum secara objektif sesuai alur dan prosedur dalam LaVirdiperoleh rerata skor 4,8 atau berada dalam kategori sangat baik. Hal ini sangat praktis jika dibandingkan pada saat praktikum pada laboratorium konvensional satu peralatan di praktekkan oleh 4-5 orang siswa sehingga penyelesaian praktikum tidak berjalan secara objektif karena hanya seorang yang mengerjakan dan yang lainnya hanya menonton, juga pada laboratorium konvensional hanya siswa yang cerdas saja yang bisa melakukan praktek dengan baik. Kedua, Guru dapat langsung melakukan penilaian dan scoring terhadap hasil praktikum siswa yang disimpan dalam data base program LaVirdiperoleh rerata skor 5 atau dengan kategori sangat baik. Berbeda halnya pada laboratorium konvensional guru harus mengamati siswa satu persatu dengan seksama berjalannya proses praktikum yang dilakukan oleh siswa. Ketiga, LaVir yang tersimpan dalam komputer dapat langsung di akses oleh siswa untuk melakukan praktikum diperoleh rerata skor 5 dengan kategori sangat baik. Semua yang dibutuhkan dalam LaVir telah disediakan termasuk alat dan bahan, alat ukur, dan data sheet book diperoleh rerata skor 4,8 dengan kategori sangat baik.


ISBN : 978-602-8509-20-6

TABEL 2 PENILAIAN KEPRAKTISAN DALAM MENGAJAR MELALUI LAVIR Rerata KOMPONEN YANG DINILIAI Kategori Skor Indikator Kepraktisan 1.

2.

3.

4.

Siswa dapat melaksanakan dan menyelesaikan praktikum secara objektif sesuai alur dan prosedur dalam LaVir Guru dapat langsung melakukan penilaian dan scoring terhadap hasil praktikum siswa yang disimpan dalam data base program LaVir LaVir yang tersimpan dalam komputer dapat langsung di akses oleh siswa untuk melakukan praktikum Semua yang dibutuhkan dalam LaVir telah disediakan termasuk alat dan bahan, alat ukur, dan data sheet book Rerata Skor Keseluruhan

4,8

Sangat Baik

5

Sangat Baik

5

Sangat Baik

4,8

Sangat Baik

4,9

Sangat Baik

Efisiensi LaVir Dalam Pembelajaran Praktek Hasil pengamatan mengenai efisiensi LaVir memiliki beberapa indikator yakni efisiensi waktu praktikum, keterbantuan praktikum dengan media berbasis virtual, dan praktek mandiri/ melakukan kegiatan praktikum tanpa bergantung pada instruktur/guru. Pengamat melakukan pengamatan pada 3 SMK (SMKN 2 Makassar, SMKN BPPKT RSBI, dan SMK Muhammadiyah 2 Bontoala Makassar). Dari hasil pengamatan di SMKN 2 Makassar diperoleh bahwa waktu praktikum elektronika digital dengan menggunakan LaVir dapat mengefisiensi waktu 60 Menit jika dibandingkan dengan praktikum konvensional hal ini dibuktikan dengan penyelesaian topik praktikum yang dapat diselesaikan dengan waktu yang lebih cepat (Tabel 3). Praktikum elektronika dengan memanfaatkan LaVir akan sangat membantu guru dan siswa dengan keterbatasan alat dan bahan. Selanjutnya indikator kegiatan praktikum rata-rata siswa mampu melakukan kegiatan praktek secara mandiri tanpa bantuan dari instruktur, siswa sekali bertanya mengenai penempatan komponen yang ada dalam LaVir. Selanjutnya hasil pengamatan pada SMKN BPPKT RSBI diperoleh kesimpulan mengenai efisiensi penggunaan waktu relatif lebih cepat 73,46 menit jika dibandingkan dengan praktikum konvensional (Tabel 3). SMKN BPPKT RSBI memiliki peralatan praktikum yang cukup lengkap untuk itu mengenai indikator keterbantuan praktikum dengan media berbasis virtual berdasarkan hasil pengamatan sangat membantu siswa dalam mengamati konsep yang abstrak hal ini berdasarkan pengamatan banyak siswa setelah melakukan praktikum melalui LaVir kebanyakan dari mereka membuka form animasi dan form aplikasi. Sehingga peneliti berkesimpulan bahwa peralatan yang lengkap seharusnya Seminar Nasional Teknik Informatika (SNATIKA) 2013

ISBN : 978-602-8509-20-6

didukung oleh LaVir yang dapat digunakan oleh siswa sebagai persiapan sebelum memasuki laboratorium yang sesungguhnya. Siswa menggunakan LaVir dengan serius dan guru mengamati dengan berjalan disekeliling siswa yang sedang melaksanakan praktek menggunakan LaVir, kebanyakan siswa menanyakan kepada guru mengenai hal yang teknis dalam pengoperasian LaVir. Dari hasil pengamatan juga diperoleh siswa lebih banyak berdiskusi dengan sesamanya jika terdapat hal yang tidak diketahui dalam LaVir. Pengamatan terakhir yang dilakukan pada SMK Muhammadiyah 2 Bontoala Makassar, sekolah ini merupakan salah satu SMK swasta yang ada dimakassar dengan jumlah peminat yang mendaftar cukup banyak setiap tahunnya. Pengamat menyimpulkan bahwa waktu praktikum lebih cepat 45 menit dibandingkan dengan praktikum konvensional (Tabel 3). Jika dibandingkan dengan SMKN 2 Makassar dan SMKN BPPKT RSBI efisiensi waktu praktikum di SMK Muhammadiyah masih relatif kurang efisien dikarenakan kecanggungan siswa dalam mejalankan LaVir masih tinggi. Keterbatasan peralatan yang ada di SMK Muhammadiyah 2 Bontoala menjadikan media praktikum elektronika digital sangat membantu. Mengenai kegiatan praktek mandiri, siswa SMK memperlihatkan keseriusan dalam kegiatan praktek. Berdasarkan hasil observasi dari pengamat, siswa mampu melakukan kegiatan praktikum tanpa bergantung pada instruktur/guru. Hal ini terlihat kurangnya siswa yang bertanya mengenai materi praktikum.

NO

1

2

3

NAMA SEKOLAH SMKN 2 Makassar SMKN BPPKT RSBI SulSel SMK Muh 2 Makassar

TABEL 3 WAKTU PRAKTIKUM Rerata Waktu Penyelesaian Waktu (menit) Yang Disediakan Praktikum Praktikum Selisih setiap Konvensional LaVir (menit) topik 4 X 45 menit

137,69

77,69

60,00

4 X 45 menit

141,15

67,69

73,46

4 X 45 menit

141,54

96,54

45,00

V. KESIMPULAN Berdasarkan hasil penelitian dan pembahasan tentang pengajaran melalui pemanfaatan laboratorium virtual untuk praktikum mata pelajaran Elektronika Digital (LaVir) di SMK, maka dapat dikemukakan simpulan sebagai berikut: 1. Karakteristik laboratorium virtual (LaVir) yang digunakan dalam pengajaran adalah bersifat aplikatif, komunikatif, interaktif, mampu mengembangkan keterampilan berfikir kritis dibandingkan hanya kemampuan observasi saja.

111

2. Penilaian terhadap hasil pengajaran melalui laboratorium virtual praktikum Elektronika Digital (LaVir) di SMK memenuhi kriteria sangat praktis dan efisien yang ditunjukkan melalui proses praktikum dengan waktu yang lebih singkat, siswa sangat terbantu, dan kemandirian siswa dalam melakukan kegiatan praktek dapat tercapai melalui penggunaan laboratorium virtual.

ACKNOWLEDGMENT Ucapan terimakasih yang penulis ucapkan kepada Prof. Djemari Mardapi, Ph.D (UNY) dan Prof. Adhi Susanto, M.Sc (UGM) yang telah memberikan arahan dan bimbingan. DAFTAR PUSTAKA [1]

Kozma, R.B, Belle, L.W & Williams, G.W. (1978). Instructional techniques in higher education. New Jersey: Englewood Cliffts.

[2]

Storm, G. (1979). Managing tha occupational education laboratory. Michigan: Prakken Publication.

[3]

Depdiknas. (2002). Pendekatan kontekstual (contekstual teaching learning/CTL). Jakarta: Depdiknas

[4]

Nurhadi, dkk. (2003). Pembelajaran kontekstual (CTL) dan penerapannya dalam KBK. Malang: Universitas Negeri Malang.

[5]

Bruner, J.S. (1966). Towards a theory of instruction. Cambridge: Harvard University.

[6]

Hendra Jaya. (2013). Pengembangan Model Laboratorium Virtual untuk Mata Pelajaran Elektronika Digital di SMK dalam rangka memfasilitasi pendidikan Karakter. Laporan Penelitian. Lemlit UNM

[7]

Supriyatman. (2008). Model Pembelajaran Inkuiri Menggunakan Virtual Komputer Interaktif Untuk Meningkatkan Penguasaan Konsep Rangkaian Arus Listrik Searah dan Keterampilan Proses Sains. Tesis magister, tidak diterbitkan, Prodi IPA Program Pascasarjana UPI, Bandung.

[8]

Zacharia, Z & Anderson, O.R. (2003). The effects of an interactive computer based simulation prior to performing a laboratory inguiry – based experiment on students conseptual understanding of phisics. American Journal of Physics, 71, 618 – 629.

[9]

Sevgi, L. (2006). Modeling and Simulation Concepts in Engineering Education: Virtual Tools.Turk J Elec Engin, 14, 1.

10]

Rebecca K. Scheckler. (2003). Virtual labs: A subtitute for traditional labs?. Int. Journal. Dev. Biology, 47, 231-236.

[11] Robinson, stewart. (2004). Simulation: The Practice of Model Development and Use. Southern Gate Chichester: John Wiley & Sons Ltd.

881


ISBN : 978-602-8509-20-6

SEKRETARIAT : PROGRAM STUDI S1 TEKNIK INFORMATIKA JURUSAN TEKNIK ELEKTRO- UNHAS Jl. Perintis Kemerdekaan KM. 10 Makassar, 90224 Sulawesi Selatan Telp. (0411) 588111 / 5043366 Fax. (0411) 590125 Email : [email protected]

i

ISBN : 978-602-8509-20-6

PROSIDING (SNATIKA) 2013 SEMINAR NASIONAL TEKNIK INFORMATIKA. Penerbit : Jurusan Teknik Elektro Fakultas Teknik Universitas Hasanuddin

Recommend Documents