Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
SUSUNAN DEWAN REDAKSI JELIKU
KETUA AGUS MULIANTARA, S.KOM, M.KOM
PENYUNTING DRA. LUH GEDE ASTUTI, M.KOM NGURAH AGUS SANJAYA E.R., S.KOM, M.KOM IDA BAGUS MAHENDRA, S.KOM, M.KOM IDA BAGUS GEDE DWIDASMARA, S.KOM, M.CS
PELAKSANA I KETUT GEDE SUHARTANA, S.KOM., M.KOM I GEDE SANTI ASTAWA, S.T., M.CS I MADE WIDIARTHA, S.SI., M.KOM
ALAMAT REDAKSI JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA KAMPUS BUKIT JIMBARAN – BADUNG TELEPON : 0361 – 701805 EMAIL :
[email protected] WEBSITE : WWW.CS.UNUD.AC.ID
i
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
[halaman ini sengaja dikosongkan]
ii
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
DAFTAR ISI
SUSUNAN DEWAN REDAKSI JELIKU ............................................................................................ i DAFTAR ISI ....................................................................................................................................... iii PERANCANGAN SISTEM INFORMASI MOBILE SALES FORCE AUTOMATION (SFA) PT. ASTRA INTERNASIONAL TBK. –HONDA Ni Made Dwi Arnita, Agus Muliantara ............................................................................................. 1 PENGENALAN POLA BREAST CANCER MENGGUNAKAN ALGORITMA NGUYEN WIDROW BACKPROPAGATION I Gst Ag Indra Arthana, Agus Muliantara ..................................................................................... 11 PENERAPAN QUEUE TREE PADA ROUTER MIKROTIK DALAM MANAJEMEN BANDWITH I Putu Ery Handika dan I Komang Ari Mogi ................................................................................. 16 PERANCANGAN SISTEM INFORMASI KEANEKARAGAMAN HAYATI DI PT. PERTAMINA DEPOT PENGISIAN PESAWAT UDARA (DPPU) NGURAH RAI I Gusti Putu Deviara Putra, I.B Made Mahendra .......................................................................... 25 IMPLEMENTASI SISTEM OPERASI ROUTER MIKROTIK SEBAGAI PROXY SERVER BERBASIS TRANSPARENT PROXY I Putu Iyasa Pringgagada Pecut, I Made Widhi Wirawan ............................................................ 33 PURWARUPA APLIKASI MESIN PENCARI REFERENSI I Putu Sutria Narada, Agus Muliantara, Ida Bagus Dwidasmara ................................................ 42 IMPLEMENTASI BANDWIDTH MANAGEMENT PADA PENGALOKASIAN HOTSPOT DI FAKULTAS HUKUM UNIVERSITAS UDAYANA I Made Yuda Prasetia, I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan ......... 51 PERANCANGAN SISTEM TRACER STUDY PARIWISATA UNIVERSITAS UDAYANA
BERBASIS
WEB
PADA
FAKULTAS
Luh Sukma Widiasari, Ngurah Widyatmaja .................................................................................. 59 PERANCANGAN DAN IMPLEMENTASI APLIKASI KLASIFIKASI PENYAKIT DIABETES DENGAN METODE NAÏVE BAYES Putu Gerhans Prawira Risnawan, Ngurah Agus Sanjaya ER, I Made Widiartha ..................... 68 IMPLEMENTASI SPLIT DNS DENGAN MENGGUNAKAN BIND9 DALAM MEMBANGUN SISTEM CONTENT DELIVERY NETWORK I Made Yoga Sattwika Darma , I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan .............................................. 73 PERANCANGAN SISTEM INFORMASI SALES ACTIVITY PT. ASTRA INTERNATIONAL TBK. - HONDA I Wayan Angga Pratama, Ida Bagus Gede Dwidasmara ............................................................... 78 ANALISIS MANAJEMEN BANDWIDTH UNTUK MEMBERIKAN LAYANAN SECARA ADIL TERHADAP PENGGUNA DENGAN MENGGUNKAN METODE ANTRIAN HTB DAN METODE ANTRIAN PCQ PADA MIKROTIK
iii
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
I Made Bayu Adi Utama, I Dewa Made Bayu Atmaja Darmawan .............................................. 88 PENGENALAN WICARA KARAKTER INDONESIA MENGGUNAKAN HIDDEN MARKOV MODEL I Wayan Adi Juliawan Pawana ........................................................................................................ 96 IDENTIFIKASI KEKURANGAN UNSUR HARA PADA TANAMAN JAGUNG DENGAN METODE JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Adinda Prisila Permatasari, Luh Gede Astuti, I Gede Santi Astawa.......................................... 101 ANALISA KINERJA ROUTING MENGGUNAKAN ROUTING INFORMATION PROTOCOL (rip) DAN OPEN SHORTEST PATH FIRST (OSPF) A.A.Sagung Istri Candra Padmasari ........................................................................................... 1010
iv
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PERANCANGAN SISTEM INFORMASI MOBILE SALES FORCE AUTOMATION (SFA) PT. ASTRA INTERNASIONAL TBK. –HONDA Ni Made Dwi Arnita, Agus Muliantara Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected],
[email protected] mailto:
[email protected] Abstrak Sales Force Automation (SFA) merupakan aplikasi berbasis web yang memfasilitasi komunikasi dan informasi dari setiap tenaga pemasaran. Dengan menggunakan SFA, tenaga pemasaran dapat mengakses informasi terkait melalui web browser. Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA dengan smartphone (telepon pintar) dan belum adanya SFA versi mobile. Karena masalah inilah diperlukan suatu terobosan yang dapat mempermudah para tenaga pemasaran untuk meningkatkan aktivitas penjualan. Maka dikembangkanlah sistem informasi Sales Force Automation (SFA) yang telah ada sehingga dapat diakses dalam versi mobile. Sistem informasi ini akan dirancang dengan menyertai beberapa fitur yang diperlukan dalam membangun sistem ini. Hasil dari kebutuhan perangkat lunak yang telah dianalisis pada penelitian ini adalah data input menghasilkan sub proses validasi data input dan simpan data input. Lihat prospek menghasilkan sub proses lihat prospek pending, lihat prospek sale, lihat prospek cancel. Buat jadwal menghasilkan sub proses validasi tanggal dan simpan jadwal. Isi jadwal menghasilkan sub proses validasi data jadwal dan simpan isi jadwal. Lihat jadwal menghasilkan sub proses periksa tanggal dan tampil jadwal. Lapor kunjungan menghasilkan sub proses validasi lapor kunjungan dan simpan lapor kunjungan. Kata kunci: Sales Force Automation, mobile, perancangan ABSTRACT Sales Force Automation (SFA) is a web-based application that facilitates the communication and information of any marketing effort. By using the SFA, marketing personnel can access related information through a web browser. The problem that is happened now is when the salesperson wants to access the SFA with a smartphone and there is no a mobile version of the SFA yet. Because of this problem we need a breakthrough that could make it easier for marketers to increase sales activity. From the previous explanation, Sales Force Automation (SFA) is developed that can be accessed in a mobile version. This information system will be designed to accompany some of the features that is required in building this system. The result of the need of the software that has been analyzed in this study is input data results input data validation sub proses and input data store. Lihat Prospek have three sub-process including lihat prospek pending, lihat prospek sale, lihat prospek cancel. Buat Jadwal have two sub-process including save the date and schedule. Isi Jadwal have two sub-process including schedule data validation process and store the contents of sub-process generates a schedule. Lihat Jadwal have two sub-process including check the date and performing schedule. Lapor Kunjungan have two subprocess including validation report and visit store reports. Keywords: Sales Force Automation, mobile, System Architecture
1
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
1. Pendahulan 1.1 Latar Belakang PT Astra International Tbk – Honda, pendeknya Astra Honda Motor (AHM) merupakan anak cabang dari perusahaan multinasional PT Astra International Tbk yang secara spesifik membidangi penjualan kendaraan roda dua. Untuk wilayah Bali, penjualan sepeda motor Honda dipegang oleh HSO (Honda Sales Office) Denpasar yang merupakan Maindealer seluruh dealer Astra Motor dan dealer-dealer Honda lainnya. HSO Denpasar juga melakukan distribusi ke seluruh dealer Honda di Bali. Seperti perusahaan otomotif pada umumnya, Astra Honda Motor khususnya HSO Denpasar memiliki tenaga pemasaran yang bertugas memasarkan produk-produk Honda. Sistem yang telah dimiliki sebelumnya yaitu SFA (Sales Force Automation). SFA adalah aplikasi berbasis web yang memfasilitasi komunikasi dan informasi dari setiap tenaga pemasaran. Dengan menggunakan SFA, tenaga pemasaran dapat mengakses informasi terkait melalui web browser. SFA didedikaikan agar para tenaga pemasaran dapat meningkatkan efisiensi dan profesionalisme dalam melakukan aktivitas penjualan. Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA dengan smartphone (telepon pintar) yang dimiliki dan tidak adanya SFA dalam versi mobile. Karena masalah inilah diperlukan suatu terobosan yang dapat mempermudah para tenaga pemasaran untuk meningkatkan aktivitas penjualan. Maka timbulah ide untuk mengembangkan website sistem informasi Sales Force Automation (SFA) yang telah ada sehingga dapat diakses dalam versi mobile. Sistem informasi ini akan dirancang dengan menyertai beberapa fitur yang diperlukan dalam membangun sistem ini. Tujuan dari perancangan sistem informasi ini antara lain yaitu merancang sebuah sistem informasi yang mudah digunakan bagi para tenaga pemasaran dalam mempermudah pekerjaannya. Manfaat yang diperoleh yaitu dapat menciptakan suatu sistem yang mendukung kegiatan pemasaran dan meningkatkan penjualan produk.
JELIKU Vol 2 No. 3 Agustus 2013
2.1 UML (Unified Modelling Language) Merupakan sebuah notasi yang telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar untuk merancang model sebuah sistem. UML sendiri juga memberikan standar penulisan sebuah sistem blue print, yang meliputi konsep bisnis proses, penulisan kelas-kelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem software (Williams, 2004). 2.1.1 Usecase Diagram Menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan “bagaimana”. Sebuah usecase merepresentasikan sebuah interaksi antara aktor dengan sistem. Usecase merupakan sebuah pekerjaan tertentu, misalnya login ke sistem, meng-create sebuah daftar belanja, dan sebagainya. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu (Bell, 2013). 2.1.2 Activity Diagram Menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi (Bell, 2013). 2.1.3 Class Diagram Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek. Class menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi) (Bell, 2013). Class diagram menggambarkan struktur dan deskripsi class, package dan objek beserta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan lain-lain. 2.1.4 Sequence Diagram Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar obyek dan
2. Landasan Teori
2
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
mengindikasikan komunikasi diantara obyekobyek tersebut (Bell, 2013). Diagram ini juga menunjukkan serangkaian pesan yang dipertukarkan oleh obyek-obyek yang melakukan suatu tugas atau aksi tertentu. Obyekobyek tersebut kemudian diurutkan dari kiri ke kanan, aktor yang menginisiasi interaksi biasanya ditaruh di paling kiri dari diagram.
yang akan digunakan para tenaga pemasaran untuk melakukan aktivitas penjualan. 3.2 Gambaran Umum Sistem SFA didedikasikan agar para tenaga pemasaran dapat meningkatkan efisiensi dan profesionalisme dalam melakukan aktivitas penjualan. Pada saat ini belum terdapat rancangan sistem informasi Sales Force Automation dalam versi mobile. Secara umum arsitektur sistem yang diusulkan dapat dilihat seperti ini:
2.2 Model Proses Incremental Model ini merupakan model pengembangan sistem pada software engineering requirement software yang dipecah menjadi beberapa fungsi. Model incremental menggabungkan elemen-elemen model sekuensial linier (diimplementasikan secara berulang) dengan filosofi prototype interatif. Model ini memakai urutan-urutan linier di dalam model yang membingungkan, seiring dengan laju waktu kalender. Setiap urutan linier menghasilkan pertambahan perangkat lunak yang kemudian dapat disampaikan kepada pengguna (Sommerville, 2011). 2.3 Static testing Merupakan suatu metode pengujian yang dilakukan pada tahap perancangan software, tujuan utama dari static testing adalah mengurangi kesalahan dari pengembang terhadap software yang dibangun, tujuan yang kedua adalah melakukan pemeriksaan terhadap operasi dari software. Static testing akan menghasilkan dokumentasi dari hasil perbandingan antara kebutuhan awal aplikasi dari pengguna perangkat lunak dengan yang dihasilkan oleh pengembang perangkat lunak (Everett Gerald D and McLeod Raymond, 2007).
Gambar 1. Arsitektur Sistem Pada gambar 1 diatas, dilihat bahwa sistem yang akan dikembangkan merupakan sistem berorientasi object. 3.3 Pengumpulan Kebutuhan Proses pengumpulan kebutuhan/ requirement dilakukan secara iteratif dan dinamis, karena tidak seluruh kebutuhan dapat dikemukakan di awal pengembangan sistem. Dari keseluruhan pengumpulan kebutuhan maka dihasilkan kebutuhan berikut:
3. Metodologi Penelitian 3.1 Analisa Permasalahan Seperti perusahaan otomotif pada umumnya, Astra Honda Motor khususnya HSO Denpasar memiliki tenaga pemasaran yang bertugas memasarkan produk-produk Honda. Sistem yang telah dimiliki sebelumnya yaitu SFA (Sales Force Automation). Masalah yang terjadi sekarang yaitu ketika tenaga pemasaran ingin mengakses SFA tetapi tidak tersedianya versi mobile. Karena masalah inilah diperlukan suatu terobosan baru yang dapat menjadi media
3.3.1 Kebutuhan Fungsional Tabel 1 Kebutuhan Fungsional
3
Actor Tenaga Pemasaran
Kebutuhan/ Requirement Dapat menginput prospek secara online Dapat melihat prospek yang ada Dapat membuat jadwal Dapat mengisi jadwal Dapat melihat jadwal Dapat melaporkan kunjungan yang telah dilakukan
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
3.3.2 Analisa Kebutuhan dan Desain Sistem
Usecase Diagram
Gambar 2. Usecase Diagram Pada fungsi ini, terdapat 3 usecase utama yang dilakukan oleh tenaga pemasaran. Pada prospek, tenaga pemasaran dapat melakukan menginput data prospek, mensubmit prospek yang ada, melihat daftar prospek. Pada jadwal. Tenaga pemasaran dapat membuat jadwal, mengisi jadwal, melihat jadwal, dan pada kunjungan, tenaga pemasaran dapat melaporkan kunjungan yang telah dilakukan. Dan semua fungsi itu dapat dilakukan dengan sebelumnya user (tenaga pemasaran) melakukan autentifikasi terlebih dahulu.
Gambar 4. Activity Diagram Data Input Activity diagram pada gambar 4 menjelaskan tentang alur jika user ingin menginput prospek pada SFA versi mobile. Data yang diinputkan oleh user akan langsung masuk ke server.
Activity Diagram
Gambar 3. Activity Diagram Autentifikasi User Activity diagram pada gambar 3 menjelaskan tentang alur jika user mengakses sistem informasi Sales Force Automation. Sebelum masuk ke sistem, tenaga pemasaran harus menginputkan username dan password.
Gambar 5. Activity Diagram Lihat Prospek Activity diagram pada gambar 5 menjelaskan tentang alur dari user jika ingin melihat prospek. Dalam sistem ini ada 3 jenis 4
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
prospek, yaitu prospek pending, prospek sales, dan prospek cancel.
Gambar 8. Activity Diagram Lihat Jadwal Gambar 6. Activity Diagram Buat Jadwal
Diagram activity pada gambar 8 menjelaskan tentang alur dari user jika ingin melihat jadwal yang telah dibuat dan diisi sebelumnya.
Dalam activity diagram pada gambar 6, jadwal yang dibuat yaitu jadwal mingguan. Untuk membuat jadwal, user hanya perlu memasukkan tanggal awal atau tanggal akhir yang diinginkan.
Gambar 7. Activity Diagram Isi Jadwal
Gambar 9. Activity Diagram Lapor Kunjungan
Activity diagram pada gambar 7 menjelaskan tentang alur pengisian jadwal oleh user. Jadwal akan bisa diisi jika user telah membuat jadwal sebelumnya.
Gambar 9 merupakan activity diagram. Lapor Kunjungan. Dalam activity ini, user akan melaporkan hasil dari kunjungan yang telah dijadwalkan sebelumnya.
5
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Class Diagram
Gambar 12. Sequence Diagram Lihat Prospek Gambar 12 menjelaskan alur sistem untuk melihat prospek yang didaftarkan dan telah dikunjungi. Prospek yang telah dikunjungi dibagi menjadi 3 jenis yaitu sale, cancel, dan pending.
Gambar 10. Class Diagram SFA Gambar 10 merupakan class diagram dari sistem Sales Force Automation. Dari class diagram diatas, terdiri dari class model dan class controller. Class model digunakan untuk merepresentasikan entitas pada sistem dan class controller digunakan untuk merepresentasikan fungsi yang berjalan pada system
Sequence Diagram Gambar 13. Sequence Diagram Buat Jadwal Gambar 13 menjelaskan alur sistem untuk membuat jadwal. Tenaga pemasaran bisa menginputkan tanggal awal/tanggal akhir dari periode mingguan yang diinginkan.
Gambar 11. Sequence Diagram Data Input Gambar 11 menjelaskan alur sistem untuk mendaftarkan prospek baru. Prospek baru disini didaftarkan oleh tenaga pemasaran dengan cara menginputkan semua data yang diperlukan oleh system Gambar 14. Sequence Diagram Isi Jadwal Gambar 14 menjelaskan alur sistem untuk megisi jadwal yang telah dibuat sebelumnya. Tenaga pemasaran akan mengisi data yang harus diisikan di form isi jadwal.
6
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 15. Sequence Diagram Lihat Jadwal Gambar 17. Halaman Login User Gambar 15 menjelaskan alur sistem untuk melihat jadwal. Untuk melihat jadwal yang telah dibuat dan diisi sebelumnya, tenaga pemasaranmenginputkan tanggal jadwal yang diinginkan. Hasil jadwal yang ditampilkan akan jadwal perhari.
Gambar 10 merupakan rancangan antarmuka untuk login user. Sebelum dapat menggunakan sistem, tenaga pemasaran harus melakukan authentifikasi user terlebih dahulu. Sistem ini dirancang khusus digunakan untuk tenaga pemasaran. Tenaga Pemasaran akan memasukkan username dan password sesuai dengan akun yang telah dimilikinya, jika ada kesalahan maka tenaga pemasaran diminta memasukkan kembali.
Gambar 16. Sequence Diagram Lapor Kunjungan Gambar 16 menjelaskan alur sistem untuk melaporkan hasil kunjungan yang telah dilakukan sebelumnya. Tenaga pemasaran diharuskan untuk mengisi data yang diperlukan dalam form lapor kunjungan. 3.3.3 Perancangan Antarmuka Proses perancangan dimulai dengan perancangan halaman login
Gambar 18. Halaman Utama 1 antarmuka antarmuka
Pada gambar 11 Halaman utama 1 menampilkan Sales ID dan Nama dari tenaga pemasaran. Ada 3 menu utama yaitu prospek, jadwal, dan kunjungan. Penggunaan halaman prospek, jadwal dan kunjungan akan dijelaskan selanjutnya.
7
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Gambar 19. Menginput Prospek Baru
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 21. Buat Jadwal
Gambar 13 merupakan langkahlangkah untuk menginputkan prospek baru. Jika ingin menginputkan prospek baru, tenaga pemasaran bisa memilih menu prospek dan dilanjutkan dengan memilih submenu data input, maka akan muncul form data input yang berfungsi untuk mendaftarkan prospek baru. Tenaga pemasaran memilih button input prospek. Selanjutnya tenaga pemasaran mengisi data dengan lengkap. Button submit prospek akan menyimpan ke server.
Pada gambar 15 merupakan langkahlangkah untuk membuat jadwal baru. Tenaga pemasaran harus melakukan autentifikasi terlebih dahulu. Setelah itu akan masuk ke menu utama, pilih menu jadwal. Dalam menu jadwal terdapat submenu buat jadwal. Setelah itu akan muncul form untuk membuat jadwal baru. Submenu buat jadwal dibuat dengan selang waktu 1 minggu. Ini merupakan ketentuan dari sistem terdahulu. Masukkan salah satu tanggal maka akan otomatis dilakukan perhitungan. Pilih submit untuk mensubmit jadwal ke server.
Gambar 20. Lihat Prospek Gambar 14 menjelaskan tentang langkah-langkah bagaimana cara tenaga pemasaran melihat prospek yang ada. Jika ingin melihat prospek, setelah melakukan autentifikasi, tenaga pemasaran dapat memilih menu prospek. Selanjutnya pilih submenu Lihat Prospek. Setelah itu akan tampil form untuk melihat prospek. Ada 3 jenis prospek yang bisa dilihat yaitu pending, cancel, dan sale.
Gambar 22. Isi Jadwal Setelah membuat jadwal, selanjutnya tenaga pemasaran dapat mengisi jadwal. Pada gambar 16, tenaga pemasaran harus memilih menu jadwal, selanjutnya memilih submenu isi jadwal, setelah itu akan muncul form untuk mengisi jadwal. Isi data yang ada dengan lengkap. Prospek yang ingin dikunjungi adalah prospek yang menjadi prioritas.
8
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
memeriksa apakah perancangan perangkat lunak sesuai dengan pedoman kebutuhan perangkat lunak pada tahapan analisis kebutuhan perangkat lunak. Teknik pengujian yang digunakan adalah static testing. Dimana kebutuhan awal dari system ini dibandingkan kembali denga hasil perancangan yang telah dibangun. Hasil dari evaluasi dapat dilihat pada table dibawah ini: Tabel 2 Evaluasi Sistem Requirement Sub Proses Validasi data input Data Input Simpan data input Lihat prospek pending Lihat Prospek Lihat prospek sale Lihat prospek cancel Validasi tanggal Buat Jadwal Simpan jadwal Validasi data jadwal Isi Jadwal Simpan isi jadwal Periksa tanggal Lihat Jadwal Tampil jadwal Validasi lapor kunjungan Lapor Kunjungan Simpan lapor kunjungan
Gambar 23. Lihat Jadwal Gambar 17 menjelaskan tentang bagaimana cara tenaga pemasaran melihat jadwal yang telah dibuat dan diisi sebelumnya. Pada form lihat jadwal, input yang dimasukan adalah tanggal jadwal yang diinginkan untuk di lihat. Hasil jadwal yang ditampilkan akan jadwal perhari.
Validasi √ √ √ √ √ √ √ √ √ √ √ √ √
5. Kesimpulan Perancangan yang dihasilkan pada penelitian ini menggunakan perancangan berbasis object. Diantaranya usecase diagram, activity diagram, class diagram, dan sequence diagram. Selain perancangan system, pada penelitian ini juga menghasilkan perancangan antarmuka dengan berbasis mobile. Hasil dari kebutuhan perangkat lunak yang telah dianalisis pada penelitian ini adalah sebagai berikut:
Gambar 24. Lapor Kunjungan Gambar 18 merupakan langkahlangkah bagaimana tenaga pemasaran melaporkan hasil kunjungan yang telah dilakukan. Dari menu utama, tenaga pemasaran harus memilih menu kunjungan, lalu pilih submenu lapor kunjungan. Setelah itu akan muncul form lapor kunjungan. Isi data yang diminta lalu pilih tombol OK.
4. Evaluasi Sistem Evaluasi sistem informasi adalah suatu kegiatan terencana yang bertujuan untuk memeriksa dan menilai sumber daya dalam organisasi untuk mendapatkan hasil yang dibandingkan dengan menggunakan tolak ukur tertentu untuk memperoleh hasil mengenai kinerja sumber daya organisasi tersebut. Teknik evaluasi yang dilakukan adalah
9
Data input menghasilkan sub proses validasi data input dan simpan data input. Lihat prospek menghasilkan sub proses lihat proses pending, lihat prospek sale, lihat prospek cancel. Buat jadwal menghasilkan sub proses validasi tanggal dan simpan jadwal. Isi jadwal menghasilkan sub proses validasi data jadwal dan simpan isi jadwal.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Lihat jadwal menghasilkan sub proses periksa tanggal dan tampil jadwal. Lapor kunjungan menghasilkan sub proses validasi lapor kunjungan dan simpan lapor kunjungan.
Dari hasil evaluasi perancangan perangkat lunak pada tabel 2, perancangan yang dihasilkan sudah dapat mencakup seluruh kebutuhan dari pihak pengguna perangkat lunak. 6. Saran Saran yang perlu dipertimbangkan dalam perancangan sistem Sales Force Automation yaitu tidak semua tenaga pemasaran menggunakan smartphone dengan operation system (OS) sama. Jadi jika perancangan ini diimplementasikan, diharapkan pembuatannya lebih mengarah ke aplikasi dari masing masing OS. 7. Daftar Pustaka Bell, D. (2013). Rational Software 2013. IBM Global Services. Sommerville, I. (2011). Software Engineering. United States: Pearson. Williams, L. (2004). An Introduction to the Unified Modelling Language. Everett Gerald D, McLeod Raymond. 2007. Software testing: testing across the entire software development life cycle. wileyinterscience a john wiley & sons, Inc., publication
10
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PENGENALAN POLA BREAST CANCER MENGGUNAKAN ALGORITMA NGUYEN WIDROW BACKPROPAGATION I Gst Ag Indra Arthana1, Agus Muliantara2 Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana Email :
[email protected],
[email protected] ABSTRAK Kanker payudara adalah penyakit penyebab kematian wanita kedua di dunia. Untuk mendeteksi kanker payudara butuh pengetahuan dokter. Disamping itu kadangkala tidak tepat sehingga pasien butuh second opinion. Salah satu cara untuk mendapatkan second opinion adalah dengan menanyakannya kepada dokter lain sehingga informasi bisa lebih jelas. Untuk mempersingkat proses penentuan kanker payudara, dapat dilakukan oleh system dengan menggunakan jaringan saraf tiruan. Salah satu cabang dari jaringan saraf tiruan adalah backpropagation. Algoritma Bacpropagation mengadaptasi bagaimana otak manusia bekerja dengan memproses suatu masalah hingga mendapat hasil dengan mengupdate nilai dari masing – masing sinapsisnya. Backpropagation mampu mengenali pola dari dataset yang telah ada. Dataset ini akan dipelajari oleh Backpropagation sehinnga dapat memberikan keputusan untuk data baru yang akan diinputkan. Backpropagation dapat digunakan untuk mendeteksi penyakit contohnya kanker payudara. Dataset kanker payudara terdiri dari 9 atribut yang merupakan input ke Backpropagation. Output dari backpropagation akan dibagi menjadi 2 kelas yaitu kelas benign, dan kelas malignant. Maksimum iterasi yang digunakan adalah 10000 dengan toleransi kesalahan 0.1. Setelah dilakukan proses pengenalan dan evaluasi didapatkanlah nilai akurasi 92%. Kata Kunci: Jaringan saraf tiruan, backpropagation, Wisconsin breast cancer, eror, iterasi. ABSTRACT Breast cancer is the second leading causes of death of women in the world. To detect breast cancer, physicians need knowledge. Besides, sometimes the result is inaccurate so patients need a second opinion. One way is to get a second opinion is by checking with another doctor so the information can be more clear. To shorten the process of determining breast cancer, can be performed by the system by using artificial neural networks. One branch of artificial neural network is backpropagation. Backpropagation algorithm adapts how the human brain works by processing a problem to get the result by updating the value of each neuron. Backpropagation is able to recognize the pattern of existing datasets. This dataset will be learned by the Backpropagation until it can provide the decision for new data to be entered. Backpropagation can be used to detect breast cancer. Breast cancer dataset consists of 9 attributes that are inputs to the Backpropagation. The output of the backpropagation will be divided into two classes, namely classes benign and malignant classes. Maximum iterations used is 10000 with fault tolerance 0.1. After the learning and evaluation process value obtained 92% accuracy. Keyword: Artificial neural network, backpropagation, Wisconsin breast cancer, error, iteration.
1
Kanker payudara adalah jenis kanker paling umum yang diderita kaum wanita.
PENDAHULUAN
11
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Hingga saat ini, salah satu cara pengobatan yang umum dilakukan adalah dengan pembedahan dan jika perlu dilanjutkan dengan kemoterapi maupun radiasi. Namun pengobatan tersebut tidak akan memberikan dampak yang signifikan jika kankernya sudah mencapai stadium akhir. Oleh karena itu apabila penyakit ini dapat dideteksi lebih awal, dampak buruk yang mungkin ditimbulkan oleh kanker payudara dapat dicegah. Untuk deteksi awal kanker payudara dapat dibantu dengan menggunakan AI (Artificial Intelligence) agar dapat mendapatkan hasil yang cepat dan akurat. Salah satu cabang dari AI (Artificial Intelligence) adalah apa yang dikenal dengan Jaringan Saraf Tiruan (Artificial Neural Network). Jaringan saraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Jaringan saraf tiruan mampu melakukan pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan dipelajari oleh jaringan saraf tiruan sehingga mempunyai kemampuan untuk memberikan keputusan terhadap data yang belum pernah dipelajari. Dalam analisis ini dicoba untuk dipelajari dan dicoba penerapannya didalam bidang kesehatan yaitu pada kanker payudara. Usaha manusia dalam mengembangkan suatu sistem yang meniru kemampuan dan perilaku makhluk hidup telah berlangsung selama beberapa decade belakangan ini. Jaringan saraf tiruan (JST), merupakan hasil perkembangan ilmu dan teknologi yang kini sedang berkembang pesat. JST yang berupa susunan sel-sel saraf tiruan (neuron) dibangun berdasarkan prinsip-prinsip organisasi otak manusia. Perhatian yang besar pada JST disebabkan adanya keunggulan yang dimilikinya seperti kemampuan untuk belajar, komputasi paralel, kemampuan untuk memodelkan fungsi nonlinier dan sifat fault tolerance. Bobot awal akan mempengaruhi apakah jaringan mencapai titik minimum lokal (local minimum) atau global dan seberapa cepat konvergensinya. Bobot yang menghasilkan nilai turunan aktivasi yang kecil sedapat mungkin dihindari karena akan
JELIKU Vol 2 No. 3 Agustus 2013
menyebabkan perubahan bobotnya menjadi sangat kecil. Demikian pula nilai bobot awal tidak boleh terlalu besar karena nilai turunan fungsi aktivasinya menjadi sangat kecil juga. Oleh karena itu dalam “Standar backpropagation”, bobot dan bias diisi dengan bilangan acak kecil. Nguyen dan Widrow (1990) mengusulkan cara membuat inisialisasi bobot dan bias ke unit tersembunyi sehingga meghasilkan iterasi lebih cepat (Zamani dkk., 2012). Oleh karana itu, pada penelitian ini dilakukan optimasi pencarian bobot random pada jaringan syaraf tiruan backpropagation dengan metode nguyen widrow untuk melakukan klasifikasi data dengan meminimalkan waktu iterasi. Pada penelitian ini penulis akan mengimplementasikan nguyen widrow bacpropagation. 2
METODOLOGI
Metode dalam penelitian ini adalah algoritma backpropagation yang telah di enhance dengan algoritma nguyen widrow. Dan dataset yang digunakan adalah dataset kanker payudara. 2.1 Datasets Pada penelitian ini dataset yang digunakan adalah dataset Wisconsin Breast Cancer. Dataset ini berasal dari University of Wisconsin Hospitals, Madison dari Dr. William H. Wolberg [1]. Dataset ini berisi 699 data yang terdiri dari 458 kanker jinak dan 241 kanker ganas. Atribut dari masing – masing data ada 9 yaitu Clump Thickness, Uniformity of Cell Size, Uniformity of Cell Shape, Marginal Adhesion, Single Epithelial Cell Size, Bare Nuclei, Bland Chromatin, Normal Nucleoli, Mitoses.
2.2 Backpropagation Backpropagation merupakan algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyinya. Algoritma backpropagation menggunakan error output 12
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
untuk mrngubah nilai bobot-bobotnya dalam arah mundur (backward). Untuk mendapatkan error ini, tahap perambatan maju (forward propagation) harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid (Kusumadewi, 2003).
JELIKU Vol 2 No. 3 Agustus 2013
kesalahan di unit yk ke semua unit tersembunyi yang terhubung langsung dengan yk. δk juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung faktor δk di setiap layer tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi di layer di bawahnya. Dan seterusnya hingga semua faktor δ di unit tersembunyi yang terhubung langsung dengan unit masukan dihitung. Setelah semua faktor δ dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor δ neuron di layer atasnya. Ketiga fase tersebut diulang-ulang hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah interasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang ditetapkan. Algoritma backpropagation (Kusumadewi, 2003): a. Inisialisasi bobot dilakukan dengan cara mengambil bobot awal dengan nilai random yang cukup kecil. b. Langkah-langkah berikut dikerjakan selama kondisi berhenti bernilai FALSE 1. Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, maka dilakukan langkah-langkah berikut: Feed forward: a. Tiap-tiap unit input (xi, i=1,2,3,….,n) menerima sinyal xi dan meneruskan sinyal tersebut ke semua unit pada lapisan yang ada di atasnya (lapisan tersembunyi). b. Tiap-tiap unit tersembunyi (zj, j=1,2,3,….p) menjumlahkan sinyal-sinyal input terbobot: ∑ z_inj = v0j + xivij……………(1) Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: zj = f(z_inj) …………………………(2) Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output).
f (x) Dimana : e : bilangan exponensial x : inputan ke sinapsis Arsitektur jaringan backpropagation seperti dilihat pada gambar 1.
Gambar 1. arsitektur jaringan backpropagation [3] Selama perambatan maju, sinyal masukan (x1) diperambatankan ke layer tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari unit tersembuyi (Zj) tersebut selanjutnya diperambatan maju lagi ke layer tersembunyi berikutnya dengan fungsi aktivasi yang telah ditentukan. Dan seterusnya hingga menghasilkan keluaran jaringan (yk). Berikutnya, keluaran jaringan (yk) dibandingkan dengan target yang harus dicapai (tk). Selisih tk – yk adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Jika kesalahan masih lebih besar dari batas toleransi, maka bobot setiap garis dari jaringan akan dimodifikasi untuk mengurangi kesalahan Berdasarkan kesalahan tk – yk dihitung faktor δk yang dipakai untuk mendistribusikan 13
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
c. Tiap-tiap unit output (yk, k=1,2,3,….,m) menjumlahkan sinyal-sinyal input terbobot. ∑ y_ink = w0k + ziwjk………….(3) Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: yk= f(y_ink)………………………….( 4) Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output). d. Tiap-tiap unit output (yk, k=1,2,3,….,m) menerima target pola yang berhubungan dengan pola input pembelajaran, hitung informasi erornya: δk = (tk-yk) f’(y_ink)…………………(5) Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai wjk). ∆wjk = αδkzj…………………………(6) Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki nilai W0k) ∆W0k=αδk……………………… ……(7) Kirimkan δk ini ke unit yang ada dilapisan bawahnya. e. Tiap-tiap unit tersembunyi (zj, j=1,2,3,…..p) menjumlahkan delta inputnya (dari unit-unit yang berada pada lapisan di atasnya. Kalikan nilai ini dengan turunan dari funssi aktivasinya untuk menghitung informasi error δj= δ_ inj f(z_inj)……………………(8) Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai v) ∆vjk=αδjxi……………………… …..(9) Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki nilai v) ∆v0j=αδj………………………… …(10)
JELIKU Vol 2 No. 3 Agustus 2013
f.
Tiap-tiap unit output (yk, k=1,2,3,….,m) memperbaiki bias dan bobotnya (j=0,1,2,…p) wjk (baru)= wjk (lama) + ∆vjk……(11) Tiap-tiap unit tersembunyi (zj, j=1,2,3,…..p) memperbaiki bias dan bobotnya (i=0,1,2,…,n) vij (baru)= vij (lama) + ∆vij………..(12) 2. Tes kondisi berhenti. Apakah maksimum iterasi atau minimum eror terpenuhi. 2.3 Nguyen Widrow Nguyen dan Widrow (1990) mengusulkan cara membuat inisialisasi bobot dan bias ke unit tersembunyi sehingga meghasilkan iterasi lebih cepat. Misalkan, n = jumlah unit masukan, p = jumlah unit tersembunyi, dan β = faktor skala = 0,7 √ . Algoritma inisialisasi Nguyen-Widrow adalah sbb: 1. Inisialisasi semua bobot (v (lama)) dengan ij
bilangan acak dalam interval [-0,5: 0,5] 2. Hitung ‖ ‖ ………..(13)
√
3. Bobot yang dipakai sebagai inisialisasi
‖
‖
…………………………….(14)
4. Bias yang dipakai sebagai inisialiasasi v = 0j
bilangan acak antara –β dan β 2.4 Flowchart Backpropagation Adapun alur kerja yang dilakukan dalam penelitian ini adalah sebagai berikut:
14
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
dibagi dengan total data yang diujikan. Sedangkan waktu komputasi dihitung berapa lama algoritma bacpropagation dapat menghitung hasilnya.
Gambar 2. Flowchart Training Pada proses training data diinputkan ke dalam sistem. Setelah data diinputkan sistem akan menginisialisasi bobot awal dari setiap inputan dan bias dengan menggunakan algoritma nguyen widrow. Hitung nilai pada setiap layer dan gunakan fungsi aktivasi sigmoid untuk menentukan outputnya. Selanjutnya hitung eror pada outputnya. Bila eror sudah dibawah toleransi eror atau epoh sudah mencapai maksimum epoh maka simpan bobot dan tampilkan hasilnya. Bila belum memenuhi kriteria maka lakukan proses update bobot dan ulangi proses hitung nilai pada setiap layer. Pada proses testing bobot yang digunakan adalah bobot hasil dari proses training yang telah disimpan sebelumnya. Proses pada testing hampir sama dengan proses training hanya saja tidak terjadi proses update bobot. 3
Gambar 3. Flowchart Testing 4
HASIL PENGUJIAN
Pada penelitian ini menggunakan dataset wisconsin breast cancer dengan jumlah maksimun iterasi 10000, jumlah hiden layer 7, nilai belajar 0.7, dan nilai kesalahan 0.1. Pada tabel 1, saat proses pembelajaran dataset diatur secara acak antara kelas malignant dan benign sehingga hasil dari pembelajaran dapat dengan optimal dilakukan oleh algoritma backpropagation. Dari tabel 3 dapat dilihat bahwa akurasi dari backpropagation dengan penentuan bobot awal dengan nguyen widrow lebih baik daripada algoritma backpropagation tanpa nguyen widrow yaitu 92%.
SKENARIO UJI COBA
Tabel 3. Perbandingan antara Backpropagation dan Nguyen Widrow Backprogation No Metode Bena Sala Akuras . r h i (%) 1 Backpropagatio 79 21 79 n 2 Nguyen 92 8 92
Pada penelitian ini pengujian dilakukan dengan membandingkan antara hasil yang diperoleh dengan algoritma backpropagation dengan hasil yang ada di dataset yang diujikan. Setelah dilakukan pengujian, hasilnya akan dievaluasi dengan akurasi dan waktu komputasinya. Akurasi dapat dihitung dengan jumlah data yang benar 15
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Widrow Backpropagatio n 5
JELIKU Vol 2 No. 3 Agustus 2013
[6] Kusumadewi, 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu [7] Mait, H. M. N. 2009. Jaringan Syaraf Tiruan. Depok: Universitas Gunadarma. [8] Subekti, R. M. 2010. Perbaikan Metode Backpropagation untuk Pelatihan Jaringan Syaraf Tiruan Multilayer. Tangerang: P2TRR-Batan. Hal. 1-8. [9] Zaman, A. M., Amaliah, B. dan Munif, A. 2012. Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara. Jurnal Teknik ITS (1): 2012, hal: 222-227.
KESIMPULAN
Melalui penelitian ini, dapat diketahui dengan penambahan metode nguyen widrow pada inisialisasi bobot awal dapat mempercepat proses pembelajaran. Sehingga hasil klasifikasi menggunakan algoritma Baclpropagation menjadi lebih meningkat. Akan tetapi tingkat akurasi dari backpropagation masih mungkin dapat ditingkatkan. Untuk penelitian selanjutnya disarankan untuk mengembangkan penentuan bobot awal dan jumlah hidden layer agar bisa menghasilkan akurasi yang lebih baik. DAFTAR PUSTAKA [1] Ming, S. Hung, Shanker, Murali, Y. Hu, Michael. Estimating Breast Cancer Risks Using Neural Networks. Journal of Operation Research society:2001, 52, hal: 1-10. [2] Antara, I P. R., Sumarminingsih, E., dan Handoyo, S. 2010. Model Jaringan Syaraf Tiruan Backpropagation dengan Input Berdasarkan Model Regresi Terbaik. Malang: Universitas Brawijaya. [3] Dhaneswara, G. dan Moertini, V. S. 2004. Jaringan Saraf Tiruan Propagasi Balik untuk Klasifikasi Data. Integral, FMIPA Unpar, (9):3, hal. 1-11. [4] Kiki, S. K. 2004. Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation untuk Mendeteksi Gangguan Psikologi. Yogyakarta: Universitas Islam Indonesia. [5] Kumar, P. R., Murty, M. V. R., et al. 2008. Time Series Modeling Using Artificial Neural Networks. Journal of Theoretical and Applied Information Technology, 4 (12), hal. 259-264.
PENERAPAN QUEUE TREE PADA ROUTER MIKROTIK DALAM MANAJEMEN BANDWITH I Putu Ery Handika, I Komang Ari Mogi Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
16
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected] ABSTRAK Dalam mengelola suatu jaringan internet, sangat penting untuk mengatur pemakaian bandwidth yang akan digunakan oleh client. Jika tidak dilakukan pengelolaan, maka akan terjadi pemakaian bandwidth yang tidak teratur atau pemakaian bandwidth yang berlebihan oleh satu atau beberapa user. Pemakaian bandwidth yang berlebihan tersebut akan menyebabkan jaringan yang dikelola tidak dapat memberikan layanan yang maksimal kepada seluruh client. Router mikrotik memiliki fitur Queue yang dapat digunakan untuk mengatur alokasi bandwidth yang dialokasikan kepada setiap client. Queue tree akan digunakan dalam bandwidth management yang bertujuan meningkatkan kualitas layanan jaringan (Quality of Service) dengan mengoptimalkan bandwidth yang tersedia. Dari penelitian yang telah dilakukan, bandwidth minimum yang didapat client dapat dihitung dengan cara membagi bandwidth keseluruhan dengan jumlah client. Hasil yang didapat dari pengujian dengan alokasi bandwidth sebesar 2048 Kbps menggunakan satu client, rata-rata bandwidth yang didapatkan 2024 Kbps; menggunakan dua client 1004,5 Kbps; menggunakan tiga client 660 Kbps; dan empat client 519,25 Kbps. Dengan penerapan Queue Tree pembagian bandwidth menjadi teratur dan jika client lainnya tidak menggunakan bandwidth maka akan dialokasikan ke client lain yang membutuhkan sehingga dapat mengoptimalkan bandwidth yang tersedia. Kata Kunci : Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree. ABSTRACT It is important to set the bandwidth to be used by the client in managing an Internet network. There will be a bandwidth usage irregular or excessive bandwidth usage by one or more users if there is no bandwidth management. Excessive bandwidth usage will lead to a managed network that can not provide maximum service to all client. Router Queue in Mikrotik features can be used to manage the allocation of bandwidth distribution for each client. Queue Tree will be used in the bandwidth management which aims to improve the quality of network services (Quality of Service) to optimize the available bandwidth. From the research that has been done, the client obtained the minimum bandwidth can be calculated by dividing the total by the number of client bandwidth. The results obtained from testing with 2048 Kbps bandwidth allocation using a single client is average bandwidth of 2024 Kbps; using two clients is average bandwidth 1004.5 Kbps; using three client is 660 Kbps, and four client is 519.25 Kbps. With the implementation of Queue Tree of bandwidth distribution becomes more regular; if the client is not active, then the bandwidth will be allocated to another client who need it, to optimize the available bandwidth . Keywords: Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree.
baik berupa artikel, file, audio, video, gambar dan lain sebagainya. Untuk dapat bertukar informasi dibutuhkan sarana yang mendukung akan hal tersebut yaitu koneksi internet yang cepat dan stabil. Bandwidth adalah besaran yang menunjukkan seberapa banyak data yang dapat
PENDAHULUAN Pesatnya perkembangan terutama dalam jaringan menyebabkan kebutuhan akan meningkat pula. Dengan adanya internet setiap orang dapat bertukar
teknologi internet informasi jaringan informasi 17
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
dilewatkan dalam koneksi melalui sebuah network [1]. Bandwidth sangat berdampak pada kinerja jaringan dimana besarnya bandwidth akan berdampak pada kecepatan transmisi. Permasalahan yang sering muncul saat ini adalah proses dalam pengiriman data yang lambat bahkan tidak sampai di tujuan padahal bandwidth yang dimiliki sudah cukup dalam melakukan pertukaran informasi. Hal tersebut diakibatkan tidak adanya manajemen penggunaan bandwidth yang tepat dan teratur. Dalam manajemen bandwidth pada router mikrotik dapat menggunakan simple queue dan queue tree. Simple Queue merupakan teknik antrian menggunakan metode FIFO (First Input First Output) dimana paket data yang pertama datang akan diproses terlebih dahulu dan dimasukkan ke dalam antrian, selanjutnya dikeluarkan sesuai dengan urutan kedatangannya [4]. Sedangkan Queue tree merupakan teknik antrian menggunakan metode HTB (Hierarchical Token Bucket) dimana metode ini melakukan manajemen bandwidth dengan membatasi akses menuju alamat IP tertentu tanpa mengganggu trafik bandwidth pengguna lain [6]. Simple queue dan queue tree dapat mengontrol nilai throughput sesuai keinginan administrator dan memiliki nilai dari packet loss 0-3% tetapi simple queue memiliki delay lebih besar dari queue tree [7]. Berdasarkan permasalahan diatas maka solusi yang tepat adalah penerapan queue tree pada router mikrotik. Dengan fasilitas queue tree pada router mikrotik akan menjadikan jaringan lebih handal dengan penggunaan bandwidth yang teratur sehingga akan berdampak pada kecepatan akses.
JELIKU Vol 2 No. 3 Agustus 2013
kecil. LAN digunakan untuk menghubungkan komputer-komputer pribadi dan workstation dalam satu gedung untuk saling bertukar informasi. 2. Metropolitan Area Network (MAN) Metropolitan Area Network (MAN) merupakan jaringan yang mirip dengan LAN hanya saja ruang lingkupnya lebih luas. MAN digunakan untuk menghubungkan LAN-LAN yang lokasinya berjauhan. Wide Area Network (WAN) 3. Wide Area Network (WAN) merupakan jaringan yang ruang lingkupnya luas, misalnya menghubungkan sebuah negara. WAN terdiri dari LAN, MAN, dan kumpulan mesin untuk menjalankan program-program aplikasi pemakai. 4. Internet Internet merupakan jaringan komputer global yang menghubungkan dua komputer atau lebih untuk saling bertukar file, email dan pesan-pesan real-time. Internet juga dapat dikatakan sebagai kumpulan beberapa jaringan komputer yang berbeda-beda di seluruh dunia untuk dapat berkomunikasi satu sma lain dengan menggunakan TCP/IP. Bandwidth Bandwidth adalah besaran yang menunjukkan seberapa banyak data yang dapat dilewatkan dalam koneksi melalui sebuah network [1]. Bandwidth juga merupakan banyaknya bits maksimum yang dapat dikirim atau diterima dari komputer satu ke komputer lainnya dalam satuan waktu. Badwitdth dinyatakan dalam satuan bit per second (bps). Management Bandwidth Management bandwidth merupakan suatu cara yang dapat mengoptimalkan penggunaan dari suatu bandwidth dalam suatu jaringan. Management bandwidth mengoptimalkan layanan Quality Of Service (QoS) dalam menentukan tipe lalu lintas dari jaringan [4].
TINJAUAN PUSTAKA Jaringan Komputer Jaringan komputer merupakan kumpulan beberapa komputer dan perangkat lainnya dalam satu kesatuan [2]. Jaringan tersebut dapat terhubung dengan media transmisi kabel atau tanpa kabel. Terdapat beberapa jenis jaringan komputer, antara lain : 1. Local Area Network (LAN) Local Area Network (LAN), merupakan jaringan yang ruang lingkupnya relative
Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode manajemen bandwidth dengan membatasi akses menuju alamat IP tertentu tanpa
18
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
mengganggu trafik bandwidth pengguna lain [6]. HTB mempunyai parameter-parameter penyusun antrian yaitu : a. Rate, berfungsi dalam menentukan bandwidth maksimum yang dapat digunakan oleh setiap class, apabila bandwidth melebihi nilai dari “rate” maka paket data akan dipotong. b. Ceil, diatur untuk menentukan peminjaman bandwidth antar class yang dilakukan dari kelas paling bawah ke kelas di atasnya. Teknik ini disebut dengan link sharing.
JELIKU Vol 2 No. 3 Agustus 2013
dengan melakukan drop packet. Mekanisme yang dapat digunakan yaitu Drop Tail Router. Mekanisme ini akan membuang paket yang datang jika antrian pada buffer penuh [10].
Gambar 2. Mekanisme Drop Tail Router Teknik Antrian Queue Tree Queue Tree merupakan teknik antrian dalam melakukan manajemen bandwidth yang terdapat pada router mikrotikOS [8]. Mekanisme teknik antrian queue tree dapat dilahat pada Gambar 1.
Blok Diagram Manajemen Bandwidth Manajemen bandwidth diperlukan bagi jaringan multi layanan dengan mengoptimalkan layanan Quality Of Service (QoS) [9]. Proses aliran system manajemen bandwidth dapat dilihat pada Gambar 1 dibawah ini.
Gambar 3. Mekanisme Queue Tree Dari Gambar 2, teknik antrian queue tree adalah sebagai berikut: 1. Mark Packet, berfungsi menandai paket data yang akan diproses ke antrian. 2. Firewall, berfungsi menyeleksi paket sesuai dengan klasifikasi kelasnya. 3. Mangle berfungsi melakukan pembatasan bandwidth.
Gambar 1. Blok Diagram Proses Manajemen Bandwidth Dari Gambar 1 diatas, proses aliran sistem manajemen bandwidth terdiri dari filtering, classifier, buffer, scheduler. 1. Filtering digunakan dalam memfilter paket data berdasarkan alamat IP atau port. Filtering juga mengarahkan paket data ke tujuaannya. 2. Classifier berfungsi mengarahkan paket data yang datang ke kelas-kelas yang bersesuaian. Tujuannya adalah mempermudah paket data menuju antrian. Pada classifier terdapat estimator yang berfungsi mengestimasi bandwidth yang digunakan oleh klasifikasi kelas. 3. Buffer merupakan tempat penyimpanan paket sementara dimana buffer menyesuaikan waktu dengan menggunakan teknik antrian. 4. Scheduler berfungsi dalam penjadwalan paket data dari antrian atau buffer yang akan dikirim ke tujuannya.
Router Router merupakan perangkat keras dalam jaringan komputer yang berfungsi untuk meneruskan data dari satu jaringan ke jaringan lainnya. Router mengirimkan paket data ke tujuananya melalui sebuah jaringan dengan melakukan routing. Mikrotik Mikrotik merupakan sistem operasi berbasis Linux yang di install pada komputer yang digunakan sebagai router. Ada beberapa macam mikrotik yaitu Miroktik RouterOS dan Built in Hardware Miikrotik. Mikrotik RouterOS merupakan sistem operasi yang dapat digunakan untuk menjadikan komputer sebagai router, sedangkan Built in Hardware Mikrotik merupakan mikrotik dalam bentuk perangkat keras yang didalamnya sudah terinstall Mikrotik RouterOS atau biasa disebut dengan Mikrotik Router Board [3].
Mekanisme Packet Dropping Untuk mencegah atau merespons kodisi antrian yang overload dapat dilakukan 19
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Pembagian bandwidth menggunakan queue tree akan bersifat dinamis untuk setiap komputer client. Alokasi bandwidth yang didapat oleh seorang client bergantung pada ada atau tidaknya client lain yang menggunakan bandwidth. Bandwidth terendah yang didapatkan client adalah 512 Kbps dan bandwidth tertingggi yang didapat adalah 2 Mbps sehingga tidak akan ada bandwidth yang terbuang.
Winbox Winbox merupakan perangkat lunak dengan mode GUI (Graphical User Interface) yang user friendly dalam mengkonfigurasi Mikrotik RouterOS [5]. PERANCANGAN DAN KONFIGURASI SISTEM Analisis Kebutuhan Sistem Pada penelitian ini penulis melakukan manajemen bandwidth pada router mikrotik menggunakan queue queue. Sistem yang akan dibangun menggunakan satu buah router mikrotik RB750 dan empat laptop sebagai client. Model Rancangan Sistem Topologi jaringan yang akan bangun dapat dilihat pada Gambar 3.
JELIKU Vol 2 No. 3 Agustus 2013
1. Manajemen Bandwidth Queue Tree Total keseluruhan bandwidth yang digunakan adalah 2 Mbps dedicated. Jumlah client yang digunakan adalah 4 client. Alokasi bandwidth bersifat dinamis berdasarkan jumlah client yang menggunakan bandwidth sehingga bandwidth minimum yang didapat client adalah 512 Kbps dan maksimal 2 Mbps untuk download ataupun upload.
di
2. Setup Mangel Mangel berfungsi sebagai rule dalam limit bandwidth. Mangel yang digunakan yaitu mark connection dan mark packet. Setup Mark Connection a. Konfigurasi mark connection download yaitu : Chain = postrouting, Dst.
Gambar 4. Topologi Jaringan
Address = 192.168.10.0/24, Action = mark connection, New connection mark = MC-Download.
Pada gambar 3, di router akan di konfigurasi IP Public, IP local untuk client, DNS, DHCP, Firewall, serta manajement bandwidth menggunakan queue tree. IP public yang di peroleh dari ISP atau penyedia jasa internet yaitu 202.52.122.22/30 dan IP local yang digunakan yaitu 192.168.10.1/24. Alokasi bandwidth yang digunakan dalam jaringan adalah 2 Mbps dedicated.
b. Konfigurasi mark connection upload yaitu : Chain = prerouting, Dst. Address = 192.168.10.0/24, Action = mark connection, New connection mark = MC-Upload.
Setup Mark Packet a. Konfigurasi mark packet download yaitu : Chain = postrouting, Dst. Address = 192.168.10.0/24, Action = mark packet, New Connection Mark = MP-Download.
Pengambilan Data Pengambilan data dilakukan dengan melakukan download file dari ftp://nas.itossdmc.com dan mengakses beberapa situs oleh masing-masing client. Besaran file yang di unduh adalah 16 MB. Pada router mikrotik akan dilihat secara langsung penggunaan bandwidth dari client saat melakukan pengunduhan data dengan melihat trafik di queue tree pada winbox.
b. Konfigurasi mark packet upload yaitu : Chain = prerouting, Dst. Address = 192.168.10.0/24, Action = mark packet, New Connection Mark = MP-Upload.
c. Konfigurasi mark packet download client 1 yaitu : Chain = postrouting, Dst. Address = 192.168.10.101, Action = mark packet, New Packet Mark = DN-Client1.
Konfigurasi Sistem
d. Konfigurasi mark packet upload client 1 yaitu : Chain = prerouting, Src. 20
Jurnal Elektronik Ilmu Komputer - Universitas Udayana Address = 192.168.10.101, Action = mark packet, New Connection Mark = UP-Client1.
JELIKU Vol 2 No. 3 Agustus 2013
pcq_download, Packet Marks = MP-Download, Priority = 8, Max Limit = 2M b. Konfigurasi download client 1 yaitu :
e. Konfigurasi mark packet download client 2 yaitu : Chain = postrouting,
Name = DN-Client1, Parent = All-Download, Packet Marks = DN-Client1, Queue Type = pcq_download, Priority = 8, Limit At = 512K, Max Limit = 2M
Dst. Address = 192.168.10.102, Action = mark packet, New Packet Mark = DN-Client2. f.
Konfigurasi mark packet upload client 2 yaitu : Chain = prerouting, Src.
c. Konfigurasi download client 2 yaitu : Name = DN-Client2, Parent = All-Download, Packet Marks = DN-Client2, Queue Type = pcq_download, Priority = 8, Limit At = 512K, Max Limit = 2M
Address = 192.168.10.102, Action = mark packet, New Connection Mark = UP-Client2. g.
Konfigurasi mark packet download client 3 yaitu : Chain = postrouting,
d. Konfigurasi download client 3 yaitu :
Dst. Address = 192.168.10.103, Action = mark packet, New Packet Mark = DN-Client3.
Name = DN-Client3, Parent = All-Download, Packet Marks = DN-Client3, Queue Type = pcq_download, Priority = 8, Limit At = 512K, Max Limit = 2M
h. Konfigurasi mark packet upload client 3 yaitu : Chain = prerouting, Src. Address = 192.168.10.103, Action = mark packet, New Connection Mark = UP-Client3.
i.
e. Konfigurasi download client 4 yaitu : Name = DN-Client4, Parent = All-Download, Packet Marks = DN-Client4, Queue Type = pcq_download, Priority = 8, Limit At = 512K, Max Limit = 2M
Konfigurasi mark packet download client 4 yaitu : Chain = postrouting, Dst. Address = 192.168.10.104, Action = mark packet, New Packet Mark = DN-Client4.
j.
f.
Konfigurasi upload keseluruhan yaitu :
Name = All-Upload, Parent = ether5-Public, Packet Marks = MP-Upload, Priority = 8, Max Limit = 2M g. Konfigurasi upload client 1 yaitu : Name = UP-Client1, Parent = AllUpload, Packet Marks =UPClient1, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M h. Konfigurasi upload client 2 yaitu : Name = UP-Client2, Parent = AllUpload, Packet Marks =UPClient2, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M i. Konfigurasi upload client 3 yaitu : Name = UP-Client3, Parent = AllUpload, Packet Marks =UPClient3, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M j. Konfigurasi upload client 3 yaitu : Name = UP-Client3, Parent = AllUpload, Packet Marks =UPClient3, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M
Konfigurasi mark packet upload client 4 yaitu : Chain = prerouting, Src. Address = 192.168.10.104, Action = mark packet, New Connection Mark = UP-Client4.
3. Setup Queue Type Menambahkan Queue Type PCQ ( Per Connection Queue) untuk download dan upload yang berfungsi dalam membagi atau membatasi trafik multi users secara dinamis. Untuk Queue Type Upload konfigurasinya yaitu Type Name = pcq_upload, Kind = pcq, Classifier = Src. Address. Untuk Queue Type Download konfigurasinya yaitu Type Name = pcq_download, Kind = pcq, Classifier = Dst. Address.
4. Setup Queue Tree Pada Queue Tree akan diatur besar/kecil bandwidth yang diberikan ke client. Berikut merupakan konfigurasi download dan upload dalam queue tree. a. Konfigurasi download keseluruhan yaitu : Name = All-Download, Parent = bridge1-Lan, Queue Type = 21
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
k. Konfigurasi upload client 4 yaitu : Name = UP-Client4, Parent = AllUpload, Packet Marks =UPClient4, Queue Type = pcq_upload, Priority = 8, Limit At = 512K, Max Limit = 2M
Gambar 6. Pengujian dengan Dua Client Pada pengujian ketiga, akan dilakukan dengan menggunakan tiga client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 7.
PENGUJIAN DAN ANALISIS Pengujian management bandwidth menggunakan queue tree pada router mikrotik RB750 dilakukan dengan mengunduh file di ftp://nas.itossdmc.com sebesar 16 MB dan melakukan browsing ke www.youtube.com. Hal tersebut dilakukan dengan tujuan apakah router mikrotik dengan queue tree dapat membagi bandwidth yang tersedia sesuai dengan management bandwidth yang telah di konfigurasi sebelumnya. Pada pengujian pertama dilakukan dengan menggunakan satu client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 5.
Gambar 7. Pengujian dengan Tiga Client Pada pengujian keempat, akan dilakukan dengan menggunakan empat client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasi capture dapat dilihat pada Gambar 8.
Gambar 5. Pengujian dengan Satu Client
Gambar 8. Pengujian dengan Empat Client
Pada pengujian kedua, akan dilakukan dengan menggunakan dua client. Hasil pengujian dapat dilihat pada Tabel 1 dan hasil capture dapat dilihat pada Gambar 6.
Pada Tabel 1 di bawah ini merupakan nilai dari pengujian yang dilakukan sebanyak 30 kali dengan variasi download file, browsing, dan jumlah user.
Tabel 1. Hasil Pengujian Queue Tree Percobaan Ke1 2 3 4 5 6 7 8 9 10 11 12 13 14
Satu Client 2048 2042 2036 2048 2045 2048 2005 2041 2010 2032 2019 2000 2013 1998
Bandwidth maksimal yang diperoleh tiap client dari total Dua Client Tiga Client Empat Client 1002 1023 699 672 620 523 526 514 986 1011 697 630 643 522 516 517 1021 1025 665 695 632 512 523 524 984 992 679 689 626 525 513 515 1012 1010 656 619 692 516 529 512 912 1041 624 678 685 521 518 515 1015 1020 643 621 690 519 512 512 1001 929 675 631 677 522 523 514 1023 1032 663 656 671 527 529 513 918 1035 691 674 612 517 515 513 987 1023 680 662 659 524 516 524 1021 965 692 623 672 530 516 526 985 1021 620 679 695 518 524 524 998 1006 657 632 683 529 533 515 22
515 520 519 521 517 519 529 519 514 529 513 516 519 521
Jurnal Elektronik Ilmu Komputer - Universitas Udayana 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Rata-Rata
2021 2017 2005 2039 2038 1976 2042 2017 2009 2012 2040 2011 2034 2015 2017 2045 2024
1024 1024 1006 987 995 1020 1005 1003 997 1006 999 1023 1001 1014 1022 986 999
1014 1011 997 1024 1021 1003 1005 1020 1023 1002 978 1023 1021 988 1024 1009 1010
677 624 673 695 615 691 655 662 658 622 690 661 677 659 670 680 665
Dari Tabel 1, dapat dilihat bahwa management bandwidth menggunakan Queue Tree berhasil diterapkan. Hasil diatas menunjukan apabila hanya satu client yang menggunakan bandwidth maka bandwith akan diberikan kepada client tersebut dengan rata-rata 2024 Kbps, dengan demikian bandwith tidak akan terbuang percuma. Pada pengujian kedua jika ada dua client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk dua client yang menggunakan bandwidth tersebut. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 1004,5 Kbps. Pada pengujian ketiga jika ada tiga client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk tiga client yang menggunakannya. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 660 kbps. Pada pengujian keempat apabila ada tempat client yang menggunakan bandwidth maka bandwidth sebesar 2 Mbps dibagi untuk empat client yang menggunakannya. Rata-rata bandwidth yang didapat dari hasi pengujian sebesar 519,25 kbps.
JELIKU Vol 2 No. 3 Agustus 2013 699 610 692 675 695 636 673 689 699 689 641 681 691 620 636 649 661
619 689 622 623 681 661 650 629 630 648 653 646 627 698 655 627 654
526 525 515 520 516 523 521 512 524 516 514 529 520 517 512 524 521
521 522 517 526 517 522 520 523 526 513 526 512 515 529 530 527 521
512 515 512 514 513 512 519 515 517 518 522 517 525 523 513 512 516
517 519 529 519 514 519 516 529 518 529 513 524 513 520 514 515 519
2. Dari alokasi bandwidth sebesar 2 Mbps, pada pengujian pertama menggunakan satu client bandwidth yang di dapatkan client tersebut sebesar 2024 Kbps. Pada pengujian kedua menggunakan dua client, bandwitdth yang di dapat sebesar 1004,5 Kbps. Pada pengujian ketiga menggunakan tiga client, rata-rata bandwidth yang di dapat sebesar 660 Kbps. Pengujian terakhir menggunakan empat client rata-rata bandwidth yang didapat 519,25 Kbps. 3. Bandwidth minimum yang diapat client dapat hitung dengan cara besar bandwidth keseluruhan dibagi jumlah client. 4. Pembagian bandwidth untuk client menjadi teratur dan jika client lainnya tidak memakai bandwidth maka bandwidth dapat di alokasikan ke client lain yang memerlukan sehingga dapat mengoptimalkan bandwidth yang tersedia. DAFTAR PUSTAKA [1] Fourouzan, Behrouz A. 2007. Data Communication and Networking, Fourth Edition. McGraw-Hill. [2] Budhi Irawan. 2005. Jaringan Komputer. Graha Ilmu. [3] Herlambang, L. M. 2008. Panduan Lengkap Menguasai Router Masa Depan Menggunakan Mikrotik RouterOS. Yogyakarta. Andi. [4] Santosa, B. 2007. Manajemen Bandwidth Internet dan Intranet.
KESIMPULAN Kesimpulan yang dapat peneliti tarik dari penelitian ini adalah sebagai berikut : 1. Dengan management bandwidth menggunakan queue tree dapat mengatur besar kecilnya bandwidth yang di perlukan client sehingga memberikan hasil yang baik.
23
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
[5]
Hardana dan Ino Irvantino. 2011. Konfigurasi Wireless Routerboard Mikrotik. Yogyakarta. Andi [6] Kencana, Surya. Andriana, Giva. dan Idham, Iskandar. 2012. Implementasi Algoritma Per Connection Queue (PCQ) dalam Algoritma Hierarchical Tocken Bucket (HTB) untuk Pembagian Bandwidth pada Warnet Khelambiquenet. Bandung. Politeknik Telkom Bandung. [7] Yoga Saniya, Wahyu Adi Priyono, dan Rusmi Ambarwati. 2013. Sistem Manajemen Bandwidth dengan Prioritas Alamat IP Client. [8] Kustanto dan Saputro, Daniel. 2008. Membangun Server Internet dengan Mikrotik OS. Yogyakarta: Penerbit Graha Media. [9] Stalling, William. 2002. Komunikasi dan Komputer : Jaringan Komputer. Salemba.Jakarta. [10] Hendrawan. Congestion Control. http://telecom.ee.itb.ac.id/~hend/ET504 3/CongestionControl. Diakses 13 Maret 2014.
24
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PERANCANGAN SISTEM INFORMASI KEANEKARAGAMAN HAYATI DI PT. PERTAMINA DEPOT PENGISIAN PESAWAT UDARA (DPPU) NGURAH RAI I Gusti Putu Deviara Putra, I.B Made Mahendra Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana email:
[email protected],
[email protected] ABSTRAK Sistem informasi adalah sebuah sarana yang dibuat guna untuk memudahkan yang awalnya dikerjakan secara manual lalu di ubah kedalam bentuk komputerisasi sehingga semuanya dapat dikerjakan dengan mudah. Begitu juga di DPPU Ngurah Rai, Salah satu perusahaan BUMN di bali ini memiliki sebuah program untuk melestarikan flora dan fauna dalam sebuah pencatatatan data yang menandakan bahwa DPPU Ngurah Rai perduli terhadap lingkungan. Pada awalnya pendataan data keanekaragaman hayati yang mereka miliki secara manual, namun ada kendala dimana data yang di sudah di catat terkadang hilang sehingga harus di lakukan pendataan ulang. Sistem Informasi Keanekaragaman hayati ini di buat sebagai salah satu media yang dapat mengurangi terjadinya kendala-kendala tersebut. Dengan adanya sistem dapat mempermudah perusahaan dalam memberikan laporan bulanan mengenai kondisi dari keanekaragaman hayati yang mereka miliki. Hasil yang dicapai dalam sistem informasi ini sistem dapat sesuai dengan kebutuhan pengguna yaitu sebagai alat penyimpanan data flora dan fauna, sistem dapat memberikan fasilitas master data sebagai sarana untuk menambah, memodifikasi maupun menghapus data dan semuanya dapat tersaji dalam bentuk laporan. Kata Kunci: Sistem Informasi, Keanekaragaman Hayati, DPPU Ngurah Rai ABSTRACT The information system is a tool that created to facilitating the method of data collecting which at first the data collecting done manually and changed into computerized method, so everything could be done easily. As well as DPPU Ngurah Rai (one of the state-owned company in Bali), it has a program to preserve and record any data from animals and plants which indicates that the DPPU Ngurah Rai care about the environment. At first, the biodiversity data collecting was taken manually, whereas there were any problems that the collected data suddenly lost and caused the data collecting should be repeated. This Biodiversity Information System was made as one of obstacles reducing tools. The system able to supports the company to give monthly report about the condition of their own biodiversity. The results achieved in these information systems to fit the needs of system users, namely as a means of data storage flora and fauna, the system can provide the facilities master data as a means to add, modify or delete data and all of them can be presented in the form of a report. Keywords: System Information, Biodiversity, DPPU Ngurah Rai 2011 dan 2012[6]. Banyak cara dilakukan oleh DPPU Ngurah Rai Bali dalam memperoleh penghargaan dalam bidang pengelolaan lingkungan baik dalam pengolahan limbah bekas pakai maupun pengadaan keanekaragaman hayari dilingkungan kantor. Sebagai kantor yang ingin mempertahankan gelar proper ini, maka Tahun
1. Latar Belakang PT. Pertamina Depot Pengisian Pesawat Udara (DPPU) Ngurah Rai Bali adalah salah satu perusahaan BUMN yang terbaik di indonesia. Ini terbukti dari sejumlah pernghargaan yang telah diperoleh sebagai pemegang Penghargaan Proper Beyond Compliance 2 kali berturut-turut dari tahun 25
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
2013 yang lalu DPPU Ngurah Rai ingin mencoba kembali untuk mendapatkan penghargaan proper yang lebih tinggi yaitu proper emas dengan cara melakukan pendataan pada keanekaragaman hayati yang mereka miliki sebagai salah satu point tambahan dalam penilaian. Pendataan dilakukan secara manual dengan menggunakan penghitungan dan pemeriksaan kondisi fauna dan flora yang mereka miliki setiap bulannya. Dalam pendataan terjadi beberapa kendala dimana data yang disimpan dalam laporan ada saja yang hilang maupun tulisannya tidak jelas sehingga data tersebut harus dihitung ulang kembali. Untuk itulah akhirnya DPPU Ngurah Rai membuat sistem informasi keanekaragaman hayati untuk pendataan flora dan fauna yang mereka miliki dan sebagai salah satu tugas penulis selaku mahasiswa praktek. Sistem informasi keaneka-ragaman hayati merupakan sebuah sistem informasi yang di gunakan untuk dapat menampilkan informasi-informasi tentang keanekaragam-an satwa baik flora maupun fauna. Sehingga dengan adanya Sistem informasi ini, semua data dapat tersimpan dengan baik dan datapun dapat tersimpan dengan aman dalam sistem.
JELIKU Vol 2 No. 3 Agustus 2013
Informasi adalah sebuah rangkaian prosedur formal dimana data dikumpulkan, diproses menjadi informasi, dan didistribusikan kepada para pemakai”. 4.2 JQuery JQuery sendiri adalah Javascript Library atau kumpulan kode/fungsi Javascript siap pakai, sehingga mempermudah kita untuk membuat kode Javascript. Atau dalam kesimpulannya jQuery menyeder-hanakan kode Javascript. Hal ini sesuai dengan slogannya “Write less, do more”. Berikut kemampuan dari JQuery, yaitu : Mempermudah akses dan manipulasi elemen tertentu pada dokumen. Mempermudah modifikasi/ perubahan tampilan halaman web. Mempersingkat Ajax (Asynchronous Javacsript and XML). Memiliki API (Application Programming Interface). Menyediakan fasilitas untuk membuat animasi sekelas Flash dengan mudah. Mampu merespon interaksi antara user dengan halaman web dengan lebih cepat. 4.3 Keanekaragaman Hayati Keragaman hayati adalah istilah yang digunakan pertama kali oleh ilmuwan satwa liar dan pelestari Raymond F. Dasmann pada tahun 1968 meletakkan buku kesukaan Aneka Negara[7] konservasi advokasi. Istilah ini banyak digunakan hanya setelah lebih dari satu dekade, ketika pada 1980-an itu datang ke dalam penggunaan umum dalam ilmu pengetahuan dan kebijakan lingkungan. Thomas Lovejoy, dalam kata pengantar buku Biologi Konservasi,[8] memperkenalkan istilah untuk komunitas ilmiah. Sampai kemudian "keanekaragaman alam" istilah itu biasa, yang diperkenalkan oleh Divisi Ilmu dari The Nature Conservancy dalam studi 1975 yang penting, "Pelestarian Keaneka-ragaman Alam." Dengan program 1980 Ilmu awal TNC dan kepalanya, Robert E. Jenkins[9], Lovejoy dan ilmuwan konservasi terkemuka lainnya pada saat di Amerika menganjurkan penggunaan "keanekaragaman hayati". Keanekaragaman hayati bentuk kontrak Istilah itu mungkin telah diciptakan oleh WG Rosen pada tahun 1985 ketika merencanakan
2. Tujuan Sistem Informasi Keaneka-ragaman Hayati ini bertujuan untuk menampilkan daftar keanekaragaman hayati yang ada di DPPU (Depot Pengisian Pesawat Udara) Ngurah Rai baik itu Fauna dan Flora yang dimiliki. Selain itu, Sistem informasi ini juga berfungsi untuk menambah point penilaian proper. 3. Manfaat Manfaat yang didapatkan adalah segala jenis keanekaragaman hayati baik flora maupun fauna di DPPU Ngurah Rai dapat terdata dengan baik dan nantinya 4. Kajian Pustaka 4.1 Sistem Informasi Sistem informasi merupakan suatu kumpulan dari komponen- komponen dalam suatu organisasi yang berhubungan dengan proses penciptaan dan aliran informasi. Menurut James A. Hall ( 2007:6) Sistem
26
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Forum Nasional 1986 Keanekaragaman Hayati yang diselenggarakan oleh Dewan Riset Nasional (NRC). Ini pertama kali muncul dalam suatu publikasi pada tahun 1988 ketika sociobiologist EO Wilson digunakan sebagai judul prosiding[10] dari forum itu[11].
JELIKU Vol 2 No. 3 Agustus 2013
hayati yang ada, maka data ditampilkan dalam bentuk grafik berdasarkan jenisnya. 5.3 Perancangan Basis Data Sistem ini terdiri dari dua buah tabel yaitu tabel flora dan tabel fauna. Tiap tabel memiliki fungsinya masing-masing sehingga tidak ada hubungan antara kedua buah tabel. Adapun susunan atribut dari masing-masing tabel seperti berikut:
5. Perancangan 5.1 Gambaran Umum Sistem Informasi Keaneka-ragaman Hayati merupakan sistem informasi yang berfungsi untuk menampilkan data Fauna dan Flora yang terdapat di DPPU Ngurah Rai. Sistem ini menggunakan 2 tabel sebagai tempat penyimpanan data yaitu tabel hewan dan tabel tumbuhan. Dalam masing-masing tabel berisi atribut-atribut yaitu id, nama, nama ilmiah, sejak, kondisi, jumlah, keterangan. Selain 2 tabel sebagai tempat penimpanan data, ada juga 2 buah tabel yang di gunakan untuk menyimpan perubahan-perubahan data yaitu tabel master hewan dan tabel master tumbuhan. Dalam tabel ini akan tercatat data-data perubahan yang pernah dilakukan oleh admin jika terjadi perubahan-perubahan data seperti penambahan flora maupun fauna, atau terjadi penambahan maupun pengurangan jumlah satwa.
Tabel 1. Struktur tabel data hewan No Atribut Tipe Data 1
Id_hewan
Int(4)
2
Nama_hewan
Char(50)
3
Nama_ilmiah
Char(50)
4
Sejak
Date
5
Kondisi
Char(20)
6
Jumlah
Double
7
Keterangan
Text
Tabel 2. Struktur tabel master data hewan No Atribut Tipe Data
5.2 Analisis Kebutuhan Sistem Dalam tahap analisis, dilakukan proses pencarian informasi dan data yang dibutuhkan pada saat sistem yang dibangun. Pada tahap ini terdiri dari beberapa aktivitas yaitu:
5.2.1 Pengumpulan Informasi Pengumpulan informasi diperoleh melalu metode observasi. Dimana informasi diperoleh dengan cara mempergunakan data real yang terkait dengan data keanekaragaman hayati di DPPU Ngurah Rai.
1
Id
Int(4)
2
Id_hewan
Char(50)
3
Tanggal
Date
4
Jumlah
Double
5
Keterangan
text
Dalam struktur tabel hewan terdapat beberapa atribut diantaranya adalah id_hewan (int 4) yang befungsi sebagai kode dari tiap hewan yang ada. Dalam sistem Id_Hewan ini menggunakan autoincrement sehingga admin memasukan satwa baru maka id akan bertambah. Untuk atribut selanjutnya adalah Nama_Hewan (Char 50) dan Nama Ilmiah (Char 50) yang berfungsi memberi pengetahuan akan nama latin dari setiap satwa yang ada. Sejak dengan tipe data date adalah untuk memudahkan pendataan satwa tiap
5.2.2 Mendefinisikan
Sistem dan Kebutuhan Pengguna Dalam perancangan sistem ini, data-data yang dibutuhkan oleh pengguna adalah fasilitas penyimpanan data, master data yang berfunsi untuk melakukan penambahan, perubahan dan penghapusan data yang tersimpan di dalam database. Untuk melihat perkembangan jumlah data Keanekaragaman 27
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
harinya. Kondisi (Char 20) berfungsi menyimpan kondisi satwa ketika di kontrol setiap harinya. Jumlah (Double) berfugsi sebagai laporan jumlah dari satwa berdasarkan kodenya. Berdasarkan data penyimpanan tersebut maka di buatkan sebuah tabel yang berfungsi sebagai tempat penyimpanan data harian yang berfungsi untuk menapilkan laporan harian dari setiap satwa. Yang membedakan antara tabel master dan tabel hewan hanya pada tanggal (date). Jadi data perubahan akan di simpan berdasarkan tanggal perubahan dengan id yang berbeda. Sehingga setiap terjadi perubahan data akan tersimpan di master data hewan.
5.4 Data Flow Diagram (DFD) 5.4.1 Context Diagram
Gambar 1. Context Diagram Sistem infomasi keaneka-ragaman hayati ini memberikan kepada user dimana sistem ini akan di jalankan oleh pegawai dan pegawai dapat melakukan fungsi insert, update, delete data dan menyimpannya. Dari data yang sudah di simpan tadi maka sistem ini akan memberikan informasi dengan menampilkan data yang ada sesuai dengan yang telah di inputkan.
Tabel 3. Struktur tabel data tumbuhan No Atribut Tipe Data 1
Id_tanaman
Int(4)
2
Nama_tanaman
Char(50)
3
Nama_ilmiah
Char(50)
4
Sejak
Date
5
Kondisi
Char(20)
6
Jumlah
Double
7
Keterangan
Text
5.4.2 DFD Level 0 Sesuai dengan Context Diagram yang tertera dalam Gambar 4.1 di atas, dalam Data Flow Diagram level 0 sistem ini memiliki 2 buah proses utama yaitu proses input data dan master data sedangkan untuk data penyimpanannya terdapat dua buah tabel yaitu hewan dan tumbuhan. 5.4.3 DFD Level 1.1 DFD level 1.1 merupakan alur proses untuk melakukan input data dinama dalam input data sendiri terdiri dari dua jenis yaitu input data hewan dan input data tumbuhan.
Tidak berbeda dengan struktur tabel hewan, struktur tabel tumbuhan juga memiliki 2 buah tabel yaitu tabel tumbuhan yang berfungsi sebagai penyimpan data tumbuhan dan tabel data master tumbuhan sebagai penyimpan data record perubahan yang terjadi setiap ada perubahan data yang dilakukan oleh admin. Tabel 4. Struktur tabel master data tumbuhan No Atribut Tipe Data 1
Id
Int(4)
2
Id_tanaman
Char(50)
3
Tanggal
Date
4
Jumlah
Double
JELIKU Vol 2 No. 3 Agustus 2013
28
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Gambar 2. DFD Level 0
JELIKU Vol 2 No. 3 Agustus 2013
Antarmuka atau interface merupakan pemanis tampilan dalam sebuah system inforamasi, dalam system informasi keanekaragaman hayati ini memiliki 5 page yaitu Home, Data Fauna, Data Flora, Master Data, Report.
Pada dasarnya kedua proses input data ini sama, yang membedakan hanyalah tempat penyimpanan data masing-masing proses ketika menggunakan proses input data hewan maka penginputan data akan tersimpan dalam tabel penyimpanan hewan, demikian pula dengan proses penginputan data tumbuhan setelah selesai di inputkan makan akan tersimpan dalam tabel tumbuhan.
5.4.5.1 Home Page Page Home merupakan page index yang di design tampilan sederhana dengan di sertakan beberapa gambar tumbuhan-tumbuhan yang dimiliki oleh DPPU Ngurah Rai.
Gambar 3. DFD Level 1.1 5.4.4 DFD Level 1.2
Gambar 5. Tampilan Home Page
Pada DFD level 1.2 merupakan alur master data diman dalam proses ini terdiri dari 4 buah anak proses yaitu: ubah data hewan, delete data hewan, ubah data tumbuhan, dan delete data tumbuhan. Untuk melakukan proses-proses tersebut user harus memilih ingin melakukan update atau delete yang terdapat dalam kolo, action. Ketika salah satu proses di pilih, maka data penyimpanan akan memberikan data yang ingin di update atau di delete.
5.4.5.2 Data Fauna Page Data Fauna adalah page yang memberikan informasi tentang daftar fauna yang terdapat di DPPU Ngurah Rai seperti id hewan, nama hewan, nama ilmiah, sejak, kondisi, jumlah.
Gambar 6. Tampilan Data Fauna 5.4.5.3 Data Flora Page Data Flora adalah page yang memberikan informasi tentang daftar flora yang terdapat di DPPU Ngurah Rai seperti id tanaman, nama tanaman, nama ilmiah, sejak, kondisi, jumlah.
Gambar 4. DFD Level 1.2 5.4.5 Tampilan Antarmuka 29
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Gambar 7. Tampilan Data Flora
JELIKU Vol 2 No. 3 Agustus 2013
sudah terisi dengan data yang ingin di rubah. Setelah selasai merubah maka pilih update.
5.4.5.4 Master Data Page master data berisi 4 tab yang menggunakan java script untuk menampilkan tab-tab menu tersebut. Gambar 11. Form Edit/Hapus Data Gambar 8. Tampilan Button Master Data Form tambah data hewan di gunakan untuk menambah data hewan dengan mengisi nama hewan, nama ilmiah (jika ada), sejak, kondisi, jumlah. Form tambah data tumbuhan di gunakan untuk menambah data tumbuhan dengan mengisi nama tumbuhan, nama ilmiah (jika ada), sejak, kondisi, jumlah.
Gambar 12. Form Ubah Data Report Page merupakan page terakhir dalam Sistem informasi keanekaragaman hayati DPPU Ngurah Rai ini. Pada page ini hanya menampilkan total jumlah dari data yang ada baik fauna maupun flora dalam bentuk grafik dan dapat di cetak kedalam bentuk worksheet excel.
Gambar 9. Master Tambah Data Hewan
Gambar 13. Report Page
Gambar 10. Master Tambah Data Tumbuhan
6. Evaluasi Dalam Tahapan Evaluasi ini hanya akan membahas apakah sistem yang telah dirancang sudah sesuai dengan kebutuhan pengguna. Berikut adalah data evaluasi kebutuhan pengguna yang disajikan dalam bentuk tabel evaluasi
Form edit data adalah form untuk melakukan perubahan data atau penggurangan data. Untuk menghapus data maka user hanya perlu untuk memilih data yang ingin di hapus kemudian pada colom action pilih delete. Jika user ingin melakukan fungsi update data, sama seperti delete data tadi hanya saja dalam colom action pilih update maka akan muncul form seperti form tambah data dengan field-field
Tabel 5. Tabel Evaluasi KEBUTUHAN PENGGUNA
30
REALISASI DALAM
HASIL
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
SISTEM
Dapat Dapat Sesuai menyimpan terlaksana dengan data fauna dan (Gambar 6 permintaa flora dan Gambar n dan 7) kebutuhan pengguna Menyediakan Master data untuk melakukan penambahan maupun perubahan data
Dapat Terlaksana (Tersaji dalam Gambar 8, 9, 10, 11, 12)
Sesui dengan permintaa n dan kebutuhan pengguna
Menampilkan report dalam bentuk data yang tersaji dalam bentuk pdf
Belum dapat terlaksana tetapi hasil di tampilkan dalam bentuk Grafik pada sistem (Gambar 13)
Tidak sesuai dengan permintaa n namun sesuai dengan kebutuhan pengguna
Harus Ada admin khusus yang menjalankan Sistem ini agar penggunaannya lebih maksimal. Kemampuan SDM yang ada harus di tingkatkan khusunya dalam bidang teknologi yang salah satunya adalah Komputer agar dapat menjalan segala system informasi yang ada dengan lebih efisien.
DAFTAR PUSTAKA [1] Jogiyanto, H.M. 2001. Analisa dan Desain-Sistem Informasi, ANDI, Yogyakarta. [2] Firdaus. 2007. PHP dan MySQL dengan Dreamweaver, Maxikom, Palembang. [3] Sulimah. Sistem Informasi Manajemen, Diakses tanggal 28 September 2012 dari http://www.scribd.com/doc/29418092/Da ta-Base-Management-System-DBMSMySQL. [4] Piasecki, Dave. 2001. Inventory Operations Consulting LLC, Diakses tanggal 22 September 2012 dari shttp://www.inventoryops.com/warehous e_management_systems.htm [5] Fathansyah. 2002 . Basis Data. Informatika. Bandung [6] _____, Proper Hijau 2012-2013, Diakses tgl 28 September 2012, http://proper.menlh.go.id/portal/pubpdf/1 31213143528SLIDE%20HIJAU%20dan %20EMAS%20FINAL_.pdf, Kementrian Linkungan Hidup Republik IndonesiA. [7] Dasmann, RF 1968. Sebuah Aneka Negara. MacMillan Company, New York. ISBN 0-02-072810-7. [8] ME Soulé dan BA Wilcox. 1980). Konservasi Biologi: Sebuah Perspektif Evolusioner-Ekologis. Sinauer Associates. Sunderland, Massachusetts. [9] "Robert E. Jenkins". Nature.org. 201108-18. Diakses 2011-09-24. [10] Edward O.Wilson, editor, Frances M.Peter, associate editor, Keanekaragaman Hayati, National Academy Press, ISBN 0-309-03783-2 Maret 1988; ISBN 0-309-03739-5 (pbk.), edisi online. [11] Penilaian Keanekaragaman Hayati global. UNEP, 1995, Lampiran 6, Daftar Istilah.
Berdasarkan tabel di atas maka dapat di simpulkan bahwa hampir dari seluruh permintaan pengguna dapat terealisasi dan dapat berjalan dengan baik kecuali penyajian data dalam bentuk pdf. Namun penyajian data dalam bentuk pdf di sajikan dalam bentuk grafik pada sistem sehingga memudahkan dalam melihat perkembangan pertumbuhan dari setiap flora dan fauna yang ada. 7. Kesimpulan dan Saran 7.1 Kesimpulan Dengan adanya system informasi keanekaragaman hayati ini maka dapat disimpulkan Sistem Informasi Keanekaragaman Hayati DPPU Ngurah Rai merupakan sebuah system yang memberikan informasi tentang daftar flora dan fauna yang terdapat di DPPU Ngurah Rai. 7.2 Saran Melalui laporan ini maka penulis dapat memberikan beberapa saran kepada pembaca laporan ini sebagai berikut:
31
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
ISBN 0-521-56481-6, digunakan sebagai sumber oleh "Keanekaragaman Hayati", Daftar istilah terkait dengan CBD Mekanisme, Belgia Kliring. Diperoleh 2006/04/26.
32
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
IMPLEMENTASI SISTEM OPERASI ROUTER MIKROTIK SEBAGAI PROXY SERVER BERBASIS TRANSPARENT PROXY I Putu Iyasa Pringgagada Pecut, I Made Widhi Wirawan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected] ABSTRAK Teknologi komputer saat ini perkembangannya sudah sangat pesat sekali dimana perkembangannya ini sangat membantu kehidupan masyarakat saat ini khususnya dalam aktifitas internet. Fasilitas internet ini dimanfaatkan untuk mencari informasi, sharing file, chatting maupun sosial networking. Akan tetapi dengan banyaknya user dan terbatasnya ketersedian bandwaidth yang diberikan itu akan berakibat pada kecepatan akses internet pada suatu jaringan, dimana dalam aktifitas user dalam mencari informasi akan mengalami keterlambatan penerimaan informasi yang dibutuhkan Adapun salah satu cara yang dapat diterakan untuk sedikit lebih mempercepat akses internet dalam suatu jaringan yaitu dengan mengimplementasikan metode transparent proxy server, dimana metode ini akan diterapkan pada suatu server yang nantinya menyimpan data-data/konten yang pernah dikunjungi oleh user pada suatu situs internet, sehingga diharapkan dapat memperkecil pemakaian bandwidth dan mempercepat akses internet. Dari pengujian yang dilakukan didapatkan hasil kecepatan akses internet mengalami peningkatan sebesar 17,58% , throughtput sebesar 16,56% dan penghematan bandwidth sebesar 1,21% setelah menggunakan proxy transparent untuk mengakses ke suatu situs internet yang sudah pernah di akses klien. Kata Kunci : Proxy Server, Transparent Proxy ABSTRACT Current computer technology has been very rapid development where development is all very helpful people's lives , especially in today's internet activity. Internet facility is used to find information , share files , chat and social networking. However, with the number of users and the limited availability of bandwaidth given it will result in a speed Internet access on a network , wherein the user activity in search for information will experience delays in receipt of necessary information . As one of the ways that can be engraved for a little more speed up internet access in a network is to implement a transparent proxy server method , which method will be applied to a server that will store datas/contents ever visited by a user on an Internet site , which is expected to reduce bandwidth usage and speed up Internet access . From the tests showed speed Internet access increased by 17,58 % , 16,56 % and the throughput of the bandwidth savings of 1,21 % after using a transparent proxy for access to an internet site that has been in client access. Keywords: Proxy Server, Transparent Proxy berinteraksi dengan orang yang jauh sekalipun yaitu dengan fasilitas internet yang ada dalam suatu jaringan komputer. Dengan adanya internet secara luas dapat dimanfaatkan untuk berbagai aktivitas dan pekerjaan sehari-hari seperti mengirim email, sosial networking, chating, browsing, belanja online, bisnis
1. PENDAHULUAN Ilmu pengetahuan dan teknologi saat ini bukan hal yang asing lagi dimana perkembangannya sangat cepat sekali, dimana salah satunya adalah teknologi komputer. Dengan pesatnya teknologi komputer yang berkembang saat ini, masyarakat dapat 33
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
online, dan masih banyak lagi aktivitas yang dapat dilakukan. Aktivitas-aktivitas tersebut tidak jauh dari aktivitas download dan upload file, yang mana akan membutuhkan bandwidth yang cukup banyak. setiap melakukan aktivitas internet, bandwidth yang tersedia dalam suatu jaringan misalkan diperkantoran atau ditempat umum itu terbatas sedangkan yang memanfaatkan akses internet lebih dari 1 komputer/user akan mengakibatkan penurunan kecepatan akses internet. Akan tetapi dengan banyaknya user dan terbatasnya ketersedian bandwaidth yang diberikan itu akan berakibat pada kecepatan akses internet pada suatu jaringan, dimana dalam aktifitas user dalam pemcaharian informasi akan mengalami keterlambatan penerimaan informasi yang dibutuhkan. Adapun metode yang dapat dilakukan untuk memaksimalkan kecepatan akses data yang mana adanya keterbatasan bandwidth dalam suatu jaringan adalah dengan mengimplementasikan proxy server berbasis transparent proxy dengan menggunakan mikrotik. Dalam mengimplementasikan metode ini yaitu dengan smembangun sebuah jaringan komputer yang dihubungkan oleh router yang berfungsi mengatur aliran data dari satu jaringan ke jaringan lainnya dimana router ini memiliki perangkat lunak yaitu Mikrotik Router OS. Ini adalah sistem operasi yang khusus digunakan untuk membuat sebuah router dengan cara menginstallnya ke komputer atau pada routerboard. Fasilitas atau tools yang disediakan dalam Mikrotik Router OS sangat lengkap untuk membangun sebuah router yang handal dan stabil. Salah satu fasilitasnya adalah proxy. Dengan adanya fasilitas proxy pada mikrotik ini, diharapkan dapat membangun proxy server yang handal.
JELIKU Vol 2 No. 3 Agustus 2013
printer, media penyimpanan (hardisk,Floppy disk,cd-rom, flash disk, dan lain-lain). Jaringan komputer menjadi penting bagi manusia karena jaringan komputer mempunyai tujuan yang menguntungkan bagi mereka. Tujuan jaringan komputer antara lain : 1. Resource sharing/ berbagi sesumber: seluruh program, peralatan dan data yang dapat digunakan oleh setiap orang yang ada dijaringan tanpa dipengaruhi lokasi sesumber dan pemakai. 2. High reliability/kehandalan tinggi: tersedianya sumber-sumber alternative kapanpun diperlukan. 3. Menghemat uang : membangun jaringan dengan komputer-komputer kecil lebih murah dibandingkan dengan menggunakan mainframe. Data disimpan di sebuah komputer yang bertindak sebagai server dan komputer lain yang menggunakan data tersebut bertindak sebagai client. Bentuk ini disebut Client-server. 4. Scalability/skalabilitas:meningkatkan kinerja dengan menambahkan komputer server atau client dengan mudah tanpa mengganggu kinerja komputer server atau komputer client yang sudah ada lebih dulu. 5. Medium komunikasi : memungkinkan kerjasama antar orang-orang yang saling berjauhan melalui jaringan komputer baik untuk bertukar data maupun berkomunikasi. 6. Akses informasi luas: dapat mengakses dan mendapatkan informasi dari jarak jauh. 7. Komunikasi orang-ke-orang: digunakan untuk berkomunikasi dari satu orang ke orang yang lain.
2. LANDASAN TEORI 2.1 Jaringan Komputer Jaringan komputer merupakan sekumpulan komputer berjumlah banyak yang terpisah-pisah akan tetapi saling berhubungan dalam melaksanakan tugasnya. Dalam jaringan komputer yang dikatakan terkoneksi apabila saling terjadi bertukar data atau informasi, berbagai resource yang dimiliki, seperti file,
2.2 Pengertian DNS Domain Name System (DNS) adalah distribute database system yang digunakan untuk pencarian nama komputer (name resolution) di jaringan yang mengunakan TCP/IP (Transmission Control Protocol/Internet Protocol). 2.3 Pengertian NAT dan Firewall
34
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
NAT (Network Address Translation) atau yang lebih biasa disebut dengan NAT adalah suatu metode untuk menghubungkan lebih dari satu komputer ke jaringan internet dengan menggunakan satu alamat IP. Firewall adalah sebuah sistem atau perangkat yang mengizinkan lalu lintas jaringan yang dianggap aman untuk melaluinya dan mencegah lalu lintas jaringan yang tidak aman. Umumnya, sebuah firewall diimplementasikan dalam sebuah mesin terdedikasi, yang berjalan pada pintu gerbang (gateway) antara jaringan lokal dan jaringan lainnya. Firewall umumnya juga digunakan untuk mengontrol akses terhadap siapa saja yang memiliki akses terhadap jaringan pribadi dari pihak luar. Saat ini, istilah firewall menjadi istilah generik yang merujuk pada sistem yang mengatur komunikasi antar dua jaringan yang berbeda. Ilustrasi firewall dapat dilihat pada gambar 2.2 dibawah ini.
JELIKU Vol 2 No. 3 Agustus 2013
yang dilakukannya. Web server yang menerima request dari proxy server akan menginterpretasikan request-request tersebut seolah-olah request itu datang secara langsung dari komputer client, bukan dari proxy server. Fungsi dari proxy antaralain : 1. Conecting sharing : fungsi Proxy disini adalah penghubung atau perantara pengambilan data dari suatu IP dan dihantarkan ke IP lain 2. Filtering : Beberapa proxy dilengkapi juga dengan firewall yang mampu memblokir atau menutup alamatnya suatu IP yang tidak diinginkan 3. Caching artinya menyimpan proxy juga dilengkapi media penyimpanan data suatu website dari query atau permintaan akses pengguna. 2.4.1
Transparent Proxy Tranparent Proxy adalah konfigurasi proxy dimana client yang terhubung ke proxy tidak harus menyeting browser satu2 jadi tinggal redirect saja maka komputer itu sudah bisa memanfaatkan server proxy sebagai cache, ini berguna bagi area hotspot atau warnet yang tidak perlu repot untuk mengkonfigurasikan tiap browser di client. Transparent proxy lebih mengutamakan fungsi sebagai kurir atau perantara pengambilan data. Biasanya proxy tranparents ini bisa kita gunakan untuk mempercepat akses ke suatu website. 2.4.2
Non-transparent Proxy Non-transparent Proxy adalah konfigurasinya merupakan kebalikan dari transparent proxy dimana setiap klien yang akan terhubung mengakses suatu situs internet akan dikenakan aturan proxy, maka pada setiap aplikasi seperti internet browser, FTP client, dan yang lainnya, yang menuju jaringan luar internet harus dikonfigurasi agar terhubung ke proxy server tersebut.
Gambar 2.1 Ilustrasi Firewall (Sumber:http://id.wikipedia.org/wiki/Berkas:Il ustrasi-Firewall.png) 2.4 Pengertian Proxy Server Proxy server adalah sebuah komputer server atau program komputer yang dapat bertindak sebagai komputer lainnya untuk melakukan request terhadap content dari Internet. Proxy Server bertindak sebagai gateway terhadap dunia internet untuk setiap komputer klien. Proxy server tidak terlihat oleh komputer klien, seorang pengguna yang berinteraksi dengan internet melalui sebuah proxy server tidak akan mengetahui bahwa sebuah proxy server sedang menangani request
2.5 Router Router adalah sebuah alat jaringan komputer yang mengirimkan paket data melalui sebuah jaringan atau Internet menuju tujuannya, melalui sebuah proses yang dikenal sebagai routing. Proses routing terjadi pada lapisan 3 (Lapisan jaringan seperti Internet
35
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Protocol) dari stack protokol tujuh-lapis OSI. Router berfungsi sebagai penghubung antar dua atau lebih jaringan untuk meneruskan data dari satu jaringan ke jaringan lainnya. Router berbeda dengan switch. Switch merupakan penghubung beberapa alat untuk membentuk suatu Local Area Network (LAN). Secara umum, router dibagi menjadi dua buah jenis (Ayu, 2009), yaitu :
JELIKU Vol 2 No. 3 Agustus 2013
gateway. Untuk keperluan beban yang besar (network yang kompleks, routing yang rumit) disarankan untuk mempertimbangkan pemilihan resource PC yang memadai. Jenis – jenis Mikrotik adalah : 1. MikroTik RouterOS yang berbentuk software yang dapat di-download di www.mikrotik.com. Dapat diinstal pada komputer rumahan (PC). 2. BUILT-IN Hardware MikroTik dalam bentuk perangkat keras yang khusus dikemas dalam board router yang didalamnya sudah terinstall MikroTik RouterOS.
1. Static router (router statis): adalah sebuah router yang memiliki tabel routing statis yang diset secara manual oleh para administrator jaringan. 2. Dynamic router (router dinamis): adalah sebuah router yang memiliki dab membuat tabel routing dinamis, dengan mendengarkan lalu lintas jaringan dan juga dengan saling berhubungan dengan router lainnya. Skema jaringan dengan perangkat router dapat dilihat pada gambar 2.1.
2.7 Winbox Winbox adalah sebuah utility yang digunakan untuk melakukan remote ke server mikrotik kita dalam mode GUI. Jika untuk mengkonfigurasi mikrotik dalam text mode melalui PC itu sendiri, maka untuk mode GUI yang menggunakan winbox ini kita mengkonfigurasi mikrotik melalui komputer client. Mengkonfigurasi mikrotik melaui winbox ini lebih banyak digunakan karena selain penggunaannya yang mudah kita juga tidak harus menghapal perintah-perintah console. Untuk mendapatkan winbox anda bisa mendownloadnya atau bisa juga mendapatkan langsung include di mikrotik anda.Caranya buka browser anda, tuliskan http://ipaddressrouter/winbox/winbox.exe 3. PEMBAHASAN 3.1 Kebutuhan Hardware Adapun kebutuhan akan hardware yang mendukung untuk implementasi dari penggunaan proxy server ini adalah routerboard RB433 dan kabel RJ-45
Gambar 2.2 Skema Jaringan dengan Router (Sumber : Supandi M. 2005) 2.6 Pengertian MikroTik RouterOS™ MikroTik RouterOS™,merupakan sistem operasi Linux base yang diperuntukkan sebagai network router. Didesain untuk memberikan kemudahan bagi penggunanya. Administrasinya bisa dilakukan melalui Windows Application (WinBox). Selain itu instalasi dapat dilakukan pada Standard komputer PC (Personal Komputer). PC yang akan dijadikan router mikrotik pun tidak memerlukan resource yang cukup besar untuk penggunaan standard, misalnya hanya sebagai
3.2 Skema Jaringan Adapun skema jaringan proxy server yang akan dibuat dapat dilihat pada gambar 2.3. Dimana pada routerboard dilakukan konfigurasi agar dapat digunakan sebagai server proxy yang nantinya akan menyediakan layanan untuk user klien adalah seperti di bawah ini :
36
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Pemberian nama pada Ethernet 3 dengan nama public untuk menandai Ethernet itu yang memiliki akses koneksi ke server.
INTERNET
3.3.2 Setting IP Address Kemudian langkah selanjutnya pemberian alamt ip pada masing masing Ethernet yaitu dengan perintah sebagai berikut atau dapat dilihat pada gambar 3.3 : [admin@Mikrotik] > ip address add address=192.168.1.1/24 interface=local [admin@Mikrotik] > ip address add address=10.101.0.244/28 interface=public
KLIEN 1
ROUTERBOARD SERVER KLIEN 2
Gambar 2.3 Skema Jaringan Proxy Server 3.3 Konfigurasi Proxy Server Adapun langkah-langkah konfigurasi yang dilakukan untuk membangun proxy server adalah sebagai berikut: 3.3.1 Setting Lan-Card Ethernet Name Pertama yang dilakukan adalah pemberian nama pada lan-cardnya untuk Ethernet. Pemberian nama pada Ethernet 1 dapat dilakukan dengan perintah sebagai berikut dan hasil dapat dilihat pada gambar 3.1.. [admin@Mikrotik] > interface set ether2 name=local
Gambar 3.3 Pemberian alamat IP Ip local diatur dengan alamat ip 192.168.1.1/24 dan Ip public diatur dengan alamat 10.101.0.244/28 3.3.3 Setting DNS Untuk Setting DNS via terminal sebagai berikut : [admin@Mikrotik] > ip dns set primary-dns=10.101.0.254 [admin@Mikrotik] > ip dns set secondary-dns=4.2.2.2 [admin@Mikrotik] > ip dns print server : 10.101.0.254, 4.2.2.2 max-udp-packet-size: 512 allow-remote-requests: no cache-size: 2048KiB cache-max-ttl: 1w cache-used: 5KiB
Gambar 3.1 Pemberian nama Ethernet Local Pemberian nama pada Ethernet 2 dengan nama local untuk menandai Ethernet itu merupakan nama yang diberikan untuk menandai Ethernet yang akan diakses oleh public user. Dapat disetting dengan perintah pada terminal mikrotik sebagai berikut dan hasil dapat dilihat pada gambar 3.2. [admin@Mikrotik] > interface set ether3 name=public
Gambar 3.2 Pemberian nama Ethernet public 37
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 3.6 Setting NAT firewall 3.3.6 Konfigurasi Transparent Proxy Konfigurasi yang perlu dilakukan untuk mengaktifkan mode transparent proxy yaitu : Gambar 3.4 Setting DNS Pada gambar di atas DNS server diatur dengan memberikan Ip address 10.101.10.254 dengan Ip address alternative 4.2.2.2. maximal paket yang bisa di akses pada protocol UDP sebesar 512 MB dengan cache size 2045 per user. 3.3.4 Konfigurasi Gateway Kemudian melakukan konfigurasi gateway yang berfungsi untuk menghubungkan jaringan lokal dengan jaringan public. Sebagai berikut : [admin@Mikrotik] > ip route add gateway=10.101.0.254
Gambar 3.5 Setting Gateway
Gambar 3.7 Konfigurasi Tansparent Proxy
Pengaturan gateway diberikan dengan alamat ip 10.101.0.254.
Pengaturan transparent proxy disetting dengan mengaktifkan pilihan enable dan menset port dengan 3128 (biasanya otomatis).
3.3.5 Konfigurasi Firewall NAT Untuk dapat terkoneksi dengan internet, maka harus melakukan pengaturan NAT Firewall yaitu sebagai berikut : [admin@Mikrotik] > ip firewall nat add action=masquerade outinterface=public chain=srcnat
3.3.7 Setting Redirect Firewall NAT Untuk memaksa koneksi dari client diarahkan ke proxy server maka dilakukan pengaturan pada firewall nat yaitu sebagai berikut : [admin@Mikrotik] > ip firewall nat add chain=dstnat protocol=tcp dstport=80 action=redirect toport=3128
38
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 3.10 Uji koneksi ke ISP Untuk pengujian koneksi ke alamat ISP dapat dilihat pada gambar 3.10.
Gambar 3.8 Konfigurasi redirect 3.4 Hasil Implementasi Proxy Server Adapun hasil dari implementasi perbandingan antara Transparent Proxy dengan Nontransparent Proxy antara lain sebagai berikut : 3.4.1 Pengujian Koneksi Tujuan pengujian koneksi dalam hal ini adalah untuk memastikan antara klien dan server sudah terhubung dengan baik. Untuk Pengujian koneksi komputer client dengan jaringan publik, yang perlu dilakukan adalah melakukan traceroute yang dapat dilihat pada gambar di bawah ini :
Gambar 3.11 Ujian koneksi ke DNS Untuk pengujian koneksi ke alamat DNS dapat dilihat pada gambar 3.11. 3.4.2 Monitoring Proxy Untuk memonitoring Proxy server sudah berjalan atau tidak dapat dilakukan langkah sebagai berikut : Untuk memonitor proxy berjalan atau tidak, ketik perintah ini pada terminal winbox. [admin@Mikrotik] > ip proxy monitor interval=1
Gambar 3.9 Uji koneksi client ke ip publik
Pada gambar 3.12, monitoring dilakukan tanpa proxy/proxy disable, sehingga data-data website (contoh website : www.detik.com) tidak tersimpan pada cache content pada winbox dapat dilihat pada cacheused = 0 KiB. Itu menandakan proxy tidak aktif.
Untuk pengujian koneksi dari client ke jaringan public dapat dilihat pada gambar 3.9.
39
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
halaman website www.detik.com maka client tidak lagi merequest ke web servernya, browser akan mencarinya di proxy server terlebih dahulu dengan demikian, akses web dapat lebih cepat. 3.4.3 Hasil Pengujian 3.4.3.1 Pengujian Non-transparent Proxy Hasil pengujian dari Non-transparent Proxy dapat dilihat pada tabel 3.1 dibawah ini: Tabel 3.1 Non-transparent Proxy Non-transparent Proxy (Proxy Disable) Bandwidth Percobaan Waktu Hasil ke (ms) (Kb/s) (Byte) 1 2 3 4 5
32503 84100 18720 16718 27279
2.68 1.04 4.66 5.22 3.2
89319 89319 89319 89319 89296
6 7 8 9 10
7633 9417 9182 11651 7152
11.42 9.18 9.38 7.48 12.09
89262 88517 88195 89296 88574
3.4.3.2 Pengujian Transparent Proxy Hasil dari pengujian dengan Transparent Proxy dapat dilihat pada tabel 3.2 dibawah ini :
Gambar 3.12 Monitoring tanpa Proxy
Tabel 3.2 Transparent Proxy Transparent Proxy (Proxy Enable) Percobaan Waktu Hasil Bandwidth ke (ms) (Kb/s) (Byte) 1 7749 11.08 88342 2 7827 10.97 88342 3 10360 8.29 87905 4 14694 5.84 87695 5 9226 9.31 87695 6 14244 6.03 87695 7 8 9 10
Gambar 3.13 Proxy Enable Pada gambar 3.13 dapat dilihat proxy dalam keadaan enable, saat mengakses alamat www.detik.com data-data yang dari halaman website tersebut sudah di simpan dalam cache mikrotik. Jika ada client lain yang mengakses
11505 8496 11944 7876
7.47 10.11 7.19 10.91
87699 87416 87416 89382
3.4.4 Perbandingan Hasil Pengujian Dari hasil pengujian dengan kondisi proxy disable (Non-transparent Proxy) dengan 40
Jurnal Elektronik Ilmu Komputer - Universitas Udayana 2 3 4 5 6 7 8 9 10 Rata -rata Peningkat an Kinerja (%)
proxy enable (Transparent Proxy) adalah sebagai berikut yang dapat dilihat pada tabel 3.3 dan Bagan perbandingan hasil antara Nontransparent dan Transparent Proxy dapat dilihat pada gambar 3.14 dibawah ini : Pada gambar 3.1 menjelaskan perbandingan hasil dari transparent proxy dan Non-transparent proxy.
4. SIMPULAN Dari hasil uji coba yang dilakukan terhadap kerja proxy server yang penulis buat, dapat disimpulkan dengan penggunaan proxy server pada mikrotik telah dapat berjalan dengan baik,website yang pernah di akses oleh client tidak perlu lagi di akses ke web servernya, sehingga untuk mengakses website yang sudah pernah di akses menjadi lebih cepat. Tapi kecepatan akses sebuah website juga sangat ditentukan oleh kecepatan jaringan yang ada. Dari pengujian yang dilakukan didapatkan hasil kecepatan akses internet mengalami peningkatan sebesar 17.58% , throughtput sebesar 16.56% dan penghematan bandwidth sebesar 1.21% Tabel 3. 3 Hasil Presentase Pengujian Persentase hasil pengujian Percobaan Waktu Hasil Bandwidth ke (%) (%) (%) 23.84
24.19
9.31 55.34 87.89 33.82 186.61 122.17 92.53 102.51 110.12 82.42 17.58
9.48 56.21 89.38 34.37 189.39 122.89 92.78 104.03 110.82 83.35 16.65
98.91 98.42 98.18 98.21 98.24 99.08 99.12 97.89 100.91 98.79 1.21
DAFTAR PUSTAKA [1] Herlambang, Moch, Linto dan Catur, Azis L. 2008. Panduan Lengkap Menguasai Router Masa Depan Menggunakan MikrotikOS. Yogyakarta : Andi. [2] Supandi M. 2006. Instalasi dan Konfigurasi Jaringan Komputer (Edisi Revisi). Bandung : Informatika Bandung. [3] Syafrizal M. 2005. Pengantar Jaringan Komputer. Yogyakarta : Andi. [4] Towidjojo R. 2012. Konsep & Implementasi Routing dengan Router Mikrotik 100% Connected. Jakarta : Jasakom. [5] Imam C. 2013. Linux Networking. Jakarta : Jasakom.
Gambar 3.14 Bagan Hasil Perbandingan Pengujian
1
JELIKU Vol 2 No. 3 Agustus 2013
98.91 41
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PURWARUPA APLIKASI MESIN PENCARI REFERENSI I Putu Sutria Narada, Agus Muliantara, Ida Bagus Dwidasmara Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected] ABSTRAK Terdapat banyak sekali referensi yang dapat dijadikan dasar suatu penelitian, diperlukan banyak waktu untuk mensortirnya secara manual. Diperlukan suatu fasilitas agar pencarian referensi ini dapat dilakukan secara efisien, dan tidak memakan banyak waktu. Solusi dari masalah tersebut adalah penerapan bidang ilmu text mining yaitu sistem temu kembali informasi. Dengan menerapkan model ruang vektor, dokumen – dokumen referensi tersebut disimulasikan memiliki suatu posisi berdasarkan term penyusunnya. Dari posisi-posisi dokumen ini, dengan membandingkan posisi dari suatu dokumen terhadap kata kunci pencarian, akan ditemukan dokumen mana sajakah yang memiliki kesamaan dengan kata kunci yang diinginkan, dengan menghitung nilai cosine similarity yang mereprentasikan tingkat kesamaan antar dokumen, sehingga dokumen yang memiliki nilai similarity paling tinggi akan menduduki peringkat pertama dalam pencarian. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dan dokumen uji menggunakan 100 jurnal bahasa indonesia yang di ambil secara acak dari internet. Penelitian ini berhasil menerapkan model ruang vektor, dan hasil dari penelitian ini menunjukan bahwa aplikasi yang dibangun penulis dapat menangani masalah pencarian referensi ilmiah dengan baik, terlihat dari hasil evaluasi nilai dengan precision sebesar 62% dan nilai recall sebesar 100%. Kata Kunci : Cosine similarity, model ruang vektor, sistem temu kembali informasi, STKI ABSTRACT Many refrence that can be used as study basis, but it takes a lot of time to sort those references manualy. A facilities needed to help sorting all those refrence in eficient way. The solution of those problems lays on Information retrival knowledge. With appliying vector space model, the position of the reference document can be simulated using terms that construct those references document. By comparing this posistion with the search query, will be found a similarity value that represent the level of similarity between refrence documents and the search query. This aplication developed using PHP programing language and using 100 Indonesian journal abstract that downloaded randomly from the internet. This research has been succsesfully implemented the vector space model, and the result of this research shows that the aplication that author build has able to handle the reference sorting problems well, seen from the evaluatin resul witht recall value 100% and precision value 62%. Keywords: Cosine similarity, Information retrival, IR, Vector space model informasi yang relevan dengan maksud yang dituju. Tentu saja hal tersebut juga berlaku dalam hal pencarian referensi, pencarian referensi sangatlah dibutuhkan untuk pengembangan penelitian, karena tanpa referensi seorang peneliti akan mengalami kesulitan untuk menentukan landasan dasar. Oleh karena itu, diperlukan suatu sistem yang dapat
PENDAHULUAN Dalam perkembangan teknologi yang begitu pesat seperti saat ini, kebutuhan akan informasi sangatlah tinggi. Informasi yang tersedia sangatlah banyak, sehingga akan sangat menyulitkan jika dilakukan pencarian secara manual. Oleh sebab itu diperlukannya suatu mesin pencari untuk membantu mencari
42
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
mengekstrak informasi dari kumpulan dokumen, dimana kumpulan dokumen ini hanya terfokus pada kumpulan dokumen referensi. Sehingga dapat membantu mempermudah pencarian referensi relevan untuk landasan penelitian.
JELIKU Vol 2 No. 3 Agustus 2013
(term). Frekuensi kemunculan term adalah petunjuk sejauh manakah suatu term tersebut mewakili suatu dokumen.
LANDASAN TEORI 1. Sistem Temu Kembali Informasi Sistem Temu Kembali Informasi (STKI) didefinisikan sebagai pencarian atau penemuan dokumen yang tidak terstruktur yang memenuhi kebutuhan informasi dari data dalam jumlah besar (Manning et al, 2009). Menurut Hasugian (2008) terdapat lima komponen yang memiliki peran penting dalam proses temu kembali informasi. yaitu : 1. Pengguna, yaitu orang yang menggunakan dan sistem 2. Query, yaitu format bahasa yang digunakan oleh pengguna kedalam Sistem Temu Kembali Informasi. 3. Dokumen, yaitu istilah yang digunakan untuk bahan pustaka.. 4. Indeks dokumen, yaitu istilah atau kata yang disimpan kedalam database yang berfungsi sebagai representasi sebuah dokumen. 5. Pencocokan, yaitu pembandingan istilah yang dimasukkan oleh pengguna dengan indeks dokumen yang ada. Pada tahapan pembangunan index dokumen suatu dokumen harus melalui tahapan berikut. 1. Tokenization adalah memecah dokumen menjadi kumpulan kata, dimana dalam proses pemecahan ini dilakukan pengubahan semua huruf kapital menjadi huruf kecil dan juga proses penghilangan tanda baca. 2. Filtering adalah proses penghilangan kata yang tidak relevan dengan suatu artikel, diantaranya adalah kata sambung dan kata tanya. 3. Stemming adalah proses pengembalian suatu kata menjadi kata dasar dengan menggukan algoritma pemecah kata yang berbeda pada tiap bahasa. 4. Term weighting atau pembobotan kata adalah pembobotan dasar penghitungan nilai frekuensi kemunculan suatu kata
Gambar 1. Model ruang vektor 2. Vector space model Vector space model (VSM) atau model ruang vektor adalah suatu metode untuk merepresentasikan dokumen dan query dalam bentuk vektor pada ruang multidimensional (Singh dkk, 2012). Dimana tiap kata (term) yang menyusun suatu dokumen menjadi banyak dimensi dari suatu dokumen. Dokumen sendiri diwujudkan dalam bentuk vektor berarah sesuai dengan term yang membentuknya dan nilai kedekatan antar dokumen dihitung dari nilai sudut antar vektor yang berdekatan. Pada gambar 1 terlihat sudut θ1 yang dibentuk antara Q dan D1 dan θ2 untuk sudut yang dibentuk oleh Q dan D2, sudut inilah yang memperlihatkan nilai kedekatan vektor query dan vektor dokumen, dimana semaki kecil sudutnya semakin besar pula nilai kedekatannya. Sudut yang dibentuk oleh dua buah vektor dapat dihitung dengan melakukan perkalian dalam (inner product), sehingga rumus relevansinya, adalah:
Dimana : Q = bobot query D = Bobot dokumen |Q| = Panjang query |D| = Panjang dokumen Dari hasil persamaan diatas didapatkan nilai similarity antara query dan dokumen – dokumen pada koleksi, sehingga akan didapatkan hasil dokumen yang telah
43
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
terangking tersebut.
berdasarkan
nilai
kesamaan
JELIKU Vol 2 No. 3 Agustus 2013
oleh Chisholm (1999) yang digunakan untuk pembobotan documen yang bersifat lokal. Dimana L adalah bobot lokal untuk term i pada dokumen j, dan f adalah frekuensi maka pembobotan square root dirumuskan dengan. jika, fij > 0 √ jika fij = 0
3. Stemming Arifin Steming arifin digunakan untuk pemotongan kata sehingga didapat kata dasar dari kata tersebut. Berikut langkah-langkah steming arifin. Setiap kata diasumsikan memiliki 2 awalan (prefiks) dan 3 akhiran (sufiks), dengan susunan Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1 Pemotongan dilakukan secara berurutan dari awalan (AW), akhiran (AK), dan kata dasar (KD) Jika sampai pada pemotongan AKIII, belum juga ditemukan di kamus, maka dilakukan proses kombinasi. KD yang dihasilkan dikombinasikan dengan imbuhan-imbuhannya dalam 12 konfigurasi berikut: a. KD b. KD + AK III c. KD + AK III + AK II d. KD + AK III + AK II + AK I e. AW I + AW II + KD f. AW I + AW II + KD + AK III g. AW I + AW II + KD + AK III + AK II h. AW I + AW II + KD + AK III + AKII + AKI i. AW II + KD j. AW II + KD + AK III k. AW II + KD + AK III + AK II l. AW II + KD + AK III + AK II + AK I
4.2 Global frequency IDF Penulis menggunakan pembobotan global IDF untuk menghitung boboy global dari suatu dokumen, dimana jika suatu term muncul sekali pada setiap dokumen atau sekali pada satu dokumen, akan diberikan bobot paling kecil. Sebuah term yang secara relatif muncul pada beberapa dokumen akan mendapat bobot yang besar. Dirumuskan seperti berikut.
Dimana Gi adalah bobot global, Fi adalah frekuensi kemunculan term i pada suatu dokumen, dan ni adalah jumlah dokumen yang memuat term i 4.3 Cosine normalisation Untuk normalisasi penulis menggunakan normalisasi cosine similarity berikut persamaannya. √∑ Dimana Nj adalah nilai normalisasi suatu dokumen j, m adalah jumlah term pada dokumen j, Gi adalah bobot global dari term i, dan Lij adalah bobot lokal dari term i pada dokumen j.
4. Pembobotan term Penulis menggunakan metode pembobotan yang dikembangkan oleh Chisholm (1999) yaitu kombinasi dari square root weighting, global frequency IDF, cosine normalisation, untuk pembobotan pada vektor dokumen, serta binary weighting dan inverse document frequency, dan non normalisasi untuk pembobotan query. Dimana dalam dari penelitian sebelumnya, kombinasi pembobotan ini, dibuktikan memiliki hasil yang lebih baik dibanding dengan pembobotan yang dilakukan pada umumnya.
4.4 Binary weighting Cara ini, akan menghasilkan nilai boolean berdasarkan kemunculan term pada dokumen tersebut. Akan bernilai 0 apabila term tidak ada pada sebuah dokumen, dan bernilai satu apabila term tersebut ada dalam dokumen. Sehingga banyaknya kemunculan term pada sebuah dokumen tidak berpengaruh dituliskan dalam persamaan dibawah ini.
4.1 Square root weighting Square root term weighting (SQRT) adalah pembobotan term yang dikembangkan
4.5 Inverse document frequency(IDF)
44
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Inverse document frequency (IDF) adalah pembobotan term yang menghitung seberapa besarkah penaruh suatu term terhadap seluruh koleksi dokumen. Berdasarkan konsep memberikan “nilai diskriminasi” pada term dimana semakin sedikit kemunculan term tersebut pada keseluruhan koleksi dokumen, maka semakin besar nilai diskriminasinya (Chisholm & Kolda, 1999) IDF diajukan oleh Sparck Jones, dimana terdapat dua varian IDF yaitu
JELIKU Vol 2 No. 3 Agustus 2013
( (
) )
( ) Dimana fungsi d merupakan fungsi untuk mengukur jarak huruf. { Fungsi f(i,j) menghitung jumlah minimum kesalahan – kesalahan dari perbandingan i karakter kata pertama dengan j karakter pada kata kedua. Jarak antara kedua string adalah f(m,n), dimana m merupakan panjang string pertama, dan n adalah panjang string kedua.
Dimana Gi adalah bobot global untuk term i, N adalah jumlah koleksi dokumen keseluruhan, dan ni adalah jumlah dokumen yang terdapat term i didalamnya. Dalam penelitian ini penulis menggunakan IDF pertama dikarenakan persamaan IDF kedua akan menghasilkan nilai negatif jika suatu term muncul lebih pada setengah dari keseluruhan koleksi.
Id_dokumen Id_dokumen
judul judul Isi Isi dokumen dokumen
Dokumen
Lokasi Lokasi
m Memiliki n Term
5. Damerau Levenhstein metric Metode Damereu Levenshtein metric melakukan operasi perbandingan kata-kata dengan memeperhatikan empat macam kesalahan pengetikan. Sebagai contoh kata SALAH, yaitu : a. Penyisipan sebuah huruf , sebagai contoh SALKAH. b. Pengapusan sebuah huruf, sebagai contoh SAAH. c. Penggantian sebuah huruf dengan huruf lain, sebagai contoh SAKAH. d. Penukan urutan sebuah huruf, sebagai contoh SALHA Damereu Levenshtein metric menghitung jumlah kesalahan minumum dari dua buah kata, misalkan terdapat dua buah kata yang dinotasikan sebagai s dan t, dan variabel i dan j menyatakan posisi huruf yang dibandingkan pada suatu kata (Phiefer et al, 1994).
Id_term Id_term
Term Term
Id_katadasar Id_katadasar
Id_stopword Id_stopword
Kata dasar
Stopword
Kata Kata dasar dasar
Stopword Stopword
Gambar 2. ERD Sistem pencari referensi PERANCANGAN 1. Entity Relatinship Diagram(ERD) Rancangan ERD pada aplikasi ini, memiliki 4 entitas yaitu entitas dokumen, entitas term, entitas kata dasar, dan entitas stopword. Seperti yang terlihat pada gambar 2, pada entitas dokumen taerdiri dari atribut id_dokumen, judul, isi_dokumen, dan lokasi. Untuk entitas term terdiri atribut id_term dan term. Entitas dokumen dan term memuliki relasi many to many. Pada entitas kata dasar memiliki atribut id_katadasar dan kata_dasar. Pada entitas memiliki atribut id_stopword dan stopword.
45
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
2. Flowchart mesin pencari Flowchat mesin pencari dapat dilihat pada gambar 3, dimana prosesnya meliputi. 1. Penginputan query kata kunci yang akan dicari. 2. Proses tokenizing, proses dimana string inputan dibaca, dan dipecah kedalam bagian perkata. 3. Filtering, proses dimana tanda baca dan kata hubung dihilangkan. 4. Stemming, proses pencarian kata dasar dari suatu kata. 5. Dari hasil stemming akan dilakukan perbandingan dengan kamus bahasa,
6. 7.
8.
9. 10.
untuk memastikan ketepatan hasil stemming. Proses sugesti kata dilakukan bila kata query tidak terdapat dalam kamus. Kemudian dilakukan proses pembobotan untuk mengeetahui bobot term-term pada query Dilakukan perhitungan nilai similarity, untuk menentukan dokumen mana sajakah yang sesuai dengan kata kunci pencarian. Sorting berdasarkan nilai similarity secara descending. Tampilkan hasil pencarian.
Mulai
query Tokenizing Daftar stop words
Filtering Stemming
Kamus kata dasar
N
Ada dalam kamus
Damereu Levenshtein
Kata Usulan
Y Inverted Indexs
Penghitungan bobot
Similarity
Sorting Hasil Sorting Akhir
Gambar 3. Flowchart aplikasi pencarian 3.
Diagram Konteks
pelaksanaan pencarian datang dari aplikasi client.
Diagram konteks ditunjukan pada gambar 4. Pada gambar tersebut menunjukan bahwa sistem menerima masukan dari 2 entitas yaitu user dan aplikasi client. Entitas user, menginputkan index dokumen yang dijadikan dasar pencarian. Sedangkan perintah
Data flow doagram dari aplikas mesin pencari ini dapat dilihat dari gambar 5. Terdapat 11 proses dalam aplikasi ini, dimana proses 1 sampai dengan 4 adalah proses pengunggahan index dokumen pencarian. Sedangkan proses pencarian dokumen
46
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
berdasarkan kata kunci dilakukan dari proses 5
User
sampai dengan proses 11.
Upload Dokumen
0 Web service mesin pencari
Laporan dokumen terupload
Input query
Hasil Pencarian
Aplikasi client
Gambar 4. Diagram konteks pencarian referensi 4. DFD User
Laporan upload
Upload dokumen
1 Tokenizing
Isi dokumen
2 Filtering
Isi dokumen
3 Stemming
Data stopword Data kata dasar Kamus Stopword
Isi Query
6 Filtering
4 Pembentukan Index dokumen
Kamus Kata Dasar
Db dokumen
Term
Isi query
7 Stemming
Term
Data kata dasar
8 Perbaikan Kata
Frequensi term
Term
9 Pembobotan
Bobot dokumen & query
Query
User
Dokumen
Term Index Data kata dasar
Data stopword
5 Tokenizing
Term
Hasil sorting
11 Sorting Hasil
Nilai Cosine similarity
Data dokumen Db dokumen
Gambar 5. DFD level 0 sistem pencari
47
10 Hitung cosine similarity
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
ini, menggunakan 100 dokumen abstrak jurnal berbagai bidang yang di unduh secara acak melalui internet. Pengujian dilakukan pada proses-proses utama dari sistem, antara lain : proses preprosessing, pembentukan index dokumen, fasilitas sugesti kata, pembobotan query, dan pengujian keseluruhan sistem dengan menginputkan 30 query yang telah ditentukan. Dari hasil pengujian didapatkan kesimpulan bahwa setiap elemen yang diujikan dapat berjalan dengan baik, dan memiliki nilai precision sebesar 62% serta nilai recall sebesar 100%.
HASIL DAN PERCOBAAN Sesuai dengan penjelasan sebelumnya, tahapan pengmbangan mesin pencari ini adalah tokenization, filtering, stemming, term weighting, dan sorting. Berikut adalah pseudocode untuk proses tokenizing, filtering dan stemming yang termasuk dalam proses preprosessing. Function prepros ($text){ $Angka = array(1,2,3,4,5,6,7,8,9,0) $simbol = array (‘!’,’?’,’.’.’,’, ’(’ ,’)’,’+’,’=’,’%’,’&’,’*’,’/’ $isi=Hilangkan simbol dan angka dari $text
Function bobot($hslstemquery[]){ $a=0 $sql=implode(‘,’,$hslstemquery) $dokterkait= select distinct iddok from tb_index where term in $sql Foreach $dokterkait as $iddok{ $termdok= select distict termfrom tb_index where id_dokumen = $iddok $b[iddok]=0 Foreach $termdok as $term{ $ni= select count(distict iddok) from tb_index where term=$term. $frek[$dok][$term]= select count(term) from tb_index where iddok=$idok and term=$term. $bobottermdok[$iddok][$term]= sqrt(($frek[$iddok][$term]0.5+1)) *($frek[$iddok][$term]/$ni) $a+=$bobottermdok^2 $normalisasi[$iddok][$term]=$bo bottermdok/ sqrt$a $bobotquery=bobotquery($hslstem query) //cosine similarity If ($term=anggota $hslstemquery){
$Stopword[]= select stopword from tb_stopword $Kata[]=explode $isi Foreach $kata as $term{ if $term != anggota array stopword{ $kmplkata=$term } } //Panggil fungsi stemming(kmplkata) Foreach $kmplkata as $kata{ $hslSteming[] = potong awalan dan akhiran $kata } Return $hslSteming }
Untuk proses pembobotan dokumen, seperti yang telah dijelaskan diatas, digunakan kombinasi pembobotan term baru yang menurut penelitian Chisholm (1999) memiliki tingkat ketepatan lebih tinggi dibandingkan dengan metode pembobotan pada umumnya. Dibawah ini adalah pseudocode dari proses pembobotan dan cosine similarity.
SIMPULAN Dari pembahasan dan perancangan sistem diatas, penulis menyimpulkan poinpoin penting sebagai berikut: 1. Penelitian ini telah berhasil pengembangkan mesin pencari referensi, dengan menggunakan metode vector space model, algoritma Damereu Levensthein, dan metode pembobotan baru oleh Chisholm (1999). 2. Dari hasil pengujian, didapat nilai precision sebesar 62% yang menunjukan kualitas himpunan hasil dan nilai recall sebesar 100% yang menunjukan ketepatan hasil pencarian 3. Diperlukan penelitian lebih lanjut untuk
Function bobotquery($hslstemquery[]){ $n= select count * from tb_dokumen Foreaach $hslstemquery as $term{ $ni= select count(distict iddok) from tb_index where term=$term If( $ni = Null ){ $bobot[$term]=0} Else{ $bobot[$term] = 1*log($ni/$n)} } Return $bobot
Setelah nilai cosine similarity didapat, maka dokumen hasil pencarian akan diurutkan secara descending berdasarkan nilai cosine similarity nya masing masing.
Sistem telah berhasil diimplementasikan dengan menggunakan bahasa pemrograman PHP. Pengujian aplikasi 48
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
algoritma stemming bahasa Indonesia, karena proses pencarian kata dasar sangatlah penting dalam pengembangan sistem mesin pencari.
JELIKU Vol 2 No. 3 Agustus 2013
4. Algoritma sugesti kata dapat dikembangkan lebih lanjut, agar proses pencarian kata sugesti lebih cepat.
Tabel 4. Beberapa Query Hasil Pengujian Sistem No
Query Uji
1 2 3 4 5
sig kesehatan pengolahan citra hama dan gulma hukum
6 7 8 9 10 11 12 13
listrik persalinan sperma kurs valas kepemimpinan kesehatan anak manajemen sistem informasi geografis kriptografi data warehouse
14 15
ID Dokumen Relevan 21,41,65 3,34,37,100 40,51,89 52, 36,55,68, 93,94,95 101,106,108 80 30 74 69,71,73 2,34,37,98 60,83,92,104 21,41,65 32 27
Jumlah data Relevan 3 4 3 1 6
Jumlah Himpunan Hasil 3 12 9 1 7
Jumlah Data Relevan yang muncul 3 4 3 1 6
Precision
Recall
1 0.3333333 0.3333333 1 0.8571429
1 1 1 1 1
3 1 1 1 3 4 4 3
7 1 1 1 3 13 8 45
3 1 1 1 3 4 4 3
0.4285714 1 1 1 1 0.3076923 0.5 0.0666667
1 1 1 1 1 1 1 1
1 1
1 54
1 0.0185185 0.6232679
1 1 1
1 1 Rata-rata
Gambar 6. Tampilan Hasil Aplikasi Pencarian Referensi DAFTAR PUSTAKA
FORMULAS FOR THE VECTOR SPACE. 20. [2] Hasugian, J. (2008). Penelusuran Online dan Ketersediaan Sumber
[1] Chisholm, E., & Kolda, T. G. (1999). NEW TERM WEIGHTING
49
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Daya Informasi Elektronik. Jurnal Studi Perpustakaan dan Informasi, Vol.4, No.1. [3] Manning, C. D., Raghavan, P., & Schutze, H. (2009). An Introduction To Information Retreival. England: Cambridge University Press. [4] Sutisna, U. (2009). Koreksi ejaan query bahasa indonesia dengan algoritma Damerau Levinstain. [5] Karmayasa, O. (2012). Implementasi Vector Space Model dan beberapa Notasi Metode Term Frequency Inverse Document Frequency (TFIDF). Jurnal Elektronik Ilmu Komputer Universitas Udayana, Vol 1, No 1.
50
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
IMPLEMENTASI BANDWIDTH MANAGEMENT PADA PENGALOKASIAN HOTSPOT DI FAKULTAS HUKUM UNIVERSITAS UDAYANA I Made Yuda Prasetia, I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana. Email:
[email protected] ABSTRAK Jaringan Komputer adalah sekumpulan alat komunikasi yang saling terhubung satu sama lainnya. Seiring dengan berjalannya waktu jaringan komputer berkembang sangat pesat. Kebutuhan akan akses internet sangat tinggi baik untuk mencari informasi, bahan pembelajaran serta akses jejaring sosial ataupun hanya sekedar untuk chatting. Mengingat semakin banyaknya penggunakan internet maka penggunaan bandwidth juga semakin banyak dan meningkat, seperti melakukan download yang berlebihan untuk keperluan-keperluan yang kurang penting. Untuk mengomtimalkan penggunaan bandwidth yang berlebihan perlu dilakukan bandwidth management. Bandwidth Management adalah mengalokasikan suatu bandwidth guna mendukung kebutuhan atau keperluan suatu jaringan internet agar memberikan jaminan kualitas layanan suatu jaringan QoS (Quality of Services). Dalam penelitian ini, dibuat sebuah bandwidth management pada Hotspot Mikrotik di Fakultas Hukum Universitas Udayana menggunakan Tree Queue. Dimana dalam hal ini akan dibatasi kapasitas upload dan download . Sesuai dengan hasil pengujian yang telah dilakukan dengan menerapkan HTB (Hierachy Tocke Bucket) dengan kapasitas limit untuk proses upload 128k dan download 256k dapat berhasilkan dilakukan limit untuk hotspot, hal tersebut dapat dibuktikan kapasitas bandwith tidak melebihi dari yang tentukan yaitu proses upload 0,11Mbps dan Download 0,24Mbps. Kata Kunci: Bandwidth Management, Hotspot, HTB,Tree Queue ABSTRACT Network is a a set of communication tools that are connected to each other. Over time computer networks is growing very rapidly. The usage for internet access was really high such as to search for information, study materials and access to social networking or just to chat. Considering the increase of internet usage today, the use of bandwidth is also increasing, for example downloading unnecessary thing. The bandwidth management is needed to optimizing the bandwidth usage. Bandwidth Management is the allocation the bandwidth to support the need or desirability of an Internet network in order to guarantee the quality of service of a network QoS (Quality of Services). In this research a bandwidth management is created in Hotspot Mikrotik at the Faculty of Law, University of Udayana using Queue Tree. Which in this case would be limited upload and download capacity. In accordance with the results of the testing that has been done by applying the HTB (Hierarchy Tocke Bucket) with a capacity limit for the process of uploading and downloading 256k 128k can be done to limit the hotspot, it can be proved does not exceed the bandwidth capacity of which specify that the upload is 0.11 Mbps and Download 0.24 Mbps. Keyword : Bandwidth Management, Hotspot, HTB,Tree Queue
I. PENDAHULUAN
51
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Pemanfaatan teknologi internet sebagai media informasi dan komunikasi data hingga saat ini semakin meningkat. Kebutuhan atas penggunaan bersama resources yang ada dalam jaringan internet telah mengakibatkan timbulnya berbagai pengembangan teknologi jaringan internet itu sendiri. Pengembangan itu sendiri seiring dengan semakin tingginya tingkat kebutuhan dan semakin banyaknya pengguna internet yang menginginkan suatu bentuk jaringan yang dapat memberikan hasil maksimal, baik dari segi efisiensi maupun peningkatan keamanannya. Dalam menggunakan jasa internet setiap pengguna menginginkan kecepatan akses internet yang maksimal. Kecepatan akses internet tentunya akan berhubungan dengan besarnya kapasitas bandwidth yang tersedia dalam suatu jaringan. Untuk mendapatkan kecepatan akses yang maksimal dan dengan resource bandwidth yang terbatas, maka bandwidth diperlukan pengaturan yang baik untuk menjaga lalu lintas data dalam suatu jaringan komputer agar tidak terjadi kemacetan sebagai akibat dari adanya permintaan akses yang overload dalam jaringan. Berlandaskan pada keinginankeinginan tersebut, maka upaya-upaya penyempurnaan terus dilakukan oleh berbagai pihak. Dengan memanfaatkan berbagai teknik khususnya dalam manajemen bandwidth pada router/gateway internet. MikroTik RouterOS merupakan salah satu solusi tepat yang dapat digunakan untuk keperluan tersebut. Dengan berbagai fitur network yang lengkap, canggih dan user friendly dengan winbox yang dimilikinya, sehingga hal ini memberikan kemudahan bagi penggunanya dalam pengelolaan jaringan secara umum dan manajemen bandwidth khususnya. Sehingga pada akhirnya pengaturan bandwidth untuk pengguna internet dapat lebih baik dan lebih optimal pemanfaatannya.
JELIKU Vol 2 No. 3 Agustus 2013
wireless. Dimana berfungsi untuk mengatur lalu lintas jaringan. 2. Management Bandwidth Istilah alokasi/management bandwidth sering dipertukarkan dengan istilah traffic control, yang dapat didefinisikan sebagai pengalokasian yang tepat dari suatu bandwidth untuk mendukung kebutuhan atau keperluan aplikasi atau suatu layanan jaringan. Istilah bandwidth dapat didefinisikan sebagai kapasitas atau daya tampung suatu channel komunikasi (medium komunikasi) untuk dapat dilewati sejumlah traffic informasi atau data dalam satuan waktu tertentu. Umumnya bandwidth dihitung dalam satuan bit, kbit atau bps (byte per second). 3. Winbox Winbox adalah perangkat lunak yang dapat melakukan remote ke server mikrotik. Konfigurasi mikrotik dapat dilakukan pada komputer atau PC menggunakan aplikasi winbox. Winbox banyak digunakan untuk konfigurasi karena penggunaanya sangat sederhana dan mudah dipahami. Fungsi mikrotik adalah melakukan pengaturan pada mikrotik. 4. HTB (Hierarchy Token Bucket) TB adalah sebuah sistem untuk mengatur dan mengontrol kapasitas bandwidth. Pada sebuah service provider harus memiliki pengaturan bandwidth yang efisien dan efektif. Untuk mendapatkan hasil tersebut diperlukan sebuah system dan HTB inilah merupakan sistem yang memilki efisiensi untuk menghasilkan pengaturan bandwidth yang optimum. Secara konseptual, HTB adalah suatu jumlah yang berubah-ubah dari token bucket yang diatur di dalam suatu hirarki. Hirarki merupakan susunan atau langkah bagaimana proses kerja yang diterapkan oleh HTB, dimana susunan langkah hirarki pada HTB dijelaskan pada gambar 1 dan gambar 2.
II. TINJAUAN PUSTAKA
1. Qdisc : Queuing discipline (merupakan disiplin antrian). 2. Ceil : Digunakan untuk mengatur kecepatan maksimum yang diinginkan untuk membatasi lalu lintas yang ditransmisikan.
1. Mikrotik OS Mikrotik routerOS adalah perangkat lunak yang bisa menjadikan komputer biasa atau PC menjadi router network/jaringan yang bisa digunakan untuk IP network/jaringan dan
52
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
3. Rate : Digunakan untuk mengatur kecepatan minimum yang diinginkan untuk membatasi lalu lintas (traffic) data. 4.1 Mekanisme Token Bucket
Kerja
JELIKU Vol 2 No. 3 Agustus 2013
akan didistribusikan ke kelas lainnya. Sebagai contoh jika bandwith yang ditentukan 512k sedangkan bandwith yang tersedia 1 MB maka sisa bandwith akan disitribusikan ke kelas yang lainnya. Jika banwitdh yang disitribusikan masih tersisa dan tidak mendapatkan class maka hal yang terjadi sisa bandwith akan tersimpan pada bandwith induk. Karena pada dasarnya mekanisme kerja dari HTB yaitu pembagian secara hirarki dengan system antrian.
Hierarchical
4.2 Tree Queue Queue Tree berfungsi untuk melimit bandwidth pada mikrotik yang mempunyai 2 koneksi internet karna packet marknya lebih berfungsi daripada di Simple Queue Digunakan untuk membatasi satu arah koneksi saja baik itu download maupun upload
Gambar 1. Ilustrasi HTB (Hierarchy Token Bucket) HTB (Hirarchy Token Bucket) merupakan salah satu teknik antrian yang memiliki tujuan untuk menerapkan link sharing. Dalam konsep link sharing , jika suatu kelas meminta kurang dari jumlah Service yang telah ditetapkan untuknya, sisa bandwidth akan di distribusikan ke kelas kelas lain yang meminta service. HTB menggunakan TBF sebagai estimator yang sangat mudah diimplementasikan. Estimator ini hanya menggunakan rate, sebagai akibatnya seorang adminitrastor hanya perlu mengeset rate yang akan di berikan ke suatu kelas
Gambar 3. Teknik Antrian Queue Tree Proses algoritma teknik antrian queue tree adalah sebagai berikut : 1. Mark Packet Mark packet bertugas untuk menandai paket data yang akan diproses ke antrian. 2. Firewall Firewall bertugas untuk menyeleksi paket sesuai dengan klasifikasi kelasnya. 3. Mangle Mangle bertugas untuk pembatasan bandwidth 4.3 PCQ Teknik Pembagi bandwidth dengan Per Connection Queue (PCQ ) prinsipnya menggunakan metode antrian untuk menyamakan bandwidth yang dipakai pada multiple client. Didalam mikrotik PCQ sudah terinstal default dan merupakan program untuk mengatur traffic jaringan Quality of Service (QoS). Untuk memecahkan beberapa imperfectness SFQ, Per Connection Queuing (PCQ) diciptakan. Ini adalah satu-satunya Antrian tanpa kelas jenis yang dapat melakukan pembatasan. Ini adalah versi perbaikan dari SFQ tanpa stohastic nya alam.
Gambar 2. Skema Antian HTB Pada HTB gambar 2 memiliki parameter ceil sehingga kelas akan selalu mendapatkan bandwidth di antara baserate dan nilai ceil ratenya. Parameter ini dianggap sebagai estimator kedua, sehingga setiap kelas dapat meminjam bandwidth selama banwidth total yang diperoleh memiliki nilai di bawah nilai ceil. Jadi dalam system antrian pada HTB jika salah satu class membutuhkan sejumlah bandwith yang dibatasi maka sisa dibandwith
53
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Setting Mangle Mikrotik merupakan salah satu cara utama yang dilakukan untuk managemet bandwith sebelum ke tahap selanjutnya, yang pada hal ini dilakukan dengan queue tree. untuk seeting mangle dapat diakses dari menu IP-Firewall pada tab mangle kemudian pilih tanda + untuk melalui setting mangle.
PCQ juga menciptakan subqueues, mengenai parameter pcq-classifier. III. PERANCANGAN SISTEM a. Perancangan Skema Sistem
Gambar 6. Setting Mangle Rule Mikrotik Pada gambar 6 menjelasakan settingan mangle, dalam hal dengan General, Chain=forward dan dilakukan limit pada Src.Address IP 172.16.123.0/24 merupakan hotspot yang terdapat pada Fakultas Hukum Universitas udayana dan Dst.Address merupakan diluar dari website unud dengan IP 172.16.0.0/16 .
Gambar 4. Skema Sistem Pada gambar 4 merupakn skema system akan dirancang, dengan menerapkan proses untuk limit upload 128k dan download 256k. IV. IMPLEMENTASI 4.1 Pengaturan HTB (Hierarchical Token Bucket) Dalam pengaturan Hierarchical Token Bucket (HTB) Queue tree adalah dengan login ke jaringan fakultas hukum, dan pengaturan dengan aplikasi winbox.
Gambar 7. Setting Mangle Rule Action Pada gambar 7 merupakan setting mangle selanjutnya dengan Tab action bertujuan menandai bahwa hotspot yang dilakukan limit. Action = mark Connection, New Connection mark= hotspot dan centangkan passthrough agar setting tersebut dapat digunakan untuk settingan berikutnya.
Gambar 5. Mikrotik Winbox 4.2. Setting Mangle Mikrotik
54
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Pada gambar 10 merupakan Setting Queue Types, yang dimana tujuan dari setting ini menentukan atau memberi nama queue yang akan digunakan untuk melimit
Gambar 8. Setting Mangle Rule Gambar 11. Setting Queue Type
Pada gambar 8 memilih General mengisikan Chan = forward, Connection Mark = hotspot lalu apply dan langsung klik OK. Bertujuan membuat mangle baru dengan mark connection Hotspot yang telah dibuat sebelumnya
Pada gambar 11 menandai settingan untuk upload dan download dengan metode pcq pada queue tree
Gambar 9. Setting Mangle Rule Action
Gambar 12. Setting Queue Type Download
Pada gambar 9 settingan untuk pengaturan packet hotspot pada mangle dimana dengan memilih hotspot yang sudah ditentukan pada kolom New Packet Mark.
Pada gambar 12 menjelaskan bagaimana langkah yang dilakukan untuk Queue Type Download. Pengaturan Type Name = down, Kind= pcq , Rate=0, Limit= 50, Total Limit=2000, Dst.Address harus dicentangkan karena pemberi tanda yang membedakan antara Upload dan Download.
4.3 Setting Queues Types Mikrotik Merupakan hal yang utama karena untuk pengaturan proses Upload dan Download yang akan dilakukan untuk settingan Queue Tree selanjutnya
Gambar 13. Setting Queue Type Upload
Gambar 10. Setting Queue Types
55
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Pada gambar 13 merupakan proses Upload. dilakukan pengaturan pada Type name= up, Kind=pcq, Rate=0, Limit=50, Total Limit= 2000, Src.Address harus diberikan tanda karena yang membedakan antara Upload dan download untuk settingan Queue Type. 4.4 Setting Queue Tree Setting Queue Tree adalah hal utama dilakukan untuk pembatasan kapasitas bandwith upload dan Hotspot yang berikan untuk setiap pengguna hotspot di Fakultas Hukum Universitas Udayana.
Gambar 15. Setting Upload dan Download Pada Queue Tree V. EVALUASI Proses evaluasi merupakan hasil pengujian yang telah dilakukan untuk bandwidth management hotspot di Fakultas Hukum Universitas Udayana 5.1 Hasil Pengujian Hasil pengujian management bandwidth menggunakan HTB menggunkan Speedtest dengan menerapkan 15 percobaan. Hal tersebut dilakukan apakah proses limit dengan menerapkan HTB dapat melakukan proses limit terhadap hotspot di Fakultas Hukum Universitas Udayana. Untuk 15 percobaan didapatkan hasil pada tabel 1 hasil pengujian HTB.
Gambar 14. Queue Tree Download Dan Upload Pada gambar 14 merupakan Tampilan Queue.Untuk proses upload dan download dijelaskan pada gambar 15 dengan parent= download= Hotspot-VLAN11, dengan packet marks= hotspot, limit At (bits/s)=256k, Max Limit (bits/s)=256k. Sedangkan host upload = parent= dan Upload= To_GDLN, dengan packet marks= hotspot, limit At (bits/s)=128k, Max Limit (bits/s)=128k. Jadi hal ini proses Dwonload yang akan diutamakan terlihat jelas pada Priority download= 1 dan Upload Priority=2
Gambar 16. Hasil Pengujian Hotspot Pada gambar 16 merupakan hasil pengujian yang dilakukan, terlihat jelas bahwa berhasil dilakukan limit untuk hotspot dengan menerapkan total limit Upload=128 bits/s dan download =256 bits/s Tabel 1. Hasil Pengujian HTB NO
MANAGEMENT
UPLOAD 128k
DOWNLOAD
56
UPLOAD
DOWNLOAD
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
JELIKU Vol 2 No. 3 Agustus 2013
BANDWITDH
DENGAN HTB
256k DENGAN HTB
128k TANPA HTB
256k TANPA HTB
Pengujian 1 Pengujian 2 Pengujian 3 Pengujian 4 Pengujian 5 Pengujian 6 Pengujian 7 Pengujian 8 Pengujian 9 Pengujian 10 Pengujian 11 Pengujian 12 Pengujian 13 Pengujian 14 Pengujian 15
0.11 Mbps 0.058 Mbps 0.062 Mbps 0.052 Mbps 0.106 Mbps 0.108 Mbps 0.061 Mbps 0.118 Mbps 0.111 Mbps 0.093 Mbps 0.070 Mbps 0.119 Mbps 0.082 Mbps 0.113 Mbps 0.106 Mbps
0.24 Mbps 0.219 Mbps 0.235 Mbps 0.237 Mbps 0.236 Mbps 0.236 Mbps 0.231 Mbps 0.207 Mbps 0.231 Mbps 0.207 Mbps 0.231 Mbps 0.218 Mbps 0.243 Mbps 0.234 Mbps 0.214 Mbps
2.91 Mbps 1.79 Mbps 1.91 Mbps 1.75 Mbps 1.57 Mbps 1.64 Mbps 1.92 Mbps 1.60 Mbps 1.97 Mbps 1.67 Mbps 1.80 Mbps 1.66 Mbps 1.89 Mbps 1.65 Mbps 1.71 Mbps
3.66 Mbps 3.81 Mbps 3.92 Mbps 3.73 Mbps 3.61 Mbps 3.72 Mbps 3.63 Mbps 3.52 Mbps 3.92 Mbps 3.72 Mbps 3.75 Mbps 3.54 Mbps 3.56 Mbps 3.70 Mbps 3.81 Mbps
bandwidth yang dapat pada saat percobaan tidak melebihi dari kapasitas bandwidth yang ditentukan yaitu 0.11Mbps untuk upload dan 0.24 Mbps untuk download.
Gambar 17. Percobaan Speedtest dengan HTB Pada gambar 17 dilakukan percobaan menggunakan Speedtest dengan HTB (Hierachy Tocke Bucket) dengan limit Upload = 128k dan Download limit=256k dalam hal ini berhasil dilakukan dengan total Download=0.24Mbps dan Upload=0.11Mbps. Jadi tidak melewati dari kapasitas yang ditentukan. Pada gambar 18 dilakukan percobaan tanpa HTB pada proses upload dan download dapat berjalan sesuai dengan yang ditentukan. Tabel 1 merupakan nilai dari pengujian yang dilakukan sebanyak 15 kali percobaan pada SpeedTest dengan menerapkan proses upload dan download Dari Tabel 1, dapat dilihat bahwa management bandwidth menggunakan HTB berhasil diterapkan. Hasil diatas menunjukan untuk proses upload dan download sesuai dengan kapasitas bandwidth yang ditentukan yaitu 128k upload dan download 256k untuk 15 kali percobaan berhasil dilakukan karena
Gambar 18. Percobaan Speedtest Tanpa HTB VI. PENUTUP Kesimpulan yang dapat ditarik dari penelitian ini adalah: 1. Dengan management bandwidth menggunakan HTB dapat mengatur besar kecilnya bandwidth yang di perlukan sehingga memberikan hasil yang baik. 2. Dari alokasi bandwith yang diberikan untuk proses upload 128k dan download 256k dengan menerapkan HTB dapat berjalan dengan tepat pada pengalokasian bandwidth hotspot pada Fakultas Hukum Universitas Udayana.
57
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
3. Pembagian bandwidth untuk hotspot menjadi teratur dan jika client memakai melebihi dari kapasitas bandwidth yang ditentukan tidak bisa mendapatkan hak ases melebihi dari yang ditentukan. , sehingga bandiwtdh yang ada dapat manage dengan baik pada Fakultas Hukum Universitas Udayana.
JELIKU Vol 2 No. 3 Agustus 2013
[9] Stalling, William. 2002. Komunikasi dan Komputer : Jaringan Komputer. Salemba.Jakarta.
DAFTAR PUSTAKA [1] Irfan Mochamad, Periyadi, S.T.2010. ”Penerapan Bandwidth Management menggunakan metode HTB (Hierachical Token Bucket) di PT. Neuronworks”. Program Studi Teknik Komputer Politeknik Telkom Bandung [2] Rachmadani Adam, Giva Andriana Mutiara, Rini Handayani. 2011. “Implementasi Hierachy Tocken Bucket (HTB) dan Per Connection Queue (PCQ) Pada Pengalokasian Bandwidth Mikrotik Menggunakan Virtual Private Network (VPN)” [3] Arifin Yunus. 2012. “Implementasi Quality Of Service Dengan Metode HTB (Hierarchical Token Bucket) Pada PT.Komunikasi Lima Duabelas” [4] Fourouzan, Behrouz A. 2007. Data Communication and Networking, Fourth Edition. McGraw-Hill [5] Kencana, Surya. Andriana, Giva. dan Idham, Iskandar. 2012. Implementasi Algoritma Per Connection Queue (PCQ) dalam Algoritma Hierarchical Tocken Bucket (HTB) untuk Pembagian Bandwidth pada Warnet Khelambiquenet. Bandung. Politeknik Telkom Bandung [6] Hendrawan. Congestion Control. http://telecom.ee.itb.ac.id/~hend/ET5043/ CongestionControl. Diakses 13 Maret 2014. [7] Kustanto dan Saputro, Daniel. 2008. Membangun Server Internet dengan Mikrotik OS. Yogyakarta: Penerbit Graha Media. [8] Herlambang, L. M. 2008. Panduan Lengkap Menguasai Router Masa Depan Menggunakan Mikrotik RouterOS. Yogyakarta. Andi.
58
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PERANCANGAN SISTEM TRACER STUDY BERBASIS WEB PADA FAKULTAS PARIWISATA UNIVERSITAS UDAYANA Luh Sukma Widiasari1, Ngurah Widyatmaja 2 1 Program Studi Teknik Informatika, 2 Program Studi D IV Pariwisata Universitas Udayana
[email protected],
[email protected] ABSTRAK Tracer study merupakan suatu istilah yang digunakan fakultas pariwisata universitas udayana dalam melakukan evaluasi kinerja fakultas dalam mencetak lulusan sekaligus evaluasi terhadap kualitas lulusan fakultas pariwisata dalam dunia kerja. Sistem informasi Tracer study ini merupakan sebuah kuisioner online yang menghasilkan laporan untuk pihak fakultas yang berisi akumulasi jawaban-jawaban setiap responden, dimana yang dimaksud responden dalam studi kasus ini merupakan alumni fakultas pariwisata dan karyawan tempat alumni tersebut bekerja. Untuk mempermudah alumni dan karyawan perusahaan dalam mengisi kuisioner, maka tracer study dibuat berbasis website sehingga para responden dapat mengisi kuisioner kapan saja dan dimana saja mengingat waktu dan jarak sering menjadi kendala. Hasil dari perancangan sistem tracer study ini adalah sebuah sistem kuisioner online yang memberikan report untuk masing-masing jawaban responden dari setiap pertanyaan kuisioner. Dari hasil pengujian sistem, didapatkan bahwa sistem sudah dapat menghasilkan response yang tepat pada setiap modul sesuai dengan kebutuhan. Berdasarkan ujicoba tingkat keberhasilan sistem terhadap kebutuhan, sistem tracer study memiliki tingkat keberhasilan sebesar 100%. Kata Kunci: sistem informasi, tracer study, kuisioner online ABSTRACT Tracer Study is a term used by Faculty of Tourism Udayana University in evaluates the performance of faculty on delivers alumnus at once evaluates human resource quality which graduated from Faculty of Tourism Udayana University at work environment. Tracer Study Information System is a online questionnaire which delivers report for the faculty that contains accumulation of each respondent replication. The respondents in this case study are alumnus of the faculty of tourism udayana university and employee of the company where they were working. In order to simplify questionnaire fulfillment by alumnus and employees, tracer study made in web based questionnaire so that each respondent can fill the questionnaire online. The result of tracer study is a questionnaire online system which is giving report of each respondent’s replication from each question. Based on the result of software testing, we found that system has already obtained appropriate response at each module according to the user requirement and completing 100% success rate. Keywords: information system, tacer study, online questionnaire
untuk mengevaluasi kinerja fakultas pariwisata dalam mencetak lulusan serta mengevaluasi sejauh mana kualitas setiap lulusan nya dalam bekerja. Salah satu metode dalam melakukan evaluasi terhadap para alumnus fakultas ini adalah dengan pemberian kuisioner kepada masing-masing alumnus serta perusahaan tempat mereka bekerja. Namun tentu tidak
1. Pendahuluan Fakultas Pariwisata Universitas Udayana merupakan salah satu institusi negeri dalam bidang pendidikan industri pariwisata di Bali. Pada saat ini, fakultas pariwisata universitas udayana telah meluluskan lebih dari 1000 mahasiswanya. Banyaknya sumber daya yang telah dicetak oleh fakultas ini membuat pihak fakultas pariwisata unud ingin 59
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
mudah untuk menyebarkan kuisioner tersebut mengingat banyaknya jumlah para alumnus fakultas pariwisata dan kendala lainnya seperti jarak dan waktu. Sebagai solusi terhadap permasalahan tersebut, dibuat suatu sistem informasi berbasis web yang mempermudah para alumnus untuk mengisi kuisioner tanpa terhalang oleh jarak dan waktu serta mempermudah pegawai fakultas pariwisata dalam mengevaluasi hasil kuisioner tersebut melalui report berupa grafik serta tabel yang menunjukkan persentase jawaban para responden dari setiap pertanyaan.
JELIKU Vol 2 No. 3 Agustus 2013
server-side yang mendukung skema autentikasi. Beberapa bahasa umum yang digunakan mendukung mod_perl, mod_phyton, Tcl dan PHP (Setiawan, Y. 2008). 2.4 PHP PHP adalah sebuah bahasa script server side yang dapat digunakan dengan bahasa HTML atau dokumen secara bersamaan untuk membangun sebuah aplikasi web. Bahasa PHP mirip dengan bahasa C, Perl, dan Java dengan keunikan tersendiri. Sifat open source pada PHP memberikan kemampuan PHP berkembang secara cepat. PHP selain dapat membuat dokumen HTML secara dinamis, dapat membuat gambar, PDF, dan animasi flash dengan script yang sederhana. PHP dapat bekerja dengan baik pada sebagian besar DBMS, diantaranya oracle, MSSQL, SQL server, MySQL, dbase, PostgreeSQL, dan MySQL. Proses pengaksesan database dengan menggunakan PHP dapat dilihat pada Gambar 1 (Ashshidiq, M. I, Setiawan, A.M, Wahid, F. 2006).
2. TINJAUAN PUSTAKA 2.1 Pengertian Internet Internet adalah sebuah jaringan global dari jaringan komputer yang menghubungkan sumberdaya-sumberdaya bisnis, pemerintah, dan institusi pendidikan menggunakan protokol TCP/IP (Transmission Control Protocol/Internet Protocol). (Setiawan, Y. 2008) 2.2 Pengertian Website Website adalah fasilitas hiperteks yang berfungsi untuk menampilkan data berupa teks, gambar, suara, animasi dan data multimedia lainnya. Website teridentifikasi melalui sebuah nama yang disebut juga sebagai domain atau sub domain. Sumber (Pujanarto, E.D, 2013)
Gambar 2.1 Pengaksesan database melalui web menggunakan PHP. 2.5 MYSQL
2.3 Apache HTTP Server Apache HTTP server secara umum dikenal sebagai Apache, adalah sebuah web server yang saat ini sangat dikenal luas dalam perkembangan world wide web (www). Apache adalah yang pertama kali menyediakan alternatif web server setelah Netscape Communications Coorporation (saat ini dikenal sebagai Sun Java System Web Server). Pada saat itu Apache telah menjadi yang utama dari server berbasiskan Unix terutama pada masalah fungsi dan performansi. Apache mendukung beragam fitur yang di implementasikan seperti modul terkompilasi yang memperluas fungsionalitas core. Ini mulai dari bahasa pemrograman
MySQL tergolong sebagai DBMS (Database Management System). Perangkat lunak ini bermanfaat untuk mengelola data dengan cara yang sangat flexibel dan cepat. Berikut adalah sejumlah aktivitas yang terkait dengan data yang didukung oleh perangkat lunak tersebut. 1. Menyimpan data ke dalam tabel, 2. Menghapus data dalam tabel, 3. Mengubah data dalam tabel, 4. Mengambil data yang tersimpan dalam tabel, 5. Memungkinkan untuk memilih data tertentu yang diambil, 6. Memungkinkan untuk melakukan pengaturan hak akses terhadap data.
60
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
MySQL banyak dipakai untuk kepentingan penanganan database karena selain handal juga bersifat open source. Konsekuensi dari open source ini dapat dipakai oleh siapa saja tanpa membayar dan source codenya bisa diunduh siapa saja. Sumber (Kadir Abdul 2010. Mudah mempelajari Database MySQL. Yogyakarta : Penerbit Andi.)
JELIKU Vol 2 No. 3 Agustus 2013
grafik serta tabel yang menunjukkan persentase jawaban para responden dari setiap pertanyaan. 3.1.1 Model Kuisioner Pada sistem informasi tracer study, kuisioner ditampilkan dan diisi secara online. Terdapat dua jenis pertanyaan dalam kuisioner tracer study, yaitu pertanyaan multiple choice dan pertanyaan essay. Berikut merupakan contoh model kuisioner:
2.6 Asychronous JavaScript And XML (AJAX) Jika pengembangan web secara tradisional bekerja secara synchronous antara aplikasi dan server, maka setiap kali melakukan link atau melakukan operasi submit pada form, maka operasi yang dilakukan oleh browser adalah mengirimkan data ke server, kemudian server merespons dan seluruh halaman akan di-refresh untuk menampilkan data yang dimaksud. Aplikasi AJAX bekerja secara asynchrous, yang berarti mengirim dan menerima data dari user ke server tanpa perlu melakukan load halaman secara keseluruhan, tetapi cukup hanya melakukan penggantian pada bagian web yang akan diubah. Hal ini berakibat pada meningkatnya performa browser untuk menampilkan data dikarenakan browser hanya mengambil data dibutuhkan pada server sehingga data lebih cepat ditampilkan oleh browser. Dengan menggunakan JavaScript, AJAX dapat mengirimkan dan menerima data antara server web dan browser web. Melalui AJAX, JavaScript dapat dikomunikasikan secara langsung dengan server menggunakan obyek XMLHTTPRequest. Obyek JavaScript inilah yang dapat melakukan pertukaran data dengan sebuah server web tanpa harus melakukan re-load (refresh) seluruh halaman web (Setiawan, Y. 2008).
1. Institusi/oganisasi yang Anda kelola? a) b) c) d) e) f) g)
Pemerintah Wirausaha Hotel Restoran Swasta Travel Agent Lainnya
2. Apakah posisi/jabatan Anda di tempat kerja saat ini? a) Pimpinan puncak/General Manager b) Pimpinan menengah/Manager Department c) Pimpinan Pelaksana/Supervisor d) Lainnya 3. Bagaimana menurut anda kinerja pembimbing akademik? a) Sangat buruk b) Buruk c) Sedang d) Baik e) Sangat baik 4. Tahun berapa perusahaan/organisasi ini didirikan? 5. Bergerak dalam bidang apa organisasi yang anda kelola?
3. Perancangan Sistem 3.2 Analisis Kebutuhan Sistem Berdasarkan wawancara yang dilakukan dengan pihak fakultas pariwisata unud, adapun kebutuhan fungsional dari Sistem Tracer Study adalah:
3.1 Gambaran Umum Sistem Tracer study merupakan sistem informasi bagi para alumni Fakultas Pariwisata Unud untuk mengisi kuisioner secara online. Tujuannya adalah agar pihak fakultas dapat mengevaluasi setiap lulusannya di dunia kerja melalui laporan yang dihasilkan sistem berupa
1. Sistem dapat menyimpan data identitas alumni serta data pribadi alumni. 61
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
2. Sistem dapat menampilkan pertanyaan kuisioner yang digolongkan menjadi dua sasaran responden. Pertama kuisioner yang ditujukan untuk alumni fakultas pariwisata unud dan kedua kuisioner yang ditujukan untuk karyawan perusahaan tempat alumnus tersebut bekerja. 3. Sistem dapat menampilkan dan menyimpan data kuisioner kedalam database dan menampilkannnya dalam bentuk laporan kepada pihak fakultas pariwisata. 4. Untuk mempermudah evaluasi, dalam laporan tracer study, administrator sistem yang merupakan pihak fakultas pariwisata dapat melihat laporan akumulasi jawab responden dalam bentuk tabel data dan grafik.
JELIKU Vol 2 No. 3 Agustus 2013 pertanyaan_id
pertanyaan_desc
username
pertanyaan_id
jawaban_desc
pertanyaan_untuk
pertanyaan
1
memiliki
n
jawaban_user
grafik
pertanyaan_bab
tertanyaan_tipe 1
memiliki
n
jawaban_pilihan_ganda
1
n
jawaban_desc
pertanyaan_id
mencatat
password
kuisioner user_login
1
dikelompokkan
1
user_group
deleted
username
1
menjelaskan
group_id
group_id
1
menjelaskan
1
3.3 Entity Relationship Diagram ERD merupakan suatu model yang mendiskripsikan isi suatu basisdata dalam bentuk entitas, atribut, dan relasi antar entitas. Pada ERD Sistem Tracer Study yang tunjukkan pada gambar 3.1 menerangkan bahwa database sistem dirancang dengan menggunakan tujuh tabel yaitu tabel pertanyaan untuk menyimpan data pertayaan, tabel jawaban_user untuk menyimpan jawaban dari user, tabel jawaban_pilihan_ganda untuk menyimpan jawaban pilihan ganda dari pertanyaan, tabel user_login berfungsi untuk menyimpan data user, tabel user_group berfungsi untuk mengelompokkkan user ke dalam group tertentu, tabel user_detail_student berfungsi untuk menyimpan detail user dengan jenis student, dan tabel user_detail_employee berfungsi untuk menyimpan detail user dengan jenis employee.
nama
username
nama
superveyor
alamat_tinggal
user_detail_employee umur
group_desc
username
1
telp_kantor
user_detail_student
alamat_kerja
jabatan nama_perusahaan
alamat_perusahaa n
jabatan
telp_pribadi tempat_bekerja program_studi tahun_mulai_bekerja ipk_kelulusan tahun_masuk
tahun_kelulusan
Gambar 3.1 ERD Sistem Tracer Study 3.4 Data Flow Diagram Berikut merupakan diagram konteks serta DFD level 0 yang menjelaskan alur kerja Tracer Study. 3.4.1 Diagram Konteks .Berikut adalah Diagram konteks tracer study ditunjukkan pada gambar 3.2 terdapat 3 entitas yang menggunakan aplikasi tersebut yakni student, employee dan administrator. Entitas student dapat mengelola profil student dan menjawab kuisioner student, Entitas employee dapat mengelola profil student dan menjawab kuesioner employee, kemudian entitas administrator dapat melihat report dari kuesioner.
62
Jurnal Elektronik Ilmu Komputer - Universitas Udayana data_student
Modul register responden berfungsi untuk pencatatan data responden. Alumnus dan pegawai perusahaan tempat alumni bekerja dapat menggunakan sistem dengan mendaftar terlebih dahulu pada modul register responden ini.
data_employee
Student
Employee
data_employee,
data_student, username,password,
0
data_kuesioner_sudent
username,password, data_kuesioner_sudent
4.2 Modul Form Kuisioner Student Modul form kuisioner student berfungsi sebagai wadah untuk menjawab pertanyaan kuisioner khusus untuk alumni fakultas pariwisata. Jawaban kuisioner dari setiap responden kemudian disimpan kedalam database.
Sistem Informasi Tracer Study
username,password, no_yudisium,
report_kuesioner_student,
tahun
report_kuesioner_employee
JELIKU Vol 2 No. 3 Agustus 2013
Administrator
Gambar 3.2 Diagram Konteks Sistem Tracer Study 3.4.2 DFD Level 0 Berikut adalah DFD level 0 Tracer Study ditunjukkan pada gambar 3.3 terdapat 5 proses yakni proses login yang dapat dilakukan oleh semua entitas, proses register yang dapat dilakukan oleh entitas student dan employee, proses input kuisioner yang dapat dilakukan oleh entitas student dan employee, kemudian juga terdapat proses report employee dan student yang dapat diakses oleh administrator.
Gambar 4.2 Tampilan Antarmuka Modul Form Kuisioner Student 4.3 Modul Form Kuisioner Employee Modul form kuisioner employee berfungsi sebagai wadah untuk menjawab pertanyaan kuisioner khusus bagi pegawai perusahaan tempat alumnus berkerja. Jawaban dari masing-masing pertanyaan kuisioner kemudian disimpan ke dalam database.
4. Hasil dan Pembahasan Dalam implementasinya maka dihasilkan beberapa modul yakni antara lain register responden, form kuisioner employee, form kuisioner student, report student, report employee. Kemudian berikut penjelasan untuk setiap modul tersebut.
Gambar 4.3 Tampilan Antarmuka Modul Form Kuisioner Employee
Gambar 4.1 Tampilan Antarmuka Modul Register Responden 4.1 Modul Register Responden
63
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
user_detail_student
user_detail_employee data_employee
data_student
data_employee
data_student
1 Register
data_employee,
Employee data_employee,
username,password
username,password
username,password
username,password
username,password
Student
username,password
username,password
username,password
user_login
2 Login username,password
username,password
Data_kuesioner
Data_kuesioner
3 Input Kuesioner Data_kuesioner
Data_kuesioner
jawaban_pilihan_ganda
jawaban_kuesioner
pertanyaan
Data_kuesioner
username,password
Data_kuesioner
jawaban_user
Tahun
report_kuesioner_student,
4 Report Student jawaban_kuesioner
Tahun
Administrator
jawaban_user Tahun
report_kuesioner_employee
jawaban_kuesioner
5 Report Employee
Tahun
Gambar 3.3 DFD Level 0 Sistem Tracer Study 4.4 Modul Report Student Modul report student berfungsi untuk menampilkan laporan mengenai akumulasi jawaban kuisioner khusus alumni dari setiap responden (alumni) berupa grafik untuk jawaban pertanyaan multiple choice dan berupa data tabel untuk jawaban pertanyaan essay.
Gambar 4.4 Tampilan Antarmuka Modul Report Student
Tabel 5.1 Tabel Pengujian Kebutuhan Sistem Tracer Study
64
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
No
Nama Modul
Data Masukan
Harapan
Pengamatan
1
Login
Username dan Password
Dapat masuk ke halaman home
Dapat melihat halaman home
2
Resgister Responden
Username,password,umu r,alamat,jabatan,jenis kelamin, ipk, telp,program studi,tahun masuk,tahun kelulusan,tahun mulai kerja,nama perusahaan, jabatan,alamat kerja,telp kantor
Jika mendaftar sebagai employee, data masuk ke tabel user dan user_detail_employee. Jika mendaftar sebagai student, data masuk ke table user dan user_detail_student
Jika mendaftar sebagai employee, data masuk ke tabel user dan user_detail_employee. Jika mendaftar sebagai student, data masuk ke table user dan user_detail_student
Sesuai
3
Kuisioner Employee
Klik Save
Maka jawaban tersimpan ke tabel jawaban user
Maka jawaban tersimpan ke tabel jawaban user
Sesuai
Maka pada setiap pertanyaan yang belum diisi muncul peringatan untuk menjawab pertanyaan tersebut
Maka pada setiap pertanyaan yang belum diisi muncul peringatan untuk menjawab pertanyaan tersebut
Maka jawaban tersimpan ke tabel jawaban user
Maka jawaban tersimpan ke tabel jawaban user
Maka pada setiap pertanyaan yang belum diisi muncul peringatan untuk menjawab pertanyaan tersebut
Maka pada setiap pertanyaan yang belum diisi muncul peringatan untuk menjawab pertanyaan tersebut
Dimasukkan jawaban kuisioner hanya pada beberapa pertanyaan
4
Kuisioner Student
Klik Save
Dimasukkan jawaban kuisioner hanya pada beberapa pertanyaan atau tidak seluruh pertanyaan dijawab
Kesimpula n Sesuai
Sesuai
Sesuai
5
Report Student
Dimasukkan sepuluh kali input pada pertanyaan no 3 sesuai model kuisioner dengan rasio jawaban: a) Buruk(2) b) Sedang(4) c) Baik (4)
(Hasil Menggunakan Perhitungan Manual) Muncul Report dengan hasil: a) Sangat buruk(20%) b) Buruk(40%) c) Sedang(40%)
Muncul Report dari sistem dengan hasil: a) Sangat buruk(20%) b) Buruk(40%) c) Sedang(40%)
Sesuai
6
Report Employee
Dimasukkan seratus kali input pada pertanyaan no 1 sesuai model kuesioner dengan rasio Jawaban: a) Pemerintah(30) b) Wirausaha(10) c) Hotel(20) d) Restoran(10) e) Swasta(10) f) Travel Agent(10) g) Lainnya(10)
(Hasil Menggunakan Perhitungan Manual) Muncul Report dengan hasil: a) Pemerintah(30%) b) Wirausaha(10%) c) Hotel(20%) d) Restoran(10%) e) Swasta(10%) f) Travel Agent(10%) g) Lainnya(10%)
Muncul Report dari sistem dengan hasil: a) Pemerintah(30%) b) Wirausaha(10%) c) Hotel(20%) d) Restoran(10%) e) Swasta(10%) f) Travel Agent(10%) g) Lainnya(10%)
Sesuai
4.5 Modul Report Employee Modul report student berfungsi untuk menampilkan laporan mengenai akumulasi jawaban kuisioner khusus pegawai dari setiap responden (pegawai).
65
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
pengamatan apakah response sistem sudah sesuai dengan response yang diharapkan. Berikut pada tabel 5.1 diuraikan mengenai hasil pengujian sistem tracer study 5.2 Pengujian Tingkat Keberhasilan Sistem Pengujian tingkat keberhasilan sistem merupakan pengujian yang mengukur tingkat keberhasilan sistem dalam memenuhi kebutuhan. Pengujian tingkat keberhasilan sistem dilakukan dengan skenario pengujian. Uji coba dilakukan sesuai dengan kebutuhan pengguna sebanyak 30 kali pada setiap modul. Dari ujicoba tersebut akan didapatkan persentase tingkat keberhasilan sistem secara keseluruhan. Berikut merupakan pengujian akurasi sistem di tunjukkan pada tabel 5.2.
Gambar 4.5 Tampilan Antarmuka Modul Report Employee 5. Evaluasi 5.1 Pengujian Kebutuhan Sistem Metode evaluasi yang digunakan merupakan metode Blackbox untuk menguji kebutuhan pengguna yang dihasilkan sistem. Pada pengujian ini, di setiap modul dilakukan
Nama Modul No
1 2 3
Login Register Responden Kuisioner Student
Tabel 5.2 Pengujian Akurasi Sistem Tracer Study Kebutuhan Percobaan Pengguna Memenuhi Tidak Kebutuhan Memenuhi Kebutuhan 30 kali 30 0 30 kali 30 0
Tingkat Keberhasilan
100% 100%
30 kali
30
0
100%
30 kali
30
0
100%
5
Kuisioner Employee Report Student
30 kali
30
0
100%
6
Report Employee
30 kali
30
0
100%
30
0
100%
4
Rata-Rata
Berdasarkan percobaan diatas, diketahui bahwa dari 30 kali percobaan untuk masing-masing kebutuhan pengguna, didapatkan rata-rata tingkat keberhasilan adalah 100%. Hal ini menunjukkan bahwa sistem mampu memenuhi semua kebutuhan pengguna.
berbasis web dimana sistem ini berfungsi sebagai wadah pengisian kuisioner online. 2. Berdasarkan hasil pengujian kebutuhan sistem yang dilakukan dengan metode blackbox sesuai dengan tabel 5.1, response yang dihasilkan setiap modul pada sistem sudah sesuai dengan kebutuhan. 3. Berdasarkan hasil pengujian akurasi sistem yang ditunjukkan pada tabel 5.2, didapatkan rata-rata tingkat keberhasilan sistem adalah 100% yang menunjukkan bahwa sistem mampu
6. Kesimpulan dan Saran 6.1 Kesimpulan 1. Agar pihak fakultas pariwisata unud dapat melakukan kuisioner kepada alumni dengan mudah tanpa terbatas jarak dan dapat dilakukan kapan saja, maka dirancang sistem tracer study 66
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
memenuhi pengguna.
semua
kebutuhan
DAFTAR PUSTAKA [1]
[2]
[3]
[4]
Pujanarto, E. D. 2013. Perancangan Website Galeri Foto Menggunakan PHP dan MySql untuk Komunitas Fotografi Kameradroid Yogyakarta. Kadir Abdul. 2010. Mudah mempelajari Database MySQL. Yogyakarta : Penerbit Andi. Ashshidiq, M. I, Setiawan, A.M, Wahid, F. 2006. Aplikasi Berbasis Web Pemetaan Informasi Pada Gambar Bitmap. Media Informatika, Vol. 4, No. 1, Juni 2006, 13-26. Setiawan, Y. 2008. Implementasi Web Collaborative Tool Sebagai Penunjang Kerjasama Tim Secara Virtual. Fakultas Teknik Elektro Universitas Indonesia.
67
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PERANCANGAN DAN IMPLEMENTASI APLIKASI KLASIFIKASI PENYAKIT DIABETES DENGAN METODE NAÏVE BAYES Putu Gerhans Prawira Risnawan, Ngurah Agus Sanjaya ER, I Made Widiartha Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected],
[email protected],
[email protected] ABSTRAK Diabetes merupakan sebuah penyakit yang disebabkan karena naiknya kadar gula dalam darah. Seiring dengan perkembangan jaman serta perubahan gaya hidup manusia, diabetes merupakan salah satu penyakit paling rentan yang diderita. Diabetes pima-indians dibagi kedalam dua kelas, yakni kelas 0 (negative diabetes) dan kelas 1 ( positif diabetes). Dataset yang digunakan adalah 105 buah data diabetes dimana 160 terdiri dari data training dan 55 data untuk data testing. Dalam mengklasifikasikan penyakit diabetes membutuhkan metode yang cepat tepat dan juga akurat. Metode yang digunakan yakni salah satu metode dari klasifikasi, yakni metode klasifikasi naïve bayes. Metode naïve bayes telah banyak digunakan dalam hal klasifikasi.Dengan menggunakan metode naïve bayes tingkat akurasi yang dihasilkan dalam mengklasifikasikan penyakit diabetes adalah 74% dimana dari 55 data, 37 data penyakit diabetes dapat diklasifikasikan dengan baik. Kata Kunci: Klasifikasi , naïve bayes , diabetes ABSTRACT Diabetes is a disease caused by rising blood sugar levels. Along with the development and changes in human lifestyle, diabetes is a disease that affects the most vulnerable. Pima-Indians diabetes were divided into two classes, namely class 0 (negative diabetes) and class 1 ( positif diabetes). The dataset used was 160 pieces of data of diabetes which consists of 105 training data and 55 data for testing data. In classifying diabetes requires precise and fast method is also accurate. The method is used which is one method of classification, ie, naïve Bayes classification method. Naïve Bayes method has been widely used in classification.By using naïve Bayes method produced an accuracy rate in classifying diabetes which is 74% of the data where from 55 data, 37 data could be classified very well. Keywords: Classification, naïve bayes, diabetes yaitu tidak pernah lebih dari satu dan tidak pernah ada kelas sama sekali. Dalam dunia nyata, pembuatan keputusan dapat dirumuskan sebagai masalah klasifikasi yakni pembagian objek atau manusia kedalam sebuah kategori contohnya : cuaca , pendidikan maupun dalam hal kesehatan. Penelitian yang dilakukan dimaksudkan untuk mencari penyelesaian atas beberapa permasalahan yang berkaitan dengan klasifikasi berikut :
1. Pendahuluan Perkembangan teknologi kini sudah semakin maju, baik dibidang kesehatan , ekonomi, pembangunan dan salah satunya adalah komputer. Komputer merupakan sebuah alat yang dapat membantu manusia dalam melakukan pekerjannya. Teknologi komputer dirancang untuk membantu mengatasi masalah yang dialami, dan salah satu permasalahan tersebut adalah dalam hal klasifikasi. Klasifikasi adalah pengelompokan obyek kedalam satu atau beberapa kelompok berdasarkan variable yang diamati [4]. Setiap objek harus dibagi hanya untuk satu class,
1. Atribut penyakit diabetes terdiri dari 8 atribut dimana semua atribut saling berhubungan sehingga dibutuhkan
68
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
teknologi yang menunjang dalam membagi penyakit diabetes tersebut. 2. Pembagian penyakit diabetes secara manual masih sulit dilakukan karena membutuhkan waktu yang lama dan konsentrasi tinggi. Tujuan yang hendak dicapai perancangan aplikasi ini adalah
JELIKU Vol 2 No. 3 Agustus 2013
P(H|X)= Dimana: P(H|X): Probabilitas hipotesi H jika diberikan evidence X P(X|H): probabilits munculnya evidence E jika diketahui hipotesis H P(H) : Probabilitas hipotesis H tanpa memandang evidence apapun P(E) : Probabilitas evidence X
dalam
1. Merancang sebuah aplikasi yang dapat mengolah data penyakit diabetes. 2. Membangun sebuah aplikasi klasifikasi yang dapat melakukan klasifikasi penyakit diabetes secara cepat tepat dan akurat.
Bayesian Classification Bayesian classifier adalah pengklasifikasian statistik. Bayesian classifier (pengklasifikasian Bayesian) dapat memprediksi probabilitas keanggotaan kelas, seperti probabilitas bahwa tuple diberikan milik kelas tertentu. Studi yang membandingkan algoritma klasifikasi telah menemukan sebuah classifier Bayesian sederhana yang dikenal sebagai naïve bayesian classifier dimana kinerja dari naïve Bayesian classifier sebanding dengan kinerja dari decision tree dan pengklasifikasi jaringan syaraf. P(H|X) = P(H) P(X1|H) P(X2|H)...P(Xn|H) P(H|X) = P(H) ∏
2. Tinjauan Pustaka Data Mining Data Mining adalah sebuah teknologi yang merupakan campuran dari metode analisis data tradisional dengan algoritma terkini untuk memproses data dalam jumlah yang banyak.[1] Data mining adalah sesuatu tentang pemecahan masalah dengan menganalisis data yang sudah ada dalam database. Data mining didefinisikan sebagai proses menemukan pola dalam data. Proses harus dilakukan secara otomatis atau (biasanya) semi-otomatis.[2]
3. Metodologi Penelitian Dalam penelitian ini metode penelitian yang digunakan adalah metode System Development Life Cycle (SDLC) . Adapun bagian dari SDLC itu sendiri terdiri dari beberapa tahap yakni perencanaan, analisis sistem, perancangan, implementasi, dan pengujian. a. Perencanaan (planning), tujuam dari tahap perencanaan (planning) adalah tahap untuk menentukan bagaimana ruang lingkup dalam perancangan aplikasi klasifikasi ini. . b. Tahap kedua, adalah tahap analisis (analysis), yaitu tahap dimana kita mencari permasalahan yang ada yang kemudian diupayakan untuk dicari jalan keluarnya. c. Tahap ketiga, adalah tahap perencanaan (design) dimana penulis mencoba mencari solusi dari permasalahan yang didapat dari tahap analisis.
Naïve Bayes Naïve Bayes adalah teknik yang populer untuk aplikasi ini karena sangat cepat dan cukup akurat. Naïve Bayes memberikan pendekatan yang sederhana, dengan semantik yang jelas, untuk mewakili, menggunakan, dan belajar pengetahuan probabilistik. Hal ini dapat mencapai hasil yang mengesankan. [2] Teorema Bayes Teorema Bayes merupakan teorema yang digunakan dalam statistika untuk perhitungan peluang dalam suatu hipotesis, Bayes Optimal Classifier menghitung peluang suatu kelas dari tiap kelompok atribut yang ada, dan menentukan kelas mana yang paling tepat.[3] Probabilitas bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula Bayes yang dinyatakan: 69
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
d. Tahap keempat, adalah tahap implementasi dimana penulis mengimplementasikan perencanaan sistem ke situasi nyata yaitu dengan pemilihan perangkat keras dan penyusunan perangkat lunak aplikasi (pengkodean/coding). e. Tahap kelima, adalah pengujian (testing), yang dapat digunakan untuk menentukan apakah sistem atau perangkat lunak yang dibuat sudah sesuai dengan kebutuhan pengguna atau belum, jika belum, proses selanjutnya adalah bersifat iteratif, yaitu kembali ketahap-tahap sebelumnya. 4. Perancangan Tujuan dari perancangan aplikasi ini adalah untuk memenuhi kebutuhan dari pemakai sistem / user tentang gambaran yang jelas tentang bagaimana aplikasi yang akan dirancang serta diimplementasikan. Perancangan aplikasi klasifikasi diabetes pima indians ini dijelaskan dalam bentuk diagram alir atau flowchart.
4.1 Flowchart klasifikasi diabetes Yang pertama dilakukan adalah perhitungan prior probability, dimana merupakan probability yang tidak dipengaruhi oleh informasi tambahan.Selanjutnya yang dilakukan adalah perhitungan posterior probability atau probabilitas bersyarat yang merupakan probabilitas dari sebuah peristiwa yg akan terjadi jika sebuah peristiwa lainnya telah terjadi, dan yang terakhir adalah perhitungan posterior probability dimana perhitungan ini berguna untuk mengetahui kelas dari data diabetes pima Indian yang dimasukkan.
Diagram Alir (Flowchart) Diagram alir (flowchart) merupakan sebuah gambar diagram yang memiliki simbol-simbol grafis yang menggambarkan jalan kerja suatu algoritma atau proses yang menampilkan langkah-langkah yang digunakan pada sistem yang digambarkan dalam bentuk kotak beserta urutannya dengan saling menghubungkan tiap-tiap langkah dengan anak panah. Dapat dilihat pada gambar 4.1 apabila data inputan yang dimasukkan kealam aplikasi adalah data diabetes yang memiliki atribut sebanyak 8 atribut yang terdiri dari jumlah kehamilan, konsentrasi glukosa plasma, tekanan darah diastolik, ketebalan lapisan trisep, serum insulin, body mass index, silsilah diabetes dan umur serta 2 kelas yakni kelas positif dan negatif.
5. Implementasi Berdasarkan perancangan yang telah dilakukan, yang selanjutnya dilakukan implementasi. Implementasi akan dilakukan dengan menggunakan bahasa pemrograman visual basic.NET. Sedangkan untuk database yang akan digunakan untuk menyimpan semua data adalah MySql.
70
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 5.1 Form klasifikasi
Gambar 5.2 Form perhitungan Gambar 5.1 adalah gambar form klasifikasi. Pada form tesrsebut terdapat 8 atribut yang dimasukkan sebagai testing dan juga kelas dari atribut uji setelah dilakukan pengujian apakah positif atau negative diabetes. Pada form tersebut terdapat 2 tombol utama yakni run untuk melakukan klasifikasi dan reset untuk mengulang dalam proses klasifikasi.
Selain itu ditampilkan pula hasil detail dari perhitungan naïve bayes tersebut seperti yang ditunjukkan pada gambar 5.2. Bagaimana perhitungan dari naïve bayes sehingga diperoleh kelas dari atribut tersebut ditampilkan disini sebagai informasi tambahan untuk mengetahui detail dari cara kerja aplikasi ini.
71
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
diperoleh akurasi sebesar 74% dengan data testing sebanyak 50 data. Untuk data training digunakan 105 data training.
6. Hasil dan Pembahasan Dataset diabetes diambil dari UCI Machine Learning dimana terdiri dari 160 data diabetes. Dari 50 kali percobaan 37 data berhasil diklasifikasikan dengan tepat. Pada uji coba aplikasi klasifikasi penyakit diabetes ini dilakukan sepuluh kali percobaan dan
Percobaan 1 2 3 4 5 6 7 8 9 10
Jumlah Data
50
JELIKU Vol 2 No. 3 Agustus 2013
Akurasi = = 74%
Tabel 1. Akurasi Berhasil 37 37 37 37 37 37 37 37 37 37
Gagal 13 13 13 13 13 13 13 13 13 13
Akurasi(%) 74 74 74 74 74 74 74 74 74 74
1. Tan, Pang-Ning et.al. 2006.”Introduction to data Mining”. Pearson Education Inc, America 2. Witten. Ian H. 2011. “Data Mining Practical Machine Learning Tools and Techniques”. Elsevier Inc. USA 3. Shadiq, Ammar. 2009. “Keoptimalan Naïve Bayes Dalam Klasifikasi”. Universitas Pendidikan Indonesia, Bandung 4. Ningsih, Nur Indah Puspita. 2010. “Pembandingan Secara Empirik Metode Pemilihan Gini dan towing Dalam Klasifikasi Berstruktur Pohon Biner”. Institut Teknologi Sepuluh November, Surabaya.
7. Kesimpulan Dilihat dari aplikasi klasifikasi penyakit diabetes Pima Indian ini diperoleh hasil akurasi yang cukup baik dimana aplikasi klasifikasi dengan metode naïve bayes ini dapat melakukan klasifikasi dengan 74% data akurat. Dari segi informasi, aplikasi ini juga menyediakan informasi detil dari perhitungan pada naïve bayes tersebut sehingga dengan informasi detail tersebut dapat membantu dalam hal informasi perhittungannya itu sendiri. 8. Saran Saran yang dapat diberikan penulis dalam pembuatan aplikasi klasifikasi seperti ini adalah pengembangan kelas penyakit pada sistem klasifikasi diabetes dengan atribut yang lebih beragam, penggunaan data latih dan data uji yang lebih banyak agar sistem dapat mengenali berbagai variasi data pada masingmasing kelas penyakit diabetes dan juga klasifikasi dapat menggunakan algoritma lain sehingga dapat dibandingkan tingkat akurasinya. DAFTAR PUSTAKA
72
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
IMPLEMENTASI SPLIT DNS DENGAN MENGGUNAKAN BIND9 DALAM MEMBANGUN SISTEM CONTENT DELIVERY NETWORK I Made Yoga Sattwika Darma, I Made Widhi Wirawan, I Dewa Made Bayu Atmaja Darmawan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email:
[email protected] ABSTRAK Pada suatu situs yang sedang berkembang, terkadang perlu menggunakan sistem Content Delivery Network untuk meningkatkan waktu response terhadap permintaan yang berasal dari berbagai tempat. Dengan sistem Content Delivery Network (CDN), permintaan dari user akan dibawa ke suatu server tiruan, yang disebut Edge server, yang berada didekat user yang melakukan permintaan konten pada situs tersebut tanpa dirasakan langsung oleh user. Namun diperlukan cara dalam memetakan permintaan dari user menuju ke edge server yang ditentukan. Salah satu metode yang dapat digunakan dalam memetakan permintaan tersebut adalah dengan menggunakan metode Split DNS yang merupakan fitur dari BIND9. Dalam penulisan ini terdapat empat komponen yang digunakan, yaitu : Origin server, Edge server, dan dua serangkaian komputer dalam jaringan yang merupakan user yang memiliki segmen IP yang berbeda. Dimana Origin server akan diakses oleh serangkaian komputer jaringan pada segmen IP 192.168.1.0/24, sedangkan Edge Server akan diakses oleh serangkaian jaringan pada segmen IP 172.16.112.0/26. Split DNS dapat dimanfaatkan sebagai alat untuk memetakan permintan user terhadap menuju ke edge server yang diinginkan. Dalam penulisan ini tingkat keberhasilan Split DNS dalam mengarahan user ke IP address yang dinginkan dengan domain name yang sama adalah 91,67%. Kata Kunci: Domain Name System, Bind9, Split DNS, Content Delivery Network, ABSTRACT On a site that is growing, sometimes need to use a Content Delivery Network system to improve response time to requests coming from various places. With the system of Content Delivery Network (CDN), the demand from the user will be taken to a mock server, called the Edge server, which is located near the user that requests the content on the site without directly perceived by the user. But needed a way to map the request from the user to the specified server to the edge. One method that can be used to map the request is to use the Split method of control which is a feature of BIND9. In this study, there are four components that are used , namely : Origin server , Edge server , and two series of computers in a network that is a user who has a different IP segment . Where the Origin server to be accessed by a series of computers on the network segment 192.168.1.0/24 IP , while the Edge Server will be accessed by a range of IP network segment 172.16.112.0/26 . Split DNS can be used as a tool to map out requests the user to go to the edge of the desired server . In this study, the success rate Split DNS in directing the user to an IP address that is cooled with the same domain name is 91.67% . Keywords: Domain Name System, Bind9, Split DNS, Content Delivery Network PENDAHULUAN Pada suatu situs yang sedang berkembang, terkadang menggunakan sistem Content Delivery Network untuk
73
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
meningkatkan waktu response terhadap permintaan yang berasal dari berbagai tempat. Dengan sistem Content Delivery Network (CDN), permintaan dari user akan dibawa ke suatu server tiruan, yang disebut Edge server, yang berada didekat user yang melakukan permintaan konten pada situs tersebut tanpa dirasakan langsung oleh user. Untuk dapat meneruskan permintaan user ke edge server yang diinginkan, diperlukan suatu cara agar dapat memetakan permintaan tersebut menuju ke Edge Server yang diinginkan. Split DNS merupakan suatu metode yang memungkinkan DNS server untuk memberikan jawaban yang berbeda pada client yang berbeda untuk sebuah pertanyaan yang sama (Muhammad, t.t). Dengan split DNS, response terhadap permintaan suatu Domain Name dari suatu situs akan diarahkan menuju IP address berbeda sesuai dengan pengaturan yang dilakukan (Eastep, 2008).
JELIKU Vol 2 No. 3 Agustus 2013
Bind9 Bind9 (Berkeley Internet Name Domain) adalah DNS software yang paling umum digunakan. Bind9 memiliki banyak fitur yang dapat membantu dalam membangun sebuah DNS server. Salah satu fitur Bind9 adalah Split DNS. Split DNS Split DNS adalah konfigurasi sederhana dimana permintaan dari suatu DNS name dapat menuju ke IP Address yang berbeda, tergantung dari konfigurasi yang diinginkan. IP Address IP (internet protocol) Address adalah deretan angka biner berukuran antara 32-bit sampai 128-bit yang dipakai sebagai alamat identifikasi untuk tiap komputer host yang terhubung ke jaringan internet. Sistem pengalamatan IP terbagi menjadi dua, yakni IPv4 yang memiliki panjang angka 32-bit dan IPv6 yang memiliki panjang angka 128-bit.
TINJAUAN PUSTAKA Jaringan Komputer Jaringan komputer merupakan kumpulan beberapa komputer dan perangkat lainnya dalam satu kesatuan (Budhi Irawan, 2005). Jaringan tersebut dapat terhubung melalui media transmisi kabel atau tanpa kabel.
PERANCANGAN DAN KONFIGURASI
Content Delivery Network Content Delivery Network, disingkat dengan CDN, merupakan kumpulan kolaboratif dari beberapa elemen jaringan yang membentang melalui internet, dimana content direplikasi kedalam beberapa mirrored web server untuk melakukan pengeriman content yang efektif ke end user.
Gambar 1. Perancangan Sistem Split DNS
Domain Name System Domain Name System (DNS) adalah sistem hirarki penaman terdistibusi untuk komputer-komputer ataupun sumber daya lainnya yang terhubung melalui jaringan Internet ataupun jaringan private. DNS menerjemahkan nama komputer ke suatu IP Address sehingga akan memudahkan user dalam mengingat suatu alamat dengan nama dibandingkan dengan mengingat IP Address nya. Salah satu aplikasi yang dapat digunakan untuk membangun DNS server adalah Bind9.
Dalam penulisan ini terdapat empat komponen yang digunakan, yaitu : Origin server, Edge server, dan dua serangkaian komputer dalam jaringan yang merupakan user yang memiliki segmen IP yang berbeda. Dimana Origin server akan diakses oleh serangkaian komputer jaringan pada segmen IP 192.168.1.0/24, sedangkan Edge Server akan diakses oleh serangkaian jaringan pada segmen IP 172.16.112.0/26. Adapun konfigurasi yang dilakukan adalah sebagai berikut: 74
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Pada DNS server penulis melakukan installasi DNS server dengan menggunakan aplikasi BIND9. Adapaun sistem operasi yang digunakan merupakan sistem operasi Ubuntu 12.04. perintah untuk melakukan installlasi BIND9 adalah: #apt-get install bind9 Pada bind9 terdapat fitur untuk melakukan split DNS dengan menggunakan fungsi “view”. Konfigurasi split DNS terpada pada /etc/bind/named.conf.local. konfigurasi yang ditulis adalah sebagai berikut:
JELIKU Vol 2 No. 3 Agustus 2013
rentang IP diluar rentang IP yang telah didaftarkan pada fungsi acl. DNS name akan diteruskan menuju ke Edge server. Kemudian buat file db.ysdta.com pada /etc/bind/ dengan konfigurasi sebagai berikut : ; BIND data file for local loopback interface ; $TTL 604800 @ IN SOA ysdta.com. root.ysdta.com. ( 3 ; Serial 604800 ; Refresh 86400 ; Retry 2419200 ; Expire 604800 ) ; Negative Cache TTL IN A 192.168.1.253 ; @ IN NS ns.ysdta.com. @ IN A 192.168.1.253 @ IN AAAA ::1 ns IN A 192.168.1.253 www IN A 192.168.1.253
acl "origin" { 192.168.1.0/24; };
Konfigurasi diatas berfungsi untuk mendaftarkan rentang jaringan pada segmen IP berapa yang akan dipetakan menuju Origin server. fungsi acl pada bind9 adalah untuk mendaftarkan segmen IP tersebut.
Dan pada /etc/bind/cdn/ buat file db.ysdta.com juga dengan konfigurasi sebagai berikut :
view "origin" { recursion yes; match-clients { origin; }; zone "ysdta.com"{ type master; file "/etc/bind/db.ysdta.com"; };
; ; BIND data file for local loopback interface ; $TTL 604800 @ IN SOA ysdta.com. root.ysdta.com. ( 8 ; Serial 604800 ; Refresh 86400 ; Retry 2419200 ; Expire 604800 ) ; Negative Cache TTL
Konfigurasi diatas merupakan konfigurasi “view” yang berfungsi membatasi fungsi “zone” bind9 agar berjalan pada kondisi tertentu. Dalam konfigurasi diatas kondisi yang terjadi adalah zone ysdta.com yang file konfigurasinya berada pada db.ysdta.com berjalan dalam client berada pada rentang IP “origin” yang telah didefinisikan pada fungsi “acl”. Rentan segmen IP “origin” dipanggil dengan fungsi “match-clients”.
IN ; @ @ @ ns www
view "cdn"{ recursion yes; match-clients { any; }; zone "ysdta.com"{ type master; file "/etc/bind/cdn/db.ysdta.com"; }; };
A
172.16.112.104
IN IN IN IN IN
NS A AAAA A A
ns.ysdta.com. 172.16.112.104 ::1 172.16.112.104 172.16.112.104
Setelah konfigurasi selesai, restart bind9 dengan perintah #service bind9 restart HASIL IMPLEMENTASI Untuk melihat hasil konfigurasi bind9 dapat dilakukan dengan cara menggunakan perintah #dig ysdta.com
Konfigurasi diatas sama dengan konfigurasi “view” sebelumnya. Rentang IP “any” berarti rentang IP yang berjalan pada zone ini adalah 75
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Di masing masing client komputer. Jika berhasil akan muncul tampilan sebagai berikut:
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Gambar 2. Split DNS yang diteruskan ke Origin Server Pada gambar 2 merupakan gambar komputer client. Dimana segmen IP pada client tersebut berada pada segmen IP 192.168.1.0/24. Maka dengan melakukan perintah #dig ysdta.com pada terminal akan terlihat permintaan terhadap domain name tersebut akan diteruskan ke IP server 192.168.1.253, dalam hal ini merupakan IP dari origin server.
Pada gambar 3 merupakan gambar komputer client. Dimana segmen IP pada client tersebut berada pada segmen IP 172.16.112.0/26. Maka dengan melakukan perintah #dig ysdta.com pada terminal akan terlihat permintaan terhadap domain name tersebut akan diteruskan ke IP server 172.16.112.104, dalam hal ini merupakan IP dari edge server. Tabel 1. Hasil pengecekan Split DNS pada user dengan IP Address 192.168.1.253 Tujuan IP server yang menjawab 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253
Hasil IP server yang menjawab 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253
192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253
192.168.1.253 192.168.1.253 172.16.112.65 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 192.168.1.253 172.16.112.65 192.168.1.253
berhasil berhasil gagal berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil gagal berhasil
Pada gambar 3 merupakan gambar komputer client. Dimana segmen IP pada client tersebut berada pada segmen IP 172.16.112.0/26. Maka dengan melakukan perintah #dig ysdta.com pada terminal akan terlihat permintaan terhadap domain name tersebut akan diteruskan ke IP server 172.16.112.104, dalam hal ini merupakan IP dari edge server. Pada penulisan ini pengecekan akses domain name dilakukan sebanyak tiga puluh kali dimasing masing target server pada konfigurasi bind9, kemudian akan dilihat berapa kali ketepatan bind9 dalam meneruskan domain name ke server yang seharusnya di tuju. Adapun hasil dari pengecekan tersebut dapat dilihat pada tabel 1 dan 2.
Gambar 3. Split DNS yang diteruskan ke Edge Server.
Percoba an 1 2 3 4 5 7
JELIKU Vol 2 No. 3 Agustus 2013
Tabel 2. Hasil pengecekan Split DNS pada user dengan IP Address 172.16.112.111 Percoba an 1 2 3 4 5 7 8 9
Status keberhasilan berhasil berhasil berhasil berhasil berhasil berhasil
76
Tujuan IP server yang menjawab
Hasil IP server yang menjawab
172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104
172.16.112.104 172.16.112.65 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.65
Status keberhasilan berhasil gagal berhasil berhasil berhasil berhasil berhasil gagal
Jurnal Elektronik Ilmu Komputer - Universitas Udayana 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104
172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.65 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104 172.16.112.104
berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil berhasil gagal berhasil berhasil berhasil berhasil berhasil berhasil berhasil
Tabel 1 menunjukan tingkat keberhasilan permintaan terhadap domain name. dimana alamat IP tujuan yang diharapkan adalah 192.168.1.253. Percobaan dilakukan dengan cara mengecek nama domain dengan perintah #dig ysdta.com sebanyak tiga puluh kali. Hasil dari pengecekan sebanyak tiga puluh kali tersebut kegagalan yang dialami adalah sebanyak dua kali. Tabel 2. menunjukan tingkat keberhasilan permintaan terhadap domain name. dimana alamat IP tujuan yang diharapkan adalah 172.16.112.104. Percobaan dilakukan dengan cara mengecek nama domain dengan perintah #dig ysdta.com sebanyak tiga puluh kali. Hasil dari pengecekan sebanyak tiga puluh kali tersebut kegagalan yang dialami adalah sebanyak tiga kali. Sehingga persentase tingkat keberhasilan yang didapat mencapai . KESIMPULAN Kesimpulan yang dapat diambil adalah Split DNS menggunkan bind9 dapat diimplementasikan dengan baik dalam memetakan arah permintaan client berdasarkan domain name. Dalam penulisan ini, hal tersebut dibuktikan dengan
77
JELIKU Vol 2 No. 3 Agustus 2013
mendapatkan nilai sebesar 91.67%.
keberhasilan
(akurasi)
SARAN Adapun saran yang dapat diberikan dalam penulisan ini adalah masih terdapat 8.33% kegagalan dalam melakukan split DNS. Sehingga diperlukan penelitian lebih lanjut untuk mencari tahu penyebab kegagalan tersebut. DAFTAR PUSTAKA [1] Budhi Irawan. 2005. Jaringan Komputer. Graha Ilmu. [2] Alen Householder dan Brian King. 2002. Securing an Internet Name Server. CERT Coordination Center. [3] Watchguard. 2013. Set Up Public Web Server Behind an XTM Device. Watchguard Technologies inc. [4] Cricket Liu. 2002. DNS & BIND Cookbook. O‟Reilly.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PERANCANGAN SISTEM INFORMASI SALES ACTIVITY PT. ASTRA INTERNATIONAL TBK. - HONDA I Wayan Angga Pratama1, Ida Bagus Gede Dwidasmara2 Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana Email :
[email protected],
[email protected] ABSTRAK PT Astra International Tbk – Honda, pendeknya Astra Honda Motor (AHM) merupakan anak cabang dari perusahaan multinasional PT Astra International Tbk yang secara spesifik membidangi penjualan kendaraan roda dua yang berasal dari Jepang, Honda. AHM, sebagai perusahaan sukses memiliki banyak cabang yang tersebar di Indonesia. Khususnya wilayah Bali, penjualan sepeda motor Honda dipegang oleh Head Sales Office (HSO) Denpasar yang merupakan Maindealer seluruh dealer Astra Motor dan dealer-dealer Honda lain yang berafiliasi. HSO Denpasar juga melakukan distribusi ke seluruh dealer Honda di Bali. Distribusi dari Maindealer ke dealer selalu terjadi tiap harinya sehingga dealer bisa memproses penjualan dan meneruskannya ke customer di hari yang tepat. HSO Denpasar membutuhkan suatu sistem yang dapat memantau pergerakan dan perkembangan pemasaran para dealer. Sistem tersebut, Sales Activity, selain dapat memenuhi kebutuhan HSO Denpasar sebagai Maindealer juga didasari oleh kebutuhan para dealer untuk memantau kinerja penjualan bulanan mereka di suatu lokasi tertentu. Berdampingan dengan sistem GIS Bayonet Astra Motor, Sales Activity bisa membantu dealer menentukan lokasi yang tepat untuk melakukan berbagai aktivitas marketing yang harapannya bisa meningkatkan penjualan secara efisien. Dengan rata-rata akurasi sebesar 92,3 persen dari 30 kali percobaan terhadap kebutuhan dealer, didapatkan bahwa sistem ini sudah dapat memfasilitasi para dealer untuk menentukan lokasi dan membuat rencana aktivitas marketing yang tepat sesuai dengan lokasi yang dianggap potensial yang diinput sebelumnya. Sistem ini bisa diterapkan dengan basis web, terutama dengan bahasa pemrograman PHP menggunakan konsep Model-View-Controller (MVC), framework CodeIgniter, sehingga kemudahan-kemudahan untuk memperoleh informasi bisa dirasakan Maindealer. Kata Kunci: aplikasi web, sales activity, MVC, CodeIgniter framework. ABSTRACT PT Astra International Tbk - Honda, in short Astra Honda Motor (AHM), is a subsidiary of a multinational company, PT Astra International Tbk, which specifically in charge of sales of twowheeled vehicles originating from Japan, Honda. AHM, as a successful company has many branches spread in Indonesia. Especially in Bali, the sales of Honda motorcycles held by Head Sales Office (HSO) Denpasar which is the Maindealer for entire Astra Motor dealer and other affiliated Honda dealers. HSO Denpasar is also doing the distribution to all Honda dealers in Bali. The distribution happens every day so that the dealers can process the sales and forward it to the customer at the right time. HSO Denpasar need a system which can monitor the movement and marketing development of all dealers. The system, Sales Activity, apart from meeting the needs of HSO Denpasar as Maindealer, is also based on the needs of dealers to monitor their monthly sales performance in a specific location. Alongside with the GIS of Bayonet Astra Motor, Sales Activity can help dealers determine the exact location to perform a variety of marketing activities which is expected to increase the sales efficiently. With an average accuracy of 92,3 percent of 30 attempts, it was found that the system has been able to facilitate the dealers to determine location and plan the appropriate marketing activities to the potential location that was previously inputted. The system can be applied with web basis,
78
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
specifically PHP language with Model-View-Controller (MVC) concept, CodeIgniter framework, so the easiness to get the information can be achieved by Maindealer. Keywords: web application, sales activity, MVC, Codeigniter framework
memantau kinerja penjualan bulanan mereka di suatu lokasi tertentu. Berdampingan dengan sistem Geographical Information System (GIS) Bayonet Astra Motor, Sales Activity bisa membantu dealer menentukan lokasi yang tepat untuk melakukan berbagai aktivitas marketing yang harapannya bisa meningkatkan penjualan secara efisien. Dengan adanya sistem ini, dealer person-incharge bisa memanajemen aktivitas-aktivitas marketing apa yang bisa dilakukan dengan melihat potensi sebelumnya dari lokasi di kecamatan-kecamatan yang dipilih melalui sistem Bayonet Astra Motor. Sistem ini dibuat dengan basis web agar seluruh dealer di Bali bisa mengaksesnya dan melakukan manajemen melalui internet. Fleksibilitas bisa dicapai karena sistem tentunya dapat diakses melalui perangkat mobile, walaupun titik berat perancangan bukan di sisi ini.
1. PENDAHULUAN PT Astra International Tbk – Honda, pendeknya Astra Honda Motor (AHM) merupakan anak cabang dari perusahaan multinasional PT Astra International Tbk yang secara spesifik membidangi penjualan kendaraan roda dua. Sebagai perusahaan yang sangat sukses dengan penjualan sepeda motor Honda-nya, AHM memiliki banyak cabang yang tersebar di seluruh Indonesia. Tingginya animo masyarakat Bali akan motor Honda telah menempatkan Honda sebagai merk motor dengan market share tertinggi. Tidak heran begitu banyaknya yang berinvestasi dengan membuka dealer khusus menjual sepeda motor Honda. Khususnya wilayah Bali, penjualan sepeda motor Honda dipegang oleh Head Sales Office (HSO) Denpasar yang merupakan Maindealer seluruh dealer Astra Motor dan dealer-dealer Honda lain yang berafiliasi. HSO Denpasar juga melakukan distribusi ke seluruh dealer Honda di Bali. Distribusi dari Maindealer ke dealer selalu terjadi tiap harinya sehingga dealer bisa memproses penjualan dan meneruskannya ke customer di hari yang tepat. Dahulu, HSO Denpasar tidak memiliki sistem yang dapat memantau pergerakan dan perkembangan pemasaran para dealer. Tentu saja data-data penjualan bisa dipantau, namun perkembangan di sektor promosi, apa-apa saja yang telah dilakukan untuk mendongkrak penjualan di range area dealer belum dapat diketahui secara pasti karena hal itu merupakan catatan atau arsip pribadi tiap dealer. Strategi pemasaran melalui aktivitas tertentu di lokasi yang tepat perlu dilakukan, sayangnya, hal tersebut masih sebatas cobacoba untuk melihat potensi tiap lokasi. Sistem yang dinamakan Sales Activity dirancang untuk membantu menyelesaikan permasalahan tersebut. Sales Activity hadir karena perlunya sebuah sistem bagi para dealer yang bisa
2. MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI 2.1 Web-based Application Web-based application atau aplikasi berbasis web merupakan aplikasi yang bisa diakses melalui jaringan internet ataupun intranet. Aplikasi berbasis web (selanjutnya disebut aplikasi web) diprogram dalam sebuah bahasa yang didukung oleh peramban. [2] Aplikasi web menjadi populer karena ketersediaan web browser dan kenyamanan menggunakan web browser sebagai client. Kemampuan untuk memperbaharui dan memaintain aplikasi tanpa melakukan distribusi dan instalasi software di tiap-tiap komputer yang berhubungan merupakan alasan utama dari popularitasnya. Contoh aplikasi web seperti webmail, penjualan online, dan lain sebagainya. [3] Dalam aplikasi web ada yang dinamakan client-side scripting dan serverside scripting. Pada client-side scripting, semua script dijalankan pada client yaitu web 79
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
browser, bahasa yang umumnya digunakan adalah HTML, CSS, dan JavaScript. Sedangkan pada server-side scripting, semua script dijalankan pada server yang menjadi host aplikasi web tersebut, bahasa yang umum digunakan adalah PHP, Ruby, dan Phyton.
JELIKU Vol 2 No. 3 Agustus 2013
menggunakan CodeIgniter sebagai framework perancangan aplikasi berbasis web dengan bahasa PHP. Konsep MVC akan dijelaskan lebih lanjut pada subbab berikutnya. 2.3 Konsep MVC dan CodeIgniter CodeIgniter adalah aplikasi open source yang berupa framework dengan model MVC (Model, View, Controller) untuk membangun website dinamis dengan menggunakan PHP. CodeIgniter memudahkan developer untuk membuat aplikasi web dengan cepat dan mudah dibandingkan dengan membuatnya dari awal. CodeIgniter dirilis pertama kali pada 28 Februari 2006. Versi stabil terakhir 2.1.2 yang dirilis pada 29 Juni 2012. Model View Controller merupakan suatu konsep yang cukup populer dalam pembangunan aplikasi web, berawal pada bahasa pemrograman Small Talk, MVC memisahkan pengembangan aplikasi berdasarkan komponen utama yang membangun sebuah aplikasi seperti manipulasi data, user interface, dan bagian yang menjadi kontrol aplikasi. Terdapat 3 jenis komponen yang membangun suatu MVC pattern dalam suatu aplikasi yaitu: 1. View, merupakan bagian yang menangani presentation logic. Pada suatu aplikasi web bagian ini biasanya berupa file template HTML, yang diatur oleh controller. View berfungsi untuk menerima dan merepresentasikan data kepada user. Bagian ini tidak memiliki akses langsung terhadap bagian model. 2. Model, biasanya berhubungan langsung dengan database untuk memanipulasi data (insert, update, delete, search), menangani validasi dari bagian controller, namun tidak dapat berhubungan langsung dengan bagian view. 3. Controller, merupakan bagian yang mengatur hubungan antara bagian model dan bagian view, controller berfungsi untuk menerima request dan data dari user kemudian menentukan apa yang akan diproses oleh aplikasi. Dengan menggunakan prinsip MVC suatu aplikasi dapat dikembangkan sesuai dengan kemampuan developer-nya, yaitu programmer yang menangani bagian model
2.2 Web Application Framework Perancangan sistem ini menggunakan bahasa PHP dengan menggunakan web application framework atau kerangka kerja aplikasi web. Framework ini seringkali digunakan untuk menyederhanakan perancangan, sehingga para developer web bisa lebih fokus ke tujuan unik yang perlu dicapai dari sebuah web aplikasi tanpa berhadapan dengan masalah-masalah umum pengembangan web. Penggunaannya seringkali mengurangi kesalahan / error dalam memrogram, dengan membuatnya lebih sederhana sehingga lebih meningkatkan produktivitas pengembangan. [1] Framework secara sederhana dapat diartikan kumpulan dari fungsifungsi/prosedur-prosedur dan class-class untuk tujuan tertentu yang sudah siap digunakan sehingga bisa lebih mempermudah dan mempercepat pekerjaan seorang pemrograman, tanpa harus membuat fungsi atau class dari awal. Ada beberapa alasan mengapa menggunakan framework: • Mempercepat dan mempermudah pembangunan sebuah aplikasi web. • Relatif memudahkan dalam proses maintenance karena sudah ada pola tertentu dalam sebuah framework (dengan syarat programmer mengikuti pola standar yang ada) • Umumnya framework menyediakan fasilitas-fasilitas yang umum dipakai sehingga kita tidak perlu membangun dari awal (misalnya validasi, ORM, pagination, multiple database, scaffolding, pengaturan session, error handling, dan lain-lain • Lebih bebas dalam pengembangan jika dibandingkan CMS Framework memiliki banyak tipe, namun yang paling banyak digunakan adalah berbasis model-view-controller (MVC). Seperti contoh dalam perancangan sistem ini, 80
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
dan controller, sedangkan designer yang menangani bagian view, sehingga penggunaan arsitektur MVC dapat meningkatkan maintanability dan organisasi kode. Walaupun demikian dibutuhkan komunikasi yang baik antara programmer dan designer dalam menangani variabel-variabel yang akan ditampilkan. 3.
JELIKU Vol 2 No. 3 Agustus 2013
dan potensi tiap aktivitas marketing. Masih dalam tahap pengembangan. • Back to GIS – hanya berfungsi untuk balik ke Bayonet System agar pengguna bisa melakukan logout dengan aman. Sistem Sales Activity ini dirancang dengan PHP framework CodeIgniter. Framework digunakan untuk mengurangi waktu development sehingga lebih fokus ke tujuan bisnis yang ingin dicapai HSO Denpasar dan fokus ke desain antarmuka yang user friendly.
PERANCANGAN
3.1 Gambaran Umum Perancangan Sistem ini dirancang agar pengaksesan dilakukan melalui sistem GIS Bayonet Astra Motor, jadi proses login dan logout tidak dilakukan di sistem Sales Activity. Untuk logout, pengguna bisa menggunakan sebuah menu yang fungsinya balik ke halaman GIS, lalu logout dari sistem itu. Secara keseluruhan ada 8 menu di halaman depan sistem ini. Menu-menu dan specific output-nya adalah sebagai berikut: • Planning Activity – digunakan untuk melakukan operasi CRUD (create, read, update, delete) aktivitas marketing yang akan dilakukan. • Input Lokasi – untuk membuat, update, delete lokasi marketing. • Month Schedule – menampilkan jadwal aktivitas marketing yang sudah direncanakan sebelumnya dalam tampilan bulanan. • Sales Achievement – menampilkan kinerja penjualan dealer, diurutkan berdasarkan kategori motor. • Sales Productivity – menampilkan kinerja penjualan salesforce dealer. • Salesforce Adjustment – menampilkan informasi produktivitas salesforce dan target penjualan per salesforce, digunakan sebagai pertimbangan untuk penambahan salesforce demi memenuhi target penjualan bulanan dealer. Masih dalam tahap pengembangan. • Marketing Activities – menampilkan aktivitas marketing yang telah dilakukan
3.2 Kebutuhan Pengguna Dari ketujuh fungsi atau fitur yang dirancang pada sistem Sales Activity, dua fungsi yaitu Input Lokasi dan Planning Activity menjadi fitur yang difokuskan dalam perancangan. Merujuk dari kedua fitur tersebut, pengguna sistem Sales Activity, yaitu dealer, memiliki kebutuhan-kebutuhan esensial sebagai berikut: Menginputkan dan menampilkan detail lokasi berdasarkan informasi yang dihimpun (atau sesuai asumsi) dealer Membuat rencana aktivitas marketing dari lokasi yang sudah ditentukan sebelumnya dan menampilkan informasi tersebut Mengisi data aktual dari informasi yang dihimpun ketika event berjalan dan menampilkannya. 3.3 Diagram Konteks Gambar 1 mengilustrasikan interaksi sistem dengan entitas-entitas terkait. Sistem Sales Activity sebagai sebuah proses mendapatkan input data kode dealer dan kecamatan dari sistem GIS. Lalu dari Dealer turut menginputkan data-data yang dibutuhkan untuk perencanaan aktivitas, dan feedback-nya berupa informasi aktivitas yang diperlukan oleh Dealer. Ada satu sistem eksternal namun masih milik HSO Denpasar, yaitu sistem Portal dealerhondabali.com. Sistem ini menyediakan data salesforce (salesman dan salescounter), data penjualan, dan data motor.
81
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 1. Diagram Konteks Sistem Sales Activity masing proses tentunya diberikan kembali kepada Dealer. Dealer bisa menginput lokasi dan bagaimana potensi penjualannya melalui proses Input Lokasi. Hasil dari proses tersebut disimpan dalam act_lokasi untuk diteruskan ke entitas Dealer.
3.4 Diagram Level 0 Terlihat pada Gambar 2 bahwa ada tujuh proses yang keseluruhnya bermuara pada entitas Dealer sebagai penerima informasi. Ada dua entitas yang berupa sistem yaitu portal dealerhondabali.com sebagai sistem informasi HSO Denpasar dan sistem GIS. Planning Activity memroses data rencana aktivitas yang diinput oleh entitas Dealer, output atau hasil proses tersebut disimpan di database pada tabel act_sales yang mana informasinya diperlukan pada proses Marketing Activities dan Month Schedule, kemudian hasil dari kedua proses itu diinformasikan ke Dealer. Sistem GIS memberi informasi kode dealer dan kecamatan ke proses Planning Activity, yang datanya juga diberikan ke proses Input Lokasi. Sistem Portal berfungsi memberi berbagai informasi yang diperlukan pada proses Sales Adjustments, Sales Productivity, dan Sales Achievement, hasil dari masing-
3.5 Diagram ER Sistem
Terlihat pada Gambar 3, sistem ini terdapat empat tabel yaitu act_sales, act_location_cat, act_potensi, act_lokasi, dan act_marketing dengan garis yang menunjukkan relasi antartabel. Jika dilihat kembali, tabel user atau pengguna atau sejenisnya tidak terlihat di sini, dikarenakan desain tabel user ada pada sistem GIS. Jadi sistem GIS hanya membawa data yang diperlukan saja untuk diproses di sistem Sales Activity, data tersebut adalah dlr_code_hso dan kecamatan. Relasi antartabel tersebut seluruhnya berkardinalitas one-to-many.
82
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 3. Diagram ER Sistem Sales Activity
4.
ANALISIS DAN PEMBAHASAN
4.1 Mekanisme Pengujian Sistem yang dirancang diharapkan dapat memenuhi kebutuhan-kebutuhan esensial dealer yang dijabarkan sebelumnya. Dengan itu, sebuah mekanisme pengujian (testing) diperlukan untuk mengevaluasi apakah Sales Activity telah dirancang sesuai dengan kebutuhan dealer. Black box testing ditetapkan sebagai mekanisme pengujian sistem terkait dengan adanya kebutuhan-kebutuhan tertentu yang harus dipenuhi sebuah sistem. Penguji tidak memiliki akses terhadap kode sumber sistem, sehingga penguji hanya mengetahui bahwa informasi bisa diinput, dan sistem akan menampilkan informasi yang telah diproses. Berdasarkan informasi dari berbagai kebutuhan dealer tersebut, penguji tahu apa yang diharapkan akan tampil pada sistem, dan menguji untuk memastikan sistem memberikan informasi (output) yang sesuai dengan yang seharusnya ditampilkan. [4]
Gambar 4. User Login Bayonet System User cukup melakukan klik pada pin yang paling besar. Pin ini menunjukkan dealer akun yang digunakan untuk login saat ini.
Gambar 5. Tampilan GIS HSO Denpasar – Bayonet System
4.2 Skenario Pengujian Sales Activity tidak memiliki proses login pada sistemnya sehingga untuk masuk harus melalui login pada Bayonet System. Pada Gambar 4 menunjukkan halaman user login Bayonet System. Gambar 5 menunjukkan halaman yang muncul ketika login sukses. Halaman ini menampilkan peta pulau Bali dengan pin-pin yang merepresentasikan lokasi tiap dealer yang berafiliasi atau menjual motor Honda.
Gambar 6 menunjukkan halaman di mana pengguna mencentang kecamatan yang diinginkan untuk nantinya di-submit ke sistem Sales Activity. Kecamatan ini merupakan salah satu data yang diperlukan untuk melakukan planning activity dan menginput lokasi-lokasi baru untuk melakukan aktivitas marketing.
83
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Gambar 6. Mencentang dan Submit Kecamatan
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 8. Mengisi data lokasi aktivitas
Tampilan kemudian beralih masuk ke sistem Sales Activity. Halaman Planning Activity (Gambar 7) adalah tampilan default setelah submit kecamatan dari Bayonet System Astra Motor. Jika pengguna sebelumnya tidak pernah mengisi data lokasi untuk rencana aktivitas, maka alur bermula dari input lokasi terlebih dahulu pada menu Input Lokasi di sidebar sebelah kiri.
Informasi rencana aktivitas yang baru saja dibuat ditampilkan pada tabel seperti pada Gambar 11.
Gambar 9. Tabel informasi lokasi Setelah kegiatan dijalankan, pengguna perlu menginputkan data aktual pada form yang ditampilkan Gambar 12. Gambar 7. Planning Activity Pada awalnya pengguna perlu mengisi data lokasi untuk menjalankan aktivitas marketing (Gambar 8). Lokasi ini diperlukan untuk membuat rencana aktivitas di tahap selanjutnya. Informasi lokasi yang dibuat ditampilkan pada Gambar 9. Pengguna kemudian membuat rencana aktivitas marketing dengan menggunakan contoh lokasi yang sudah disiapkan sebelumnya. Contoh pengisian diilustrasikan pada Gambar 10. Gambar 10. Input data rencana aktivitas Data tersebut seperti penjualan yang terjadi, pengunjung yang hadir saat kegiatan berlangsung, dokumentasi kegiatan (jika ada),
84
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
dan lain sebagainya. Tabel yang menampilkan informasi aktivitas atau kegiatan yang telah dilaksanakan terlihat pada Gambar 13.
Gambar 12 Input data aktual dari aktivitas
Pengujian bertumpu pada dua hasil yang diharapkan: (1) data input tersimpan di database dan (2) data yang diinput bisa ditampilkan kembali pada tabel. Pengujian dilakukan sebanyak 30 kali input dalam berbagai kombinasi. Data uji coba tertuang pada Tabel 1.
Gambar 11. Tabel informasi rencana aktivitas Untuk memastikan sistem berfungsi dengan baik sesuai dengan yang diharapkan, serangkaian test case perlu dilakukan. Test case diperlukan untuk menguji apakah fungsionalitas sistem berjalan dengan baik dan output sesuai dengan harapan jika diuji coba dengan berbagai kombinasi inputan yang dilakukan oleh pengguna, yaitu dalam hal ini adalah dealer. Alur sistem yang diuji dalam perancangan ini adalah fungsi Input Lokasi dan Planning Activity yang cukup merepresentasikan pengujian seluruh sistem.
Gambar 13 Tabel informasi aktivitas aktual
Dari 30 kali percobaan (ditampilkan pada Tabel 1) yang dilakukan pada sistem untuk masing-masing kebutuhan dealer didapatkan rata-rata akurasi sebesar 92,3 persen. Hal ini menunjukkan bahwa sistem Sales Activity cukup mampu memenuhi semua kebutuhan pengguna.
Tabel 1. Hasil percobaan sistem Sales Activity No 1 2 3 4 5 6
Kebutuhan Input data lokasi Menampilkan data lokasi Input data rencana kegiatan Menampilkan data rencana kegiatan Input data aktual kegiatan Menampilkan data aktual kegiatan Rata-rata
Kebutuhan Pengguna 30 kali 30 kali 30 kali 30 kali 30 kali 30 kali
Percobaan Sistem Memenuhi Tidak 30 0 30 0 27 3 27 3 26 4 26 4 27,7 2,4
Akurasi (%) 100 100 90 90 86,7 86,7 92,3
aktivitas marketing selanjutnya dengan menambahkan potensi tiap-tiap lokasi.
Tampilan Sistem dan Penggunaan Secara Umum Tampilan depan sistem Sales Activity ditunjukkan pada Gambar 14. Pada halaman ini pengguna bisa melakukan perencanaan aktivitas yang akan dilakukan oleh dealernya. Bisa melihat plan yang baru dibuat, update dan delete aktivitas yang sudah dibuat sebelumnya. Pada halaman Input Lokasi (Gambar 15) pengguna bisa melakukan penambahan lokasi yang akan dijadikan 4.4
Gambar 14. Planning Activity
85
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 15. Input Lokasi
Gambar 18. Sales Productivity
Halaman Month Schedule (Gambar 16) menunjukkan rencana aktivitas yang sudah dibuat sebelumnya dan ditampilkan dalam format bulanan. Karena dealer belum membuat rencana aktivitas apapun, maka data jadwal bulanan belum bisa ditampilkan pada halaman ini.
Sales Productivity (Gambar 18) menampilkan kinerja penjualan yang terjadi melalui salesman dan salescounter, dengan bulan dan tahun yang sebelumnya sudah dipilih oleh pengguna. Salesman dan salescounter diberi peringkat (grading) sesuai dengan hasil penjualan mereka per bulannya pada tahun lalu. Peringkat tersebut dibedakan menjadi empat kategori, yaitu Platinum, Gold, Silver, dan Red. Nantinya peringkat ini akan menentukan berapa target penjualan mereka yang harus dipenuhi tiap bulan. Halaman ini juga menunjukkan aktual penjualan salesman dan salescounter per bulannya agar bisa dibandingkan dengan target penjualannya sehingga selisih / kekurangannya bisa diketahui.
Gambar 16. Month Schedule Halaman Sales Achievement (Gambar 17) menunjukkan kinerja pencapaian penjualan motor dealer sesuai rencana dan aktualnya untuk bulan dan tahun yang sudah dipilih sebelumnya oleh pengguna, diurut / diklasifikasikan berdasarkan kategorinya. Kategori tersebut sebagai contoh adalah AT
Gambar 19. Sales Adjustments Sales Adjustments (Gambar 19) hingga saat ini masih dalam tahap pengembangan. Rencananya halaman ini menunjukkan informasi kepada pengguna mengenai ketersediaan salesforce yang dimiliki dealer. Halaman yang juga masih dalam tahap pengembangan yaitu Marketing Activities (Gambar 20). Rencana pengembangannya, halaman ini akan menginformasikan potensi tiap marketing activities yang telah dilakukan sebelumnya. Dengan mengetahui hal ini, dealer bisa melakukan perencanaan aktivitas mana yang bisa menjadi fokus untuk meningkatkan penjualan.
Gambar 17. Sales Achievement Berdasarkan target penjualan dan produktivitas salesforce yang lain, pengguna bisa mengetahui apakah dealer perlu menambah salesforce atau tidak agar bisa memenuhi target penjualan motor bulanan dari HSO Denpasar. Halaman ini memiliki keterkaitan informasi dengan menu Sales Productivity.
86
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Gambar 20. Marketing Activities 5
KESIMPULAN
Dari pembahasan dan analisis perancangan sistem Sales Activity untuk HSO Denpasar ini, penulis menyimpulkan poin-poin penting sebagai berikut. 1. Dengan rata-rata akurasi pengujian sebesar 92,3 persen dari 30 kali percobaan, menunjukkan sistem Sales Activity sudah dapat memfasilitasi para dealer untuk menentukan lokasi dan membuat rencana aktivitas marketing yang tepat sesuai dengan lokasi yang dianggap potensial yang diinput sebelumnya. 2. Sistem Sales Activity ini bisa diterapkan dengan basis web application sehingga berbagai kemudahan dalam memperoleh informasi bisa didapat Maindealer. 6
DAFTAR PUSTAKA
[1] Duckett, Jon. 2011. HTML & CSS – Design And Build Websites. Indianapolis, IN: John Wiley & Sons, Inc. [2] Fling, B. 2009. Mobile Design and Development. Sebastopol, CA: O‟Reilly Media, Inc. [3] Lennartz, S., Friedman, V. 2011. Modern Web Design And Development. Freiburg, Germany: Smashing Media Gmbh. [4] Williams, L., 2006. Testing Overview and Black-Box Testing Techniques,
.
87
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
ANALISIS MANAJEMEN BANDWIDTH UNTUK MEMBERIKAN LAYANAN SECARA ADIL TERHADAP PENGGUNA DENGAN MENGGUNKAN METODE ANTRIAN HTB DAN METODE ANTRIAN PCQ PADA MIKROTIK I Made Bayu Adi Utama1, I Dewa Made Bayu Atmaja Darmawan 2 Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Email: [email protected], [email protected] ABSTRAK Dengan banyaknya pengguna yang memakai internet di suatu jaringan. Sering ditemukan pengguna yang menghabiskan bandwidth untuk melakukan download yang berlebihan. Hal ini tentu akan menjadikan pengguna yang lain dalam mengakses internet akan menajdi lambat. Maka diperlukan manajemen bandwidth untuk memecahkan masalah ini. Untuk melakukan manajemen bandwidth pada suatu jaringan dapat menggunakan Queue tree yang bertujuan meningkatkan kualitas layanan jaringan (Quality of Service) dengan mengoptimalkan bandwidth yang tersedia. Queue tree akan diterapkan dengan menggunakan antrian HTB. Selain antrian HTB, penelitian ini juga menggunakan antrian PCQ untuk memberkan keadilan kepada pengguna. Hal ini untuk menghidari dominasi penggunaan bandwidth oleh suatu pengguna yang menggunakan aplikasi download manager. Hasil pengujian memperlihatkan metode HTB dan metode PCQ dapat mengontrol manajemen bandwith dari masing-masing client. Setiap client dapat menggunakanbandwidth yang tidak sedang digunakan (idle) dan juga dapat digunakan untuk mengalokasikan bandwidth , Dari alokasi bandwidth sebesar 512 kbps. Pada kasus hanya satu client yang menggunakan bandwidth dengan metode PCQ maka client tersebut dapat menggunakan bandwith sebesar 465.2Kbps dengan menggunkan metode HTB maka bandwidth yang diberikan sebesar 401.8Kbps. Jika semua client melakukan download, dan salah satu dari pengguna tersebut menggunakan aplikasi download manager maka bandwith yang akan di dapatkan dengan menggunkan metode PCQ sebesar 119.3Kbps menggunkan metode antrian HTB akan mendapatkan bandwith sebesar 125.0 Kbps. Ketika semua user melakukan download maka banwidth yang akan di dapatkan dengan metode PCQ sebesar client 1 = 103.7 Kbps, client 2 = 123.8 Kbps, client 3= 117.2 Kbps client 4 = 104.4 Kbps.dengan menggunkan HTB bandwidth yang diberikan sebesar client 1 = 119.2 Kbps. client 2 = 107.5 Kbps. client 3 = 110.1 Kbps. client 4 = 101.8 Kbps. Kata Kunci: Manajemen Bandwidth, HTB, PCQ, ABSTRACT With many users who wore internet in a network. Often found users who spent bandwidth to download that too much. This is of course will make users that of other access the internet will be to slow. Then be required bandwidth management to solve this problem. To do management bandwidth in a network can be used Queue tree that aims to improve the quality network services (Quality of Service) by optimizing bandwidth that are available. Queue tree will be implemented by using HTB queue. In addition queue HTB, or is also using PCQ queue for gorgeous outline justice to the user. This was to bandwidth usage evading domination by a users who use applications download manager. Test result showed the method HTB and methods PCQ can control our colocation facility management of their respective client. Every client can using bandwidth that are not used (idle) and can also be used to allocate bandwidth From bandwidth allocation of 512 kbps. In that case was only one client that using bandwidth with the method PCQ so client can use our colocation facility of 465.2Kbps with using methods HTB and bandwidth that given by 401.8Kbps. If all client download,
88
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
and one of user is using application download manager so our colocation facility that will get to use methods of PCQ 119.3Kbps using methods queue HTB will get our colocation facility of 125.0 Kbps. When all users download then consider that will get with the method PCQ of client 1 = 103.7 Kbps, client 2 = 123.8 Kbps, client 3= 117.2 Kbps client 4 = 104.4 Kbps.with an HTB bandwidth that given by client 1 = 119.2 Kbps. client 2 = 107.5 Kbps. client 3 = 110.1 Kbps. client 4 = 101.8 Kbps. Keywords: Bandwidth Management, HTB, PCQ 1. Local Area Network (LAN) Local Area Network (LAN), merupakan jaringan yang ruang lingkupnya relative kecil. LAN digunakan untuk menghubungkan komputer-komputer pribadi dan workstation dalam satu gedung untuk saling bertukar informasi. 2. Metropolitan Area Network (MAN) Metropolitan Area Network (MAN) merupakan jaringan yang mirip dengan LAN hanya saja ruang lingkupnya lebih luas. MAN digunakan untuk menghubungkan LAN-LAN yang lokasinya berjauhan. Wide Area Network (WAN) 3. Wide Area Network (WAN) merupakan jaringan yang ruang lingkupnya luas, misalnya menghubungkan sebuah negara. WAN terdiri dari LAN, MAN, dan kumpulan mesin untuk menjalankan program-program aplikasi pemakai. 4. Internet Internet merupakan jaringan komputer global yang menghubungkan dua komputer atau lebih untuk saling bertukar file, email dan pesan-pesan real-time. Internet juga dapat dikatakan sebagai kumpulan beberapa jaringan komputer yang berbeda-beda di seluruh dunia untuk dapat berkomunikasi satu sma lain dengan menggunakan TCP/IP.
1.
PENDAHULUAN Dunia teknologi semakin berkembang sehingga menuntut akan adanya kemajuan kemajuan baru demi mendukung sebuah teknologi. Salah satunya dunia internet saat ini sangat berkembang dengan pesat dan digunakan bukan hanya oleh perusahaanperusahaan swasta, tetapi masyarakat juga memerlukan teknologi internet. Dalam suatu jaringan yang terhubung dengan internet, kecepatan download merupakan hal yang sangat penting untuk memperlancar transmisi data. Banyak hal yang dapat mempengaruhi kecepatan proses tersebut, diantaranya yaitu besarnya bandwidth yang digunakan jaringan tersebut dan seberapa efektif bandwidth tersebut bisa dimanfaatkan. Sistem manajemen bandwidth merupakan proses pengaturan bandwidth yang tepat untuk masing-masing client pada sistem jaringan internet yang mendukung kebutuhan aplikasi layanan internet .Pengimplementasian manajemen bandwidth diatur melalui pengalokasian kecepatan download pada masing client secara sentralisasi menggunakan router mikrotik. Dengan demikian, jika ada client yang mengakses internet membutuhkan kapasitas bandwidth yang besar, maka client lain tidak akan terganggu, karena masing – masing client sudah mempunyai kapasitas bandwidth masing - masing yang dapat dipakai untuk mengakses internet. Pada penelitian ini akan dilakukan menajemen bandwith dengan menggunkan HTB dan PCQ.
2.2.
Bandwidth Bandwidth adalah besaran yang menunjukkan seberapa banyak data yang dapat dilewatkan dalam koneksi melalui sebuah network [1]. Bandwidth juga merupakan banyaknya bits maksimum yang dapat dikirim atau diterima dari komputer satu ke komputer lainnya dalam satuan waktu. Badwitdth dinyatakan dalam satuan bit per second (bps).
2. TINJAUAN PUSTAKA 2.1 Jaringan Komputer Jaringan komputer merupakan kumpulan beberapa komputer dan perangkat lainnya dalam satu kesatuan [2]. Jaringan tersebut dapat terhubung dengan media transmisi kabel atau tanpa kabel. Terdapat beberapa jenis jaringan komputer, antara lain :
2.2.1.
89
Management Bandwidth
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Management bandwidth merupakan suatu cara yang dapat mengoptimalkan penggunaan dari suatu bandwidth dalam suatu jaringan. Management bandwidth mengoptimalkan layanan Quality Of Service (QoS) dalam menentukan tipe lalu lintas dari jaringan [4].
JELIKU Vol 2 No. 3 Agustus 2013
berfungsi mengestimasi bandwidth yang digunakan oleh klasifikasi kelas. 3. Buffer merupakan tempat penyimpanan paket sementara dimana buffer menyesuaikan waktu dengan menggunakan teknik antrian. 4. Scheduler berfungsi dalam penjadwalan paket data dari antrian atau buffer yang akan dikirim ke tujuannya.
2.3. Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode manajemen bandwidth dengan membatasi akses menuju alamat IP tertentu tanpa mengganggu trafik bandwidth pengguna lain [6]. HTB mempunyai parameter-parameter penyusun antrian yaitu : a. Rate, berfungsi dalam menentukan bandwidth maksimum yang dapat digunakan oleh setiap class, apabila bandwidth melebihi nilai dari “rate” maka paket data akan dipotong. b. Ceil, diatur untuk menentukan peminjaman bandwidth antar class yang dilakukan dari kelas paling bawah ke kelas di atasnya. Teknik ini disebut dengan link sharing.
2.5. Mekanisme Packet Dropping Untuk mencegah atau merespons kodisi antrian yang overload dapat dilakukan dengan melakukan drop packet. Mekanisme yang dapat digunakan yaitu Drop Tail Router. Mekanisme ini akan membuang paket yang datang jika antrian pada buffer penuh [8].
Gambar 2. Mekanisme Drop Tail Router 2.6. Teknik Antrian Queue Tree Queue Tree merupakan teknik antrian dalam melakukan manajemen bandwidth yang terdapat pada router mikrotikOS [3]. Mekanisme teknik antrian queue tree dapat dilahat pada Gambar 1.
2.4. Blok Diagram Manajemen Bandwidth Manajemen bandwidth diperlukan bagi jaringan multi layanan dengan mengoptimalkan layanan Quality Of Service (QoS) [9]. Proses aliran system manajemen bandwidth dapat dilihat pada Gambar 1 dibawah ini.
Gambar 3. Mekanisme Queue Tree Dari Gambar 2, teknik antrian queue tree adalah sebagai berikut: 1. Mark Packet, berfungsi menandai paket data yang akan diproses ke antrian. 2. Firewall, berfungsi menyeleksi paket sesuai dengan klasifikasi kelasnya. 3. Mangle berfungsi melakukan pembatasan bandwidth.
Gambar 1. Blok Diagram Proses Manajemen Bandwidth Dari Gambar 1 diatas, proses aliran sistem manajemen bandwidth terdiri dari filtering, classifier, buffer, scheduler. 1. Filtering digunakan dalam memfilter paket data berdasarkan alamat IP atau port. Filtering juga mengarahkan paket data ke tujuaannya. 2. Classifier berfungsi mengarahkan paket data yang datang ke kelas-kelas yang bersesuaian. Tujuannya adalah mempermudah paket data menuju antrian. Pada classifier terdapat estimator yang
2.7. Router Router merupakan perangkat keras dalam jaringan komputer yang berfungsi untuk meneruskan data dari satu jaringan ke jaringan lainnya. Router mengirimkan paket data ke tujuananya melalui sebuah jaringan dengan melakukan routing. 90
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
2.8. Mikrotik Mikrotik merupakan sistem operasi berbasis Linux yang di install pada komputer yang digunakan sebagai router. Ada beberapa macam mikrotik yaitu Miroktik RouterOS dan Built in Hardware Miikrotik. Mikrotik RouterOS merupakan sistem operasi yang dapat digunakan untuk menjadikan komputer sebagai router, sedangkan Built in Hardware Mikrotik merupakan mikrotik dalam bentuk perangkat keras yang didalamnya sudah terinstall Mikrotik RouterOS atau biasa disebut dengan Mikrotik Router Board [3]. 2.9. Winbox Winbox merupakan perangkat lunak dengan mode GUI (Graphical User Interface) yang user friendly dalam mengkonfigurasi Mikrotik RouterOS [5]. 3. PERANCANGAN 3.1 Analisis Kebutuhan Sistem Pada penelitian ini penulis melakukan manajemen bandwidth pada router mikrotik menggunakan metode HTB dan metode PCQ. Sistem yang akan dibangun menggunakan satu buah router mikrotik RB750 dan 4 buah laptop sebagai client.
Gambar 4. Skema Pertama Dengan Menggunakan HTB Sumber : (Herlambang, 2008) 4. HASIL DAN PEMBAHASAN 4.1 Konfigurasi HTB Pada Mikrotik Langkah pertama dalam melakukan manajemen bandwidth menggunkan HTB. setting Queue. parent (yang harus diisi dengan outgoing-interface), packet-mark Max Limit (yang merupakan batas kecepatan maksimum), atau dikenal juga dengan MIR (Maximum Information Rate) dan Limit At pada setiap client. Jumlah seluruh Limit-At pada client tidak boleh lebih dari Max-Limit global(parent)nya dan harus sesuai dengan jumlah Max-limit global(parent). kemudian jumlah Max-Limit pada client tidak boleh melebihi dari jumlah Max-limit global(parent) harus lebih kecil atau sama dengan Max-Limit global(parent). untuk semua parent, maupun sub parent, parameter priority tidak diperhitungkan. Priority hanya diperhitungkan pada child queue. Perhitungan priority baru akan dilakukan setelah semua Limit-At (baik pada child queue maupun sub parent) telah terpenuhi. Berikut settingan HTB pada menggunakan winbox.
3.2 Model Rancangan Sistem Topologi jaringan yang akan di bangun dapat dilihat pada gambar di bawah ini. Pada gambar 4 menggunkan HTB dan PCQ dan pada gambar 5 manajemen bandwidth menggunkan. HTB. Total bandwidth pada gambar 4 dan 5 sebesar 512 kbps yang nantinya akan dibagi dengan 4 client. Dari pengujian tersebut akan dilihat beberapa nilai diantaranya : 1. Bandwidth yang di dapatakan ketika hanya 1 yang melakukan client yang melakukan melakukan download. 2. Bandwidth yang di berikan jika semua client melakukan download tetapi ada 1 client yang melakukan download dengan menggunkan aplikasi download menager. 3. Apakah jika semua client mealakukan download akan mendapatkan bandwidth yang adil?
91
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
pilih ip -> firewall -> mangle -> add(+). pilih general kemudian: chain = forward -> dst-address = 192.168.10.10 (IP yg client) pilih action = mark packet -> new packet mark = client-1 > lakukan setingan diatas pada setiap client. Untuk settingan Queue global pilih Queues -> Queue Tree -> add(+). general = global -> Parent = LAN(lokal) -> Queue Type = default -> Priority = 8 -> max-limit = 512kbps. untuk settingan queue client nya sebagai berikut. pilih Queues -> Queue Tree -> add(+). general = client-1 s/d 3 -> Parent = global -> Queue Type = default -> Priority = 3 > limit-at = 128kbps max-limit = 512kbps.
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 6. Konfigurasi Queue PCQ Setelah melakukan settingan Queue maka selanjutnya akan melakukan konfigurasi Mangel. Mangel berfungsi sebagai rule dalam limit bandwidth. Mangel yang digunakan yaitu mark connection dan mark packet . konfigurasi yang dilakukan sebagai berikut.. Konfigurasi mark connection download yaitu : Chain = postrouting, Dst. Address = 192.168.10.0/24, Action = mark connection, New connection mark = MCDownload. 4.2 Konfigurasi PCQ Pada Mikrotik Konfigurasi manajemen bandwidth menggunkan metode antrian PCQ sama seperti yang dilakukan pada HTB tetapi pada Queue Type harus ditambahkan PCQ. Seperti yang telihat pada gambar dibawah ini.
Gambar 5. Skema kedua dengan menggunkan PCQ Sumber : (Herlambang, 2008)
Gambar 7. Konfigurasi Queue PCQ 4.3 Hasil Evaluasi Pada HTB
92
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
1. Bandwidth yang didapatakan ketika hanya 1 client yang melakukan melakukan download
Gambar 10. Semua Client Melakukan Dwonload tanpa menggunkan Aplikasi Download Manager 4.4 Hasil Evaluasi PCQ 1. Bandwidth yang di dapatakan ketika hanya 1 client yang melakukan download
Gambar 8. client Melakukan Download Dengan HTB Gambar 8 menunjukan setelah dilakukan uji coba menggunakan satu client yang melakukan dwonload maka client tersebut bisa mendapat bandwidth hingga Max Limit. 2. Bandwidth yang di berikan jika semua client melakukan download 1 client yang melakukan download dengan menggunkan Aplikasi download manager
Gambar 11. 1 Client Melakukan Download Dengan PCQ Gambar 11 menunjukkan ketika hanya 1 client saja yang menggunakan bandwidth dengan melakukan download, maka client tersebut bisa mendapat bandwidth hingga Max-Limit yang di tentukan. 2. Bandwidth yang di berikan jika semua client melakukan download tetapi ada 1 client yang melakukan download dengan menggunkan aplikasi download manager
Gambar 9. Client 3 Melakukan Download Menggunkan Download Manager Gambar 9 menunjukan Ketika semua client melakukan download tetapi client 3 melakukan dwonload dengan menggunkan aplikasi download manager. maka client tersebut mendapatkan bandwidth sebesar 125.0 kbps. 3. Jika semua client mealakukan download akan mendapatkan bandwidth yang adil. Dilihat pada gambar 10 manajemen bandwidth yang didapat oleh setiap client terlihat adil ketika semua client melakukan dwonload.
Gambar 12. Client 3 Melakukan Dwonload Dengan aplikasi Download Manager Jika semua client melakukan dwonload tetapi client 3 melakukan download dengan menggunkan aplikasi download manager
93
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Maka bandwidth yang di dapatkan client sebesar 119.3 kbps.
JELIKU Vol 2 No. 3 Agustus 2013
Hasil yang didapat client 3 menggunakan metode PCQ bandwidth yang diberikan suai dengan Limit At dari client tersebut kemudaian client 3 menggunakan metode HTB maka bandwith yang diberikan lebih tinggi dibandingkan melakukan download tanpa. aplikasi download manager.
3. Jika semua client mealakukan download akan mendapatkan bandwidth yang adil.
Tabel 3. Hasil Download Semua Client Tanpa Menggunkan aplikasi Download Manager Limit PCQ HTB CLIENT At (Kbps) (Kbps) (Kbps) Client 1 128 103.7 119.2 Client 2 128 123.8 110.5 Client 3 128 117.2 110.0 Client 4 128 104.6 101.8
Gambar 13. Semua Client Melakukan download Tanpa Aplikasi Download Manager Gambar 13 Ketika semua client melakukan download maka setiap client akan mendapatkan bandwidth yang adil.
Dari tabel 3 manajemen bandwidth jika menggunakan metode HTB dan metode PCQ terlihat adil tanpa melebihi Limit At dari masing- masing client.
Tabel 1 Hasil Download 1 Client Limit At PCQ HTB CLIENT (Kbps) (Kbps) (Kbps) Client 1 128 465.2 401.8. Client 2 128 0 0 Client 3 128 0 0 Client 4 128 0 0
5. KESIMPULAN : Kesimpulan yang dapat dari penelitian ini adalah sebagai berikut : 1. Dengan management bandwidth menggunakan metode HTB dan metode PCQ dapat mengatur besar kecilnya bandwidth yang di perlukan client sehingga memberikan bandwidth yang adil bagi setiap client yang melakukan akses. 2. Jika client melalukan download menggunakan aplikasi download manager maka bandwith yang di dapat menggunkan metode PCQ akan di bagi rata dengan client yang lainnya tetepi jika menggunkan HTB, bandwidth yang diberikan lebih besar tetepi tidak melebihi maksimal bandwidth yang di tentukan dibandingkan download tanpa menggunkan aplikasi download manager. 3. Jika terdapat client yang tidak memakai bandwidth maka bandwidth yang tidak digunkan dapat di alokasikan ke client lain yang memerlukan sehingga dapat mengoptimalkan bandwidth yang tersedia.
Dari tabel 1 diatas dapat dilihat manajemen bandwidth jika menggunkan metode HTB dan metode PCQ tidak jauh berbeda jika hanya menggunkan 1 client yang melakukan download . Maka hasilnya setiap client tersebut akan mendapatkan bandwidth hingga Max Limit yang sebesar 512kbps. Tabel 2. Hasil Download 1 Client Menggunakan Aplikasi Download Manager Limit At PCQ HTB CLIENT (Kbps) (Kbps) (Kbps) Client 1 128 105.1 113.4 Client 2 106.1 113.4 128 s Client 3 128 119.3 125.0 Client 4 128 103.1 117.3 Hasil dari tabel 2 di atas ketika semua client yang melakukan download. Tetapi salah satu client melakukan download dengan menggunkan aplikasi download manager.
DAFTAR PUSTAKA [1.] Handriyanto, D. F. (2009). Kajian Penggunaan Mikrotik Router Os™
94
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
[2.] [3.]
[4.] [5.]
[6.]
[7.]
[8.]
[9.]
Sebagai Router Pada Jaringan Komputer. Kristanto, Andri. Jaringan Komputer. Graha Ilmu. Yogyakarta: 2003. Kustanto & Daniel T Saputro, 2008. Membangun Server Internet dengan Mikrotik OS. Gava Media. Rpoix, 2003, Mikrotik OS untuk bandwidth,Management. Herlambang, L. M. 2008. Panduan Lengkap Menguasai Router Masa Depan Menggunakan Mikrotik RouterOS. Yogyakarta : ANDI. Balan, Doru G, Alin P(2009). Extended HTB Queuing Disciplin. Implementations. International Journal Of Information Studies, University Of Suceava, Romania. Riza et. al. 2010. “Implementasi Manajemen Trafik dan Bandwidth Internet dengan IPCop”. Jurnal Inkom IV(1), 23. Riadi, Imam. 2010. "Optimasi Bandwidth Menggunakan Traffic Shapping". Jurnal Informatika 4(1), 375 Riza et. al. 2010. “Implementasi Manajemen Trafik dan Bandwidth Internet dengan IPCop”. Jurnal Inkom IV(1), 23.
95
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
PENGENALAN WICARA KARAKTER INDONESIA MENGGUNAKAN HIDDEN MARKOV MODEL I Wayan Adi Juliawan Pawana Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana, Bali [email protected] ABSTRAK Automatic Speech Recognition (ASR) merupakan mesin kompleks dimana tujuan dari sistem tersebut adalah untuk mengetahui kata yang diucapkan oleh manusia. Dalam kehidupan nyata penggunaan teknologi pengenalan wicara dapat membantu manusia dalam melaksanakan aktifitas khususnya bagi orang yang memiliki keterbatasan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem pengenalan wicara menggunakan Hidden Markov Model (HMM) menggunakan MATLAB, yang merupakan state of the art dari pengenalan wicara, serta Mel-Frequency Cepstral Coefficient sebagai metode ekstraksi fitur. Penelitian ini berfokus pada mengenali seluruh digit angka indonesia ( dari Nol sampai Sembilan) dan kata ”Aku”, ”Kamu”, ”Kita”, ”Mereka”, bedasarkan struktur kata terisolasi. Pengujian dilakukan dengan jumlah mixture tiap state yang berbeda. Dari hasil pengujian sistem dengan jumlah mixture yang berbeda diperoleh tingkat akurasi terbaik adalah 79,29% saat jumlah mixture adalah lima. Kata kunci : Hidden Markov Model; Mel Frequency Cepstral Coefficient; Pengenalan Wicara Hidden Markov Model [4] sudah banyak digunakan dalam pengenalan suara. Hidden Markov Model (HMM) merupakan salah satu metode komputasi tersukses yang digunakan dalam pengenalan suara . Mel Frequency Cepstral Coefficient atau MFCC adalah salah satu metode ekstraksi fitur yang digunakan dalam pengenalan suara untuk merepesentasikan suara menjadi sebuah acoustic vector. MFCC memiliki kelebihan dalam kompleksitas algoritma yang rendah dalam implementasi dari algoritma ektraksi fitur [5]. Bedasarkan penjelasan diatas, pada penelitian ini akann dibangun sebuah sistem pengenalan wicara yang menggunakan metode ekstraksi fitur MFCC dan metode pengenalan HMM untuk mengenali kata berbahasa Indonesia
1. Pendahuluan 1.1 Latar Belakang Suara merupakan alat komunikasi yang paling dasar yang digunakan oleh manusia. Dewasa ini ketika teknologi semakin berkembang pesat, manusia tidak hanya berinteraksi dengan manusia saja, tetapi seringkali juga harus berinteraksi dengan perangkat-perangkat teknologi seperti komputer. Namun komputer tidak dapet mengerti bahasa yang kita ucapkan, sehinnga diperlukan sebuah sistem pengenalan wicara (speech recognition) untuk mengenali apa yang diucapkan manusia sehingga dapat mempermudah manusia dalam melakukan aktifitas. Pengenalan wicara (Speech Recognition) atau lebih dikenal dengan automatic speech recognition (ASR) merupakan proses untuk menterjemahkan bahasa manusia ke dalam komputer. Walaupun ASR secara teknis adalah membangun sistem untuk memetakan sinyal menjadi rangkaian kata. Secara umum seluruh sistem ASR bertujuan untuk mengekstrak secara otomatis kata yang diucapkan dari sinyal input [1]. Metode pengenalan wicara seperti Linear Predictive [2] Coding, Neural Network [3],
1.2 Identifikasi Masalah Dari latar belakang dapat dirumuskan masalah yang akan diangkat ke dalam penelitian yaitu “Bagaimana pengenalan wicara bahasa indonesia dengan menggunakan metode ektraksi fitur MFCC dan metode pengenalan HMM”, “Apa pengaruh
96
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
penambahan HMM”
kosakata
terhadap
arsitektur
JELIKU Vol 2 No. 3 Agustus 2013
dinamakan skala mel. Skala frekuensi mel bersifar linear pada frekuensi dibawah 1000 Hz dan bersifat logaritmik diatas 1000 Hz.
1.3 Tujuan Penelitian Tujuan penelitian yang penulis lakukan adalah untuk mengetahui tingkat akurasi pengenalan suara menggunakan Hidden Markov Model sebagai metode pengenalan dan Mel Frequence Cepstral Coefficient sebagai metode ekstraksi fitur untuk mengenali suara bahasa Indonesia Gambar 1. Proses Umum Mel-Frequency Cepstral Coefficient
1.4 Manfaat Penelitian Manfaat penelitian ini adalah nantinya selain dikembangkan menjadi aplikasi untuk mempermudah manusia berinteraksi dengan komputer, sehingga komputer dapat dikendalikan dengan suara, diharapkan penelitian ini dapat menjadi batu loncatan dalam penelitian pengolahan sinyal digital lainnya lainnya seperti Voice Verification (Pencocokan Suara), Synthesizer, Musical Instruments Analysis dan lain lain.
2.2 Hidden Markov Model (HMM) Rantai markov telah menjadi cara yang berguna untuk menangkap sifat stokastik variabel dalam beberapa kasus ekonomi dan finansial. Walaupun Hidden Markov Model banyak dikembangkan dalam aplikasi teknik seperti pengenalan suara. Efektifitas nya kemudian diakui dalam beberapa area sosial riset. HMM adalah teknologi yang dominan digunakan dalam pengenalan suara. HMM menyediakan paradigma yang sangat berguna untuk memodelkan sinyal suara yang dinamis[4]. HMM menyediakan formulasi matematika yang solid untuk masalah pembelajaran parameter HMM untuk observasi suara. Selanjutnya, algoritma yang cepat dan efisien ada untuk masalah perhitungan pencarian model yang mirip dari barisan pengamatan. Pada dasarnya HMM merupakan kumpulan state stokastik, dimana tiap state terasosiasi dengan sebuah pobabilitas distribusi. Transisi dari state diatur oleh sebuah himpunan probabilitas yang dinamakan probabilitas transisi. Dalam keadaan tertentu, suatu hasil atau pengamatan dapat dihasilkan sesuai dengan distribusi probabilitas. Hanya hasil yang dapat diobservasi oleh pengamat, bukan state sehingga dinamakan Hidden Markov Model (HMM). Terdapat tiga masalah dasar yang harus diselesaikan pada model untuk digunakan pada aplikasi di dunia nyata, masalah tersebut adalah:
1.5 Batasan Masalah Batasan masalah yang ada pada penelitian ini adalah pengenalan suara masih terbatas untuk mengenali suara digit bahasa indonesia yaitu “Nol”, “Satu” ,”Dua” ,”Tiga” ,”Empat” ,”Lima” ,”Enam” ,”Tujuh” ,”Delapan” ,Sembilan” . dan kata “Aku”, “Kamu”, “Kita”, “Mereka”. 2. Landasan Teori 2.1 Mel Frequence Cepstral Coefficient (MFCC) Ektraksi fitur merupakan salah satu element terpenting dalam representasi sinyal suara karena semakin baik metode ektraksi fitur maka akan meningkatkan performa pengenalan suara. Effisiensi dari tahap ini merupakan hal penting dalam fase berikutnya MFCC didasarkan pada variasi dari frekuensi kritis telinga manusia dengan filter linear pada frekuensi rendah dan logaritmik pada frekuensi tinggi untuk menangkap karakteristik penting dari sebuah ucapan. Penelitian telah menunjukan bahwa persepsi manusia dalam mendengar tidak mengikuti skala linear. Jadi untuk setiap suara dengan frekuensi aktual f, diukur dalam Hz, pitch subjektif diukur menggunakan sebuah skala
Masalah 1 : Diberikan barisan observasi dan model
97
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
yang nantinya diperoleh sekumpulan vektor akustik. Hasil ini digunakan sebagai input training pada Hidden Markov Model (HMM). Setelah proses training maka sistem akan diuji menggunakan confussion matrix untuk mendapatkan tingkat akurasi model sistem pengenalan wicara
bagaimana perhitungan effisien , Peluang barisan observasi dihasilkan dari model Masalah 2 : Diberikan barisan observasi dan model , bagaimana memilih barisan state yang optimal Masalah 3 : Bagaimana menyesuaikan parameter model untuk memaksimalkan Masalah 1 adalah maslah evaluasi, diberikan sebuah model dan sebuah barisan observasi. Bagaimana menghitung peluang barisan observasi dihasilkan oleh model. Bisa dilihat masalah ini merupakan scoring seberapa baik model yang diberikan terhadap barisan observasi. Maslaah 2 merupakan salah satu masalah dimana kita berusaha untuk menemukan bagian tersebunyi dari model, yaitu menemukan barisan state yang “benar”. Itu harus jelas untuk semua namum pada kasus degenerate model, tidak ada barisan state „benar” untuk ditemukan. Terdapat beberapa kriteria optimasi untuk menemukan barisan state. Pengunaannya mungkin dapat untuk mempelajari struktur dari model untuk mendapatkan barisan state untuk countinous speech regocnition atau mendapatkan rata-rata statistic dari tiap state. Masalah 3 merupakan masalah dimana kita ingin mengoptimasi parameter model sehinga menjelaskan dengan baik bagaimana barisan observasi muncul. Barisan observasi digunakan untuk menyesuaikann parameter model dinamakan barisan training karena digunakan untuk melatih HMM. Masalah training merupakan maslah krusial untuk aplikasi HMM. Karena mengijinkan untuk mengadopsi parameter model ke dalam data training yaitu membuat model terbaik untuk fenomena nyata.
3.2 Pengumpulan Data Teknik pengumpula data yang digunakan adalah dengan cara penulis mengumpulkan sendiri data suara menggunakan mikrophone handphone. Kemdian responden diminta untuk merekan suara angka 0 sampai 9 dan kata aku, kami, mereka, kita sebanyak 4 kali sehingga untuk tiap responden diperoleh data suara sebanyak 30 file. Responden yang digunakan pada penelitian ini adalah 10 orang mahasiswa dengan rata-rata umur adalah 21 tahun 3.3 Pengolahan Data Awal Pengolahan awal data (preprocessing) pada sistem ini adalah mengkonversi data hasil rekaman responden ke dalam format file .wav (Waveform Audio File Format) dengan frekuensi sampling adalah 16000 Hz. Setelah dikonversi maka hasil rekaman akan mengalami proses trimming untuk mendapatkan suara dan menghilangkan bagian “silence. 3.4 Metode yang Diusulkan Pada sistem pengenalan suara ini diusulkan untuk menggunakan metode Countinuous Densities Hidden Hidden Markov Model karena keberhasilannya dalam mengenali suara. Terdapat beberapa fase, yaitu fase ekstraksi fitur, fase insialisasi bobot HMM, fase training dan fase testing.
3.5 Eksperimen dan Pengujian Metode Sampel suara memiliki karakteristrik sendiri untuk setiap kata yang berbeda serta oleh pembicara yang berbeda. Terdapat empat faktor utama yang harus dipertibangkan ketika mengumpulkan data karena berpengaruh terhadap kumpulan vektor training yang digunakan untuk melatih HMM. Faktor tersebut adalah siapa yang berbicara, kondisi pembicara, kondisi lingkungan setra sistem transmisi dalam input suara. Pada sistem ini
3. Metodologi Penelitian 3.1 Desain Penelitian Pada penelitian ini, penulis mengumpulan data suara dari 10 orang, dengan tiap orang responden diminta untuk bebicara angka 0 sampai 9 dan kata aku, kami, mereka, kita sebanyak 4 kali. Kemudian dari data suara akan mengalami preprocessing menggunakan metode Mel-Frequencu Cepstral Coefficient 98
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
teradapat 10 responden berbeda yang terdiri dari laki laki dan perempuan yang memiliki rata rata umur 21 tahun.
JELIKU Vol 2 No. 3 Agustus 2013
diestimasi saat training. Jika jumlah data yang digunakan sedikit maka beberapa nilai akan mendapatkan yang tidak sesuai terutama untuk matriks covariance, sehingga menurunkan performa HMM.
3.6 Evaluasi dan Validasi Proses evaluasi metode menggunakan Confusion Matrix, Sebuah Confusion Matrix memiliki informasi mengenai klasifikasi aktual dan prediksi yang dilakukan oleh sistem klasifikasi. Hasil klasifikasi dibandingkan dengan informasi asli. Kekuatan confusion matrix adalah dapat mengidentifikasi sifat kesalahan klasifikasi, serta berapa jumlahnya.
Hasil Testing HMM HMM 2 Mixture Tiap State HMM 3 Mixture Tiap State HMM 4 Mixture Tiap State HMM 5 Mixture Tiap State
4. Pengujian Sebelum evaluasi dilakukan, sistem harus melakukan training. Training dilakukan pada pembicara pria dan wanita dengan total 10 orang, dan 3 sampel tiap kata untuk tiap orang. Sehingga terdapat 420 sampel suara training. Hasil trainng adalah 14 model HMM (satu untuk tiap kata). Tiap model terdapat 5 state dengan jumlah mixtute adalah variabel bebas, jumlah mixture yang akan diuji adalah jumlah mixture 2, 3, 4 dan 5 untuk tiap state. Struktur model HMM yang digunakan adalah model left-right dengan ∆ =1. Jumlah sampel suara yang digunakan untuk evaluasi adalah 10 sampel tiap kata, sehingga terdapat 140 sampel suara untuk testing. Sampel suara untuk testing berbeda dengan sampel suara untuk training.
Akurasi
Benar
Salah
72
68
51.43%
74
66
52.86%
71
69
50.71%
103
37
73.57%
Hasil observasi yang rendah dipengaruhi oleh jumlah data training yang rendah, karena pada proses training parameter HMM menggunakan metode reestimasi terdapat jumlah barisan observasi yang terbatas sehingga memungkinkan berkurangnya jumlah kemunculan dari event model yang berbeda (symbol observasi yang muncul pada state) untuk memberikan hasil estimasi yang baik untuk parameter model [6]. Salah satu solusi yang mungkin adalah menambah data training observasi, dan cara lainnya adalah untuk mengurangi ukuran model (jumlah state, jumlah observasi tiap state, dan lain lain). Pendekatan lainnya adakah untuk menginterpolasi salah satu parameter estimasi dengan himpunan parameter lainnya dari model.yang memiliki jumlah data training yang memadai. Idenya adalah untuk mendesain secara simultan model yang diharapkan dan model yang lebih kecil dengan jumlah data training yang memadai untuk memberikan estimasi parameter yang baik dan kemudian menginterpolasi parameter estimasi dari kedua buah model.
5. Evaluasi Dengan menggunakan MFCC dan HMM untuk pengenalan wicara karakter Indonesia, diperoleh hasil akurasi 52.86% untuk jumlah mixture pada state adalah 3. Untuk jumlah mixture 2 diperoleh hasil akurasi 51.43%. Untuk jumlah mixture 4 diperoleh hasil akurasi 50.71% dan untuk jumlah mixture 5 diperoleh hasil akurasi 73.57% sehingga terdapat pengaruh perbedaan jumlah mixture terhadap hasil akurasi. Hal ini disebabkan karena mixture pada state berperan dalam memodelkan hasil observasi. Jika data yang digunakan pada training memiliki tingkat variansi yang tinggi maka diperlukan nilai mixture yang tinggi karena umumnya distribusi nilai pada hasil ektraksi fitur tidak mengikuti distribusi Gaussian. Namun penggunaan gausian mixture juga harus menambah parameter HMM yang harus
6. Kesimpulan Dari hasil eksperimen dan evaluasi penelitian dapat disimpulkan teori untuk mendapatkan fitur akustik menggunakan Mel Frequency Cepstral Coefficient dari sinyal suara, Hidden Markov Model untuk pengenalan wicara berhasil dimplementasi
99
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
dalam MATLAB. Hasil akurasi dari penelitian ini yaitu 73.57% untuk jumlah mixture adalah lima. Ada beberapa perbaikan yang dapat dilakukan untuk penelitian selanjutnya, yaitu memperbanyak data training pada tiap pembicara untuk mendapatkan lebih banyak variasi data. Menggunakan model akustik, lexicon dan model bahasa pada sistem pengenalan suara dan mencoba konfigurasi yang berbeda untuk sistem pengenalan suara contohnya adalah merubah struktur dari model, jumlah state, jumlah mixture dan inisialisasi parameter awal HMM. REFERENSI [1]
[2]
[3]
[4]
[5]
[6]
M. Abushariah, T. S. Gunawan, O. O. Khalifa, and M. a M. Abushariah, “English digits speech recognition system based on Hidden Markov Models,” Comput. Commun. Eng. ICCCE 2010 Int. Conf., no. May, pp. 1–5, 2010. L. I. Rabiner, S. E. Levinson, A. E. Rosenberg, and J. A. Y. G. Wilpon, “Speaker-Independent Recognition of Isolated Words Using Clustering Techniques,” IEEE Trans. Acoust. Speech, Signal Proc, vol. ASSP-27, no. 4, pp. 336–349, 1979. J. Tebelskis, R. Lippmann, and M. I. T. L. Labs, “Speech Recognition using Neural Networks,” Carnegie Mellon University, 1995. M. Aymen, A. Abdelaziz, S. Halim, and H. Maaref, “Hidden Markov Models for Automatic Speech Recognition,” pp. 1–6, 2011. C. Ittichaichareon, S. Suksri, and T. Yingthawornsuk, “Speech Recognition using MFCC,” pp. 135–138, 2012. L. Rabiner, “A tutorial on hidden Markov models and selected applications in speech recognition,” Proc. IEEE, vol. 77, no. 2, pp. 257 – 286, 1989.
100
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
IDENTIFIKASI KEKURANGAN UNSUR HARA PADA TANAMAN JAGUNG DENGAN METODE JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Adinda Prisila Permatasari1, Luh Gede Astuti2, I Gede Santi Astawa3 Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana Email : [email protected],[email protected],[email protected] ABSTRAK Salah satu masalah dalam pemeliharaan tanaman jagung adalah ketika tanaman tersebut mengalami kekurangan unsur hara. Jika suatu tanaman kekurangan unsur hara tertentu, maka gejala defisiensi yang spesifik dapat diketahui langsung hanya dengan melihat warna daunnya saja.Namun ada beberapa jenis kekurangan unsur hara yang susah untuk dibedakan karena memiliki gejala yang sama sehingga hal ini memerlukan penelitian lebih lanjut di dalam laboratorium. Dengan berkembangnya teknologi saat ini ,Computer vision dapat digunakan untuk mengidentifikasi ciri-ciri kekurangan unsur hara tersebut dengan melibatkan banyak teknik dari pengolahan citra digital. Sistem yang dibuat dalam penelitian ini merupakan sistem yang menggunakan jaringan saraf tiruan Learning Vector Quantization (LVQ) dalam penentuan hasilnya. Sistem dengan metode learning vector quantization ini sudah dapat mengidentifikasi kekurangan unsur hara yang terjadi pada tanaman jagung yaitu kekurangan unsur Mn dan Fe.Dibuktikan dari 15 kali uji coba dengan menggunakan nilai learning rate dan epoh yang berbeda beda,didapatkan tingkat akurasi terbesar yaitu 73,07% dengan menggunakan nilai learning rate sebesar 0.01 dan epoh sebanyak 500 kali. Kata kunci: Jagung,Kekurangan Unsur Hara,Pengolahan citra digital,LVQ, ABSTRACT One of the problems in the treatment of maize plants is when the plants undergo a paucity of nutrients. If a plant lacks particular nutrients , spesific deficiency phenomenon can be identified directly only by looking at the color of its leaves.However,there are types of lack of nutrients which are hard to be distinguished because they have the same phenomena so that,this need further laboratory research. With the development of thecnology today,computer vision can be used to identify the characteristic of the lack of nutrients by involving a lot of techniques from digital image processing .The system made in this study is the one using artificial neural network Learning Vector Quantization (LVQ) in determining the results. A system with the method learning vector quantization has been able to identify the lack of nutrients elements that occurs in maize plants. Proved in 15 times of experiments using different learning rate value and epoch,the highest accuracy was found to have the level of 73,07% which used learning rate value of 0,01 and epoch of 500 times. Keyword: Maize,lack of nutrients,digital image processing,LVQ jagung.Namun,ada beberapa jenis kekurangan unsur hara yang susah untuk dibedakan karena memiliki gejala yang sama sehingga hal ini memerlukan penelitian lebih lanjut di dalam laboratorium.Tentu saja untuk meneliti ke laboratorium diperlukan biaya dan akan memakan waktu yang lama. Namun dengan
1. PENDAHULUAN 1.1 Latar Belakang Menurut buku Pengantar Fisiologi Tumbuhan yang disusun oleh Prof.Dr.D Dwijoseputro (1983) warna daun adalah suatu indikator yang berguna untuk mengetahui kebutuhan unsur hara pada tanaman 101
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
berkembangnya teknologi saat ini ,Computer vision dapat digunakan untuk mengidentifikasi ciri-ciri kekurangan unsur hara tersebut dengan melibatkan banyak teknik dari pengolahan citra digital. Sistem yang akan di buat dalam penelitian ini merupakan sistem yang menggunakan jaringan saraf tiruan Learning Vector Quantization (LVQ) dalam penentuan hasilnya. Jaringan saraf tiruan Learning Vector Quantization dipilih dalam penelitian ini karena Jaringan saraf ini memiliki kelebihan yaitu nilai error yang lebih kecil dibandingkan dengan jaringan syaraf tiruan seperti backpropagation.Selain itu LVQ hanya memiliki 1 hidden dan 1 linear layer,sehingga memiliki kemampuan pembelajaran yang lebih cepat (Fansuri,Muhammad Ridwan,2011).
JELIKU Vol 2 No. 3 Agustus 2013
1.5 Manfaat Penelitian Manfaat penelitian ini adalah diharapkan sistem yang telah di bangun ini dapat membantu pengidentifikasian kekurangan unsur hara pada tanaman jagung dengan lebih cepat dan tidak memerlukan biaya tanpa harus ke laboratorium. 2.1 Jagung Jagung merupakan salah satu tanaman pangan dunia yang terpenting, selain gandum dan padi. Sebagai sumber karbohidrat utama di Amerika Tengah dan Selatan, jagung juga menjadi alternatif sumber pangan di Amerika Serikat. 2.2 Gejala Kekurangan Unsur Hara pada Tanaman Jagung 2.2.1 Kekurangan Unsur Besi (Fe) Kekurangan besi yang terjadi akan segera menimbulkan klorosis.Yaitu lembaran daun menjadi kuning atau pucat,sedangkan urat daun tetap berwarna hijau.
1.2 Rumusan Masalah Berikut rumusan masalah dari penelitian ini adalah bagaimana menerapkan metode jaringan saraf tiruan LVQ untuk mengidentifikasi kekurangan unsur hara pada tanaman jagung 1.3 Tujuan Penelitian Tujuan dari penelitian ini yaitu untuk mendapatkan nilai learning rate dan epoh yang paling optimal untuk diterapkan pada jaringan saraf tiruan learning vector quantization agar dapat mengidentifikasi suatu tanaman jagung kekurangan unsur hara dengan lebih baik.
Gambar 2.1 Daun jagung kekurangan unsur Fe 2.2.2 Kekurangan Unsur Mangan (Mn) Kekurangan Unsur Mangan mempunyai efek yang sama seperti kekurangan besi ,yaitu klorosis.
1.4 Batasan Masalah Batasan- batasan yang ditetapkan dalam penelitian ini adalah : 1. Warna daun jagung digunakan sebagai indikator dalam mengidentifikasi kekurangan unsur hara pada tanaman jagung. 2. Kekurangan unsure hara yang akan diidentifikasi adalah kekurangan unsur Mn (mangan) dan Fe (besi) 3. Daun jagung yang diteliti adalah daun jagung yang berasal dari tanaman jagung berusia muda. 4. Jenis jagung yang diidentifikasi berasal dari jenis jagung hibrida (Zea mays sp.)
Gambar 2.2 Daun jagung kekurangan unsur Mn 2.3 Pengolahan Citra Digital Pengolahan citra diperlukan untuk mengekstraksi ciri-ciri tertentu yang dimiliki citra untuk membantu dalam pengidentifikasian objek. 2.3.1 Citra Grayscale (Derajat Keabuan) Untuk mengubah citra berwarna yang mempunyai nilai matriks masing-masing R, G, dan B menjadi citra gray scale dengan nilai S,
102
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai R, G dan B.
JELIKU Vol 2 No. 3 Agustus 2013 n1
P
Energi
2
(i, j )
i , j 0
Kontras
2.3.2 Model Warna RGB Model warna RGB yang dapat dinyatakan dalam bentuk indeks warna RGB dengan cara menormalisasi setiap komponen warna denganpersamaan sebagai sebagai berikut: R , r RG B
n1
Pi, j(i j)
2
i , j 0
Homogenitas
n1
P(i, j )
1 i j
i , j 0
Entropi
n1
P(i, j)
( ln P(i, j ))
i , j 0
2.4 Jaringan Saraf Tiruan Learning Vector Quantization 2.4.1 Jaringan Saraf Tiruan Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi.
G RG B B b RG B g
2.3.3 Analisis Tekstur Menurut Haralick ,et al.(1973) disebutkan ada 14 fitur yang digunakan dalam menentukan tekstur pada suatu objek.Namun pada penelitian ini hanya dengan 4 buah fitur saja bentuk tekstur dari objek daun jagung tersebut sudah dapat ditentukan. Salah satu teknik untuk memperoleh cirri fitur tekstur tersebut adalah dengan menghitung probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Pendekatan ini bekerja dengan membentuk sebuah matriks kookurensi dari data citra, dilanjutkan dengan menentukan ciri sebagai fungsi dari matriks antara tersebut.
Gambar 2.4 Arsitektur jaringan saraf tiruan LVQ 2.4.2 Jaringan Saraf Tiruan Learning Vector Quantization (LVQ) Learning Vector Quantization (LVQ) adalah salah satu jaringan syaraf tiruan yang merupakan algoritma pembelajaran kompetitif terawasi versi dari algoritma Kohonen SelfOrganizing Map (SOM). LVQ digunakan untuk pengelompokkan dimana jumlah kelompok sudah ditentukan arsitekturnya (target/kelas sudah ditentukan. Secara umum Arsitektur jaringan saraf tiruan LVQ yang akan digunakan pada penelitian dapat dilihat pada gambar 2.4.
2.3.3.1 Gray Level Cooccurence Matrix (GLCM) Gray Level Cooccurence Matrix (GLCM) adalah matriks yang dibangun menggunakan histogram tingkat kedua. Matriks co-occurrence merupakan matriks berukuran L X L (L menyatakan banyaknya tingkat keabuan) dengan elemen-elemen P(x1,x2) yang merupakan distribusi probabilitas bersama (joiny probability distribution) dari pasangan pixel dengan tingkat keabuan x1 yang berlokasi pada koordinat (j,k) dengan x2 yang berlokasi pada koordinat (m,n).Koordinat pasangan pixel tersebut berjarak r dengan sudut ɵ. Fitu-fitur yang digunakan untuk menganalisis daun jagung yang diteliti adalah Fitur Homogenitas , Energi , Entropi dan Kontras.Persamaan untuk keempat fitur tersebut adalah sebagai berikut :
3.1 Metode Pengumpulan Data Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan Studi Literatur dan Pengumpulan data . 3.2 Analisis Kebutuhan 3.2.1 Metode Analisis
103
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Sistem identifikasi kekurangan unsur hara pada tanaman jagung ini menggunakan jaringan saraf tiruan dalam penentuan hasilnya.Proses aplikasi yang mencakup proses input dan proses output dinyatakan dengan diagram alir (Flow chart). 3.2.2 Hasil Analisis 3.2.2.1 Analisis Kebutuhan Proses Kebutuhan proses dalam aplikasi ini antara lain : 1. Proses Extraksi Fitur ,terdiri atas : a. Proses penginputan gambar daun jagung b. Proses perhitungan nilai R,G,B,Entropi,Homogenitas,Contr ast dan Energy (GLCM Texture Extraction)
Gambar 3.2 Flowchart Pelatihan 3. Proses penentuan hasil/pengujian Pada proses ini dilakukan proses penentuan hasil apakah data daun jagung yang diinputkan mengalami kekurangan unsur hara ataukah tidak
Gambar 3.3 Flowchart Pengujian 3.2.1.2 Analisis Kebutuhan Masukan Input atau masukan dari aplikasi ini adalah Data Gambar daun jagung ,yang di dapat dengan menggunakan kamera.Pada penelitian ini memerlukan Data gambar daun jagung yang kekurangan unsur Fe,Data gambar daun jagung yang kekurangan unsur Mn dan Data gambar daun jagung yang sehat
Gambar 3.1 Flowchart Ekstraksi Fitur 2. Proses pelatihan dengan jaringan saraf tiruan Proses pelatihan diawali dengan penginputan nilai-nilai yang sebelumnya sudah didapatkan dari proses extraksi fitur lalu dilakukan proses pembelajaran untuk mencari bobot terbaik yang akan dipergunakan di proses pengujian.Flowchart untuk proses pelatihan digambarkan pada gambar 32.
3.2.1.3 Analisis Kebutuhan keluaran Data keluaran yang diperoleh dari proses aplikasi adalah Informasi apakah daun jagung yang diteliti merupakan daun jagung yang sehat ataukah daun tersebut memiliki gejala kekurangan unsur hara Fe atau Mn. 3.3 Perancangan Perangkat Lunak 3.3.1 Metode Perancangan Metode perancangan yang digunakan untuk mengembangkan perangkat lunak identifikasi kekurangan unsure hara pada 104
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
tanaman jagung ini berupa pemodelan dengan bahasa UML Modeling Language).
JELIKU Vol 2 No. 3 Agustus 2013
metode (Unified
3.3.2 Hasil Perancangan a.Context diagram Context Diagram adalah bagian dari Data Flow Diagram (DF) yang berfungsi memetakan model lingkungan, yang dipresentasikan dengan lingkaran tunggal yang mewakili keseluruhan sistem. Gambar 3.8 use case system Setelah didapatkan bobot pada proses pengujian,bobot tersebut lalu digunakan pada proses pengujian untuk menentukan hasil identifikasi kekurangan unsure hara dari tanaman jagung tersebut. Gambar 3.7 Context Diagram b. Use Case Diagram Use case diagram user pada perancangan sistem ini ditampilkan pada gambar 3.8. Dalam sistem ini hanya memiliki 1aktor yaitu 1 user,yang memiliki kemampuan untuk menginput gambar daun jagung yang akan diidentifikasi,untuk mengekstraksi fiturfitur yang didapat dari daun jagung yang diinput,untuk melatih data data yang didapat dari ekstraksi fitur untuk mendapat bobot terakhir,untuk menguji data yang telah dilatih sebelumnya,dan terakhir untuk memperlihatkan kepada user hasil dari pengidentifikasian daun jagung tersebut.
Gambar 3.9 Sequence Diagram e. Activity Diagram Pertama user menginputkan gambar yang akan diekstraksi fitur-fiturnya untuk digunakan sebagai input dalam proses pelatihan dan pengujian jaringan saraf tiruan.Sebelum proses pengujian,terlebih dahulu dilakukan proses pelatihan yang gunanya untuk memperoleh bobot akhir yang akan digunakan pada proses pengujian demi mendapatkan hasil identifikasi.
c. Sequence Diagram Proses pada sequence diagram ini,user menginputkan gambar daun jagung yang akan diambil data-datanya pada proses ekstraksi fitur.Data-data yang telah didapat tersebut selanjutnya digunakan sebagai data pelatihan dan juga data pengujian.
4. HASIL DAN PEMBAHASAN 4.1 Implementasi Sistem. 4.1.1 Perangkat Keras yang Digunakan Perangkat keras yang digunakan dalam pengembangan aplikasi ini adalah Processor intel COREtm I3,Memory 4.00 GB,Hardisk 500 GB.
105
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
paling besar dimiliki oleh daun jagung yang mengalami kekurangan Mn. 3. Karakteristik Fitur Warna Biru (B) Dapat disimpulkan daun jagung yang sehat memiliki nilai warna biru yang paling besar dibanding 2 jenis daun lainnya.Sedangkan daun yang mengalami kekurangan Fe dan Mn memiliki rata rata nilai indeks warna hijau yang berbeda tipis. 4. Karakteristik Fitur Energi Dapat dilihat pada tabel 4.1 bahwa untuk nilai energi tidak terdapat perbedaan yang besar diantara ketiga jenis daun jagung tersebut. 5. Karakteristik Fitur Kontras jika dilihat dari nilai rata rata nya, nilai kontras yang paling besar dimiliki oleh daun jagung yang sehat. 6. Karakteristik Fitur Entropi Dapat dilihat dari nilai rata rata nya daun jagung yang sehat memiliki nilai entropi yang paling besar yaitu 5.67 dibandingkan dengan 2 daun lainnya yaitu daun kekurangan Fe dengan nilai entropi paling kecil 4.31 dan daun yang kekurangan Mn dengan nilai entropi 4.98. 7. Karakterisitik Fitur Homogeniti Pada daun jagung yang kekurangan Fe lebih terlihat kehomogenan intensitas citra nya,dengan nilai homogeniti 0.18. Sedangkan nilai homogeniti paling rendah dimiliki oleh daun jagung yang sehat yaitu dengan nilai 0.09 dan daun yang kekurangan Fe memiliki nilai homogeniti sebesar 0.14
Gambar 4.0 Activity Diagram 4.1.2 Perangkat Lunak yang Digunakan Perangkat lunak yang digunakan dalam pengembangan aplikasi ini adalah Sistem Operasi Windows 7,Adobe Photoshop CS5 dan Aplikasi Borland Delphi 2007. 4.1.3 Implementasi Data Di bawah ini merupakan tabel yang menunjukan nilai rata rata dari data pelatihan untuk setiap fitur sesuai dengan kekurangan unsur hara yang dialami oleh tiap data daun jagung tersebut. Berdasarkan tabel dapat disimpulkan bahwa nilai kontras memiliki nilai paling tinggi sedangkan homogeniti memiliki nilai yang paling rendah. Tabel 4.1 Tabel rata rata nilai ekstraksi fitur FITUR K.FE K. MN Sehat R 0.33 0.35 0.32 G 0.50 0.45 0.38 B 0.15 0.18 0.29 ENR 0.63 0.65 0.66 KON 9.60 19.6 98.3 ENT 4.31 4.98 5.67 HMG 0.18 0.14 0.09 A. Karakteristik Fisik Daun Jagung Berdasarkan Hasil Pengolahan Citra 1. Karakteristik Fitur Warna Merah (R) Dapat disimpulkan daun jagung yang sehat memiliki nilai warna merah yang lebih sedikit dari daun yang kekurangan fe dan kekurangan Mn.Sedangkan nilai indeks warna merah yang paling besar dimiliki oleh daun jagung yang mengalami kekurangan Mn. 2. Karakteristik Fitur Warna Hijau (G) Dapat disimpulkan daun jagung yang sehat memiliki nilai warna hijau yang paling rendah.Sedangkan nilai yang
Gambar 4.1 Form awal program 4.1.4 Implementasi Tampilan Program a. Tampilan Awal Program Bagian ini merupakan tampilan awal program saat pertama kali dijalankan. b. Form Ekstraksi Fitur
106
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013 citra
Pada bagian ekstraksi fitur ,dilakukan proses perhitungan nilai sekaligus penginputan data daun jagung untuk pelatihan dan pengujian pada proses selanjutnya.
KONTRAS:=KONTRAS+(sqr(fj)*mkum[j,f]); // ukuran ketidakteraturan bentuk if mkum[j,f]<>0 then ENTROPI:=ENTROPI+(1*(mkum[j,f]*(ln(mkum[j,f])))); // Inverse Different Moment --> Menunjukkan kehomogenan citra yang berderajat keabuan sejenis IDM:=IDM+((mkum[j,f])/(1+sqr(jf))); end;
c. Form LVQ Form Lvq terdiri atas 2 bagian utama yaitu bagian pelatihan dan pengujian. Pelatihan Pada bagian ini adalah dimana berlangsungnya proses pelatihan LVQ.bagian ini terdiri dari kolom data pelatihan,kolom bobot hasil,dan kolom bobot update.Gambar 4.3 adalah tampilan dari form pelatihan dari program ini. Pengujian Pada bagian ini adalah dimana proses pengujian berlangsung,pada bagian ini hanya berisi kolom data pengujian dan bobot hasil saja.Tampilan dari form pengujian ini dapat dilihat pada gambar 4.4
Gambar 4.2 Form Ekstraksi Fitur Di bawah ini merupakan cuplikan source code untuk perhitungan indeks nilai r,g,b. r := r + (temp[i+2]/(temp[i]+temp[i+1]+temp [i+2])); g := g + (temp[i+1]/(temp[i]+temp[i+1]+temp [i+2])); b := b + (temp[i]/(temp[i]+temp[i+1]+temp[i +2])); inc(i,3); inc(f,1); until i >= 3*gambar.Width; end; finally // sample end; r := r / (gambar.Height*gambar.Width); g := g / (gambar.Height*gambar.Width); b := b / (gambar.Height*gambar.Width);
Di bawah ini merupakan cuplikan source code untuk perhitungan nilai Fitur fitur GLCM. ENERGI:=0; KONTRAS:=0; ENTROPI:=0; IDM:=0; for j:=0 to 255 do for f:=0 to 255 do begin //hitung ENERGI - ANGULAR SECOND MOMENT ENERGI:=ENERGI+mkum[j,f]; // ukuran penyebaran (momen inersia) elemen-elemen matriks
Gambar 4.3 Form Pelatihan
107
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
Gambar 4.4 form pengujian Dibawah ini merupakan cuplikan source code dari jaringan saraf tiruan LVQ Begin dist := 0.0; aCluster := cluster[c]; for i:= 0 to VECTOR_LENGTH - 1 do begin dist := dist + ((pattern[p][i]aCluster.getCenter(i))*(pattern[p][ i]aCluster.getCenter(i))); end; Result := sqrt(dist); end;
Gambar 4.5 Grafik Perbandingan Akurasi Sistem Namun karena lama waktu pelatihan dengan epoh sebanyak 500 lebih cepat (10,15 detik) dari lama waktu pelatihan dengan epoh 700 (26,97 detik),maka nilai akurasi yang paling optimal di dapatkan dari nilai learning rate 0,01 dengan epoh sebanyak 500 kali. Gambar 4.5 merupakan gambar yang menggambarkan grafik yang menunjukkan perbandingan tingkat Akurasi tersebut
Di bawah ini merupakan Source code untuk update bobot, Begin if Tar = c then tmp[k] := aCluster.getCenter(k)+(EDist*(pattern[ pat][k]-aCluster.getCenter(k))) else begin a := (aCluster.getCenter(k)); b := EDist*(pattern[pat][k]aCluster.getCenter(k)); tmp[k] := a-b; end; aCluster.setCenter(k, tmp[k]); listcenter[listep, k] := tmp[k]; end;
Tabel 4.2 Tabel Hasil Uji Coba epoh 500 No Learning Epoh 500 Rate Jml Jml Akurasi (alpha) salah Benar 1 0.01 21 57 73,07% 2 0.03 42 36 46,15% 3 0.05 29 49 62,82% 4 0.07 28 50 64,28% 5 0.09 29 49 62,82
4.2 Pengujian Pengujian dalam sistem ini dilakukan dengan uji coba sebanyak 15 kali,dimana uji coba tersebut dibagi menjadi 3 berdasarkan banyak epohnya yaitu uji coba dengan epoh 100,epoh 500 dan epoh 700.Dimana tiap epoh tersebut di uji coba menggunakan learning rate yang berbeda beda yaitu 0.01 ,00.03,0.05,0.07 dan 0.09.Dari hasil uji coba yang telah dilakukan tersebut dapat disimpulkan bahwa nilai akurasi terbesar didapatkan dari nilai learning rate 0,01 dengan epoh sebanyak 500 dan juga didapatkan dari epoh sebanyak 700.
5. KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil penelitian diatas dapat ditarik kesimpulan bahwa metode jaringan saraf tiruan lvq dalam mengidentifikasi kekurangan unsur hara pada tanaman jagung memiliki tingkat akurasi sebesar 73,07%. Nilai akurasi 73,07 % tersebut diperoleh dengan menggunakan nilai learning rate sebesar 0.01 dan maksimal iterasi sebanyak 500.Berdasarkan pada tabel 4.3 tingkat keberhasilan dari jaringan saraf tiruan LVQ dipengaruhi oleh 2 inputan yaitu maksimal epoch dan learning rate.Nilai Learning rate dan jumlah maksimal epoh yang tepat dapat menghasilkan nilai akurasi yang optimal. 5.2 Saran
108
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
Saran yang dapat disampaikan dalam melakukan penelitian ini adalah sebagai beikut : 1. Pada penelitian selanjutnya diharapkan dapat memperbanyak jumlah data daun jagung yang dilatih agar sistem dapat mengidentifikasi dengan lebih baik. 2. Mencoba menggunakan metode-metode lain yang sudah ada, baik dalam pemrosesan (image processing) gambar maupun untuk pelatihan DAFTAR PUSTAKA Arham,Z.2004 . Evaluasi Mutu Jeruk Nipis (Citrus aurantifolia Swingle) dengan Pengolahan Citra Digital dan Jaringan Saraf Tiruan. Cahyono,dan Prasetyo,G.2010.Sistem Pengenalan Barcode menggunakan Jaringan Saraf Tiruan Learning Vector Quantization. Dwidjoseputro,D . 1983 . Pengantar Fisiologi Tumbuhan. Penerbit PT gramedia. Jakarta. Fansuri,M.R.2011.Klasifikasi genre musik menggunakan Learning Vector Quantization (LVQ) Gani,A.2007.Bagan Warna Daun.Pustaka Departemen Pertanian. Haralick.1973.Textural Features for Image Classification,IEEE. Hermawan,A.2006. Jaringan Syaraf Tiruan Teori dan Aplikasi.Penerbit Andi Offset. Putra,D.2010.Pengolahan citra digital .Penerbit Andi Offset.Yogyakarta. Puspitaningrum,D.2006.Pengantar Jaringan Saraf Tiruan.Penerbit Andi Offset. Yogyakarta. Suhandy,D dan Usman,A.2003.Pengembangan Algoritma Image Processing untuk Menduga Kemasakan Buah Manggis Segar Novita,N.2010.Pendugaan Mutu Fisik Biji Jagung dengan Menggunakan Citra Digital dan Jaringan Saraf Tiruan.
109
JELIKU Vol 2 No. 3 Agustus 2013
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
ANALISA KINERJA ROUTING MENGGUNAKAN ROUTING INFORMATION PROTOCOL (RIP) DAN OPEN SHORTEST PATH FIRST (OSPF)
A.A. Sagung Istri Candra Padmasari 1, I Made Widhi Wirawan2 Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana email: [email protected], [email protected]
ABSTRAK Hampir setiap saat terjadi komunikasi atau pertukaran data pada berbagai bidang, seperti pendidikan, pemerintahan, dan industri atau perusahaan. Untuk dapat saling melakukan pertukaran data, maka dalam jaringan komputer membutuhkan proses routing sebagai penentu jalur komunikasi data dari sumber hingga sampai ke tujuan. Untuk dapat memberikan kinerja yang baik, protokol routing yang tepat sangat diperlukan dalam proses routing. Terdapat beberapa jenis protokol yang digunakan dalam proses routing. Protokol yang sering digunakan adalah Routing Information Protocol (RIP) dan Open Shortets Path First (OSPF). RIP merupakan protokol routing distance vector yang memberikan pemilihan rute berdasarkan jalur terpendek yang dilalui.
OSPF merupakan protokol routing link state yang memiliki titik berat pada kinerja prosessor, kebutuhan bandwidth, dan kebutuhan memori. Hal yang diperhatikan dalam penelitian ini adalah untuk mengetahui perbandingan kinerja RIP dan OSPF berdasarkan nilai Round Trip Time (RTT) dari utilitas ping. Dari hasil penelitian, didapatkan bahwa pada jaringan dengan kecepatan link yang sama, kinerja RIP lebih baik dibandingkan dengan OSPF, dimana selisih nilai round trip time (RTT) adalah 9 ms. Selain itu, tidak ada perbedaan jumlah hop yang terjadi pada jaringan dengan RIP ataupun dengan OSPF karena jumlah hop yang dilalui dari satu host ke host lainnya adalah 2. Kata Kunci: Routing, Routing Information Protocol, Open Shortest Path First, Round Trip Time
ABSTRACT Almost of any time, occur data communication or data exchange on various sector, such as educatin, giverment, or industry. In order to communicate, computer network need routing process as determinants track of data communication from source to destination. Routing process need good protocol routing so that can give the best performance of routing. There are some routing protocol such as Information Protocol (RIP) and Open Shortets Path First (OSPF). RIP is routing protocol based distance vector algoritm that provide the best route with shortest path . OSPF is link state routing protocol that have focus on processor performance, bandwidth requirement, and memory requirement. Point of this experiment is to find out performance comparison of RIP and OSPF based Round Trip Time (RTT) value on ping ulitity. From the research, RIP performance is better than OSPF, if link speed on network is same. Other that, nothing difference of hop number on network based RIP or OSPF. Keywords: Routing, Routing Information Protocol, Open Shortest Path First, Round Trip Time
110
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013 memiliki aturan yang berbeda, namun jalur yang dipilih dinilai sama baiknya.
1. Pendahuluan Teknologi informasi merupakan salah satu kebutuhan pada saat ini. Hampir setiap saat terjadi komunikasi atau pertukaran data pada berbagai bidang, seperti pendidikan, pemerintahan, dan industri atau perusahaan. Untuk dapat saling melakukan pertukaran data, maka dalam jaringan komputer membutuhkan proses routing sebagai penentu jalur komunikasi data dari sumber hingga sampai ke tujuan. Terdapat dua jenis proses routing, yaitu static routing, dan dynamic routing. Static routing merupakan proses routing dengan rute atau jalur yang telah ditentukan oleh administrator. Sedangkan dynamic routing merupakan proses routing secara otomatis oleh router. RIP merupakan protokol routing yang menggunakan algoritma distance vector yang menemukan jalur pencarian terbaik dengan nilai jarak. Jalur dengan jarak hop yang paling sedikit ke network yang dituju akan menjadi jalur terbaik. Sedangkan OSPF menggunakan algoritma link state, dimana setiap router akan mengumpulkan seluruh informasi tentang router yang terhubung. Nilai yang paling efisien yang akan diambil sebagai jalur dan dimasukkan ke dalam tabel routing. Penentuan metode routing sangat diperlukan dalam komunikasi data, dimana pemilihan metode tersebut dapat meningkatkan kinerja dari jaringan. Pemilihan metode yang tepat dapat dilakukan dengan membandingkan RIP dan OSPF berdasarkan nilai Round Trip Time (RTT) dari utilitas ping.
2.2 Dynamic routing Dynamic routing merupakan proses routing yang melakukan pengisian data forwarding table secara otomatis[2]. Routing dinamis mengacu pada dua tipe algoritma yang dikenalkan oleh Bellman Ford dengan algoritma distance vector, dan oleh Djikstra dengan algoritma link state. Dynamic routing menggunakan nilai metric untuk menentukan jalur pencarian terbaiknya, dimana nilai metric memiliki beberapa parameter. Parameter yang dapat digunakan untuk menghasilkan sebuah nilai metric adalah : Hop count, dimana perhitungan berdasarkan banyaknya router yang dilewati dalam pengiriman paket data. Ticks, dimana perhitungan berdasarkan waktu yang diuperlukan. Cost, dimana perhitungan berdasarkan perbandingan sebuah nilai standar dengan bandwidth yang tersedia. Composite metric, berdasarkan hasil perhitungan dari parameter-parameter yaitu bandwidth, delay, load, reability. Keunggulan dynamic routing adalah lebih mudah dikelola, dapat beradaptasi dengan perubahan kondisi jaringan, dan rute ditentukan berdasarkan informasi dari router lainnya. Sedangkan kelemahannya adalah memerlukan banyak bandwidth karena setiap adanya perubahan node, secara otomatis membangkitkan trafik route untuk memberikan informasi perubahan rute ke masing-masing router[2].
2. Kajian Pustaka
2.1 Routing Routing merupakan proses dimana sesuatu dibawa dari satu lokasi ke lokasi lainnya. Selain itu, routing adalah proses untuk menemukan rute dari sumber ke tujuan. Untuk dapat melakukan proses routing, maka diperlukan komponen yang disebut dengan router. Router adalah salah satu komponen dalam jaringan komputer yang mampu melewatkan data melalui sebuah jaringan dengan menggunakan proses routing[5]. Router berfungsi sebagai penghubung antara dua atau lebih network yang berbeda. Router juga digunakan untuk membagi network yang besar menjadi beberapa buah subnetwork (networknetwork yang lebih kecil). Router memiliki tabel routing yang digunakan sebagai dasar dalam pencarian jalur pengiriman paket data. Router akan mencari jalur terbaik menurut aturan yang dimilikinya. Walaupun pemilihan jalur terbaik dalam proses routing
2.3 RIP Routing Information Protocol (RIP) merupakan protokol routing yang menggunakan algoritma distance vector. Dalam pemilihan jalur terbaik, ditentukan denggan menghitung jumlah hop (count hop) sebagai routing metric. Setiap hop di jalan dari sumber ke tujuan diberikan sebuah nilai hop, yang biasanya bernilai 1. Untuk jaringan yang sangat kecil, batas untuk jaringan dengan pencarian jalur ke tujuan, maksimal lompatan sebanyak 15 kali[7]. Selain itu, tiap RIP router saling bertukar informasi routing setiap 30 detik. RIP pertama kali didefinisikan dalam RFC 1058 (1988). Protokol RIP telah dikembangkan beberapa kali, hingga tercipta RIP versi 2 (RFC 2453). RIP juga telah diadaptasikan untuk digunakan dalam jaringan IPv6, yang dikenal dengan RIPng (Next Generation/RIP generasi
111
Jurnal Elektronik Ilmu Komputer - Universitas Udayana berikutnya) dan didefinisikan dalam RFC 2080 (1997). RIP mengirimkan pesan routing update secara periodik dan ketika terjadi perubahan topologi jaringan. Ketika router menerima pembaharuan routing, maka akan terjadi perubahan pada tabel routingnya, dimana perubahan itu mencerminkan perubahan jalur yang baru. RIP hanya mempertahankan rute terbaik (rute dengan nilai metric terkecil) untuk sampai ke tujuan. Setelah memperbaiki tabel routing, router akan segera menginformasikan update routing ke router lainnya. Cara kerja RIP dapat dijelaskan sebagai berikut : Host mendengarkan pada alamat broadcast jika ada update roouting dari gateway. Selanjutnya host akan memeriksa terdahulu tabel routing local yang dimilikinya. Jika rute belum ada, infromasi akan segera dimasukkan ke tabel routing. Akan tetapi jika routing sudah ada, metric yang terkecil akan diambil sebagi acuan. Rute melalui suatu gateway akan dihapus jika tidak ada update dari gateway tersebut dalam waktu tertentu. Khusus untuk gateway, RIP akan mengirimkan update routing pada alamat broadcat di setiap network yang terhubung. Apapun kelebihan yang dimiliki RIP adalah metode Triggered Update yang dimilikinya. RIP memiliki timer untuk mengetahui kapan router harus kembali memberikan infromasi routing. Jika terjadi perubahan pada jaringan, sementara timer belum habis, maka router akan tetap harus mengirimkan informasi routing karena dipicu oleh triggered update. Sedangkan kelemahan RIP adalah sebagai berikut : Terbatasnya diameter network, dimana RIP hanya bisa menerima metric hingga 15 kali. Konvergensi yang lambat, karena metode yang RIP miliki tidaklah efisien untuk menghapus entry tabel yang bermasalah. Tidak bisa membedakan network masking lebih dari /24, dimana hal ini terjadi pada RIP versi 1. Jumlah host yang terbatas. RIP tidak memiliki informasi tentang subnet di setiap route. RIP tidak mendukung Variable Length Subnet Masking (VLSM)
JELIKU Vol 2 No. 3 Agustus 2013 berbagai rute dan memilih lebih dari satu rute ke host tujuan. Pemilihan jalur pencarian terbaik menggunakan perhitungan cost sebagai routing metric. Nilai cost didefinisikan sebagai berikut [5] : Cost = Semakin cepat link dalam jaringan, maka semakin rendah nilai cost pada link tersebut. Setiap OSPF router mempunyai database yang identik yang mengggambarkan topologi suatu Autonomous System. Dari database ini, perhitungan Shortest Path First dilakukan utuk membentuk tabel routing. OSPF memungkinkan beberapa jaringan untuk dikelompokkan bersama. Dimana kelompokkelompoknya dinamakan dengan area. Dengan menggunakan konsep area ini, maka penyebaran informasinya menjadi lebih teratur dan tersegmentasi. Network OSPF harus memiliki sebuah area khusus yang disebut dengan Area 0 atau backbone area, dimana area lain yang terdapat di jaringan tersebut harus terkoneksi dengan area 0[3]. Semua traffic dari area lain akan melalui area 0, sehingga area 0 harus menyediakan bandwidth yang cukup besar untuk melayani semua traffic dari area lain. Kemudian setiap router yang berada dalam Area 0 akan memiliki satu area, yang meliputi seluruh perangkat yang terhubung dengan router tersebut. Misalkan dalam Area 0 terdapat 2 (dua) buah router, yaitu router A dan router B. Maka seluruh router atau perangkat lain yang terhubung dengan router A akan membentuk 1 area. Begitu pula dengan perangkat lain yang terhubung dengan router B, juga membentuk satu area. Sehingga, jika suatu jaringan yang Area 0-nya memiliki 2 (dua) router, maka jaringan tersebut terpecah menjadi 3 area OSPF. Terdapat tiga buah tabel yang terdapat dalam proses routing[5]. Ketiga tabel ini dimiliki oleh setiap router. Adapun tabel tersebut adalah : Adjecency Table, dimana database ini berisi daftar semua router tetangga. Topological table, dimana database ini berisi seluruh informasi tentang router yang berada dalam satu area. Routing table (Forwarding database), dimana database ini berisi cost terendah untuk mencapai router lainnya. OSPF memiliki kelebihan dari segi waktu, dimana waktu yang diperlukan untuk konvergen lebih cepat dan cocok digunakan dalam jaringan berskala besar. Sedangakn kekurangan dari OSPF adalah membutuhkan basis data yang besar dan rumit.
2.4 OSPF OSPF merupakan protokol routing berbasis link state dengan menggunakan Shortest Path First. OSPF menggunakan prinsip multipath (multi path protokol), dimana OSPF dapat mempelajari
112
Jurnal Elektronik Ilmu Komputer - Universitas Udayana
JELIKU Vol 2 No. 3 Agustus 2013
2.5 Ping Ping atau Paket Internte Gropher merupakan sebuah pengujian yang digunakan untuk memeriksa konektivitas jaringan yang berbasis Transmission Control Protocol/Internet Protocol (TCP/IP)[3]. Pemeriksaan konektivitas ini dilakukan dengan mengirimkan sebuah paket Internet Control message Protocol (ICMP) ke alamat IP/host tujuan dan menunggu respon dari IP/host tujuan. Dengan menggunakan pengujian ping, dapat diuji apakah sebuah komputer atau perangkat jaringan terhubung dengan perangakt lainnya. Hasil dari pengujian ini adalah berupa statistik keadaan koneksi. Kualitas koneksi dapat dilihat dari nilai Round Trip Time (RTT) yaitu waktu yang dibutuhkan oleh paket ICMP dari paket tersebut dikirim hingga IP/host tujuan meresponnya, serta besar packet loss, yaitu jumlah paket yang hilang pada saat pengiriman. Semakin kecil nilai dari RTT dan packet loss, maka kualitas koneksi akan semakin baik[3]. Selain perbandingan nilai RTT, diperlukan juga standar deviasi atau simpanagn baku dimana digunakan untuk mengukur bagaimana nilai-nilai data tersebar. Adapaun rumus dari standar deviasi adalah sebagai berikut [1]:
Gambar 1. Rancangan sistem Sedangkan pada tahap pengujian dilakukan dengan mengirimkan paket data, berupa pengujian ping ke masing-masing network tujuan sebanyak 15 kali. Untuk tahapan pengambilan data dilakukan dengan mencatat nilai RTT dan selanjutnya membandingkan nilai RTT dari masing-masing protokol routing.
4. 4. Hasil dan Pembahasan Pengujian dibagi menjadi dua tahapan, yaitu pengujian dengan menggunakan protokol RIP, dan pengujian dengan menggunakan protokol OSPF. Tabel 1. Hasil pengujian RIP No Netwrok Network Source Destinati on 1 10.1.0.0 10.2.0.0 2 10.1.0.0 10.3.0.0 3 10.1.0.0 10.4.0.0 4 10.2.0.0 10.1.0.0 5 10.2.0.0 10.3.0.0 6 10.2.0.0 10.4.0.0 7 10.3.0.0 10.1.0.0 8 10.3.0.0 10.2.0.0 9 10.3.0.0 10.4.0.0 10 10.4.0.0 10.1.0.0 11 10.4.0.0 10.2.0.0 12 10.4.0.0 10.3.0.0 RATA-RATA
Dimana y merupakan nilai sampel dan n merupakan jumlah sampel. Nilai standar deviasi yang semakin kecil menunjukkan tingkat penyebaran data yang semakin baik. Nilai deviasi yang baik memenuhi kriteria penerimaan yaitu lebih kecil 2% dari nilai variant[6].
3. Metode Penelitian Metode penelitan menggunakan tahapantahapan sebagai berikut, yaitu perumusan masalah, studi literature, analisis dan perancangan sistem, implementasi sistem, pengujian dan evaluasi, serta pengambilan data dan analsis kesimpulan. Pada tahap implementasi sistem, dilakukan dengan simulasi jaringan menggunakan Packet Tracer. Model jaringan menggunakan topologi mesh dengan 4 buah router dan 8 buah PC. Network yang terbagi menjadi 4 buah network dan setiap network terdapat 2 buah PC sebagai host. Berikut ini adalah gambar rancangan penelitian :
RTT (ms)
Hop
24 18 20 20 28 17 22 26 30 16 15 27 22
2 2 2 2 2 2 2 2 2 2 2 2 2
Data pada tabel 1 menunjukkan bahwa ratarata nilai RTT pada jaringan dengan menggunakan RIP adalah 22 ms dengan rata-rata jumlah hop adalah 2. Data tersebut dapat diartikan bahwa waktu pulang pergi paket data yang dikirim dari network source ke network destination yang diperlukan memerlukan waktu 22 ms dengan melewati 2 router.
113
Jurnal Elektronik Ilmu Komputer - Universitas Udayana Tabel 2. Hasil pengujian OSPF No Netwrok Network Source Destinati on 1 10.1.0.0 10.2.0.0 2 10.1.0.0 10.3.0.0 3 10.1.0.0 10.4.0.0 4 10.2.0.0 10.1.0.0 5 10.2.0.0 10.3.0.0 6 10.2.0.0 10.4.0.0 7 10.3.0.0 10.1.0.0 8 10.3.0.0 10.2.0.0 9 10.3.0.0 10.4.0.0 10 10.4.0.0 10.1.0.0 11 10.4.0.0 10.2.0.0 12 10.4.0.0 10.3.0.0 RATA-RATA
JELIKU Vol 2 No. 3 Agustus 2013 2.
RTT (ms)
Hop
30 29 35 35 25 31 38 28 27 29 36 28 31
2 2 2 2 2 2 2 2 2 2 2 2 2
3.
4.
Tidak ada perubahan jumlah hop yang dilalui, baik pada routing dengan RIP ataupun OSPF. Pada jaringan dengan kecepatan link yang sama, RIP dapat bekerja lebih baik dibandingkan dengan OSPF. Stabilitas pada protokol RIP lebih besar dibandingkan dengan protokol OSPF dengan selisih 9 ms.
DAFTAR PUSTAKA [1] Devi, Kadek Frisca Ayu. (2013). Analisis Portofolio Saham LQ45 Menggunakan Fungsi Utilitas Kuadratik. E-Jurnal Matematka Vol 2 No. 1, Januari 2013 [2] Edi, Dodo. (2006). Kajian Algorima Routing Dalam Jaringan Komputer. Jurnal Informatika UKM, Volume II Nomor 3, Juni 2006. [3] Fitriana, Nur. (2012). Kajian Kinerja Jaringan. Jurnal Utilitas Network, November 2012. [4] Silk M, Lady & Suhardi. (2011). Pengaruh Model Jaringan Terhadap Optimasi Routing Open Shortest Path First (OSPF). Jurnal Teknologi Volume 1 No 2. Juli 2011 [5] Sofana, Iwan. (2012). Cisco CCNP dan Jaringan Komputer (materi Router, Switch, dan Troubleshooting). Informatika. Bandung. [6] Oktvia, Erina. (2006). Teknik Validasi Metode Analisis Kadar Ketoprofen Secara Krematografi Cair Kinerja Tinggi. Buletin Teknik Pertanian Vol. II No.1 2006 [7] Wijaya, Kadek Chandra Tresna. (2013). Analisis Kinerja RIP (Routing Information Protocol) untuk Optimalisasi Jalur Routing. Jurnal Elektronik Ilmu Komputer Universitas Udayana, Volume 1 No 1 Agustus 2013
Data pada tabel 2 menunjukkan bahwa ratarata nilai RTT pada jaringan dengan menggunakan OSPF adalah 31 ms dengan rata-rata jumlah hop adalah 2. Data tersebut dapat diartikan bahwa waktu pulang pergi paket data yang dikirim dari network source ke network destination yang diperlukan memerlukan waktu 31 ms dengan melewati 2 router. Dari tabel 1 dan tabel 2 dapat dilihat bahwa terjadi kenaikan nilai RTT ketika menggunakan OSPF, walaupun jumlah hop yang dilalui tetap sama. Hal ini dapat disebabkan karena pada OSPF, proses kalkulasi pembuatan tabel routing yang meliputi penghitungan cost sebagai routing metricnya lebih rumit daripada RIP yang hanya menggunakan jumlah hop sebagai routing metric. Pada jaringan dengan jenis dan kecepatan link yang sama, RIP memiliki nilai RTT lebih kecil daripada OSPF. Sedangkan untuk stabilitas protokol dapat juga ditunjukkan dengan standar deviasi. Adapun nilai dari standar deviasi RIP dan OSPF adalah sebagai berikut : Tabel 3. Nilai deviasi RIP OSPF 23 35 Dari table 3 didapatkan bahwa nilai standar deviasi dari protokol RIP adalah 23ms, sedangkan nilai standar deviasi dari protokol OSPF adalah 35ms.
5. Kesimpulan Dari penelitian yang dipaparkan, dapat disimpilkan bahwa : 1. Nilai RTT pada routing menggunakan RIP lebih kecil dibandingkan dengan routing menggunakan OSPF dengan selisih 9 ms.
114