SUSUNAN DEWAN REDAKSI JELIKU · implementasi sistem operasi router mikrotik sebagai proxy server...

Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013

i

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

http://www.cs.unud.ac.id/


ii

[halaman ini sengaja dikosongkan]


iii

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 BERBASIS WEB PADA FAKULTAS

PARIWISATA UNIVERSITAS UDAYANA

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


iv

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


1

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 sub-

process including validation report and visit store reports.

Keywords: Sales Force Automation, mobile, System Architecture

mailto:[email protected]




2

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.

2. Landasan Teori

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


3

mengindikasikan komunikasi diantara obyek-

obyek tersebut (Bell, 2013). Diagram ini juga

menunjukkan serangkaian pesan yang

dipertukarkan oleh obyek-obyek yang

melakukan suatu tugas atau aksi tertentu. Obyek-

obyek tersebut kemudian diurutkan dari kiri ke

kanan, aktor yang menginisiasi interaksi

biasanya ditaruh di paling kiri dari diagram.

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).

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

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:

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:

3.3.1 Kebutuhan Fungsional

Tabel 1 Kebutuhan Fungsional

Actor Kebutuhan/ Requirement

Tenaga

Pemasaran

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


4

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.

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 4. Activity Diagram Data Input


menjelaskan tentang alur jika user ingin

menginput prospek pada SFA versi mobile. Data

yang diinputkan oleh user akan langsung masuk

ke server.

Gambar 5. Activity Diagram Lihat Prospek


menjelaskan tentang alur dari user jika ingin

melihat prospek. Dalam sistem ini ada 3 jenis


5

prospek, yaitu prospek pending, prospek sales,

dan prospek cancel.

Gambar 6. Activity Diagram Buat Jadwal

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


menjelaskan tentang alur pengisian jadwal oleh

user. Jadwal akan bisa diisi jika user telah

membuat jadwal sebelumnya.

Gambar 8. Activity Diagram Lihat Jadwal

Diagram activity pada gambar 8

menjelaskan tentang alur dari user jika ingin

melihat jadwal yang telah dibuat dan diisi

sebelumnya.

Gambar 9. Activity Diagram Lapor Kunjungan

Gambar 9 merupakan activity diagram.

Lapor Kunjungan. Dalam activity ini, user akan

melaporkan hasil dari kunjungan yang telah

dijadwalkan sebelumnya.


6

Class Diagram

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 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 12. Sequence Diagram Lihat Prospek


untuk melihat prospek yang didaftarkan dan

telah dikunjungi. Prospek yang telah

dikunjungi dibagi menjadi 3 jenis yaitu sale,

cancel, dan pending.

Gambar 13. Sequence Diagram Buat Jadwal


untuk membuat jadwal. Tenaga pemasaran

bisa menginputkan tanggal awal/tanggal akhir

dari periode mingguan yang diinginkan.

Gambar 14. Sequence Diagram Isi Jadwal


untuk megisi jadwal yang telah dibuat

sebelumnya. Tenaga pemasaran akan mengisi

data yang harus diisikan di form isi jadwal.


7

Gambar 15. Sequence Diagram Lihat Jadwal


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 16. Sequence Diagram Lapor

Kunjungan


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 antarmuka

dimulai dengan perancangan antarmuka

halaman login

Gambar 17. Halaman Login User

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 18. Halaman Utama 1

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.


8

Gambar 19. Menginput Prospek Baru

Gambar 13 merupakan langkah-

langkah 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.

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 21. Buat Jadwal

Pada gambar 15 merupakan langkah-

langkah 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 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.


9

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.

Gambar 24. Lapor Kunjungan

Gambar 18 merupakan langkah-

langkah 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

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 Validasi data input √

Simpan data input √

Lihat Prospek

Lihat prospek

pending

√

Lihat prospek sale √

Lihat prospek cancel √

Buat Jadwal Validasi tanggal √

Simpan jadwal √

Isi Jadwal Validasi data jadwal √

Simpan isi jadwal √

Lihat Jadwal Periksa tanggal √

Tampil jadwal √

Lapor

Kunjungan

Validasi lapor

kunjungan

√

Simpan lapor

kunjungan

√

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:

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.


10

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. wiley-

interscience a john wiley & sons, Inc.,

publication


11

PENGENALAN POLA BREAST CANCER MENGGUNAKAN ALGORITMA NGUYEN

WIDROW BACKPROPAGATION

I Gst Ag Indra Arthana1, Agus Muliantara

2

Program Studi Teknik Informatika,

Jurusan Ilmu Komputer,

Fakultas Matematika Dan Ilmu Pengetahuan Alam,

Universitas Udayana

Email : [email protected], [email protected]

2

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 PENDAHULUAN

Kanker payudara adalah jenis kanker

paling umum yang diderita kaum wanita.


12

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

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


13

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).

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

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).


14

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)

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 (vij

(lama)) dengan

bilangan acak dalam interval [-0,5: 0,5]

2. Hitung ‖ ‖

√

………..(13)

3. Bobot yang dipakai sebagai inisialisasi

‖ ‖…………………………….(14)

4. Bias yang dipakai sebagai inisialiasasi v0j

=

bilangan acak antara –β dan β

2.4 Flowchart Backpropagation

Adapun alur kerja yang dilakukan

dalam penelitian ini adalah sebagai berikut:


15

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 SKENARIO UJI COBA

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

dibagi dengan total data yang diujikan.

Sedangkan waktu komputasi dihitung berapa

lama algoritma bacpropagation dapat

menghitung hasilnya.

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%.

Tabel 3. Perbandingan antara Backpropagation

dan Nguyen Widrow Backprogation

No

.

Metode Bena

r

Sala

h

Akuras

i

(%)

1 Backpropagatio

n

79 21 79

2 Nguyen 92 8 92


16

Widrow

Backpropagatio

n

5 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.

[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.

PENERAPAN QUEUE TREE PADA ROUTER MIKROTIK DALAM MANAJEMEN

BANDWITH

I Putu Ery Handika, I Komang Ari Mogi



17


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.

PENDAHULUAN

Pesatnya perkembangan teknologi

terutama dalam jaringan internet

menyebabkan kebutuhan akan informasi

meningkat pula. Dengan adanya jaringan

internet setiap orang dapat bertukar informasi

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



18

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.

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

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



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].

Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode




19


[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.

Blok Diagram Manajemen Bandwidth

Manajemen bandwidth diperlukan

bagi jaringan multi layanan dengan


(QoS) [9]. Proses aliran system manajemen

bandwidth dapat dilihat pada Gambar 1

dibawah ini.

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.

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 [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.

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.

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].


20

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 di

bangun dapat dilihat pada Gambar 3.

Gambar 4. Topologi Jaringan

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.

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.

Konfigurasi Sistem

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.

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.

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. Address = 192.168.10.0/24,

Action = mark connection, New

connection mark = MC-Download.

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. b. Konfigurasi mark packet upload yaitu :

Chain = prerouting, Dst.

Address = 192.168.10.0/24,


Connection Mark = MP-Upload. c. Konfigurasi mark packet download client

1 yaitu : Chain = postrouting,

Dst. Address = 192.168.10.101,


Packet Mark = DN-Client1.

d. Konfigurasi mark packet upload client 1

yaitu : Chain = prerouting, Src.


21

Address = 192.168.10.101,


Connection Mark = UP-Client1. e. Konfigurasi mark packet download client


Dst. Address = 192.168.10.102,



f. Konfigurasi mark packet upload client 2

yaitu : Chain = prerouting, Src. Address = 192.168.10.102,


Connection Mark = UP-Client2.

g. Konfigurasi mark packet download client


Dst. Address = 192.168.10.103,



h. Konfigurasi mark packet upload client 3



Connection Mark = UP-Client3. i. Konfigurasi mark packet download client


Dst. Address = 192.168.10.104,


Packet Mark = DN-Client4. j. Konfigurasi mark packet upload client 4



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 =

pcq_download, Packet Marks =

MP-Download, Priority = 8,

Max Limit = 2M

b. Konfigurasi download client 1 yaitu : Name = DN-Client1, Parent =

All-Download, Packet Marks =

DN-Client1, Queue Type =

pcq_download, Priority = 8,

Limit At = 512K, Max Limit = 2M c. Konfigurasi download client 2 yaitu :

Name = DN-Client2, Parent =




Limit At = 512K, Max Limit = 2M

d. Konfigurasi download client 3 yaitu : Name = DN-Client3, Parent =




Limit At = 512K, Max Limit = 2M e. Konfigurasi download client 4 yaitu :

Name = DN-Client4, Parent =




Limit At = 512K, Max Limit = 2M 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 = All-

Upload, Packet Marks =UP-

Client1, Queue Type =

pcq_upload, Priority = 8, Limit

At = 512K, Max Limit = 2M h. Konfigurasi upload client 2 yaitu : Name





At = 512K, Max Limit = 2M i. Konfigurasi upload client 3 yaitu : Name





At = 512K, Max Limit = 2M j. Konfigurasi upload client 3 yaitu : Name





At = 512K, Max Limit = 2M


22

k. Konfigurasi upload client 4 yaitu : Name = UP-Client4, Parent = All-




At = 512K, Max Limit = 2M

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 5. Pengujian dengan Satu 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.

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.

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 8. Pengujian dengan Empat Client

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

Ke-

Bandwidth maksimal yang diperoleh tiap client dari total

Satu Client Dua Client Tiga Client Empat Client

1 2048 1002 1023 699 672 620 523 526 514 515

2 2042 986 1011 697 630 643 522 516 517 520

3 2036 1021 1025 665 695 632 512 523 524 519

4 2048 984 992 679 689 626 525 513 515 521

5 2045 1012 1010 656 619 692 516 529 512 517

6 2048 912 1041 624 678 685 521 518 515 519

7 2005 1015 1020 643 621 690 519 512 512 529

8 2041 1001 929 675 631 677 522 523 514 519

9 2010 1023 1032 663 656 671 527 529 513 514

10 2032 918 1035 691 674 612 517 515 513 529

11 2019 987 1023 680 662 659 524 516 524 513

12 2000 1021 965 692 623 672 530 516 526 516

13 2013 985 1021 620 679 695 518 524 524 519

14 1998 998 1006 657 632 683 529 533 515 521


23

15 2021 1024 1014 677 699 619 526 521 512 517

16 2017 1024 1011 624 610 689 525 522 515 519

17 2005 1006 997 673 692 622 515 517 512 529

18 2039 987 1024 695 675 623 520 526 514 519

19 2038 995 1021 615 695 681 516 517 513 514

20 1976 1020 1003 691 636 661 523 522 512 519

21 2042 1005 1005 655 673 650 521 520 519 516

22 2017 1003 1020 662 689 629 512 523 515 529

23 2009 997 1023 658 699 630 524 526 517 518

24 2012 1006 1002 622 689 648 516 513 518 529

25 2040 999 978 690 641 653 514 526 522 513

26 2011 1023 1023 661 681 646 529 512 517 524

27 2034 1001 1021 677 691 627 520 515 525 513

28 2015 1014 988 659 620 698 517 529 523 520

29 2017 1022 1024 670 636 655 512 530 513 514

30 2045 986 1009 680 649 627 524 527 512 515

Rata-Rata 2024 999 1010 665 661 654 521 521 516 519

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.

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.

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


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.


24

[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.

http://telecom.ee.itb.ac.id/~hend/ET5043/CongestionControl



25

PERANCANGAN SISTEM INFORMASI KEANEKARAGAMAN HAYATI DI PT.

PERTAMINA DEPOT PENGISIAN PESAWAT UDARA (DPPU) NGURAH RAI

I Gusti Putu Deviara Putra, I.B Made Mahendra



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

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

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




26

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.

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

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


27

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]

.

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.

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.

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

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:

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


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


28

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.

Tabel 3. Struktur tabel data tumbuhan


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

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


1 Id Int(4)

2 Id_tanaman Char(50)

3 Tanggal Date

4 Jumlah Double

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.

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.


29

Gambar 2. DFD Level 0

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.

Gambar 3. DFD Level 1.1

5.4.4 DFD Level 1.2

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.

Gambar 4. DFD Level 1.2

5.4.5 Tampilan Antarmuka

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.

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 5. Tampilan Home Page

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.


30

Gambar 7. Tampilan Data Flora

5.4.5.4 Master Data

Page master data berisi 4 tab yang

menggunakan java script untuk menampilkan

tab-tab menu tersebut.

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 9. Master Tambah Data Hewan

Gambar 10. Master Tambah Data Tumbuhan

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

sudah terisi dengan data yang ingin di rubah.

Setelah selasai merubah maka pilih update.

Gambar 11. Form Edit/Hapus Data

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 13. Report Page

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

Tabel 5. Tabel Evaluasi KEBUTUHAN

PENGGUNA

REALISASI

DALAM

HASIL


31

SISTEM

Dapat

menyimpan

data fauna dan

flora

Dapat

terlaksana

(Gambar 6

dan Gambar

7)

Sesuai

dengan

permintaa

n dan

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

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:

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-DBMS-

MySQL.

[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. 2011-

08-18. 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.


32

ISBN 0-521-56481-6, digunakan sebagai

sumber oleh "Keanekaragaman Hayati",

Daftar istilah terkait dengan CBD

Mekanisme, Belgia Kliring. Diperoleh

2006/04/26.


33

IMPLEMENTASI SISTEM OPERASI ROUTER MIKROTIK SEBAGAI PROXY SERVER

BERBASIS TRANSPARENT PROXY

I Putu Iyasa Pringgagada Pecut, I Made Widhi Wirawan


Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana


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

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

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


34

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.

2. LANDASAN TEORI

2.1 Jaringan Komputer


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,

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.

2.2 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


35

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.

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

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.

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


36

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 :

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.

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

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.

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

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 :


37

INTERNET

SERVER

ROUTERBOARD

KLIEN 1

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 3.1 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

Pemberian nama pada Ethernet 3

dengan nama public untuk menandai Ethernet

itu yang memiliki akses koneksi ke server.

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

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


38

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

Pengaturan gateway diberikan dengan

alamat ip 10.101.0.254.

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 out-

interface=public chain=srcnat

Gambar 3.6 Setting NAT firewall

3.3.6 Konfigurasi Transparent Proxy

Konfigurasi yang perlu dilakukan

untuk mengaktifkan mode transparent proxy

yaitu :

Gambar 3.7 Konfigurasi Tansparent Proxy

Pengaturan transparent proxy disetting

dengan mengaktifkan pilihan enable dan

menset port dengan 3128 (biasanya otomatis).

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 dst-

port=80 action=redirect to-

port=3128


39

Gambar 3.8 Konfigurasi redirect

3.4 Hasil Implementasi Proxy Server

Adapun hasil dari implementasi perbandingan

antara Transparent Proxy dengan Non-

transparent 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 3.9 Uji koneksi client ke ip publik

Untuk pengujian koneksi dari client ke

jaringan public dapat dilihat pada gambar 3.9.

Gambar 3.10 Uji koneksi ke ISP

Untuk pengujian koneksi ke alamat

ISP dapat dilihat pada gambar 3.10.

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

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 cache-

used = 0 KiB. Itu menandakan proxy tidak

aktif.


40

Gambar 3.12 Monitoring tanpa Proxy

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

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)

Percobaan

ke

Waktu Hasil Bandwidth

(ms) (Kb/s) (Byte)

1 32503 2.68 89319

2 84100 1.04 89319

3 18720 4.66 89319

4 16718 5.22 89319

5 27279 3.2 89296

6 7633 11.42 89262

7 9417 9.18 88517

8 9182 9.38 88195

9 11651 7.48 89296

10 7152 12.09 88574

3.4.3.2 Pengujian Transparent Proxy

Hasil dari pengujian dengan

Transparent Proxy dapat dilihat pada tabel 3.2

dibawah ini :

Tabel 3.2 Transparent Proxy Transparent Proxy (Proxy Enable)

Percobaan

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 11505 7.47 87699

8 8496 10.11 87416

9 11944 7.19 87416

10 7876 10.91 89382

3.4.4 Perbandingan Hasil Pengujian

Dari hasil pengujian dengan kondisi

proxy disable (Non-transparent Proxy) dengan


41

proxy enable (Transparent Proxy) adalah

sebagai berikut yang dapat dilihat pada tabel

3.3 dan Bagan perbandingan hasil antara Non-

transparent 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.

Gambar 3.14 Bagan Hasil Perbandingan

Pengujian

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

ke


(%) (%) (%)

1 23.84 24.19 98.91

2 9.31 9.48 98.91

3 55.34 56.21 98.42

4 87.89 89.38 98.18

5 33.82 34.37 98.21

6 186.61 189.39 98.24

7 122.17 122.89 99.08

8 92.53 92.78 99.12

9 102.51 104.03 97.89

10 110.12 110.82 100.91

Rata -rata 82.42 83.35 98.79

Peningkat

an

Kinerja

(%)

17.58 16.65 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.


42

PURWARUPA APLIKASI MESIN PENCARI REFERENSI

I Putu Sutria Narada, Agus Muliantara, Ida Bagus Dwidasmara




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

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

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



43

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.

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

(term). Frekuensi kemunculan term adalah

petunjuk sejauh manakah suatu term

tersebut mewakili suatu dokumen.

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


44

terangking berdasarkan nilai kesamaan

tersebut.

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. 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.

4.1 Square root weighting

Square root term weighting (SQRT)

adalah pembobotan term yang dikembangkan

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

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.

4.4 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.

4.5 Inverse document frequency(IDF)


45

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

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.

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).

( )

( )

( )

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.

Term

Dokumen

Id_dokumenId_dokumen juduljudul

Isi dokumenIsi dokumen

LokasiLokasi

Id_termId_term TermTerm

Kata dasar Stopword

Id_katadasarId_katadasar

Kata dasarKata dasar

Id_stopwordId_stopword

StopwordStopword

Memiliki

m

n

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.


46

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,

untuk memastikan ketepatan hasil

stemming.

6. Proses sugesti kata dilakukan bila kata

query tidak terdapat dalam kamus.

7. Kemudian dilakukan proses

pembobotan untuk mengeetahui bobot

term-term pada query

8. Dilakukan perhitungan nilai similarity,

untuk menentukan dokumen mana

sajakah yang sesuai dengan kata kunci

pencarian.

9. Sorting berdasarkan nilai similarity

secara descending.

10. Tampilkan hasil pencarian.

Mulai

query

Tokenizing

Filtering

Stemming

Ada dalam kamus

Penghitungan bobot

Similarity

Damereu Levenshtein

Kata Usulan

Sorting

Hasil Sorting

Kamus kata dasar

Inverted Indexs

Daftar stop words

N

Y

Akhir

Gambar 3. Flowchart aplikasi pencarian

3. Diagram Konteks

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

pelaksanaan pencarian datang dari aplikasi

client. 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


47

berdasarkan kata kunci dilakukan dari proses 5 sampai dengan proses 11.

User

0Web service mesin

pencari

Aplikasi client

Upload Dokumen

Laporan dokumen terupload Hasil Pencarian

Input query

Gambar 4. Diagram konteks pencarian referensi

4. DFD

User

1Tokenizing

2Filtering

3Stemming

4Pembentukan

Index dokumenDb dokumen

9Pembobotan

User

5Tokenizing

6Filtering

7Stemming

8Perbaikan Kata

10Hitung cosine

similarity

11Sorting Hasil

Kamus Kata Dasar

Term IndexKamus

Stopword

Upload dokumen

Isi dokumen Isi dokumen Term Dokumen

Term

Isi Query

Laporan upload

Query

Isi query Term Term

Frequensi term

Bobot dokumen & query

Nilai Cosine similarityHasil sorting

Data stopwordData kata dasar

Data kata dasarData stopword

Db dokumen

Data dokumen

Data kata dasar

Gambar 5. DFD level 0 sistem pencari


48

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.

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.

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

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%.

SIMPULAN

Dari pembahasan dan perancangan

sistem diatas, penulis menyimpulkan poin-

poin 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 prepros ($text){

$Angka = array(1,2,3,4,5,6,7,8,9,0)

$simbol = array (‘!’,’?’,’.’.’,’,

’(’ ,’)’,’+’,’=’,’%’,’&’,’*’,’/’

$isi=Hilangkan simbol dan angka dari

$text

$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

}

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

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){


49

algoritma stemming bahasa Indonesia,

karena proses pencarian kata dasar

sangatlah penting dalam pengembangan

sistem mesin pencari.

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 ID Dokumen

Relevan

Jumlah

data

Relevan

Jumlah

Himpunan

Hasil

Jumlah Data

Relevan yang

muncul

Precision Recall

1 sig 21,41,65 3 3 3 1 1

2 kesehatan 3,34,37,100 4 12 4 0.3333333 1

3 pengolahan citra 40,51,89 3 9 3 0.3333333 1

4 hama dan gulma 52, 1 1 1 1 1

5 hukum 36,55,68,

93,94,95

6 7 6 0.8571429 1

6 listrik 101,106,108 3 7 3 0.4285714 1

7 persalinan 80 1 1 1 1 1

8 sperma 30 1 1 1 1 1

9 kurs valas 74 1 1 1 1 1

10 kepemimpinan 69,71,73 3 3 3 1 1

11 kesehatan anak 2,34,37,98 4 13 4 0.3076923 1

12 manajemen 60,83,92,104 4 8 4 0.5 1

13 sistem informasi

geografis

21,41,65 3 45 3 0.0666667 1

14 kriptografi 32 1 1 1 1 1

15 data warehouse 27 1 54 1 0.0185185 1

Rata-rata 0.6232679 1

Gambar 6. Tampilan Hasil Aplikasi Pencarian Referensi

DAFTAR PUSTAKA

[1] Chisholm, E., & Kolda, T. G. (1999).

NEW TERM WEIGHTING

FORMULAS FOR THE VECTOR

SPACE. 20.

[2] Hasugian, J. (2008). Penelusuran

Online dan Ketersediaan Sumber


50

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 (TF-

IDF). Jurnal Elektronik Ilmu

Komputer Universitas Udayana, Vol

1, No 1.


51

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


Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana.


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



52

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 keinginan-

keinginan 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.

II. TINJAUAN PUSTAKA

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

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.

1. Qdisc : Queuing discipline (merupakan

disiplin antrian).

2. Ceil : Digunakan untuk mengatur

kecepatan maksimum yang diinginkan

untuk membatasi lalu lintas yang

ditransmisikan.


53

3. Rate : Digunakan untuk mengatur

kecepatan minimum yang diinginkan untuk

membatasi lalu lintas (traffic) data.

4.1 Mekanisme Kerja Hierarchical

Token Bucket

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 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

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.

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 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.


54

PCQ juga menciptakan subqueues, mengenai

parameter pcq-classifier.

III. PERANCANGAN SISTEM

a. Perancangan Skema Sistem

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 5. Mikrotik Winbox

4.2. Setting Mangle Mikrotik

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.

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 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.


55

Gambar 8. Setting Mangle Rule

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

Gambar 9. Setting Mangle Rule Action

Pada gambar 9 settingan untuk

pengaturan packet hotspot pada mangle

dimana dengan memilih hotspot yang sudah

ditentukan pada kolom New Packet Mark.

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 10. Setting Queue Types

Pada gambar 10 merupakan Setting

Queue Types, yang dimana tujuan dari setting

ini menentukan atau memberi nama queue

yang akan digunakan untuk melimit

Gambar 11. Setting Queue Type

Pada gambar 11 menandai settingan

untuk upload dan download dengan metode

pcq pada queue tree

Gambar 12. Setting Queue Type Download

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.

Gambar 13. Setting Queue Type Upload


56

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 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 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 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 UPLOAD DOWNLOAD


57

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

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 18. Percobaan Speedtest Tanpa HTB

VI. PENUTUP

Kesimpulan yang dapat ditarik dari

penelitian ini adalah:


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.

BANDWITDH DENGAN HTB 256k DENGAN

HTB

128k TANPA

HTB

256k TANPA

HTB

1 Pengujian 1 0.11 Mbps 0.24 Mbps 2.91 Mbps 3.66 Mbps
















58

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.

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.


Mikrotik OS. Yogyakarta: Penerbit Graha

Media.

[8] Herlambang, L. M. 2008. Panduan

Lengkap Menguasai Router Masa Depan

Menggunakan Mikrotik RouterOS.

Yogyakarta. Andi.

[9] Stalling, William. 2002. Komunikasi dan

Komputer : Jaringan Komputer.

Salemba.Jakarta.




59

PERANCANGAN SISTEM TRACER STUDY BERBASIS WEB PADA FAKULTAS

PARIWISATA UNIVERSITAS UDAYANA

Luh Sukma Widiasari1, Ngurah Widyatmaja

2

1Program Studi Teknik Informatika,

2Program 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

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

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


[email protected]


60

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.

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)

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

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).

Gambar 2.1 Pengaksesan database melalui

web menggunakan PHP.

2.5 MYSQL

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.


61

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.)

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).

3. Perancangan Sistem

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

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:

1. Institusi/oganisasi yang Anda kelola?

a) Pemerintah

b) Wirausaha

c) Hotel

d) Restoran

e) Swasta

f) Travel Agent

g) 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?


Berdasarkan wawancara yang

dilakukan dengan pihak fakultas pariwisata

unud, adapun kebutuhan fungsional dari

Sistem Tracer Study adalah:

1. Sistem dapat menyimpan data

identitas alumni serta data pribadi

alumni.


62

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.

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.

pertanyaan jawaban_user

user_login user_group

pertanyaan_id pertanyaan_desc

username

password

group_id

username pertanyaan_id

pertanyaan_bab

pertanyaan_untuk

tertanyaan_tipe

grafik

jawaban_desc

group_id group_desc

memiliki

deleted

kuisioner

dikelompokkan

mencatat

1 1

1 n

n

1

jawaban_pilihan_ganda

pertanyaan_id jawaban_desc

memiliki

1

n

user_detail_employee user_detail_student

menjelaskan menjelaskan

nama_perusahaanalamat_perusahaa

n

ipk_kelulusan

tahun_masuk tahun_kelulusan

tempat_bekerja

username

jabatan

1

1

11

nama

umur

username

superveyor

nama

program_studi

telp_pribadi

telp_kantor

alamat_kerja

jabatan

tahun_mulai_bekerja

alamat_tinggal

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.


63

0

Sistem Informasi

Tracer Study

Student

Administrator

Employee

data_student data_employee

data_student,

username,password,

data_kuesioner_sudent

data_employee,

username,password,

data_kuesioner_sudent

username,password,

no_yudisium,

tahun

report_kuesioner_student,

report_kuesioner_employee

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.

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 4.1 Tampilan Antarmuka Modul

Register Responden

4.1 Modul Register Responden

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.

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.


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.


Form Kuisioner Employee


64

1

Register

2

Login

3

Input Kuesioner

4

Report Student

5

Report Employee

Student Employee

Administrator

user_detail_employeeuser_detail_student

user_login

jawaban_user

jawaban_user

jawaban_pilihan_gandapertanyaan

data_employee,

username,password

data_employee,

username,password username,passw

orduser

nam

e,pa

ssw

ord

username,passw

orduser

nam

e,pa

ssw

ord

data_employeedata_student

username,passwordusername,password

username,passw

ordus

erna

me,

pass

wor

d

Data_kuesionerData_kuesioner

Data_kuesioner

jaw

aban

_kue

sion

er

jawaban_kuesioner

Data_kuesioner

data_employeedata_student

Data_kuesionerData_kuesioner

report_kuesioner_student,

report_kuesioner_employeejawaban_kuesioner

user

nam

e,pa

ssw

ord

Tahun

Tahun

Tahun

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.


Report Student

Tabel 5.1 Tabel Pengujian Kebutuhan Sistem Tracer Study


65

4.5 Modul Report Employee

Modul report student berfungsi untuk

menampilkan laporan mengenai akumulasi

jawaban kuisioner khusus pegawai dari setiap

responden (pegawai).

No Nama

Modul

Data Masukan Harapan Pengamatan Kesimpula

n

1

Login

Username dan Password

Dapat masuk ke halaman

home

Dapat melihat halaman

home

Sesuai

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.


student, data masuk ke table user dan

user_detail_student


employee, data masuk ke tabel user dan

user_detail_employee.


student, data masuk ke table user dan

user_detail_student

Sesuai

3

Kuisioner

Employee

Klik Save

Dimasukkan jawaban

kuisioner hanya pada

beberapa pertanyaan

Maka jawaban tersimpan

ke tabel jawaban user

Maka pada setiap

pertanyaan yang belum

diisi muncul peringatan

untuk menjawab pertanyaan tersebut



Maka pada setiap


diisi muncul peringatan

untuk menjawab pertanyaan tersebut

Sesuai

Sesuai

4 Kuisioner Student Klik Save

Dimasukkan jawaban

kuisioner hanya pada beberapa pertanyaan

atau tidak seluruh

pertanyaan dijawab



Maka pada setiap


diisi muncul peringatan untuk menjawab

pertanyaan tersebut



Maka pada setiap


diisi muncul peringatan untuk menjawab

pertanyaan tersebut

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


66


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

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.

Tabel 5.2 Pengujian Akurasi Sistem Tracer Study

No

Nama Modul Kebutuhan

Pengguna

Percobaan Tingkat

Keberhasilan Memenuhi

Kebutuhan

Tidak

Memenuhi

Kebutuhan

1 Login 30 kali 30 0 100%

2 Register

Responden

30 kali 30 0 100%

3 Kuisioner Student 30 kali 30 0 100%

4 Kuisioner

Employee

30 kali 30 0 100%

5 Report Student 30 kali 30 0 100%

6 Report Employee 30 kali 30 0 100%

Rata-Rata 30 0 100%

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.

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

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


67

memenuhi semua kebutuhan

pengguna.

DAFTAR PUSTAKA

[1] Pujanarto, E. D. 2013. Perancangan

Website Galeri Foto Menggunakan

PHP dan MySql untuk Komunitas

Fotografi Kameradroid Yogyakarta.

[2] Kadir Abdul. 2010. Mudah

mempelajari Database MySQL.

Yogyakarta : Penerbit Andi.

[3] 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.

[4] Setiawan, Y. 2008. Implementasi Web

Collaborative Tool Sebagai Penunjang

Kerjasama Tim Secara Virtual.

Fakultas Teknik Elektro Universitas

Indonesia.


68

PERANCANGAN DAN IMPLEMENTASI APLIKASI KLASIFIKASI PENYAKIT

DIABETES DENGAN METODE NAÏVE BAYES

Putu Gerhans Prawira Risnawan, Ngurah Agus Sanjaya ER, I Made Widiartha



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

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,

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. Atribut penyakit diabetes terdiri dari 8

atribut dimana semua atribut saling

berhubungan sehingga dibutuhkan

mailto:[email protected],%[email protected],%[email protected]


69

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 dalam

perancangan aplikasi ini adalah

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.

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]

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:

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

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) ∏


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.


70

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.

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.

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.

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.


71

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.


72

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

diperoleh akurasi sebesar 74% dengan data

testing sebanyak 50 data. Untuk data training

digunakan 105 data training.

Akurasi =

= 74%

Tabel 1. Akurasi

Percobaan Jumlah Data Berhasil Gagal Akurasi(%)

1

50

37 13 74

2 37 13 74

3 37 13 74

4 37 13 74

5 37 13 74

6 37 13 74

7 37 13 74

8 37 13 74

9 37 13 74

10 37 13 74

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 masing-

masing kelas penyakit diabetes dan juga

klasifikasi dapat menggunakan algoritma lain

sehingga dapat dibandingkan tingkat

akurasinya.

DAFTAR PUSTAKA

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.


73

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




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



74

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).

TINJAUAN PUSTAKA

Jaringan Komputer



lainnya dalam satu kesatuan (Budhi Irawan,

2005). Jaringan tersebut dapat terhubung

melalui media transmisi kabel atau tanpa

kabel.

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.

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.

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.

PERANCANGAN DAN KONFIGURASI

Gambar 1. Perancangan Sistem Split DNS

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:


75

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:

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.

view "origin" { recursion yes;

match-clients { origin; };

zone "ysdta.com"{

type master;

file

"/etc/bind/db.ysdta.com";

};

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”.

view "cdn"{

recursion yes;

match-clients { any; };

zone "ysdta.com"{

type master;

file

"/etc/bind/cdn/db.ysdta.com";

};

};

Konfigurasi diatas sama dengan konfigurasi

“view” sebelumnya. Rentang IP “any” berarti

rentang IP yang berjalan pada zone ini adalah

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

Dan pada /etc/bind/cdn/ buat file db.ysdta.com

juga dengan konfigurasi sebagai berikut :

;

; 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

IN A 172.16.112.104

;

@ IN NS ns.ysdta.com.

@ IN A 172.16.112.104

@ IN AAAA ::1

ns IN A 172.16.112.104

www IN A 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


76

Di masing masing client komputer. Jika

berhasil akan muncul tampilan sebagai

berikut:

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.

Gambar 3. Split DNS yang diteruskan ke Edge

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 Per-

coba

an

Tujuan IP

server yang

menjawab

Hasil IP server

yang

menjawab

Status

keber-

hasilan

1 192.168.1.253 192.168.1.253 berhasil

2 192.168.1.253 192.168.1.253 berhasil

3 192.168.1.253 192.168.1.253 berhasil

4 192.168.1.253 192.168.1.253 berhasil

5 192.168.1.253 192.168.1.253 berhasil

7 192.168.1.253 192.168.1.253 berhasil

8 192.168.1.253 192.168.1.253 berhasil

9 192.168.1.253 192.168.1.253 berhasil

10 192.168.1.253 172.16.112.65 gagal

11 192.168.1.253 192.168.1.253 berhasil

12 192.168.1.253 192.168.1.253 berhasil

13 192.168.1.253 192.168.1.253 berhasil

14 192.168.1.253 192.168.1.253 berhasil

15 192.168.1.253 192.168.1.253 berhasil

16 192.168.1.253 192.168.1.253 berhasil

17 192.168.1.253 192.168.1.253 berhasil

18 192.168.1.253 192.168.1.253 berhasil

19 192.168.1.253 192.168.1.253 berhasil

20 192.168.1.253 192.168.1.253 berhasil

21 192.168.1.253 192.168.1.253 berhasil

22 192.168.1.253 192.168.1.253 berhasil

23 192.168.1.253 192.168.1.253 berhasil

24 192.168.1.253 192.168.1.253 berhasil

25 192.168.1.253 192.168.1.253 berhasil

26 192.168.1.253 192.168.1.253 berhasil

27 192.168.1.253 192.168.1.253 berhasil

28 192.168.1.253 192.168.1.253 berhasil

29 192.168.1.253 172.16.112.65 gagal

30 192.168.1.253 192.168.1.253 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.

Tabel 2. Hasil pengecekan Split DNS pada

user dengan IP Address 172.16.112.111 Per-

coba

an

Tujuan IP server

yang menjawab

Hasil IP server

yang menjawab

Status

keber-

hasilan

1 172.16.112.104 172.16.112.104 berhasil

2 172.16.112.104 172.16.112.65 gagal

3 172.16.112.104 172.16.112.104 berhasil

4 172.16.112.104 172.16.112.104 berhasil

5 172.16.112.104 172.16.112.104 berhasil

7 172.16.112.104 172.16.112.104 berhasil

8 172.16.112.104 172.16.112.104 berhasil

9 172.16.112.104 172.16.112.65 gagal


77

10 172.16.112.104 172.16.112.104 berhasil

11 172.16.112.104 172.16.112.104 berhasil

12 172.16.112.104 172.16.112.104 berhasil

13 172.16.112.104 172.16.112.104 berhasil

14 172.16.112.104 172.16.112.104 berhasil

15 172.16.112.104 172.16.112.104 berhasil

16 172.16.112.104 172.16.112.104 berhasil

17 172.16.112.104 172.16.112.104 berhasil

18 172.16.112.104 172.16.112.104 berhasil

19 172.16.112.104 172.16.112.104 berhasil

20 172.16.112.104 172.16.112.104 berhasil

21 172.16.112.104 172.16.112.104 berhasil

22 172.16.112.104 172.16.112.104 berhasil

23 172.16.112.104 172.16.112.65 gagal

24 172.16.112.104 172.16.112.104 berhasil

25 172.16.112.104 172.16.112.104 berhasil

26 172.16.112.104 172.16.112.104 berhasil

27 172.16.112.104 172.16.112.104 berhasil

28 172.16.112.104 172.16.112.104 berhasil

29 172.16.112.104 172.16.112.104 berhasil

30 172.16.112.104 172.16.112.104 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

mendapatkan nilai keberhasilan (akurasi)

sebesar 91.67%.

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.


78

PERANCANGAN SISTEM INFORMASI SALES ACTIVITY PT. ASTRA INTERNATIONAL

TBK. - HONDA

I Wayan Angga Pratama1, Ida Bagus Gede Dwidasmara

2



Email : [email protected], [email protected]

2

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 two-

wheeled 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,


79

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

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 coba-

coba 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

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-in-

charge 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.

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 me-

maintain 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 server-

side scripting. Pada client-side scripting,

semua script dijalankan pada client yaitu web


80

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.

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 fungsi-

fungsi/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,

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


81

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. 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

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.

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.


82

Gambar 1. Diagram Konteks Sistem Sales Activity

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-

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.

3.5 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.


83

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]

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 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

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.


84

Gambar 6. Mencentang dan Submit

Kecamatan

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.

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 8. Mengisi data lokasi aktivitas

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 10. Input data rencana aktivitas

Data tersebut seperti penjualan yang terjadi,

pengunjung yang hadir saat kegiatan

berlangsung, dokumentasi kegiatan (jika ada),


85

dan lain sebagainya. Tabel yang menampilkan

informasi aktivitas atau kegiatan yang telah

dilaksanakan terlihat pada Gambar 13.

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 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 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 Kebutuhan

Percobaan Akurasi

(%) Kebutuhan

Pengguna

Sistem

Memenuhi Tidak

1 Input data lokasi 30 kali 30 0 100

2 Menampilkan data lokasi 30 kali 30 0 100

3 Input data rencana kegiatan 30 kali 27 3 90

4 Menampilkan data rencana kegiatan 30 kali 27 3 90

5 Input data aktual kegiatan 30 kali 26 4 86,7

6 Menampilkan data aktual kegiatan 30 kali 26 4 86,7

Rata-rata 27,7 2,4 92,3

4.4 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

aktivitas marketing selanjutnya dengan

menambahkan potensi tiap-tiap lokasi.

Gambar 14. Planning Activity


86

Gambar 15. Input Lokasi

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.

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 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.

Gambar 18. Sales Productivity

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 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.


87

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,

<URL:http://agile.csc.ncsu.edu/SEMateri

als/BlackBox.pdf>.


88

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



Email: [email protected], [email protected]

2

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,



89

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. 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 perusahaan-

perusahaan 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. TINJAUAN PUSTAKA

2.1 Jaringan Komputer



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

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.

2.2. Bandwidth Bandwidth adalah besaran yang



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).

2.2.1. Management Bandwidth


90

Management bandwidth merupakan

suatu cara yang dapat mengoptimalkan

penggunaan dari suatu bandwidth dalam suatu

jaringan. Management bandwidth


(QoS) dalam menentukan tipe lalu lintas dari

jaringan [4].

2.3. Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode




[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.

2.4. Blok Diagram Manajemen Bandwidth

Manajemen bandwidth diperlukan

bagi jaringan multi layanan dengan


(QoS) [9]. Proses aliran system manajemen

bandwidth dapat dilihat pada Gambar 1

dibawah ini.

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.

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.

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.

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.


91

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


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.

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?

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.


92

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.

Gambar 5. Skema kedua dengan menggunkan

PCQ

Sumber : (Herlambang, 2008)

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 = MC-

Download.

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 7. Konfigurasi Queue PCQ

4.3 Hasil Evaluasi Pada HTB


93

1. Bandwidth yang didapatakan ketika hanya

1 client yang melakukan 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.


client melakukan download 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 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 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.


client melakukan download tetapi ada 1

client yang melakukan download dengan

menggunkan aplikasi download manager

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


94

Maka bandwidth yang di dapatkan client

sebesar 119.3 kbps.

3. Jika semua client mealakukan download


Gambar 13. Semua Client Melakukan

download Tanpa Aplikasi Download

Manager

Gambar 13 Ketika semua client

melakukan download maka setiap client


Tabel 1 Hasil Download 1 Client

CLIENT Limit At

(Kbps)

PCQ

(Kbps)

HTB

(Kbps)

Client 1 128 465.2 401.8.

Client 2 128 0 0

Client 3 128 0 0

Client 4 128 0 0

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

CLIENT Limit At

(Kbps)

PCQ

(Kbps)

HTB

(Kbps)

Client 1 128 105.1 113.4

Client 2 128 s 106.1 113.4

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.

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.

Tabel 3. Hasil Download Semua Client Tanpa

Menggunkan aplikasi Download Manager

CLIENT

Limit

At

(Kbps)

PCQ

(Kbps)

HTB

(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

Dari tabel 3 manajemen bandwidth jika

menggunakan metode HTB dan metode PCQ

terlihat adil tanpa melebihi Limit At dari

masing- masing client.

5. KESIMPULAN :

Kesimpulan yang dapat dari penelitian ini

adalah sebagai berikut :


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


DAFTAR PUSTAKA

[1.] Handriyanto, D. F. (2009). Kajian

Penggunaan Mikrotik Router Os™


95

Sebagai Router Pada Jaringan

Komputer.

[2.] Kristanto, Andri. Jaringan Komputer.

Graha Ilmu. Yogyakarta: 2003.

[3.] Kustanto & Daniel T Saputro, 2008.


Mikrotik OS. Gava Media.

[4.] Rpoix, 2003, Mikrotik OS untuk

bandwidth,Management.

[5.] Herlambang, L. M. 2008. Panduan

Lengkap Menguasai Router Masa Depan

Menggunakan Mikrotik RouterOS.

Yogyakarta : ANDI.

[6.] Balan, Doru G, Alin P(2009). Extended

HTB Queuing Disciplin. Implementations.

International Journal Of Information

Studies, University Of Suceava, Romania.

[7.] Riza et. al. 2010. “Implementasi

Manajemen Trafik dan Bandwidth

Internet dengan IPCop”. Jurnal Inkom

IV(1), 23.

[8.] Riadi, Imam. 2010. "Optimasi Bandwidth

Menggunakan Traffic Shapping". Jurnal

Informatika 4(1), 375

[9.] Riza et. al. 2010. “Implementasi

Manajemen Trafik dan Bandwidth

Internet dengan IPCop”. Jurnal Inkom

IV(1), 23.


96

PENGENALAN WICARA KARAKTER INDONESIA MENGGUNAKAN HIDDEN

MARKOV MODEL

I Wayan Adi Juliawan Pawana


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

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],

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

1.2 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



97

penambahan kosakata terhadap arsitektur

HMM”

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

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.

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

dinamakan skala mel. Skala frekuensi mel

bersifar linear pada frekuensi dibawah 1000

Hz dan bersifat logaritmik diatas 1000 Hz.

Gambar 1. Proses Umum Mel-Frequency

Cepstral Coefficient

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:

Masalah 1 : Diberikan barisan observasi

dan model


98

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.


3.1 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

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

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


99

teradapat 10 responden berbeda yang terdiri

dari laki laki dan perempuan yang memiliki

rata rata umur 21 tahun.

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.

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.

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

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.

HMM

Hasil Testing

Akurasi Benar Salah

HMM 2 Mixture

Tiap State 72 68 51.43%

HMM 3 Mixture

Tiap State 74 66 52.86%

HMM 4 Mixture

Tiap State 71 69 50.71%

HMM 5 Mixture

Tiap State 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.

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


100

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] 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.

[2] 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.

[3] J. Tebelskis, R. Lippmann, and M. I. T.

L. Labs, “Speech Recognition using

Neural Networks,” Carnegie Mellon

University, 1995.

[4] M. Aymen, A. Abdelaziz, S. Halim,

and H. Maaref, “Hidden Markov

Models for Automatic Speech

Recognition,” pp. 1–6, 2011.

[5] C. Ittichaichareon, S. Suksri, and T.

Yingthawornsuk, “Speech Recognition

using MFCC,” pp. 135–138, 2012.

[6] L. Rabiner, “A tutorial on hidden

Markov models and selected

applications in speech recognition,”

Proc. IEEE, vol. 77, no. 2, pp. 257 –

286, 1989.


101

IDENTIFIKASI KEKURANGAN UNSUR HARA PADA TANAMAN JAGUNG DENGAN

METODE JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION

Adinda Prisila Permatasari1, Luh Gede Astuti

2, I Gede Santi Astawa

3



Email : [email protected],[email protected]

2,[email protected]

3

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

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

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

mailto:[email protected],[email protected],[email protected]


102

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).

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.

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.)

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.

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.

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,


103

maka konversi dapat dilakukan dengan

mengambil rata-rata dari nilai R, G dan B.

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:

BGR

Rr

,

BGR

Gg

BGR

Bb

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.

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 :

1

0,

2 ),(n

ji

jiPEnergi

1

0,

2)(,n

ji

jijPiKontras

1

0, 1

),(n

ji ji

jiPsHomogenita

1

0,

)),(ln(),(n

ji

jiPjiPEntropi

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.

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 Self-

Organizing 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.

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


104

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 3.1 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.

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

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


105

tanaman jagung ini berupa metode

pemodelan dengan bahasa UML (Unified

Modeling Language).

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 3.7 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 fitur-

fitur 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.

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.

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 3.9 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.

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.


106

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)


sehat memiliki nilai warna hijau yang

paling rendah.Sedangkan nilai yang

paling besar dimiliki oleh daun jagung

yang mengalami kekurangan Mn.

3. Karakteristik Fitur Warna Biru (B)


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 4.1 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


107

Pada bagian ekstraksi fitur ,dilakukan

proses perhitungan nilai sekaligus penginputan

data daun jagung untuk pelatihan dan

pengujian pada proses selanjutnya.

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 /


b := b /


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

citra

KONTRAS:=KONTRAS+(sqr(f-

j)*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(j-

f)));

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 4.3 Form Pelatihan


108

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;

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;

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.

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

Tabel 4.2 Tabel Hasil Uji Coba epoh 500

No Learning

Rate

(alpha)

Epoh 500

Jml

salah

Jml

Benar

Akurasi

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

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


109

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.


110

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



email: [email protected], [email protected]

2

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



111

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. 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 (network-

network 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

memiliki aturan yang berbeda, namun jalur yang

dipilih dinilai sama baiknya.

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]

.

2.3 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


112

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)

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

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 kelompok-

kelompoknya 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.


113

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]

:

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 tahapan-

tahapan 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

:

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

Source

Network

Destinati

on

RTT

(ms)

Hop

1 10.1.0.0 10.2.0.0 24 2

2 10.1.0.0 10.3.0.0 18 2

3 10.1.0.0 10.4.0.0 20 2

4 10.2.0.0 10.1.0.0 20 2

5 10.2.0.0 10.3.0.0 28 2

6 10.2.0.0 10.4.0.0 17 2

7 10.3.0.0 10.1.0.0 22 2

8 10.3.0.0 10.2.0.0 26 2

9 10.3.0.0 10.4.0.0 30 2

10 10.4.0.0 10.1.0.0 16 2

11 10.4.0.0 10.2.0.0 15 2

12 10.4.0.0 10.3.0.0 27 2

RATA-RATA 22 2

Data pada tabel 1 menunjukkan bahwa rata-

rata 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.


114

Tabel 2. Hasil pengujian OSPF

No Netwrok

Source

Network

Destinati

on

RTT

(ms)

Hop

1 10.1.0.0 10.2.0.0 30 2

2 10.1.0.0 10.3.0.0 29 2

3 10.1.0.0 10.4.0.0 35 2

4 10.2.0.0 10.1.0.0 35 2

5 10.2.0.0 10.3.0.0 25 2

6 10.2.0.0 10.4.0.0 31 2

7 10.3.0.0 10.1.0.0 38 2

8 10.3.0.0 10.2.0.0 28 2

9 10.3.0.0 10.4.0.0 27 2

10 10.4.0.0 10.1.0.0 29 2

11 10.4.0.0 10.2.0.0 36 2

12 10.4.0.0 10.3.0.0 28 2

RATA-RATA 31 2

Data pada tabel 2 menunjukkan bahwa rata-

rata 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.

2. Tidak ada perubahan jumlah hop yang dilalui,

baik pada routing dengan RIP ataupun OSPF.

3. Pada jaringan dengan kecepatan link yang

sama, RIP dapat bekerja lebih baik

dibandingkan dengan OSPF.

4. 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

SUSUNAN DEWAN REDAKSI JELIKU · implementasi sistem operasi router mikrotik sebagai proxy server...

Documents

Transcript of SUSUNAN DEWAN REDAKSI JELIKU · implementasi sistem operasi router mikrotik sebagai proxy server...