Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Schedule Cat Feeder Berbasis Internet of Things Menggunakan Wemos D1 Mini dan Telegram
Get PDFKucing merupakan hewan yang umum dipelihara oleh kebanyakan masyarakat Indonesia. Merawat kucing secara umum tidaklah sulit, namun pemberian makan secara teratur terkadang menjadi kendala bagi pemilik. Hal ini seringkali terjadi dikarenakan oleh kesibukan seperti pekerjaan atau perjalanan, sehingga tidak memungkinkan pemilik untuk memberi makan pada kucingnya. Sebagai solusi, penulis merancang sebuah perangkat pemberi makan kucing otomatis dengan memanfaatkan IoT. Metode yang digunakan adalah prototyping dengan tahapan antara lain; analisis kebutuhan sistem, perancangan sistem, pembuatan prototype, pengujian dan evaluasi. Tujuan utama dari penelitian ini adalah untuk memberikan solusi bagi pemilik kucing yang sibuk, sehingga mereka tidak perlu khawatir terhadap pemberian makan pada kucingnya. Pada prototype ini dilakukan pengujian yang meliputi; menghitung waktu tanggap notifikasi Telegram, pengukuran berat pakan yang dikeluarkan, serta mengukur kapasitas pakan yang tersisa di dalam container. Hasil pengujian menunjukkan bahwa perangkat berhasil memberikan pakan sesuai jadwal, dengan waktu pengiriman notifikasi rata-rata 12.05 detik setelah eksekusi pemberian pakan. Rata-rata berat pakan yang dikeluarkan adalah 51.5gram dengan akurasi berat mencapai 96.98%, sedangkan kapasitas pakan berkurang 5.75% setiap kali pemberian. Selain itu, bot Telegram juga responsif terhadap perintah pengguna.Kucing merupakan hewan yang umum dipelihara oleh kebanyakan masyarakat Indonesia. Merawat kucing secara umum tidaklah sulit, namun pemberian makan secara teratur terkadang menjadi kendala bagi pemilik. Hal ini seringkali terjadi dikarenakan oleh kesibukan seperti pekerjaan atau perjalanan, sehingga tidak memungkinkan pemilik untuk memberi makan pada kucingnya. Sebagai solusi, penulis merancang sebuah perangkat pemberi makan kucing otomatis dengan memanfaatkan IoT. Metode yang digunakan adalah prototyping dengan tahapan antara lain; analisis kebutuhan sistem, perancangan sistem, pembuatan prototype, pengujian dan evaluasi. Tujuan utama dari penelitian ini adalah untuk memberikan solusi bagi pemilik kucing yang sibuk, sehingga mereka tidak perlu khawatir terhadap pemberian makan pada kucingnya. Pada prototype ini dilakukan pengujian yang meliputi; menghitung waktu tanggap notifikasi Telegram, pengukuran berat pakan yang dikeluarkan, serta mengukur kapasitas pakan yang tersisa di dalam container. Hasil pengujian menunjukkan bahwa perangkat berhasil memberikan pakan sesuai jadwal, dengan waktu pengiriman notifikasi rata-rata 12.05 detik setelah eksekusi pemberian pakan. Rata-rata berat pakan yang dikeluarkan adalah 51.5gram dengan akurasi berat mencapai 96.98%, sedangkan kapasitas pakan berkurang 5.75% setiap kali pemberian. Selain itu, bot Telegram juga responsif terhadap perintah pengguna
Sistem Identifikasi Pembicara Berbahasa Indonesia Menggunakan X-Vector Embedding
Get PDFPenyemat pembicara adalah vektor yang terbukti efektif dalam merepresentasikan karakteristik pembicara sehingga menghasilkan akurasi yang tinggi dalam ranah pengenalan pembicara. Penelitian ini berfokus pada penerapan x-vectors sebagai penyemat pembicara pada sistem identifikasi pembicara berbahasa Indonesia yang menggunakan model speaker identification. Model dibangun dengan menggunakan dataset VoxCeleb sebagai data latih dan dataset INF19 sebagai data uji yang dikumpulkan dari suara mahasiswa dan mahasiswi Informatika Universitas Syiah Kuala angkatan 2019. Fitur-fitur yang digunakan diekstrak dari dataset audio dengan menggunakan dua jenis konfigurasi mel frequency cepstral coefficients (MFCC). Untuk membangun model, fitur-fitur diekstrak dengan menggunakan MFCC, dihitung voice activity detection (VAD), dilakukan augmentasi dan normalisasi fitur menggunakan cepstral mean and variance normalization (CMVN) serta dilakukan filtering. Sedangkan proses pengujian model hanya membutuhkan fitur-fitur yang diekstrak dengan menggunakan MFCC dan dihitung VAD. Selanjutnya, dibangun empat model dengan cara mengombinasikan dua jenis konfigurasi MFCC dan dua jenis arsitektur Deep Neural Network (DNN) yang memanfaatkan Time Delay Neural Network (TDNN). Model terbaik dipilih berdasarkan akurasi tertinggi yang dihitung menggunakan metrik equal error rate (EER) dan durasi ekstraksi x-vectors tersingkat dari keempat model. Nilai EER dari model yang terbaik untuk dataset VoxCeleb1 bagian test sebesar 3,51%, inf19_test_td sebesar 1,3%, dan inf19_test_tid sebesar 1,4%. Durasi ekstraksi x-vectors menggunakan model terbaik untuk dataset data train berdurasi 6 jam 42 menit 39 detik, VoxCeleb1 bagian test berdurasi 2 menit 24 detik, inf19_enroll berdurasi 18 detik, inf19_test_td berdurasi 25 detik, dan inf19_test_tid berdurasi 9 detik. Arsitektur DNN kedua dan konfigurasi MFCC kedua yang telah dirancang menghasilkan model yang lebih kecil, akurasi yang lebih baik terutama untuk dataset pembicara berbahasa Indonesia, dan durasi ekstraksi x-vectors yang lebih singkat.Penyemat pembicara adalah vektor yang terbukti efektif dalam merepresentasikan karakteristik pembicara sehingga menghasilkan akurasi yang tinggi dalam ranah pengenalan pembicara. Penelitian ini berfokus pada penerapan x-vectors sebagai penyemat pembicara pada sistem identifikasi pembicara berbahasa Indonesia yang menggunakan model speaker identification. Model dibangun dengan menggunakan dataset VoxCeleb sebagai data latih dan dataset INF19 sebagai data uji yang dikumpulkan dari suara mahasiswa Jurusan Informatika Universitas Syiah Kuala angkatan 2019. Untuk membangun model, fitur-fitur diekstrak dengan menggunakan Mel-Frequency Cepstral Coeffients (MFCC), dihitung Voice Activity Detection (VAD), dilakukan augmentasi dan normalisasi fitur menggunakan Cepstral Mean and Variance Normalization (CMVN) serta dilakukan filtering. Sedangkan proses pengujian model hanya membutuhkan fitur-fitur yang diekstrak dengan menggunakan MFCC dan dihitung VAD saja. Terdapat 4 (empat) model yang dibangun dengan cara mengombinasikan dua jenis konfigurasi MFCC dan dua jenis arsitektur Deep Neural Network (DNN) yang memanfaatkan Time Delay Neural Network (TDNN). Model terbaik dipilih berdasarkan akurasi tertinggi yang dihitung menggunakan metrik Equal Error Rate (EER) dan durasi ekstraksi x-vectors tersingkat dari keempat model. Nilai EER dari model yang terbaik untuk dataset VoxCeleb1 bagian test sebesar 3,51%, inf19_test_td sebesar 1,3%, dan inf19_test_tid sebesar 1,4%. Durasi ekstraksi x-vectors menggunakan model terbaik untuk data train berdurasi 6 jam 42 menit 39 detik, VoxCeleb1 bagian test berdurasi 2 menit 24 detik, inf19_enroll berdurasi 18 detik, inf19_test_td berdurasi 25 detik, dan inf19_test_tid berdurasi 9 detik. Arsitektur DNN kedua dan konfigurasi MFCC kedua yang telah dirancang menghasilkan model yang lebih kecil, akurasi yang lebih baik terutama untuk dataset pembicara berbahasa Indonesia, dan durasi ekstraksi x-vectors yang lebih singkat.
Abstract
The speaker embedding is a vector that has been proven effective in representing speaker characteristics, resulting in high accuracy in the domain of speaker recognition. This research focuses on the application of x-vectors as speaker embeddings in the Indonesian language speaker identification system using a speaker identification model. The model is built using the VoxCeleb dataset as training data and the INF19 dataset as testing data, collected from the voices of students of Informatics Department, Universitas Syiah Kuala from the 2019 batch. To build the model, features are extracted using Mel-Frequency Cepstral Coefficients (MFCC), Voice Activity Detection (VAD) is applied, augmentation and normalization of features are performed using Cepstral Mean and Variance Normalization (CMVN), and filtering is applied. On the other hand, the model testing process only requires features extracted using MFCC and computed VAD. There are 4 (four) models are constructed by combining two configurations of MFCC and two types of Deep Neural Network (DNN) architectures that utilize the Time Delay Neural Network (TDNN). The best model is selected based on the highest accuracy calculated using the Equal Error Rate (EER) metric and the shortest duration of x-vector extraction from the four models. The EER values for the best model on the VoxCeleb1 test dataset are 3.51%, 1.3% for inf19_test_td, and 1.4% for inf19_test_tid. The x-vector extraction duration using the best model for the training dataset is 6 hours 42 minutes 39 seconds, 2 minutes 24 seconds for VoxCeleb1 test part, 18 seconds for inf19_enroll, 25 seconds for inf19_test_td, and 9 seconds for inf19_test_tid. The second DNN architecture and the second MFCC configuration designed result in a smaller model, better accuracy, especially for Indonesian language speaker datasets, and shorter x-vector extraction duration.
Pengembangan Aplikasi Fokus Timer Dengan Tracking Penggunaan Smartphone Menggunakan Pendekatan Gamifikasi
Get PDFSmartphone telah menjadi bagian tak terpisahkan dari kehidupan manusia. Namun, penggunaan berlebihan dari smartphone dapat membawa dampak negatif dan dapat merugikan penggunanya seperti penurunan fungsi kognitif dan adiksi yang menyebabkan pengguna dapat gagal fokus. Penelitian ini bertujuan untuk mengurangi kurangnya fokus pada remaja baik pelajar SMP, SMA, dan mahasiswa dengan mengimplementasikan sistem fokus timer pomodoro dengan tracking penggunaan smartphone sesuai analisis kebutuhan yang dilakukan terlebih dahulu. Analisa kebutuhan yang dilakukan menitikberatkan pada pembangunan perangkat lunak dengan menentukan kebutuhan pengguna lewat penggalian kebutuhan menggunakan kuisoner yang dilakukan oleh 50 orang dan wawancara terhadap 8 orang. Penelitian ini mengadaptasi metode waterfall dengan tahapan studi kepustakaan, analisis kebutuhan, perancangan, implementasi, pengujian dan analisa, serta kesimpulan dan saran. Pada setiap tahapannya, diintegrasikan konsep gamifikasi sebagai konsep untuk memicu pengguna agar terus menggunakan aplikasi. Digunakan pengembangan cross-platform untuk mempermudah peneliti dalam melakukan pengembangan pada Android. Sistem diuji menggunakan pengujian blackbox menggunakan uji validasi dengan hasil keberhasilan 100%, pengujian usability menggunakan kuisoner SUPR-Qm dengan skor 84,87, dan pengujian compatibility dengan kompatibilitas aplikasi bisa dijalankan pada Android dengan API level 21 sampai API level 29.
Abstract
Smartphones have become an inseparable part of human life. However, excessive use of smartphones can have negative impacts and can harm users such as decreased cognitive function and addiction which causes users to fail to focus. This study aims to reduce the lack of focus on adolescents, both junior high school, high school, and university students by implementing a pomodoro focus timer system by tracking smartphone usage according to the needs analysis that was carried out beforehand. The software development analysis involved identifying user needs through a questionnaire and interviews with 50 and 8 individuals, respectively.. This research adapts the waterfall method with the stage of literature study, analysis needs, design, implementation, testing and analysis, as well as conclusions and suggestions. At each stage, the concept of gamification is integrated as a concept to trigger users to continue using the application. Cross-platform development is used to make it easier for researchers to develop on Android. The system was tested using blackbox testing using a validation test with 100% success results, usability testing using the SUPR-Qm questionnaire with a score of 84,87, and compatibility testing with application compatibility running on Android with API level 21 to API level 29.Smartphone telah menjadi bagian tak terpisahkan dari kehidupan manusia. Namun, penggunaan berlebihan dari smartphone dapat membawa dampak negatif dan dapat merugikan penggunanya seperti penurunan fungsi kognitif dan adiksi yang menyebabkan pengguna dapat gagal fokus. Penelitian ini bertujuan untuk mengurangi kurangnya fokus pada remaja baik pelajar SMP, SMA, dan mahasiswa dengan mengimplementasikan sistem fokus timer pomodoro dengan tracking penggunaan smartphone sesuai analisis kebutuhan yang dilakukan terlebih dahulu. Analisa kebutuhan yang dilakukan menitikberatkan pada pembangunan perangkat lunak dengan menentukan kebutuhan pengguna lewat penggalian kebutuhan menggunakan kuisoner yang dilakukan oleh 50 orang dan wawancara terhadap 8 orang. Penelitian ini mengadaptasi metode waterfall dengan tahapan studi kepustakaan, analisis kebutuhan, perancangan, implementasi, pengujian dan analisa, serta kesimpulan dan saran. Pada setiap tahapannya, diintegrasikan konsep gamifikasi sebagai konsep untuk memicu pengguna agar terus menggunakan aplikasi. Digunakan pengembangan cross-platform untuk mempermudah peneliti dalam melakukan pengembangan pada Android. Sistem diuji menggunakan pengujian blackbox menggunakan uji validasi dengan hasil keberhasilan 100%, pengujian usability menggunakan kuisoner SUPR-Qm dengan skor 84,87, dan pengujian compatibility dengan kompatibilitas aplikasi bisa dijalankan pada Android dengan API level 21 sampai API level 29.
Abstract
Smartphones have become an inseparable part of human life. However, excessive use of smartphones can have negative impacts and can harm users such as decreased cognitive function and addiction which causes users to fail to focus. This study aims to reduce the lack of focus on adolescents, both junior high school, high school, and university students by implementing a pomodoro focus timer system by tracking smartphone usage according to the needs analysis that was carried out beforehand. The software development analysis involved identifying user needs through a questionnaire and interviews with 50 and 8 individuals, respectively.. This research adapts the waterfall method with the stage of literature study, analysis needs, design, implementation, testing and analysis, as well as conclusions and suggestions. At each stage, the concept of gamification is integrated as a concept to trigger users to continue using the application. Cross-platform development is used to make it easier for researchers to develop on Android. The system was tested using blackbox testing using a validation test with 100% success results, usability testing using the SUPR-Qm questionnaire with a score of 84,87, and compatibility testing with application compatibility running on Android with API level 21 to API level 29
Analisis Adopsi Pengguna Kelompok Usia Muda pada Integrasi Layanan Pembayaran Gopay di Aplikasi Tokopedia Menggunakan Model UTAUT2 & TTF
Get PDFDewasa ini, perubahan pola hidup masyarakat dalam memenuhi kebutuhan dan bertransaksi menyebabkan layanan e-commerce dan teknologi finansial (fintech) tumbuh secara signifikan. Gojek dan Tokopedia sebagai penyedia layanan fintech dan e-commerce melihat hal tersebut sebagai peluang sehingga upaya untuk memperkuat bisnis melalui proses merger dilakukan (PT GoTo Gojek Tokopedia). Hal ini diikuti dengan pengintegrasian GoPay sebagai layanan pembayaran utama di Tokopedia. Di sisi lain, Indonesia memasuki era bonus demografi dimana kelompok usia muda (17-24 tahun) mendominasi jumlah penduduk dengan proporsi terbesar, menjadikannya sebagai pasar yang potensial untuk melakukan penetrasi layanan. Namun, beragamnya kondisi sosiokultural memberikan tantangan dalam proses penetrasi. Oleh sebab itu, analisis mengenai faktor yang mempengaruhi adopsi perlu dilakukan agar perusahaan dapat memformulasikan strategi penetrasi yang tepat. Integrasi UTAUT2 dan TTF digunakan sebagai model untuk menjabarkan faktor perilaku adopsi. Sebanyak 100 responden berusia 17-24 tahun dijadikan sampel dan metode SEM-PLS digunakan untuk melakukan analisis. Hasil penelitian menunjukkan variabel task technology fit, ekspektasi kinerja, motivasi hedonis, nilai harga, dan kebiasaan terbukti secara signifikan mempengaruhi intensi pengguna.
Abstract
The changing lifestyles of society have significantly influenced the growth of e-commerce and financial technology (fintech) services. Gojek and Tokopedia as providers of fintech and e-commerce services perceive this as an opportunity to strengthen their business through a merger process (PT GoTo Gojek Tokopedia). This initiative accompanied by the integration of GoPay as the primary payment service in Tokopedia. Furthermore, Indonesia is experiencing a demographic bonus er, where the young age group (17-24 years) dominates the population, making it a potential market for service penetration. However, the diverse socio-cultural conditions present challenges in the penetration process. Therefore, an analysis of the factors influencing adoption is necessary for companies to formulate appropriate penetration strategies. The integration of UTAUT2 and TTF models is used to examine the factors influencing behavioral adoption. A sample of 100 respondents aged 17-24 years was selected, and the SEM-PLS method was employed for empirical data analysis. The research findings indicate that task technology fit, hedonic motivation, price value, performance expectancy, and habit significantly influence user intention.Dewasa ini, perubahan pola hidup masyarakat dalam memenuhi kebutuhan dan bertransaksi menyebabkan layanan e-commerce dan teknologi finansial (fintech) tumbuh secara signifikan. Gojek dan Tokopedia sebagai penyedia layanan fintech dan e-commerce melihat hal tersebut sebagai peluang sehingga upaya untuk memperkuat bisnis melalui proses merger dilakukan (PT GoTo Gojek Tokopedia). Hal ini diikuti dengan pengintegrasian GoPay sebagai layanan pembayaran utama di Tokopedia. Di sisi lain, Indonesia memasuki era bonus demografi dimana kelompok usia muda (17-24 tahun) mendominasi jumlah penduduk dengan proporsi terbesar, menjadikannya sebagai pasar yang potensial untuk melakukan penetrasi layanan. Namun, beragamnya kondisi sosiokultural memberikan tantangan dalam proses penetrasi. Oleh sebab itu, analisis mengenai faktor yang mempengaruhi adopsi perlu dilakukan agar perusahaan dapat memformulasikan strategi penetrasi yang tepat. Integrasi UTAUT2 dan TTF digunakan sebagai model untuk menjabarkan faktor perilaku adopsi. Sebanyak 100 responden berusia 17-24 tahun dijadikan sampel dan metode SEM-PLS digunakan untuk melakukan analisis. Hasil penelitian menunjukkan variabel task technology fit, ekspektasi kinerja, motivasi hedonis, nilai harga, dan kebiasaan terbukti secara signifikan mempengaruhi intensi pengguna.
Abstract
The changing lifestyles of society have significantly influenced the growth of e-commerce and financial technology (fintech) services. Gojek and Tokopedia as providers of fintech and e-commerce services perceive this as an opportunity to strengthen their business through a merger process (PT GoTo Gojek Tokopedia). This initiative accompanied by the integration of GoPay as the primary payment service in Tokopedia. Furthermore, Indonesia is experiencing a demographic bonus er, where the young age group (17-24 years) dominates the population, making it a potential market for service penetration. However, the diverse socio-cultural conditions present challenges in the penetration process. Therefore, an analysis of the factors influencing adoption is necessary for companies to formulate appropriate penetration strategies. The integration of UTAUT2 and TTF models is used to examine the factors influencing behavioral adoption. A sample of 100 respondents aged 17-24 years was selected, and the SEM-PLS method was employed for empirical data analysis. The research findings indicate that task technology fit, hedonic motivation, price value, performance expectancy, and habit significantly influence user intention
Peningkatan Performa Komputasi Sistem Navigasi Transportasi Publik Pada Perangkat Bergerak Melalui Penerapan Teknik Kompresi Data Dan Penyederhanaan Graf
Get PDFPenelitian ini bertujuan untuk menyelesaikan permasalahan di bidang transportasi terkait penentuan rute perjalanan menggunakan transportasi umum dengan mengembangkan sistem dan aplikasi perangkat bergerak yang mampu merekomendasikan rute perjalanan angkutan umum di kota Malang. Rekomendasi rute perjalanan dihasilkan dari penerapan algoritme Dijkstra dari rute transportasi angkutan umum di Kota Malang yang dimodelkan dalam struktur data graf. Bagian yang akan dinilai pada penelitian ini adalah perbandingan efektivitas penggunaan format JSON terutama pada penghematan bandwidth. Teknik kompresi yang digunakan pada penelitian ini adalah Zlib yang dikombinasikan dengan encoding Base64. Analisis juga dilakukan terhadap beban tambahan dan penggunaan memori akibat proses kompresi serta analisis waktu komputasi dan penggunaan memori akibat penyederhanaan struktur data graf melalui pendekatan visual dengan algoritme Douglas-Peucker. Penggunaan dokumen dalam format JSON terbukti efektif digunakan sebagai media komunikasi, penggunaan kompresi data dapat menghemat penggunaan bandwidth untuk mendistribusikan data di Internet sebesar 64,61%, dan memberikan beban tambahan pada memori yang diperlukan oleh server untuk kompresi data sebesar 0,44%. Selain itu, dengan penyederhanaan graf secara visual, waktu proses yang diperlukan untuk merekomendasikan rute transportasi menjadi lebih singkat 81,24% serta berkurangnya penggunaan memori hingga 72,99%.
Abstract
This research aims to solve problems in the field of transportation related to determining travel plans using public transportation by developing systems and mobile applications based on Google Android that recommend public transport plans in Malang City. The plans are generated from the implementation of Dijkstra\u27s algorithm, which is modeled in the graph data structure. This study determines the effectiveness of using JSON format, the bandwidth saved for distributing data on the Internet from Zlib data compression and Base64 encoding, and analyzes additional memory usage due to compression and the impact of data simplification through a visual approach on transport network graphs with the Douglas-Peucker algorithm. This study suggested that the use of JSON format is effective as a communication medium, and the use of data compression allows clients to save bandwidth usage by up to 64.61% with an additional 0.44% of memory load for data compression. Additionally, visually simplifying the graph data improved the system\u27s performance; it reduced the average processing time to recommend transportation routes by 81.24% and reduced memory usage by up to 72.99%.Penelitian ini bertujuan untuk menyelesaikan permasalahan di bidang transportasi terkait penentuan rute perjalanan menggunakan transportasi umum dengan mengembangkan sistem dan aplikasi perangkat bergerak yang mampu merekomendasikan rute perjalanan angkutan umum di kota Malang. Rekomendasi rute perjalanan dihasilkan dari penerapan algoritme Dijkstra dari rute transportasi angkutan umum di Kota Malang yang dimodelkan dalam struktur data graf. Bagian yang akan dinilai pada penelitian ini adalah perbandingan efektivitas penggunaan format JSON terutama pada penghematan bandwidth. Teknik kompresi yang digunakan pada penelitian ini adalah Zlib yang dikombinasikan dengan encoding Base64. Analisis juga dilakukan terhadap beban tambahan dan penggunaan memori akibat proses kompresi serta analisis waktu komputasi dan penggunaan memori akibat penyederhanaan struktur data graf melalui pendekatan visual dengan algoritme Douglas-Peucker. Penggunaan dokumen dalam format JSON terbukti efektif digunakan sebagai media komunikasi, penggunaan kompresi data dapat menghemat penggunaan bandwidth untuk mendistribusikan data di Internet sebesar 64,61%, dan memberikan beban tambahan pada memori yang diperlukan oleh server untuk kompresi data sebesar 0,44%. Selain itu, dengan penyederhanaan graf secara visual, waktu proses yang diperlukan untuk merekomendasikan rute transportasi menjadi lebih singkat 81,24% serta berkurangnya penggunaan memori hingga 72,99%.
Abstract
This research aims to solve problems in the field of transportation related to determining travel plans using public transportation by developing systems and mobile applications based on Google Android that recommend public transport plans in Malang City. The plans are generated from the implementation of Dijkstra\u27s algorithm, which is modeled in the graph data structure. This study determines the effectiveness of using JSON format, the bandwidth saved for distributing data on the Internet from Zlib data compression and Base64 encoding, and analyzes additional memory usage due to compression and the impact of data simplification through a visual approach on transport network graphs with the Douglas-Peucker algorithm. This study suggested that the use of JSON format is effective as a communication medium, and the use of data compression allows clients to save bandwidth usage by up to 64.61% with an additional 0.44% of memory load for data compression. Additionally, visually simplifying the graph data improved the system\u27s performance; it reduced the average processing time to recommend transportation routes by 81.24% and reduced memory usage by up to 72.99%
Deteksi Dini Gangguan Jaringan Distributed Denial Of Service (DDOS) Menggunakan Metode Shannon Entropy Pada Software Defined Network (SDN)
Get PDFSoftware Defined Networking (SDN) adalah arsitektur jaringan baru yang memisahkan antara control dan data plane. Aspek keamanan utama dalam control plane salah satunya adalah serangan DoS dan DDoS. Serangan DDoS mengakibatkan terjadinya penurunan performa jaringan yang berjalan sangat lambat. Serangan DDoS dilakukan dengan menyusupi dan membanjiri bandwidth ke sumber daya target, sehingga dapat menyebabkan penolakan layanan bagi pengguna yang mengaksesnya. Tak hanya itu, serangan DDoS menyebabkan penurunan sumber daya jaringan seperti kapasitas memory dan CPU. Akibatnya kerusakan signifikan pada sistem yang menjadi korban serangan dapat mengalami kerugian, baik secara finansial, reputasi bahkan kehilangan pelanggan yang membutuhkan layanan tersebut. Mencegah serangan DDoS diperlukan suatu tindakan pencegahan yaitu dengan deteksi dini serangan DDoS untuk mengurangi dampak serangan dan memulihkan sistem dengan lebih cepat. Deteksi dini yang disebabkan oleh DDoS pada jaringan SDN dilakukan melalui pendekatan metrik entropy berbasis teori informasi. Penelitian ini memfokuskan pendeteksian dini pada serangan DDoS di dalam lingkungan SDN melalui metode Shannon Entropy dengan mendeteksi lalu lintas atau trafik normal dan DDoS. Penelitian ini menggunakan dataset publik dari InSDN yang diterbitkan pada tahun 2020 untuk menentukan nilai ambang batas lalu lintas normal dan DDoS. Hasilnya, penelitian ini berhasil mendeteksi dini lalu lintas normal dan lalu lintas serangan DDoS dengan nilai entropy sesuai ambang batas, dengan nilai akurasi 100%, presisi 100% dan recall 100% yang dihitung menggunakan confusion matrix. Deteksi dini menampilkan akurasi dan performa yang dapat berkontribusi banyak dalam menunjang tingkat keamanan melalui pencegahan tahap awal, sehingga hasilnya dapat meningkatkan keamanan dan efektifitas pada lingkungan SDN.Software Defined Networking (SDN) adalah arsitektur jaringan baru yang memisahkan antara control dan data plane. Aspek keamanan utama dalam control plane salah satunya adalah serangan DoS dan DDoS. Serangan DDoS mengakibatkan terjadinya penurunan performa jaringan yang berjalan sangat lambat. Serangan DDoS dilakukan dengan menyusupi dan membanjiri bandwidth ke sumber daya target, sehingga dapat menyebabkan penolakan layanan bagi pengguna yang mengaksesnya. Tak hanya itu, serangan DDoS menyebabkan penurunan sumber daya jaringan seperti kapasitas memory dan CPU. Akibatnya kerusakan signifikan pada sistem yang menjadi korban serangan dapat mengalami kerugian, baik secara finansial, reputasi bahkan kehilangan pelanggan yang membutuhkan layanan tersebut. Mencegah serangan DDoS diperlukan suatu tindakan pencegahan yaitu dengan deteksi dini serangan DDoS untuk mengurangi dampak serangan dan memulihkan sistem dengan lebih cepat. Deteksi dini yang disebabkan oleh DDoS pada jaringan SDN dilakukan melalui pendekatan metrik entropy berbasis teori informasi. Penelitian ini memfokuskan pendeteksian dini pada serangan DDoS di dalam lingkungan SDN melalui metode Shannon Entropy dengan mendeteksi lalu lintas atau trafik normal dan DDoS. Penelitian ini menggunakan dataset publik dari InSDN yang diterbitkan pada tahun 2020 untuk menentukan nilai ambang batas lalu lintas normal dan DDoS. Hasilnya, penelitian ini berhasil mendeteksi dini lalu lintas normal dan lalu lintas serangan DDoS dengan nilai entropy sesuai ambang batas, dengan nilai akurasi 100%, presisi 100% dan recall 100% yang dihitung menggunakan confusion matrix. Deteksi dini menampilkan akurasi dan performa yang dapat berkontribusi banyak dalam menunjang tingkat keamanan melalui pencegahan tahap awal, sehingga hasilnya dapat meningkatkan keamanan dan efektifitas pada lingkungan SDN
Pengembangan Sistem Informasi Praktik Kerja Lapangan (PKL) Siswa Berbasis Website Menggunakan Metode Extreme Programming (Studi Kasus: SMK Negeri 1 Sumenep)
Get PDFDalam pelaksanaannya, kegiatan Praktik Kerja Lapangan (PKL) di SMK Negeri 1 Sumenep masih kurang efektif karena dalam pelaksanaannya masih dilaksanakan secara manual, sehingga proses manajemen kegiatan PKL masih kurang efektif. Berdasarkan permasalahan tersebut, implementasi suatu sistem dibutuhkan untuk mengelola kebutuhan PKL sehingga kegiatan PKL dapat terlaksana secara efektif dan efisien. Peneliti melakukan pengembangan sistem informasi PKL berbasis website di SMK Negeri 1 Sumenep. Peneliti menggunakan metode pengembangan Extreme Programming (XP) dengan harapan sistem dapat dikembangkan dengan cepat dan agile sehingga semua kebutuhan yang diinginkan oleh stakeholder dapat tercapai. Hasil pengujian unit testing secara keseluruhan menghasilkan total 45 tests case dan 119 assertions, dan untuk pengujian acceptance testing menghasilkan total 69 tests case dengan nilai 100% accepted. Hasil pengujian system usability scale (SUS) keseluruhan sistem memiliki nilai rata-rata 76,88 yang berada dalam range 70 – 80 dengan nilai “C” atau “Good”. Sehingga dapat disimpulkan bahwa sistem informasi PKL berbasis website berada dalam acceptability range “acceptable”.Dalam pelaksanaannya, kegiatan Praktik Kerja Lapangan (PKL) di SMK Negeri 1 Sumenep masih kurang efektif karena dalam pelaksanaannya masih dilaksanakan secara manual, sehingga proses manajemen kegiatan PKL masih kurang efektif. Berdasarkan permasalahan tersebut, implementasi suatu sistem dibutuhkan untuk mengelola kebutuhan PKL sehingga kegiatan PKL dapat terlaksana secara efektif dan efisien. Peneliti melakukan pengembangan sistem informasi PKL berbasis website di SMK Negeri 1 Sumenep. Peneliti menggunakan metode pengembangan Extreme Programming (XP) dengan harapan sistem dapat dikembangkan dengan cepat dan agile sehingga semua kebutuhan yang diinginkan oleh stakeholder dapat tercapai. Hasil pengujian unit testing secara keseluruhan menghasilkan total 45 tests case dan 119 assertions, dan untuk pengujian acceptance testing menghasilkan total 69 tests case dengan nilai 100% accepted. Hasil pengujian system usability scale (SUS) keseluruhan sistem memiliki nilai rata-rata 76,88 yang berada dalam range 70 – 80 dengan nilai “C” atau “Good”. Sehingga dapat disimpulkan bahwa sistem informasi PKL berbasis website berada dalam acceptability range “acceptable”
Segmentasi Pelanggan B2B Berdasarkan Perilaku Pembelian dan Firmografi pada PT. Sukses Riau Permata (SRP)
No full textAset yang memberi pengaruh besar pada proses bisnis perusahaan retail adalah pelanggan. PT. Sukses Riau Permata (SRP) adalah badan usaha yang bergerak dalam bidang distribusi barang konsumsi yang pelanggannya banyak berjenis Business to Business (B2B). Permasalahan yang muncul pada PT. SRP ini adalah menurunnya jumlah konsumen sebanyak 27% yang terjadi pada 6 bulan terakhir Tahun 2021 dikarenakan strategi bisnis perusahaan belum mengaplikasikan Customer Relationship Management (CRM). PT. SRP belum mengidentifikasi pelanggan mana yang berkontribusi dan mana yang tidak memberikan keuntungan pada perusahaan akibatnya program pemasaran masih diberlakukan seragam kepada semua pelanggan. Maka dari itu pada penelitian ini dilakukan pengelompokan pelanggan berdasar kepada perilaku pembelian dan firmografi dengan algoritma Fuzzy C-Means. Indeks Davies Bouldin (DBI) digunakan untuk memverifikasi validitas hasil klasterisasi. Dari proses klasterisasi pelanggan dihasilkan 6 klaster yang dianalisis sesuai karakteristik segmen dengan segmen pelanggan terbaik yaitu cluster 4 (Superstar Segment) yang memiliki 383 pelanggan. Sedangkan segmen pelanggan terparah, yaitu cluster 6 (New Dormant Segment) yang memiliki 298 pelanggan. Adapun di akhir penelitian didapatkan hasil yaitu usulan strategi penjualan terbaik yang sesuai dengan deskripsi karakteristik dan kebutuhan segmen pelanggan. Aset yang memberi pengaruh besar pada proses bisnis perusahaan retail adalah pelanggan. PT. Sukses Riau Permata (SRP) adalah badan usaha yang bergerak dalam bidang distribusi barang konsumsi yang pelanggannya banyak berjenis Business to Business (B2B). Permasalahan yang muncul pada PT. SRP ini adalah menurunnya jumlah konsumen sebanyak 27% yang terjadi pada 6 bulan terakhir Tahun 2021 dikarenakan strategi bisnis perusahaan belum mengaplikasikan Customer Relationship Management (CRM). PT. SRP belum mengidentifikasi pelanggan mana yang berkontribusi dan mana yang tidak memberikan keuntungan pada perusahaan akibatnya program pemasaran masih diberlakukan seragam kepada semua pelanggan. Maka dari itu pada penelitian ini dilakukan pengelompokan pelanggan berdasar kepada perilaku pembelian dan firmografi dengan algoritma Fuzzy C-Means. Indeks Davies Bouldin (DBI) digunakan untuk memverifikasi validitas hasil klasterisasi. Dari proses klasterisasi pelanggan dihasilkan 6 klaster yang dianalisis sesuai karakteristik segmen dengan segmen pelanggan terbaik yaitu cluster 4 (Superstar Segment) yang memiliki 383 pelanggan. Sedangkan segmen pelanggan terparah, yaitu cluster 6 (New Dormant Segment) yang memiliki 298 pelanggan. Adapun di akhir penelitian didapatkan hasil yaitu usulan strategi penjualan terbaik yang sesuai dengan deskripsi karakteristik dan kebutuhan segmen pelanggan.
CFPChain: Optimalisasi Sistem Seleksi Pendanaan Riset BRIN Menggunakan Pendekatan Berbasis Konsorsium Blockchain
Get PDFBadan Riset dan Inovasi Nasional, Indonesia, menyediakan sistem seleksi pendanaan riset. Penelitian ini bertujuan untuk melakukan optimalisasi sistem seleksi pendanaan riset yang menggunakan teknologi blockchain untuk meningkatkan keamanan dan interoperabilitas sistem seleksi pendanaan penelitian. Saat ini, sistem pendanaan penelitian yang menggunakan sistem terpusat memiliki kekurangan dalam hal keamanan dan interoperabilitas. Masalah utama yang dihadapi sistem saat ini adalah modifikasi data, akuntabilitas transparan, dan kurangnya interoperabilitas. Pendekatan blockchain dapat memecahkan masalah ini dengan menyediakan keamanan tinggi, kemampuan audit, dan integritas data. Penelitian ini menggunakan Hyperledger Fabric (HLF) sebagai platform blockchain karena efisiensi tinggi dan kemampuan keamanannya. Arsitektur sistem pendanaan penelitian menggunakan skenario bisnis, koleksi buku besar, dan kebijakan jaringan. Implementasi sistem ini dilakukan dengan memanfaatkan fitur-fitur blockchain seperti imutabilitas, auditabilitas, dan interoperabilitas. Hasil penelitian menunjukkan bahwa penggunaan blockchain dalam sistem pendanaan penelitian dapat meningkatkan integritas data, memungkinkan audit yang jelas, dan memfasilitasi pertukaran data antar sistem. Penelitian ini memberikan kontribusi ilmiah dalam menyediakan arsitektur sistem yang aman, akuntabel, dan interoperabel untuk pendanaan riset dengan hasil peningkatan kemampuan keamanan dengan pengurangan kinerja secara minimal. Penelitian selanjutnya dapat fokus pada keamanan dokumen dan kerahasiaan dalam sistem blockchain. Badan Riset dan Inovasi Nasional, Indonesia, menyediakan sistem seleksi pendanaan riset. Penelitian ini bertujuan untuk melakukan optimalisasi sistem seleksi pendanaan riset yang menggunakan teknologi blockchain untuk meningkatkan keamanan dan interoperabilitas sistem seleksi pendanaan penelitian. Saat ini, sistem pendanaan penelitian yang menggunakan sistem terpusat memiliki kekurangan dalam hal keamanan dan interoperabilitas. Masalah utama yang dihadapi sistem saat ini adalah modifikasi data, akuntabilitas transparan, dan kurangnya interoperabilitas. Pendekatan blockchain dapat memecahkan masalah ini dengan menyediakan keamanan tinggi, kemampuan audit, dan integritas data. Penelitian ini menggunakan Hyperledger Fabric (HLF) sebagai platform blockchain karena efisiensi tinggi dan kemampuan keamanannya. Arsitektur sistem pendanaan penelitian menggunakan skenario bisnis, koleksi buku besar, dan kebijakan jaringan. Implementasi sistem ini dilakukan dengan memanfaatkan fitur-fitur blockchain seperti imutabilitas, auditabilitas, dan interoperabilitas. Hasil penelitian menunjukkan bahwa penggunaan blockchain dalam sistem pendanaan penelitian dapat meningkatkan integritas data, memungkinkan audit yang jelas, dan memfasilitasi pertukaran data antar sistem. Penelitian ini memberikan kontribusi ilmiah dalam menyediakan arsitektur sistem yang aman, akuntabel, dan interoperabel untuk pendanaan riset dengan hasil peningkatan kemampuan keamanan dengan pengurangan kinerja secara minimal. Penelitian selanjutnya dapat fokus pada keamanan dokumen dan kerahasiaan dalam sistem blockchain.
Prediksi Penuaan Wajah Manusia Berbasis Generative Adversarial Network
Get PDFKarena struktur wajah manusia yang berbeda-beda, wajah merupakan salah satu ciri yang digunakan untuk mengidentifikasi seseorang. Wajah sering digunakan sebagai pengenal biometrik. Namun, seiring bertambahnya usia manusia, wajah mereka bisa berubah karena faktor lingkungan dan gaya hidup. Karena efek penuaan pada wajah, komputer tidak dapat mengenali kemiripan antara citra wajah dari orang yang sama pada usia yang berbeda. Penelitian pengenalan wajah biasanya menggunakan data berpasangan (paired data), yang sangat sulit didapat. Di sisi lain, volume data yang tidak berpasangan (unpaired data) sangat besar dan mudah diakses. Sebaliknya, keterbatasan data berpasangan memotivasi para peneliti untuk mengembangkan teknik sintesis citra yang tidak bergantung pada data berpasangan. Tanpa perlu data berpasangan, metode CycleGAN mampu menghasilkan citra sintetik yang lebih realistis dengan resolusi lebih tinggi. Hal itulah yang memotivasi penelitian ini dalam penggunaan data tidak berpasangan untuk memprediksi penuaan wajah manusia menggunakan CycleGAN. Pada penelitian ini, digunakan citra dari dataset UTKFace yang terdiri atas citra wajah berbagai usia. Untuk keperluan eksperimen, citra dari UTKFace dibagi ke dalam dua ranah, yaitu citra wajah usia muda dan citra wajah usia tua, untuk keperluan sistem penuaan wajah yang dibangun. Dengan demikian, citra wajah berusia muda tidak memiliki pasangan pada citra wajah usia tua (unpaired data). Dengan nilai Frechet Inception Distance (FID) = 2,24, hasil percobaan menunjukkan bahwa metode yang digunakan mampu mencapai kinerja yang sangat baik pada sistem penuaan wajah yang dibangun.Karena struktur wajah manusia yang berbeda-beda, wajah merupakan salah satu ciri yang digunakan untuk mengidentifikasi seseorang. Wajah sering digunakan sebagai pengenal biometrik. Namun, seiring bertambahnya usia manusia, wajah mereka bisa berubah karena faktor lingkungan dan gaya hidup. Karena efek penuaan pada wajah, komputer tidak dapat mengenali kemiripan antara citra wajah dari orang yang sama pada usia yang berbeda. Penelitian pengenalan wajah biasanya menggunakan data berpasangan (paired data), yang sangat sulit didapat. Di sisi lain, volume data yang tidak berpasangan (unpaired data) sangat besar dan mudah diakses. Sebaliknya, keterbatasan data berpasangan memotivasi para peneliti untuk mengembangkan teknik sintesis citra yang tidak bergantung pada data berpasangan. Tanpa perlu data berpasangan, metode CycleGAN mampu menghasilkan citra sintetik yang lebih realistis dengan resolusi lebih tinggi. Hal itulah yang memotivasi penelitian ini dalam penggunaan data tidak berpasangan untuk memprediksi penuaan wajah manusia menggunakan CycleGAN. Pada penelitian ini, digunakan citra dari dataset UTKFace yang terdiri atas citra wajah berbagai usia. Untuk keperluan eksperimen, citra dari UTKFace dibagi ke dalam dua ranah, yaitu citra wajah usia muda dan citra wajah usia tua, untuk keperluan sistem penuaan wajah yang dibangun. Dengan demikian, citra wajah berusia muda tidak memiliki pasangan pada citra wajah usia tua (unpaired data). Dengan nilai Frechet Inception Distance (FID) = 2,24, hasil percobaan menunjukkan bahwa metode yang digunakan mampu mencapai kinerja yang sangat baik pada sistem penuaan wajah yang dibangun