Jurnal Buana Informatika
Not a member yet
274 research outputs found
Sort by
Taxonomi Informasi Produksi pada Industri Manufaktur dalam Industri 4.0
Get PDFAbstract. Digitalization in the manufacturing industry to date continues to grow. Various technologies that support its success are built and continue to be researched to create openness. Data disclosure is a research topic that has not been resolved because it refers to the large data circulating on the internet. In industry 4.0 production machinery, production needs and some elements of production support communicate efficiently with data connected via the internet. To absorb and classify data, the filtering and sorting stages of the word are needed. Taxonomy is a technique in mapping the relationship of words and meanings of words which are the data themselves. In this study a taxonomy of production activity was designed in the manufacturing industry engaged in textile. The number of terms in the textile industry and the results of textile production, it is necessary to make a tax taxonomy in the order of interconnected meanings. This study refers to research to create an ontology-based database in the current supply chain management. The results of this study are mapping models in the form of taxonomies that are made using the method of methontology. Methontology is the development of ontologies that propose expressions of ideas as a set of intermediate representations (IR) and produce ontologies using translators. In this method there are five stages: Specifications, Conceptualization, Formalization, Implementation and Maintenance. Testing the success of taxonomies used OntoQA which is a matrix for calculating the strength of attachment between classes. This research continues to be refined by developing it in the subsequent research titles. Keywords: Industry 4.0; manufacturing industry; textile; taxonomy; methontology.Abstrak. Digitalisasi dalam industri manufaktur sampai dengan saat ini terus berkembang. Berbagai teknologi yang mendukung keberhasilannya dibangun dan terus diteliti agar tercipta keterbukaan. Keterbukaan data merupakan topik penelitian yang belum terselesaiakan karena mengacu kepada data yang besar yang beredar di internet. Dalam industri 4.0 mesin produksi, kebutuhan produksi serta beberapa element pendukung produksi berkomunikasi secara efisien dengan terhubungnya data melalui internet. Untuk menyerap dan mengklasifikasikan data dibutuhkan tahap penyaringan dan pemilahan makna dari kata. Taxonomi merupkan salah satu teknik dalam memetakan keterkaitan kata serta makna dari kata yang merupakan data itu sendiri. Pada penelitian ini dirancang sebuah taxonomi kegitan produksi pada industri manufaktur yang bergerak dibidang textile. Banyaknya istilah dalam industri textile dan hasil dari produksi textile, maka perlu dibuatkannya sebuah taxonomi data dalam susunana makna yang saling berhubungan. Penelitian ini mengacu kepada penelitian untuk membuat database berbasis ontologi dalam arus supply chain management. Hasil dari penelitian ini adalah model pemetaan dalam bentuk taxonomi yang dibuat menggunakan metode methontology. Methontology adalah pengembangan ontologi yang mengusulkan ekspresi ide sebagai seperangkat representasi menengah (IR) dan menghasilkan ontologi menggunakan penerjemah. Dalam metode ini ada lima tahap: Spesifikasi, konseptualisasi, Formalisasi, Implementasi, dan Pemeliharaan. Pengujian keberhasilan taxonomi menggunakan OntoQA yang merupakan matriks perhitungan kekuatan keterikatan antar class. Penelitian ini masih terus dalam penyempurnaan dengan dikembangkannya dalam judul-judul penelitian berikutnya. Kata Kunci: Industri 4.0; industri manufaktur; textile; taxonomi; methontology
Implementasi Metode Logika Fuzzy dalam Pembangunan Sistem Optimalisasi Lampu Lalu Lintas
Get PDFAbstract. Traffic lights are the lights for controlling the flow of trafficwhichinstalled at crossroads. Traffic lights have an important role in regulating traffic especially crossroads. One way to overcome the traffic problem is to build a system of traffic optimization where each point of the intersection phase at the road signals automatically. This system implements fuzzymamdani logic method with MOM (Mean of Maximum)defuzzification for this method is very simple, easy to understand and objective. The traffic optimization system can generate the maximum green light seconds at each intersection according to the officer's input. The input required by the system is the length of the set queue, the width of the regulated path, the length of the queue on the next path, and the width of the path on the regulated path. The output of this system is proven to help optimize the number of green light seconds according to crossroads conditions.Keywords: FuzzyLogic, Mamdani, Mean of Maximum, Traffic light.Abstrak. Lampu lalu lintas merupakan lampu untuk mengendalikan arus lalu lintas yang terpasang di persimpangan jalan. Lampu lalu lintas memiliki peran penting dalam mengatur lalu lintas khususnya persimpangan jalan. Terdapat salah satu cara untuk mengatasi permasalahan kemacetanyaitu dengan membangun sebuah sistem optimalisasi lalu lintas dimana secara otomatis di setiap titik fase persimpangan jalan bersinyal. Sistem ini dibuat menggunakan metode logika fuzzy. Dalam sistem ini menggunakan metode logika fuzzymamdani dengan defuzzifikasi MOM (Mean of Maximum) karena metode ini sangat sederhana, mudah dimengerti dan obyektif. Sistem optimalisasi lampu lalu lintas dapat menghasilkan detik maksimal lampu hijau pada setiap persimpangan sesuai dengan masukan petugas. Masukan yang dibutuhkan oleh sistem adalah panjang antrian yang diatur, lebar jalan yang diatur, panjang antrian pada jalur selanjutnya, dan lebar jalan pada jalur yang diatur.Hasil keluaran dari sistem ini terbukti dapat membantu mengoptimalisasi jumlah detik lampu hijau sesuai dengan kondisi persimpangan jalan.Kata Kunci: Logika Fuzzy, Mamdani, Mean of Maximum, Lampu lalu lintas
Autonomous Robot Path Planning Menggunakan Perbandingan Metode Particle Swarm Optimization dan Genetic Algorithm
Get PDFAbstract. A research on robot planning path has been widely conducted and developed. Generally, the desired path is the safe one which has no obstacles and it can be conducted in a quick process. There are several methods that can be applied in planning the path including particle swarm optimization method and genetic algorithm. Both methods are compared in this research in order to discover the best method. Particle swarm optimization method utilizes the particle population movement and genetic algorithm method explores a population consisting individuals’ solutions. The finding reveals that particle swarm optimization method is better than generic algorithm method. This is due to computation time and path required by particle swarm optimization method are shorter than genetic method algorithm. Keyword: Robot path planning, particle swarm optimization, genetic algorithm.Abstrak. Penelitian mengenai perencanaan jalur untuk robot mobil telah banyak diteliti dan dikembangkan. Pada umumnya perencanaan jalur yang diinginkan adalah jalur yang yang aman, tanpa rintangan, dan jarak tempuh yang singkat. Terdapat beberapa metode yang dapat diterapkan dalam perencanaan jalur ini diantaranya adalah metode particle swarm optimization dan genetic algorithm. Pada penelitian ini, kedua metode optimasi tersebut diterapkan. Kedua metode optimasi tersebut dibandingkan untuk didapatkan metode dengan hasil yang terbaik. Metode particle swarm optimization memanfaatkan pergerakan populasi partikel dan metode genetic algorithm melakukan pencarian pada sebuah populasi dari sejumlah individu-individu yang merupakan solusi permasalahan. Hasil penelitian yang dilakukan dengan membandingkan kedua metode optimasi ini adalah metode particle swarm optimization lebih baik daripada metode genetic algorithm. Hal ini berdasarkan pada waktu komputasi dan jalur tempuh yang dibutuhkan oleh metode particle swarm optimization lebih pendek dibandingkan metode genetic algorithm. Kata Kunci: perencanaan jalur robot, particle swarm optimization, genetic algorithm
Pengembangan Sistem Informasi Portal Alumni dengan Tracer Study dan Survey Pengguna Alumni Universitas Atma Jaya Yogyakarta
Get PDFAbstract. The role of alumni is very important for the education institution. One of the indicators of the quality of a college is the quality of alumni. Because of the importance of the alumni's role, a university should have a medium to connect alumni with their almamater, either with fellow alumni, with lecturers, or with college students in university. Universitas Atma Jaya Yogyakarta previuosly has a system called SIMPONI to manage the alumni, but the existing system is still limited in terms of functionality and there is no tracer study function to find out educational outcomes and performance of alumni at the company. Development of Alumni Simponi Information Portal System is done by using Microsoft Visual Studio 2010 and Microsoft SQL Server 2008 R2. The programming language used is C #. SIMPONI is expected to be able to contribute in improving the credibility and continuity of educational institution.Keywords: Alumni portal information system, tracer study, alumni user survey.Abstrak. Peran alumni sangat penting untuk lembaga pendidikan. Salah satu indikator kualitas suatu perguruan tinggi adalah kualitas alumninya. Karena pentingnya peran alumni, alangkah baiknya jika perguruan tinggi memiliki sarana untuk menghubungkan alumni dengan almamaternya, baik dengan sesama alumni, dosen, maupun dengan mahasiswa perguruan tinggi yang bersangkutan. Universitas Atma Jaya Yogyakarta telah memiliki sebuah sistem bernama SIMPONI untuk melakukan pengelolaan alumni tersebut, akan tetapi sistem yang ada terbatas dari segi fungsionalitasnya serta belum ada tracer study untuk mengetahui outcome pendidikan dalam bentuk transisi dari dunia pendidikan tinggi ke dunia kerja dan fasilitas survey pengguna alumni yang diisi oleh perusahaan untuk mengetahui kinerja alumni. Sistem Informasi Portal Alumni UAJY dikembangkan dengan menggunakan Microsoft Visual Studio 2010 dan Microsoft SQL Server 2008 R2. Bahasa pemrograman yang digunakan adalah C#. Diharapkan dengan melakukan pengembangan fungsionalitas, SIMPONI sebagai sistem portal alumni Universitas Atma Jaya Yogyakarta mampu memberi sumbangsih dalam peningkatan kredibilitas dan kelangsungan institusi pendidikan tersebut.Kata Kunci: Sistem informasi portal alumni, tracer study, survey pengguna alumni
Kombinasi Algoritma Spatial Autocorrelation G* dan Algoritma C5.0 untuk Deteksi Daerah Rawan Longsor di Pulau Jawa
Get PDFAbstract. Java Island is also an island with a high frequency of landslide natural disaster. Various efforts have been made to minimize the disaster risk, including the model compilation of early disaster detection at the areas with landslide potential. This research aims to develop an early warning model for landslide potential areas using Spatial Autocorrelation combined with Machine Learning Algorithm based on attributes of landslide causes. The first step is to classify areas in Java Island into a landslide hotspot and landslide coldspot using spatial autocorrelation G * algorithm. This algorithm revealed 124 polygons of sub-district in Java as landslide hotspots. The next step is building machine learning model using C5.0 method for hotspot and coldspot areas. In this research, we utilize landslide-causing attributes i.e. rainfall, land cover, area slope, soil type, and land movement. The hotspot model showed that landslide distribution focuses on land cover attributes. Meanwhile, for the coldspot area model, there is no focus of landslide distribution on one attribute. Furthermore, the accuracy level of hotspot model are 84.61% and 71.66% for coldspot model. Keywords: Landslide, Machine Learning, Spatial Autocorrelation, C5.0, G*.Abstrak. Pulau Jawa merupakan pulau dengan frekuensi bencana alam tanah longsor yang tinggi. Untuk meminimalkan resiko bencana, dilakukan penyusunan model komputasi deteksi dini daerah potensi longsor. Tujuan dari penelitian ini adalah membangun model deteksi daerah potensi longsor menggunakan Spatial Autocorrelation yang dikombinasikan dengan algoritma Machine Learning berbasis data variabel-variabel pemicu longsor. Tahap pertama yang dilakukan adalah mengklasifikasikan daerah-daerah di Pulau Jawa sebagai daerah hotspot longsor dan coldspot longsor menggunakan algoritma spatial autocorrelation G*. Dihasilkan 124 poligon kecamatan di pulau Jawa sebagai daerah hotspot longsor. Setelah diklasifikasikan, dibangun model machine learning menggunakan metode C5.0. Atribut-atribut pemicu longsor yang digunakan untuk membangun machine learning adalah curah hujan, tutupan lahan, kelerengan, jenis tanah, dan gerakan tanah. Hasil yang diperoleh dari model hotspot terlihat distribusi longsor memusat pada atribut tutupan lahan dan menghasilkan akurasi model 84.61%. Untuk model coldspot area tidak terlihat adanya pemusatan pada satu atribut pemicu longsor, akurasi untuk model ini adalah 71.66%. Kata Kunci: Longsor, Machine Learning, Spatial Autocorrelation, C5.0, G*
Implemantasi Differential Evolution untuk Optimasi Jadwal Produksi
Get PDFAbstract. Scheduling is one of the important things that needs to be considered by any company. A good scheduling process can improve the effectiveness and efficiency of production systems at the company. The problem often occured in this field is a delay in working orders from the deadline and the production of defective products (afal) is still many. The limited ability of the operator to divide the job on the machine causes mistakes of scheduling. To solve that problem, an application was developed to optimize the production schedule automatically. This application was made by implementing the differential evolution algorithm. This production scheduling solution will be represented in vector form. Each vector will be calculated fitness value by the criteria of time and minimum afal. This process will achieve the best vector that provides an optimal schedule. The testing results show that the application can optimize the schedule of production with the average of accuracy rate reaching 99,54%. The scheduling results using differential evolution algorithm can reduce 8,19% of afal, and 97,51% of computing time. Keywords: afal, differential evolution, schedulling.Abstrak. Penjadwalan merupakan salah satu hal penting yang perlu diperhatikan oleh setiap perusahaan. Penjadwalan yang baik akan meningkatkan efisiensi dan efektifitas dari perusahaan tersebut. Permasalahan yang sering terjadi adalah masih sering terjadinya keterlambatan dalam pengerjaan pesanan dari batas waktu yang ditentukan dan kerusakan produksi (afal) yang dihasilkan masih sangat tinggi. Hal ini dikarenakan terbatasnya kemampuan operator dalam membagi job pada mesin, sehingga memungkinkan terjadinya kesalahan penjadwalan. Untuk memecahkan permasalahan tersebut, dibuat sebuah aplikasi yang dapat melakukan optimasi jadwal produksi secara otomatis. Aplikasi ini dibuat dengan mengimplementasikan algoritma differential evolution. Solusi penjadwalan produksi ini akan direpresentasikan dalam bentuk vektor. Setiap vektor akan dihitung nilai fitness dengan kriteria minimasi waktu dan afal. Proses ini akan dilakukan hingga mencapai vektor terbaik yang mampu memberikan jadwal yang optimal. Hasil pengujian yang dilakukan menunjukkan bahwa aplikasi dapat melakukan optimasi jadwal produksi dengan rata-rata tingkat keakuratan mencapai 99,54%. Hasil penjadwalan menggunakan algoritma differential evolution dapat menurunkan afal sebesar 8,19%, dan waktu komputasi sebesar 97,51%. Kata Kunci: afal, algoritma differential evolution, penjadwalan
Perbandingan Performa Relational, Document-Oriented dan Graph Database Pada Struktur Data Directed Acyclic Graph
Get PDFAbstract.Directed Acyclic Graph (DAG) is a directed graph which is not cyclic and is usually employed in social network and data genealogy. Based on the characteristic of DAG data, a suitable database type should be evaluated and then chosen as a platform. A performance comparison among relational database (PostgreSQL), document-oriented database (MongoDB), and graph database (Neo4j) on a DAG dataset are then conducted to get the appropriate database type. The performance test is done on Node.js running on Windows 10 and uses the dataset that has 3910 nodes in single write synchronous (SWS) and single read (SR). The access performance of PostgreSQL is 0.64ms on SWS and 0.32ms on SR, MongoDB is 0.64ms on SWS and 4.59ms on SR, and Neo4j is 9.92ms on SWS and 8.92ms on SR. Hence, relational database (PostgreSQL) has better performance in the operation of SWS and SR than document-oriented database (MongoDB) and graph database (Neo4j).Keywords: database performance, directed acyclic graph, relational database, document-oriented database, graph database Abstrak.Directed Acyclic Graph (DAG) adalah graf berarah tanpa putaran yang dapat ditemui pada data jejaring sosial dan silsilah keluarga. Setiap jenis database memiliki performa yang berbeda sesuai dengan struktur data yang ditangani. Oleh karena itu perlu diketahui database yang tepat khususnya untuk data DAG. Tujuan penelitian ini adalah membandingkan performa dari relational database (PostgreSQL), document-oriented database (MongoDB) dan graph database (Neo4j) pada data DAG. Metode yang dilakukan adalah mengimplentasi dataset yang memiliki 3910 node dalam operasi single write synchronous (SWS) dan single read (SR) pada setiap database menggunakan Node.js dalam Windows 10. Hasil pengujian performa PostgreSQL dalam operasi SWS sebesar 0.64ms dan SR sebesar 0.32ms, performa MongoDB pada SWS sebesar 0.64ms dan SR sebesar 4.59ms sedangkan performa Neo4j pada operasi SWS sebesar 9.92ms dan SR sebesar 8.92ms. Hasil penelitian menunjukan bahwa relational database (PostgreSQL) memiliki performa terbaik dalam operasi SWS dan SR dibandingkan document-oriented database (MongoDB) dan graph database (Neo4j).Kata Kunci: performa database, directed acyclic graph, relational database, document-oriented database, graph databas
Analisis Kinerja SI/TI Pada PDAM Kota Salatiga Menggunakan Kerangka IT Balanced Scorecard
Get PDFAbstract. Customer Service Application has an important role in improving the quality of service in PDAM Salatiga city. Referring to this understanding, the existence of a customer service application in PDAM is considered very essentialtoimprove the employees’ performance in providing a better customer service. This researchtries to see how IS/IT measures can improve the effectiveness of the various perspectives used. As the findings in this research show how customer service applications can provide values for the company and improve the employees’ performance. Customer service applications have an important role in various ways, in this research application performance measured in order to increase employees satisfaction to the company.Keywords: Performance SI/IT, IT Balanced Scorecard, Customer Service Application. Abstrak.Analisis Kinerja SI/TI pada PDAM Kota Salatiga Menggunakan Kerangka IT Balanced Scorecard.Aplikasi Pelayanan Pelanggan memiliki peran penting dalam meningkatkan kualitas pelayanan bagi PDAM Kota Salatiga. Mengacu pada pemahaman tersebut, maka kehadiran aplikasi pelayanan pelanggan di PDAM diposisikan sebagai basis utama dalam meningkatkan kinerja karyawan dalam hal pelayanan pelanggan yang semakin meningkat. Penelitian ini melihat bagaimana mengukur SI/TI yang dapat meningkatkan efektifitas diberbagai perspektif yang digunakan. Adapun temuan-temuan yang diperoleh dalam penelitian ini adalah bagaimana kehadiran aplikasi pelayanan pelanggan dapat memberikan nilai untuk perusahaan dan sarana untuk meningkatkan kinerja karyawan. Aplikasi pelayanan pelanggan memiliki peranan penting dalam meningkatkan efisiensi dan efektifitas dalam perusahaan di berbagai hal, dalam penelitian ini dilakukan pengukuran bagaimana aplikasi dapat meningkatkan kepuasan karyawan terhadap perusahaan.Kata kunci: Kinerja SI/TI, IT Balanced Scorecard, Aplikasi Pelayanan Pelanggan.
Pengembangan Metode Ant Colony Optimization Pada Klasifikasi Tanaman Mangga Menggunakan K-Nearest Neighbor
Get PDFAbstract. Leaf is one important part of a plant normally used to classify the types of plants. The introduction process of mango leaves of mangung and manalagi mango is done based on the leaf edge image detection. In this research the conventional edge detection process was replaced by ant colony optimization method. It is aimed to optimize the result of edge detection of mango leaf midrib and veins image. The application of ant colony optimization method successfully optimizes the result of edge detection of a mango leaf midrib and veins structure. This is demonstrated by the detection of bony edges of the leaf structure which is thicker and more detailed than using a conventional edge detection. Classification testing using k-nearest neighbor method obtained 66.67% accuracy.Keywords: edge detection, ant colony optimization, classification, k-nearest neighbor.Abstrak. Pengembangan Metode Ant Colony Optimization Pada Klasifikasi Tanaman Mangga Menggunakan K-Nearest Neighbor. Daun merupakan salah satu bagian penting dari tanaman yang biasanya digunakan untuk proses klasifikasi jenis tanaman. Proses pengenalan daun mangga gadung dan mangga manalagi dilakukan berdasarkan deteksi tepi citra struktur tulang daun. Pada penelitian ini proses deteksi tepi konvensional digantikan dengan metode ant colony optimization. Hal ini bertujuan untuk optimasi hasil deteksi tepi citra tulang daun mangga. Penerapan metode ant colony optimization berhasil mengoptimalkan hasil deteksi tepi struktur tulang daun mangga. Hal ini ditunjukkan berdasarkan dari hasil deteksi tepi citra struktur tulang daun yang lebih tebal dan lebih detail dibandingkan menggunakan deteksi tepi konvensional. Pengujian klasifikasi dengan metode k-nearest neighbor didapatkan nilai akurasi sebesar 66,67%.Kata Kunci: deteksi tepi, ant colony optimization, klasifikasi, k-nearest neighbor
Analisis Peranan User Pada Proses SDLC Terhadap Pengembangan Sistem Informasi Perjalanan Dinas
Get PDFAbstract. The user involvement in information system development has an important role to develop some systems. The user involvement also has an important role to determine whenever the system is executed properly or not. SDLC is a procedure used to describe a process that occurs during the manufacturing the system. SDLC Process has some phases, they are Project Selection & Planning, Analysis, Design, and Testing & Deployment. The Objective of this study is to understand how much percentage from the user involvement that occur during the information system developing process. The result from this paper is an analysis result from the user involvement that occurs during the information system developing using the SDLC model.Keywords: Information System, SDLC, User Involvement. Abstrak. Peranan dari user terhadap pengembangan sebuah sistem informasi memiliki peranan yang penting dalam proses pembuatan sebuah sistem. Peranan dari user juga menentukan apakah sistem yang dibangun sudah terpenuhi sesuai dengan kebutuhan atau belum. SDLC merupakan sebuah prosedur yang digunakan untuk mendeskripsikan sebuah proses yang terjadi selama pembuatan sebuah sistem. Proses SLDC memiliki beberapa fase seperti Project Selection and Planning, Analysis, Design, dan Testing & Deployment. Tujuan dari penelitian ini adalah mengetahui seberapa besar persentase dari keterlibatan user selama proses pembangunan sistem informasi perjalanan dinas. Hasil dari penelitian ini yaitu berupa sebuah hasil analisis terhadap keterlibatan user dalam proses pembangunan sistem informasi menggunakan model SDLC.Kata Kunci: Sistem Informasi, SDLC, User Involvemen