susunan dewan redaksi jeliku · implementasi sistem operasi router mikrotik sebagai proxy server...
TRANSCRIPT
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
ii
[halaman ini sengaja dikosongkan]
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Activity diagram pada gambar 4
menjelaskan tentang alur jika user ingin
menginput prospek pada SFA versi mobile. Data
yang diinputkan oleh user akan langsung masuk
ke server.
Gambar 5. Activity Diagram Lihat Prospek
Activity diagram pada gambar 5
menjelaskan tentang alur dari user jika ingin
melihat prospek. Dalam sistem ini ada 3 jenis
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Activity diagram pada gambar 7
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Gambar 12 menjelaskan alur sistem
untuk melihat prospek yang didaftarkan dan
telah dikunjungi. Prospek yang telah
dikunjungi dibagi menjadi 3 jenis yaitu sale,
cancel, dan pending.
Gambar 13. Sequence Diagram Buat Jadwal
Gambar 13 menjelaskan alur sistem
untuk membuat jadwal. Tenaga pemasaran
bisa menginputkan tanggal awal/tanggal akhir
dari periode mingguan yang diinginkan.
Gambar 14. Sequence Diagram Isi Jadwal
Gambar 14 menjelaskan alur sistem
untuk megisi jadwal yang telah dibuat
sebelumnya. Tenaga pemasaran akan mengisi
data yang harus diisikan di form isi jadwal.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
7
Gambar 15. Sequence Diagram Lihat Jadwal
Gambar 15 menjelaskan alur sistem
untuk melihat jadwal. Untuk melihat jadwal
yang telah dibuat dan diisi sebelumnya, tenaga
pemasaranmenginputkan tanggal jadwal yang
diinginkan. Hasil jadwal yang ditampilkan
akan jadwal perhari.
Gambar 16. Sequence Diagram Lapor
Kunjungan
Gambar 16 menjelaskan alur sistem
untuk melaporkan hasil kunjungan yang telah
dilakukan sebelumnya. Tenaga pemasaran
diharuskan untuk mengisi data yang
diperlukan dalam form lapor kunjungan.
3.3.3 Perancangan Antarmuka
Proses perancangan 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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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).
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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:
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
17
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Email: [email protected]
ABSTRAK
Dalam mengelola suatu jaringan internet, sangat penting untuk mengatur pemakaian
bandwidth yang akan digunakan oleh client. Jika tidak dilakukan pengelolaan, maka akan terjadi
pemakaian bandwidth yang tidak teratur atau pemakaian bandwidth yang berlebihan oleh satu atau
beberapa user. Pemakaian bandwidth yang berlebihan tersebut akan menyebabkan jaringan yang
dikelola tidak dapat memberikan layanan yang maksimal kepada seluruh client.
Router mikrotik memiliki fitur Queue yang dapat digunakan untuk mengatur alokasi
bandwidth yang dialokasikan kepada setiap client. Queue tree akan digunakan dalam bandwidth
management yang bertujuan meningkatkan kualitas layanan jaringan (Quality of Service) dengan
mengoptimalkan bandwidth yang tersedia.
Dari penelitian yang telah dilakukan, bandwidth minimum yang didapat client dapat dihitung
dengan cara membagi bandwidth keseluruhan dengan jumlah client. Hasil yang didapat dari
pengujian dengan alokasi bandwidth sebesar 2048 Kbps menggunakan satu client, rata-rata bandwidth
yang didapatkan 2024 Kbps; menggunakan dua client 1004,5 Kbps; menggunakan tiga client 660
Kbps; dan empat client 519,25 Kbps. Dengan penerapan Queue Tree pembagian bandwidth menjadi
teratur dan jika client lainnya tidak menggunakan bandwidth maka akan dialokasikan ke client lain
yang membutuhkan sehingga dapat mengoptimalkan bandwidth yang tersedia.
Kata Kunci : Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree.
ABSTRACT
It is important to set the bandwidth to be used by the client in managing an Internet
network. There will be a bandwidth usage irregular or excessive bandwidth usage by one or more
users if there is no bandwidth management. Excessive bandwidth usage will lead to a managed
network that can not provide maximum service to all client.
Router Queue in Mikrotik features can be used to manage the allocation of bandwidth
distribution for each client. Queue Tree will be used in the bandwidth management which aims to
improve the quality of network services (Quality of Service) to optimize the available bandwidth.
From the research that has been done, the client obtained the minimum bandwidth can be
calculated by dividing the total by the number of client bandwidth. The results obtained from testing
with 2048 Kbps bandwidth allocation using a single client is average bandwidth of 2024 Kbps; using
two clients is average bandwidth 1004.5 Kbps; using three client is 660 Kbps, and four client is
519.25 Kbps. With the implementation of Queue Tree of bandwidth distribution becomes more
regular; if the client is not active, then the bandwidth will be allocated to another client who need it,
to optimize the available bandwidth .
Keywords: Internet, Management Bandwidth, Router Mikrotik, Queue, Queue Tree.
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
menunjukkan seberapa banyak data yang dapat
dilewatkan dalam koneksi melalui sebuah
network [1]. Bandwidth juga merupakan
banyaknya bits maksimum yang dapat dikirim
atau diterima dari komputer satu ke komputer
lainnya dalam satuan waktu. Badwitdth
dinyatakan dalam satuan bit per second (bps).
Management Bandwidth
Management bandwidth merupakan
suatu cara yang dapat mengoptimalkan
penggunaan dari suatu bandwidth dalam suatu
jaringan. Management bandwidth
mengoptimalkan layanan Quality Of Service
(QoS) dalam menentukan tipe lalu lintas dari
jaringan [4].
Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode
manajemen bandwidth dengan membatasi
akses menuju alamat IP tertentu tanpa
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
19
mengganggu trafik bandwidth pengguna lain
[6]. HTB mempunyai parameter-parameter
penyusun antrian yaitu :
a. Rate, berfungsi dalam menentukan
bandwidth maksimum yang dapat
digunakan oleh setiap class, apabila
bandwidth melebihi nilai dari “rate” maka
paket data akan dipotong.
b. Ceil, diatur untuk menentukan
peminjaman bandwidth antar class yang
dilakukan dari kelas paling bawah ke kelas
di atasnya. Teknik ini disebut dengan link
sharing.
Blok Diagram Manajemen Bandwidth
Manajemen bandwidth diperlukan
bagi jaringan multi layanan dengan
mengoptimalkan layanan Quality Of Service
(QoS) [9]. Proses aliran system manajemen
bandwidth dapat dilihat pada Gambar 1
dibawah ini.
Gambar 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].
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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,
Action = mark packet, New
Connection Mark = MP-Upload. c. Konfigurasi mark packet download client
1 yaitu : Chain = postrouting,
Dst. Address = 192.168.10.101,
Action = mark packet, New
Packet Mark = DN-Client1.
d. Konfigurasi mark packet upload client 1
yaitu : Chain = prerouting, Src.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
21
Address = 192.168.10.101,
Action = mark packet, New
Connection Mark = UP-Client1. e. Konfigurasi mark packet download client
2 yaitu : Chain = postrouting,
Dst. Address = 192.168.10.102,
Action = mark packet, New
Packet Mark = DN-Client2.
f. Konfigurasi mark packet upload client 2
yaitu : Chain = prerouting, Src. Address = 192.168.10.102,
Action = mark packet, New
Connection Mark = UP-Client2.
g. Konfigurasi mark packet download client
3 yaitu : Chain = postrouting,
Dst. Address = 192.168.10.103,
Action = mark packet, New
Packet Mark = DN-Client3.
h. Konfigurasi mark packet upload client 3
yaitu : Chain = prerouting, Src. Address = 192.168.10.103,
Action = mark packet, New
Connection Mark = UP-Client3. i. Konfigurasi mark packet download client
4 yaitu : Chain = postrouting,
Dst. Address = 192.168.10.104,
Action = mark packet, New
Packet Mark = DN-Client4. j. Konfigurasi mark packet upload client 4
yaitu : Chain = prerouting, Src. Address = 192.168.10.104,
Action = mark packet, New
Connection Mark = UP-Client4. 3. Setup Queue Type
Menambahkan Queue Type PCQ ( Per
Connection Queue) untuk download dan
upload yang berfungsi dalam membagi atau
membatasi trafik multi users secara dinamis.
Untuk Queue Type Upload konfigurasinya
yaitu Type Name = pcq_upload, Kind = pcq, Classifier = Src. Address.
Untuk Queue Type Download
konfigurasinya yaitu Type Name =
pcq_download, Kind = pcq,
Classifier = Dst. Address.
4. Setup Queue Tree
Pada Queue Tree akan diatur
besar/kecil bandwidth yang diberikan ke
client. Berikut merupakan konfigurasi
download dan upload dalam queue tree.
a. Konfigurasi download keseluruhan yaitu : Name = All-Download, Parent =
bridge1-Lan, Queue Type =
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 =
All-Download, Packet Marks =
DN-Client2, Queue Type =
pcq_download, Priority = 8,
Limit At = 512K, Max Limit = 2M
d. Konfigurasi download client 3 yaitu : Name = DN-Client3, Parent =
All-Download, Packet Marks =
DN-Client3, Queue Type =
pcq_download, Priority = 8,
Limit At = 512K, Max Limit = 2M e. Konfigurasi download client 4 yaitu :
Name = DN-Client4, Parent =
All-Download, Packet Marks =
DN-Client4, Queue Type =
pcq_download, Priority = 8,
Limit At = 512K, Max Limit = 2M 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
= UP-Client2, Parent = All-
Upload, Packet Marks =UP-
Client2, Queue Type =
pcq_upload, Priority = 8, Limit
At = 512K, Max Limit = 2M i. Konfigurasi upload client 3 yaitu : Name
= UP-Client3, Parent = All-
Upload, Packet Marks =UP-
Client3, Queue Type =
pcq_upload, Priority = 8, Limit
At = 512K, Max Limit = 2M j. Konfigurasi upload client 3 yaitu : Name
= UP-Client3, Parent = All-
Upload, Packet Marks =UP-
Client3, Queue Type =
pcq_upload, Priority = 8, Limit
At = 512K, Max Limit = 2M
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
22
k. Konfigurasi upload client 4 yaitu : Name = UP-Client4, Parent = All-
Upload, Packet Marks =UP-
Client4, Queue Type =
pcq_upload, Priority = 8, Limit
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
mengoptimalkan bandwidth yang tersedia.
DAFTAR PUSTAKA
[1] Fourouzan, Behrouz A. 2007. Data
Communication and Networking, Fourth
Edition. McGraw-Hill.
[2] Budhi Irawan. 2005. Jaringan
Komputer. Graha Ilmu.
[3] Herlambang, L. M. 2008. Panduan
Lengkap Menguasai Router Masa
Depan Menggunakan Mikrotik
RouterOS. Yogyakarta. Andi.
[4] Santosa, B. 2007. Manajemen
Bandwidth Internet dan Intranet.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
email: [email protected], [email protected]
ABSTRAK
Sistem informasi adalah sebuah sarana yang dibuat guna untuk memudahkan yang awalnya
dikerjakan secara manual lalu di ubah kedalam bentuk komputerisasi sehingga semuanya dapat
dikerjakan dengan mudah. Begitu juga di DPPU Ngurah Rai, Salah satu perusahaan BUMN di bali ini
memiliki sebuah program untuk melestarikan flora dan fauna dalam sebuah pencatatatan data yang
menandakan bahwa DPPU Ngurah Rai perduli terhadap lingkungan. Pada awalnya pendataan data
keanekaragaman hayati yang mereka miliki secara manual, namun ada kendala dimana data yang di
sudah di catat terkadang hilang sehingga harus di lakukan pendataan ulang.
Sistem Informasi Keanekaragaman hayati ini di buat sebagai salah satu media yang dapat
mengurangi terjadinya kendala-kendala tersebut. Dengan adanya sistem dapat mempermudah
perusahaan dalam memberikan laporan bulanan mengenai kondisi dari keanekaragaman hayati yang
mereka miliki.
Hasil yang dicapai dalam sistem informasi ini sistem dapat sesuai dengan kebutuhan pengguna
yaitu sebagai alat penyimpanan data flora dan fauna, sistem dapat memberikan fasilitas master data
sebagai sarana untuk menambah, memodifikasi maupun menghapus data dan semuanya dapat tersaji
dalam bentuk laporan.
Kata Kunci: Sistem Informasi, Keanekaragaman Hayati, DPPU Ngurah Rai
ABSTRACT
The information system is a tool that created to facilitating the method of data collecting which at
first the data collecting done manually and changed into computerized method, so everything could be
done easily. As well as DPPU Ngurah Rai (one of the state-owned company in Bali), it has a program
to preserve and record any data from animals and plants which indicates that the DPPU Ngurah Rai
care about the environment. At first, the biodiversity data collecting was taken manually, whereas
there were any problems that the collected data suddenly lost and caused the data collecting should
be repeated.
This Biodiversity Information System was made as one of obstacles reducing tools. The system
able to supports the company to give monthly report about the condition of their own biodiversity.
The results achieved in these information systems to fit the needs of system users, namely as a
means of data storage flora and fauna, the system can provide the facilities master data as a means to
add, modify or delete data and all of them can be presented in the form of a report.
Keywords: System Information, Biodiversity, DPPU Ngurah Rai
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
No Atribut Tipe Data
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
No Atribut Tipe Data
1 Id_tanaman Int(4)
2 Nama_tanaman Char(50)
3 Nama_ilmiah Char(50)
4 Sejak Date
5 Kondisi Char(20)
6 Jumlah Double
7 Keterangan Text
Tidak berbeda dengan struktur tabel hewan,
struktur tabel tumbuhan juga memiliki 2 buah
tabel yaitu tabel tumbuhan yang berfungsi
sebagai penyimpan data tumbuhan dan tabel
data master tumbuhan sebagai penyimpan data
record perubahan yang terjadi setiap ada
perubahan data yang dilakukan oleh admin.
Tabel 4. Struktur tabel master data tumbuhan
No Atribut Tipe Data
1 Id Int(4)
2 Id_tanaman Char(50)
3 Tanggal Date
4 Jumlah Double
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
32
ISBN 0-521-56481-6, digunakan sebagai
sumber oleh "Keanekaragaman Hayati",
Daftar istilah terkait dengan CBD
Mekanisme, Belgia Kliring. Diperoleh
2006/04/26.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
33
IMPLEMENTASI SISTEM OPERASI ROUTER MIKROTIK SEBAGAI PROXY SERVER
BERBASIS TRANSPARENT PROXY
I Putu Iyasa Pringgagada Pecut, I Made Widhi Wirawan
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana
Email: [email protected]
ABSTRAK
Teknologi komputer saat ini perkembangannya sudah sangat pesat sekali dimana
perkembangannya ini sangat membantu kehidupan masyarakat saat ini khususnya dalam aktifitas
internet. Fasilitas internet ini dimanfaatkan untuk mencari informasi, sharing file, chatting maupun
sosial networking. Akan tetapi dengan banyaknya user dan terbatasnya ketersedian bandwaidth yang
diberikan itu akan berakibat pada kecepatan akses internet pada suatu jaringan, dimana dalam aktifitas
user dalam mencari informasi akan mengalami keterlambatan penerimaan informasi yang dibutuhkan
Adapun salah satu cara yang dapat diterakan untuk sedikit lebih mempercepat akses internet
dalam suatu jaringan yaitu dengan mengimplementasikan metode transparent proxy server, dimana
metode ini akan diterapkan pada suatu server yang nantinya menyimpan data-data/konten yang pernah
dikunjungi oleh user pada suatu situs internet, sehingga diharapkan dapat memperkecil pemakaian
bandwidth dan mempercepat akses internet.
Dari pengujian yang dilakukan didapatkan hasil kecepatan akses internet mengalami
peningkatan sebesar 17,58% , throughtput sebesar 16,56% dan penghematan bandwidth sebesar
1,21% setelah menggunakan proxy transparent untuk mengakses ke suatu situs internet yang sudah
pernah di akses klien.
Kata Kunci : Proxy Server, Transparent Proxy
ABSTRACT
Current computer technology has been very rapid development where development is all very
helpful people's lives , especially in today's internet activity. Internet facility is used to find
information , share files , chat and social networking. However, with the number of users and the
limited availability of bandwaidth given it will result in a speed Internet access on a network ,
wherein the user activity in search for information will experience delays in receipt of necessary
information .
As one of the ways that can be engraved for a little more speed up internet access in a
network is to implement a transparent proxy server method , which method will be applied to a server
that will store datas/contents ever visited by a user on an Internet site , which is expected to reduce
bandwidth usage and speed up Internet access .
From the tests showed speed Internet access increased by 17,58 % , 16,56 % and the
throughput of the bandwidth savings of 1,21 % after using a transparent proxy for access to an
internet site that has been in client access.
Keywords: Proxy Server, Transparent Proxy
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jaringan komputer merupakan
sekumpulan komputer berjumlah banyak yang
terpisah-pisah akan tetapi saling berhubungan
dalam melaksanakan tugasnya. Dalam jaringan
komputer yang dikatakan terkoneksi apabila
saling terjadi bertukar data atau informasi,
berbagai resource yang dimiliki, seperti file,
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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 :
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Waktu Hasil Bandwidth
(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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Waktu Hasil Bandwidth
(%) (%) (%)
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
42
PURWARUPA APLIKASI MESIN PENCARI REFERENSI
I Putu Sutria Narada, Agus Muliantara, Ida Bagus Dwidasmara
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana
Email: [email protected]
ABSTRAK
Terdapat banyak sekali referensi yang dapat dijadikan dasar suatu penelitian, diperlukan
banyak waktu untuk mensortirnya secara manual. Diperlukan suatu fasilitas agar pencarian referensi
ini dapat dilakukan secara efisien, dan tidak memakan banyak waktu. Solusi dari masalah tersebut
adalah penerapan bidang ilmu text mining yaitu sistem temu kembali informasi. Dengan menerapkan
model ruang vektor, dokumen – dokumen referensi tersebut disimulasikan memiliki suatu posisi
berdasarkan term penyusunnya. Dari posisi-posisi dokumen ini, dengan membandingkan posisi dari
suatu dokumen terhadap kata kunci pencarian, akan ditemukan dokumen mana sajakah yang memiliki
kesamaan dengan kata kunci yang diinginkan, dengan menghitung nilai cosine similarity yang
mereprentasikan tingkat kesamaan antar dokumen, sehingga dokumen yang memiliki nilai similarity
paling tinggi akan menduduki peringkat pertama dalam pencarian. Sistem ini dikembangkan
menggunakan bahasa pemrograman PHP dan dokumen uji menggunakan 100 jurnal bahasa indonesia
yang di ambil secara acak dari internet. Penelitian ini berhasil menerapkan model ruang vektor, dan
hasil dari penelitian ini menunjukan bahwa aplikasi yang dibangun penulis dapat menangani masalah
pencarian referensi ilmiah dengan baik, terlihat dari hasil evaluasi nilai dengan precision sebesar 62%
dan nilai recall sebesar 100%.
Kata Kunci : Cosine similarity, model ruang vektor, sistem temu kembali informasi, STKI
ABSTRACT
Many refrence that can be used as study basis, but it takes a lot of time to sort those
references manualy. A facilities needed to help sorting all those refrence in eficient way. The solution
of those problems lays on Information retrival knowledge. With appliying vector space model, the
position of the reference document can be simulated using terms that construct those references
document. By comparing this posistion with the search query, will be found a similarity value that
represent the level of similarity between refrence documents and the search query. This aplication
developed using PHP programing language and using 100 Indonesian journal abstract that
downloaded randomly from the internet. This research has been succsesfully implemented the vector
space model, and the result of this research shows that the aplication that author build has able to
handle the reference sorting problems well, seen from the evaluatin resul witht recall value 100% and
precision value 62%.
Keywords: Cosine similarity, Information retrival, IR, Vector space model
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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)
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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){
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana.
Email: [email protected]
ABSTRAK
Jaringan Komputer adalah sekumpulan alat komunikasi yang saling terhubung satu sama
lainnya. Seiring dengan berjalannya waktu jaringan komputer berkembang sangat pesat. Kebutuhan
akan akses internet sangat tinggi baik untuk mencari informasi, bahan pembelajaran serta akses
jejaring sosial ataupun hanya sekedar untuk chatting. Mengingat semakin banyaknya penggunakan
internet maka penggunaan bandwidth juga semakin banyak dan meningkat, seperti melakukan
download yang berlebihan untuk keperluan-keperluan yang kurang penting. Untuk mengomtimalkan
penggunaan bandwidth yang berlebihan perlu dilakukan bandwidth management. Bandwidth
Management adalah mengalokasikan suatu bandwidth guna mendukung kebutuhan atau keperluan
suatu jaringan internet agar memberikan jaminan kualitas layanan suatu jaringan QoS (Quality of
Services). Dalam penelitian ini, dibuat sebuah bandwidth management pada Hotspot Mikrotik di
Fakultas Hukum Universitas Udayana menggunakan Tree Queue. Dimana dalam hal ini akan dibatasi
kapasitas upload dan download .
Sesuai dengan hasil pengujian yang telah dilakukan dengan menerapkan HTB (Hierachy
Tocke Bucket) dengan kapasitas limit untuk proses upload 128k dan download 256k dapat
berhasilkan dilakukan limit untuk hotspot, hal tersebut dapat dibuktikan kapasitas bandwith tidak
melebihi dari yang tentukan yaitu proses upload 0,11Mbps dan Download 0,24Mbps.
Kata Kunci: Bandwidth Management, Hotspot, HTB,Tree Queue
ABSTRACT
Network is a a set of communication tools that are connected to each other. Over time
computer networks is growing very rapidly. The usage for internet access was really high such as to
search for information, study materials and access to social networking or just to chat. Considering
the increase of internet usage today, the use of bandwidth is also increasing, for example
downloading unnecessary thing. The bandwidth management is needed to optimizing the bandwidth
usage. Bandwidth Management is the allocation the bandwidth to support the need or desirability of
an Internet network in order to guarantee the quality of service of a network QoS (Quality of
Services). In this research a bandwidth management is created in Hotspot Mikrotik at the Faculty of
Law, University of Udayana using Queue Tree. Which in this case would be limited upload and
download capacity.
In accordance with the results of the testing that has been done by applying the HTB
(Hierarchy Tocke Bucket) with a capacity limit for the process of uploading and downloading 256k
128k can be done to limit the hotspot, it can be proved does not exceed the bandwidth capacity of
which specify that the upload is 0.11 Mbps and Download 0.24 Mbps.
Keyword : Bandwidth Management, Hotspot, HTB,Tree Queue
I. PENDAHULUAN
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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:
1. Dengan management bandwidth
menggunakan HTB dapat mengatur
besar kecilnya bandwidth yang di
perlukan sehingga memberikan hasil
yang baik.
2. Dari alokasi bandwith yang diberikan
untuk proses upload 128k dan
download 256k dengan menerapkan
HTB dapat berjalan dengan tepat
pada pengalokasian bandwidth
hotspot pada Fakultas Hukum
Universitas Udayana.
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
2 Pengujian 2 0.058 Mbps 0.219 Mbps 1.79 Mbps 3.81 Mbps
3 Pengujian 3 0.062 Mbps 0.235 Mbps 1.91 Mbps 3.92 Mbps
4 Pengujian 4 0.052 Mbps 0.237 Mbps 1.75 Mbps 3.73 Mbps
5 Pengujian 5 0.106 Mbps 0.236 Mbps 1.57 Mbps 3.61 Mbps
6 Pengujian 6 0.108 Mbps 0.236 Mbps 1.64 Mbps 3.72 Mbps
7 Pengujian 7 0.061 Mbps 0.231 Mbps 1.92 Mbps 3.63 Mbps
8 Pengujian 8 0.118 Mbps 0.207 Mbps 1.60 Mbps 3.52 Mbps
9 Pengujian 9 0.111 Mbps 0.231 Mbps 1.97 Mbps 3.92 Mbps
10 Pengujian 10 0.093 Mbps 0.207 Mbps 1.67 Mbps 3.72 Mbps
11 Pengujian 11 0.070 Mbps 0.231 Mbps 1.80 Mbps 3.75 Mbps
12 Pengujian 12 0.119 Mbps 0.218 Mbps 1.66 Mbps 3.54 Mbps
13 Pengujian 13 0.082 Mbps 0.243 Mbps 1.89 Mbps 3.56 Mbps
14 Pengujian 14 0.113 Mbps 0.234 Mbps 1.65 Mbps 3.70 Mbps
15 Pengujian 15 0.106 Mbps 0.214 Mbps 1.71 Mbps 3.81 Mbps
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Membangun Server Internet dengan
Mikrotik OS. Yogyakarta: Penerbit Graha
Media.
[8] Herlambang, L. M. 2008. Panduan
Lengkap Menguasai Router Masa Depan
Menggunakan Mikrotik RouterOS.
Yogyakarta. Andi.
[9] Stalling, William. 2002. Komunikasi dan
Komputer : Jaringan Komputer.
Salemba.Jakarta.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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?
3.2 Analisis Kebutuhan Sistem
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Gambar 4.2 Tampilan Antarmuka Modul
Form Kuisioner Student
4.3 Modul Form Kuisioner Employee
Modul form kuisioner employee
berfungsi sebagai wadah untuk menjawab
pertanyaan kuisioner khusus bagi pegawai
perusahaan tempat alumnus berkerja. Jawaban
dari masing-masing pertanyaan kuisioner
kemudian disimpan ke dalam database.
Gambar 4.3 Tampilan Antarmuka Modul
Form Kuisioner Employee
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Gambar 4.4 Tampilan Antarmuka Modul
Report Student
Tabel 5.1 Tabel Pengujian Kebutuhan Sistem Tracer Study
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jika mendaftar sebagai
student, data masuk ke table user dan
user_detail_student
Jika mendaftar sebagai
employee, data masuk ke tabel user dan
user_detail_employee.
Jika mendaftar sebagai
student, data masuk ke table user dan
user_detail_student
Sesuai
3
Kuisioner
Employee
Klik Save
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 jawaban tersimpan
ke tabel jawaban user
Maka pada setiap
pertanyaan yang belum
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 jawaban tersimpan
ke tabel jawaban user
Maka pada setiap
pertanyaan yang belum
diisi muncul peringatan untuk menjawab
pertanyaan tersebut
Maka jawaban tersimpan
ke tabel jawaban user
Maka pada setiap
pertanyaan yang belum
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
66
Gambar 4.5 Tampilan Antarmuka Modul
Report Employee
5. Evaluasi
5.1 Pengujian Kebutuhan Sistem
Metode evaluasi yang digunakan
merupakan metode Blackbox untuk menguji
kebutuhan pengguna yang dihasilkan sistem.
Pada pengujian ini, di setiap modul dilakukan
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
68
PERANCANGAN DAN IMPLEMENTASI APLIKASI KLASIFIKASI PENYAKIT
DIABETES DENGAN METODE NAÏVE BAYES
Putu Gerhans Prawira Risnawan, Ngurah Agus Sanjaya ER, I Made Widiartha
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Email: [email protected], [email protected], [email protected]
ABSTRAK
Diabetes merupakan sebuah penyakit yang disebabkan karena naiknya kadar gula dalam
darah. Seiring dengan perkembangan jaman serta perubahan gaya hidup manusia, diabetes merupakan
salah satu penyakit paling rentan yang diderita. Diabetes pima-indians dibagi kedalam dua kelas,
yakni kelas 0 (negative diabetes) dan kelas 1 ( positif diabetes). Dataset yang digunakan adalah 105
buah data diabetes dimana 160 terdiri dari data training dan 55 data untuk data testing. Dalam
mengklasifikasikan penyakit diabetes membutuhkan metode yang cepat tepat dan juga akurat. Metode
yang digunakan yakni salah satu metode dari klasifikasi, yakni metode klasifikasi naïve bayes.
Metode naïve bayes telah banyak digunakan dalam hal klasifikasi.Dengan menggunakan metode
naïve bayes tingkat akurasi yang dihasilkan dalam mengklasifikasikan penyakit diabetes adalah 74%
dimana dari 55 data, 37 data penyakit diabetes dapat diklasifikasikan dengan baik.
Kata Kunci: Klasifikasi , naïve bayes , diabetes
ABSTRACT
Diabetes is a disease caused by rising blood sugar levels. Along with the development and
changes in human lifestyle, diabetes is a disease that affects the most vulnerable. Pima-Indians
diabetes were divided into two classes, namely class 0 (negative diabetes) and class 1 ( positif
diabetes). The dataset used was 160 pieces of data of diabetes which consists of 105 training data and
55 data for testing data. In classifying diabetes requires precise and fast method is also accurate. The
method is used which is one method of classification, ie, naïve Bayes classification method. Naïve
Bayes method has been widely used in classification.By using naïve Bayes method produced an
accuracy rate in classifying diabetes which is 74% of the data where from 55 data, 37 data could be
classified very well.
Keywords: Classification, naïve bayes, diabetes
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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) ∏
3. Metodologi Penelitian
Dalam penelitian ini metode penelitian
yang digunakan adalah metode System
Development Life Cycle (SDLC) . Adapun
bagian dari SDLC itu sendiri terdiri dari
beberapa tahap yakni perencanaan, analisis
sistem, perancangan, implementasi, dan
pengujian.
a. Perencanaan (planning), tujuam dari
tahap perencanaan (planning) adalah
tahap untuk menentukan bagaimana
ruang lingkup dalam perancangan
aplikasi klasifikasi ini. .
b. Tahap kedua, adalah tahap analisis
(analysis), yaitu tahap dimana kita
mencari permasalahan yang ada yang
kemudian diupayakan untuk dicari jalan
keluarnya.
c. Tahap ketiga, adalah tahap perencanaan
(design) dimana penulis mencoba
mencari solusi dari permasalahan yang
didapat dari tahap analisis.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Email: [email protected]
ABSTRAK
Pada suatu situs yang sedang berkembang, terkadang perlu menggunakan sistem Content
Delivery Network untuk meningkatkan waktu response terhadap permintaan yang berasal dari
berbagai tempat. Dengan sistem Content Delivery Network (CDN), permintaan dari user akan dibawa
ke suatu server tiruan, yang disebut Edge server, yang berada didekat user yang melakukan
permintaan konten pada situs tersebut tanpa dirasakan langsung oleh user. Namun diperlukan cara
dalam memetakan permintaan dari user menuju ke edge server yang ditentukan. Salah satu metode
yang dapat digunakan dalam memetakan permintaan tersebut adalah dengan menggunakan metode
Split DNS yang merupakan fitur dari BIND9.
Dalam penulisan ini terdapat empat komponen yang digunakan, yaitu : Origin server, Edge
server, dan dua serangkaian komputer dalam jaringan yang merupakan user yang memiliki segmen IP
yang berbeda. Dimana Origin server akan diakses oleh serangkaian komputer jaringan pada segmen
IP 192.168.1.0/24, sedangkan Edge Server akan diakses oleh serangkaian jaringan pada segmen IP
172.16.112.0/26. Split DNS dapat dimanfaatkan sebagai alat untuk memetakan permintan user
terhadap menuju ke edge server yang diinginkan. Dalam penulisan ini tingkat keberhasilan Split DNS
dalam mengarahan user ke IP address yang dinginkan dengan domain name yang sama adalah
91,67%.
Kata Kunci: Domain Name System, Bind9, Split DNS, Content Delivery Network,
ABSTRACT
On a site that is growing, sometimes need to use a Content Delivery Network system to
improve response time to requests coming from various places. With the system of Content Delivery
Network (CDN), the demand from the user will be taken to a mock server, called the Edge server,
which is located near the user that requests the content on the site without directly perceived by the
user. But needed a way to map the request from the user to the specified server to the edge. One
method that can be used to map the request is to use the Split method of control which is a feature of
BIND9.
In this study, there are four components that are used , namely : Origin server , Edge server ,
and two series of computers in a network that is a user who has a different IP segment . Where the
Origin server to be accessed by a series of computers on the network segment 192.168.1.0/24 IP ,
while the Edge Server will be accessed by a range of IP network segment 172.16.112.0/26 . Split DNS
can be used as a tool to map out requests the user to go to the edge of the desired server . In this
study, the success rate Split DNS in directing the user to an IP address that is cooled with the same
domain name is 91.67% .
Keywords: Domain Name System, Bind9, Split DNS, Content Delivery Network
PENDAHULUAN
Pada suatu situs yang sedang
berkembang, terkadang menggunakan sistem
Content Delivery Network untuk
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jaringan komputer merupakan
kumpulan beberapa komputer dan perangkat
lainnya dalam satu kesatuan (Budhi Irawan,
2005). Jaringan tersebut dapat terhubung
melalui media transmisi kabel atau tanpa
kabel.
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:
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
78
PERANCANGAN SISTEM INFORMASI SALES ACTIVITY PT. ASTRA INTERNATIONAL
TBK. - HONDA
I Wayan Angga Pratama1, Ida Bagus Gede Dwidasmara
2
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana
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,
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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),
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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>.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
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,
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
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.
2.2. Bandwidth Bandwidth adalah besaran yang
menunjukkan seberapa banyak data yang dapat
dilewatkan dalam koneksi melalui sebuah
network [1]. Bandwidth juga merupakan
banyaknya bits maksimum yang dapat dikirim
atau diterima dari komputer satu ke komputer
lainnya dalam satuan waktu. Badwitdth
dinyatakan dalam satuan bit per second (bps).
2.2.1. Management Bandwidth
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
90
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].
2.3. Hierarchical Token Bucket (HTB) HTB merupakan salah satu metode
manajemen bandwidth dengan membatasi
akses menuju alamat IP tertentu tanpa
mengganggu trafik bandwidth pengguna lain
[6]. HTB mempunyai parameter-parameter
penyusun antrian yaitu :
a. Rate, berfungsi dalam menentukan
bandwidth maksimum yang dapat
digunakan oleh setiap class, apabila
bandwidth melebihi nilai dari “rate” maka
paket data akan dipotong.
b. Ceil, diatur untuk menentukan
peminjaman bandwidth antar class yang
dilakukan dari kelas paling bawah ke kelas
di atasnya. Teknik ini disebut dengan link
sharing.
2.4. Blok Diagram Manajemen Bandwidth
Manajemen bandwidth diperlukan
bagi jaringan multi layanan dengan
mengoptimalkan layanan Quality Of Service
(QoS) [9]. Proses aliran system manajemen
bandwidth dapat dilihat pada Gambar 1
dibawah ini.
Gambar 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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
3.1 Analisis Kebutuhan Sistem
Pada penelitian ini penulis melakukan
manajemen bandwidth pada router mikrotik
menggunakan metode HTB dan metode PCQ.
Sistem yang akan dibangun menggunakan satu
buah router mikrotik RB750 dan 4 buah laptop
sebagai client.
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
2. Bandwidth yang di berikan jika semua
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.
2. Bandwidth yang di berikan jika semua
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
94
Maka bandwidth yang di dapatkan client
sebesar 119.3 kbps.
3. Jika semua client mealakukan download
akan mendapatkan bandwidth yang adil.
Gambar 13. Semua Client Melakukan
download Tanpa Aplikasi Download
Manager
Gambar 13 Ketika semua client
melakukan download maka setiap client
akan mendapatkan bandwidth yang adil.
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 :
1. Dengan management bandwidth
menggunakan metode HTB dan metode
PCQ dapat mengatur besar kecilnya
bandwidth yang di perlukan client
sehingga memberikan bandwidth yang adil
bagi setiap client yang melakukan akses.
2. Jika client melalukan download
menggunakan aplikasi download manager
maka bandwith yang di dapat menggunkan
metode PCQ akan di bagi rata dengan
client yang lainnya tetepi jika
menggunkan HTB, bandwidth yang
diberikan lebih besar tetepi tidak melebihi
maksimal bandwidth yang di tentukan
dibandingkan download tanpa
menggunkan aplikasi download manager.
3. Jika terdapat client yang tidak memakai
bandwidth maka bandwidth yang tidak
digunkan dapat di alokasikan ke client lain
yang memerlukan sehingga dapat
mengoptimalkan bandwidth yang tersedia.
DAFTAR PUSTAKA
[1.] Handriyanto, D. F. (2009). Kajian
Penggunaan Mikrotik Router Os™
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
95
Sebagai Router Pada Jaringan
Komputer.
[2.] Kristanto, Andri. Jaringan Komputer.
Graha Ilmu. Yogyakarta: 2003.
[3.] Kustanto & Daniel T Saputro, 2008.
Membangun Server Internet dengan
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
96
PENGENALAN WICARA KARAKTER INDONESIA MENGGUNAKAN HIDDEN
MARKOV MODEL
I Wayan Adi Juliawan Pawana
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana, Bali
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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. Metodologi Penelitian
3.1 Desain Penelitian
Pada penelitian ini, penulis mengumpulan
data suara dari 10 orang, dengan tiap orang
responden diminta untuk bebicara angka 0
sampai 9 dan kata aku, kami, mereka, kita
sebanyak 4 kali. Kemudian dari data suara
akan mengalami preprocessing menggunakan
metode Mel-Frequencu Cepstral Coefficient
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Udayana
Email : [email protected],[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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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,
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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)
Dapat disimpulkan daun jagung yang
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)
Dapat disimpulkan daun jagung yang
sehat memiliki nilai warna biru yang
paling besar dibanding 2 jenis daun
lainnya.Sedangkan daun yang mengalami
kekurangan Fe dan Mn memiliki rata rata
nilai indeks warna hijau yang berbeda
tipis.
4. Karakteristik Fitur Energi
Dapat dilihat pada tabel 4.1 bahwa untuk
nilai energi tidak terdapat perbedaan yang
besar diantara ketiga jenis daun jagung
tersebut.
5. Karakteristik Fitur Kontras
jika dilihat dari nilai rata rata nya, nilai
kontras yang paling besar dimiliki oleh
daun jagung yang sehat.
6. Karakteristik Fitur Entropi
Dapat dilihat dari nilai rata rata nya daun
jagung yang sehat memiliki nilai entropi
yang paling besar yaitu 5.67 dibandingkan
dengan 2 daun lainnya yaitu daun
kekurangan Fe dengan nilai entropi paling
kecil 4.31 dan daun yang kekurangan Mn
dengan nilai entropi 4.98.
7. Karakterisitik Fitur Homogeniti
Pada daun jagung yang kekurangan Fe
lebih terlihat kehomogenan intensitas citra
nya,dengan nilai homogeniti 0.18.
Sedangkan nilai homogeniti paling rendah
dimiliki oleh daun jagung yang sehat yaitu
dengan nilai 0.09 dan daun yang
kekurangan Fe memiliki nilai homogeniti
sebesar 0.14
Gambar 4.1 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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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 /
(gambar.Height*gambar.Width);
b := b /
(gambar.Height*gambar.Width);
Di bawah ini merupakan cuplikan source code
untuk perhitungan nilai Fitur fitur GLCM. ENERGI:=0;
KONTRAS:=0;
ENTROPI:=0;
IDM:=0;
for j:=0 to 255 do
for f:=0 to 255 do
begin
//hitung ENERGI - ANGULAR
SECOND MOMENT
ENERGI:=ENERGI+mkum[j,f];
// ukuran penyebaran (momen
inersia) elemen-elemen matriks
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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.
Jurnal Elektronik Ilmu Komputer - Universitas Udayana JELIKU Vol 2 No. 3 Agustus 2013
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