Claim Missing Document
Check
Articles

MODEL DAN IMPLEMENTASI E-FORUM BERBASIS J2EE MENGGUNAKAN EJB DESIGN PATTERN DAN STRUTS APPLICATION FRAMEWORKPengelolaan komunitas pada situs web organisasi memegang peranan penting untuk mencapai keberhasilan pengelolaan situs web tersebut. E-Forum merupa Joko Lianto Buliali; Suhadi Lili; Muhammad Zuber
CCIT Journal Vol 2 No 1 (2008): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1692.356 KB)

Abstract

Pengelolaan komunitas pada situs web organisasi memegang peranan penting untuk mencapai keberhasilan pengelolaan situs web tersebut. E-Forum merupakan salah satu tool yang memungkinkan untuk meningkatkan interaksi pengguna. Tujuan utama dari E-Forum adalah sebagai wadah untuk diskusi secara online melalui media Internet. Dalam penelitian ini sistem E-Forum dimodelkan dengan menggunakan notasi UML sedangkan data dimodelkan dengan menggunakan Conceptual Data Model (CDM) dan Physical Data Model (PDM). E-Forum dibangun berdasarkan standar J2EE agar dapat dihasilkan aplikasi yang dapat bekerja secara cross platform dan scalable. Dalam pengembangan aplikasi berbasis J2EE, terdapat beberapa pattern dan framework yang dapat mempercepat dan mempermudah proses pengembangan. Dalam pembuatan komponen EJB, pattern yang sering digunakan adalah Session Façade Pattern, Value Object / Data Transfer Object Pattern, Data Access Object Pattern, JDBC for Reading Pattern, EJBHome Factory Pattern, dan Business Delegate Pattern. Struts frame-work, yang berbasis paradigma MVC, digunakan dalam pembuatan komponen web. Uji coba fungsional dilakukan untuk mengevaluasi fitur-fitur E-Forum. Uji coba non fungsional seperti internationalization support, clustering support dan multi database support juga dilakukan untuk mengevaluasi E-Forum yang dibuat. Hasil uji coba menunjukkan bahwa aplikasi E Forum berfungsi sesuai dengan tujuan yang ditetapkan.
Simulasi Evakuasi Keadaan Darurat: Studi Kasus Apartemen XYZ, Surabaya Ahmad Saikhu; Joko Lianto Buliali; Cempaka A. Swastyastu
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cepat lambatnya proses evakuasi suatu gedung bertingkat menentukan tinggi rendahnya faktorkeselamatan manusia apabila sampai terjadi bencana seperti kebakaran pada gedng tersebut. Semakin pendekwaktu evakuasi, semakin tinggi faktor keselamatan manusia apabila terjadi bencana. Dengan demikianmengetahui seberapa banyak waktu yang diperlukan untuk evakuasi apabila terjadi bencana merupakan halyang penting untuk diketahui. Untuk mengetahui hal tesebut di atas, pada penelitian ini digunakan simulasi.Simulasi sesuai untuk permasalahan ini karena adanya sejumlah hal yang bersifat stokastik pada permasalahanini, seperti jumlah penghuni pada saat kejadian, dan beragamnya karakteristik (umur, jenis kelamin, danadanya faktor kepanikan penghuni apartemen saat ada bencana). Studi kasus yang diambil pada penelitian iniadalah sebuah apartemen bertingkat di kota Surabaya. Dari uji coba yang dilakukan, disimpulkan bahwa untukpenghuni pria dewasa, skenario 2 dan 3 lebih baik dalam kecepatan evakuasi. Untuk penghuni lain, skenario 3adalah terbaik.Kata Kunci: Simulasi, skenario, waktu, evakuasi, apartemen
Implementasi Simulasi Sistem untuk Optimasi Proses Produksi pada Perusahaan Pengalengan Ikan Fenky Sugiarto; Joko Lianto Buliali
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (200.844 KB) | DOI: 10.12962/j23373539.v1i1.642

Abstract

Proses produksi di perusahaan pengalengan ikan merupakan suatu sistem yang kompleks dan terdiri dari banyak proses yang berjalan secara berurutan. Beberapa proses diantaranya melibatkan proses dengan mesin dan manusia yang memiliki ketidakpastian waktu pengerjaan. Skala produksi yang besar membuat uji coba ril untuk mendapatkan optimasi dari sistem tidak efektif untuk dilakukan karena membutuhkan waktu yang lama dan biaya yang besar. Dengan menggunakan simulasi, penelitian ini bertujuan membuat model yang dapat merepresentasikan sistem tersebut serta membuat sistem alternatif yang meningkatkan optimasi dari sistem lama. Setelah model terbentuk, dilakukan verifikasi dan validasi untuk meyakinkan bahwa model berjalan dengan benar dan dapat merepresentasikan proses ril dengan tepat. Model diverifikasi dan divalidasi disimulasikan dalam rentang waktu tertentu sehingga dapat dianalisis hasilnya untuk membuat sistem-sistem alternatif yang bertujuan untuk mengoptimalkan kinerja sistem tersebut. Hasil yang diperoleh dari penelitian ini adalah adanya analisis terhadap kinerja sistem serta kemudian dibuat 3 buah sistem alternatif yang dapat meningkatkan kinerja dari sistem lama. Perbaikan tersebut diperoleh dari sistem-sistem alternatif yang dibuat melalui simulasi sebagai hasil dari proses optimasi dari sistem yang lama
Deteksi Kendaraan Pada Citra Udara Beresolusi Sangat Tinggi di Area Perkotaan dengan Menggunakan Metode Ekstraksi Oriented FAST And Rotated BRIEF Diagnosa Fenomena; Darlis Herumurti; Joko Lianto Buliali
Jurnal Teknik ITS Vol 5, No 2 (2016)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (700.309 KB) | DOI: 10.12962/j23373539.v5i2.16825

Abstract

Data mengenai lalu lintas mempunyai peranan penting dalam perencanaan tata kota, seperti untuk perencanaan jalan dan perkiraan tingkat pencemaran udara yang disebabkan oleh lalu lintas kendaraan di kota. Berbagai upaya telah dilakukan untuk mendeteksi kepadatan lalu lintas, salah satunya deteksi kendaraan menggunakan CCTV. Namun, penggunaan CCTV hanya efektif untuk deteksi kendaraan pada ruas jalan yang relatif terbatas. Oleh karena itu, dibutuhkan suatu implementasi algoritma yang secara otomatis dapat mendeteksi kendaraan melalui citra udara. Terdapat beberapa metode yang dapat digunakan untuk mendeteksi objek, beberapa diantaranya adalah template matching, klasifikasi, dan feature matching. Pada tugas akhir ini, menggunakan metode Template Matching dengan menggunakan persamaan korelasi, Haar Cascade classification dan Feature Matching dengan menggunakan ekstraksi fitur ORB. Nilai recall dan precision tertinggi dihasilkan oleh metode Feature Matching dengan MSER dan ORB masing-masing bernilai 100% dan 75%.
Deteksi Jenis Kendaraan di Jalan Menggunakan OpenCV Alvin Lazaro; Joko Lianto Buliali; Bilqis Amaliah
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (402.25 KB) | DOI: 10.12962/j23373539.v6i2.23175

Abstract

Jenis kendaraan yang melewati suatu ruas jalan dapat diketahui secara komputasi dengan mencocokkan fitur kendaran yang terdeteksi dengan fitur kendaraan standar masing-masing jeniskendaraan. Dengan mencapture frame image yang memuat kendaraan di jalan, OpenCV dapat mencocokkan fitur kendaraan tersebut dengan fitur kendaraan standar masing-masing jeniskendaraan, sehingga jenis kendaraan pada frame image dapat diketahui.
Deteksi Kecepatan Kendaraan Berjalan di Jalan Menggunakan OpenCV Andrew Andrew; Joko Lianto Buliali; Arya Yudhi Wijaya
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (802.75 KB) | DOI: 10.12962/j23373539.v6i2.23489

Abstract

Saat ini, di berbagai kota telah dipasang CCTV pada setiap ruas jalan. Dari CCTV, dapat diketahui kondisi lalu lintas, namun tidak dapat diketahui kecepatan setiap kendaraaan. Oleh karena itu, dibuat perangkat lunak yang dapat mendeteksi kecepatan kendaraan di ruas jalan dari video yang diambil oleh CCTV. Tujuan lainnya adalah untuk mengetahui perbedaan hasil deteksi kecepatan dengan berbagai nilai FPS (Frame Per Second).Input untuk aplikasi ini adalah video (.avi). Pertama, sistem mengambil Region of Interest (ROI). Selanjutnya, sistem melakukan background subtraction, membuat garis awal dan akhir, memperbarui posisi kendaraan, dan menyimpan hasil kecepatan rata-rata kendaraan ke berkas Excel (.xls).Skenario uji coba dilakukan berdasarkan nilai FPS pada video (30 FPS, 27 FPS, 25 FPS, dan 20 FPS). Setiap skenario terdapat sub-skenario berdasarkan posisi koordinat garis akhir {(296,0); (282,0); (270,0); dan (248,0)}. Pengujian dilakukan 5 kali setiap skenario, lalu dibandingkan dengan hasil sebenarnya untuk mendapatkan nilai error pada sistem. Error terkecil yang dihasilkan sistem sebesar 2,75% dengan posisi koordinat garis akhir di (282,0) pada skenario 30 FPS.
Pemodelan Multilabel Tweet Media Sosial Mahasiswa untuk Klasifikasi Keluhan Muhammad Faris Musthafa; Joko Lianto Buliali; Victor Hariadi
Jurnal Teknik ITS Vol 7, No 1 (2018)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1664.824 KB) | DOI: 10.12962/j23373539.v7i1.29601

Abstract

Pada umumnya sistem informasi akademik di sebuah perguruan tinggi memiliki fitur umum bagi dosen untuk memantau proses perkembangan akademik anak walinya secara aktif. Namun jika dosen wali ataupun orang tua tidak melakukan pantauan secara aktif maka mahasiswa wali yang memiliki permasalahan akademik berisiko drop out dalam proses evaluasi tingkat 1 universitas karena rendahnya pemahaman dosen terhadap mahasiswa walinya. Tujuan dari penelitian ini adalah membuat rancangan model deteksi keluhan dalam data tweet mahasiswa. Aspek keluhan bisa dibagi mennjadi empat kategori: keluhan personal, keluhan subjek, keluhan relasi, dan keluhan institusi. Metode multilabel yang digunakan adalah Binary Relevance dengan pilihan classifier Naïve Bayes, Simple Logistic, KStar, Decision Table, dan j48. Berdasarkan hasil pengujian ada berbagai classifier, Naïve Bayes memiliki performa tertinggi baik dalam aspek akurasi maupun waktu eksekusi. Hasil implementasi sistem deteksi multilabel keluhan menggunakan classifier Naïve Bayes pada delapan puluh data uji yterhadap label keluhan personal, subjek, relasi, dan institusi memiliki akurasi masing-masing bernilai 76.47%, 75%, 80%, dan 80%. Hasil deteksi multilabel keluhan yang ditemukan berpotensi digunakan lebih lanjut pada konteks yang lebih luas
Anomaly detection on flight route using similarity and grouping approach based-on automatic dependent surveillance-broadcast Mohammad Yazdi Pusadan; Joko Lianto Buliali; Raden Venantius Hari Ginardi
International Journal of Advances in Intelligent Informatics Vol 5, No 3 (2019): November 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v5i3.232

Abstract

Flight anomaly detection is used to determine the abnormal state data on the flight route. This study focused on two groups: general aviation habits (C1)and anomalies (C2). Groups C1 and C2 are obtained through similarity test with references. The methods used are: 1) normalizing the training data form, 2) forming the training segment 3) calculating the log-likelihood value and determining the maximum log-likelihood (C1) and minimum log-likelihood (C2) values, 4) determining the percentage of data based on criteria C1 and C2 by grouping SVM, KNN, and K-means and 5) Testing with log-likelihood ratio. The results achieved in each segment are Log-likelihood value in C1Latitude is -15.97 and C1Longitude is -16.97. On the other hand, Log-likelihood value in C2Latitude is -19.3 (maximum) and -20.3 (minimum), and log-likelihood value in C2Longitude is -21.2 (maximum) and -24.8 (minimum). The largest percentage value in C1 is 96%, while the largest in C2 is 10%. Thus, the highest potential anomaly data is 10%, and the smallest is 3%. Also, there are performance tests based on F-measure to get accuracy and precision.
PERANCANGAN DAN ANALISIS BIAYA-MANFAAT SISTEM SUPPLIER RELATIONSHIP MANAGEMENT (SRM) DI JOINT OPERATING BODY (J.O.B) PERTAMINA-PETROCHINA EAST JAVA Hadi Siswidiastono; Joko Lianto Buliali
Jurnal Teknobisnis Vol 1, No 1 (2005): Jurnal TEKNOBISNIS
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat- Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2217.528 KB) | DOI: 10.12962/j24609463.v1i1.2418

Abstract

As a company which has always collaborate with suppliers, JOB Pertamina-PetroChina is well aware of the importance of suppliers’ role to support the company business process, which places them as a major force that need to be considered to achieve competitive advantages. Supplier satisfaction and loyalty supported by supplier performance evaluation is several important elements to support company’s business existence.In order to keep good relationship with suppliers, company faces several problems. Currently, there is no system available to manage suppliers’ database and its procurement. The purpose of this thesis is to design a Supplier Relationship Management for JOB P-PEJ followed by cost-benefit analysis. This new system is expected to help company to manage their supplier better in the future.The outcome expected from this study is a design of Supplier Relationship Management for JOB P-PEJ that is capable to determine most profitable supplier, to identify suppliers, and to manage complaints. Cost-benefit analysis will be done to evaluate whether the new system is useful to support Material and Logistic functions in managing suppliers.
Metode Hibrida K-Means dan Generalized Regression Neural Network Untuk Prediksi Arus Lalu Lintas Saprina Mamase; Joko Lianto Buliali
Jurnal Buana Informatika Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i3.654

Abstract

Abstract. Traffic flow forecasting is a popular research topic in the development of Intelligent Transportation System. There have been many forecasting methods used for traffic flow forecasting, such as Generalized Regression Neural Network (GRNN) which has a fairly good accuracy. One of the GRNN’s characteristics is that the number of neurons in pattern layer increases as the number of training samples raise and this can cause overfitting problem. In this research, a hybrid method to predict traffic flow is proposed, that is K-means and GRNN algorithm. K-means method aims to solve overfitting problem in GRNN model by choosing training samples based on their similar characteristics. Leave One Out Cross Validation (LOOCV) is used to select an appropriate smoothing factor parameter at each GRNN’s model. Mean Absolute Percentage Error (MAPE) is used as the evaluation criterion in the testing process. The results show that the proposed method could improve the accuracy of predictions by reducing the value of MAPE by 0.82-3.81%.Keywords: Traffic flow forecasting, K-means, Generalized Regression Neural Network, Leave One Out Cross ValidationAbstrak. Prediksi arus lalu lintas telah menjadi tren topik penelitian untuk pengembangan sistem transportasi cerdas. Telah banyak metode yang digunakan terkait prediksi arus lalu lintas, diantaranya yaitu Generalized Regression Neural Network (GRNN) yang memiliki akurasi yang cukup baik. Salah satu karakteristik GRNN adalah jumlah neuron pada pattern layer akan bertambah seiring meningkatnya jumlah data latih yang akan mengakibatkan masalah overfitting. Dalam penelitian ini diusulkan metode hibrida K-means dan GRNN untuk prediksi arus lalu lintas. Metode K-means bertujuan untuk mengatasi masalah overfitting pada model GRNN dengan memilih data latih berdasarkan kemiripan karateristiknya. Algoritma Leave One Out Cross Validation (LOOCV) digunakan untuk memilih parameter smoothing factor terbaik pada setiap model GRNN. Mean Absolute Percentage Error (MAPE) digunakan sebagai kriteria evaluasi model prediksi. Hasil menunjukkan bahwa metode yang diusulkan dapat meningkatkan akurasi prediksi dengan penurunan nilai MAPE sebesar 0,82-3,81%.Kata Kunci: Prediksi arus lalu lintas, K-means, Generalized Regression Neural Network, Leave One Out Cross Validation