cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 8,304 Documents
 391   392   393   394   395 
Rancang Bangun Jadwal Shalat Digital Dengan Sistem Self Setting Falih Asyrafi; Ig. Prasetya Dwi Wibawa; Sony Sumaryo
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Saat ini sudah banyak sekali kemajuan teknologi yang telah memenuhi kebutuhan manusia dalam aktifitas keseharian, semua tidak bisa lepas dari semakin berkembangnya ilmu pengetahuan, salah satu contoh dalam peribadatan umat islam adalah penampil waktu yang menandakan informasi awal waktu sholat dengan tampilan LED (Light Emitting Diode) yang tersusun menjadi 7-Segment. Penentuan awal waktu sholat di suatu daerah memiliki kebijakan sendiri dalam memakai metode penentuan awal waktu shalat. Membuat kesepakatan jadwal waktu shalat tidaklah mudah, karena dipengaruhi oleh beberapa faktor subyektivitas, penetapan masa berlaku dan terbatasnya ahli ilmu falak. Oleh karena itu, dilakukan rancang bangun jadwal shalat digital dengan system Self Setting, yang dimaksud dari self setting ini adalah alat akan bekerja/berubah secara otomatis ketika alat berada di lokasi tertentu. Alat akan menyesuaikan jadwal dari jadwal shalat di daerah tersebut,alat ini didukung dengan system GPS (Global Positioning System). Tampilan pada 7-segment berupa Jam, Menit, Tanggal, Bulan, Tahun, Shubuh, Syuruq, Dzuhur, Ashar, Maghrib dan Isya. Perangkat keras dirancang menggunakan mikrokontroller yang diberi kemampuan berkomunikasi dengan GPS (Global Positioning System) yang akan terhubung ke jadwal shalat sehingga dapat menampilkan jadwal shalat secara real time dan sesuai dengan jadwal di daerah yang diinginkan . Hasil yang diharapkan adalah dapat membuat Jadwal Sholat Digital yang tepat dan akurat sehingga bisa digunakan sebagai acuan dalam beribadah. Kata Kunci: GPS, 7-Segment, Jadwal Shalat
Strategi Pemasaran Untuk Meningkatkan Pendapatan Toko Mels Collection Menggunakan Analisis Swot Dan Qspm Arwanda Budiono; Rosad Ma’ali El Hadi; Maria Della Rosawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Mels Collection adalah sebuah UMKM di bidang fashion yang berada di Kota Padang Sumatra Barat, lebih tepatnya di Jln. Pasar Raya Tahap III No.7 Padang. Akibat dari pertumbuhan UMKM yang sangat meningkat dan persaingan yang semakin ketat, pendapatan Mels Collection mengalami penuruan selama 3 tahun terakhir. Akibat dari ketatnya persaingan menuntut perusahaan harus memiliki strategi pemasaran yang sesuai agar bisa bersaing dengan kompetitor lainya. Pendekatan yang digunakan dalam menentukan strategi pemasaran ini adalah dengan menggunakan metode analisis SWOT dan Quantitative Strategic Planning Matrix (QSPM). Proses penelitian ini berawal dengan mengidentifikasi kondisi internal dan eksternal perusahaan sehingga mendapatkan faktor-faktor untuk perumusan strategi berupa hasil pembobotan pada matriks IFAS dan EFAS. Dari hasil total pembobotan pada matriks IFAS dan EFAS maka akan diketahui posisi perusahaan berdasarkan matriks Internal-Eksternal (IE) yang akan dijadikan sebagai dasar perumusan strategi alternatif pada matriks SWOT. Proses terakhir adalah analisis QSPM yang bertujuan untuk melakukan evaluasi dan perengkingan terhadap beberapa strategi alternatif, serta dapat memutuskan strategi dengan prioritas terbaik. Kata kunci: Faktor internal, faktor eksternal, Matriks IFAS, EFAS, IE, SWOT,QSPM Abstract Mels Collection is a fashion MSME in the city of Padang, West Sumatra, more precisely at Jln. Pasar Raya Phase III No.7 Padang. As a result of increasing growth of MSMEs and increasing fierce competition, Mels Collection's income has been declining for the past 3 years. As a result of the intense competition, companies must have appropriate marketing strategies in order to compete with other competitors. The method used in determining this marketing strategy are using the SWOT analysis method and Quantitative Strategic Planning Matrix (QSPM). The process of this research begins by identifying the internal and external conditions of the company so that the factors for strategy formulation are obtained in the form of scoring on the IFAS and EFAS matrices. From the results of the total scoring on the IFAS and EFAS matrix, the position of the company will be based on the InternalExternal (IE) matrix which will serve as the basis for formulating alternative strategies on the SWOT matrix. The final process is QSPM analysis which aims to evaluate and scoring on several alternative strategies, and can decide the best strategy with the best priority score. Keywords: Internal factors, external factors, Matriks IFAS, EFAS, IE, SWOT, QSPM
Analisis Sentimen Masyarakat Terhadap Kinerja Presiden Indonesia Dalam Aspek Ekonomi, Kesehatan, Dan Pembangunan Berdasarkan Opini Dari Twitter Widya Pratiwi Ali; Niken Dwi Wahyu Cahyani; Yuliant Sibaroni
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakMenjelang pilpres tahun 2019, opini – opini atau tweet yang berkaitan dengan Presiden dan Calon Presidenadalah yang paling banyak diutarakan oleh pengguna twitter di Indonesia saat ini. Opini – opini masyarakatsangat penting untuk mengetahui keadaan keberpihakan masyarakat pada pemilihan presiden yang akandatang. Selain itu dengan melihat opini – opini yang terpampang secara bebas di twitter, kita dapatmengetahui secara umum keadaan beberapa aspek ekonomi, aspek kesehatan, dan aspek pembangunandengan memanfaatkan opini – opini di twitter. Pada Tugas Akhir ini dibangun sistem untuk analisissentimen dalam tiga aspek yaitu ekonomi, kesehatan, dan pembangunan yang berupa sentimen positif atausentimen negatif. Metode yang digunakan adalah Naïve Bayes dengan menggunakan ekstraksi fitur LexiconSentiWordnet dan penggabungan TF-IDF dengan Lexicon SentiWordnet. Masukan dari sistem ini berupadataset tweet dari Twitter sebanyak 1357, kemudian dataset tersebut dilabeli secara manual. Keluaran daripenelitian ini berupa evaluasi dengan menggunakan 10 fold cross validation, kemudian pengukuran akurasidiukur dengan confusion matrix. Berdasarkan hasil penelitian yang telah dilakukan, penggunaan NaïveBayes dengan ekstraksi fitur Lexicon SentiWordnet dalam pembuatan sistem Sentiment Analysis terbuktilebih baik dengan akurasi 84,75% dibandingkan dengan Naïve Bayes dengan menggunakan ekstraksi fiturTF-IDF ataupun TF-IDF yang digabungkan dengan Lexicon SentiWordnet.Kata kunci : Naïve Bayes, Lexicon SentiWordnet, Twitter , confusion matrix, analisis sentimen, TF-IDF AbstractTowards the 2019 presidential election, opinions or tweets related to the President and PresidentialCandidates are the most widely expressed by twitter users in Indonesia today. Public opinion is veryimportant to understand the state of community alignments in the upcoming Presidential election. Inaddition, by looking at opinions posted on Twitter, we can discuss several aspects of the economy, healthaspects, and aspects of infrastructure by using opinions on Twitter. In this Final Project a system forsentiment analysis is built in three aspects, namely economic, health, and development which containpositive sentiments or negative sentiments. The method that used is Naïve Bayes by using the LexiconSentiWordnet for the feature extraction and the integration of TF-IDF with Lexicon SentiWordnet. Issuedfrom this system consists of tweet datasets from Twitter totaling 1357, then the dataset is labeled manually.The output of this study consisted of evaluations using a 10-fold cross validation, then the evaluation wascompleted with a confusion matrix. Based on the results of research that has been done, the use of NaïveBayes with the extraction of the Lexicon SentiWordnet feature in making Sentiment Analysis systemsproved to be better with 84.75% consultation compared to Naïve Bayes by using the TF- IDF or TF-IDFfeature extraction combined with the Lexicon SentiWordnet.Keywords: Naïve Bayes, Lexicon SentiWordnet, Twitter, confusion matrix, sentiment analysis, TF-IDF
Klasifikasi Data Microarray dengan Metode Artificial Neural Network dan Genetic Algorithm untuk Kasus Deteksi Kanker Ilham Yunirakhman; Adiwijaya Adiwijaya; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Kanker adalah salah satu penyakit yang paling mematikan di dunia. Pada tahun 2012, terdapat 32,6 juta orang yang positif mengidap kanker dan 8,2 juta kematian yang disebabkan oleh kanker. Terdapat banyak cara yang bisa dilakukan untuk mendeteksi kanker sejak dini, salah satu caranya adalah dengan melakukan klasifikasi fitur pada data DNA microarray. Salah satu metode yang digunakan untuk mendeteksi kanker adalah metode Artificial Neural Network (ANN) – Backpropagation dengan bantuan Genetics Algorithm (GA). ANN digunakan sebagai metode klasifikasi untuk memprediksi kanker, sedangkan GA digunakan sebagai metode untuk mereduksi dimensi dari fitur DNA Microarray yang memiliki dimensi yang sangat besar. Pada penelitian ini dilakukan perbandingan antara metode ANN dan metode ANN-GA hybrid. Metode ANN-GA terbukti lebih efektif dari ANN karena dapat menghasilkan nilai akurasi 93.08% dan mereduksi dimensi hingga 51% dengan waktu running time lebih cepat hingga 42.2%. Kata Kunci : Artificial Neural Network (ANN), ANN-GA hybrid, DNA Microarray, Genetics Algorithm (GA)
Desain Sistem Pengenalan Wajah Menggunakan Raspberry Pi 3 Muhamad Ihsan S; Nyoman Bogi Aditya Karna; Raditiana Patmasari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tugas akhir ini menganalisis desain sistem pengenalan wajah yang menggunakan Raspberry Pi 3 B+ sebagai pusat sistem. Sistem pada Tugas Akhir ini menggunakan Raspberry Pi 3 B+ dan Raspberry Pi Camera Module V2.1. Adapun sistem face recognition yang digunakan merupakan sistem face recognition dari pyimagesearch yang diperuntukkan untuk Raspberry Pi 3. Terdapat program encode_face.py untuk melakukan proses training image dari lima orang subjek penelitian. Terdapat pula program pi_face_recogition.py yang akan dijalankan dan diuji terhadap empat orang yang wajahnya sudah ada pada database yang telah di training sebelumnya dan terhadap seseorang yang wajahnya tidak ada pada database sistem face recognition. Metode yang digunakan untuk face recognition yaitu Deep Metric Learning dengan triplet training step. Sistem face recognition pada tugas akhir ini berdasarkan pada pi_face_recognition yang berasal dari pyimagesearch oleh Adrian. Face recognition tersebut menggunakan network architecture bernama dlib milik David King dan modul face recognition milik Adam Geutgey. Sedangkan face detection memanfaatkan haar cascade frontal face default berupa file xml. Dataset terdiri dari 5 orang dengan jumlah foto wajah perorang yaitu 30, sehingga totalnya yaitu 150 foto. Kemudian dataset tersebut di training menggunakan encode_face.py sehingga menghasilkan berkas TUGASAKHIR-5subjek.pickle. Pengujian sistem face recognition dilakukan pada empat kondisi jarak pengujian yang berbeda yaitu 1,5 meter, 2 meter, 2,5 meter, dan 3 meter. Terdapat tiga macam parameter pengujian yaitu parameter size, parameter scale factor, dan parameter neighbourhood. Variasi nilai dari parameter size yaitu 20×20, 25×25, 30×30, dan 35×35. Variasi nilai dari parameter scale factor yaitu 1.1, 1.2, 1.3, dan 1.4. Variasi nilai dari parameter neighboarhood yaitu 3, 4, 5, dan 6. Hasil pengujian menunjukkan nilai Accuracy tertinggi yaitu 80% dan True Positive Rate mencapai 100% dengan parameter terbaik yaitu parameter size 20×20, parameter scale factor 1,1, dan parameter neighbourhood bernilai 3. Kata Kunci: Raspberry Pi 3 B+, face recognition, Deep Metric Learning . Abstract This final project analyzes the design of a face recognition system that uses Raspberry Pi 3 B + as the center of the system. The system in this final project uses Raspberry Pi 3 B + and Raspberry Pi Camera Module V2.1. The face recognition system used is a face recognition system from Pyimageseearch which is intended for Raspberry Pi 3. There is an encode_face.py program to carry out the image training process of five research subjects. There is also the pi_face_recogition.py program which will be run and tested on four people whose faces have been in a database that has been previously trained and on someone whose face is not in the face recognition system database. The method used for face recognition is Deep Metric Learning with step training triplets. The face recognition system in this thesis is based on pi_face_recognition originating from pyimagesearch by Adrian. Face recognition uses a network architecture called David King's Dlib and Adam Geutgey's face recognition module. Whereas face detection utilizes a default frontal face haar cascade in the form of an xml file. The dataset consists of 5 people with 30 photos per face, so that the total is 150 photos. Then the dataset is trained using encode_face.py to produce the TUGASAKHIR-5subjek.pickle file. Face recognition system testing is carried out on four different test conditions, namely 1.5 meters, 2 meters, 2.5 meters and 3 meters. There are three types of testing parameters, namely size parameters, scale factor parameters, and neighborhood parameters. Variations in the value of the size parameter are 20x20, 25x25, 30x30, and 35x35. Variations in the values of the scale factor parameters are 1.1, 1.2, 1.3, and 1.4. Variation values of the neighboring parameters are 3, 4, 5, and 6. The test results show the highest Accuracy value is 80% and the True Positive Rate reaches 100% with the best parameters, namely the size parameter 20 × 20, scale factor parameters 1,1, and parameters neighborhood is worth 3. Keywords: Raspberry Pi 3 B+, face recognition, Deep Metric Learning
Steganografi Video Dengan Penyisipan Pesan Rahasia Menggunakan Teks Pada Frame Video Berbasis Ssb-4 Dan Discrete Cosine Transform (dct) Satrio Ardhimasetyo; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring dengan perkembangan pertukaran informasi yang semakin lama semakin membutuhkan privasi, maka keamanan dan kerahasiaan sebuah pesan informasi sangat perlu diperhatikan. Maka dari itu diperlukan suatu cara untuk menyisipkan pesan yang membawa informasi kedalam media cover tertentu contohnya audio dan video, cara tersebut salah satunya menggunakan steganografi. Media yang digunakan pada Tugas Akhir ini video berformat AVI untuk format penyimpanan video setelah dilakukan proses penyisipan dan pesan yang akan disisipkan kedalam video berupa teks. Pada Tugas Akhir ini menggunakan pesan teks rahasia yang akan di input ke dalam video host yang dilakukan dengan metode SSB-4 dan DCT sebagai penentuan lokasi dimana akan disisipkan pesan tersebut. SSB-4 merupakan metode yang dilakukan dengan mengubah bit ke 4 dari citra cover akan digantikan oleh bit pesan dan memodifikasi bit-bit reminder (yang ada pada bit ke 1,2,3 dan 5). Metode DCT digunakan energinya sebagai penentuan frame terpilih. Nilai parameter terbaik yaitu pada video berukuran 720p dengan pesan yang disisipkan sebanyak 233 karakter, nilai yang didapatkan setelah dilakukan proses penyisipan pesan dan ekstraksi pesan menghasilkan nilai MSE = 0,048, PSNR = 61,256, BER = 0, dan CER = 0. Metode penyisipan menggunakan SSB-4 dan DCT sebagai penentuan frame terpilih terbukti tahan terhadap gangguan Gaussian Blur dengan nilai BER = 0 dan CER = 0 saat menggunakan video berukuran 360p dan 720p dengan pesan yang disisipi sebanyak 233 karakter. Kata Kunci : Steganografi video, PSNR, MSE, BER, CER. Abstract Along with the development of information exchange that increasingly requires privacy, the security and confidentiality of an information message are very important. So from that, we need a way to insert messages that bring information into certain media coverings, for example, audio and video one of which uses steganography. The media used in this Final Project is AVI format video for video storage format after the insertion process and the message will be inserted into the video in the form of text. In this Final Project use secret text messages that will be input into the video host which is done by the SSB-4 and DCT methods as a determination of the location where the message will be inserted. SSB-4 is a method that is done by changing the 4th bit of the cover image to be replaced by the message bit and modifying the reminder bits (which are in bits to 1,2,3 and 5). The DCT method uses its energy to determine the selected frame . The best parameter value is in 720p video with 233 characters inserted, the value obtained after message insertion and message extraction results in MSE = 0.048, PSNR = 61.256, BER = 0, and CER = 0. Insertion method uses SSB -4 and DCT as the determination of selected frames proved to be resistant to Gaussian Blur interference with BER = 0 and CER = 0 when using 360p and 720p videos with 233 characters inserted messages. Keywords : Video Steganography, PSNR, MSE, BER, CER.
Pemodelan Sambaran Petir Dengan Menggunakan Adaptive Neuro-fuzzy Inference System (anfis) (studi Kasus : Kota Bandung) Ary Pranajaya; Reza Fauzi Iskandar; Ahmad Qurthobi; Rasmid Rasmid
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Dalam penelitian ini dilakukan pembentukan dan pengujian suatu PEMODELAN (forecasting) jumlah sambaranpetir di Kota Bandung dengan menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS) berdasarkan data timeseries jumlah sambaran petir dari 1 jauari 2007 sampai 31 desember 2010. Penelitian dilakukan untuk membuatPEMODELAN dan mengetahui hasil peramalan tersebut. Pembuatan model dilakukan menggunakan software MATLABdengan metode ANFIS yang merupakan salah satu metode kecerdasan buatan. Dalam pemodelan tersebut, dilkakukandua hal yaitu pelatihan dan pengujian data. Pelatihan data bertujuan untuk mengtahui PEMODELAN sedangkan pengujiandata dilakukan untuk menguji PEMODELAN. Berdasarkan pelatihan yang dilkukan, diperoleh bahwa model mengikutibentuk pesamaan ∑ 𝑤𝑖̅̅̅ (𝑝𝑖𝑖𝑥1+ 𝑞𝑖) , dimana pada pengujian data didapatkan jumlah galat harian, MBE, dan RMSE yangkecil, yaitu masing-masing secara berurutan 3.63x10-6, -3.94x10-9, 2.84x10-8. Selain itu koefisien person korelasi yangdidapat adalah +1 artinya data ramal dan data aktual memiliki hubungan yang kuat serta arah yang positif yaitu peningkataatau penuruan pada data ramal mengikuti peningkatan atau penurunan data aktual. . Kata Kunci: Peramalan, Sambaran Petir, ANFISAbstract In this study, forming and testing of a forecasting model for the number of lightning strikes in the city of Bandungby using Adaptive Neuro-Fuzzy Inference System (ANFIS) based on time series data the number of lightning strikes from1 January 2007 to 31 December 2010. The research purpose to make forecasting models and knowing the results of theforecasting. Model making is done using MATLAB software with ANFIS method which is one of the methods of artificialintelligence. In the modeling, two things are done namely training and testing data. Data training purpose to knowforecasting models while data testing is done to test forecasting models.. Based on the training data, the model obtainedis the equation form ∑ 𝑤𝑖̅̅̅ (𝑝𝑖𝑖𝑥1+ 𝑞𝑖) , where in the test data the number of daily errors, MBE, and RMSE is small, whichare respectively respectively 3.63x10-6, -3.94x10-9, 2.84x10-8. In addition, the correlation coefficient obtained is +1,meaning predictive data and aktual data have a strong and positive direction, namely increasing or decreasing theforecast data following an increase or decrease in aktual data.Keywords: Forecasting, Lightning Strikes, ANFIS
Seasonal Autoregressive Integrated Moving Average dan Artificial Neural Network Untuk Memprediksi Data Seasonal Muhammad Akmal Afghani; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) yang diharapkan meningkatkan akurasi dari model Seasonal Autoregressive Integrated Moving Average (SARIMA) yang merupakan salah satu bagian dari model time series pada prediksi data seasonal. Informasi dasar mengenai data menggunakan estimasi parameter pada masing-masing model SARIMA menggunakan Bayesian Information Criterion (BIC). Nilai error untuk mengevaluasi SARIMA(2,0,0)(0,1,1)12 dan ANN didapatkan menggunakan Mean Absolute Error (MAE). Pada penelitian ini, model estimasi dari SARIMA (2,0,0)(0,1,1)12 dan jumlah node hidden layer pada uji algoritma ANN yaitu 20 dengan fungsi aktivasi log sigmoid dan linear. Performansi MAE pada data training dan data testing dari model SARIMA (2,0,0)(0,1,1)12 adalah 0.086 dan 0.071, ketika hasil prediksi SARIMA dimasukkan ke ANN nilai error pada data testing dan training menjadi lebih kecil yaitu 0.046 dan 0.052. Berdasarkan hasil prediksi, data seasonal yang digunakan mendapatkan perubahan error menjadi kecil saat hasil model SARIMA dimasukkan ke algoritma ANN. Kata kunci : Data seasonal, SARIMA, ANN
Efek Slot Pada Antena Mikrostrip Triangular Dual Band Dengan Frekuensi Antena Awal 2,4 Ghz Rizki Al-Qanun Ariantono; Bambang Sumajudin; Trasma Yunita
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Antena mikrostrip merupakan salah satu jenis antena yang cukup popular saat ini. Ini memiliki bentuk dan ukuran yang kecil dengan kemampuan meradiasi dan menerima sinyal yang baik. Dengan berkembangnya teknologi semikonduktor menyebabkan ukuran dari perangkat yang digunakan semakin mengecil. Oleh karena itu dibutuhkan suatu antena dengan bentuk fisik yang kompak, mudah dipabrikasi dan memiliki peforma yang tinggi untuk diaplikasikan pada perangkat nirkabel yang ada, maka antena mikrostrip adalah salah satu solusi untuk digunakan pada permasalahan tersebut. Pada simulasi ini menggunakan dua perangkat lunak. Merancang antena mikrostrip patch bentuk segitiga dengan pencatuan langsung ke patch yang dapat beroperasi pada frekuensi 2,4 GHz. Kemudian akan ditambahkan slot pada bagian tengah patch tanpa mengubah ukuran patch antenanya. Slot ini dirancang dengan bentuk belah ketupat, lingkaran, segitiga, persegi dan segitiga terbalik dengan ukuran 10 mm2 – 100 mm2 untuk setiap slotnya. Hasil dari simulasi ini dapat mengetahui efek dari pemberian slot pada operasi kerja dual band di antena mikrostrip segitiga pada parameter frekuensi, bandwidth dan gain. Dari hasil percobaan, setelah ditambahkan slot mengakibatkan pergeseran nilai frekuensi resonansi menjadi semakin kecil, yakni dari 2,404 GHz – 2,367 GHz. Kemudian terjadi kenaikan nilai VSWR dari 1,67 hingga 3,123. Kemudian untuk frekuensi resonansi tinggi setelah ditambahkan slot, mengakibatkan pergeseran frekuensi semakin kecil, yakni dari 6,405 GHz hingga 5,972 GHz dan terjadi kenaikan nilai bandwidth hingga 182,4 MHz dan gain hingga 5,32 dB. Kata kunci : antena mikrostrip, slot, dual band, frekuensi, bandwidth, gain Abstract Microstrip antenna is one type of antenna that is quite popular at this time. It has a small shape and size with the ability to radiate and receive good signals. With the development of semiconductor technology, the size of the devices used has become smaller. Therefore we need an antenna with a physical form that is compact, easily fabricated and has a high performance to be applied to existing wireless devices, the microstrip antenna is one solution to be used for these problems. In this simulation using two software. Design a triangular patch microstrip antenna with direct feed to a patch that can operate at a frequency of 2.4 GHz. Then a slot will be added in the middle of the patch without changing the size of the patch antenna. This slot is designed with a rhombus shape, circle, triangle, square and inverted triangle with a size of 10 mm2 - 100 mm2 for each slot. The results of this simulation can find out the effect of giving slots on dual band working operations on a triangular microstrip antenna on frequency, bandwidth and gain parameters. From the experimental results, after adding a slot, it causes the shift in the value of the resonant frequency to be smaller, ie from 2.404 GHz to 2.367 GHz. Then there was an increase in the value of VSWR from 1.67 to 3.123. Then for high resonance frequencies after adding slots, resulting in smaller frequency shifts, from 6.405 GHz to 5.972 GHz and an increase in bandwidth values up to 182.4 MHz and gain up to 5.32 dB. Keywords: microstrip antena, slot, dual band, frequency, bandwidth, gain
Perancangan Website Marketplace Pada Startup Borongajayuk Menggunakan Metode Iterative Dan Incremental Adila Chusnul Fatiyah; Soni Fajar Surya Gumilang; Deden Witarsyah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kegagalan dalam melakukan pengujian sebuah software dapat menyebabkan produk yang dihasilkan tidak berjalan sesuai dengan requirement dan dapat menyebabkan kerugian ekonomi yang besar. Untuk itu maka perlu dilakukan pengujian yang tepat pada aplikasi dengan tujuan untuk menemukan suatu kesalahan pada aplikasi. Suatu test telah berhasil, apabila test tersebut dapat membongkar suatu kesalahan yang awalnya tidak ditemukan. Pada penelitian ini dilakukan pengujian perangkat lunak dengan menggunakan metode Black Box Testing. Teknik Black Box testing ini terbagi menjadi dua pengujian yaitu pengujian fungsional dan pengujian non fungsional. Pada pengujian fungsional peneliti menggunakan pengujian unit testing, stress testing, integration testing, dan environment testing. Sedangkan pada pengujian non fungsional peneliti menggunakan stress testing. Pengujian dengan menggunakan teknik Black Box Testing ini dilakukan pada aplikasi website jual beli online BorongAjaYuk. Pada pengujian terhadap website tersebut, dihasilkan nilai kualitas website dari pengujian user acceptance sebesar 75.87%, nilai ini didapat dari perhitungan skala likert terhadap 30 responden, dengan dimensi pengukuran kualitas website menggunakan webqual 4.0. Sedangkan pada pengujian stress testing disimpulkan bahwa server website BorongAjaYuk dapat menangani request sebesar 615.50 /detik dengan jumlah request access sebanyak 50 access dan jumlah koneksi ke server sebanyak 100 koneksi. Kata kunci: BorongAjaYuk, website, marketplace, functional and non-functional testing. Abstract Failure to test a software can cause the resulting product not to run according to requirements and can cause large economic losses. For this reason, it is necessary to carry out proper testing on the application with the aim of finding an error in the application. A test has been successful, if the test can uncover an error that was not initially found. In this study software testing was carried out using the Black Box Testing method. The Black Box testing technique is divided into two tests, namely functional testing and non-functional testing. In functional testing researchers use unit testing, stress testing, integration testing, and environment testing. Whereas in non-functional testing researchers use stress testing. Testing using the Black Box Testing technique is carried out on online buying and selling website applications BorongAjaYuk. In testing the website, the quality value of the website from user acceptance testing was generated at 75.87%, this value was obtained from the calculation of the Likert scale on 30 respondents, with dimensions of website quality measurement using webqual 4.0. Whereas in stress testing it can be concluded that the BorongAjaYuk website server can handle requests of 615.50 / second with the number of access requests as many as 50 accesses and the number of connections to the server as many as 100 connections. Keyword: BorongAjaYuk, website, marketplace, functional and non-functional testing.

Page 393 of 831 | Total Record : 8304

 391   392   393   394   395 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 6 (2025): Desember 2025 Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol. 12 No. 2 (2025): April 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol. 11 No. 4 (2024): Agustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol. 11 No. 2 (2024): April 2024 Vol. 11 No. 1 (2024): Februari 2024 Vol. 10 No. 6 (2023): Desember 2023 Vol 10, No 5 (2023): Oktober 2023 Vol. 10 No. 5 (2023): Oktober 2023 Vol. 10 No. 4 (2023): Agustus 2023 Vol 10, No 3 (2023): Juni 2023 Vol. 10 No. 3 (2023): Juni 2023 Vol. 10 No. 2 (2023): April 2023 Vol 10, No 2 (2023): April 2023 Vol. 10 No. 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol. 9 No. 5 (2022): Oktober 2022 Vol 9, No 5 (2022): Oktober 2022 Vol. 9 No. 4 (2022): Agustus 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol 8, No 5 (2021): Oktober 2021 Vol. 8 No. 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol. 8 No. 2 (2021): April 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue