Infact: Jurnal Sains dan Komputer
Jurnal sains dan komputer (INFACT) berisi artikel bidang informatika dengan scope: Database Management, Computer Networks, Software Engineering, Graphics and Multimedia, Theory of Computation, Web Technology, Soft Computing, Web Data Management, Software Quality Testing, Artificial Intelligence, Robotics, Augmented and Virtual Reality, Mobile application development, Cloud and Big Data, Cyber security, Data Mining, Information Retrieval, Multimedia Technology, Mobile Computing, Artificial Intelligence, Computer Vision, Image Processing, dan Internet of Things
Articles
67 Documents
<![CDATA[Merancang Robot Lomba Pemadam Api Menggunakan Arduino Uno. ]]>
<![CDATA[Agustinus Yeheskiel]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perkembangan robot pada masa sekarang banyak yang digunakan untuk membantutugas manusia, salah satunya robot pemadam api. Salah satu wadah untuk pengembanganteknologi robotika pendidikan adalah kontes robot yang diadakan oleh Direktorat JenderalPendidikan Tinggi (Dirjen DIKTI). Robot pemadam api merupakan robot beroda yangdirancang untuk memadam api sesuai kondisi area pertandingan dengan cara bergerakmenyulusuri area lintasan. Perancangan Robot cerdas pemadam api ini merupakan kecerdasan buatan yangdikendalikan oleh mikrokontroller Arduino Uno. Robot ini mampu mencari sumber api dankemudian memadamkannya. Proses pencarian api dilakukan dengan cara memeriksa setiapruangan apakah terdapat sumber api atau tidak. Pencarian titik api dilakukan dengan mendeteksiapi menggunakan sensor Api 5chanel atau Flame Detector untuk menangkap pantulan cahayaapi dari sumber apinya, and L9110 Fan Module sebagai alat pemadam api. Robot ini adalahsebagai kendali kecepatan Motor DC robot dengan masukan jarak. Robot menggunakan sensorPING ultrasonic atau sensor jarak sebagai pendeteksi jarak antara robot dengan halangan ataudinding lintasan. Hasil penelitian menunjukkan bahwa robot cerdas pemadam api yang dibuat denganmenggunakan perangkat keras dan perangkat lunak yang dikontrolmenggunakan mikrokontroller Arduino Uno. Dari pengujian dapat disimpulkan bahwa robotlomba pemadam api dapat memadamkan api dengan rata-rata 4 detik dalam setiap ruangan dandapat menghindari tabrakan sekitar 90%.]]>
<![CDATA[PENERAPAN METODE PROFILE MATCHING DALAM PENENTUAN PENERIMA BEASISWA ]]>
<![CDATA[Peter1]]>;
<![CDATA[Haeni Budiati]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem Pendukung Keputusan pada dasarnya adalah sistem komputer yang bertujuanuntuk membantu para pengambil keputusan untuk mengambil keputusan yang sesuai, yangdapat memperhitungkan segala kriteria yang mendukung pengambilan keputusan gunamembantu, mempercepat, dan mempermudah proses pengambilan keputusan. Salah satu metode yang digunakan untuk menentukan calon penerima beasiswa adalahprofile matching karena mampu menyeleksi alternative terbaik dari sejumlah alternatif, dalamhal ini alternatif yang dimaksudkan yaitu yang berhak menerima beasiswa berdasarkankriteria-kriteria yang ditentukan. Penelitian dilakukan dengan menentukan aspek dan sub aspekberserta mencari nilai bobot untuk setiap sub aspek, mencari GAP antara profil dengankeadaan data dari para siswa. Dengan menggunakan metode ini ditentukan presentasi kedua unsur aspek dandijumlahkan kemudian dilakukan proses perankingan yang akan menentukan alternatif yangoptimal, yaitu siswa dengan nilai tertinggi. Ada dua bentuk penerima beasiswa yang digunakanpada penelitian ini, yaitu berdasarkan ekonomi keluarga dan berdasarkan akademik siswa.Hasil akhir dari penelitian ini berupa sebuah sistem pendukung keputusan menentukancalon penerima beasiswa yang mampu memberikan solusi berupa hasil rangking dari seleksiMetode Profile Matching berdasarkan kriteria yang telah di tentukan.]]>
<![CDATA[ANALISIS PERBANDINGAN UNJUK KERJA METODE FAILOVER PADA JARINGAN VLAN MENGGUNAKAN SERVER UBUNTU DAN CENTOS ]]>
<![CDATA[Empiter Gea]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Semakin maraknya aplikasi Internet hanya menggunakan sebuah ISP saat ini dirasakansudah tidak mencukupi lagi, sehingga untuk memenuhi kebutuhan akses Internet dan parapelanggannya ditambahkanlah sebuah link ISP baru, dengan menerapkan konsep 2 ISP denganmenggunakan 2 layanan ISP. Dengan bertambahnya jumlah jaringan ISP yang digunakanmaka dibutuhkannya suatu metode untuk memaksimalkan penggunaan yang disebutdengan failover, yaitu suatu metode pembagian beban secara seimbang sesuai dengankebutuhan yang diinginkan dan juga suatu metode berpindahnya suatu ISP ke ISP lain secaraotomatis apabila suatu ISP tersebut mengalamin kegagalan koneksi. Pada perancangan sistem ini digunakan 3 buah router dan 1 buah switch, yaitu terdiridari dua buah router Rb941-2nD yang berfungsi sebagai jalur kedua ISP, router mikrotik RB2011 UI sebagai gateway dari FTP server yang mengatur sistem failover dan satu buah switchyang terhubung ke komputer client. Dari hasil pengujian penggunaan metode failover pada server Ubuntu dan Centosdidapatkan throughput 801 KB/s untuk server Ubuntu dan 721 KB/s untuk server Centos, danDelay dari server Ubuntu 50,0523 Ms sedangkan untuk server Centos 36,8965 Ms dan PacketLoss untuk server Ubuntu 0,6% sedangkan untuk server Centos adalah 1,3%.]]>
<![CDATA[PERBANDINGAN KECEPATAN FAILOVER METODE ECMP, METODE HRSP DAN METODE NTH KE N ]]>
<![CDATA[Ariel dwi atmaja]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pada sebuah sistem jaringan dimana dalam keadaan apapun sebuah jaringan dituntut untuk selalu terkoneksi dengan baik dan memiliki kecepatan upload dandownload sesuai dengan keperluan setiap user. Kegiatan tersebut mendorong untukmelakukan perbandingan Failover pada metode ECMP, HRSP, dan Nth ke n agar bisadi lihat metode manakah yang paling baik mengatasi failover pada sebuahjaringan.Perbandingan metode ECMP, HRSP dan Nth ke n di lakukan dengan caramembuat sebuah topologi dengan menggunakan tiga ISP dengan bandwidth yangberbeda-beda di setiap ISP. Pegnujian di lakukan dengan melakukan 60 pengujianuntuk paket loss, sent/recive bandwidth, dan respond time untuk setiapmetode.Bedasarkan penelitian ini dapat disimpulkan pada pengujian respon timeNTH ke N memiliki nilai lebih baik di bandingkan dengan ECMP dan HRSP, padapengujian sent/recive bandwidth ECMP memiliki kecepatan yang lebih baik dibandingkan dengan NTH ke N dan HRSP, pada pengujian paket loss ECMP memilikipersentase yang lebih baik di bandingakan dengan NTH ke N dan HRSP.]]>
<![CDATA[Membangun Sistem Kendali Jarak Jauh Pada Ruang Kelas Menggunakan Thingspeak Berbasis Web ]]>
<![CDATA[Paulus Hendriawan Weng]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem kendali ruangan jarak jauh yang dibuat ini bertujuan untuk memecahkan masalahperalatan elektronik yang sering lupa untuk dimatikan sehingga terjadi penggunaan energi listrikyang sia-sia. Membangun sistem ini juga bertujuan untuk memanfaatkan internet of thing demimewujudkan revolusi industri 4.0. Sistem ini akan menggunakan thingspeak sebagai cloud server yang menyimpan perintahkendali. Pemanfaatan hardware dalam penelitian ini menggunakan NodeMCU (ESP12), PowerSupply 5V, Relay 4 channel, dan android yang berperan sebagai router yang akan terkoneksi keNodeMCU sehingga bisa membaca data di thingspeak dan mengirim data kendali ke databaseserver agar bisa melakukan monitoring keadaan alat elektronik. Kesimpulan yang diperoleh dari penelitian ini menunjukan bahwa membangunan sistemkendali jarak jauh pada ruang kelas menggunakan ThingSpeak berbasis web telah berhasildibuat dengan NodeMCU yang diprogram mampu membaca perintah dithingspeak dan mengirimdata ke server.]]>
<![CDATA[NORMALISASI KEMIRINGAN PADA CITRA KTP DENGAN METODE MOMEN ]]>
<![CDATA[THEOFILUS KURNIAWAN SUWARDI]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pada proses digitalisasi yang mengubah sinyal analog menjadi digital dalampemindaian KTP seringkali menghasilkan layout miring yang terdapat pada citra digital.Kemiringan tersebut dapat menyebabkan informasi yang diperoleh tidak secara tepatdiperoleh. Penulis mengangkat topik penelitian sesuai dengan uraian yaitu mengkoreksikemiringan citra digital hasil pemindaian KTP berdasarkan deteksi sudut kemiringanyang terdapat obyek dengan pendekatan moment yaitu sebagai pusat-pusat beban yangtidak seimbang dalam pemrosesan agar memperoleh layout KTP lurus. Pembagian tahap pemrosesan terdiri dari tahap Segmentasi Header KTP untukmendapatkan blok teks pada bagian atas data KTP menggunakan operasi aras titik danlokal pada citra digital di dalam memisahkan foreground dan dan background.Segmentasi selanjutnya dengan pemrosesan aras titik dan lokal untuk menyisakanbagian data KTP yang hanya meninggalkan blok teks pada header KTP. Tahapberikutnya adalah koreksi kemiringan pada sudut dengan menghitung pusat masa yangtidak lurus pada titik rotasi. Koreksi selanjutnya dengan rotasi obyek header pada titikrotasi. Proses rotasi terjadi secara berulang dengan momen searah jarum jam danberlawanan untuk memperoleh blok obyek header KTP yang lurus. Hasil penelitian adalah Citra KTP yang berhasil disegmentasi header dapatsecara efektif dikoreksi dengan Metode Moment dan menghasilkan citra KTP yanglurus dengan toleransi kemiringan 1 derajat. Segmentasi pada citra KTP yang tidakdapat efektif pada header data KTP tidak dapat dikoreksi kemiringannya denganMetode Moment. Segmentasi header KTP untuk menentukan sudut kemiringan citraKTP efektif pada sudut 0 derajat sampai dengan 15 derajat. Sedangkan kemiringansudut 20 derajat dan 25 derajat, proses segmentasi tidak pada header KTP.]]>
<![CDATA[IMPLEMENTASI ALGORITMA CHAINCODE DALAM EKTRAKSI CIRI POLA ISYARAT TANGAN PADA CITRA DIGITAL ]]>
<![CDATA[Andri Dian Saca]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Salah satu alat komunikasi manusia adalah menggunakan isyarat tanganyangsering digunakan kehidupan sehari-hari untuk menyampaikan maksud. Teknologi masadepan memasuki perangkat antarmuka tanpa sentuhan telah mendorong ilmu komputerpada saat ini untuk mengembangkan sistem pengenalan isyarat tangan interaksi manusiadengan komputer. Pengembangan ilmu di bidang komputer pada tugas kahir ini denganmengimplementasikan algoritma chain-code untuk memproses citra statis pada programaplikasi. Pemrosesan tersebut dengan ekstraksi ciri dalam pola isyarat tangan.Pemrosesan tersebut dengan menemukan ciri ujung jari pada kode rantai yangmerupakan presentasi kontur obyek jari pada tangan hasil segementasi warnamenggunakan thresholding. Ekstraksi ciri yang mengimplementasikan Algoritma Chain-code pada programaplikasi telah berhasil mengektstraksi ciri dengan penelusuran kode rantai berdasarkankoordinat terjauh pada kode untuk menemukan ciri isyarat jari pada angka. Kelemahanekstraksi ciri menggunakan algoritma Chaincode pada program aplikasi tidak dapatmemproses kode rantai pada obyek dengan pose jari rapat, setengah terbuka dan salingmenempel pada ujung jari. Proses segementasi dalam menghasilkan obyek jari menjadiindividu jari memegang peranan penting dalam ekstraksi ciri untuk memisahkan jariyang rapat, setengah terbuka dan saling menempel pada ujungnya. Pengenalan polaisyarat tangan memperoleh kualitas informasi pola isyarat dalam pemrosesan pada citrastatis ditentukan oleh tiga pemrosesan utama yaitu segmentasi, ektraksi ciri danpengenalan pola.]]>
<![CDATA[SEGMENTASI BERDASARKAN TINGKAT PENCAHAYAAN MENGGUNAKAN ALGORITMA K-MEANS PADA CITRA ISYARAT TANGAN ]]>
<![CDATA[Erik Nikodias Krismahara]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (setpiksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi dalam memprosescitra dengan obyek isyarat tangan untuk memperoleh informasi obyek. Bahan penelitiandalam tugas akhir ini adalah bagaimana kualitas informasi obyek tersebut denganpengaruh tingkat cahaya pengukuran yang menggunakan lumen. Algoritma K-Mean dalam pemrosesannya dengan cara pengambangan untukmemisahkan kelompok piksel obyek isyarat tangan dan background. Nilai Ambangdalam Algoritma K-Mean diperoleh dengan cara mengklusterkan piksel ke dalam duabagian yaitu segmen foreground dan background kemudian menghitung sebaran pikselsesuai dengan kedekatan pada kluster. Segmentasi obyek isyarat tangan pada citra inputdiukur dengan kelas lumen dan ragam isyarat tangan. Hasil penelitian pada tugas akhir ini Obyek isyarat tangan pada gambar outputdengan dapat terlihat dimulai dari lux 399 di kelas 200. Pembagian kelas Lux 200, 600,1000, 1400 dan 1800 pada isyarat tangan satu sampai dengan lima hanya pada kelas 200dimana semakin besar lux maka semakin besar piksel foreground yang disegmen padaobyek. Besarnya lux di kelas lux 600 sampai dengan lux 1800 tidak menentukansemakin besar piksel foreground yang tersegmen sebagai obyek isyarattangan.Pengelompokan isyarat tangan yang sama yang terbagi .pada kelas lux 200sampai dengan 1800 adalah semakin besar nilai lux, semakin banyak jumlah pikselforeground yang tersegmen pada obyek isyarat tangan.]]>
<![CDATA[PENGENALAN POLA ISYARAT TANGAN PADA INPUT HAND GESTURE DINAMIS ]]>
<![CDATA[CHRISTOPHEL.A.FINA]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. II (2019): Jurnal Infact Edisi Oktober 2019 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penggunaan pose tangan merupakan salah satu solusi untuk memenuhikebutuhan manusia dalam interaksi manusia dan komputer (Computer HumanInteraction) yang lebih intuitif, cepat, dan sejalan dengan fungsi natural anggota tubuhmanusia. Tangan dapat menghasilkan beragam pose untuk mengontrol suatu kondisii.Hal inilah yang mendorong penulis untuk mengangkat topik permasalahan ini menjadipenelitian dalam tugas akhir ini mengenai pengenalan isyarat tangan. Peneliti akan lebihfokus pada input dinamis dalam ruang lingkup pada pendekteksian ujung-ujung jari darihasil segmentasi tangan. Variabel yang merupakan tahapan pemrosesan pada program aplikasi sebagaiperangkat dalam penelitian terdiri dari segmentasi pada obyek tangan sebagaiforeground. Tahap berikutnya adalah deteksi kontur obyek tangan untuk prosesmenghitung jumlah titik tertinggi yang menentukan kondisi isyarat tangan yang terbukadan tertutup. Pose tangan frontal dan berhadap-hadapan pada lock area tidak tepat menghasilkansegmentasi obyek isyarat tangan dengan pose tangan terbalik, dari samping kiri dankanan, dengan dua tangan dan pose tangan tidak frontal menghadap miring padakamera. Sedangkan pose tangan teoat menghasilkan segmen obyek isyarat tangandengan pose frontal (berhadap-hadapan) tegak lurus dan terbalik menghadap kamera.Pengenalan isyarat tangan dapat mengenali pose jari terbuka dan tidak mampumenghitung ujung jari yang terbuka dalam pose jari yang rapat. Pengenalan isyarattangan efektif dengan pose jari terbuka dengan isyarat jari dua, tiga, empat dan lima jarisedangkan pose satu jari dikenali dalam isyarat tangan tertutup. Pengenalan isyarattangan yang tepat dalam segmentassi tangan dengan jari tidak rapat telah berhasilmengenali pose tangan terbuka dan tertutup.]]>
<![CDATA[Deep Belief Network Sebagai Algoritma untuk Mendeteksi Penyakit Diabetes ]]>
<![CDATA[Debora Sopiana Ikawahyuni]]>
<![CDATA[ JURNAL SAINS DAN KOMPUTER Vol. 1 No. 2 (2017): Jurnal Infact Edisi Agustus 2017 ]]>
Publisher : <![CDATA[Universitas Kristen Immanuel ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Menurut data International Diabetes Federation (IDF) dalam IDF Diabetes Atlas 2019angka kematian akibat diabetes mencapai 4.2 juta, dan sekitar 463 juta orang dewasa (20 – 79tahun) menderita diabetes. IDF juga menyebutkan bahwa angka prevalensi diabetes pada orangdewasa di Indonesia adalah sebesar 6.2%, dengan total kasus diabetes pada orang dewasa sebesar10.681.400. Oleh karena itu, masyarakat perlu waspada akan kondisi kesehatan mereka.Deep Belief Network (DBN) merupakan algoritma dalam Jaringan Saraf Tiruan (JST) yangmemiliki potensi dan dapat dimanfaatkan untuk melakukan deteksi dini penyakit diabetes denganmelakukan kalkulasi statistik. DBN dibentuk dengan menumpuk algoritma Restricted BoltzmannMachine (RBM). Algoritma ini merupakan generative model yang sifatnya hierarkis dan dapatmenggambarkan fungsi yang memiliki variasi tinggi dan menemukan berbagai macam fitur.Proses pendeteksian diabetes menggunakan DBN ini terdiri dari beberapa langkah. Langkahpertama adalah persiapan data, di mana data yang digunakan merupakan dataset yang disediakanoleh Datahub. Kedua, yaitu training algoritma DBN. Langkah terakhir, yaitu evaluasi denganmenggunakan algoritma fine-tuning, yaitu Backpropagation (BP).Hasil penelitian menunjukkan nilai rata-rata tingkat error yang sangat kecil dari DBNdengan 15 layer, yaitu sebesar 0.055%. DBN juga telah dibuktikan mampu bekerja sebagai tahapinisialisasi weights awal dalam BP. Hal ini ditunjukkan dengan peningkatan signifikan rata-rataakurasi evaluasi pada tahap fine-tuning sebesar 22.616%, dibandingkan dengan BP yangmenggunakan weights bernilai 0 dan bilangan acak yang memiliki rata-rata akurasi 0.0%.]]>
